本發(fā)明屬于非接觸生命體征檢測，具體為一種基于全變分的毫米波雷達(dá)信號運(yùn)動噪聲去除方法。

背景技術(shù)：

1、隨著人口的增加，醫(yī)院中病人的病情各不相同，在遇到例如患有皮膚類疾病或者大面積燒傷的病人時，使用接觸式設(shè)備進(jìn)行心跳檢測并不合適，因此進(jìn)行非接觸時心跳信號檢測的研究很有必要。在使用毫米波雷達(dá)采集的人體胸腔信號時，人體不可能會完全保持靜止，總會有不自覺或不可察覺的運(yùn)動產(chǎn)生，因此采集的信號中經(jīng)常含的運(yùn)動噪聲。運(yùn)動噪聲的存在降低了胸腔信號數(shù)據(jù)的質(zhì)量，嚴(yán)重影響了它們在醫(yī)療，救援等領(lǐng)域的后續(xù)應(yīng)用。目前存在的運(yùn)動噪聲去除算法大致可分為兩類：基于濾波的方法和基于信號分解的方法，但是它們往往都存在一定的缺陷。其中，基于濾波的方法通常利用各種濾波器來去除運(yùn)動噪聲，例如切比雪夫?yàn)V波器、小波分解和小波-切比雪夫組合濾波器等?；谛盘柗纸獾姆椒ㄖ饕ㄟ^尋找模態(tài)分量的集合及其各自的中心頻率然后提取有用有效成分，例如經(jīng)驗(yàn)?zāi)B(tài)分解和變分模態(tài)分解。然而這兩類方法在處理非周期的不規(guī)則噪聲時，無法取得較好的效果。因此我們提出了一種基于全變分的毫米波雷達(dá)信號運(yùn)動噪聲去除方法，來解決運(yùn)動噪聲干擾的問題。

技術(shù)實(shí)現(xiàn)思路

1、(一)解決的技術(shù)問題

2、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種基于全變分的毫米波雷達(dá)信號運(yùn)動噪聲去除方法，解決了上述背景技術(shù)中所提出的問題。

3、(二)技術(shù)方案

4、本發(fā)明為了實(shí)現(xiàn)上述目的具體采用以下技術(shù)方案：

5、一種基于全變分的毫米波雷達(dá)信號運(yùn)動噪聲去除方法，具體包括以下步驟；

6、s1，從毫米波雷達(dá)回波信號數(shù)據(jù)集中獲取毫米波雷達(dá)采集數(shù)據(jù)矩陣后，進(jìn)行靜態(tài)雜波濾除、解纏和差分處理得到相位差信號；將相位差信號矩陣，按照胸腔信號周期依次取出每個周期的行向量，將這些取出的行向量依次放到胸腔信號灰度矩陣的每一行，考慮到信號所具有的周期性，因此新構(gòu)建的胸腔信號灰度矩陣在轉(zhuǎn)換為灰度圖像時，應(yīng)具有較為平滑的，同時在結(jié)構(gòu)上具有一定的稀疏特性。

7、s2，獲取含有運(yùn)動噪聲的胸腔信號圖像后，分別計算圖像不同方向的二階梯度信息，得到其水平方向的二階梯度、垂直方向的二階梯度和二階混合梯度，所述圖像不同方向的梯度信息計算公式為：

8、

9、其中：i(x,y)表示圖像的像素值，gxx(x,y)表示圖像水平方向的二階梯度信息，gyy(x,y)表示圖像垂直方向的二階梯度信息，gxy(x,y)表示圖像的二階混合梯度信息(x,y)表示圖像像素行列位置索引。

10、s3，根據(jù)不同方向的二階梯度信息得到噪聲與底層圖像結(jié)構(gòu)的稀疏特性，并通過引入lp偽范數(shù)設(shè)計了不同方向的二階正則化約束項(xiàng)；同時基于運(yùn)動噪聲的先驗(yàn)特性設(shè)計了全局的稀疏約束項(xiàng)，其相關(guān)表達(dá)式為：

11、r0＝||y-z||1

12、

13、

14、

15、其中：y表示不含噪聲的理想圖像，z表示受到噪聲污染的圖像，lx＝[-1,1]表示橫向差分的卷積核，ly＝[-1,1]t表示縱向差分的卷積核，r0表示全局的稀疏約束項(xiàng)，rxx表示水平二階正則化約束項(xiàng)，ryy表示垂直二階正則化約束項(xiàng)，rxy表示混合二階正則化約束項(xiàng)。

16、特別地，在圖像處理領(lǐng)域，一般將lp范數(shù)定義為lp偽范數(shù)定義為

17、s4，將s3中的不同方向的二階正則化約束和全局稀疏約束相結(jié)合，得到完整的去除隨機(jī)運(yùn)動噪聲的全變分模型表達(dá)式為：

18、

19、其中：μ表示二階稀疏正則項(xiàng)的系數(shù)。

20、s5，采用交替向乘子法對s4中的去除噪聲的全變分模型進(jìn)行迭代求解，包括以下步驟：

21、s501，通過引入中間變量將有約束問題轉(zhuǎn)換為無約束問題，并得到該問題的增廣拉格朗日函數(shù)。

22、所述無約束問題的增廣拉格朗日函數(shù)表達(dá)式為：

23、

24、其中：a0＝y(tǒng)-z，a1＝lx*lx*y，a2＝ly*ly*y，a3＝lx*ly*y，λ0、λ1、λ2和λ3表示拉格朗日乘子，γ0、γ1、γ2和γ3表示懲罰項(xiàng)的系數(shù)，max表示取最大值，min表示取最小值。

