CN113729677A - 一种智能生命体征监护方法 - Google Patents

一种智能生命体征监护方法 Download PDF

Info

Publication number
CN113729677A
CN113729677A CN202111184449.4A CN202111184449A CN113729677A CN 113729677 A CN113729677 A CN 113729677A CN 202111184449 A CN202111184449 A CN 202111184449A CN 113729677 A CN113729677 A CN 113729677A
Authority
CN
China
Prior art keywords
signal
heartbeat
respiration
human body
data
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.)
Granted
Application number
CN202111184449.4A
Other languages
English (en)
Other versions
CN113729677B (zh
Inventor
孟子都
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kyushu Yunhe Shandong Intelligent Technology Co ltd
Original Assignee
Kyushu Yunhe Shandong Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kyushu Yunhe Shandong Intelligent Technology Co ltd filed Critical Kyushu Yunhe Shandong Intelligent Technology Co ltd
Priority to CN202111184449.4A priority Critical patent/CN113729677B/zh
Publication of CN113729677A publication Critical patent/CN113729677A/zh
Application granted granted Critical
Publication of CN113729677B publication Critical patent/CN113729677B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/0507—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  using microwaves or terahertz waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Signal Processing (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Pulmonology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Mathematical Physics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及智能实时监护技术领域，提供一种智能生命体征监护方法，包括以下步骤：人体生命特征建模；监测雷达向监测区域内发射线性调频连续波的发射信号，同时不间断地捕获人体反射回来的回波信号；分析雷达的发射信号、回波信号以及差拍信号，提取人体生命特征数据；实时生命体征信息检查；分离心跳信号和呼吸信号，分别对心跳信号和呼吸信号进行频率计算。本发明通过测量接收信号与发射信号的相对频率关系来测量人体生命体征信号，提高了人体生命体征信号检测的实时性和准确性；通过基于FFT、自相关、峰值间隔的谱估计的置信参数提取心跳信号和呼吸信号的数据，大大提高了分离心跳信号和呼吸信号的计算准确性。

