基于生物雷达的慢速随机运动下非接触生命体征监测

摘要

本发明涉及生命体征检测领域，提出一种基于生物雷达的慢速随机运动下非接触生命体征监测方法。该方法首先同步采集调频连续波雷达和脉冲超宽带雷达数据；之后基于调频连续波雷达回波信号，利用机器学习实现目标检测、运动模式预分类和身体朝向分类。在此基础上，基于身体朝向实现胸腔回波位置的估测，并以此辅助修正脉冲超宽带雷达探测得到的生命体征信号，进一步采用心跳估测和恢复算法实现生命体征提取。本发明提出的检测方法能够精准检测慢速随机运动下的目标生命体征，为进一步实现运动状态下长时、鲁棒、全面的生命体征监测，探究运动对人体生理健康的影响提供可能。

说明书

技术领域

本发明涉及生命体征检测领域，特别是指一种基于生物雷达的慢速随机运动下非接触生命体征监测方法。

背景技术

太极、瑜伽这类相对和缓且能强身健体的运动受到各年龄人群的关注和喜爱。在运动过程中，实时监控人体的心跳、呼吸等生命体征可以帮助人们调整运动强度，从而达到最佳健身效果。传统的生命体征检测方式大多需要佩戴接触式设备，这会给运动者带来不适感，并且汗液还会影响设备的检测准确度。针对太极、瑜伽这类运动速度相对缓慢、运动随机性强且存在多方向转动的慢速随机运动形式，如何摆脱接触式设备的限制，在运动中非接触地进行生命体征检测是一个关键问题。

非接触式生命体征监测技术主要包括视频监测技术和生物雷达监测技术。相较于视频监测，诸如脉冲超宽带雷达、调频连续波雷达的生物雷达探测精度高，穿透性强，使用时不受光线限制，也不会带来隐私问题，成为非接触式生命体征监测领域一大研究热点。

目前运动情况下基于生物雷达的非接触式生命体征检测技术大多针对大幅度行走位移或身体微动的运动场景，人体运动模式相对固定，因此，此类技术方案主要通过补偿躯干位移或去除身体运动相关频率的方式减小身体体动对生命体征检测的影响。然而，对于存在躯干随机扭动或四肢大幅度摆动情况，由于身体朝向不固定且四肢干扰严重，仅仅通过现有技术方案难以准确提取生命体征信号。

针对目前运动情况下生命体征监测存在的技术问题，本发明提出基于生物雷达的慢速随机运动下非接触生命体征监测技术。

发明内容

为解决上述技术问题，本发明提出一种基于生物雷达的慢速随机运动下非接触生命体征监测方法，包括步骤：

步骤1，将调频连续波雷达和脉冲超宽带雷达部署在场景内同一位置，同步采集原始回波信号。

步骤2，目标检测、运动模式预分类和身体朝向分类。基于步骤1得到的调频连续波雷达信号进行目标检测。并提取目标运动的特征，基于支持向量机实现基于运动剧烈程度的运动模式预分类；在此基础上，针对目标运动剧烈程度较低的运动模式，利用多层感知机实现目标身体朝向分类。

步骤3，结合身体朝向的胸腔回波位置估测和生命体征信号修正。结合步骤2中得到身体朝向和目标位置，实现目标胸膛回波位置的估测。提取脉冲超宽带雷达对应的回波信号，即为生命体征信号。

步骤4，生命体征提取。利用HEAR(Heartbeat Estimation And Recovery，心跳估测和恢复)算法，构建步骤3所得到的生命体征信号幅度与雷达回波快时间之间的映射关系，并基于变分非线性模态分解对修正后的生命体征信号进行分解，提取对应频率范围内的呼吸率、心率。

可选的，步骤2包括：

步骤2-1，目标检测。对步骤1采集的调频连续波雷达回波信号，采用三维傅里叶变换生成“距离-多普勒-角度”热点图。基于单元平均恒虚警检测目标各个身体部位回波的集合；在此基础上，基于聚类算法得到回波集合的聚类中心，即为当前时刻目标距雷达的平均距离l、平均速度v和平均角度α，可计算得到目标位置；计算回波集合的平均能量值，即为当前时刻目标回波的平均能量e。

