基于自适应距离门的非接触式人体生命体征检测方法

1.本发明属于雷达信号检测和处理领域，具体涉及一种毫米波雷达非接触式人体生命体征检测方法。


背景技术：

2.人体的生命健康状态往往需要通过大量的生理数据来判断，因此呼吸、心跳、体温、血压等生理参数在生物医学领域起着至关重要的作用。心跳参数是人体心肺活动是否正常的重要判断依据，人体的心肺活动直接影响各个器官和肌肉的活动，很多突发疾病的发生通常会导致人体的心肺活动发生异常，所以对人体心跳参数的检测在医学监护等领域具有非常重要的意义。
3.当前，随着生物医学技术的发展，对心跳参数的检测手段越来越多。心跳参数的测量方法主要包括心电图、指压脉搏测量法、心音法等。但这些方法基本都属于接触式的测量方法，主要缺点是：长时间地佩戴接触式检测量仪器可能会使人感到不适；对于一些特殊的病患，比如皮肤出现大面积溃烂的病人，接触式的检测方法会给病患带来二次伤害。而且在很多的情况下，由于各种条件的限制和其他因素的考虑，需要远距离地测量呼吸和心跳频率，于是人们提出了非接触式生命信号检测方法。
4.非接触式生命信号检测技术可以在不接触检测目标的情况下实现远距离的生命信号检测，也可以穿过一些特定的障碍物实施检测。在生命信号检测领域常见的非接触式检测方法主要包括：声波振动式检测、光学式检测、红外式检测。这些检测方法虽然也能够在不接触目标的情况下实现远距离的生命信号检测，但是也容易受到环境的影响。随着生物医学工程技术的发展，雷达技术开始应用于生命信号检测领域，这是雷达技术在医学领域的一次重要尝试。和传统的非接触式检测技术相比，基于雷达的非接触式生命信号检测技术具有更强的穿透能力和抗干扰能力，并且可以做到全天24小时不间断地工作。
5.由于基于雷达的生命信号检测技术可以实现长距离、长时间的检测，检测过程不受天气、光线等环境因素的影响，因此该检测技术的应用范围非常广泛，目前主要应用在医疗监护、灾后救援等领域。
6.应用在生命信号检测领域的雷达体制主要有三种，分别为连续波(cw)雷达、脉冲超宽带(uwb)雷达和线性调频连续波(fmcw)雷达。连续波雷达系统简单，没有测距能力，因此对干扰和杂波的抵抗能力较弱，而且不能区分多个目标。uwb雷达和fmcw雷达能够通过距离分辨抑制一部分杂波的干扰，并区分多个不同距离上的目标；但uwb雷达对采样要求较高，相应的毫米波的产品比较昂贵。因此fmcw的毫米波雷达成为用在心率检测领域的首选。
7.但是，目前基于fmcw雷达的非接触式心率检测在选取目标人体所在距离门和心跳信号频谱估计上还存在一些问题：
8.其一，尽管目标人体处在静止状态下，但仍不可避免的存在小幅度的身体运动。当存在这种不可避免的身体随机运动时，之前的距离门选取方法将不能在选出包含人体生命体征信息最多的距离门。
9.其二，传统的模式分解算法，都会不同程度上存在模态混叠的问题，不能得到较为纯净的体征信号(心跳信号或呼吸信号)。


技术实现要素：

10.本发明提出了一种基于自适应距离门的非接触式人体生命体征检测方法，其目的是：(1)解决无法选出包含人体声明体征信息最多的距离门的问题；(2)得到更纯净的体征信号。
11.本发明技术方案如下：
12.一种基于自适应距离门的非接触式人体生命体征检测方法，步骤为：
13.步骤a、针对待测的人体目标，选用fmcw雷达对该目标人体发射n个线性调频脉冲串信号；雷达接收的各脉冲回波信号包含人体目标回波信号和杂波；将回波信号与发射信号混频，得到中频信号，再对中频信号采样得到的离散信号组成数据矩阵，且每一脉冲采样得到的结果放在一列；
14.步骤b：对数据矩阵进行预处理得到预处理信号：根据数据矩阵得到距离矩阵，并将距离矩阵的每一行作为一个距离门，对距离矩阵进行静态杂波滤除；然后基于能量和相位方差确定人体目标所在的距离门，以准确提取人体反射的相位信息；再对相位进行解缠，解决相位信息中的断点问题，然后对解缠信号进行相位差处理得到相位差信号，再对相位差信号进行脉冲噪声去除，得到预处理信号；
15.步骤c：对预处理信号使用变分模式提取算法提取出人体特征信号；
16.步骤d：使用快速傅里叶变换对提取出的人体特征信号进行人体特征估计。