Description

一种智能生命体征监护方法
技术领域
本发明涉及智能实时监护技术领域，具体而言，涉及一种智能生命体征监护方法。
背景技术
研究表明，静态心率高的人患心脏相关疾病的风险更高，而静态心率低的人未来则有可能需要永久植入起搏器。对患有上述疾病的使用者进行呼吸频率和心率的监测，将有可能挽救其生命。
目前生命体征的测量主要分为接触式和非接触式两种。接触式的测量主要是通过传感器或生物电极提取生理信息，然后通过转化装置就可以得到能表征人体生理活动的电信号或者机械信号。但是这种方法的缺点是必须直接接触人体并且只适合短时间的连续监测，并且在某些特殊的场合比如传染病人、烧伤病人、新生儿等的生命体征监测中较难实施。在当前正流行COVID-19疫情下，尤其需要最大程度地减少通过接触点和接触者造成的病毒传播，更好地确保人员接触安全。
此外，由于冠心病、脑卒中及其他老年慢性病多发生于夜间，且不易察觉。因此夜间成为了老年人的监护盲区，也亟需解决老年人夜间监护盲区的问题。
发明内容
鉴于此，本发明的目的在于在实际临床应用上提供一种非接触式的生命体征监测方法来获取特殊场合的病人的生命体征信息。不需要任何传感器接触人体，可以连续测量病人的体征，也为分析机体的健康状况以及做大数据分析、提前预知各种***是否发生病变提供帮助。
本发明采用智能生命体征监测代替人力对使用者的心跳、呼吸速率等生命体征数据进行实时监测、回传、处理；并根据不同人体生命体征特点，确定人体安全阈值，当心跳、呼吸速率等数据出现异常（低于或高于阈值）时，实时警报并同步至联系人。情况紧急时同步至联系人及就近医疗机构。
本发明提供一种智能生命体征监护方法，包括以下步骤：
S1、人体生命特征建模；人体心跳的速率在一个稳定的范围内是周期变化的，将心跳近似于正弦振动模型；呼吸是胸腔的扩张与收缩完成的，同样类似于正弦振动，也可近似为正弦振动模型，其起伏的幅度约为 0.1~0.5mm；由于心跳呼吸频率不一样，可以视为基于人体的心跳和呼吸都是近似正弦振动，心跳频率和呼吸频率不同，心跳振动和呼吸振动存在相位延迟，设人体相对于雷达处于静止状态，建立如下模型
Figure DEST_PATH_IMAGE001
（1 .1）
其中，
R 0为雷达与人体之间的距离，第二项为呼吸部分，第三项为心跳部分，Ah和Ab分别为心跳和呼吸的振动幅度， f h和 f b分别为心跳和呼吸的频率值，θ是心跳的初始相位；
S2、监测雷达通过发射天线向监测区域内发射线性调频连续波的发射信号，同时通过接收天线不间断地捕获人体反射回来的回波信号；
将雷达正对人体，距离R0 放置，所述监测雷达的扫频段在第 m 个信号重复周期内的发射信号表示为：
Figure DEST_PATH_IMAGE002
（2.1）
其中，T为发射调频信号的时间间隔，f0 是雷达载频，φ0 为发射信号初始相位；
Figure DEST_PATH_IMAGE003
为调频斜率，B 为调频带宽，则距离为R(t)的点目标产生的回波延时为τ(t)，其回 波信号表示为：
Figure DEST_PATH_IMAGE004
（2.2）
其中，Kr 为目标反射系数，τ(𝑡) = 2𝑅(𝑡) ⁄ 𝐶；接收的回波信号经过与发射信号混频、相干解调后，差拍信号表示为：
Figure DEST_PATH_IMAGE005
（2.3）；
S3、通过分析雷达的发射信号、回波信号以及差拍信号，提取出人体生命特征数据，包括心跳数据和呼吸数据；
心脏和胸腔散射中心对雷达回波的调制都蕴含在雷达回波差拍信号中，通过分析差拍信号的信息，提取出人体生命特征数据；
心脏和呼吸幅度均为毫米级别，而R0一般大于0.5m， 因此在慢时间维上近似认为R(t)为常数R(mT)，对φb求关于慢时间t的导数得其信号参数如下：
中心频率：
Figure DEST_PATH_IMAGE006
初始相位：
Figure DEST_PATH_IMAGE007
