本發(fā)明涉及生物雷達(dá)，具體涉及一種基于mfo-svmd算法的fmcw雷達(dá)非接觸式生命體征提取方法。

背景技術(shù)：

1、生物雷達(dá)在工作原理上主要分為連續(xù)波雷達(dá)和脈沖雷達(dá)兩種。脈沖雷達(dá)在提取生命體征方面具有更好的目標(biāo)識(shí)別能力和信號(hào)分辨率，能夠更準(zhǔn)確地測(cè)量生命體征參數(shù)并跟蹤目標(biāo)運(yùn)動(dòng)，適用于需要高精度監(jiān)測(cè)的場(chǎng)景，如醫(yī)療衛(wèi)生領(lǐng)域或安全監(jiān)測(cè)領(lǐng)域。然而，由于功耗高和系統(tǒng)復(fù)雜，可能不適用于長(zhǎng)時(shí)間監(jiān)測(cè)或移動(dòng)設(shè)備。連續(xù)波雷達(dá)在生命體征提取方面功耗較低、適合長(zhǎng)時(shí)間監(jiān)測(cè)，可實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)和簡(jiǎn)便操作，適用于需要持續(xù)監(jiān)測(cè)和移動(dòng)設(shè)備中的生命體征監(jiān)測(cè)。但連續(xù)波雷達(dá)信號(hào)連續(xù)變化可能導(dǎo)致信號(hào)分辨率較低，測(cè)距精度不如脈沖雷達(dá)高。因此，在選擇雷達(dá)系統(tǒng)用于生命體征提取時(shí)，需綜合考慮監(jiān)測(cè)要求、功耗、成本、精度等因素進(jìn)行權(quán)衡。

2、調(diào)頻連續(xù)波(fmcw)雷達(dá)作為連續(xù)波雷達(dá)的一種，在生命體征提取方面具有多重優(yōu)勢(shì)。首先，它具有高分辨率，能夠提供精確的距離分辨率和速度分辨率，捕捉微小生命體征變化；其次，fmcw雷達(dá)在測(cè)距精度上優(yōu)于傳統(tǒng)連續(xù)波雷達(dá)，能夠準(zhǔn)確測(cè)量生命體征信號(hào)的距離信息。此外，fmcw雷達(dá)通過(guò)不同頻率信號(hào)相互比較以提高信噪比，更好地提取生命體征信號(hào)并降低干擾。最重要的是，fmcw雷達(dá)具有實(shí)時(shí)監(jiān)測(cè)能力，能夠連續(xù)變化的頻率調(diào)制信號(hào)實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)，適用于需要高精度和實(shí)時(shí)性的生命體征監(jiān)測(cè)場(chǎng)景。綜合而言，fmcw雷達(dá)是一種適用于生命體征提取的高性能雷達(dá)系統(tǒng)。

3、生命體征信號(hào)提取和分離是一個(gè)重要的研究領(lǐng)域。獨(dú)立成分分析(ica)是一種利用統(tǒng)計(jì)學(xué)方法將混合信號(hào)分解為多個(gè)獨(dú)立信號(hào)的技術(shù)，但在處理單通道多分量信號(hào)時(shí)效果有限。深度學(xué)習(xí)(dl)已經(jīng)成為信號(hào)提取和分離領(lǐng)域中的重要技術(shù)之一，通過(guò)對(duì)大規(guī)模數(shù)據(jù)進(jìn)行訓(xùn)練，dl方法能夠?qū)崿F(xiàn)更準(zhǔn)確的信號(hào)提取和分離，然而，這些方法受到數(shù)據(jù)集和響應(yīng)時(shí)間的限制。由于微小運(yùn)動(dòng)的干擾和生命體征頻率的變化，傳統(tǒng)的帶通濾波器并不總能產(chǎn)生可靠的結(jié)果。

4、中國(guó)專(zhuān)利文獻(xiàn)cn112263242a公開(kāi)了一種基于fmcw雷達(dá)的呼吸檢測(cè)及模式分類(lèi)方法，首先通過(guò)fmcw雷達(dá)系統(tǒng)采集數(shù)據(jù)，并通過(guò)對(duì)數(shù)據(jù)計(jì)算來(lái)進(jìn)行呼吸及心跳信號(hào)的分離、提取，實(shí)現(xiàn)對(duì)生命體征的非接觸測(cè)量；其次通過(guò)利用矩形窗計(jì)算各時(shí)段呼吸的能量譜及閾值，比較二者大小實(shí)現(xiàn)對(duì)呼吸暫停的精準(zhǔn)判斷；最后分別利用vpd尋峰算法提取峰值、谷值及二者差值；計(jì)算歸一化短時(shí)能量的平均值和標(biāo)準(zhǔn)差；利用hht提取瞬時(shí)頻率的平均值、標(biāo)準(zhǔn)差和最小值，最后采用svm支持向量機(jī)和k鄰近算法對(duì)提取的特征值分類(lèi)，從而實(shí)現(xiàn)對(duì)多種呼吸模式的有效識(shí)別。