17.作为所述基于自适应距离门的非接触式人体生命体征检测方法的进一步改进，步骤a采用毫米波雷达生命检测系统来获取经目标人体反射的回波信号，所述的毫米波雷达生命检测系统包括信号发生器、功率放大器、低噪声放大器、低通滤波器和模数转换器模块。
18.作为所述基于自适应距离门的非接触式人体生命体征检测方法的进一步改进，步骤a具体为：
19.步骤a.1、使用以下公式计算雷达前端的信号发生器产生的线性调频脉冲串信号：
[0020][0021]
其中，a
t
表示发射信号的幅值，是相位噪声，b是信号的带宽，td是信号的持续时间，f
min
是信号的初始频率；
[0022]
接收天线接收的来自目标人体的回波信号表示为：
[0023][0024]
其中，ar表示回波信号的幅值，τ是回波信号相对于发射信号的时延；
[0025]
假设目标人体相对于雷达的初始距离为r0，在目标人体相对静止情况下由生命体中信号造成的胸腔位移为x(t)，则目标人体与雷达的实时距离为r(t)＝r0+x(t)，时延τ为其中c为光速；该回波信号在由低噪声放大器放大之后与本地阵列信号混合，产
生的中频信号表示为：
[0026][0027]
其中，是中频信号的相位；
[0028]
步骤a.2，中频信号进入模数转换器进行a/d采样，得到回波信号的数据矩阵，且将每一个线性调频脉冲串信号的采样结果放在一列,共n个线性调频信号。
[0029]
作为所述基于自适应距离门的非接触式人体生命体征检测方法的进一步改进，所述步骤b具体包括以下步骤：
[0030]
步骤b.1、对数据矩阵的每一列进行m维的距离维傅里叶变换处理，共n列，得到含有目标人体距离信息的距离矩阵r[m,n]，m＝1,
…
m，n＝1,
…
n，其m,n分别代表元素在矩阵中的行号和列号；距离矩阵r[m,n]的每一行为一个距离门，每一个距离门的平均值视为该距离门的静态杂波；静态杂波去除后得到r'[m,n]；静态杂波滤除的计算公式为：
[0031][0032]
作为所述基于自适应距离门的非接触式人体生命体征检测方法的进一步改进，所述步骤b还包括以下步骤：
[0033]
步骤b.2、雷达发射的所有帧划分为多个块，每个块包括k帧；在同一块内，将第1帧选择的距离门用于该块的所有帧；
[0034]
确定人体目标所在的距离门的过程包括：第一阶段，基于能量选择第一个块的距离门；第二阶段，基于相位方差选择后续块的距离门，且各后续块的候选距离门只考虑前一块所选距离门附近的距离门，包括其前后各a个距离门共2a+1个距离门，在候选距离门内，当前帧及其前后各b帧共2b+1个帧的相位方差最大的距离门视为人体目标所在的距离门；a、b为预设整数值。
[0035]
作为所述基于自适应距离门的非接触式人体生命体征检测方法的进一步改进，所述步骤b.2中确定人体目标所在的距离门的具体步骤为：
[0036]
设ui表示第i个块，rj表示第j个距离门，f
t
表示第t个帧；
[0037]
首先基于能量选择第一个块中所有帧的距离门：设在第一帧的所有距离门中，具有最大能量的距离门为r，则u1中的k帧皆选取r作为目标人体所在的距离门；
[0038]
除了第一块，所有后续块都基于方差选取距离门：对于ui，假设u
i-1
选择的距离门是rj，则ui的候选距离门为[r
j-a
,r
j+a
]共2a+1个距离门，ui中进行距离门选取的帧为f
(i-1)*k+1
，计算从f
(i-1)*k+1-b
到f
(i-1)*k+1+b
共2b+1帧在候选距离门中的相位方差，方差最大的距离门视为ui中所有帧的目标人体所在的距离门；
[0039]
在每个候选距离门处相位方差的计算公式为：
[0040][0041]
其中，代表第u帧在第v个距离门处的相位，表示从f
(i-1)*k+1-b
到f
(i-1)*k+1+b
共2b+1帧在第v个距离门处相位的平均值；
[0042]
相位方差最大的距离门即为ui对应的人体目标所在的距离门。
[0043]
作为所述基于自适应距离门的非接触式人体生命体征检测方法的进一步改进，所
述步骤b还包括以下步骤：
[0044]