得知多个发射周期的初始相位信息表达式为：
Figure DEST_PATH_IMAGE008
（2.4）
其中，N 为发射的线性调频信号周期数，则提取快时间维的初始相位信息，即可获得人体心肺信号；
S4、实时生命体征信息检查；分离心跳信号和呼吸信号，分别对心跳信号和呼吸信号进行频率计算；
心肺信号进行分离，生物雷达信号处理方法不同于常用的心电和脉搏波信号检测方法，它检测的是心跳和呼吸复合的信号，呼吸运动在幅度上比心跳强得多，使得心跳运动不易分离提取，而且呼吸与心跳引起的微动在体表空间上重叠，由于雷达***函数的非线性，易产生频域交调，另外， 雷达信号的波形表现为微弱的心跳信号叠加在幅度较大的呼吸信号之上。对于心跳信号，呼吸信号是一个强的基线漂移干扰，这使得时域上的寻峰或过零检测等常规心率测量方法难以应用到雷达解调信号的处理上来。
进一步地，所述S4步骤之后还包括：通过对提取的生命体征数据与正常的生命体征数值范围进行比较，综合分析判断被观察者的健康和压力水平，了解心率和呼吸频率从而快速提示某些突发的致命疾病。
进一步地，所述S3步骤的所述提取快时间维的初始相位信息的方法包括：
对φb(m)进行适当的相移，进行解卷绕操作，由公式（2.4）得知，两个快时间维的相位变化为：
Δφ= 4𝜋/𝜆 (Δ𝑅)，𝜆=8.6mm，−1mm＜Δ𝑅＜1mm，则−𝜋/2＜Δφ＜𝜋/2，
对相位变化不满足Δφ的相位点进行解卷绕操作；
由于相位序列范围限制为[-π, π] ，得知φb(m ) 会因卷绕而出现相位突变，突变处的相位比未卷绕序列的相应相位增加±2π，造成相位方差的增加，从而导致信号解算结果有误，因此需要对φb(m)进行适当的相移，进行解卷绕操作。
进一步地，所述对心跳信号进行频率计算的方法包括：对心跳信号的数据进行移动损毁判断，然后对心跳信号的数据分别进行基于FFT、自相关、峰值间隔的谱估计，并计算出FFT、自相关、峰值间隔的谱估计的置信参数，然后根据心跳信号的数据的置信参数进行判断最终取值。
进一步地，所述对心跳信号的数据进行移动损毁判断的方法包括：丢弃对于波的能量超过设定阈值的心跳信号的数据段，以避免过大的运动所带的能量影响最终计算的准确性。
进一步地，所述S4步骤的对呼吸信号进行频率计算的方法包括：在基于FFT计算心率的过程中，检测并滤除呼吸产生的一次谐波，并对结果进行中值滤波，对于呼吸信号的数据进行FFT 和峰值间隔的谱估计，并计算出FFT 和峰值间隔的谱估计的置信参数，然后根据呼吸信号的数据的置信参数判断最终取值。
与现有技术相比，本发明的有益效果是：
本发明采用线性调频连续波监测雷达在发射周期内发射频率随时间线性变化的信号，通过测量接收信号与发射信号的相对频率关系来测量人体生命体征信号，提高了人体生命体征信号检测的实时性和准确性；通过基于FFT、自相关、峰值间隔的谱估计的置信参数提取心跳信号和呼吸信号的数据，大大提高了分离心跳信号和呼吸信号的计算准确性。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。
在附图中：
图1是本发明一种基于智能生命体征监护方法的工作流程图；
图2是本发明实施例的线性调频连续波回波的差拍信号时域图；
图3是本发明实施例的心跳呼吸信号提取流程图；
图4是本发明实施例的入床、离床、异常报警的信号处理设计流程图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本公开可能采用术语第一、第二、第三来描述各种信号，但这些信号不应限于这些术语。这些术语仅用来将同一类型的信号彼此区分开。例如，在不脱离本公开范围的情况下，第一信号也可以被称为第二信号，类似地，第二信号也可以被称为第一信号。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
下面结合附图对本发明实施例的具体实施步骤说明如下：