5、中國(guó)專(zhuān)利文獻(xiàn)cn112472051a公開(kāi)了一種生命體征監(jiān)測(cè)的毫米波雷達(dá)裝置、方法及系統(tǒng)，包括：毫米波雷達(dá)傳感模塊和數(shù)據(jù)處理模塊；所述毫米波雷達(dá)傳感器模塊發(fā)送雷達(dá)信號(hào)到目標(biāo)人體胸腔表面，且接收返回的回波信號(hào)；所述數(shù)據(jù)處理模塊根據(jù)回波信號(hào)計(jì)算單位時(shí)間內(nèi)胸腔表面起伏的距離信息，根據(jù)距離信息中的相位差信號(hào)提取呼吸信號(hào)和心跳信號(hào)，根據(jù)呼吸信號(hào)和心跳信號(hào)得到呼吸頻率和心跳頻率?；趂mcw雷達(dá)體制，獲取由人體肌體表面反射的雷達(dá)回波，通過(guò)對(duì)單位時(shí)間內(nèi)目標(biāo)點(diǎn)距離信息及肌體表面微動(dòng)信息變化的計(jì)算，實(shí)現(xiàn)對(duì)人體的心電信號(hào)的檢測(cè)，實(shí)現(xiàn)非接觸式無(wú)感精準(zhǔn)監(jiān)測(cè)人體呼吸、心率，可應(yīng)用于醫(yī)療、護(hù)理等相關(guān)領(lǐng)域。

6、中國(guó)專(zhuān)利文獻(xiàn)cn116570256a公開(kāi)了一種基于自適應(yīng)距離門(mén)的非接觸式人體生命體征檢測(cè)方法，步驟包括：步驟a、將發(fā)射后得到的回波信號(hào)與發(fā)射信號(hào)混頻得到中頻信號(hào)，再對(duì)中頻信號(hào)采樣得到的離散信號(hào)組成數(shù)據(jù)矩陣；步驟b：基于方差的自適應(yīng)距離門(mén)選取方法確定目標(biāo)人體所在的距離門(mén)，得到預(yù)處理信號(hào)；步驟c：對(duì)預(yù)處理信號(hào)使用變分模式提取算法提取出人體特征信號(hào)；步驟d：使用快速傅里葉變換對(duì)提取出的人體特征信號(hào)進(jìn)行人體特征估計(jì)。本發(fā)明將基于相位方差的自適應(yīng)距離門(mén)選取方法和變分模式提取算法深度融合，實(shí)現(xiàn)了人體生命體征檢測(cè)的準(zhǔn)確估計(jì)。

7、中國(guó)專(zhuān)利文獻(xiàn)cn117958786a公開(kāi)了一種基于fmcw雷達(dá)生命體征檢測(cè)方法，該方法僅需采用單接收天線(xiàn)單通道數(shù)據(jù)便可實(shí)現(xiàn)體征檢測(cè)，屬于非接觸式生命體征檢測(cè)技術(shù)領(lǐng)域。首先將雷達(dá)中頻信號(hào)存儲(chǔ)為二維數(shù)據(jù)矩陣，通過(guò)對(duì)快時(shí)間維度進(jìn)行傅里葉變換得到距離信息，通過(guò)靜態(tài)目標(biāo)過(guò)濾算法濾除靜態(tài)目標(biāo)雜波干擾后，確定了人體所在位置，從人體位置處提取相位信息后，進(jìn)行周期信號(hào)倍增算法以及心率尋優(yōu)方程，最終通過(guò)最優(yōu)化算法成功獲得體征信息的求解。本發(fā)明無(wú)需測(cè)試人員保持全程靜止?fàn)顟B(tài)，能夠有效減小人體肢體運(yùn)動(dòng)的干擾，實(shí)現(xiàn)不同體態(tài)下的生命體征檢測(cè)。

