一种毫米波雷达的主特征呼吸心率检测方法及系统与流程

本发明属于毫米波雷达应用的，尤其涉及一种毫米波雷达的主特征呼吸心率检测方法及系统。

背景技术：

1、呼吸、心跳作为人体重要的生命体征信号，可以反映人体的健康状况。呼吸率指的是人在1min内呼吸循环的次数，心率则对应每分钟的心跳次数，健康的成年人标准呼吸率和心率分别为每分钟12～20次和60～100次。目前常用的呼吸和心跳信号检测方式有心电图仪(ecg)和光体积变化描记(ppg)，但是这两种检测方式都是接触式的检测，对重度感染的病人或者重度烧伤患者的相关信号检测时有很大的局限性。为了适应新的需求，采用非接触式生命体征检测技术实现呼吸率、心率的研究受到了广泛关注。非接触式生命体征检测技术主要通过红外线、电磁波、视频等检测生命体征。随着半导体技术发展，毫米波雷达芯片越发趋于成熟，因此通过毫米波雷达检测生命体征信号逐渐成为非接触式检测方式中的研究热点。毫米波雷达通过发射特定频段的探测信号，当采集到人体胸腔表面反射的雷达回波信号后，经过混频器和模拟滤波器处理后得到包含呼吸心跳的微动信息。目前，毫米波雷达检测呼吸、心跳信号相较于接触式检测方式有更多的应用场景，如：检测醉酒者的呼吸心跳信号、检测重度烧伤患者的体征信息等。

2、然而，在使用毫米波雷达检测的过程中，环境杂波、噪声、硬件发热产生的白噪声等干扰信号严重影响了人体呼吸信号和心跳信号的分离，进而影响了对呼吸率和心率的估计。针对此类问题，传统方法有采取dacm算法、相位差分等来改善此问题，但依旧存在问题。除此之外，传统方法有采用dacm算法和eemd算法结合的方式来改善噪声干扰和呼吸心跳信号分离不佳的问题。但是，在研究过程中对于算法的泛用性以及检测的准确性仍有待进一步提高。

技术实现思路

1、针对毫米波雷达呼吸心率检测处理过程中出现的环境杂波、噪声、硬件发热产生白噪声等干扰信号严重影响了人体呼吸信号和心跳信号分离的问题，本发明提出了一种毫米波雷达的主特征呼吸心率检测方法及系统，通过采用mpca算法分离呼吸信号和心跳信号的方式，实现了人体呼吸率、心率的实时高精确的检测。

2、本发明方法的技术方案为一种毫米波雷达的主特征呼吸心率检测方法，包括：

3、步骤1：获取毫米波雷达硬件板采集到的胸腔中频信号并对其进行预处理，得到第一信号；

4、步骤2：基于均值主成分分析算法对第一信号进行处理，得到呼吸信号和心跳信号；

5、步骤3：基于fft谱估计算法对呼吸信号进行处理获取呼吸率，基于fft谱估计算法对心跳信号进行处理获取心率。

6、作为优选，步骤1所述预处理的具体步骤包括：

7、将毫米波雷达采集到的中频信号进行快速傅里叶变换；

8、对傅里叶变换后的中频信号进行数据重组，利用反正切算法得到胸腔位置的相位信号；

9、对得到的相位信号进行相位差分后得到第一信号。

10、作为优选，步骤2所述基于均值主成分分析算法，由第一信号计算其自相关矩阵和协方差矩阵，并得到自相关矩阵特征值，对所有求出的自相关矩阵特征值求平均得到平均特征值；

11、根据平均特征值得到呼吸心跳信号的特征值范围，并根据呼吸信号的振幅大小为心跳信号的振幅大小十倍以上的振幅特点，分别确定呼吸信号特征向量及特征向量矩阵和心跳信号特征向量及特征向量矩阵，然后求解得到呼吸心跳信号的系数向量；

