The invention discloses a method and device of multi target human respiratory signal monitoring method based on non-contact detection, the method comprises the following steps: 1) by non-contact detection system to detect the target area, to get the target signal containing multiple target respiration signal; 2) the target signal to obtain the average window experience modal decomposition algorithm based on separation, multiple modal components; 3) the modal components obtained by spectrum analysis, according to the result of spectrum analysis of selected human respiratory signal, and to identify the human respiratory signal obtained by screening, respiratory signals corresponding to different target body; the device comprises a signal detection module, WA EMD signal separation module and multi target signal recognition module. The invention has the advantages of simple implementation, effective separation and monitoring of multi-target human respiratory signals, good anti aliasing performance, good noise immunity, high separation accuracy and high efficiency.
【技术实现步骤摘要】
基于非接触式检测的多目标人体呼吸信号监测方法及装置
本专利技术涉及信号处理
,尤其涉及一种基于非接触式检测的多目标人体呼吸信号监测方法及装置。
技术介绍
人体的呼吸信号是衡量人体健康状况的重要指标,对人体呼吸信号的监测在医疗监护、家庭监护等具有非常重要的意义。通过对人体呼吸信息进行实时监测,由呼吸信号作为判断病人的病情轻重、危险程度的指征,可以及时了解病人的病情和发展趋势,及时发现异常状况。对于人体呼吸信号的检测,目前包括两种检测方式,一种是接触式检测方式,如采用呼吸带等,该类方式需要固定在人体上完成检测,操作复杂、使用不便,且只能针对单个人体目标进行检测,检测效率低;另一种是非接触式检测方式,如采用雷达进行信号采集等,无需接触人体即可实现检测,且能够同时检测多个目标人体的信号。但是人体的生命体征信号除呼吸信号外,还包括心跳等信号,通过雷达等非接触式检测方式获取到的人体信号,需要通过进一步信号处理环节分离、提取出所需信号,即其有效性取决于信号的准确分离和提取。针对非接触式检测方式中信号分析方法,目前主要有时频分析方法、FFT分析方法、小波分析方法以及EMD(经验模态分解)算法等,其中由于多人的呼吸信号频率很接近,传统时频分析方法不能准确表示信号的频率关于每一个时间点上的变化,甚至于无法分辨出呼吸信号;对于FFT变换方法来说,其要进行大量的实验获取数据并进行分析和处理,实现过程复杂,且更为重要的是分辨率低;小波分析方法会产生许多谐波,影响呼吸信号的检测,因而不适用于呼吸信号的检测分析;人体呼吸信号伴随着随机噪声,且不同人之间的呼吸频率非常接近,EMD算 ...
【技术保护点】
一种基于非接触式检测的多目标人体呼吸信号监测方法,其特征在于,步骤包括:1)信号检测:通过非接触式检测系统对目标区域进行检测,获取得到包含多目标人体呼吸信号的目标信号;2)WA‑EMD信号分离:将所述步骤1)获取到的目标信号基于窗平均‑经验模态分解算法进行分离,得到多个模态分量;3)多目标信号识别:对所述步骤2)得到的各模态分量分别进行频谱分析,根据频谱分析结果筛选出人体呼吸信号,并对筛选出的各人体呼吸信号进行识别,得到对应不同目标人体的呼吸信号。
【技术特征摘要】
1.一种基于非接触式检测的多目标人体呼吸信号监测方法,其特征在于,步骤包括:1)信号检测:通过非接触式检测系统对目标区域进行检测,获取得到包含多目标人体呼吸信号的目标信号;2)WA-EMD信号分离:将所述步骤1)获取到的目标信号基于窗平均-经验模态分解算法进行分离,得到多个模态分量;3)多目标信号识别:对所述步骤2)得到的各模态分量分别进行频谱分析,根据频谱分析结果筛选出人体呼吸信号,并对筛选出的各人体呼吸信号进行识别,得到对应不同目标人体的呼吸信号。2.根据权利要求1所述的基于非接触式检测的多目标人体呼吸信号监测方法,其特征在于,所述基于窗平均-经验模态分解算法进行分离的具体步骤为:2.1)信号划分:将获取到的目标信号x(t)分成若干个信号段xi(t),且当t=ti时,在持续时间间隔△ti=ti+1-ti内信号为xi(t),其中i=1,2,3....;2.2)频率跟踪:分别跟踪查找各信号段xi(t)的最高频率fi;2.3)模态分量提取:根据查找到的最高频率fi,对各信号段xi(t)进行加窗并求取平均值提取得到所有的本征模函数φ(t),得到多个模态分量。3.根据权利要求2所述的基于非接触式检测的多目标人体呼吸信号监测方法,其特征在于,所述步骤2.2)的具体步骤为:2.21)获取目标信号x(t)中的第一个连续时间段△t0所对应的信号起始段xi(t),其中i=0;利用快速傅里叶变换提取所述信号起始段的峰值,估计得到对应的最高频率f0,并作为频率跟踪的初始频率,即在t∈(t0,t1)区间内f(t)≈f0,其中f(t)为时间t时的跟踪频率信号;2.22)令△ti~10/fi-1,其中△ti为第i段的数据长度,fi-1为第i-1段数据的最高频率;提取信号段xi(t)的最高频率fi,其中i=1,2,3,...,并判断是否满足|fi-fi-1|≤αfi-1,α为定义的跟踪参数,如果是,则由当前提取到的最高频率fi作为当前跟踪频率,即在t∈(ti,ti+1)区间内f(t)≈fi;否则认为所跟踪频率成分消失,保持当前跟踪频率不变,即fi=fi-1;2.23)重复执行步骤2.22),直到跟踪完目标信号x(t)中所有数据,得到所有信号段的最高频率fi,i=0,1,2,3,...,完成跟踪过程。4.根据权利要求2所述的基于非接触式检测的多目标人体呼吸信号监测方法,其特征在于,所述步骤2.3)的具体步骤为:2.31)第一轮筛选:设定用于配置窗函数周期T与最高频率fi之间的倍数关系的可调参数β;令β=1,按照式计算待分离合成信号x(t)的平均值其中ωT为窗函数且满足窗函数周期T按下式计算得到;由目标信号x(t)减去计算得到的平均值得到本征模函数2.32)第二轮筛选:令β=3,按照式计算本征模函数φ0(t)的平均值由计算得到的平均值减去平均值得到本征模函数φ1(t),即2.33)重复执行步骤2.31)、2.32),直到筛选出所有的本征模函数φn(t),其中n=2,3,4,...,并将第n次迭代过程中筛选得到的φ0(t)叠加至第n-1次迭代过程中所筛选出的本征模函数φn-1(t),最终得到包含不同目标人体呼吸信号的多个模态分量。5.根据权利要求4所述的基于非接触式检测的多目标人体呼吸信号监测方法,其特征在于,所述步骤2.33)中迭代过程中具体按下式计算计算得到迭代判定指数△(t),当数据点满足△(t)>c1的总个数小于c2且△(t)<c3时迭代停止;
【专利技术属性】
技术研发人员:唐良勇,赵恒,张玉菊,
申请(专利权)人:湖南华诺星空电子技术有限公司,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。