【技术实现步骤摘要】
本专利技术属于非接触式体征检测，具体涉及一种基于fmcw雷达生命体征检测方法。
技术介绍
1、呼吸、心率等生理指标是人体的基本生命特征信息，可直接反映人体的健康状况。同时，近年来随着全球人口老龄化严重，慢性病普见以及突发的传染疾病，对生命体征的监测需求日渐强烈。目前生命特征信息主要依靠贴附于人体的接触式传感器、电极进行测量，这些方法都需要传感器直接或间接地接触人体，虽然这样的设备能够持续的在日常生活中对使用者进行检测，但在许多情况下，这样的设备并不能适用，例如受到感染的病人，或者有精神疾病的病人，以及存在大面积烧伤的病人等，面对这样的病人采用接触式传感器进行生命体征检测是不合适的，因此非接触的生命体征检测设备就能够在这时为医护人员提供病人较为关键的信息。
2、在众多的远程心率检测技术中，其中，采用电磁波对人体进行体征检测可以做到全天候进行，同时保护被测试人员的隐私，因此受到了广泛关注。目前较为常用的非接触式远程心率检测技术为视频图像分析，无线射频识别，红外热成像以及声学传感器。其中视频图像分析以及红外线热成像容易受到光照以及湿度的影响，声学传感器则容易受到环境噪音的干扰。采用电磁波进行体征检测的无线射频识别则受到环境影响较小，可以做到全天候对测试人员进行检测，保护测试人员的隐私，可以安装至卫生间卧室等场所。此外，此外无线射频识别还具有穿透能力强，不干扰用户正常活动的情况下进行检测，这也使得其能在地下活体探测，疲劳驾驶检测等发挥重要作用，具有广泛的应用前景。
3、在基于fmcw雷达的生命体征检测技术方面，国
技术实现思路
1、鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于fmcw雷达的生命体征检测方法，实现人体存在不同体位运动场景下的生命体征检测。
2、为实现上述专利技术目的，本专利技术采用以下技术方案，包括步骤如下：
3、步骤1、fmcw雷达向雷达视场中发送了一连串啁啾信号，雷达将接收天线接收信号与发射信号进行混频，从而获得雷达输出信号。
4、步骤2、对雷达输出信号快时间轴进行傅里叶变换，在得到的慢时间-距离图中采用静态目标强杂波过滤算法滤除静态目标，采用谱峰搜索得到人体区域所在位置所对应频率。
5、步骤3、根据人体周期性运动规律，对人体区域所在位置对应的频率中提取的相位信息建立人体多体位复合运动复信号模型。
6、步骤4、对人体多体位复合运动复信号模型进行周期信号倍增算法，相对提高心跳弱信号增益，根据周期信号倍增算法建立心率寻优方程。
7、步骤5、为了求解心率寻优方程，采用最优化算法，最终获得检测结果。
8、作为优选方式，步骤1中fmcw雷达发射的啁啾信号，每个周期内啁啾信号xt(t)表达式如下式所示：
9、
10、其中，at为信号幅度，fc为调频起始频率，b，t分别为带宽以及持续时间。φ(t)为发射机相位噪声。
11、雷达回波信号xr(t,τ)如下式所示：
12、xr(t,τ)＝xrs(t)+xrm(t,τ)
13、其中，xrs(t)为雷达发射信号通过静态目标所反射的雷达回波信号，xrm(t,τ)为雷达发射信号通过动态目标所反射的雷达回波信号，分别如下式所示：
14、
15、
16、其中，arl与ari分别代表单个静态目标与运动目标反射回拨的幅度，dl与di(τ)分别代表静止目标与运动目标与雷达之间的的距离。
17、将雷达回波信号与发射信号进行混频，所得雷达输出信号xif(t,τ)表达式如下式所示：
18、
19、fbl与fbi分别为静态目标与运动目标所对应中频信号的频率。
20、作为优选方式，步骤2中静态目标强杂波过滤算法具体过程为：
