基于毫米波雷达的呼吸与心跳检测技术研究.pdfVIP

摘要

摘要

呼吸和心跳等基础生命体征作为临床医学领域的核心监测参数，其生理学价

值体现在对机体功能状态的实时反馈作用。呼吸和心跳的跟踪监测对预防心血管

疾病与呼吸系统疾病具有重要意义。毫米波雷达因其无创感知特性、高灵敏度检

测、全天候适应性以及易于集成等优点，在生命体征检测领域中具有独特优势。

然而心跳信号往往受到呼吸信号高次谐波干扰，导致难以准确监测心率变化,且

人体的身体运动极易将呼吸信号与心跳信号覆盖，影响呼吸速率与心率的准确监

测。针对上述问题，本文具体工作如下：

（1）依据调频连续波（FrequencyModulatedContinuousWave，FMCW）体

制雷达的信号特性、基本架构、距离测量与速度测量原理等基础理论，研究了基

于FMCW雷达的生命体征检测模型，并推导了由呼吸与心跳引起的胸腔微动信号

的相位调制方程，为后续生命体征的估计奠定了理论基础。

（2）针对生命体征信号难以提取，呼吸信号高次谐波干扰心率估计等问题，

提出了基于非线性最小二乘法（NonlinearLeastSquares，NLS）的生命体征检

测技术。构建了基于NLS算法的生命体征信号的数学模型，并实现了采用NLS

算法进行生命体征检测。同时，采用慢时间相位相关方法作为辅助技术，在呼吸、

心跳信息不丢失的前提下，增强信号能量。最后，通过实验结果证明所提出NLS

算法能够有效估计人体呼吸速率参数。

（3）针对人体运动时心率监测准确度低的问题，引入卡尔曼滤波（Kalman

Filter，KF）思想，提出基于卡尔曼滤波的自适应非线性最小二乘（Kalman

Filter-AdaptiveNonlinearLeastSquares，KF-ANLS）的心率估计算法。人体

运动幅度相对胸腔位移幅度更大，且具有不规律性，为了验证KF-ANLS算法针对

心率时变特性的跟踪能力，对5名不同受试者心率数据进行实验，结果显示，

KF-ANLS算法可对静止时的人体心率实现准确估计。同时，KF-ANLS算法在受试

者谈话、手持设备操作及使用鼠标三种身体运动干扰下均表现出良好的心率估计

性能，进一步提高了身体运动干扰下的心率估计准确度。

关键词：毫米波雷达呼吸率检测心率检测非线性最小二乘算法卡尔曼滤波

I

Abstract

Abstract

Asthecoremonitoringparametersinthefieldofclinicalmedicine,the

physiologicalvalueofbasicvitalsignssuchasrespiratoryandheartbeat

isreflectedinthereal-timefeedbackeffectonthefunctionalstatusofthe

organism.Follow-upmonitoringofrespiratoryandheartbeatisimportantfor

thepreventionofcardiovasculardiseasesalongwithrespiratorydiseases.

Millimeter-waveradarhasuniqueadvantagesinthefieldofvitalsigns

detectionduetoitsnon-invasivesensingproperties,highsensitivity

detection,all-weatheradaptability,andeaseofintegration.However,the

heartbeatsignaliseasilyinterferedbythehighharmonicsoftherespiration

signal,makingitdifficulttoaccuratelymonitorheartbeatchanges.Moreover,

thehumanbodysmovementcaneasilycovert