【技术实现步骤摘要】
本专利技术属于无线感知，特别是涉及一种人体呼吸检测方法、电子设备、介质及计算机程序产品。
技术介绍
1、在人体健康状况评估中，生命体征监测扮演着关键角色。传统的监测系统通常要求用户佩戴或安装专门的传感器，这些方法往往侵入性强、不便使用，并且限制了其在实际场景中的应用。例如，心电图(ecg)和呼吸带虽然能够提供精确的生理数据，但它们的使用受限于用户愿意在特定环境下接受监测，如果遇到只有一个设备，但如果有多个用户还需要排队，无法同时进行监测，造成了一定的阻碍。此外，这些接触式监测设备在长期使用过程中可能会引起感染风险，尤其是在医院环境中。
2、为了克服这些限制，研究人员开始探索非侵入性的生命体征检测方法。无线感知技术，特别是基于rfid和wifi的方法，因其无需物理接触即可监测生命体征而受到关注。这些技术通过分析从人体反射回来的无线信号，来提取生命体征信号。然而，这些方法在实际应用中面临着重大挑战：无线信号容易受到环境因素的干扰，如家具、墙壁和其他目标的干扰，这会使得信号的解读变得复杂；用户的身体运动会导致信号特征发生变化，这对于基于无线信号的生命体征检测系统来说是一个巨大的挑战；不同环境和不同个体之间的差异要求监测系统具有良好的泛化能力，而现有系统往往在新环境中表现不佳；准确识别多个用户并且保证系统性能的稳定这是非常重要的。
3、为了解决这些问题，研究人员尝试了多种方法，包括使用更复杂的信号处理算法来区分生命体征信号和运动干扰，或者开发更高级的传感器来减少环境噪声的影响。然而，这些方法往往需要高昂的成本、复
技术实现思路
1、本专利技术的目的是针对现有技术不足，提供了一种人体呼吸检测方法、电子设备、介质及计算机程序产品，减少对先验知识的依赖，提高检测方法的通用性。
2、为了实现上述目的，本专利技术所采用的技术方案是：
3、一种人体呼吸检测方法，包括以下步骤：
4、s1：获取目标区域的多个反射信号；
5、s2：将目标区域的多个反射信号调整到相同相位，得到信号序列；
6、s3：对所述信号序列进行预处理；
7、s4：采用减法平均优化器算法确定最优的多变量变分模态分解参数，所述多变量变分模态分解参数包括模态数、惩罚因子；
8、s5：基于最优的多变量变分模态分解参数，采用多变量变分模态分解方法对经预处理后的信号序列进行分解，提取生命体征信号；
9、s6：将所述生命体征信号进行时频变换，得到呼吸频率、心跳频率。
10、本专利技术将多个反射信号调整到相同相位，对反射信号进行校准和增强，可有效去除目标区域外信号的干扰，提高检测精度；本专利技术通过减法平均优化器算法获得多变量变分模态分解的最优参数，减少了初始参数对多变量变分模态分解性能的影响，提高了检测方法的通用性。
11、进一步地，所述目标区域包括人体胸部、人体手部。
12、进一步地，信号序列stotal的表达式如下：
13、
14、其中，ai为毫米波雷达第i个天线接收到的反射信号振幅，si为毫米波雷达第i个天线接收到的反射信号，e-j(i-1)δφ为相位调整系数，a为虚数单位，m为毫米波雷达天线的数量，δφ为毫米波雷达天线之间的相位差。
15、进一步地，s3中，使用均值滤波器对所述信号序列进行滤波处理。
16、经过均值滤波后，静态目标的干扰被去除，而移动目标的反射信号能够保留和显著增强，信噪比得到显著提高，使目标信号幅度更为明显。
17、进一步地，s3中，经滤波处理后，将目标区域每一时刻的信道脉冲响应进行平移，使信道脉冲响应与最大互相关点对齐，去除信道脉冲响应突变点前1秒和对齐后2-3秒的数据。
18、以消除身体运动对信号的干扰。
19、进一步地，s4的实现过程包括：
20、设置多变量变分模态分解参数的范围；
21、生成多个智能体位置，每个智能体位置表示模态数和惩罚因子的一种组合；
22、针对每个智能体位置，通过多变量变分模态分解将经预处理后的信号序列分解成模态，计算每个智能体位置的适应度值，适应度值fitness的表达式如下：