21、对雷达输出数据快时间轴傅里叶变换后的结果，在慢时间上的相同频率的数值减去减去这些数值的均值，得到滤除静态目标的数据。
22、作为优选方式，步骤3中下人体位置处的相位信息xif(f,τ)表达式如下式所示：
23、
24、其中，
25、
26、t0t0为快时间域上的观测时间，fmax为步骤2中谱峰搜索的结果,xdc(fmax)xdc(fi)为静态目标强杂波过滤算法中引入的常数量。
27、作为优选方式，g的长度小于0.06倍的s11≤-10db对应的最大频率下的波长。可以获得最优的阻抗匹配效果。
28、作为优选方式，步骤3中人体多体位复合运动复信号模型如下式所示：
29、
30、其中，
31、
32、
33、
34、
35、其中，nl表示四肢及头部的随机运动贡献，mb(τm)mc(τm)分别代表由人体运动所产生的腹部及胸壁的位移改变量，mr，mh分别为呼吸，心跳所带来的胸壁目标的位移幅度，mrb为呼吸所带来的腹部目标的位移幅度，ωr，ωh为呼吸以及心跳频率。分别为呼吸心跳振动的初始相位。ab，ac分别代表腹部反射目标以及胸腔反射目标的回波在fmax谱峰处谱域信号的幅度。采用固定幅值以及相位信号模型代替人体存在运动时的信号模型的偏差记为nm(τ)。
36、作为优选方式，步骤4中周期信号倍增算法具体如下：
37、
38、其中，
39、
40、
41、
42、作为优选方式，步骤4中周期信号倍增算法具体如下：步骤4中心率寻优方程具体如下：
43、
44、作为优选方式，步骤5中最优化算法可采用粒子群优化算法，遗传算法等。
45、本专利技术的有益效果为：可以在人体存在多体位运动的情况下进行生命体征检测。
本文档来自技高网...【技术保护点】
1.一种基于FMCW雷达的生命体征检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的FMCW雷达的生命体征检测方法，其特征在于：步骤1中雷达接收信号具体获得过程为：
3.根据权利要求1所述的FMCW雷达的生命体征检测方法，其特征在于：步骤2中静态目标强杂波过滤算法仅滤除静态目标干扰，运动目标则不受干扰，静态目标强杂波过滤算法的具体过程为：
4.根据权利要求1所述的FMCW雷达的生命体征检测方法，其特征在于：步骤3中下人体位置处的相位信息XIF(f，τ)表达式如下式所示：
5.根据权利要求1所述的FMCW雷达的生命体征检测方法，其特征在于：步骤3中人体多体位复合运动复信号模型如下式所示：
6.根据权利要求1所述的FMCW雷达的生命体征检测方法，其特征在于：步骤4中周期信号倍增算法具体如下：
7.根据权利要求1所述的FMCW雷达的生命体征检测方法，其特征在于：步骤4中心率寻优方程具体如下：
8.根据权利要求1所述的FMCW雷达的生命体征检测方法，其特征在于：步骤5中最优化算法采用粒子群优化
...【技术特征摘要】
1.一种基于fmcw雷达的生命体征检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的fmcw雷达的生命体征检测方法，其特征在于：步骤1中雷达接收信号具体获得过程为：
3.根据权利要求1所述的fmcw雷达的生命体征检测方法，其特征在于：步骤2中静态目标强杂波过滤算法仅滤除静态目标干扰，运动目标则不受干扰，静态目标强杂波过滤算法的具体过程为：
4.根据权利要求1所述的fmcw雷达的生命体征检测方法，其特征在于：步骤3中下人体位置处的相位信息xif(f，τ)表...
【专利技术属性】
技术研发人员：潘锦，倪晨峰，杜东平，杨鑫，师晨博，陈爽爽，杨德强，刘思豪，
申请(专利权)人：电子科技大学，
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。