12、根据求解所得到的呼吸心跳信号系数向量估计出呼吸信号与心跳信号。

13、作为优选，步骤2所述基于均值主成分分析算法，在获取毫米波雷达硬件板采集到的胸腔中频信号过程中，其采集到的胸腔中频信号具有零均值特性，x(n)为n时刻的胸腔中频信号，其中n∈[1,n]，n个时刻的胸腔中频信号的期望e[x]为：

14、e[x]＝0

15、定义向量，x＝x(1),x(2)…x(n)，由此可得x的自相关矩阵rx和协方差矩阵cx具有如下表示形式：

16、rx＝e[x·xh]

17、cx＝e{[x-μx][x-μx]h}

18、其中，xh为x的共轭转置矩阵，μx为向量x的均值，e为数学期望。

19、作为优选，步骤2所述基于均值主成分分析算法，信号x的自相关矩阵rx和协方差矩阵cx应相等；由此可求解出自相关矩阵rx的k个特征值,λ1,λ2,...,λk,其中k∈[1,k]，将解出的k个特征值求平均，得到平均特征值

20、第k个特征值λk求解公式如下：

21、rxb＝λkb，其中b为非零向量。

22、作为优选，步骤2所述基于均值主成分分析算法，对于自适应求解得到的每一个特征值

23、λk，k∈[1,k]，都需要判断其是否满足一定的约束条件；保留满足约束条件的特征值并舍弃不满足约束条件的特征值；自适应约束条件如下：

24、约束条件1：

25、约束条件2：λit+1＝τ2×λit+τ1×(λjt+τ3×λit-λjt)

26、其中，τ1为基于正态分布的随机数，并且τ2为[0,1]的随机值，λi为自相关矩阵rx的第i个特征值，λj为自相关矩阵rx的第j个特征值，为自相关矩阵rx第t次迭代的特征值，为自相关矩阵rx第t+1次迭代的特征值，τ3为在0和1之间生成的随机值；

27、选取满足约束条件1和2的特征值λi，根据自适应求解可以得出其所对应的可以用于后续选取阈值的特征值λ；自适应模型公式如下：

28、

29、其中，％为取余符号。

30、作为优选，步骤2所述基于均值主成分分析算法，对于自适应求解得到的特征值，根据呼吸信号振幅为心跳信号振幅的10倍以上，分别得到每个特征值所对应的呼吸信号特征向量qg和心跳信号特征向量qm，由特征值得到特征向量的表达公式如下表示：

31、λ·qm＝rx·qm

32、λ·qg＝rx·qg

33、且将特征向量qg按列排列，组成特征向量矩阵qg；将特征向量qm按列排列，组成特征向量矩阵qm；所以求解得到第n时刻的呼吸信号和心跳信号的系数向量yg(n)和ym(n)，

34、yg＝(yg(1)、yg(2)、...、yg(n))

35、ym＝(ym(1)、ym(2)、...、ym(n)),其中n∈[1,n]

36、根据求解得到的第n时刻的呼吸信号和心跳信号的系数向量yg(n)和ym(n),可以估计出此时的呼吸信号和心跳信号具体公式如下表示：

37、

38、本发明还提供了一种毫米波雷达的主特征呼吸心率检测系统，其特征在于：包括

39、第一信号获取模块，用于获取毫米波雷达硬件板采集到的胸腔中频信号并对其进行预处理，得到第一信号；

40、第一信号处理模块，用于基于均值主成分分析算法对第一信号进行处理，得到呼吸信号和心跳信号；

41、心率获取模块，用于基于fft谱估计算法对呼吸信号进行处理获取呼吸率，基于fft谱估计算法对心跳信号进行处理获取心率。

42、本发明的有益效果如下：

43、本发明公开的一种毫米波雷达的主特征呼吸心率检测方法及系统，采用mpca算法改善了干扰信号对呼吸信号和心跳信号分离的影响。

44、本发明公开的一种毫米波雷达的主特征呼吸心率检测方法及系统，采用的均值主成分分析算法能够准确根据特征值从胸腔信号中分离得到呼吸信号和心跳信号。

45、本发明公开的一种毫米波雷达的主特征呼吸心率检测方法及系统，能够提高线性调频毫米波雷达对于人体呼吸心率检测的精度和实时性。