8、為了有效提取和分離呼吸和心跳信號(hào)，研究人員已經(jīng)開(kāi)發(fā)了多種自適應(yīng)濾波方法，包括小波變換、經(jīng)驗(yàn)?zāi)B(tài)分解(emd)、互補(bǔ)集合經(jīng)驗(yàn)?zāi)B(tài)分解(ceemd)、變分模態(tài)分解(vmd)等，然而這些方法在實(shí)際應(yīng)用中仍存在一些問(wèn)題需要解決。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的是提供一種基于mfo-svmd算法的fmcw雷達(dá)非接觸式生命體征提取方法，降低環(huán)境噪聲的干擾和算法復(fù)雜度，并且自適應(yīng)設(shè)置平衡參數(shù)，可以滿(mǎn)足實(shí)時(shí)性和高精度的需求。

2、為了解決上述技術(shù)問(wèn)題，本發(fā)明采用的技術(shù)方案是，該基于mfo-svmd算法的fmcw雷達(dá)非接觸式生命體征提取方法，具體包括以下步驟：

3、s1：首先布設(shè)好fmcw雷達(dá)，發(fā)射天線(xiàn)不斷發(fā)出連續(xù)變化頻率的連續(xù)波信號(hào)，接收天線(xiàn)接收由人體反射回來(lái)的回波信號(hào)；

4、s2：接收到回波信號(hào)后，對(duì)其進(jìn)行預(yù)處理操作，獲得包含生命體征信息的相位差分信號(hào)；

5、s3：對(duì)獲得的相位差分信號(hào)進(jìn)行mfo-svmd分解，獲得包含呼吸心跳信號(hào)分量的多個(gè)模態(tài)分量；

6、s4：對(duì)分解得到的每個(gè)模態(tài)分量進(jìn)行方差貢獻(xiàn)率的計(jì)算，并根據(jù)呼吸心跳信號(hào)方差貢獻(xiàn)率與其他信號(hào)分量的方差貢獻(xiàn)率的區(qū)別進(jìn)行信號(hào)篩選，從而獲得所需的呼吸和心跳信號(hào)。

7、采用上述技術(shù)方案，首先需要對(duì)原始回波信號(hào)進(jìn)行預(yù)處理操作得到生命體征提取算法所需要的相位差分信號(hào)。對(duì)預(yù)處理之后獲得的相位差分信號(hào)進(jìn)行連續(xù)變分模態(tài)分解(svmd)時(shí)需要設(shè)置合適的平衡參數(shù)，因此利用飛蛾撲火優(yōu)化算法對(duì)參數(shù)進(jìn)行尋優(yōu)。完成分解后，采用方差貢獻(xiàn)對(duì)分解得到的本征模函數(shù)(imf)進(jìn)行篩選，得到呼吸和心跳信號(hào)。此方法降低了環(huán)境噪聲的干擾和算法復(fù)雜度，并且自適應(yīng)設(shè)置平衡參數(shù)α，避免了α值過(guò)低，導(dǎo)致模態(tài)混疊嚴(yán)重，α值過(guò)高，導(dǎo)致分解出來(lái)的模態(tài)過(guò)多不便于分析。mfo-svmd分解全局搜索能力強(qiáng)，能夠得到更好的平衡參數(shù)優(yōu)化結(jié)果，且相較于vmd來(lái)說(shuō)，不需要提前知道分解的模態(tài)分量個(gè)數(shù)，算法復(fù)雜度低。相對(duì)于背景技術(shù)的專(zhuān)利文獻(xiàn)種的技術(shù)方案的創(chuàng)新點(diǎn)，mfo-svmd分解首先不需要提前設(shè)定呼吸心跳的頻率范圍，可以提取到更多呼吸心跳的異常值，其次能夠提取到較為干凈的呼吸心跳信號(hào)，最后擺脫了人工設(shè)定參數(shù)的依賴(lài)，靈活適用于各種信號(hào)類(lèi)型的自適應(yīng)分解和處理。

8、優(yōu)選地，所述步驟s1中fmcw雷達(dá)的頻率范圍為77ghz-81ghz，采用單發(fā)單收模式；回波信號(hào)的數(shù)據(jù)格式為m×n的相位矩陣，m為快時(shí)間采樣點(diǎn)，n為慢時(shí)間采樣點(diǎn)。

