基于LFMCW雷达的心率估计算法制造技术

该发明专利技术涉及一种基于LFMCW雷达的心率估计算法，具有更高的稳定性，以及更高的精准度。基于LFMCW雷达的心率估计算法，包括以下步骤：提供LFMCW雷达，LFMCW雷达能够进行检测信号的收发；使用LFMCW雷达向目标物发送N个检测信号，并对应接收N个反射信号；对各个反射信号和与各个反射信号对应的检测信号进行混频，获取N个中频信号，形成原始数据矩阵；对原始数据矩阵进行傅里叶变换，获取距离矩阵；获取目标物在距离矩阵中的下标；根据目标物在距离矩阵中的下标，获取目标物的原始相位信号；根据原始相位信号获取到目标物的微动信号；从微动信号中筛选心跳信号，并进行心率估计。

【技术实现步骤摘要】
基于LFMCW雷达的心率估计算法
本专利技术涉及雷达检测领域，具体涉及一种基于LFMCW雷达的心率估计算法。
技术介绍
随着生活水平的提高，人们对自身的健康状况更加关心，生命体征的监测技术的要求也越来越高，非接触生命体征监测的技术也受到了众多学者的关注。超声波、WIFI、相机和雷达等都在非接触生命体征监测中得到应用，其中超声波、WIFI和雷达都是基于多普勒效应。相比超声波设备功率高，噪声大，WIFI的信号处理不方便等缺点，雷达在非接触生命体征监测中受到广大学者的青睐。生物雷达的研究也分为三种，分别是单音连续波雷达(ContinuousWave，CW)，脉冲超宽带雷达(ImpulseRadioUltra-Wideband，IR-UWB)和调频连续波雷达(Frequency-ModulatedContinuousWave，FMCW)。CW雷达的工作原理是发射天线发射一个单音信号，通过接收物体的反射信号来获取运动目标的相位信息，从而获得多普勒信息和距离信息，这种雷达没有距离分辨率，所以距离隔离性差，检测微小运动的能力也差。多普勒雷达还存在直流偏移和I/Q不平衡的问题，这种系统上的缺陷是难以弥补的。IR-UWB雷达发射的带宽较大，因此可以实现非常高的距离分辨率。其特点是发射天线发射占空比很窄的脉冲。由于占空比低，信号的能量和信噪比(SNR)也低，距离精度因此也降低。基于FFT的心率估计和基于Levenberg-Marquardt(LM)拟合的心率估计是当前LFMCW雷达测量心率的主要方法，这两种方法存在稳定性差，精准度低等现状。请看图1a，为原始的微动信号的幅度-时间图示。基于该微动信号，分别进行基于FFT的心率估计，以及进行基于Levenberg-Marquardt(LM)拟合的心率估计。请看图1b，为基于FFT进行心率估计时的频谱图。在图1b所示的频谱图中，当0.8Hz～2Hz对应的通带内存在干扰时，这种方法无法解决噪声干扰问题，准确率低。请看图1c，为图1b中0～2Hz的频段的放大，可以看出，心跳为88的志愿者的估计结果为79，与实际使用接触式心律仪检测后获得的实时结果相对比，准确率仅为89.77％。除此之外，这种方法还需要较高的采样率或较长采样时间。当采样率为20Hz时，需要采样点12000点，即需要采集10分钟数据才能实现心跳分辨率为1跳。请看图1d，为基于Levenberg-Marquardt(LM)拟合的心率估计法进行降噪之后获取的频谱图，其中图1e为对图1d中的0.8～2Hz的频段进行放大后获取到的图谱。可以看出，心跳为88的志愿者的估计结果也为79，与实际使用接触式心律仪检测后获得的实时结果相对比，准确率也仅为89.77％。该方法能够在一定程度上解决噪声问题，但准确率仍然不高，微动干扰下性能提升不大。
技术实现思路
