CN103211598A - 射频呼吸监测***及压缩传感实现方法 - Google Patents

Abstract

本发明提出一种射频呼吸监测***及压缩传感实现方法，***的射频节点形成射频传感网络，射频网络通过基站与服务器连接，服务器用于数据存储与处理。压缩传感实现方法是以随机方式对射频链路接收信号强度（RSS）信号进行压缩采样，通过稀疏重构算法重建呼吸运动信号，提取出呼吸频率值。本发明通过检测射频链路RSS信号获取胸腹呼吸运动信息，实现无源呼吸监测，显著提高检测舒适度，使呼吸监测更简单且人性化。射频传感网络价格低廉、部署方便，适合泛在部署，可广泛应用于医院、诊所、养老院和家庭等场所。引入压缩传感机制，既能限制数据采集规模，减少数据传输和存储开销，又能降低射频传感网络的能耗，满足长时间持续监测的应用需求。

Description

射频呼吸监测***及压缩传感实现方法

技术领域

本发明涉及射频传感技术领域，更具体地，涉及射频传感实现的呼吸监测***及压缩传感实现方法。

背景技术

呼吸监测是评估生命状态最重要的手段之一，其重要性不言而喻。由于呼吸障碍具有不可预测性，而一旦发生呼吸障碍，短时间内就会有生命危险，因此呼吸障碍高危人群，包括手术后的病人、易患上婴儿猝死综合症（SuddenInfant Death Syndrome,SIDS）的婴儿、睡眠呼吸中止症患者等，对呼吸监测***有着迫切而广泛的应用需求。

根据检测方法的差异，现有的呼吸监测***主要包括基于呼吸气流检测、腹带检测和X线透视检测等几种。呼吸气流检测法需要通过安装于呼吸通道的传感器或者呼吸面具来测定呼吸气流的变化，这会给受测者带来不适，特别是对婴儿而言使用难度较大。腹带检测方法利用安装于腹带的传感元件来检测胸腹呼吸运动，同样会带来舒适度的问题，并且腹带的松紧度对检测效果影响很大。X线透视检测法通过X光透视成像来获取植入人体的标记点的位置变化信息进而推断呼吸参数，具有侵入性，给受测者带来额外的痛苦。另外，目前商用的呼吸监测***价格昂贵，一般只装配于医院的特护病房（Intensive Care Unit,ICU），难以满足呼吸障碍人群泛在监测与日常监测的需求。

发明内容

为了克服现有技术的不足，本发明一目的是提出一种免持式、部署方便、价格低廉、能耗低的射频呼吸监测***。

为实现上述目的，具体实现方案为：

一种射频呼吸监测***，包括布设在受测者周围的若干个射频节点、基站和服务器；所述若干个射频节点形成射频传感网络，所述射频传感网络通过射频链路RSS中阴影衰落的变化检测人体的胸腹呼吸运动；所述基站用于实现射频网络与服务器的连接，所述服务器用于实现数据的存储与处理。

进一步地，所述基站可通过RS232、RS485总线或者以太网等方式和服务器相连，负责上传RSS数据以及下发服务器指令；所述服务器为计算机或者微控制器等其它具有信号处理能力的设备，负责对所获取的数据信号进行处理及存储。

进一步地，所述射频传感网络在t时刻，获取射频链路i的RSS值y_i(t)模型化为：

y_i(t)=P_i-L_i-F_i-S_i(t)-e_i(t)    （1）

式（1）中P_i为发射功率，L_i为路径损耗，F_i为多径衰落，P_i、L_i和F_i均是常量，e_i(t)为测量噪声，服从零均值的高斯分布，S_i(t)是因遮挡而发生的阴影衰落，具体表示为：