本发明实施例提供一种智能生命体征监护方法，参间附图图1所示，包括以下步骤：
S1、人体生命特征建模；
心跳和呼吸频率是人体心肺功能的重要指标，对于一般人体而言，心跳每分钟大约60至100次，而呼吸则是15至30次。如遇突发疾病或是人体剧烈运动之后，心跳次数可能达到120次每分钟，呼吸则会增至60次每分钟。在很多的医学影像中可以观察到人体心脏的跳动过程，这种运动模式类似于振动的伸缩，其伸缩的幅度约为 0.01~0.2mm；人体心跳的速率在一个稳定的范围内是周期变化的，将心跳近似于正弦振动模型；呼吸是胸腔的扩张与收缩完成的，同样类似于正弦振动，也可近似为正弦振动模型，其起伏的幅度约为 0.1~0.5mm；由于心跳呼吸频率不一样，可以视为基于人体的心跳和呼吸都是近似正弦振动，心跳频率和呼吸频率不同，心跳振动和呼吸振动存在相位延迟，设人体相对于雷达处于静止状态，建立如下模型
Figure 354576DEST_PATH_IMAGE001
（1 .1）
其中，
R 0为雷达与人体之间的距离，第二项为呼吸部分，第三项为心跳部分，Ah和Ab分别为心跳和呼吸的振动幅度， f h和 f b分别为心跳和呼吸的频率值，θ是心跳的初始相位；
S2、监测雷达通过发射天线向监测区域内发射线性调频连续波的发射信号，同时通过接收天线不间断地捕获人体反射回来的回波信号；
将雷达正对人体，距离R0 放置，所述监测雷达的发射信号、回波信号以及差拍信号的瞬时频率参见附图图 2所示，扫频段在第 m 个信号重复周期内的发射信号表示为：
Figure 708197DEST_PATH_IMAGE002
（2.1）
其中，T为发射调频信号的时间间隔，f0 是雷达载频，φ0 为发射信号初始相位；
Figure 257121DEST_PATH_IMAGE003
为调频斜率，B 为调频带宽，则距离为R(t)的点目标产生的回波延时为τ(t)，其回 波信号表示为：
Figure DEST_PATH_IMAGE009
（2.2）
其中，Kr 为目标反射系数，τ(𝑡) = 2𝑅(𝑡) ⁄ 𝐶；接收的回波信号经过与发射信号混频、相干解调后，差拍信号表示为：
Figure DEST_PATH_IMAGE010
（2.3）；
S3、通过分析雷达的发射信号、回波信号以及差拍信号，提取出人体生命特征数据，包括心跳数据和呼吸数据；
心脏和胸腔散射中心对雷达回波的调制都蕴含在雷达回波差拍信号中，通过分析差拍信号的信息，提取出人体生命特征数据；
心脏和呼吸幅度均为毫米级别，而R0一般大于0.5m， 因此在慢时间维上近似认为R(t)为常数R(mT)，对φb求关于慢时间t的导数得其信号参数如下：
中心频率：
Figure 49496DEST_PATH_IMAGE006
初始相位：
Figure 498801DEST_PATH_IMAGE007
得知多个发射周期的初始相位信息表达式为：
Figure DEST_PATH_IMAGE011
（2.4）
其中，N 为发射的线性调频信号周期数，则提取快时间维的初始相位信息，即可获得人体心肺信号；
所述提取快时间维的初始相位信息的方法包括：
对φb(m)进行适当的相移，进行解卷绕操作，由公式（2.4）得知，两个快时间维的相位变化为：
Δφ= 4𝜋/𝜆 (Δ𝑅)，𝜆=8.6mm，−1mm＜Δ𝑅＜1mm，则−𝜋/2＜Δφ＜𝜋/2，
对相位变化不满足Δφ的相位点进行解卷绕操作；
由于相位序列范围限制为[-π, π] ，得知φb(m ) 会因卷绕而出现相位突变，突变处的相位比未卷绕序列的相应相位增加±2π，造成相位方差的增加，从而导致信号解算结果有误，因此需要对φb(m)进行适当的相移，进行解卷绕操作；
S4、实时生命体征信息检查；分离心跳信号和呼吸信号，分别对心跳信号和呼吸信号进行频率计算，参见附图图3所示；