步骤2-2，运动模式预分类。在一定时间窗口范围T

步骤2-3，身体朝向分类。针对低强度运动模式，基于步骤2-1中得到的目标各个身体部位回波的集合以及平均距离、平均速度、平均角度、平均能量作为特征，将其输入多层感知机分类器进行身体朝向分类。

可选的，步骤3包括：

步骤3-1，将人体胸膛的横截面建模为一个椭圆，长轴对应胸腔宽度2a，短轴对应胸腔厚度2b。设生物雷达位于二维坐标平面原点位置，根据步骤1中得到的目标位置，由目标到雷达的距离l计算得到雷达到胸膛的实际距离d

胸膛回波位置(x

(x

其中

步骤3-2，对时间窗口T

步骤3-3，对脉冲超宽带雷达回波信号进行预处理，包括去除直流分量、带通滤波、滑动平均去除杂波干扰。根据步骤3-2中得到的雷达到胸膛的距离序列，提取对应距离上脉冲超宽带雷达的回波信号序列，即构成生命体征回波信号。

本发明考虑到身体扭动对提取生命体征带来的干扰，创新性地提出基于身体朝向的胸腔回波位置估测修正技术，基于调频连续波雷达热点图实现目标检测、运动模式分类和身体朝向分类的基础上，将人体胸腔的横截面建模为一个椭圆，基于几何关系估测胸膛回波位置。

在此基础上，考虑到慢速随机运动随机性强、四肢摆动幅度大的特点，本发明综合多种生物雷达回波信息，创新性地提出生命体征信号修正技术。综合调频连续波雷达可采集到目标距离、速度、方位角等丰富的运动信息，而脉冲超宽带雷达距离分辨率更高的特点，基于调频连续波雷达热点图得出胸膛回波位置的辅助下，相应地提取脉冲超宽带雷达对应距离的回波信息，从而实现生命体征信号的修正，进一步实现生命体征提取。

本发明提出的基于生物雷达的慢速随机运动下非接触生命体征监测方法，可以准确监测运动状态下的目标生命体征，为进一步实现运动状态下长时、鲁棒、全面的生命体征监测，探究运动对人体生理健康的影响提供可能。

附图说明

图1为本发明监测方法的整体流程图；

图2为本发明目标检测、运动模式预分类和身体朝向分类的整体流程图；

图3为本发明结合身体朝向的胸腔回波位置估测和生命体征信号修正的整体流程图；

图4为本发明结合身体朝向的胸腔位置图；

具体实施方式

为使本发明提出的技术方案更加明晰，以下为本发明作进一步详细说明。

结合图1，本发明提出一种基于生物雷达的慢速随机运动下非接触生命体征监测方法，包括以下步骤：

步骤S101：将调频连续波雷达和脉冲超宽带雷达部署在场景内同一位置，同步采集原始回波信号。

步骤S102：目标检测、运动模式预分类和身体朝向分类。考虑到调频连续波雷达可采集到目标距离、速度、方位角等丰富的运动信息，本发明首先基于调频连续波雷达回波信号得到的“距离-多普勒-时间”热点图实现目标检测，并且提取目标运动的特征，使用支持向量机实现基于运动剧烈程度的运动模式预分类；在此基础上，针对目标运动剧烈程度较低的运动模式，利用多层感知机实现身体朝向的分类。

步骤S103：基于身体朝向的胸腔回波位置估测和生命体征信号修正。将人体胸腔的截面建模为一个椭圆，结合身体朝向以及雷达与胸腔之间的几何关系实现胸膛回波位置的估测，并采用二维卡尔曼滤波进一步调整胸膛回波位置。考虑到脉冲超宽带雷达距离分辨率更高的特点，提取脉冲超宽带雷达对应胸腔回波位置的回波信号，消除身体大幅度体动给生命体征检测带来的运动干扰。