阴影衰落S_i(t)模型化为：

式（2）中

是由胸腹呼吸运动引起阴影衰落的波动成分，即感兴趣的呼吸信号，f为呼吸频率，A_i和

分别为波动的幅值和相位；

根据式（1）和（2），RSS值y_i(t)与x_i(t)的关系为：

y_i(t)=P_i-L_i-F_i-A_i-x_i(t)-e_i(t)=C_i-x_i(t)-e_i(t)    （3）

式（3）中C_i=P_i-L_i-F_i-A_i为一常量；

进一步地，所述服务器定时根据RSS数据估计出一定时间窗内受测者的呼吸频率；

服务器获取受测者一定时间窗内的呼吸频率

式中K表示射频传感网络中有效链路的数目，

表示在该时间窗内根据第i条有效链路RSS采样数据得到的呼吸频率估计值，其中有效链路为用于检测胸腹呼吸运动的射频链路。

本发明又一目的是提出一种应用于射频呼吸监测***中呼吸信号获取的压缩传感实现方法，即将射频链路RSS值的变化作为反映人体胸腹运动的信号，以随机方式对呼吸信号进行压缩采样，通过稀疏信号重构算法进行重建，并进一步提取出呼吸频率值。

该方法的实现方案为：

一种射频呼吸监测***的压缩传感实现方法，包括以下步骤：

S1.在服务器上设置最小采样间隔t_s、呼吸频率估计的时间窗t_w和每条有效链路的随机采样数目M；

S2.通过基站向射频传感网络下发RSS压缩采样参数和指令；

S3.对射频传感网络中各有效链路进行RSS压缩采样；

S4.通过基站实时将RSS数据上传至服务器存储；服务器定时通过稀疏信号重构算法对RSS数据进行分析处理，从而获取时间窗t_w内的呼吸信号和呼吸频率。

进一步地，所述步骤S3根据步骤S2所设定的参数，随机生成各有效链路的采样时刻，各链路在对应的时刻进行通信，并读取RSS值；

所述步骤S4具体为对于每一条有效链路，根据一定时间窗内呼吸信号所具有的频域稀疏性，通过稀疏重构算法对其进行重构，最终综合各链路的重构结果得出该时间窗内的呼吸频率估计。

进一步地，所述压缩传感实现方法更具体的为：

设采样间隔为t_s，时间窗t_w=Nt_s，则该时间窗内呼吸信号离散化为

x_i在频域具有稀疏性，即x_i=Ψθ_i，其中Ψ为傅里叶矩阵，θ_i为x_i的稀疏表示；

随机产生

作为索引号从集合{t_s,2t_s,...,Nt_s}中抽取采样时刻进行RSS压缩测量，则根据式（3）可知，形成的测量方程为：

y_i=c_i-Φx_i-e_i    （4）

其中测量矩阵Φ∈R^M×N，具体由索引号

选取单位阵I_N中的M行组成；y_i∈R^M为测量向量，e_i∈R^M为零均值高斯噪声；c_i∈R^M中的元素值均为C_i，近似为测量向量的均值；

令h_i□c_i-y_i，则式（4）可表示为：

$h_i=\mathrm{\Φ}{x}_i+e_i=\mathrm{\Φ\Ψ}{\mathrm{\θ}}_i+e_i=\widetilde{\mathrm{\Φ}}{\mathrm{\θ}}_i+e_i---\left(5\right)$

为部分傅里叶矩阵，由索引号选取傅里叶矩阵Ψ中的M行组成；

对稀疏信号θ_i进行重构，即：

${\widehat{\mathrm{\θ}}}_i=\arg \min \left|\right|{\mathrm{\θ}}_i|{|}_{0}s.t.h_i=\widetilde{\mathrm{\Φ}}{\mathrm{\θ}}_i+e_i---\left(6\right)$

呼吸信号的估计为

时间窗t_w内的呼吸频率估计为中最大元素所对应的频率值；

设射频传感网络中有K条单向有效链路用于胸腹呼吸运动检测；对于每一条链路RSS的压缩采样数据，均估计相应呼吸频率；通过取均值，则t_w内最终的频率估计值为 $\hat{f}=1/K{\mathrm{\Σ}}_{i=1}^K{\hat{f}}_i.$