心肺信号进行分离，生物雷达信号处理方法不同于常用的心电和脉搏波信号检测方法，它检测的是心跳和呼吸复合的信号，呼吸运动在幅度上比心跳强得多，使得心跳运动不易分离提取，而且呼吸与心跳引起的微动在体表空间上重叠，由于雷达***函数的非线性，易产生频域交调，另外， 雷达信号的波形表现为微弱的心跳信号叠加在幅度较大的呼吸信号之上。对于心跳信号，呼吸信号是一个强的基线漂移干扰，这使得时域上的寻峰或过零检测等常规心率测量方法难以应用到雷达解调信号的处理上来。
对心跳信号进行频率计算的方法包括：对心跳信号的数据进行移动损毁判断，然后对心跳信号的数据分别进行基于FFT、自相关、峰值间隔的谱估计，并计算出FFT、自相关、峰值间隔的谱估计的置信参数，然后根据心跳信号的数据的置信参数进行判断最终取值；
具体地所述对心跳信号的数据进行移动损毁判断的方法包括：丢弃对于波的能量超过设定阈值的心跳信号的数据段，以避免过大的运动所带的能量影响最终计算的准确性；
所述S4步骤的对呼吸信号进行频率计算的方法包括：在基于FFT计算心率的过程中，检测并滤除呼吸产生的一次谐波，并对结果进行中值滤波，对于呼吸信号的数据进行FFT 和峰值间隔的谱估计，并计算出FFT 和峰值间隔的谱估计的置信参数，然后根据呼吸信号的数据的置信参数判断最终取值。
所述S4步骤之后还包括：通过对提取的生命体征数据与正常的生命体征数值范围进行比较，综合分析判断被观察者的健康和压力水平，了解心率和呼吸频率从而快速提示某些突发的致命疾病。
本发明实施例的应用场景包括：
1．安装于床头墙面，无需穿戴即可监测人体生命体征数据。
2．不获取面部等人体隐私。
3．主动、实时监测。
4．体征异常警报。
5．手势+语音控制。
6．智能家居物联，可接入窗帘、灯光***、音响、空调、扫地机器人等智能家居设备。
7．可通过人体生命体征动态变化自动调节室内环境。
本发明的具体使用实施例如下：
1. 以需要监测的床位为中心，在距离中心位置0.5-2.5m的范围内的墙壁上安装前端设备，保证前端设备距离地面的垂直距离≥2m，接通电源。
3. 在个人手机终端安装APP，注册用户，配对设备。
4. 授权看护者随时查看被监测者的生命体征数据和警报通知。
5. 如组织或机构使用，则配置机构终端，安装机构监护管理软件。
本发明实施例雷达信号的数据处理过程为
Step 1： I 、 Q 同向、正交信号合并；
Step2 ：按通道进行数据合并；
Step 3 ：提取 Radar 1， 1800Frame ，第 1 个 Chirp 信号；
Step4 ：求距离维 FFT； FFt 点数256；
根据距离窗，输出有效范围内目标距离信息波形和距离数值；
Step5 ：求相位信息，相位解卷绕；
Matlab相位求取函数：Angle 、 Matlab 相位解卷绕函数 Unwrap；
Step6 ：数字滤波；
输出心跳、 呼吸时域波形；
Step7 ：采用不同分析方法进行特征谱分析；
根据多普勒维度能量幅度范围 ，判断是否为有效呼吸、心跳数值；
输出心跳、呼吸速率数值；
Step8：对输出结果进行数值滤波 ，采用TI-α滤波器；
根据滤波后的心跳能量数值变化 判断是否存在大的肢体运动 （亦可用来
判断翻身检测）； 根据待测目标是否有较大的肢体动作，决定是否保留当
前测试数值；判断心跳数值的有效性，如果心跳数值是呼吸数值的倍数，
判定该次心跳测量结果是呼吸的谐波，剔除该次心跳数值；
其他功能：入床、离床、异常报警的信号处理流程设计，参见附图图4。
本发明采用线性调频连续波监测雷达在发射周期内发射频率随时间线性变化的信号，通过测量接收信号与发射信号的相对频率关系来测量人体生命体征信号，提高了人体生命体征信号检测的实时性和准确性；通过基于FFT、自相关、峰值间隔的谱估计的置信参数提取心跳信号和呼吸信号的数据，大大提高了分离心跳信号和呼吸信号的计算准确性。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、同替换、改进，均应包含在本发明的保护范围之内。

