基于雷达的非干扰智能感知方法和系统技术方案

本发明专利技术涉及一种基于雷达的非干扰智能感知方法，包括：采集步骤，通过雷达采集用户的生理数据；预处理步骤，对该生理数据进行预处理以滤除干扰得到过滤数据；处理步骤，提取该过滤数据的特征数据，通过机器学习算法对该特征数据进行处理以获得该用户的生理信息，并以极速学习机作为识别分类器识别该用户的生理状态。

【技术实现步骤摘要】
基于雷达的非干扰智能感知方法和系统
本专利技术涉及本专利技术涉及普适计算、健康监护等领域，具体涉及通过多普勒效应实时监测人的行为以及利用机器学习方法推测人的睡眠情况并依据睡眠情况给出反馈，以提升用户睡眠质量。
技术介绍
当今社会飞速发展，个体承受着各个方面而来的较大压力，使得很多人都处于亚健康状态。因此，如何用科技辅助用户变得更健康，一直是科技的发展方向。而睡眠占据人生命近1/3的时间，对人体健康影响重大；良好的睡眠是健康的基础。因此，已有专利对人体睡眠情况进行检测，以及解决睡眠中呼吸暂停的问题。现有专利对于睡眠的检测很多都是接触式的。中国专利技术专利“睡眠监测装置及其检测、辅助睡眠的方法”，申请号CN102247122A，利用电极直接与脑部相接处获取脑电波信号，利用加速度计获取人体运动的加速度信号，并将这两种信号传送到CPU以判断人体的睡眠情况，并依据睡眠情况调整音频(催眠音乐、催眠语音等)辅助人的睡眠。中国专利技术专利“腕带式睡眠监测系统”，申请号CN103892786A，通过佩戴腕带检测用户的心率等人体生理体征信息，可以实现对用户睡眠层次的判断。中国专利技术专利“睡眠监测保健床垫”，申请号CN204427352A，公开了一种新的床垫，通过床垫中震动传感器感知胸腔的震动，同时采集心率，呼吸率，翻床，离床等信息，然后根据得到的睡眠情况和健康情况进行远红外线温灸，以提升用户健康水平。中国专利技术专利“眼罩、睡眠监测转置及方法”，申请号CN104546285A，通过可穿戴式眼罩获取使用者睡眠状态的眼部活动参数，来判断使用者当前睡眠状态，并分析睡眠质量。但以上接触式的检测方法在一定程度上给用户带来干扰和影响，具有侵入性，因此非接触式的检测方法和装置逐渐被提出。中国专利技术专利“使用非干扰性音频分析来生成信息的睡眠呼吸暂停诊断系统和方法”，申请号CN104853671A，通过麦克风阵列检测用户声音，并将其转换为音频信号，并利用音频信息生成头部移动信息，以诊断用户睡眠呼吸暂停。中国专利技术专利“一种睡眠监测保健器”，申请号CN104545934A，通过麦克风检测睡眠声音，利用摄像头捕捉睡眠动作，然后睡眠质量检测模块可以根据睡眠质量调整灯光、音乐、香薰等，以有效提高睡眠质量。中国专利技术专利“基于非接触生命体征信息检测及监护的睡眠传感装置”，申请号CN201521133987.0，提出了利用非接触生物雷达对人体睡眠情况进行监测。中国专利技术专利“一种非接触式睡眠仪”，申请号CN201620097399.4，通过非接触式的监测人体的生理参数和身体动作，如呼吸、心跳和体动等等进行睡眠分析，通过计算处理模块及时地分析这些生理参数，对身体状态进行分析，判断受测者目前的是否入睡，睡眠的程度和质量等等。中国专利技术专利“非接触式睡眠分期方法”，申请号CN201610270933.1，对雷达感知的生理信号和计算得到的体动信号进行聚类分析，再结合声音信号和视频信号实现对睡眠状态的划分。中国专利技术专利“一种监测睡眠呼吸状态的睡眠仪”，申请号CN203029237U，利用雷达对睡眠进行监测，并可以对各种睡眠状态(浅睡眠，深睡眠等)进行检测，但以上方法无法根据睡眠状态进行反馈调节。如上所述，迫切需要一种无干扰的、便捷的感知系统，可以在对用户干扰最小的情况下，对用户的睡眠情况进行监测，并根据监测结果给出行之有效的反馈，以提升用户的睡眠质量，进而保证用户的健康。
技术实现思路
针对上述问题，本专利技术提出一种基于雷达的非干扰智能感知方法，包括：模型构建步骤，采集该用户在睡眠状态的生理数据和非睡眠状态的生理数据以构建睡眠识别模型；采集步骤，通过雷达采集用户的生理数据；预处理步骤，对该生理数据进行预处理以滤除干扰得到过滤数据；处理步骤，提取该过滤数据的特征数据，通过机器学习算法对该特征数据进行处理以获得该用户的生理信息，并以极速学习机作为识别分类器对该用户的生理状态进行识别。本专利技术所述的非干扰智能感知方法，其中该处理步骤具体包括：生理信息获取步骤，通过滑动平均滤波法，将该生理数据在时域上进行平滑，以获得该初始数据，采用带通滤波器对该初始数据提取信号，时频转换后将获得信号在每个频段的成分含量，其频谱值最大的频率值即为该帧信号的响应频率，以得到心率和呼吸频率；生理状态识别步骤，以该心率和呼吸频率通过该睡眠识别模型对该用户的睡眠状态和快速眼动进行识别。本专利技术所述的非干扰智能感知方法，其中所述预处理步骤具体包括：预滤波步骤，对该雷达的发射信号和接收信号进行求差处理以得到第一预处理值，对该第一预处理值进行滤波处理以减小该第一预处理值的干扰信号；放大步骤，对该第一预处理值进行放大处理以得到第二预处理值；模数转换步骤，对该第二预处理值进行模数转换以得到该过滤数据。本专利技术所述的非干扰智能感知方法，其中该采集步骤的该雷达为K波段雷达，该雷达采集的该生理数据包括该用户的心跳数据和呼吸数据。本专利技术还涉及一种基于雷达的非干扰智能感知系统，包括：模型构建模块，用于采集该用户在睡眠状态的生理数据和非睡眠状态的生理数据以构建睡眠识别模型；采集模块，用于通过雷达采集用户的生理数据；预处理模块，用于对该生理数据进行预处理以滤除干扰得到过滤数据；处理模块，用于提取该过滤数据的特征数据，通过机器学习算法对该特征数据进行处理以获得该用户的生理信息，并以极速学习机作为识别分类器对该用户的生理状态进行识别。本专利技术所述的非干扰智能感知系统，其中该处理模块具体包括：生理信息获取模块，用于通过滑动平均滤波法，将该生理数据在时域上进行平滑，以获得该初始数据，采用带通滤波器对该初始数据提取信号，时频转换后将获得信号在每个频段的成分含量，其频谱值最大的频率值即为该帧信号的响应频率，以得到心率和呼吸频率；生理状态识别模块，用于以该心率和呼吸频率通过该睡眠识别模型对该用户的睡眠状态和快速眼动进行识别。本专利技术所述的非干扰智能感知系统，其中所述预处理模块具体包括：预滤波模块，用于对该雷达的发射信号和接收信号进行求差处理以得到第一预处理值，对该第一预处理值进行滤波处理以减小该第一预处理值的干扰信号；放大模块，用于对该第一预处理值进行放大处理以得到第二预处理值；模数转换模块，用于对该第二预处理值进行模数转换以得到该过滤数据。本专利技术所述的非干扰智能感知系统，其中该雷达为K波段雷达，该雷达采集的该生理数据包括该用户的心跳数据和呼吸数据。本专利技术仅使用雷达信号，利用机器学习方法实现无扰、快速、高精度的睡眠感知，并根据感知结果进行反馈调节。比传统的通过呼吸和心率简单计算得到的睡眠状态结果更为快速、可靠。同时，相比于使用运动传感器、音频、视频等分析睡眠状态的方法更为无扰、实用性强。附图说明图1是本专利技术的非干扰智能感知系统结构示意图。图2是本专利技术的非干扰智能感知方法流程图。图3是本专利技术的非干扰智能感知方法的生理指标计算算法图。图4是本专利技术的非干扰智能感知方法的使用分类器网络构成图。其中，附图标记为：1：采集模块2：预处理模块3：处理模块4：模型构建模块5：数据传输及反馈模块具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图，对本专利技术提出的一种基于雷达(RADAR)的非干扰智能感知方法和系统进一步详细说明。应当理解，此处所描述的具体实施方法本文档来自技高网...