步骤b.3、从每一帧所选的距离门中提取出相位φ(n)，并对相位进行解缠，解缠公式如下：
[0045][0046]
对解缠后的相位进行相位差处理，即用后一个相位的值减去前一个相位的值，经过相位差处理的信号即为相位差信号；对相位差信号进行脉冲噪声去除处理，得到的信号即为预处理信号s(t)。
[0047]
作为所述基于自适应距离门的非接触式人体生命体征检测方法的进一步改进，所述步骤c包括以下步骤：
[0048]
步骤c.1、将预处理信号s(t)分解为期望模式的人体特征信号ur(t)和残差信号fk(t)；
[0049]
然后，基于人体特征信号的中心频率wr，通过最小化得到人体特征信号的带宽i1：
[0050][0051]
其中表示对t求偏微分，δ(t)为狄拉克分布，*为卷积，ur(t)为t时刻的人体特征信号，i和j为复数单位；
[0052]
步骤c.2、基于fk(t)与ur(t)之间的频谱重叠最小化定义惩罚函数i2：
[0053][0054]
其中，γ(t)为预设的滤波器的脉冲响应；
[0055]
步骤c.3、设定人体特征信号ur(t)、残差信号fk(t)和中心频率wr三者之间满足为收敛条件，其中η为平衡参数，然后，通过迭代子优化求取人体特征信号ur(t)，具体步骤如下所述：
[0056]
步骤c.3.1、将人体特征信号ur(t)、残差信号fk(t)和拉格朗日乘子λ(t)通过变分模式转化为频域表示的匹配滤波器输出人体特征信号残差信号和拉格朗日乘子
[0057]
步骤c.3.2、初始化：令：令设循环变量m，令m＝1，启动迭代；
[0058]
步骤c.3.3、第m次迭代时，使用乘数算法的交替方向法计算和并通过对偶上升法计算频域表示的拉格朗日乘子
[0059][0060]
[0061][0062][0063]
其中τ为更新参数；
[0064]
步骤c.3.4、设定判别精度ζ，且ζ＞0，
[0065]
若与之间的收敛满足下式时：
[0066][0067]
则停止迭代，即求得频域表示的人体特征信号
[0068]
否则，令m＝m+1,继续执行步骤c.3.3-步骤c.3.4。
[0069]
作为所述基于自适应距离门的非接触式人体生命体征检测方法的进一步改进，所述步骤d包括以下步骤：
[0070]
步骤d.1、对人体特征信号进行快速傅里叶变换，将频谱幅值最大处的频率f作为人体特征信号频率；
[0071]
步骤d.2，计算人体特征的次数。
[0072]
作为所述基于自适应距离门的非接触式人体生命体征检测方法的进一步改进：
[0073]
如果所述人体特征信号为心跳信号，步骤d.1求取的心跳信号频率为fh，则每分钟心跳次数为：
[0074]
hr＝fh×
60；
[0075]
如果所述人体特征信号为呼吸信号，步骤d.1求取的呼吸信号频率为fb，则每分钟呼吸次数为：
[0076]
br＝fb×
60。
[0077]
相对于现有技术，本发明具有以下有益效果：
[0078]
本发明将基于相位方差的自适应距离门选取方法和变分模式提取算法深度融合，实现了人体生命体征检测的准确估计。一方面，本发明通过基于方差的自适应距离门选取方法可以准确地选出目标人体所在的距离门,进而准确获取目标人体的生命体征信息，为后续的生命体征估计奠定了基础，使高精度生命体征估计成为可能。另一方面，本发明用变分模式提取算法(vme)代替传统的类经验模态分解算法，得到的人体特征信号更加纯净，运算量大大减少。同时，还运用静态杂波滤除技术，消除了静态杂波的影响，从而更加清楚地显示出目标人体所在的距离门，实现了精准检测。
附图说明
[0079]
图1为本发明方法的整体流程示意图；
[0080]
图2为距离维傅里叶变换(range-fft)的结果示意图；
[0081]
图3为静态杂波滤除前后对比图；图中a为静态杂波滤除前的结果图，图中b为静态杂波滤除后的结果图；
[0082]
图4为距离门选取示意图；
[0083]
图5为从两种不同方法所选距离门中提取相位信号的频谱图；
[0084]
图6为实验六下的心率估计值与参考值。
具体实施方式
[0085]
下面结合附图详细说明本发明的技术方案：
[0086]