与现用技术相比，本发明的有益效果是：本发明通过检测射频信号RSS值的变化获取胸腹呼吸运动信息，实现免持呼吸监测，能显著提高呼吸检测的舒适度，使得呼吸监测更简单化、人性化。此外，射频传感网络价格低廉、部署方便，适合于泛在部署，可广泛应用于医院、诊所、养老院和家庭等场所。从实现方法的角度，引入压缩传感机制，不仅能有效限制数据采集的规模，减少数据传输和存储的开销，也能降低射频传感网络的能耗，满足长时间持续监测的应用需求。

附图说明

图1为本发明的总体示意图。

图2为典型的测量波形图。

图3为本发明实施例的场景图。

图4为本发明实施例的呼吸频率估计性能图。

具体实施方式

下面结合附图对本发明做进一步描述，但本发明的实施方式并不限于此。

本发明提出了一种射频呼吸监测***及压缩传感实现方法，具有免持式、价格低廉、部署方便和能耗低等特点，给呼吸监测领域提供了一种全新的思路，具有重要的研究价值和实际的工程应用前景。下面参见附图结合实施例对本发明进行详细说明。

如图1中上面虚线方框图所示，若干射频节点部署于受测者的周围，尤其是胸腔和腹腔的周围，形成射频传感网络。其利用射频链路的RSS值中阴影衰落的变化来检测胸腹呼吸运动，从而实现呼吸监测。一个基站部署于射频传感网络的附近，并通过RS232、RS485总线或者以太网等方式和服务器相连，负责上传RSS数据以及下发服务器指令。服务器主要完成数据的存储和处理工作。由于呼吸信号在频域是稀疏的，从压缩传感的角度，其可以通过压缩采样实现精确重构。这不仅能有效限制数据采集的规模，减少数据传输和存储的开销，也能降低射频传感网络的能耗。

考虑图1中下半部分虚线方框图所示的单向链路i，其在t时刻的RSS值y_i(t)可以表示为

y_i(t)=P_i-L_i-F_i-S_i(t)-e_i(t)    （1）

其中P_i为发射功率，L_i为路径损耗，F_i为多径衰落，S_i(t)为因遮挡而发生的阴影衰落，e_i(t)为测量噪声，服从零均值高斯分布。明显地，P_i和L_i均为常量。另外，由于链路所在的环境是不变的，多径衰落F_i基本上不随时间t而变化，同样可视为一常量。因此，y_i(t)的时变特性主要取决于人体胸腹呼吸运动所导致的阴影衰落变化。

假定射频发送器（TX）和接收器（RX）处于合适的位置，使得视距（Lineof Sight，LOS）链路紧贴胸腹部上表面，如图2所示。当人体呼气时，胸腹部收缩，对射频信号的遮挡较小，甚至没有遮挡；而当人体吸气时，胸腹部扩张，链路因遮挡作用强而发生的阴影衰落较大。因此，胸腹呼吸运动所导致的阴影衰落可以模型化为

其中

是与呼吸相关的成分，f为呼吸频率，是呼吸监测***感兴趣的参数，取值一般介于0.1Hz至1Hz之间，A_i和分别为波动幅值和相位。根据式（1）和（2），可获得RSS测量值y_i(t)与x_i(t)的关系如下

y_i(t)=P_i-L_i-F_i-A_i-x_i(t)-e_i(t)（3）

=C_i-x_i(t)-e_i(t)

其中C_i=P_i-L_i-F_i-A_i为一常量，是测量值中的直流成分。不难看出，RSS值的波动成分反映的是人体呼吸运动的信息。典型的测量波形如图2所示。

一般地，呼吸频率f在一定时间窗内可视为是不变的。令采样间隔为t_s，时间窗t_w=Nt_s，则该时间窗内呼吸信号离散化为x_i=[x_i(t_s),x_i(2t_s),…,x_i(Nt_s)]^T。不难看出，x_i在频域具有稀疏性，即x_i=Ψθ_i，其中Ψ为傅里叶矩阵，θ_i为x_i的稀疏表示。根据压缩感知理论，呼吸信号x_i可通过少量的点采样重构得到。随机产生

