基于雷达信号的心跳时序状态检测方法

技术特征：
1.一种基于雷达信号的心跳时序状态检测方法，其特征在于，包括：获取检测对象的包含有心跳信号和呼吸信号的基带i/q正交信号，同步采集检测对象的心电信号；以心跳数学模型为依据对基带i/q正交信号进行处理，获得三条心跳信号特征波，所述心跳数学模型用于表征包含收缩和舒张两个主要谐波的只受心跳影响的雷达相位信号，所述三条心跳信号特征波可分别代表所述两个主要谐波及所述两个主要谐波的叠加波；以所述三条心跳信号特征波为输入，以同步采集的心电信号的“q-r-s-t”波的波峰位置作为标签，训练循环神经网络学习模型，利用训练好的循环神经网络学习模型对无标签的雷达心跳信号特征波进行时序划分，实现心跳时序状态检测。2.根据权利要求1所述的基于雷达信号的心跳时序状态检测方法，其特征在于，所述心跳数学模型根据雷达发射的高斯脉冲信号与雷达接收的只受心跳影响的雷达相位信号的心跳谐波相互调制而构建，数学表达式为：式中，x
h
(t)是只受心跳影响的雷达相位信号，a1和a2分别是收缩和舒张两个主要谐波的主峰的幅值，和分别两个主峰的频率；和分别是两个主峰的相移；t为时间，b和c是常数。3.根据权利要求1所述的基于雷达信号的心跳时序状态检测方法，其特征在于，所述以心跳数学模型为依据对基带i/q正交信号进行处理，获得三条心跳信号特征波，包括：s1、对基带i/q正交信号进行预处理，获得心跳信号分量增强的相位差分信号；s2、选取特定频率范围内的所述心跳信号分量增强的相位差分信号，对其采用双峰高斯模型计算滑动窗内的高斯加权平均值进行频谱拟合，每个滑动窗内拟合出两个中心频率，用于实现对所述两个主要谐波的主峰频率的拟合；s3、以拟合所得频谱中的一系列谐波的频率为中心，对s1获得的所述心跳信号分量增强的相位差分信号进行滤波处理，得到一系列雷达相位分量信号，再将所述雷达相位分量信号进行归一化并计算香农熵，得到一系列香农熵信号；s4、对所述一系列香农熵信号进行滤波处理，得到一系列心跳谐波增强的脉冲信号；s5、对所述一系列心跳谐波增强的脉冲信号采用k均值聚类算法进行聚类，输出三个聚类中心即为所述三条心跳信号特征波。4.根据权利要求3所述的基于雷达信号的心跳时序状态检测方法，其特征在于，以拟合所得频谱中的一系列谐波的频率为中心，对s1获得的所述心跳信号分量增强的相位差分信号进行滤波处理，包括：采用零相带通滤波方法进行滤波，滤波范围为[w
c-δw，w
c
δw]，w
c
为所述一系列谐波的频率，δw为滤波范围半径。5.根据权利要求3所述的基于雷达信号的心跳时序状态检测方法，其特征在于，对所述一系列香农熵信号进行滤波处理，包括：分别使用矩形脉冲窗长度为t1和t2的零相滤波对香农熵信号进行平滑后再相减，t1和t2分别为根据一个心跳周期和一个呼吸周期得到的经验值。
6.根据权利要求3所述的基于雷达信号的心跳时序状态检测方法，其特征在于，对基带i/q正交信号进行预处理，获得心跳信号分量增强的相位差分信号，包括：使用扩展微分交叉相乘算法计算所述基带i/q正交信号。7.根据权利要求3所述的基于雷达信号的心跳时序状态检测方法，其特征在于，所述特定频率范围远离心跳基础频率。8.根据权利要求1-7任一所述的基于雷达信号的心跳时序状态检测方法，其特征在于，还包括：检测所述三条心跳信号特征波的波峰位置，计算峰峰间隔，得到心跳间隔时间信息，获得心率的估测值。

技术总结
本发明涉及一种基于雷达信号的心跳时序状态检测方法，包括：获取检测对象的包含有心跳信号和呼吸信号的基带I/Q正交信号，同步采集检测对象的心电信号；以心跳数学模型为依据对基带I/Q正交信号进行处理，获得三条心跳信号特征波，心跳数学模型用于表征包含收缩和舒张两个主要谐波的只受心跳影响的雷达相位信号，三条心跳信号特征波可分别代表两个主要谐波及两个主要谐波的叠加波；以三条心跳信号特征波为输入，以同步采集的心电信号的“Q-R-S-T”波的波峰位置作为标签，训练循环神经网络模型，利用训练好的网络模型对无标签的雷达心跳信号特征波进行时序划分，实现心跳时序状态检测，进而实现对心脏健康状况的准确评估。进而实现对心脏健康状况的准确评估。进而实现对心脏健康状况的准确评估。


技术研发人员：季善玲 温海营 张志胜 夏志杰 胡胜
受保护的技术使用者：东南大学
技术研发日：2022.08.01
技术公布日：2022/11/8