本发明专利技术公开了一种基于连续波雷达的人体微动与呼吸信号分离方法及装置，所述方法包括：获取目标人体微动情况下的雷达数据和呼吸传感器数据；对雷达数据进行相位校正，使用解缠绕算法提取相位数据；根据相位数据和呼吸传感器数据，构建模型训练数据集；基于模型训练数据集，对条件扩散模型进行训练；根据训练好的模型参数构建实时的条件生成系统，利用训练好的条件扩散模型，实时输出人体呼吸信号波形。本发明专利技术提出一种分离人体微动和呼吸信号的方法，相对现有的技术只能在人体静止时测人体呼吸的情况，能够实现在人体微动情况下，仍能恢复人体呼吸引起的胸腔位移。
【技术实现步骤摘要】
本专利技术涉及一种基于连续波雷达的人体微动与呼吸信号分离方法及装置，属于雷达信号处理的。
技术介绍
1、连续波雷达可以实现非接触的生命体征检测，以其显著的便捷性优于穿戴式体征检测设备，并且保证高度隐私性。雷达发射电磁波，由于人体心肺活动，回波信号携带心肺活动信息，通过信号处理方法提取相关的活动信息。基于连续波雷达的体征检测在医学检查、特殊人群监护、灾情救援及日常健康监测等领域有重要的应用潜力。
2、目前基于连续波雷达的生命体征监测的研究，主要集中在人体和设备之前保持相对静止的情况下，但是实际应用中常常伴随人体微动、设备晃动等问题，很多潜在的应用场景这种算法将会失效。如果能分离呼吸信号和微动信号，同时可以探测生命体征和判断人体的运动状态，可以用于车舱监测驾驶员身体状态监测疲劳驾驶、浴室内监测人体呼吸速率自动控制排风扇实现智能家居等。
3、因此，现有的技术适用于使用雷达提取呼吸频率，只能在人体保持静止的状态下提取人体呼吸波形。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于连续波雷达的人体微动与呼吸信号分离方法、装置、计算机设备及存储介质，其与现有技术相比，当人体有轻微运动时也能提取人体呼吸波形。
2、本专利技术的第一个目的在于提供一种基于连续波雷达的人体微动与呼吸信号分离方法。
3、本专利技术的第二个目的在于提供一种基于连续波雷达的人体微动与呼吸信号分离装置。
4、本专利技术的第三个目的在于提供一种计算机设备。
5、本专利技术的第四个目的在于提供一种存储介质。
6、本专利技术的第一个目的可以通过采取如下技术方案达到：
7、一种基于连续波雷达的人体微动与呼吸信号分离方法，所述方法包括：
8、获取目标人体微动情况下的雷达数据和呼吸传感器数据；
9、对雷达数据进行相位校正，使用解缠绕算法提取相位数据；
10、根据相位数据和呼吸传感器数据，构建模型训练数据集；
11、基于模型训练数据集，对条件扩散模型进行训练；
12、根据训练好的模型参数构建实时的条件生成系统，利用训练好的条件扩散模型，实时输出人体呼吸信号波形。
13、进一步的，所述对雷达数据进行相位校正，使用解缠绕算法提取相位信息，具体包括：
14、根据雷达数据，获得同相信号i(t)和正交信号q(t)两路信号；
15、使用最小二乘法对同相信号i(t)和正交信号q(t)进行相位校正；
16、针对相位校正后的数据，使用extended-dacm算法进行相位解缠绕，获得包含目标位移信息的时序信号。
17、进一步的，所述基于模型训练数据集，对条件扩散模型进行训练，具体包括：
18、基于模型训练数据集，将相位数据作为条件，将呼吸传感器数据作为目标，使条件和目标数据组合输入条件扩散模型，训练条件扩散模型，训练的目标为输出去除人体微动的时序信号。
19、进一步的，所述模型训练数据集中同一微动状态时间的相位数据与呼吸传感器数据组成数据对，所述相位数据记为xcond，所述呼吸传感器数据记为x0；
20、所述基于模型训练数据集，将相位数据作为条件，将呼吸传感器数据作为目标，使条件和目标数据组合输入条件扩散模型，训练条件扩散模型，具体包括：
21、从模型训练数据集中抽取一对数据，随机生成一个加噪步信息m，m∈(1，m)，生成一个服从高斯分布的随机噪声∈，将噪声加入x0，计算得到加噪数据xm；
22、将加噪数据xm、加噪步信息m和相位数据xcond输入条件扩散模型，其中相位数据xcond和加噪数据xm在数据维度第一维上拼接数据记为xconcat，将当前加噪步信息m编码传入条件扩散模型中，嵌入加噪步信息m，根据加噪步信息m生成位置编码和xconcat结合，通过条件扩散模型预测加入的随机噪声∈，返回预测的噪声∈θ；
23、根据加噪数据xm和预测噪声∈θ，计算得到加噪数据xm去噪的结果x(m-1)θ，推导得到x0θ；
24、根据损失函数计算损失，进行反向梯度，更新模型参数。
25、进一步的，所述将噪声加入x0，计算得到加噪数据xm，如下式：
26、
27、其中，q(·)表示马尔可夫过程，αm＝1-βm，βm为加入噪声的方差。
28、进一步的，所述根据加噪数据xm和预测噪声∈θ，计算得到加噪数据xm去噪的结果x(m-1)θ，如下式：
29、
30、其中，αm＝1-βm，βm为加入噪声的方差。
31、进一步的，所述条件扩散模型在训练到预设间隔周期后，在当前模型参数下，使用测试样本数据，通过条件扩散模型输出测试样本数据生成的结果，对结果进行分析，判断模型训练程度。
