一种基于毫米波雷达的疗养院监护方法及系统技术方案

本发明专利技术提供一种基于毫米波雷达的疗养院监护方法及装置，该方法包括：根据毫米波雷达的反射信号获取各目标距离、速度及角度信息；对目标进行识别定位，判断预定监测范围内是否存在目标；若监测范围内存在目标，则获取目标的呼吸速率和心率；根据监测目标的呼吸速率、心率及呼吸能量、心跳能量，通过神经网络模型进行目标分类。从而可以实现非接触下多目标呼吸速率和心率的监测，提升用户使用体验，并能区分人类和动物，避免动物误触，方便及时发现老人健康异常，为疗养院老人的健康安全提供保障。障。障。

【技术实现步骤摘要】
一种基于毫米波雷达的疗养院监护方法及系统


[0001]本专利技术涉及电子信息
，尤其涉及一种基于毫米波雷达的疗养院监护方法及系统。

技术介绍

[0002]随着电子硬件技术、网络通信技术以及软件工程技术的高速发展，监测心跳和呼吸信号等生命参数为现代医疗保健和疗养院监护提供了可靠的诊断、治疗依据和安全保障。传统的生命体征检测方法主要使用接触式可穿戴传感器或粘性电极直接监测心跳和呼吸信号,基于传感器的可穿戴式方法和基于粘性电极的方法都会因为有线线路限制了用户的行为，监测结果无法真实地反映用户无意识运动时生命机能参数的变化，而且接触式传感器通常操作复杂，使用户不舒服。
[0003]相较于接触式可穿戴传感器或粘性电极的方法，非接触式雷达检测技术可以在没有电极或传感器的情况下远距离监视心跳和呼吸信号，从而使用户带来更舒适，更快的体验，因此，非接触式雷达探测技术已逐渐成为新兴应用领域的研究热点。
[0004]然而，目前已有的非接触式监测方法的监测条件非常苛刻，例如：需要用户保持静止状态，胸腔正对设备，仅支持一人监测等，可监测目标数量有限，且难以区分人类和动物。