作为索引号从集合{t_s,2t_s,…,Nt_s}中抽取采样时刻进行RSS压缩采样，则根据式（3）可知，形成的测量方程为

y_i=c_i-Φx_i-e_i    （4）其中测量矩阵Φ∈R^M×N，具体由索引号选取单位阵I_N中的M行组成。y_i∈R^M为测量向量，c_i∈R^M为元素值均是常量C_i的向量。零均值高斯噪声向量e_i∈R^M。

由于C_i为测量值中的直流成分，则可以估计为

因此c_i得以确定。令h_i□c_i-y_i，则式（4）可表示为

$h_i=\mathrm{\Φ}{x}_i+e_i=\mathrm{\Φ\Ψ}{\mathrm{\θ}}_i+e_i=\widetilde{\mathrm{\Φ}}{\mathrm{\θ}}_i+e_i---\left(5\right)$

不难看出，

为部分傅里叶矩阵，由索引号

选取傅里叶矩阵Ψ中的M行组成。压缩感知领域已经证明，部分傅里叶矩阵满足约束等距性（RestrictedIsometry Property, RIP）条件，可以实现稀疏信号θi的精确重构，即

${\widehat{\mathrm{\θ}}}_i=\arg \min \left|\right|{\mathrm{\θ}}_i|{|}_{0}s.t.h_i=\widetilde{\mathrm{\Φ}}{\mathrm{\θ}}_i+e_i---\left(6\right)$

因此，呼吸信号的估计为

时间窗t_w内的呼吸频率估计

为

中最大元素所对应的频率值。

假设射频传感网络中有K条单向有效链路用于胸腹呼吸运动检测。对于每一条链路RSS的压缩采样数据，均采用上述方法估计出相应的呼吸频率。通过取均值，则t_w内最终的频率估计值为

$\hat{f}=\frac{1}{K}\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{\hat{f}}_i---\left(7\right)$

下一个时间窗重复同样的操作，如此循环，实现呼吸监测。需要指出的是，各链路信号之间的冲突可通过一定的网络协议避免，这里不做详细讨论。

为便于实施本发明所述的***与方法，本发明人提供了一个具体的实施例。

图3为实施例的场景图。4个型号为MICAz的射频节点部署于护理床的两侧，形成4条有效链路对胸腹呼吸运动进行检测。令t_s=200ms，考虑t_w=60s内的呼吸信号，则信号维度N=300。真实呼吸频率为0.225Hz（13.5次/分钟）。针对式（6）的优化问题，采用OMP（Orthogonal Matching Pursuit）算法进行求解。利用所提方法得到的估计性能如图4所示。随着RSS采样数目M的增大，4条有效链路获得的估计频率均逐步趋向于稳定。当M达到70时，估计频率近似等于真实频率。可见，对于每一条有效链路，只需通过少量的RSS采样即可实现呼吸参数的精确估计。多条链路的综合是为了抑制噪声，提高估计的可靠性和准确性，可以根据实际情况决定链路数目。

以上所述的本发明的实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神原则之内所作出的修改、等同替换和改进等，均应包含在本发明的权利要求保护范围之内。

Claims (6)

1.一种射频呼吸监测***，其特征在于，包括布设在受测者周围的若干个射频节点、基站和服务器；所述若干个射频节点形成射频传感网络，所述射频传感网络通过射频链路RSS中阴影衰落的变化检测人体的胸腹呼吸运动；所述基站用于实现射频网络与服务器的连接，所述服务器用于实现数据的存储与处理。 

