CN112674738A - 呼吸心跳信号的检测方法及装置 - Google Patents
呼吸心跳信号的检测方法及装置 Download PDFInfo
- Publication number
- CN112674738A CN112674738A CN202011419156.5A CN202011419156A CN112674738A CN 112674738 A CN112674738 A CN 112674738A CN 202011419156 A CN202011419156 A CN 202011419156A CN 112674738 A CN112674738 A CN 112674738A
- Authority
- CN
- China
- Prior art keywords
- signal
- heartbeat
- human body
- frequency
- respiratory
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 58
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims abstract description 56
- 230000000241 respiratory effect Effects 0.000 claims abstract description 35
- 230000001121 heart beat frequency Effects 0.000 claims abstract description 23
- 230000036391 respiratory frequency Effects 0.000 claims abstract description 18
- 210000000115 thoracic cavity Anatomy 0.000 claims abstract description 14
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 6
- 230000035565 breathing frequency Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 abstract description 16
- 230000008569 process Effects 0.000 description 7
- 210000000038 chest Anatomy 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000002592 echocardiography Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000010009 beating Methods 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请公开了一种呼吸心跳信号的检测方法及装置。其中，该方法包括：获取雷达发射的电磁波信号遇到障碍物反射回来的回波信号；从回波信号中提取出目标回波信号，其中，目标回波信号为电磁波信号遇到人体的胸腔反射回来的信号；从目标回波信号中提取出人体的呼吸信号和心跳信号；依据呼吸信号确定人体的呼吸频率，并依据心跳信号确定人体的心跳频率。本申请解决了现有的人体呼吸心跳检测方法存在准确率低的技术问题。
Description
技术领域
本申请涉及雷达目标识别领域，具体而言，涉及一种呼吸心跳信号的检测方法及装置。
背景技术
雷达发射电磁波到目标表面并接收回波，目标与雷达之间的距离会体现在回波的延时上。按照发射信号种类可以分为脉冲雷达和连续波雷达两大类，常规脉冲雷达发射周期性的高频脉冲，连续波雷达发射的是连续波信号。连续波雷达发射调频连续波信号即可实现测距又可实现测速。调频连续波雷达在扫频周期内发射频率变化的连续波，被物体发射后的回波与发射信号有一定的频率差，通过测量频率差可以获得目标与雷达之间的距离信息。
对于有呼吸心脏疾病史的患者而言，能够随时监测呼吸心跳是否正常非常重要。目前绝大多数用于检测呼吸心跳的设备均为可穿戴带设备，需要仪器与人体的胸腔或者脉搏直接接触，这对于人体的舒适度有很严重的影响，会影响到人体的作息质量。因此，能够准确的研发出非接触式的呼吸心跳检测设备就尤为关键。
人体在呼吸过程中，胸腔会随着呼吸的过程而产生相应的起伏，在心脏跳动过程中，心脏的跳动同样会带动胸腔产生相应的震动，虽然心跳导致的胸腔震动很微弱。因此，能够精确地检测出胸腔的起伏过程，对于呼吸心跳的检测十分关键。在检测到胸腔的起伏过程后，能够准确从胸腔的运动中提取到呼吸和心跳的运动尤为重要。
下面介绍两几个与本发明相关的呼吸心跳检测方法：