9、優(yōu)選地，所述步驟s2的具體步驟為：

10、s21：對(duì)接收到的回波信號(hào)進(jìn)行距離維fft操作；

11、s22：對(duì)距離維fft操作后的回波信號(hào)進(jìn)行靜態(tài)雜波濾除操作；

12、s23：對(duì)靜態(tài)雜波濾除處理后的回波信號(hào)進(jìn)行最大距離門(mén)選擇操作，確定目標(biāo)所在距離門(mén)；

13、s24：對(duì)該距離門(mén)內(nèi)的相位信息進(jìn)行提取，獲取準(zhǔn)確的相位值。

14、優(yōu)選地，所述步驟s21中的距離維fft操作的具體步驟為：

15、首先確定目標(biāo)所在位置，雷達(dá)發(fā)射天線(xiàn)發(fā)射啁啾(chirp)信號(hào)之后，經(jīng)過(guò)時(shí)間τ后，接收天線(xiàn)收到目標(biāo)反射回來(lái)的信號(hào)，其頻率差為sτ，即可得到中頻if信號(hào)；

16、中頻if信號(hào)的頻率f0為：

17、f0＝sτ；

18、式中，s為chirp的斜率，τ為延時(shí)時(shí)間；

19、由于延時(shí)與目標(biāo)距離有關(guān)，因此延時(shí)時(shí)間的公式為：

20、

21、式中，d為雷達(dá)與目標(biāo)之間的距離，c為光速；

22、綜上，由中頻if信號(hào)的頻率即可得到目標(biāo)與雷達(dá)之間的距離，公式為：

23、

24、由上面公式推導(dǎo)可知采用距離維fft，雷達(dá)if信號(hào)可以直接進(jìn)行fft變換，獲取目標(biāo)的頻率信息，然后通過(guò)頻率-距離轉(zhuǎn)換，即可確定目標(biāo)的距離信息，進(jìn)而確定目標(biāo)的位置。

25、優(yōu)選地，所述步驟s22中的距靜態(tài)雜波濾除操作的具體步驟為：

26、首先對(duì)所有接收信號(hào)求平均得到參考接收信號(hào)，參考接收信號(hào)的表達(dá)式如下：

27、

28、式中，n為發(fā)射chirp信號(hào)的總數(shù)量，m為快時(shí)間維(距離維)采樣點(diǎn)，i為慢時(shí)間維(速度維)采樣點(diǎn)；

29、然后，利用每一個(gè)接收信號(hào)減去參考接收信號(hào)得到目標(biāo)回波信號(hào)，相量均值相消表達(dá)式為：

30、

31、式中，n代表第n個(gè)接收信號(hào)。采用相量均值相消算法來(lái)消除靜態(tài)雜波的影響。

32、優(yōu)選地，所述步驟s23中的最大距離門(mén)選擇操作為采用最大距離門(mén)選擇算法，通過(guò)提取距離門(mén)(快時(shí)間維采樣點(diǎn))上能量最大處所對(duì)應(yīng)慢時(shí)間信號(hào)作為所需要的含有生命體征的相位信號(hào)；具體步驟為：

33、對(duì)慢時(shí)間維上每一組數(shù)據(jù)進(jìn)行平方求和，得到數(shù)值最大的一組所對(duì)應(yīng)的距離單元，即為被選擇的最大距離門(mén)，其表達(dá)式為：

34、

35、式中，m為每個(gè)chirp中采樣點(diǎn)數(shù)，a為快時(shí)間維采樣點(diǎn)，n為慢時(shí)間維采樣點(diǎn)；

36、所述步驟s24中的具體步驟為：

37、通過(guò)距離維fft得到的結(jié)果用復(fù)信號(hào)來(lái)表示，該復(fù)信號(hào)的實(shí)部和虛部構(gòu)成了雷達(dá)中頻信號(hào)的真實(shí)相位信息；利用反正切解調(diào)可以計(jì)算出回波信號(hào)的相位值，其表達(dá)式為：

38、

39、式中，n表示第n個(gè)chirp內(nèi)目標(biāo)所對(duì)應(yīng)的相位值，i、q分別表示目標(biāo)所在距離門(mén)對(duì)應(yīng)的距離維fft結(jié)果的虛部和實(shí)部。

40、優(yōu)選地，所述步驟s3的具體步驟為：

41、s31：采用飛蛾撲火算法mfo優(yōu)化svmd的平衡參數(shù)；

42、s32：采用svmd算法通過(guò)在信號(hào)上連續(xù)應(yīng)用變分模式提取(vme)在信號(hào)中進(jìn)行分解，在分解過(guò)程中，通過(guò)引入一些約束條件來(lái)避免收斂到之前提取模式，直到提取所有模式或重建誤差小于設(shè)定閾值為止，獲得包含呼吸心跳信號(hào)分量的多個(gè)模態(tài)分量。

43、優(yōu)選地，所述步驟s31的具體步驟為：

44、s311：初始化mfo的相關(guān)參數(shù)，包括種群數(shù)、最大迭代次數(shù)、維度等，并設(shè)定svmd算法的平衡參數(shù)α的上下界；