Claims (6)

1.一种智能生命体征监护方法，其特征在于，包括以下步骤：
S1、人体生命特征建模；基于人体的心跳和呼吸都是近似正弦振动，心跳频率和呼吸频率不同，心跳振动和呼吸振动存在相位延迟，设人体相对于雷达处于静止状态，建立如下模型
Figure 593681DEST_PATH_IMAGE001
（1 .1）
其中，R0为雷达与人体之间的距离，第二项为呼吸部分，第三项为心跳部分，Ah和Ab分别为心跳和呼吸的振动幅度， f h和 f b分别为心跳和呼吸的频率值，θ是心跳的初始相位；
S2、监测雷达通过发射天线向监测区域内发射线性调频连续波的发射信号，同时通过接收天线不间断地捕获人体反射回来的回波信号；
将雷达正对人体，距离R0 放置，所述监测雷达的扫频段在第 m 个信号重复周期内的发射信号表示为：
Figure 879169DEST_PATH_IMAGE002
（2.1）
其中，T为发射调频信号的时间间隔，f0 是雷达载频，φ0 为发射信号初始相位；
Figure 147340DEST_PATH_IMAGE003
为调频斜率，B 为调频带宽，则距离为R(t)的点目标产生的回波延时为τ(t)，其回 波信号表示为：
Figure 952616DEST_PATH_IMAGE004
（2.2）
其中，Kr 为目标反射系数，τ(𝑡) = 2𝑅(𝑡) ⁄ 𝐶；接收的回波信号经过与发射信号混频、相干解调后，差拍信号表示为：
Figure 913618DEST_PATH_IMAGE005
（2.3）；
S3、通过分析雷达的发射信号、回波信号以及差拍信号，提取出人体生命特征数据，包括心跳数据和呼吸数据；
通过分析差拍信号的信息，提取出人体生命特征数据；
在慢时间维上R(t)为常数R(mT)，对φb 求关于慢时间t的导数得其信号参数如下：
中心频率：
Figure 686402DEST_PATH_IMAGE006
初始相位：
Figure 758264DEST_PATH_IMAGE007
得知多个发射周期的初始相位信息表达式为：
Figure 919511DEST_PATH_IMAGE008
（2.4）
其中，N 为发射的线性调频信号周期数，则提取快时间维的初始相位信息，获得人体心肺信号；
S4、实时生命体征信息检查；分离心跳信号和呼吸信号，分别对心跳信号和呼吸信号进行频率计算。
2.根据权利要求1所述的智能生命体征监护方法，其特征在于，所述S4步骤之后还包括：通过对提取的生命体征数据与正常的生命体征数值范围进行比较，综合分析判断被观察者的健康和压力水平，了解心率和呼吸频率从而快速提示某些突发的致命疾病。
3.根据权利要求1所述的智能生命体征监护方法，其特征在于，所述S3步骤的所述提取快时间维的初始相位信息的方法包括：
对φb(m)进行适当的相移，进行解卷绕操作，由公式（2.4）得知，两个快时间维的相位变化为：
Δφ= 4𝜋/𝜆 (Δ𝑅)，𝜆=8.6mm，−1mm＜Δ𝑅＜1mm，则−𝜋/2＜Δφ＜𝜋/2，
对相位变化不满足Δφ的相位点进行解卷绕操作。
4.根据权利要求1所述的智能生命体征监护方法，其特征在于，所述S4步骤的对心跳信号进行频率计算的方法包括：对心跳信号的数据进行移动损毁判断，然后对心跳信号的数据分别进行基于FFT、自相关、峰值间隔的谱估计，并计算出FFT、自相关、峰值间隔的谱估计的置信参数，然后根据心跳信号的数据的置信参数进行判断最终取值。
5.根据权利要求4所述的智能生命体征监护方法，其特征在于，所述对心跳信号的数据进行移动损毁判断的方法包括：丢弃对于波的能量超过设定阈值的心跳数据的段，以避免过大的运动所带的能量影响最终计算的准确性。
6.根据权利要求1所述的智能生命体征监护方法，其特征在于，所述S4步骤的对呼吸信号进行频率计算的方法包括：在基于FFT计算心率的过程中，检测并滤除呼吸产生的一次谐波，并对结果进行中值滤波，对于呼吸信号的数据进行FFT 和峰值间隔的谱估计，并计算出FFT 和峰值间隔的谱估计的置信参数，然后根据呼吸信号的数据的置信参数判断最终取值。
CN202111184449.4A 2021-10-12 2021-10-12 一种智能生命体征监护方法 Active CN113729677B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111184449.4A CN113729677B (zh) 2021-10-12 2021-10-12 一种智能生命体征监护方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111184449.4A CN113729677B (zh) 2021-10-12 2021-10-12 一种智能生命体征监护方法