文献1：X.Yang,G.Sun and K.Ishibashi,Non-contact acquisition ofrespiration and heart rates using Doppler radar with time domain peak-detection algorithm，(2017 39th Annual International Conference of the IEEEEngineering in Medicine and Biology Society(EMBC)，Seogwipo，2017，pp.2847-2850)中公开利用多普勒雷达来检测人体的呼吸心跳频率。该方法利用呼吸信号和心跳信号在时域中的波峰数目在估计呼吸和心跳的频率。该方法的主要缺点在于呼吸和心跳的频率检测完全取决于时域峰值检测结果，检测结果容易受到噪声的干扰，对信号的质量有较高的要求，从而对设备有较高的要求，成本高，同时，通过时域判别的频率结果不够精细。
文献2：H.Abuella and S.Ekin,Non-Contact Vital Signs Monitoring ThroughVisible Light Sensing,(in IEEE Sensors Journal，vol.20,no.7，pp.3859-3870，1April1，2020)公开了利用可见光遥感***实现人体的呼吸心跳频率检测。该方法利用可见光照射人体胸腔，采集胸腔的起伏过程，通过带通滤波器分别在频域判断呼吸和心跳频率。该方法的主要缺点在于心跳的频率判别只在频域进行，容易受到噪声和杂波的影响，影响检测的准确率。
文献3：发明专利(CN 110192850 A)公开了一种基于雷达回波强噪声背景下心跳信号的提取方法，包括步骤：S100，雷达回波以数据帧的形式传输到数据预处理端；S200，对雷达回波原始序列进行预处理，滤除静止目标的回波，得到人体目标所在距离单元的回波信号；S300，基于加速度针对人体随机运动进行判定，用于减小后期体征信号参数估计的误差；S400，进行体征信号分离，采用自适应小波尺度选择算法，用于实现生命体征呼吸信号和心跳信号的有效分离；S500，对呼吸信号和心跳信号进行时域寻峰和降采样处理，最终得到呼吸频率和心跳频率。该方法仅仅是对数据的时域进行分析，并没有考虑其频域特性。对于信号频率估计而言，影响其精确度的一个重要因素就是容易受到噪声的影响，因此，有效地规避噪声对信号波形的影响有很重要的作用。噪声对于信号波形的影响中，最为明显的特征就是会使得信号出现额外的波峰波谷(即毛刺现象)。在该方法中，通过计算相邻波峰之间的时间差来得到具体的呼吸心跳频率，这种方法很容易因为噪声的存在而影响最终结果的准确性。
针对现有的人体呼吸心跳检测方法存在准确率低的问题，目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种呼吸心跳信号的检测方法及装置，以至少解决现有的人体呼吸心跳检测方法存在准确率低的技术问题。
根据本申请实施例的一个方面，提供了一种呼吸心跳信号的检测方法，包括：获取雷达发射的电磁波信号遇到障碍物反射回来的回波信号；从回波信号中提取出目标回波信号，其中，目标回波信号为电磁波信号遇到人体的胸腔反射回来的信号；从目标回波信号中提取出人体的呼吸信号和心跳信号；依据呼吸信号确定人体的呼吸频率，并依据心跳信号确定人体的心跳频率。
可选地，从回波信号中提取出目标回波信号，包括：对回波信号中的每一个啁啾信号进行傅里叶变换，得到回波信号的距离维信号；从距离维信号中选择能量最高的信号作为目标回波信号。
可选地，从目标回波信号中提取出人体的呼吸信号和心跳信号之前，上述方法还包括：确定目标回波信号的相位信号；对目标回波信号的相位信号进行解卷绕处理，得到处理之后的信号。
可选地，从目标回波信号中提取出人体的呼吸信号和心跳信号，包括：利用第一带通滤波器对处理之后的信号进行处理，得到人体的呼吸信号；利用第二带通滤波器对处理之后的信号进行处理，得到人体的心跳信号，其中，第一带通滤波器的通带范围与第二带通滤波器的通带范围不同。
可选地，第一带通滤波器的通带范围为0.1HZ至0.8HZ，第二带通滤波器的通带范围0.8HZ至2.5HZ。
可选地，依据呼吸信号确定人体的呼吸频率，包括：对呼吸信号进行慢特征分析，得到呼吸信号的慢特征信号；对慢特征信号进行傅里叶变换，得到慢特征信号的频域分布信号；从频域分布信号中选择最高频点作为呼吸频率。
可选地，依据心跳信号确定人体的心跳频率，包括：对心跳信号进行慢特征分析，得到心跳信号的慢特征信号；对慢特征信号进行傅里叶变换，得到慢特征信号的频域分布信号；从频域分布信号中选择最高频点作为心跳频率。
根据本申请实施例的另一方面，还提供了一种呼吸心跳信号的检测装置，包括：获取模块，用于获取雷达发射的电磁波信号遇到障碍物反射回来的回波信号；第一提取模块，用于从回波信号中提取出目标回波信号，其中，目标回波信号为电磁波信号遇到人体的胸腔反射回来的信号；第二提取模块，用于从目标回波信号中提取出人体的呼吸信号和心跳信号；确定模块，用于依据呼吸信号确定人体的呼吸频率，并依据心跳信号确定人体的心跳频率。