23、
24、选择智能体位置的适应度值中的最大值作为最优适应度值，将最优适应度值对应的模态数和惩罚因子作为最优的多变量变分模态分解参数；
25、其中，k和c分别代表多变量变分模态分解的模态索引和通道索引，sec,k为经预处理后的信号序列的样本熵，ρc,k为经预处理后的信号序列和模态的皮尔逊相关系数。
26、进一步地，s5的实现过程包括：
27、通过最小化代价函数，将经预处理后的信号序列分解成多个模态；
28、代价函数的表达式如下：
29、
30、uij(t)＝aij·cos(2πfjt+φj)
31、根据生命体征信号的频率，从多个模态中筛选出与生命体征信号对应的模态，将与生命体征信号对应的模态重构为新的信号，得到生命体征信号；
32、所述生命体征信号的表达式如下：
33、
34、其中，n为经预处理后的信号序列的通道数，xi(t)为第i个通道的信号，uij(t)为第j个模态，k为模态数，α为惩罚因子，fj为第j个模态的中心频率，β为对齐参数，∥∥表示范数，aij为第j个模态的振幅，φj为第j个模态的相位；为第i个通道的生命体征信号，[fmin,fmax]为生命体征信号的频率范围。
35、基于同一专利技术构思，本专利技术还提供了一种电子设备，包括：
36、一个或多个处理器；
37、存储器，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现人体呼吸检测方法的步骤。
38、基于同一专利技术构思，本专利技术还提供了一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现人体呼吸检测方法的步骤。
39、基于同一专利技术构思，本专利技术还提供了一种计算机程序产品，包括计算机程序/指令；该计算机程序/指令被处理器执行时实现人体呼吸检测方法的步骤。
40、相比于现有技术，本专利技术的有益效果：
41、本发本文档来自技高网...
【技术保护点】
1.一种人体呼吸检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的人体呼吸检测方法，其特征在于，所述目标区域包括人体胸部、人体手部。
3.根据权利要求1所述的人体呼吸检测方法，其特征在于，信号序列Stotal的表达式如下：
4.根据权利要求1所述的人体呼吸检测方法，其特征在于，S3中，使用均值滤波器对所述信号序列进行滤波处理。
5.根据权利要求4所述的人体呼吸检测方法，其特征在于，S3中，经滤波处理后，将目标区域每一时刻的信道脉冲响应进行平移，使信道脉冲响应与最大互相关点对齐，去除信道脉冲响应突变点前1秒和对齐后2-3秒的数据。
6.根据权利要求1所述的人体呼吸检测方法，其特征在于，S4的实现过程包括：
7.根据权利要求1所述的人体呼吸检测方法，其特征在于，S5的实现过程包括：
8.一种电子设备，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。
10.一种计算机程
...【技术特征摘要】
1.一种人体呼吸检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的人体呼吸检测方法，其特征在于，所述目标区域包括人体胸部、人体手部。
3.根据权利要求1所述的人体呼吸检测方法，其特征在于，信号序列stotal的表达式如下：
4.根据权利要求1所述的人体呼吸检测方法，其特征在于，s3中，使用均值滤波器对所述信号序列进行滤波处理。
5.根据权利要求4所述的人体呼吸检测方法，其特征在于，s3中，经滤波处理后，将目标区域每一时刻的信道脉冲响应进行平移，使信道脉冲响应与最大互相关点对齐，去除信道脉冲...
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。