Publications (2)

Publication Number Publication Date
CN113729677A true CN113729677A (zh) 2021-12-03
CN113729677B CN113729677B (zh) 2023-08-01

Family

ID=78726397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111184449.4A Active CN113729677B (zh) 2021-10-12 2021-10-12 一种智能生命体征监护方法

Country Status (1)

Country Link
CN (1) CN113729677B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114469037A (zh) * 2022-01-29 2022-05-13 武汉大学 一种基于毫米波雷达的高可靠心率测量方法
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

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112014837A (zh) * 2020-08-03 2020-12-01 杭州电子科技大学 一种基于毫米波雷达的体征无接触式智能监测***
US20210055386A1 (en) * 2019-08-22 2021-02-25 Qualcomm Incorporated Wireless communication with enhanced maximum permissible exposure (mpe) compliance based on vital signs detection
CN112472051A (zh) * 2020-12-16 2021-03-12 山东润一智能科技有限公司 一种生命体征监测的毫米波雷达装置、方法及***
CN112698294A (zh) * 2020-12-31 2021-04-23 杭州电子科技大学 基于毫米波的火场内人员定位与生命体征检测装置及方法
US20210197834A1 (en) * 2016-11-21 2021-07-01 George Shaker System and method for sensing with millimeter waves for sleep position detection, vital signs monitoring and/or driver detection
CN113116342A (zh) * 2021-04-26 2021-07-16 上海交通大学 一种基于毫米波雷达的生命信号监测方法
CN113171064A (zh) * 2021-03-24 2021-07-27 西安理工大学 一种基于雷达的生命体征检测方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210197834A1 (en) * 2016-11-21 2021-07-01 George Shaker System and method for sensing with millimeter waves for sleep position detection, vital signs monitoring and/or driver detection
US20210055386A1 (en) * 2019-08-22 2021-02-25 Qualcomm Incorporated Wireless communication with enhanced maximum permissible exposure (mpe) compliance based on vital signs detection
CN112014837A (zh) * 2020-08-03 2020-12-01 杭州电子科技大学 一种基于毫米波雷达的体征无接触式智能监测***
CN112472051A (zh) * 2020-12-16 2021-03-12 山东润一智能科技有限公司 一种生命体征监测的毫米波雷达装置、方法及***
CN112698294A (zh) * 2020-12-31 2021-04-23 杭州电子科技大学 基于毫米波的火场内人员定位与生命体征检测装置及方法
CN113171064A (zh) * 2021-03-24 2021-07-27 西安理工大学 一种基于雷达的生命体征检测方法
CN113116342A (zh) * 2021-04-26 2021-07-16 上海交通大学 一种基于毫米波雷达的生命信号监测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李晋: ""太赫兹雷达***总体与信号处理方法研究"", 《中国优秀博硕士学位论文全文数据库(博士)信息科技辑》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN114469037A (zh) * 2022-01-29 2022-05-13 武汉大学 一种基于毫米波雷达的高可靠心率测量方法
CN114469037B (zh) * 2022-01-29 2024-01-12 武汉大学 一种基于毫米波雷达的心率测量方法

Also Published As

Publication number Publication date
CN113729677B (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
Ahmad et al. Vital signs monitoring of multiple people using a FMCW millimeter-wave sensor
US11850027B2 (en) Multi-person vital signs monitoring using millimeter wave (mm-wave) signals
Liu et al. Recent development of respiratory rate measurement technologies
US10987063B2 (en) System and method for facilitating reflectometric detection of physiologic activity
US8742935B2 (en) Radar based systems and methods for detecting a fallen person
CN113261925A (zh) 一种基于毫米波雷达的人体感知方法及***
US20100152600A1 (en) Non-contact physiologic motion sensors and methods for use
CN108392186B (zh) 一种非接触式睡眠呼吸暂停症检测方法及***
CN113729677B (zh) 一种智能生命体征监护方法
US9443419B2 (en) Monitoring breathing via signal strength in wireless networks
JP2011519288A (ja) 非接触の生理的運動センサおよびその使用方法
US8965493B2 (en) Electromedical implant and monitoring system
JP2009501044A (ja) 心臓の活動の検出用装置
WO2011143631A2 (en) Systems and methods for non-contact multiparameter vital signs monitoring, apnea therapy, sway cancellation, patient identification, and subject monitoring sensors
Tan et al. Non-contact heart rate tracking using Doppler radar
CN103690169B (zh) 呼吸信息检测方法
CN107928674A (zh) 一种基于声波测距的非接触式呼吸检测方法
Liu et al. Human biometric signals monitoring based on wifi channel state information using deep learning
Alizadeh et al. Remote heart rate sensing with mm-wave radar
CN115736872A (zh) 一种基于毫米波雷达实时计算心率的方法
CN111839520A (zh) 基于csi信号功率响应自相关的人呼吸监测方法和装置
CN110946555B (zh) 一种呼吸骤停检测报警***
CN115969351A (zh) 一种基于毫米波雷达实时计算呼吸的方法
Hu et al. Real-time remote vital sign detection using a portable Doppler sensor system
Lee et al. Further applications of Doppler radar for non-contact respiratory assessment

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
GR01 Patent grant
GR01 Patent grant