根据本申请实施例的再一方面，还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行以上的呼吸心跳信号的检测方法。
根据本申请实施例的再一方面，还提供了一种处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行以上的呼吸心跳信号的检测方法。
在本申请实施例中，采用获取雷达发射的电磁波信号遇到障碍物反射回来的回波信号；从回波信号中提取出目标回波信号，其中，目标回波信号为电磁波信号遇到人体的胸腔反射回来的信号；从目标回波信号中提取出人体的呼吸信号和心跳信号；依据呼吸信号确定人体的呼吸频率，并依据心跳信号确定人体的心跳频率的方式，通过利用带通滤波器将呼吸频段和心跳频段分开，然后，利用慢特征分析方法求解呼吸信号和心跳信号的慢特征信号，最后利用傅里叶变换在频域中锁定呼吸信号和心跳信号的频率，达到了降低噪声和杂波影响的目的，从而实现了提高了检测人体的心跳信号的准确率的技术效果，进而解决了现有的人体呼吸心跳检测方法存在准确率低技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例的一种呼吸心跳信号的检测方法的流程图；
图2是根据本申请实施例的一种呼吸心跳信号的检测装置的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本申请实施例，提供了一种呼吸心跳信号的检测方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的一种呼吸心跳信号的检测方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，获取雷达发射的电磁波信号遇到障碍物反射回来的回波信号。
需要说明的是，步骤S102中的雷达为调频连续波雷达。
步骤S104，从回波信号中提取出目标回波信号，其中，目标回波信号为电磁波信号遇到人体的胸腔反射回来的信号。
步骤S106，从目标回波信号中提取出人体的呼吸信号和心跳信号。
步骤S108，依据呼吸信号确定人体的呼吸频率，并依据心跳信号确定人体的心跳频率。
通过上述步骤，达到了降低噪声和杂波影响的目的，从而实现了提高了检测人体的心跳信号的准确率的技术效果。
根据本申请的一个可选的实施例，步骤S104通过以下方法实现：对回波信号中的每一个啁啾信号进行傅里叶变换，得到回波信号的距离维信号；从距离维信号中选择能量最高的信号作为目标回波信号。
对采集到的雷达回波的每一个chirp进行傅里叶变换，得到回波信号的距离维信号range(r)：
其中，chirp为接收到的回波chirp信号，r为距离门标号，j为虚数符号，τ为积分变量。
在距离维信号range(r)中选择能量最高的距离门为R，为当前时刻人体回波的信号data：
P＝max(abs(range(r)))
R＝find(abs(range(r))＝＝P)
data＝range(R)
其中，abs()表示取绝对值，max()表示求最大值，P为距离维信号中的最大值，find()表示求取距离维信号中能量为P的信号的位置。
按照时间顺序，对得到的每一个chirp分别进行上述步骤，得到每一个时刻的data信号，将得到的data信号按照时间顺序排列得到一段时间内的呼吸心跳信号signal：
signal(t)＝[data1data2...datan]，
其中，data1…datan分别表示时刻1到时刻n的chirp信号中得到的data信号。
在本申请的一个可选的实施例中，步骤S106之前，还需要确定目标回波信号的相位信号；对目标回波信号的相位信号进行解卷绕处理，得到处理之后的信号。
求取信号signal(t)的相位信号phasesignal(t),并进行解卷绕得到信号phasedata(t)：
phasesignal(t)＝angle(signal(t))
phasedata(t)＝unwrap(phasesignal(t))
其中，angle()为求相位信号，unwrap()为对相位信号解卷绕。
根据本申请的一个可选的实施例，步骤S106通过以下方法实现：利用第一带通滤波器对处理之后的信号进行处理，得到人体的呼吸信号；利用第二带通滤波器对处理之后的信号进行处理，得到人体的心跳信号，其中，第一带通滤波器的通带范围与第二带通滤波器的通带范围不同。
根据本申请的一个可选的实施例，第一带通滤波器的通带范围为0.1HZ至0.8HZ，第二带通滤波器的通带范围0.8HZ至2.5HZ。
对信号phasedata(t)进行带通滤波，通常呼吸频率在0.1-0.8Hz之间，设定为呼吸滤波器的通带，得到滤波后的呼吸信号为databreath(t):
databreath(t)＝filer(phasedata(t)，bp)
其中，filter()为滤波器，bp为滤波器的通带范围，此时，呼吸滤波器的通带范围为0.1-0.8Hz。
