【技术实现步骤摘要】
本专利技术涉及一种基于毫米波雷达的血压检测方法及系统，属于信号处理。
技术介绍
1、目前，高血压这种新型疾病随着生活水平的提高而越来越普遍地出现在人们生活中，其对身体健康危害严重。准确地测量血压是对症下药的前提条件。对于老年人，测量方法需要更加可靠便捷，而且为了实现对生命体征的监测必须对血压进行无间断的持续测量。
2、目前最准确的血压测量方法是通过血管套管进行的侵入式动脉压测量，该方法将一个套管针置于动脉(通常为桡动脉、股动脉、足背动脉或肱动脉)中来直接测量动脉压，但是测量会不可避免地造成创口，并且具体操作需要专业人员直接或指导才能完成，因此无法广泛应用在日常生活中。生活中常见的无创血压测量方法是通过袖带测量。被测人员穿戴袖带，通过给袖带加压来获得脉搏和血压信息，这种方法虽然普遍应用于日常测量中，但因其无法提供便携式的持续血压测量，从而导致使用场景受限。
技术实现思路
1、本专利技术所要解决的技术问题是，克服现有技术的不足，提供一种基于毫米波雷达的血压检测方法及系统，对血压进行无间断的持续测量，提高血压测量的准确性。
2、为了解决上述技术问题，本专利技术的技术方案是：
3、本专利技术一方面提供一种基于毫米波雷达的血压检测方法，它包括：
4、步骤s1、设计数据采集系统，通过数据采集系统从毫米波雷达传感器中获取原始数据；
5、步骤s2、制定信号处理算法，将原始数据转换成与血压相关的生命体征参数；
6、步骤s3、根据
7、进一步，所述步骤s1具体包括如下步骤：
8、获取适用于毫米波雷达传感器的驱动程序和应用程序接口；
9、使用驱动程序或应用程序接口启动数据采集过程，获取毫米波雷达传感器输出的原始数据；
10、解析原始数据以提取所需的信息；
11、进行数据校准以消除系统误差；
12、采用高斯滤波，将原始数据汇总为传感器矩阵，对传感器矩阵进行滤波，去除噪声和异常值。
13、进一步，所述对传感器矩阵进行滤波，具体包括如下步骤：
14、分析传感器矩阵中目标或特征的尺度范围；
15、定义两个具有不同标准差的高斯核；
16、对两个高斯核进行差分，得到高斯差分核，所述高斯差分核的表达式如下：
17、dog(x，σ1，σ2)＝g(x，σ1)-g(x，σ2)；
18、对传感器矩阵应用高斯差分核进行卷积，在传感器矩阵中，分别对传感器矩阵的水平和垂直方向进行一维卷积，所述一维卷积的表达式如下：
19、dogx(x，y，σ1，σ2)＝dog(x，σ1，σ2)*i(x，y)
20、dogy(x，y，σ1，σ2)＝dog(y，σ1，σ2)*i(x，y)；
21、计算滤波后的传感器矩阵在水平和垂直方向上的梯度幅值gradiennt_magnitude(x，y)和方向gradient_direction(x，y)，表达式如下：
22、
23、
24、其中，g(x，σ1)和g(x，σ2)表示高斯函数，x是传感器矩阵中的位置，σ1和σ2是两个高斯函数的标准差；
25、dog(x，σ1，σ2)表示高斯差分；
26、i(x，y)表示传感器矩阵，x和y分别是水平和垂直位置；
27、dogx(x，y，σl，σ2)表示传感器矩阵i(x，y)与高斯差分核dog(x，σ1，σ2)的卷积，dogy(x，y，σ1，σ2)表示传感器矩阵i(x，y)与高斯差分核dog(y，σ1，σ2)的卷积；
28、gradient_magnitude(x，y)表示位置(x，y)的梯度幅值；
29、gradient_direction(x，y)表示位置(x，y)的梯度方向。
30、进一步，所述步骤s2具体包括如下步骤：
31、步骤21、从传感器矩阵中提取与血压特征参数；
32、步骤22、建立血压特征参数与血压的关系模型，将所述血压特征参数，输入到血压检测模型中，由血压检测模型输出对应的血压检测结果，其中，所述血压检测模型为lasso回归模型。
33、进一步，所述步骤21具体包括如下步骤：
34、步骤211、对脉搏波形进行处理，提取脉搏波形的上升和下降阶段，计算脉搏波形的斜率和波峰高度；
