基于毫米波雷达的生命体征信号检测研究.pdfVIP

摘要

心跳和呼吸是人体重要的生命体征信号，检测方式有心电图仪（ECG）和光体积变化描

记（PPG）。心电图仪和光体积都为接触式的检测方式，在对重感染的病人、重度烧伤患者体

征信号检测时有很大的局限性。为了适应新的需求，非接触式生命体征信号检测技术的研究

得到了极大的关注。毫米波雷达凭借带宽宽、波束窄、分辨率高、体积小便于携带等优点在

健康医疗领域有着很大的应用前景。通过毫米波雷达检测呼吸和心跳引起的人体胸壁表面的

运动，对回波信号进一步处理来提取呼吸和心跳速率。围绕毫米波雷达对生命体征信号检测

进行了研究，本文主要研究内容如下：

首先详细介绍了通过毫米波雷达检测生命体征信号的原理，并建立了信号检测和处理流

程，其中包括信号采集、信号预处理和体征信号速率估计。在信号预处理中，通过构建雷达

回波信号模型对雷达回波前端信号处理算法进行验证。

随后对相位信号进行生命体征速率估计，在实际信号测试中，为了减少背景噪声的影

响，使用均值滤波算法对前端信号进行平滑滤波。接下来采用了短时傅里叶变换（STFT）、

变分模态分析（VMD）、滑窗-MUSIC算法对呼吸和心跳信号进行时频分析。对于STFT算

法，选择合适的信号观察窗口长度来平衡频率分辨率和局部变化分辨能力之间的矛盾。对于

滑窗-MUSIC算法，采用滑窗算法来加强MUSIC算法的实时性，对单人生命体征信号在一段

时间内（190s），检测准确率达到93.3%。通过对三种算法处理结果的对比分析发现，STFT

算法更适用于在信号频谱复杂度较低的情况（比如对呼吸信号的频率估计），VMD算法在心

肺信号平稳的情况下时域信号分解效果较好，相较于其它两种方式滑窗-MUSIC算法抗谐波

干扰能力强、频率分辨率高、准确度高。

最后本文采用滑窗—MUSIC算法探讨在雷达与人体不同夹角的场景下、平躺和站立场景

下、两人坐立场景下对生命体征信号检测的可能性。通过对实时测试结果的分析，在相对静

止的场景下，该算法能够可靠的对生命体征信号进行检测，但是在走动场景下该算法可靠性

弱。

关键词：生命体征，非接触式，毫米波雷达，时频分析，滑窗—MUSIC

ABSTRACT

Heartbeatandbreathing（respiration）areimportantvitalsignsofthehumanbody.The

detectionmethodsincludeelectrocardiograph(ECG)andphotoplethysmography(PPG).Bothofthe

detectionmethodsarecontact-type,whichhavegreatlimitationsindetectingsignsofpatientswith

severeinfectionsandthosewithsevereburns.Inordertomeetthenewdemands,theresearchof

non-contactvitalsignsdetectiontechnologyhasgottengreatattention.Duetotheadvantagessuchas

widebandwidth,marrowbeam,highresolution,smallandportableetc.,millimeterwaveradarhas

greatpotentialinhealthcarefield.Inthisthesis，themovementonthesurfaceofhumanchestwall

bybreathingandheartbeatcanbedetectedbymillimeterwaveradar.Byfurtheranalyzingecho

signals,breathingandheartratecanbeextracted.