本专利技术的目的在于提供一种基于LFMCW雷达的心率估计算法，具有更高的稳定性，以及更高的精准度。为了解决上述技术问题，以下提供了一种基于LFMCW雷达的心率估计算法，包括以下步骤：提供LFMCW雷达，所述LFMCW雷达能够进行检测信号的收发；使用所述LFMCW雷达向目标物发送N个检测信号，并对应接收N个反射信号；对各个反射信号和与各个反射信号对应的检测信号进行混频，获取N个中频信号，形成原始数据矩阵；对所述原始数据矩阵进行傅里叶变换，获取距离矩阵；获取所述目标物在所述距离矩阵中的下标；根据所述目标物在所述距离矩阵中的下标，获取所述目标物的原始相位信号；根据所述原始相位信号获取到所述目标物的微动信号；从所述微动信号中筛选心跳信号，并进行心率估计。可选的，构成N×M的原始数据矩阵M[nslow,mfast]，其中nslow＝1，2，……N，mfast＝1，2，……M，其中M是对每个检测信号进行采样时的采样点数。可选的，对所述原始数据矩阵进行傅里叶变换，获取距离矩阵时，对所述原始数据矩阵进行快时间维度的傅里叶变换，得到所述距离矩阵RP[nslow,mfast]。可选的，计算所述目标物的位置所在的检测信号在所述距离矩阵中的下标mpeople，所述目标物与所述LFMCW雷达之间的距离为其中为mpeople的频率，可选的，根据所述目标物在所述距离矩阵中的下标，获取所述目标物的原始相位信号时，所述原始相位信号为swrap(nslow)＝RP[nslow,mpeople]，为慢时间维度的相位。可选的，在根据所述原始相位信号获取到所述目标物的微动信号前，还包括以下步骤：对所述目标物的原始相位信号的相位跳变进行修正。可选的，根据修正了相位跳变后的所述目标物的原始相位信号，获取所述微动信号。可选的，所述修正了相位跳变后的所述目标物的原始相位信号为：sunwrap(nslow)＝unwrap(swrap(nslow))；所述微动信号为：可选的，使用基于PE的MEEMD滤波器从所述微动信号中筛选获得心跳信号。可选的，通过峰值检测算法获得心率估计值HR。可选的，所述LFMCW雷达发送的检测信号为：其中fc是中心频率，是线性调频斜率，B是LFMCW雷达的带宽，τchirp是所述检测信号斜率上升的时间，是所述检测信号的初始相位，R(τ)为目标物与LFMCW雷达的距离。可选的，经过距离为R(τ)的目标物反射后，所述LFMCW雷达接收到的反射信号如下所示：其中SRX(t)为所述反射信号，σ表示所述反射信号的幅度，由反射物体的雷达散射截面和传播损耗共同决定；将所述反射信号和检测信号进行混频，获取的所述中频信号为：其中，sIF(t)为所述中频信号，fIF＝4πγR(τ)/c与距离R(τ)成正比，且4πfcR(τ)/c为慢时间相位，为残余相位；所述距离R(τ)满足：可选的，对所述中频信号进行快时间维度的傅里叶变换，以获取距离频谱图，从而获取距离为R(τ)的目标物的原始相位信号。可选的，使用基于PE的MEEMD滤波器从所述微动信号中筛选获得心跳信号时，包括以下步骤：步骤1：在所述微动信号中添加零均值白噪声信号，获得第一信号和第二信号，所述第一信号为所述微动信号与所述零均值白噪声信号的和，所述第二信号为所述微动信号与所述零均值白噪声信号的差；步骤2：分别对所述第一信号和第二信号进行经验模态分解，得到第m阶IMF分量，分别为和其中i＝1，2，……Ne，，且进行Ne次经验模态分解后得到的平均第m阶IMF分量Im(t)为：步骤3：设置PE阈值thmeemd，计算平均第m阶IMF分量Im(t)的归一化排列熵其中k代表嵌入维数为k的PE；步骤4：若则判定所述平均第m阶IMF分量Im(t)为平稳信号，所述平均第m阶IMF分量Im(t)包含心跳信号，并进入步骤5，否则，判定所述平均第m阶IMF分量Im(t)为噪声信号或者干扰，并进行所述微动信号与所述平均第m阶IMF分量Im(t)的相减运算，并重新开始所述步骤1；步骤5：本文档来自技高网...