对信号phasedata(t)进行带通滤波，通常心跳频率在0.8-2.5Hz之间，设定为心跳滤波器的通带，得到滤波后的信号为dataheart(t):
dataheart(t)＝filter(phasedata(t)，bp2)
其中，bp2为滤波器的通带范围，此时，心跳滤波器的通带范围为0.8-2.5Hz。
在本申请的一些可选的实施例中，执行步骤S102时依据呼吸信号确定人体的呼吸频率包括如下步骤：对呼吸信号进行慢特征分析，得到呼吸信号的慢特征信号；对慢特征信号进行傅里叶变换，得到慢特征信号的频域分布信号；从频域分布信号中选择最高频点作为呼吸频率。
对呼吸信号进行慢特征分析，求得慢特征函数的特征向量ωb，并利用慢特征函数得到呼吸信号的慢特征信号SFAbreath(t)：
对慢特征呼吸信号SFAbreath(t)进行傅里叶变换，得到频域分布frequencybreath(f)，在频域分布信号frequencybreath(f)中寻找最高频点，即为呼吸的最终频率fbreath。
在本申请的一些可选的实施例中，执行步骤S102时依据心跳信号确定人体的心跳频率通过以下方法实现：对心跳信号进行慢特征分析，得到心跳信号的慢特征信号；对慢特征信号进行傅里叶变换，得到慢特征信号的频域分布信号；从频域分布信号中选择最高频点作为心跳频率。
对心跳信号进行慢特征分析，求得慢特征函数的特征向量ωh，并通过慢特征函数得到心跳信号的慢特征信号SFAheart(t)：
对慢特征心跳信号SEAheart(t)进行傅里叶变换，得到频域分布frequencyheart(f)，在频域分布信号frequencyheart(f)中寻找最高频点，即为心跳的最终频率fheart。
在心跳呼吸检测过程中用到了慢特征分析方法，这里对慢特征分析的数学定义进行介绍：
给定一个I维输入信号：
x(t)＝[x1(t)，...，xI(t)]T
其中，t表示时间，慢特征分析的目的是求得一组函数：
g(x)＝[g1(x)，...，gJ(x)]T
使得J维输出信号：
y(t)＝[y1(t)，...，yJ(t)]T
yj(t)＝gj(x(t))，j∈{1，...，J}
在时间上的变化尽量缓慢，即目标函数如下：
约束条件为：
<yj>t＝0
<yj 2>t＝1
其中，
表示yj的一阶导数，<y>t表示y在时间上的均值。
在本方法中，假设慢特征函数的变化为线性映射，即，
那么此时慢特征函数求解问题可以转化为广义特征值求解问题：
此时，约束条件可以写为：
等价于：
s.t.<x>t＝0
此时即可利用广义特征值分解的方法来求解上述优化问题。选取最小特征值对应的特征向量作为慢特征函数的特征向量。
本发明和现有的非接触式呼吸心跳检测方法不同，本发明首先利用滤波器将呼吸频段和心跳频段分开，然后，利用慢特征分析方法求解呼吸信号和心跳信号的慢特征信号，最后利用傅里叶变换在频域中锁定呼吸信号和心跳信号的频率。本发明方法相比于背景技术中提到的文献1中的方法，检测结果更加精细，同时利用慢特征分析方法可以进一步的提取出呼吸频段和心跳频段中的主流信号，降低了噪声和杂波的影响；相比于文献2中的方法利用慢特征分析方法可以提取心跳和呼吸通带内的主流信号，进一步降低噪声和杂波影响，提高准确率；相比与文献3中的方法更加精细，同时，本发明方法对呼吸信号和心跳信号进行了提取，可有进一步降低毛刺等现象的影响，提高准确率。
图2是根据本申请实施例的一种呼吸心跳信号的检测装置的结构图，如图2所示，该装置包括：
获取模块20，用于获取雷达发射的电磁波信号遇到障碍物反射回来的回波信号；
第一提取模块22，用于从回波信号中提取出目标回波信号，其中，目标回波信号为电磁波信号遇到人体的胸腔反射回来的信号；
第二提取模块24，用于从目标回波信号中提取出人体的呼吸信号和心跳信号；
确定模块26，用于依据呼吸信号确定人体的呼吸频率，并依据心跳信号确定人体的心跳频率。
需要说明的是，图2所示实施例的优选实施方式可以参见图1所示实施例的相关描述，此处不再赘述。
本申请实施例还提供了一种非易失性存储介质，非易失性存储介质包括存储的程序，其中，在程序运行时控制非易失性存储介质所在设备执行以上的呼吸心跳信号的检测方法。
上述非易失性存储介质用于存储执行以下功能的程序：获取雷达发射的电磁波信号遇到障碍物反射回来的回波信号；从回波信号中提取出目标回波信号，其中，目标回波信号为电磁波信号遇到人体的胸腔反射回来的信号；从目标回波信号中提取出人体的呼吸信号和心跳信号；依据呼吸信号确定人体的呼吸频率，并依据心跳信号确定人体的心跳频率。
本申请实施例还提供了一种处理器，处理器用于运行存储在存储器中的程序，其中，程序运行时执行以上的呼吸心跳信号的检测方法。
处理器用于运行执行以下功能的程序：获取雷达发射的电磁波信号遇到障碍物反射回来的回波信号；从回波信号中提取出目标回波信号，其中，目标回波信号为电磁波信号遇到人体的胸腔反射回来的信号；从目标回波信号中提取出人体的呼吸信号和心跳信号；依据呼吸信号确定人体的呼吸频率，并依据心跳信号确定人体的心跳频率。