技术实现思路

[0005]有鉴于此，本专利技术实施例提供了一种基于毫米波雷达的疗养院监护方法及系统，以解决现有非接触方监护法可监测数量有限，且难以区分人类和动物的问题。
[0006]在本专利技术实施例的第一方面，提供了一种基于毫米波雷达的疗养院监护方法，包括：
[0007]根据毫米波雷达的反射信号获取各目标距离、速度及角度信息；
[0008]对目标进行识别定位，判断预定监测范围内是否存在目标；
[0009]若监测范围内存在目标，则获取目标的呼吸速率和心率；
[0010]根据监测目标的呼吸速率、心率及呼吸能量、心跳能量，通过神经网络模型进行目标分类。
[0011]在本专利技术实施例的第二方面，提供了一种基于毫米波雷达的疗养院监护系统，包括：
[0012]信号处理模块，用于根据毫米波雷达的反射信号获取各目标距离、速度及角度信息；
[0013]目标识别模块，用于对目标进行识别定位，判断预定监测范围内是否存在目标；
[0014]监测模块，用于若监测范围内存在目标，则获取目标的呼吸速率和心率；
[0015]目标分类模块，用于根据监测目标的呼吸速率、心率及呼吸能量、心跳能量，通过神经网络模型判断目标进行分类。
[0016]在本专利技术实施例的第三方面，提供了一种电子设备，包括存储器、处理器以及存储
在所述存储器中并可在所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本专利技术实施例第一方面所述方法的步骤。
[0017]在本专利技术实施例的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本专利技术实施例第一方面提供的所述方法的步骤。
[0018]本专利技术实施例中，通过信号处理技术，目标检测技术，呼吸速率和心率检测以及深度学习技术结合算法应用，判断监测范围内是否有目标存在；当判断出范围内有目标存在时，则进行呼吸速率和心率检测，根据检测的结果来区分目标。实现特定范围内多人员、多目标在动态场景下的呼吸和心跳监测，有效区分人类和动物，避免动物干扰，提升使用体验，可以为养老院老人的健康安全提供保障。
附图说明
[0019]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单介绍，显而易见地，下面描述的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获取其他附图。
[0020]图1为本专利技术的一个实施例提供的一种基于毫米波雷达的疗养院监护方法的流程示意图；
[0021]图2为本专利技术的一个实施例提供的目标识别定位过程的流程示意图；
[0022]图3为本专利技术的一个实施例提供的呼吸速率和心率检测过程的流程示意图；
[0023]图4为本专利技术的一个实施例提供的用于基于毫米波雷达的疗养院监护的系统的结构示意图。
具体实施方式
[0024]为使得本专利技术的专利技术目的、特征、优点能够更加的明显和易懂，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本专利技术一部分实施例，而非全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围以下结合附图对本专利技术的原理和特征进行描述，所举实例只用于解释本专利技术，并非用于限定本专利技术的范围。
[0025]本专利技术的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述，意指覆盖不排他的包含，如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。
[0026]请参阅图1，图1为本专利技术实施例提供的一种基于毫米波雷达的疗养院监护方法的流程示意图，包括：
[0027]S101、根据毫米波雷达的反射信号获取各目标距离、速度及角度信息；
[0028]在原始雷达数据对应的目标信号中包含有目标呼吸胸腔运动信息。通过毫米波雷达来采集预设监测范围内的反射信号，且采集设备实时接收反射信号，并可以设定时间段存储采集数据。优选的，设置较短的时间周期定时采集反射信号，这样能避免实时采集出现
数据量过大的问题，也能避免时间周期过长导致的结果不太准确的问题。
[0029]对采集得到的反射信号，经过静态杂波抑制，滤除环境噪声的影响，避免对假目标的识别，例如风扇，空调等影响。再对数据进行快速傅里叶变换，得到距离维度信息，基于Chirp信号之间的多普勒信息，得到速度信息。
[0030]S102、对目标进行识别定位，判断预定监测范围内是否存在目标；
[0031]具体的，如图2所示，对每根接收天线接收的反射信号经快速傅里叶变换后得到一维FFT距离信息，数据格式维度为：N
F
×
N
C
×
N
R
，其中，N
F
为快速傅里叶变换维度，N
C
为一帧数据中Chirp脉冲信号数量，N
R
为接受信号天线数。
[0032]通过多信号分类算法(MUSIC)，得到信号在每个角度的能量值：通过多信号分类算法(MUSIC)，得到信号在每个角度的能量值：
[0033]s.t.a(θ)∈[-θ
max
,θ
max
]；
[0034]Q
N
＝[q
M+1 q
M+2 q
M+3
…
q
N
],N<M；
[0035]R＝E[XX
H
]；
[0036]其中，X表示输入的ADC信号，其维度为N
F
×
N本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于毫米波雷达的疗养院监护方法，其特征在于，包括：根据毫米波雷达的反射信号获取各目标距离、速度及角度信息；对目标进行识别定位，判断预定监测范围内是否存在目标；若监测范围内存在目标，则获取目标的呼吸速率和心率；根据监测目标的呼吸速率、心率及呼吸能量、心跳能量，通过神经网络模型进行目标分类。2.根据权利要求1所述的方法，其特征在于，所述对目标进行识别定位包括：将接收到的反射信号经快速傅里叶变换得到一维FFT距离数据；通过多信号分类算法计算每个角度的能量值；基于一维FFT距离数据和各角度信号能量值得到角度-距离的热图；通过阈值检测方法对反射信号及噪声进行判断，确定目标信号是否存在，并从角度-距离的热图中检测出目标信号，得到对应的点云信息；根据所述点云信息，对一维信号N
i
×
N
C
做二次快速傅里叶变换得到速度信息；其中，N
i
表示第i类信号，N
C
为一帧数据中Chirp脉冲信号数量；对所述点云信息利用聚类算法得到目标位置信息。3.根据权利要求1所述的方法，其特征在于，所述若监测范围内存在目标，则获取目标的呼吸速率和心率包括；获取目标位置信息，从反射信号中提取目标呼吸信息和心跳信息；从邻近区间获取多个采样值，设置采样间隔得到采样块，通过主成分分析得到多个主成分；对包含信息最大的主成分进行相位展开，经过信号滤除后，通过低通滤波与高通滤波级联的带通滤波器进行滤波处理，得到呼吸信号和心率信号；对包含呼吸信号的数据和包含心率信号的数据分别进行快速傅里叶变换，对变换结果进行峰值检测，得到呼吸频率和心率。4.根据权利要求1所述的方法，其特征在于，所述神经网络模型的数据输入为呼吸速率、心率、呼吸能量和心跳能量，输入数据类别分为人类和动物，通过深度学习训练，神经网络模型输出判断结果为人类或非人类，其中，呼吸能量和心跳能量分别定义为：E
b
＝∑
t
(s
b
(t))2E
h
＝∑
t
(s
h
(t))2式中，E
b
表示呼吸能量，E
h
表示心跳能量，s
b
(t)表示呼吸信号，s
h
(t)表示心跳信号，t表示时间。5...

【专利技术属性】
技术研发人员：蔡超，安美晨，桂宾，邓天平，彭凯，
申请(专利权)人：武汉烽火凯卓科技有限公司，
类型：发明
国别省市：