45、s312：在搜索空間中隨機(jī)生成飛蛾種群，飛蛾種群中每個(gè)飛蛾都代表一個(gè)平衡參數(shù)，基于所述飛蛾群中的飛蛾對(duì)預(yù)處理后的相位差分信號(hào)進(jìn)行svmd分解，計(jì)算出每個(gè)飛蛾個(gè)體的適應(yīng)度值；

46、s313：重復(fù)更新進(jìn)行迭代直至達(dá)到最大迭代次數(shù)；

47、s3131更新火焰位置：當(dāng)?shù)螖?shù)為1時(shí)，將以適應(yīng)度值升序排序后的飛蛾位置賦值給火焰；當(dāng)?shù)螖?shù)大于1時(shí)，如果任意一個(gè)飛蛾搜索過(guò)程中適應(yīng)度值優(yōu)于該火焰，則更新所對(duì)應(yīng)火焰；

48、s3132更新搜索參數(shù)：自適應(yīng)減少火焰數(shù)量，更新飛蛾的搜索參數(shù)；

49、s3133更新飛蛾位置：根據(jù)每飛蛾所對(duì)應(yīng)的火焰與飛行參數(shù)更新飛蛾的位置；

50、s314：迭代結(jié)束時(shí)，輸出最優(yōu)解(火焰)，得到α的最優(yōu)值。

51、優(yōu)選地，所述步驟s32中svmd算法的基本準(zhǔn)則包括：每個(gè)模態(tài)分量應(yīng)圍繞其中心頻率緊湊、uk(t)和xr(t)之間的光譜重疊應(yīng)最小化、先前模態(tài)分量中心頻率附近頻率處uk(t)的能量最小化和原始信號(hào)x(t)應(yīng)該從k模態(tài)分量和xu(t)完全重建；根據(jù)基本準(zhǔn)則將模態(tài)分量的提取轉(zhuǎn)換為約束最小化問(wèn)題，再引入二次懲罰項(xiàng)和拉格朗日乘子λ，建立增廣拉格朗日函數(shù)將約束最小化問(wèn)題轉(zhuǎn)化為無(wú)約束問(wèn)題，再根據(jù)帕塞瓦爾(parseval)定理，將增廣拉格朗日函數(shù)轉(zhuǎn)化到頻域上，使用交替乘子法(admm)求解上述最小化問(wèn)題，尋找拉格朗日鞍點(diǎn)，迭代更新獲得最終解。

52、優(yōu)選地，所述步驟s4中的方差貢獻(xiàn)率的計(jì)算公式為：

53、

54、式中，d(imfk)表示第k個(gè)imf的方差，vk表示第k個(gè)imf的方差貢獻(xiàn)率。

55、與現(xiàn)有技術(shù)相比，本發(fā)明具有的有益效果是：該基于mfo-svmd算法的fmcw雷達(dá)非接觸式生命體征提取方法利用fmcw雷達(dá)實(shí)現(xiàn)生命體征提取是通過(guò)探測(cè)由呼吸和心跳引起的胸壁起伏造成在特定的距離門(mén)上的fmcw雷達(dá)回波信號(hào)的相位變化的原理。首先需要對(duì)原始回波信號(hào)進(jìn)行預(yù)處理操作得到生命體征提取算法所需要的相位差分信號(hào)。對(duì)預(yù)處理之后獲得的相位差分信號(hào)進(jìn)行連續(xù)變分模態(tài)分解(svmd)時(shí)需要設(shè)置合適的平衡參數(shù)，因此利用飛蛾撲火優(yōu)化算法對(duì)參數(shù)進(jìn)行尋優(yōu)。完成分解后，采用方差貢獻(xiàn)對(duì)分解得到的本征模函數(shù)(imf)進(jìn)行篩選，得到呼吸和心跳信號(hào)。此方法降低了環(huán)境噪聲的干擾和算法復(fù)雜度，并且自適應(yīng)設(shè)置平衡參數(shù)α，避免了α值過(guò)低，導(dǎo)致模態(tài)混疊嚴(yán)重，α值過(guò)高，導(dǎo)致分解出來(lái)的模態(tài)過(guò)多不便于分析。該基于fmcw雷達(dá)非接觸式生命體征提取方法，不僅具有高精度和實(shí)時(shí)性好的優(yōu)點(diǎn)，同時(shí)克服了傳統(tǒng)生命體征儀器需要佩戴的局限性，避免了交叉感染的風(fēng)險(xiǎn)，在特殊場(chǎng)景下具有更加廣泛的適用性。