如图1，一种基于自适应距离门的非接触式人体生命体征检测方法，步骤为：
[0087]
步骤a、针对待测的人体目标，选用fmcw雷达对该目标人体发射n个线性调频脉冲串信号；雷达接收的各脉冲回波信号包含人体目标回波信号和杂波；将回波信号与发射信号混频，得到中频信号，再对中频信号采样得到的离散信号组成数据矩阵，且每一脉冲采样得到的结果放在一列。
[0088]
本实施例中，我们使用工作在77-81ghz的德州仪器毫米波awr 1642雷达。该毫米波雷达生命检测系统包括信号发生器、功率放大器、低噪声放大器、低通滤波器和模数转换器模块。
[0089]
表1雷达系统的主要参数
[0090]
参数数值初始频率77ghz频率带宽3.99ghz频率斜率70mhz每帧样本数200adc采样时间50μsadc初始时间7μs帧间隔时间50ms。
[0091]
为了验证我们提出发明的有效性，我们使用dca 1000采集板采集数据并通过usb接口将数据传输到计算机终端，然后使用matlab进行仿真和分析。
[0092]
受试者佩戴polar h10胸部心率传感器，坐在距离雷达1米处，且胸部与雷达处于同一水平位置。受试者在测试之前保持他们的呼吸和心跳体征稳定，并且在测试期间保持尽可能静止，在传感器的感测范围内没有其他人类目标。
[0093]
步骤a具体包括：
[0094]
步骤a.1、使用以下公式计算雷达前端的信号发生器产生的线性调频脉冲串信号：
[0095][0096]
其中，a
t
表示发射信号的幅值，是相位噪声，b是信号的带宽，td是信号的持续时间，f
mm
是信号的初始频率；
[0097]
接收天线接收的来自目标人体的回波信号表示为：
[0098][0099]
其中，ar表示回波信号的幅值，τ是回波信号相对于发射信号的时延。
[0100]
假设目标人体相对于雷达的初始距离为r0，在目标人体相对静止情况下由生命体中信号造成的胸腔位移为x(t)，则目标人体与雷达的实时距离为r(t)＝r0+x(t)，时延τ为其中c为光速；该回波信号在由低噪声放大器放大之后与本地阵列信号混合，产生的中频信号表示为：
[0101][0102]
其中，是中频信号的相位。
[0103]
步骤a.2，中频信号进入模数转换器进行a/d采样，得到回波信号的数据矩阵，且将每一个线性调频脉冲串信号的采样结果放在一列,共n个线性调频信号。
[0104]
步骤b：对数据矩阵进行预处理得到预处理信号：根据数据矩阵得到距离矩阵，并将距离矩阵的每一行作为一个距离门，对距离矩阵进行静态杂波滤除；然后基于能量和相位方差确定人体目标所在的距离门，以准确提取人体反射的相位信息；再对相位进行解缠，解决相位信息中的断点问题，然后对解缠信号进行相位差处理得到相位差信号，再对相位差信号进行脉冲噪声去除，得到预处理信号。
[0105]
所述步骤b具体包括以下步骤：
[0106]
步骤b.1、对数据矩阵的每一列进行m维的距离维傅里叶变换(range-fft)处理，共n列，得到含有目标人体距离信息的距离矩阵r[m,n]，m＝1,
…
m，n＝1,
…
n，其m,n分别代表元素在矩阵中的行号和列号。距离矩阵r[m,n]的每一行为一个距离门，每一个距离门的平均值视为该距离门的静态杂波；静态杂波去除后得到r'[m,n]；静态杂波滤除的计算公式为：
[0107][0108]
range-fft的过程如图2所示。静态杂波滤除前的结果如图3中a所示,静态杂波滤除后的结果如图3中b所示。由图可见，在静态杂波滤除前存在很多虚假的峰值，但是经过静态滤波后，目标人体所在的位置更加清楚地显示出来了。
[0109]
步骤b.2、雷达发射的所有帧划分为多个块，每个块包括k帧；在同一块内，将第1帧选择的距离门用于该块的所有帧。
[0110]
确定人体目标所在的距离门的过程包括：第一阶段，基于能量选择第一个块的距离门；第二阶段，基于相位方差选择后续块的距离门，且各后续块的候选距离门只考虑前一块所选距离门附近的距离门，包括其前后各a个距离门共2a+1个距离门，在候选距离门内，当前帧及其前后各b帧共2b+1个帧的相位方差最大的距离门视为人体目标所在的距离门；a、b为预设整数值。