35、步骤212、使用傅里叶变换将脉搏波形转换至频域，寻找频谱中的心跳频率，根据心跳频率的位置，估计心跳率；
36、步骤213、检测脉搏波的起始点，所述脉搏波的起始点对应于脉搏波的上升阶段的起点；对相邻脉搏波的起始点在时间轴上的位置进行计算，得到相邻脉搏波的时间差。从而得到脉搏波的传播时间。
37、进一步，所述步骤211具体包括如下步骤：
38、使用峰值检测算法找到脉搏波形的波峰位置；
39、根据找到的脉搏波峰位置，提取脉搏波形的上升阶段；
40、对上升阶段的数据进行拟合，获取上升阶段的斜率；
41、在波峰之间寻找脉搏波形的波谷位置；
42、根据找到的脉搏波谷位置，提取脉搏波形的下降阶段；
43、对下降阶段的数据进行拟合，获取下降阶段的斜率；
44、计算上升阶段和下降阶段的斜率，得到脉搏波形的变化速率；
45、计算脉搏波峰的高度。
46、进一步，所述步骤s3具体包括如下步骤：
47、步骤s31、建立个体基线模型；
48、步骤s32、个性化参数提取；
49、步骤s33、在实时监测中，不断更新个体的个性化特征和参数模型；设计校正算法，通过将当前个体的个性化特征与对应的个体基线模型进行比较，采用梯度下降算法对参数模型进行动态调整。
50、进一步，所述步骤s31具体包括如下步骤：
51、步骤s311、采集足够数量的个体的毫米波雷达数据和相应的血压特征参数；
52、步骤s312、根据每个个体的脉搏波形和血压特征参数建立个体基线模型。
53、进一步，所述步骤s32具体包括如下步骤：
54、步骤s321、特征提取：从每个个体的基线模型中提取个性化特征，所述个性化特征包括脉搏波的振幅、波形的形状；
55、步骤s322、参数建模：使用所述个性化特征建立个体的参数模型，所述参数模型描述个体与血压之间的关系。
56、进一步，所述步骤s33中的动态调整，具体包括如下步骤：
57、步骤s331、初始化
58、针对模型中的每个参数(0，1，…，β0，β1，…，βn)，初始化参数值；
59、设定学习率α，所述学习率α表示在每次梯度下降迭代中更新参数的步长；
60、步骤s332、梯度计算<本文档来自技高网...
【技术保护点】
1.一种基于毫米波雷达的血压检测方法，其特征在于，它包括：
2.根据权利要求1所述的基于毫米波雷达的血压检测方法，其特征在于，所述步骤S1具体包括如下步骤：
3.根据权利要求2所述的基于毫米波雷达的血压检测方法，其特征在于，所述对传感器矩阵进行滤波，具体包括如下步骤：
4.根据权利要求1所述的基于毫米波雷达的血压检测方法，其特征在于，所述步骤S2具体包括如下步骤：
5.根据权利要求4所述的基于毫米波雷达的血压检测方法，其特征在于，所述步骤21具体包括如下步骤：
6.根据权利要求5所述的基于毫米波雷达的血压检测方法，其特征在于，所述步骤211具体包括如下步骤：
7.根据权利要求1所述的基于毫米波雷达的血压检测方法，其特征在于，所述步骤S3具体包括如下步骤：
8.根据权利要求7所述的基于毫米波雷达的血压检测方法，其特征在于，所述步骤S31具体包括如下步骤：
9.根据权利要求7所述的基于毫米波雷达的血压检测方法，其特征在于，所述步骤S33中的动态调整，具体包括如下步骤：
10.一
...【技术特征摘要】
1.一种基于毫米波雷达的血压检测方法，其特征在于，它包括：
2.根据权利要求1所述的基于毫米波雷达的血压检测方法，其特征在于，所述步骤s1具体包括如下步骤：
3.根据权利要求2所述的基于毫米波雷达的血压检测方法，其特征在于，所述对传感器矩阵进行滤波，具体包括如下步骤：
4.根据权利要求1所述的基于毫米波雷达的血压检测方法，其特征在于，所述步骤s2具体包括如下步骤：
5.根据权利要求4所述的基于毫米波雷达的血压检测方法，其特征在于，所述步骤21具体包括如下步骤：
6.根据权利要求5所述的...
【专利技术属性】
技术研发人员：杨绍分，
申请(专利权)人：德心智能科技常州有限公司，
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。