基于毫米波的非接触式远场多人体呼吸心率监测方法技术

本发明专利技术提供了一种基于毫米波的非接触式远场多人体呼吸心率监测方法，包括：对监测的毫米波信号进行微多普勒运算，并将运算数据解调为微距离频谱数据和微角度频谱数据；采用带通滤波器对这两种频谱数据进行分离；基于微距离频谱数据和微角度频谱数据构建距离集合和角度集合，距离集合用于存储相应距离的多目标人体信号数据，角度集合用于存储相同距离相应角度的多目标人体信号数据；基于小波变换计算各个距离集合和角度集合内的多目标人体各自的呼吸频率，基于聚类密度算法计算各个距离集合和角度集合内的多目标人体各自的心跳频率。具有可远距离监测、可同时对多个目标人体监测、人体心率呼吸监测结果准确高和监测结果可参考意义大等优点。

【技术实现步骤摘要】
基于毫米波的非接触式远场多人体呼吸心率监测方法
本专利技术涉及物联网通信和医疗监测领域，具体涉及一种基于毫米波的非接触式远场多人体呼吸心率监测方法。
技术介绍
毫米波，是指波长为1～10毫米的电磁波，它位于微波与远红外波相交叠的波长范围，因而兼有两种波谱的特点。与光波相比，毫米波受自然光和热辐射源影响小；有极宽的带宽，毫米波的频率范围为30GHz-300GHz，具有高精度、高分辨率的特点；毫米波的波束窄，在相同天线尺寸下毫米波的波束要比微波的波束窄得多，可以分辨相距更近的小目标或者更为清晰地观察目标的细节。和激光相比，毫米波的传播受气候的影响要小得多，可以认为具有全天候特性。和微波相比，毫米波元器件的尺寸要小得多更容易小型化。在智能家居老年人监护、睡眠呼吸间歇患者的睡眠监护、病人状态监护、疲劳驾驶的预警、灾害发生后的生命体征追踪、安防场景下匿藏人员的探测等应用场景中，人体心率和呼吸的实时监测最为直接和重要。利用毫米波高精度、高分辨率的特点，目标人体的径向运动对毫米波载波产生相位上的调制，从而使得毫米波的反射信号与接收信号之间产生频率差，本文档来自技高网...

【技术保护点】
1.一种基于毫米波的非接触式远场多人体呼吸心率监测方法，其特征在于，包括以下步骤：/n通过至少一个毫米波传感设备向监测空间内发射线性调频连续毫米波，实时接收监测空间内反射的毫米波传感信号，并对接收的毫米波传感信号进行预处理；/n对预处理后的毫米波传感信号进行微多普勒运算，将运算得到的微多普勒数据解调为微距离频谱数据和微角度频谱数据；并基于呼吸频率和心跳频率的差异，采用带通滤波器对这两种频谱数据进行分离；/n基于分离后的微距离频谱数据和微角度频谱数据构建距离集合和角度集合，所述距离集合用于存储相应距离的多目标人体信号数据，所述角度集合用于存储相同距离相应角度的多目标人体信号数据；/n通过神经网络...

【技术特征摘要】
1.一种基于毫米波的非接触式远场多人体呼吸心率监测方法，其特征在于，包括以下步骤：
通过至少一个毫米波传感设备向监测空间内发射线性调频连续毫米波，实时接收监测空间内反射的毫米波传感信号，并对接收的毫米波传感信号进行预处理；
对预处理后的毫米波传感信号进行微多普勒运算，将运算得到的微多普勒数据解调为微距离频谱数据和微角度频谱数据；并基于呼吸频率和心跳频率的差异，采用带通滤波器对这两种频谱数据进行分离；
基于分离后的微距离频谱数据和微角度频谱数据构建距离集合和角度集合，所述距离集合用于存储相应距离的多目标人体信号数据，所述角度集合用于存储相同距离相应角度的多目标人体信号数据；
通过神经网络模型分析确定各个目标人体的空间位置，并采用模式识别分类器对各个目标人体的信号数据进行分类识别；
基于小波变换计算各个距离集合和角度集合内的多目标人体各自的呼吸频率，基于聚类密度算法计算各个距离集合和角度集合内的多目标人体各自的心跳频率；
将各个目标人体的呼吸频率、心跳频率和空间位置信息实时发送到监测服务器或用户端。


