非接觸式生命體徵監測的信號處理系統的製作方法

2023-07-04 07:51:16 1

本發明涉及雷達信號處理技術領域，具體地，涉及一種基於微都卜勒效應的非接觸式生命體徵監測的信號處理系統。

背景技術：

利用微波雷達發射一定頻率的射頻波，直接照射人體，人體的呼吸和心跳引起胸廓有規律的前後起伏，這種微運動將對雷達射頻波進行微都卜勒調製並反射。通過對雷達回波信號進行相位解調，可得到呼吸和心跳的頻率信息，實現對生命體徵的長期非接觸式監測。基於微都卜勒效應的非接觸式生命體徵監測解決了接觸式監測需要附加接觸設備的不便，在健康與醫療監測，安防，災害急救以及智能家居等領域具有重要的應用潛力。

目前的微波生物雷達硬體具有多種結構，其中比較典型的是零中頻正交雙通道基帶信號輸出結構。在從基帶信號進行信息提取時，利用複數信號解調方法可以有效消除檢測零點問題，但是由呼吸引起的倍頻諧波分量往往會掩蓋由心跳運動調製引起的頻譜峰值，無法有效的同時監測出呼吸和心跳頻率。通過對雙通道基帶信號進行反正切解調，可直接提取出調製相位信息，但是需要精確的直流偏移補償，而且抗噪性能較差。基帶信號是一個非線性的頻率調製信號，其時頻表示為兩個振蕩的時頻分量的疊加，由於呼吸和心跳引起的都卜勒頻移幅值較小，因此通過時頻變換難以達到需要的時間和頻率解析度，導致估計精度較差。

上述信號解調算法均使用FFT(快速傅立葉變換)得到頻譜峰值去直接估計出呼吸和心跳頻率，但是一方面由於正常人體的呼吸頻率一般在0.3-0.6Hz之間，普通的FFT(快速傅立葉變換)需要較長的採樣時間才能得到較高的頻率解析度，以準確估計出呼吸和心跳頻率。另一方面，較長的採樣數據長度降低了時間解析度，導致監測的靈敏度較差。因此為了克服上述信號處理方法的不足，對基於微都卜勒效應的非接觸式生命體徵監測信息進行有效提取，急需開發有效的基帶信號處理方法，以提高測試精確性和靈敏度。

技術實現要素：

針對現有技術中的缺陷，本發明的目的是提供一種非接觸式生命體徵監測的信號處理系統。

根據本發明提供的非接觸式生命體徵監測的信號處理系統，包括如下步驟：

I/Q通道信號處理模塊：用於建立經過監測目標微都卜勒調製的雷達回波基帶信號數學模型，將I/Q通道信號I(t)和Q(t)結合為複數信號S(t)；

呼吸頻率估計模塊：用於根據雷達回波基帶信號數學模型特點，定義相匹配的頻率旋轉算子將S(t)與相乘後進行傅立葉變換，以得到集中性高的頻譜能量分布為目標函數對參數P進行尋優估計，得到呼吸頻率fr以及估計出的頻率旋轉算子

調製分量去除模塊：用於將S(t)與估計出的頻率旋轉算子相乘，去除複數信號S(t)中由呼吸引起的調製分量，得到心跳調製分量信號；

心跳頻率估計模塊：基於頻率旋轉算子的參數化尋優估計得到心跳頻率fh。

優選地，所述I/Q通道信號處理模塊中的雷達回波基帶信號數學模型的表達式如下：

式中：I(t)表示通道I輸出信號，Q(t)表示通道Q輸出信號，xr(t)表示由呼吸引起的周期性胸廓運動位移，mr表示由呼吸引起的胸廓運動最大幅值，fr表示呼吸頻率，t表示時間，表示呼吸信號初始相位，xh(t)表示由心跳引起的周期性胸廓運動位移，mh表示由心跳引起的胸廓運動最大幅值，fh表示心跳頻率，表示心跳信號初始相位，φ表示基帶信號的剩餘相位，λ表示雷達信號波長。

優選地，所述I/Q通道信號處理模塊中將信號I(t)和Q(t)結合為複數信號S(t)，S(t)的公式如下：

式中：j表示虛數單位。

優選地，所述呼吸頻率估計模塊中的頻率旋轉算子的定義如下：

<![CDATA[ φ P R = φ a , b , f R ( t ) = e - j * a s i n ( 2 π f t ) + b c o s ( 2 π f t ) ]]>