上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，ReQLKJd-Only Memory)、随机存取存储器(RQLKJM，RQLKJndom QLKJccess Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种呼吸心跳信号的检测方法，其特征在于，包括：
获取雷达发射的电磁波信号遇到障碍物反射回来的回波信号；
从所述回波信号中提取出目标回波信号，其中，所述目标回波信号为所述电磁波信号遇到人体的胸腔反射回来的信号；
从所述目标回波信号中提取出所述人体的呼吸信号和心跳信号；
依据所述呼吸信号确定所述人体的呼吸频率，并依据所述心跳信号确定所述人体的心跳频率。
2.根据权利要求1所述的方法，其特征在于，从所述回波信号中提取出目标回波信号，包括：
对所述回波信号中的每一个啁啾信号进行傅里叶变换，得到所述回波信号的距离维信号；
从所述距离维信号中选择能量最高的信号作为所述目标回波信号。
3.根据权利要求1所述的方法，其特征在于，从所述目标回波信号中提取出所述人体的呼吸信号和心跳信号之前，所述方法还包括：
确定所述目标回波信号的相位信号；
对所述目标回波信号的相位信号进行解卷绕处理，得到处理之后的信号。
4.根据权利要求3所述的方法，其特征在于，从所述目标回波信号中提取出所述人体的呼吸信号和心跳信号，包括：
利用第一带通滤波器对所述处理之后的信号进行处理，得到所述人体的呼吸信号；
利用第二带通滤波器对所述处理之后的信号进行处理，得到所述人体的心跳信号，其中，所述第一带通滤波器的通带范围与所述第二带通滤波器的通带范围不同。
5.根据权利要求4所述的方法，其特征在于，所述第一带通滤波器的通带范围为0.1HZ至0.8HZ，所述第二带通滤波器的通带范围0.8HZ至2.5HZ。
6.根据权利要求1所述的方法，其特征在于，依据所述呼吸信号确定所述人体的呼吸频率，包括：
对所述呼吸信号进行慢特征分析，得到所述呼吸信号的慢特征信号；
对慢特征信号进行傅里叶变换，得到所述慢特征信号的频域分布信号；
从所述频域分布信号中选择最高频点作为所述呼吸频率。
7.根据权利要求1所述的方法，其特征在于，依据所述心跳信号确定所述人体的心跳频率，包括：
对所述心跳信号进行慢特征分析，得到所述心跳信号的慢特征信号；
对所述慢特征信号进行傅里叶变换，得到所述慢特征信号的频域分布信号；
从所述频域分布信号中选择最高频点作为所述心跳频率。
8.一种呼吸心跳信号的检测装置，其特征在于，包括：
获取模块，用于获取雷达发射的电磁波信号遇到障碍物反射回来的回波信号；
第一提取模块，用于从所述回波信号中提取出目标回波信号，其中，所述目标回波信号为所述电磁波信号遇到人体的胸腔反射回来的信号；
第二提取模块，用于从所述目标回波信号中提取出所述人体的呼吸信号和心跳信号；
确定模块，用于依据所述呼吸信号确定所述人体的呼吸频率，并依据所述心跳信号确定所述人体的心跳频率。
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至7中任意一项所述的呼吸心跳信号的检测方法。
10.一种处理器，其特征在于，所述处理器用于运行存储在存储器中的程序，其中，所述程序运行时执行权利要求1至7中任意一项所述的呼吸心跳信号的检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011419156.5A CN112674738A (zh) | 2020-12-07 | 2020-12-07 | 呼吸心跳信号的检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011419156.5A CN112674738A (zh) | 2020-12-07 | 2020-12-07 | 呼吸心跳信号的检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112674738A true CN112674738A (zh) | 2021-04-20 |
Family
ID=75446249
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011419156.5A Pending CN112674738A (zh) | 2020-12-07 | 2020-12-07 | 呼吸心跳信号的检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112674738A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113288058A (zh) * | 2021-05-27 | 2021-08-24 | 北京清雷科技有限公司 | 信号处理方法及装置 |
| CN113616188A (zh) * | 2021-08-11 | 2021-11-09 | 燕山大学 | 一种基于不可听声音调频连续波的呼吸监测方法 |
