System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【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。
...【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
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。