式中：表示的具體形式，P表示控制頻率旋轉算子的參數，由a，b和f三個參數組成，a表示正弦函數係數，b表示餘弦函數係數，f表示頻率。

優選地，所述呼吸頻率估計模塊中的參數尋優估計的目標函數如下：

<![CDATA[ { a r ′ , b r ′ , f r ′ } = argmax { a , b , f } { a b s ( f f t ( S ( t ) φ P R ) ( 1 ) ) } ]]>

式中：ar'表示首次估計出的參數a，br'表示首次估計出的參數b，fr'表示首次估計出的參數f，即呼吸頻率fr的估計值，fft(·)(1)表示取離散傅立葉變換在零頻位置的值運算，abs(·)表示複數幅值運算，表示尋找取得最大值的參量a，b和f運算。

優選地，所述調製分量去除模塊中將S(t)與相乘，

去除複數信號S(t)中由呼吸引起的調製分量，如下式所示：

優選地，所述步心跳頻率估計模塊中基於頻率旋轉算子的參數化尋優估計，將心跳調製分量信號與頻率旋轉算子相乘後進行傅立葉變換，得到集中性高的頻譜能量分布為目標函數對參數P進行尋優估計，得到心跳頻率fh。

與現有技術相比，本發明具有如下的有益效果：

本發明提供的非接觸式生命體徵監測的信號處理系統基於基帶信號的數學模型，通過頻率旋轉算子進行參數化尋優估計，對呼吸頻率fr和心跳頻率fh的估計精度高。由於本算法不是通過直接提取信號的頻譜峰值位置來估計呼吸和心跳頻率，因此不再受限於採樣時間長度對估計頻率解析度的限制。利用較短的採樣時間長度數據進行參數化尋優估計，即可獲得高精度的fr和fh估計數值，測試靈敏度高。另外，本算法對I/Q通道的幅值和相位不平衡以及環境噪聲抗性較強，算法魯棒性好。

附圖說明

通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本發明的其它特徵、目的和優點將會變得更明顯：

圖1為應用本發明提出的非接觸式生命體徵監測的信號處理系統的方法流程圖；

圖2(a)為本發明實施例中的通道I信號的時域波形圖；

圖2(b)為本發明實施例中的通道Q信號的時域波形圖；

圖3(a)為本發明實施例中的S(t)信號的歸一化頻譜圖；

圖3(b)為本發明實施例中的S(t)信號0-2Hz局部歸一化頻譜圖；

圖4為本發明實施例中的經過20次循環參數尋優估計得到的呼吸頻率fr的數值分布圖；

圖5為本發明實施例中的去除由呼吸引起的調製分量後的S(t)信號的局部歸一化頻譜圖；

圖6為本發明實施例中的經過20次循環參數尋優估計得到的心跳頻率fh的數值分布圖。

具體實施方式

下面結合具體實施例對本發明進行詳細說明。以下實施例將有助於本領域的技術人員進一步理解本發明，但不以任何形式限制本發明。應當指出的是，對本領域的普通技術人員來說，在不脫離本發明構思的前提下，還可以做出若干變化和改進。這些都屬於本發明的保護範圍。

本實施例通過實際人體生命體徵監測實驗進行說明，測試實驗採用10.525GHz微波雷達，具有零中頻正交I/Q雙通道基帶信號輸出架構。雷達天線正對測試人體的胸腔部位，距離人體1m，測試人體處於穩定的生理狀態。雷達基帶信號通過一個24位的DAQ(數據採集卡)進行信號採集，採樣頻率為50Hz，採樣時間為10秒。

結合圖1，一種非接觸式生命體徵監測的信號處理方法，包括以下步驟：

步驟S1：建立經過監測目標微都卜勒調製的雷達回波基帶信號數學模型，具體來講為I/Q通道信號I(t)和Q(t)的數學模型，如下式所示：

其中，分別是由呼吸和心跳引起的周期性胸廓運動數學模型，φ為基帶信號的剩餘相位，λ為雷達信號波長。

對雙通道信號進行數據採集，如圖2所示為通道I和Q信號的時域波形圖。

將信號I(t)和Q(t)結合為複數信號S(t)：

如圖3(a)所示為實驗測試的S(t)信號的歸一化頻譜圖，圖3(b)所示為實驗測試的S(t)信號0-2Hz範圍的局部歸一化頻譜圖,展示了由呼吸和心跳調製頻段的頻譜圖。從圖3(b)可以看出呼吸頻率近似為24次/分鐘，並具有倍頻諧波分量。在呼吸的諧波分量的幹擾下較難分辨出心跳調製分量的頻率，特別是在噪聲較強的情況下，心跳調製分量信號很容易淹沒在呼吸倍頻諧波和噪聲中。