| CN113786176A (zh) * | 2021-08-17 | 2021-12-14 | 中国电子科技南湖研究院 | 精确的毫米波雷达呼吸心跳测量方法、***和存储介质 |
| CN114366051A (zh) * | 2021-12-10 | 2022-04-19 | 五邑大学 | 无接触式活体体征检测方法、装置、设备及存储介质 |
| CN114601432A (zh) * | 2022-01-28 | 2022-06-10 | 中国第一汽车股份有限公司 | 一种车载人体信息获取方法、装置及车辆 |
| WO2022246766A1 (zh) * | 2021-05-27 | 2022-12-01 | 北京清雷科技有限公司 | 信号处理方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102018503A (zh) * | 2010-10-21 | 2011-04-20 | 中国科学院深圳先进技术研究院 | 生命探测雷达中的呼吸与心跳信号的提取方法及装置 |
| CN102488520A (zh) * | 2011-10-27 | 2012-06-13 | 中国人民解放军第四军医大学 | 一种用于生命信息监测的雷达生命体信息提取和处理*** |
| US20180333103A1 (en) * | 2017-05-18 | 2018-11-22 | One Health Group, LLC | Algorithmic Approach for Estimation of Respiration and Heart Rates |
| CN110045366A (zh) * | 2018-01-16 | 2019-07-23 | 英飞凌科技股份有限公司 | 生命信号测量***和方法以及校正滤波器的校准方法 |
-
2020
- 2020-12-07 CN CN202011419156.5A patent/CN112674738A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102018503A (zh) * | 2010-10-21 | 2011-04-20 | 中国科学院深圳先进技术研究院 | 生命探测雷达中的呼吸与心跳信号的提取方法及装置 |
| CN102488520A (zh) * | 2011-10-27 | 2012-06-13 | 中国人民解放军第四军医大学 | 一种用于生命信息监测的雷达生命体信息提取和处理*** |
| US20180333103A1 (en) * | 2017-05-18 | 2018-11-22 | One Health Group, LLC | Algorithmic Approach for Estimation of Respiration and Heart Rates |
| CN110045366A (zh) * | 2018-01-16 | 2019-07-23 | 英飞凌科技股份有限公司 | 生命信号测量***和方法以及校正滤波器的校准方法 |
Non-Patent Citations (1)
| Title |
|---|
| KUNLIN CAO 等: "《Respiration induced fiducial motion tracking in ultrasound using an extended SFA approach》", 《PROC. SPIE 9419, MEDICAL IMAGING 2015:ULTRASONIC IMAGING AND TOMOGRAPHY》, vol. 9419, 17 March 2015 (2015-03-17), pages 94190 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113288058A (zh) * | 2021-05-27 | 2021-08-24 | 北京清雷科技有限公司 | 信号处理方法及装置 |
| WO2022246766A1 (zh) * | 2021-05-27 | 2022-12-01 | 北京清雷科技有限公司 | 信号处理方法及装置 |
| CN113616188A (zh) * | 2021-08-11 | 2021-11-09 | 燕山大学 | 一种基于不可听声音调频连续波的呼吸监测方法 |
| CN113786176A (zh) * | 2021-08-17 | 2021-12-14 | 中国电子科技南湖研究院 | 精确的毫米波雷达呼吸心跳测量方法、***和存储介质 |
| CN113786176B (zh) * | 2021-08-17 | 2024-03-15 | 中国电子科技南湖研究院 | 精确的毫米波雷达呼吸心跳测量方法、***和存储介质 |
| CN114366051A (zh) * | 2021-12-10 | 2022-04-19 | 五邑大学 | 无接触式活体体征检测方法、装置、设备及存储介质 |