25、s502，對增廣拉格朗日函數(shù)中各變量的子問題進(jìn)行逐一求解，分別得到其迭代公式。

26、(1)由上述增廣拉格朗日函數(shù)，可以得到y(tǒng)的子問題為：

27、

28、

29、

30、

31、通過卷積定理與快速傅里葉變換，得到y(tǒng)的迭代公式為：

32、

33、

34、

35、式中：表示傅里葉變換的算子，表示傅里葉逆變換的算子，表示共軛映射，·表示點(diǎn)乘，/表示點(diǎn)除。

36、(2)由上述增廣拉格朗日函數(shù)，可以得到中間變量a0、a1、a2和a3的子問題分別為：

37、

38、

39、

40、

41、通過收縮定理，得到中間變量a0、a1、a2和a3的迭代公式為：

42、

43、

44、

45、

46、式中：

47、(3)最終，利用梯度上升法，得到拉格朗日乘子λ0、λ1、λ2和λ3的迭代公式為：

48、

49、

50、

51、

52、其中，λ為學(xué)習(xí)率。

53、s503，經(jīng)過對各變量的多次迭代，直到滿足相關(guān)條件或者最大迭代次數(shù)，最終可得到所求y的最優(yōu)解，即運(yùn)動噪聲去除后的胸腔信號圖像。

54、(三)有益效果

55、與現(xiàn)有技術(shù)相比，本發(fā)明提供了一種基于全變分的毫米波雷達(dá)信號運(yùn)動噪聲去除方法，具備以下有益效果：

56、該方法將使用毫米波雷達(dá)采集的一維生理信號轉(zhuǎn)化為二維圖像信號，然后利用噪聲與底層圖像結(jié)構(gòu)上的稀疏特性進(jìn)行去噪，不僅有效去除噪聲，而且更好保留了胸腔信號的細(xì)節(jié)特征，為生理信號去噪提供了一個新思路。

57、本發(fā)明在求解所提出的去除運(yùn)動噪聲的全變分模型時，使用了胸腔信號圖像的二階梯度信息，圖像的二階梯度信息能夠更好的突顯噪聲，并且具有一定的稀疏性。相比于其他范數(shù)，lp偽范數(shù)具有更好的吸收刻畫能力，因此在二階稀疏正則化約束項(xiàng)使用了lp范數(shù)，同時為了保證模型的收斂性在全局稀疏約束項(xiàng)使用了l1范數(shù)。這使得原本遍布于整個頻域的噪聲明顯減少，且信號集中于理想的胸腔信號頻率范圍內(nèi)，運(yùn)動噪聲基本被濾除，在處理毫米波雷達(dá)采集的生命體征信號方面擁有更好的應(yīng)用前景。

技術(shù)特征：

1.一種基于全變分的毫米波雷達(dá)信號運(yùn)動噪聲去除方法，其特征在于，具體包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于全變分的毫米波雷達(dá)信號運(yùn)動噪聲去除方法，其特征在于：圖像不同方向的梯度信息計算公式為：

3.根據(jù)權(quán)利要求1所述的一種基于全變分的毫米波雷達(dá)信號運(yùn)動噪聲去除方法，其特征在于：全局約束項(xiàng)和不同方向的二階稀疏正則化約束項(xiàng)為：

4.根據(jù)權(quán)利要求1所述的一種基于全變分的毫米波雷達(dá)信號運(yùn)動噪聲去除方法，其特征在于：完整的去除噪聲的全變分模型表達(dá)式為：

5.根據(jù)權(quán)利要求1所述的一種基于全變分的毫米波雷達(dá)信號運(yùn)動噪聲去除方法，其特征在于：采用交替方向乘子法對全變分模型的求解，包括以下步驟：

技術(shù)總結(jié)
本發(fā)明屬于非接觸生命體征檢測領(lǐng)域，尤其為一種基于全變分的毫米波雷達(dá)信號運(yùn)動噪聲去除方法，具體包括，S1：利用毫米波雷達(dá)獲取含有運(yùn)動噪聲的胸腔信號后，重新排列并將其轉(zhuǎn)換成灰度圖；S2：獲取含有噪聲的胸腔圖像后，分別計算圖像不同方向的二階梯度信息；S3：根據(jù)不同方向的梯度信息，得到噪聲與底層圖像結(jié)構(gòu)的稀疏特性，通過引入Lp偽范數(shù)分別設(shè)計了橫向、縱向的二階正則化約束項(xiàng)；同時基于噪聲的先驗(yàn)特性設(shè)計了全局的稀疏約束項(xiàng)；S4：將去噪后的圖像還原成一維胸腔信號。本發(fā)明該方法充分利用運(yùn)動噪聲與底層圖像結(jié)構(gòu)上的稀疏特性，并通過引入Lp偽范數(shù)來更好的刻畫這些稀疏特性，不僅有效去除運(yùn)動噪聲，而且更好保留了胸腔信號的細(xì)節(jié)特征。

技術(shù)研發(fā)人員：劉云清,商家奇,顏飛,初偉
受保護(hù)的技術(shù)使用者：長春理工大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/12