非接触式UWB传感的生命体征检测分析

摘要

为解决心跳信号易被呼吸谐波和其他噪声干扰而难以提取的问题,提出一种结合遗传算法(GA)和反向传播(BP)神经网络的聚类经验模态分解体征提取模型。首先,采用动目标检测法滤除超宽带(UWB)雷达所接收回波信号中的静止杂波;然后利用距离门选择方法提取出体表振动信号,对其进行聚类经验模态分解得到固有模态函数分量;最后通过GA-BP神经网络对固有模态函数分量转化后的特征向量进行权值训练,以贝叶斯正则化作为BP的训练函数重构心肺信号,并与原始聚类经验模态分解重构信号进行比较。仿真实验结果表明,在不同信噪比下,GA-BP神经网络提取的信号与实际结果吻合度更高,可有效提高呼吸与心跳信号的提取准确度。