[0111]
所述步骤b.2中确定人体目标所在的距离门的具体步骤为：
[0112]
设ui表示第i个块，rj表示第j个距离门，f
t
表示第t个帧；
[0113]
首先基于能量选择第一个块中所有帧的距离门：设在第一帧的所有距离门中，具有最大能量的距离门为r，则u1中的k帧皆选取r作为目标人体所在的距离门。
[0114]
除了第一块，所有后续块都基于方差选取距离门：对于ui，假设u
i-1
选择的距离门是rj，则ui的候选距离门为[r
j-a
,r
j+a
]共2a+1个距离门，ui中进行距离门选取的帧为f(i-1)*k+1
，计算从f
(i-1)*k+1-b
到f
(i-1)*k+1+b
共2b+1帧在候选距离门中的相位方差，方差最大的距离门视为ui中所有帧的目标人体所在的距离门。
[0115]
在每个候选距离门处相位方差的计算公式为：
[0116][0117]
其中，代表第u帧在第v个距离门处的相位，表示从f
(i-1)*k+1-b
到f
(i-1)*k+1+b
共2b+1帧在第v个距离门处相位的平均值。
[0118]
第i块内所有帧的距离门选取流程如图4所示，相位方差最大的距离门即为ui对应的人体目标所在的距离门。
[0119]
步骤b.3、从每一帧所选的距离门中提取出相位φ(n)，并对相位进行解缠，解缠公式如下：
[0120][0121]
对解缠后的相位进行相位差处理，即用后一个相位的值减去前一个相位的值，经过相位差处理的信号即为相位差信号；对相位差信号进行脉冲噪声去除处理，得到的信号即为预处理信号s(t)。
[0122]
步骤c：对预处理信号使用变分模式提取算法(vme)提取出人体特征信号。
[0123]
具体的，所述步骤c包括以下步骤：
[0124]
步骤c.1、将预处理信号s(t)分解为期望模式的人体特征信号ur(t)和残差信号fk(t)。
[0125]
然后，基于人体特征信号的中心频率wr(例如人体心跳信号的频率范围为0.8-2hz，心率一般为70多bpm，因而中心频率设为1.2hz)，通过最小化得到人体特征信号的带宽i1：
[0126][0127]
其中表示对t求偏微分，δ(t)为狄拉克分布，*为卷积，ur(t)为t时刻的人体特征信号，i和k为复数单位。
[0128]
步骤c.2、基于fk(t)与ur(t)之间的频谱重叠最小化定义惩罚函数i2：
[0129][0130]
其中，γ(t)为预设的滤波器的脉冲响应。
[0131]
步骤c.3、设定人体特征信号ur(t)、残差信号fk(t)和中心频率wr三者之间满足为收敛条件，其中η为平衡参数，然后，通过迭代子优化求取人体特征信号ur(t)。具体步骤如下所述：
[0132]
步骤c.3.1、将人体特征信号ur(t)、残差信号fk(t)和拉格朗日乘子λ(t)通过变分模式转化为频域表示的匹配滤波器输出人体特征信号残差信号和拉格朗日乘子
[0133]
步骤c.3.2、初始化：令：令设循环变量m，令m＝1，启动迭代。
[0134]
步骤c.3.3、第m次迭代时，使用乘数算法的交替方向法计算和并通过对偶上升法计算频域表示的拉格朗日乘子
[0135][0136][0137][0138][0139]
其中τ为更新参数。
[0140]
步骤c.3.4、设定判别精度ζ，且ζ＞0，
[0141]
若与之间的收敛满足下式时：
[0142][0143]
则停止迭代，即求得频域表示的人体特征信号
[0144]
否则，令m＝m+1，继续执行步骤c.3.3一步骤c.3.4。
[0145]
表2 vme参数情况
[0146]
参数数值中心频率1.2惩罚因子20000噪声容忍度0收敛公差1e-7数据保真度平衡参数20000。
[0147]
步骤d：使用快速傅里叶变换对提取出的人体特征信号进行人体特征估计。具体包括以下步骤：
[0148]
步骤d.1、对人体特征信号进行快速傅里叶变换，将频谱幅值最大处的频率f作为人体特征信号频率；
[0149]
步骤d.2，计算人体特征的次数。
[0150]
如果所述人体特征信号为心跳信号，步骤d.1求取的心跳信号频率为fh，则每分钟心跳次数为：
[0151]