步驟S2：根據基於微都卜勒效應的非接觸式生命體徵監測的回波基帶信號數學模型特點，定義相匹配的頻率旋轉算子為：

<![CDATA[ φ P R = φ a , b , f R ( t ) = e - j * a s i n ( 2 π f t ) + b c o s ( 2 π f t ) ]]>

式中：P為控制頻率旋轉算子的參數，由a,b和f三個參數組成，j為虛數單位。

將S(t)與相乘，進行時頻旋轉運算，如下式所示：

其中Gs(f；P)為經過時頻旋轉後的信號。

對信號Gs(f；P)進行FFT(快速傅立葉變換)處理。通過選擇合適的參數a,b和f可將基帶複數信號中以零頻為中心震蕩的時頻能量分布集中到零頻，以得到集中性高的頻譜能量分布，以零頻處的離散傅立葉變換值最大為尋優準則，進行參數尋優估計，參數尋優估計的目標函數如下式所示：

<![CDATA[ { a r ′ , b r ′ , f r ′ } = argmax { a , b , f } { a b s ( f f t ( G s ( f ; P ) φ P R ) ( 1 ) ) } ]]>

其中ar'，br'和fr'為通過參數尋優算法估計出的時頻旋轉算子的最優參數

由於實際生命體徵監測中，由呼吸引起的調製分量遠大於由心跳引起的調製分量，一般為10倍以上，因此該方法將首先估計得到由呼吸引起的調製分量。根據一般的呼吸頻率先驗知識或者初步的複數信號S(t)的傅立葉頻譜，可大致將參數f的估計範圍限定在一個較小的區間，如[0.1 0.6]。根據監測雷達的發射波波長和由呼吸引起的胸廓運動幅度(一般為1-6mm)先驗知識，結合基帶信號中呼吸調製分量信號模型的特點，可將參數a和b的尋優範圍限定在一個較小的區間，如[-3 3]。通過參數尋優算法估計出最優的頻率旋轉算子參數，即可首先得到呼吸頻率fr,同時可得到參數ar'和br'的數值。如圖4所示為經過20次循環參數尋優估計得到的呼吸頻率fr的數值分布圖。

步驟S3：將S(t)與由步驟2估計出的頻率旋轉算子相乘,去除複數信號S(t)中由呼吸引起的調製分量，如下式所示：

其中Gs(f；Pr)為去除呼吸調製分量後的信號。如圖5所示為去除由呼吸引起的調製分量後的S(t)信號的局部歸一化頻譜圖，可以看到由呼吸引起的調製分量基本被消除，由心跳引起的調製分量可大致辨別，但是在噪聲比較大的情況下，很難通過FFT得到準確的心跳頻率信息。

步驟S4：重複步驟S2估計出心跳的頻率fh。其中在對參數fh,ah和bh設定尋優範圍時，可根據正常人體的心跳頻率先驗知識將參數fh的尋優範圍限定在一個較小的區間，如[0.8 1.8]。根據監測雷達的發射波波長和由心跳引起的胸廓運動幅度(一般在0.1mm數量級級別)先驗知識，結合基帶信號中心跳調製分量信號模型的特點，可將參數a和b的尋優範圍限定在一個較小的區間，如[-0.5 0.5]。通過參數尋優算法估計出最優的頻率旋轉算子參數，即可得到心跳頻率fh。如圖6所示為經過20次循環參數尋優估計得到的心跳頻率fh的數值分布圖。

以上對本發明的具體實施例進行了描述。需要理解的是，本發明並不局限於上述特定實施方式，本領域技術人員可以在權利要求的範圍內做出各種變化或修改，這並不影響本發明的實質內容。在不衝突的情況下，本申請的實施例和實施例中的特徵可以任意相互組合。