【技术保护点】
1.一种基于雷达的非干扰智能感知方法，其特征在于，包括：采集步骤，通过雷达采集用户的生理数据；预处理步骤，对该生理数据进行预处理以滤除干扰得到过滤数据；处理步骤，提取该过滤数据的特征数据，通过机器学习算法对该特征数据进行处理以获得该用户的生理信息，并以极速学习机作为识别分类器识别该用户的生理状态。

【技术特征摘要】
1.一种基于雷达的非干扰智能感知方法，其特征在于，包括：采集步骤，通过雷达采集用户的生理数据；预处理步骤，对该生理数据进行预处理以滤除干扰得到过滤数据；处理步骤，提取该过滤数据的特征数据，通过机器学习算法对该特征数据进行处理以获得该用户的生理信息，并以极速学习机作为识别分类器识别该用户的生理状态。2.如权利要求1所述的非干扰智能感知方法，其特征在于，还包括：模型构建步骤，通过采集该用户在睡眠状态的生理数据和非睡眠状态的生理数据以构建睡眠识别模型。3.如权利要求2所述的非干扰智能感知方法，其特征在于，该处理步骤具体包括：生理信息获取步骤，通过滑动平均滤波法，将该生理数据在时域上进行平滑，以获得该初始数据，采用带通滤波器对该初始数据提取信号，时频转换后将获得信号在每个频段的成分含量，其频谱值最大的频率值即为该帧信号的响应频率，以得到该生理信息，其中该生理信息包括心率和呼吸频率；生理状态识别步骤，以该心率和呼吸频率通过该睡眠识别模型识别该用户的生理状态，该生理状态包括该用户的睡眠状态和快速眼动情况。4.如权利要求1所述的非干扰智能感知方法，其特征在于，所述预处理步骤具体包括：预滤波步骤，对该雷达的发射信号和接收信号进行求差处理以得到第一预处理值，对该第一预处理值进行滤波处理以减小该第一预处理值的干扰信号；放大步骤，对该第一预处理值进行放大处理以得到第二预处理值；模数转换步骤，对该第二预处理值进行模数转换以得到该过滤数据。5.如权利要求1所述的非干扰智能感知方法，其特征在于，该采集步骤的该雷达为K波段雷达，该雷达采集的该生理数据包括该用户的心跳数据和呼吸数据。6.一种基于雷...

【专利技术属性】
技术研发人员：陈益强，谷洋，沈建飞，杨晓东，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京,11