32、本专利技术的第二个目的可以通过采取如下技术方案达到：
33、一种基于连续波雷达的人体微动与呼吸信号分离装置，所述装置包括：
34、数据获取模块，用于获取目标人体微动情况下的雷达数据和呼吸传感器数据；
35、雷达数据处理模块，用于对雷达数据进行相位校正，使用解缠绕算法提取相位数据；
36、数据集构建模块，用于根据相位数据和呼吸传感器数据，构建模型训练数据集；
37、模型训练模块，用于基于模型训练数据集，对条件扩散模型进行训练；
38、人体呼吸信号波形输出模块，用于根据训练好的模型参数构建实时的条件生成系统，利用训练好的条件扩散模型，实时输出人体呼吸信号波形。
39、本专利技术的第三个目的可以通过采取如下技术方案达到：
40、一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现上述的人体微动与呼吸信号分离方法。
41、本专利技术的第四个目的可以通过采取如下技术方案达到：
42、一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的人体微动与呼吸信号分离方法。
43、本专利技术相对于现有技术具有如下的有益效果：
44、1、本专利技术提出一种分离人体微动和呼吸信号的方法，相对现有的技术只能在人体静止时测人体呼吸的情况，通过本专利技术方法能够实现在人体微动情况下，仍能恢复人体呼吸引起的胸腔位移。
45、2、本专利技术的条件扩散模型训练数据，可以通过仿真生成，目前没有人体微动情况的雷达数据集，根据人体呼吸数据的特征，设计仿真数据生成系统，利用仿真数据预先训练网络，可以使用真实数据和仿真数据结合的方式构建模型训练数据集，以训练条件扩散模型。
46、3、本专利技术根据训练好的模型参数构建实时的条件生成系统，结合雷达硬件和matlab软件，雷达实时采集场景中目标反射数据，将设定长度的滑动动态窗长的数据作为网络的雷达输入数据输入网络，网络输出人体呼吸数据，按照一定的更新率实时的显示测试场本文档来自技高网
...
【技术保护点】
1.一种基于连续波雷达的人体微动与呼吸信号分离方法，其特征在于，所述方法包括：
2.根据权利要求1所述的人体微动与呼吸信号分离方法，其特征在于，所述对雷达数据进行相位校正，使用解缠绕算法提取相位信息，具体包括：
3.根据权利要求1所述的人体微动与呼吸信号分离方法，其特征在于，所述基于模型训练数据集，对条件扩散模型进行训练，具体包括：
4.根据权利要求3所述的人体微动与呼吸信号分离方法，其特征在于，所述模型训练数据集中同一微动状态时间的相位数据与呼吸传感器数据组成数据对，所述相位数据记为xcond，所述呼吸传感器数据记为x0；
5.根据权利要求4所述的人体微动与呼吸信号分离方法，其特征在于，所述将噪声加入x0，计算得到加噪数据xm，如下式：
6.根据权利要求4所述的人体微动与呼吸信号分离方法，其特征在于，所述根据加噪数据xm和预测噪声∈θ，计算得到加噪数据xm去噪的结果x(m-1)θ，如下式：
7.根据权利要求4所述的人体微动与呼吸信号分离方法，其特征在于，所述条件扩散模型在训练到预设间隔周期后，在当前模型参数下，使用测试样本数据，通过条件扩散模型输出测试样本数据生成的结果，对结果进行分析，判断模型训练程度。
8.一种基于连续波雷达的人体微动与呼吸信号分离装置，其特征在于，所述装置包括：
9.一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，其特征在于，所述处理器执行存储器存储的程序时，实现权利要求1-7任一项所述的人体微动与呼吸信号分离方法。
10.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1-7任一项所述的人体微动与呼吸信号分离方法。
...
【技术特征摘要】
1.一种基于连续波雷达的人体微动与呼吸信号分离方法，其特征在于，所述方法包括：
2.根据权利要求1所述的人体微动与呼吸信号分离方法，其特征在于，所述对雷达数据进行相位校正，使用解缠绕算法提取相位信息，具体包括：
3.根据权利要求1所述的人体微动与呼吸信号分离方法，其特征在于，所述基于模型训练数据集，对条件扩散模型进行训练，具体包括：
4.根据权利要求3所述的人体微动与呼吸信号分离方法，其特征在于，所述模型训练数据集中同一微动状态时间的相位数据与呼吸传感器数据组成数据对，所述相位数据记为xcond，所述呼吸传感器数据记为x0；
5.根据权利要求4所述的人体微动与呼吸信号分离方法，其特征在于，所述将噪声加入x0，计算得到加噪数据xm，如下式：
6.根据权利要求4所述的人体微动与呼吸信号分离方...
【专利技术属性】
技术研发人员：赵小兰，梁维丹，马如宇，章秀银，杨俊，梁莉苑，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：
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。