hr＝fh×
60。
[0152]
如果所述人体特征信号为呼吸信号，步骤d.1求取的呼吸信号频率为fb，则每分钟呼吸次数为：
[0153]
br＝fb×
60。
[0154]
在本实施案例中，通过静态杂波去除处理，去除了静态杂波的干扰，使目标人体所在的距离门更加清楚地显示出来。本方法通过采用基于方差的自适应距离门选取方法准确地选出了包含人体生命体征信息的距离门。考虑到当人体相对静止时，距离门变化很小，因此后续的距离门选择只考虑先前选择的距离门附近的距离门，减少了计算量。此外，为了减少噪声的干扰，还考虑了当前帧及其附近帧的相位变化。本方法还通过vme提取心跳信号，大大降低了频率混叠的现象。最后通过fft对得到的心跳信号进行测频，并将测得的频率作为最终的心率(呼吸率检测与此类似)。
[0155]
实验验证
[0156]
为了验证本发明的技术方案，设置以下实验来对人体心率进行检测：
[0157]
本实验在实验者正常心跳的情况下，设置了六组实验，来验证基于方差的自适应距离门选取方法的优越性，其他试验设备参数和环境一致。
[0158]
实验一：采用传统的基于能量的距离门选取方法选出一个固定的距离门，并从选取的距离门中提取相位信号。
[0159]
实验二：采用基于方差的自适应距离门选取方法每隔k帧选取一个距离门，并从选取的距离门中提取相位信号。
[0160]
实验三：对实验一提取的相位信号采用vme提取心跳信号，并对得到的心跳信号采用fft测频。
[0161]
实验四：采用传统的基于方差的距离门选取方法选出一个固定的距离门，并从选取的距离门中提取相位信号。提取的相位信号采用vme提取心跳信号，并对得到的心跳信号采用fft测频。
[0162]
实验五：每隔k帧基于能量选一个距离门，并从选取的距离门中提取相位信号。提取的相位信号采用vme提取心跳信号，并对得到的心跳信号采用fft测频。
[0163]
实验六：对实验二提取的相位信号采用vme提取心跳信号，并对得到的心跳信号采用fft测频。
[0164]
如图5所示，为实验一和实验二提取的相位信号分别进行fft得到的频谱图。虚线为实验一得到的相位信号进行fft得到的频谱，实线为实验二得到的相位信号进行fft得到的频谱。polar h10胸带传感器给出的参考心跳速率为79bpm，则其对应的心跳信号频率为1.316hz。如图5所示，实线的峰值频率为1.317hz，而虚线中的峰值发生了偏移，真实的心跳峰值被噪声信号所掩盖，因此通过基于方差的自适应距离门选取的距离门包含了更多的心跳信息，干扰更小。
[0165]
为了评估本发明方案心率估计的准确性，我们利用polar h10胸带传感器测量的心率作为参考心率，并使用平均绝对误差(mae)作为测试度量，定义为：
[0166][0167]
其中：
[0168]
w表示观察时间内的时间窗口总数；
[0169]
bpm
true
(l)表示第l个时间窗内的参考值；
[0170]
bpm
est
(l)表示l个时间窗内的测量值。
[0171]
为了防止实验结果的偶尔性，我们选择了10名不同年龄和性别的人用三种实验方法进行多次实验求其平均值。10名志愿者在静止状态下，采用实验三、实验四、实验五和实验六测得的心率平均绝对误差分别为2.219bpm、2.188bpm、3.234bpm和1.453bpm。可以看到，使用本发明提出的基于方差的自适应距离门选取方法可以提高心率估计精度，进而表明了该距离门选取方法的有效性。
[0172]
为了进一步验证所提出算法的稳定性，我们通过计算10组不同数据mae的标准差，对稳定性进行了比较分析，如表3所示。
[0173]
表3静止状态下不同实验测得心率的mae
[0174][0175]
在距离雷达1米处，静止状态下实验六心率检测方法mae的标准差为0.445，而实验三、实验四和实验室五心率检测方法mae的标准差分别为0.848、0.887和1.669。结果表明，本发明下的心率检测具有较高的稳定性。
[0176]
图6表示在静止状态下实验六得到的心率值与polar h10胸带传感器给出的心率参考值的比较。可以看出，本发明估计心率与心率参考值几乎一致，波动趋势相同，能够很好地反映当前心率波动情况。