【技术保护点】
1.一种基于LFMCW雷达的心率估计算法，其特征在于，包括以下步骤：/n提供LFMCW雷达，所述LFMCW雷达能够进行检测信号的收发；/n使用所述LFMCW雷达向目标物发送N个检测信号，并对应接收N个反射信号；/n对各个反射信号和与各个反射信号对应的检测信号进行混频，获取N个中频信号，形成原始数据矩阵；/n对所述原始数据矩阵进行傅里叶变换，获取距离矩阵；/n获取所述目标物在所述距离矩阵中的下标；/n根据所述目标物在所述距离矩阵中的下标，获取所述目标物的原始相位信号；/n根据所述原始相位信号获取到所述目标物的微动信号；/n从所述微动信号中筛选心跳信号，并进行心率估计。/n

【技术特征摘要】
1.一种基于LFMCW雷达的心率估计算法，其特征在于，包括以下步骤：
提供LFMCW雷达，所述LFMCW雷达能够进行检测信号的收发；
使用所述LFMCW雷达向目标物发送N个检测信号，并对应接收N个反射信号；
对各个反射信号和与各个反射信号对应的检测信号进行混频，获取N个中频信号，形成原始数据矩阵；
对所述原始数据矩阵进行傅里叶变换，获取距离矩阵；
获取所述目标物在所述距离矩阵中的下标；
根据所述目标物在所述距离矩阵中的下标，获取所述目标物的原始相位信号；
根据所述原始相位信号获取到所述目标物的微动信号；
从所述微动信号中筛选心跳信号，并进行心率估计。


2.根据权利要求1所述的基于LFMCW雷达的心率估计算法，其特征在于，构成N×M的原始数据矩阵M[nslow,mfast]，其中nslow＝1，2，……N，mfast＝1，2，……M，其中M是对每个检测信号进行采样时的采样点数。


3.根据权利要求2所述的基于LFMCW雷达的心率估计算法，其特征在于，对所述原始数据矩阵进行快时间维度的傅里叶变换，得到所述距离矩阵RP[nslow,mfast]。


4.根据权利要求3所述的基于LFMCW雷达的心率估计算法，其特征在于，计算所述目标物的位置所在的检测信号在所述距离矩阵中的下标mpeople，所述目标物与所述LFMCW雷达之间的距离为其中为mpeople的频率。


5.根据权利要求4所述的基于LFMCW雷达的心率估计算法，其特征在于，根据所述目标物在所述距离矩阵中的下标，获取所述目标物的原始相位信号时，所述原始相位信号为swrap(nslow)＝RP[nslow,mpeople]，为慢时间维度的相位。


6.根据权利要求5所述的基于LFMCW雷达的心率估计算法，其特征在于，在根据所述原始相位信号获取到所述目标物的微动信号前，还包括以下步骤：
对所述目标物的原始相位信号的相位跳变进行修正。


7.根据权利要求6所述的基于LFMCW雷达的心率估计算法，其特征在于，根据修正了相位跳变后的所述目标物的原始相位信号，获取所述微动信号。


8.根据权利要求7所述的基于LFMCW雷达的心率估计算法，其特征在于，所述修正了相位跳变后的所述目标物的原始相位信号为：
sunwrap(nslow)＝unwrap(swrap(nslow))；
所述微动信号为：





9.根据权利要求1所述的基于LFMCW雷达的心率估计算法，其特征在于，使用基于PE的MEEMD滤波器从所述微动信号中筛选获得心跳信号。


10.根据权利要求1所述的基于LFMCW雷达的心率估计算法，其特征在于，通过峰值检测算...

【专利技术属性】
技术研发人员：廖洪海，林水洋，何为，
申请(专利权)人：隔空上海智能科技有限公司，
类型：发明
国别省市：上海;31