步骤S104：生命体征提取。基于HEAR算法，构建生命体征信号幅度与距离之间的映射，并基于变分非线性模态分解对修正后的生命体征信号进行分解，提取对应频率范围内的呼吸率、心率。

结合图2，进一步地，步骤S102具体为：

步骤S201：对步骤S101采集的调频连续波雷达回波信号，采用三维傅里叶变换生成“距离-多普勒-角度”热点图。首先进行目标检测。考虑到雷达可能检测到目标身体多个部位的回波信号，基于单元平均恒虚警检测目标各个身体部位回波的集合；在此基础上，基于聚类算法得到回波集合的聚类中心，即为当前时刻目标距雷达的平均距离l、平均速度v和平均角度α，可计算得到目标位置；计算回波集合的平均能量值，即为当前时刻目标回波的平均能量e。

步骤S202：为去除运动强度过高的情况，需要根据运动强度对运动模式进行预分类。首先提取动态距离特征，动态速度特征，动态能量特征，距离分布特征和速度分布特征。下面介绍特征提取方法。在一定时间窗口范围T

步骤S203：本发明对低强度运动模式进一步进行身体朝向分类。为进一步估测胸膛回波位置，需要对身体朝向进行分类，从而确定胸膛是否在雷达可探测范围内。考虑目标上半身直立且胸膛面向雷达的情况，设胸膛朝向为θ，将目标胸膛朝向分为类别A-F，具体为：

A：-15°＜θ＜15°

B：-45°＜θ≤-15°

C：15°≤θ＜45°

D：-95°＜θ≤-45°

E：45°≤θ＜90°

F：不直接面向雷达(考虑手臂遮挡胸膛的情况)。

基于步骤S201中得到的目标各个身体部位回波的集合以及l、v、α、e作为特征进行身体朝向分类。可采用多种类别的神经网络分类器或机器学习分类器完成分类任务。本发明采用多层感知机完成身体朝向分类任务。

结合图3，进一步地，步骤S103具体为：

步骤S301：本发明考虑类别A、B、C的生命体征信号可探测。为进一步去除四肢运动对胸膛运动信号提取带来的干扰，需要更精确地提取胸膛的回波位置。将人体胸膛的横截面建模为一个椭圆，长轴对应胸腔宽度2a，短轴对应胸腔厚度2b。设生物雷达位于二维坐标平面原点位置，根据步骤S201中得到的目标距雷达的距离l和角度α，计算得到目标在二维坐标平面内的坐标(x

其中，为便于计算，对于类别A，θ＝0°；对于类别B，θ＝-30°；对于类别C，θ＝30°。

依据几何关系可得胸膛实际回波位置为(x

(x

其中

步骤S302：对时间窗口T

步骤303：考虑到脉冲超宽带雷达距离分辨率比调频连续波雷达更高的特点，本发明考虑在胸腔位置辅助下，提取脉冲超宽带雷达探测的生命体征回波信号。对脉冲超宽带雷达回波信号进行预处理，包括去除直流分量、带通滤波、滑动平均去除杂波干扰。根据步骤302中得到的雷达到胸膛的距离序列，提取对应距离上脉冲超宽带雷达的回波信号序列，即构成生命体征回波信号s(t，τ)。

进一步地，步骤S104具体为：

考虑到在运动干扰存在的情况下，生命体征回波信号可能存在一定程度的失真。针对这一问题，应用HEAR算法实现大幅度运动干扰的补偿和生命体征信号恢复。首先，构建生命体征信号幅度与雷达快时间之间的映射关系如下：

其中a

τ

依据上述关系，可将生命体征信号转化为一个时变的距离序列，通过减去大幅度体动信号来实现运动干扰补偿，得到优化后的生命体征信号。在此基础上，使用短时傅里叶变换获取初始分解频率，进而使用变分非线性模态分解对优化后的生命体征信号进行分解。人体呼吸频率范围0.1-0.5Hz，心跳频率范围1-2Hz，选取有效范围的信号分量得到呼吸率、心率。