技术特征：
1.一种基于自适应距离门的非接触式人体生命体征检测方法，其特征在于步骤为：步骤a、针对待测的人体目标，选用fmcw雷达对该目标人体发射n个线性调频脉冲串信号；雷达接收的各脉冲回波信号包含人体目标回波信号和杂波；将回波信号与发射信号混频，得到中频信号，再对中频信号采样得到的离散信号组成数据矩阵，且每一脉冲采样得到的结果放在一列；步骤b：对数据矩阵进行预处理得到预处理信号：根据数据矩阵得到距离矩阵，并将距离矩阵的每一行作为一个距离门，对距离矩阵进行静态杂波滤除；然后基于能量和相位方差确定人体目标所在的距离门，以准确提取人体反射的相位信息；再对相位进行解缠，解决相位信息中的断点问题，然后对解缠信号进行相位差处理得到相位差信号，再对相位差信号进行脉冲噪声去除，得到预处理信号；步骤c：对预处理信号使用变分模式提取算法提取出人体特征信号；步骤d：使用快速傅里叶变换对提取出的人体特征信号进行人体特征估计。2.如权利要求1所述的基于自适应距离门的非接触式人体生命体征检测方法，其特征在于：步骤a采用毫米波雷达生命检测系统来获取经目标人体反射的回波信号，所述的毫米波雷达生命检测系统包括信号发生器、功率放大器、低噪声放大器、低通滤波器和模数转换器模块。3.如权利要求1所述的基于自适应距离门的非接触式人体生命体征检测方法，其特征在于步骤a具体为：步骤a.1、使用以下公式计算雷达前端的信号发生器产生的线性调频脉冲串信号：其中，a
t
表示发射信号的幅值，是相位噪声，b是信号的带宽，t
d
是信号的持续时间，f
min
是信号的初始频率；接收天线接收的来自目标人体的回波信号表示为：其中，a
r
表示回波信号的幅值，τ是回波信号相对于发射信号的时延；假设目标人体相对于雷达的初始距离为r0，在目标人体相对静止情况下由生命体中信号造成的胸腔位移为x(t)，则目标人体与雷达的实时距离为r(t)＝r0+x(t)，时延τ为其中c为光速；该回波信号在由低噪声放大器放大之后与本地阵列信号混合，产生的中频信号表示为：其中，是中频信号的相位；步骤a.2，中频信号进入模数转换器进行a/d采样，得到回波信号的数据矩阵，且将每一个线性调频脉冲串信号的采样结果放在一列,共n个线性调频信号。4.如权利要求1所述的基于自适应距离门的非接触式人体生命体征检测方法，其特征在于所述步骤b具体包括以下步骤：步骤b.1、对数据矩阵的每一列进行m维的距离维傅里叶变换处理，共n列，得到含有目
标人体距离信息的距离矩阵r[m,n]，m＝1,
…
m，n＝1,
…
n，其m,n分别代表元素在矩阵中的行号和列号；距离矩阵r[m,n]的每一行为一个距离门，每一个距离门的平均值视为该距离门的静态杂波；静态杂波去除后得到r'[m,n]；静态杂波滤除的计算公式为：5.如权利要求4所述的基于自适应距离门的非接触式人体生命体征检测方法，其特征在于所述步骤b还包括以下步骤：步骤b.2、雷达发射的所有帧划分为多个块，每个块包括k帧；在同一块内，将第1帧选择的距离门用于该块的所有帧；确定人体目标所在的距离门的过程包括：第一阶段，基于能量选择第一个块的距离门；第二阶段，基于相位方差选择后续块的距离门，且各后续块的候选距离门只考虑前一块所选距离门附近的距离门，包括其前后各a个距离门共2a+1个距离门，在候选距离门内，当前帧及其前后各b帧共2b+1个帧的相位方差最大的距离门视为人体目标所在的距离门；a、b为预设整数值。6.如权利要求5所述的基于自适应距离门的非接触式人体生命体征检测方法，其特征在于所述步骤b.2中确定人体目标所在的距离门的具体步骤为：设u
i
表示第i个块，r
j
表示第j个距离门，f
t
表示第t个帧；首先基于能量选择第一个块中所有帧的距离门：设在第一帧的所有距离门中，具有最大能量的距离门为r，则u1中的k帧皆选取r作为目标人体所在的距离门；除了第一块，所有后续块都基于方差选取距离门：对于u
i
，假设u
i-1
选择的距离门是r
j
，则u
i
的候选距离门为[r
j-a
,r
j+a
]共2a+1个距离门，u
i
中进行距离门选取的帧为f