2.根据权利要求1所述的射频呼吸监测***，其特征在于，所述射频传感网络在t时刻，获取单向射频链路i的RSS值y_i(t)模型化为： 

y_i(t)=P_i-L_i-F_i-S_i(t)-e_i(t)    （1） 

式（1）中P_i为发射功率，L_i为路径损耗，F_i为多径衰落，P_i、L_i和F_i均是常量，ei(t)为测量噪声，服从零均值的高斯分布，S_i(t)是因遮挡而发生的阴影衰落，具体表示为： 

式（2）中是由胸腹呼吸运动引起阴影衰落的波动成分，即感兴趣的呼吸信号，f为呼吸频率，Ai和

分别为波动的幅值和相位； 

根据式（1）和（2），RSS值y_i(t)与x_i(t)的关系为： 

y_i(t)=P_i-L_i-F_i-A_i-x_i(t)-e_i(t)=C_i-x_i(t)-e_i(t)    （3） 

式（3）中C_i=P_i-L_i-F_i-A_i为一常量。 

3.根据权利要求1所述的射频呼吸监测***，其特征在于，所述服务器定时根据RSS数据估计出一定时间窗内受测者的呼吸频率； 

服务器获取受测者一定时间窗内的呼吸频率

为：

式中K表示射频传感网络中有效链路的数目，

表示在该时间窗内根据第i条有效链路RSS采样数据得到的呼吸频率估计值，其中有效链路为用于检测胸腹呼吸运动的射频链路。 

4.一种应用于权利要求1至3所述呼吸信号获取的压缩传感实现方法，其 特征在于，包括以下步骤： 

S1.在服务器上设置最小采样间隔t_s、呼吸频率估计的时间窗t_w和每条有效链路的随机采样数目M； 

S2.通过基站向射频传感网络下发RSS压缩采样参数和指令； 

S3.对射频传感网络中各有效链路进行RSS压缩采样； 

S4.通过基站实时将RSS数据上传至服务器存储；服务器定时通过稀疏信号重构算法对RSS数据进行分析处理，从而获取时间窗t_w内的呼吸信号和呼吸频率。 

5.根据权利要求4所述的压缩传感实现方法，其特征在于，所述步骤S3根据步骤S1所设定的参数，随机生成各有效链路的采样时刻，各链路在对应的时刻进行通信，并读取RSS值； 

所述步骤S4具体为对于每一条有效链路，根据一定时间窗内呼吸信号所具有的频域稀疏性，通过稀疏重构算法对其进行重构，最终综合各链路的重构结果得出该时间窗内的呼吸频率估计。 

6.根据权利要求4所述的压缩感知实现方法，其特征在于，实现方法更具体的为： 

设采样间隔为t_s，时间窗t_w=Nt_s，则该时间窗内呼吸信号离散化为x_i=[x_i(t_s),x_i(2t_s),…,x_i(Nt_s)]^T。x_i在频域具有稀疏性，即x_i=Ψθ_i，其中Ψ为傅里叶矩阵，θ_i为x_i的稀疏表示； 

随机产生

作为索引号从集合{t_s,2t_s,L,Nt_s}中抽取采样时刻进行RSS压缩采样，则根据式（3）可知，形成的测量方程为： 

y_i=c_i-Φx_i-e_i    （4） 

其中测量矩阵Φ∈R^M×N，具体由索引号

选取单位阵I_N中的M行组成；y_i∈R^M为测量向量，e_i∈R^M为零均值高斯噪声；c_i∈R^M中的元素值均为C_i，近似为所有测量值的均值； 

令h_i□c_i-y_i，则式（4）可表示为： 

为部分傅里叶矩阵，由索引号

选取傅里叶矩阵Ψ中的M行组成； 

对稀疏信号θ_i进行重构，即： 

呼吸信号的估计为

时间窗t_w内的呼吸频率估计

为中最大元素所对应的频率值； 

设射频传感网络中有K条单向有效链路用于胸腹呼吸运动检测；对于每一条链路RSS的压缩采样数据，均估计出相应的呼吸频率；通过取均值，则t_w内最终的频率估计值为

Images