2.根据权利要求1所述的基于毫米波的非接触式远场多人体呼吸心率监测方法，其特征在于，所述对接收的毫米波传感信号进行预处理，具体包括：
对接收的毫米波传感信号x(t)进行自相关函数和互相关函数分析，筛选出真实的毫米波传感信号s(t)，其中，x(t)＝s(t)+n(t)，n(t)表示噪音信号；
将真实的毫米波传感信号由模拟信号转换为数字信号，并进行逆傅里叶变换，将频域数字信号转为时域数字信号；
对时域数字信号进行数字滤波处理、空间噪声处理、空间多径干扰串扰消除。


3.根据权利要求1所述的基于毫米波的非接触式远场多人体呼吸心率监测方法，其特征在于，所述对预处理后的毫米波传感信号进行微多普勒运算，将运算得到的微多普勒数据解调为微距离频谱数据和微角度频谱数据，具体包括：
所述毫米波传感信号包括初始毫米波传感信号和待识别毫米波传感信号，根据预处理后的初始毫米波传感信号构建空间环境静物模型；
对预处理后的待识别毫米波传感信号进行多普勒运算和微多普勒运算，基于空间环境静物模型屏蔽空间静物的传感信号以及无多普勒效应的传感信号，得到待识别毫米波传感信号的微多普勒数据；
对运算得到的微多普勒数据做I-Q解调，得到解析幅值RSS频谱和解析相位φ频谱；将解析幅值RSS频谱和解析相位φ频谱分别转换为微距离频谱数据和微角度频谱数据，确定多人体信号数据的极坐标。


4.根据权利要求3所述的基于毫米波的非接触式远场多人体呼吸心率监测方法，其特征在于，对毫米波传感信号中的动物相关信号进行剔除，具体包括：
针对解调数据的幅值RSS和角频率ω设定幅值RSS阀值和角频率ω阀值，保留幅值RSS阀值和角频率ω阀值内所有的周期性信号数据；
对解调后的各周期性信号数据做幅值RSS的能谱积分求和，并与预设的人体反射幅值RSS能谱积分求和值做比较，若解调的能谱积分和小于预设的能谱积分和，则判定为动物相关信号并剔除相关数据。


5.根据权利要求4所述的基于毫米波的非接触式远场多人体呼吸心率监测方法，其特征在于，对微多普勒数据进行I-Q解调的过程如下：
对微多普勒数据进行ADC采样，采样后输出的第n个数据为f(n)，并基于采样率f(s)的数字振荡算法NCO生成sin(ωan)和cos(ωan)；
通过第一乘法器将数据f(n)和sin(ωan)相乘，相乘后采用低通滤波算法LPF进行滤波，滤波后采用数据抽取算法以整数倍提取数据，获得数据I(n)；
通过第二乘法器将数据f(n)和cos(ωan)相乘，相乘后采用低通滤波算法LPF进行滤波，滤波后采用数据抽取算法以整数倍提取数据，获得数据Q(n)。


6.根据权利要求1所述的基于毫米波的非接触式远场多人体呼吸心率监测方法，其特征在于，所述基于分离后的微距离频谱数据和微角度频谱数据构建距离集合和角度集合，具体包括：
基于解调后的微距离频谱数据和微角度频谱数据进行傅里叶逆变换FFT，得到距离脉冲函数D和角度脉冲函数Φ；
对距离脉冲函数D和角度脉冲函数Φ中函数点的所有数据进行运动...

【专利技术属性】
技术研发人员：关山，
申请(专利权)人：路晟悠拜重庆科技有限公司，
类型：发明
国别省市：重庆;50