(i-1)*k+1
，计算从f
(i-1)*k+1-b
到f
(i-1)*k+1+b
共2b+1帧在候选距离门中的相位方差，方差最大的距离门视为u
i
中所有帧的目标人体所在的距离门；在每个候选距离门处相位方差的计算公式为：其中，代表第u帧在第v个距离门处的相位，表示从f
(i-1)*k+1-b
到f
(i-1)*k+1+b
共2b+1帧在第v个距离门处相位的平均值；相位方差最大的距离门即为u
i
对应的人体目标所在的距离门。7.如权利要求5所述的基于自适应距离门的非接触式人体生命体征检测方法，其特征在于所述步骤b还包括以下步骤：步骤b.3、从每一帧所选的距离门中提取出相位φn)，并对相位进行解缠，解缠公式如下：对解缠后的相位进行相位差处理，即用后一个相位的值减去前一个相位的值，经过相位差处理的信号即为相位差信号；对相位差信号进行脉冲噪声去除处理，得到的信号即为预处理信号s(t)。
8.如权利要求5所述的基于自适应距离门的非接触式人体生命体征检测方法，其特征在于所述步骤c包括以下步骤：步骤c.1、将预处理信号s(t)分解为期望模式的人体特征信号u
r
(t)和残差信号f
k
(t)；然后，基于人体特征信号的中心频率w
r
，通过最小化得到人体特征信号的带宽i1：其中表示对t求偏微分，δ(t)为狄拉克分布，*为卷积，u
r
(t)为t时刻的人体特征信号，i和j为复数单位；步骤c.2、基于f
k
(t)与u
r
(t)之间的频谱重叠最小化定义惩罚函数i2：其中，γ(t)为预设的滤波器的脉冲响应；步骤c.3、设定人体特征信号u
r
(t)、残差信号f
k
(t)和中心频率w
r
三者之间满足为收敛条件，其中η为平衡参数，然后，通过迭代子优化求取人体特征信号u
r
(t)，具体步骤如下所述：步骤c.3.1、将人体特征信号u
r
(t)、残差信号f
k
(t)和拉格朗日乘子λ(t)通过变分模式转化为频域表示的匹配滤波器输出人体特征信号残差信号和拉格朗日乘子步骤c.3.2、初始化：令令设循环变量m，令m＝1，启动迭代；步骤c.3.3、第m次迭代时，使用乘数算法的交替方向法计算步骤c.3.3、第m次迭代时，使用乘数算法的交替方向法计算和并通过对偶上升法计算频域表示的拉格朗日乘子并通过对偶上升法计算频域表示的拉格朗日乘子并通过对偶上升法计算频域表示的拉格朗日乘子并通过对偶上升法计算频域表示的拉格朗日乘子并通过对偶上升法计算频域表示的拉格朗日乘子其中τ为更新参数；步骤c.3.4、设定判别精度ζ，且ζ＞0，若与之间的收敛满足下式时：
则停止迭代，即求得频域表示的人体特征信号否则，令m＝m+1,继续执行步骤c.3.3-步骤c.3.4。9.如权利要求1至7任一所述的基于自适应距离门的非接触式人体生命体征检测方法，其特征在于所述步骤d包括以下步骤：步骤d.1、对人体特征信号进行快速傅里叶变换，将频谱幅值最大处的频率f作为人体特征信号频率；步骤d.2，计算人体特征的次数。10.如权利要求9所述的基于自适应距离门的非接触式人体生命体征检测方法，其特征在于：如果所述人体特征信号为心跳信号，步骤d.1求取的心跳信号频率为f
h
，则每分钟心跳次数为：hr＝f
h
×
60；如果所述人体特征信号为呼吸信号，步骤d.1求取的呼吸信号频率为f
b
，则每分钟呼吸次数为：br＝f
b
×
60。

技术总结
本发明公开了一种基于自适应距离门的非接触式人体生命体征检测方法，步骤包括：步骤A、将发射后得到的回波信号与发射信号混频得到中频信号，再对中频信号采样得到的离散信号组成数据矩阵；步骤B：基于方差的自适应距离门选取方法确定目标人体所在的距离门，得到预处理信号；步骤C：对预处理信号使用变分模式提取算法提取出人体特征信号；步骤D：使用快速傅里叶变换对提取出的人体特征信号进行人体特征估计。本发明将基于相位方差的自适应距离门选取方法和变分模式提取算法深度融合，实现了人体生命体征检测的准确估计。体生命体征检测的准确估计。体生命体征检测的准确估计。


技术研发人员：刘云学 周敏
受保护的技术使用者：烟台大学
技术研发日：2023.05.18
技术公布日：2023/8/14