| CN114601432A (zh) * | 2022-01-28 | 2022-06-10 | 中国第一汽车股份有限公司 | 一种车载人体信息获取方法、装置及车辆 |
| WO2023142380A1 (zh) * | 2022-01-28 | 2023-08-03 | 中国第一汽车股份有限公司 | 一种车载人体信息获取方法、装置及车辆 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112674738A (zh) | 呼吸心跳信号的检测方法及装置 | |
| CN109965858B (zh) | 基于超宽带雷达人体生命体征检测方法和装置 | |
| CN110584631B (zh) | 一种基于fmcw雷达的静态人体心跳和呼吸信号提取方法 | |
| CN112401856B (zh) | 一种基于毫米波雷达的疗养院监护方法及*** | |
| CN105286853B (zh) | 基于可穿戴设备的疾病检测方法及装置、可穿戴设备 | |
| CN110141218B (zh) | 一种心电信号分类方法、装置及程序产品、存储介质 | |
| CN111856455A (zh) | 匹配不同雷达带宽的多目标心率呼吸测量方法及*** | |
| CN112674740A (zh) | 一种基于毫米波雷达的生命体征检测方法 | |
| CN113273978B (zh) | 一种基于超宽带雷达的人体呼吸和心跳频率的检测方法 | |
| CN114469131A (zh) | 自适应实时心电信号质量评估方法 | |
| CN113288058B (zh) | 信号处理方法及装置 | |
| CN117838083A (zh) | 一种基于毫米波雷达的体征快速精确检测方法 | |
| CN115736888A (zh) | 基于fmcw雷达的呼吸信号提取方法 | |
| CN115736872A (zh) | 一种基于毫米波雷达实时计算心率的方法 | |
| CN113786176B (zh) | 精确的毫米波雷达呼吸心跳测量方法、***和存储介质 | |
| CN114403820A (zh) | 一种移动目标的生命体征检测方法及*** | |
| CN113827215A (zh) | 一种基于毫米波雷达的多种心律失常自动诊断方法 | |
| CN114052709B (zh) | 一种稳健的毫米波雷达生命体征测量方法 | |
| CN115969351A (zh) | 一种基于毫米波雷达实时计算呼吸的方法 | |
| CN112043256A (zh) | 一种基于雷达的多目标心率实时测量方法 | |
| Xiang et al. | Heart rate estimation algorithm for radar signals based on wavelet threshold noise reduction and Resnet50 | |
| CN113545764B (zh) | 一种fmcw雷达人员身份验证数据处理方法及*** | |
| Li et al. | Non-Contact Heart Rate Detection Technology Based on Deep Learning | |
| KR102444685B1 (ko) | 크기와 위상 사이의 코히어런시에 기반한 활력 징후 측정 거리 결정 장치 및 방법 | |
| US20220287645A1 (en) | A system for denoising motion artifact signals and method thereof |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221230 Address after: 1101-04, 1101-05, Building 2, Changsha Modern Service Industry Park, No. 118 Xiongtian Road, Longping Hi tech Park, Furong District, Changsha City, Hunan Province, 410125 Applicant after: Changsha Qinglei Technology Co.,Ltd. Applicant after: Beijing Qinglei Technology Co.,Ltd. Address before: 100089 room 504, No.36, Shangdi Chuangye Middle Road, Haidian District, Beijing Applicant before: Beijing Qinglei Technology Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210420 |