面向人體呼吸心跳同時(shí)監(jiān)測(cè)的雷達(dá)信號(hào)處理方法綜述*

薛帥康,王小月,許致火,劉微雪,黃同輝

(南通大學(xué) a.信息科學(xué)技術(shù)學(xué)院;b.交通與土木工程學(xué)院,江蘇 南通 226019)

0 引 言

2017年聯(lián)合國(guó)《世界人口老齡化發(fā)展報(bào)告》顯示,全球60歲及以上的人口占總?cè)丝诘?3%,并以每年3%的速度增長(zhǎng)。據(jù)2016年第四次中國(guó)城鄉(xiāng)老人生活狀況抽樣調(diào)查數(shù)據(jù)顯示,中國(guó)失能、半失能老年人大致有4 063萬(wàn)人,占老年人口的18.3%,健康老齡化成為中國(guó)人口發(fā)展目標(biāo)[1]。人口老齡化帶來(lái)老人健康問(wèn)題,而大多數(shù)子女由于房貸和生活的壓力,并不能總是在老人身邊照顧,對(duì)老年人健康狀況的監(jiān)測(cè)變得十分必要。

呼吸、心跳等人體生命體征是現(xiàn)代衛(wèi)生保健和醫(yī)療應(yīng)用的重要指標(biāo)[2],表征著人體的健康狀況。傳統(tǒng)的人體生命體征檢測(cè)通常采用穿戴式傳感器、粘貼式電極、呼吸帶等儀器,如心電圖、指夾式脈搏血氧儀、電子血壓測(cè)量機(jī)等[3],雖然這些接觸式心跳檢測(cè)方法測(cè)量精度較高,但是電極的刺激會(huì)引起人體不適[4]。

與上述檢測(cè)方法相比,雷達(dá)對(duì)于呼吸和心跳的監(jiān)測(cè)具有很大優(yōu)勢(shì)。雷達(dá)具有較強(qiáng)的信號(hào)穿透性,信號(hào)波長(zhǎng)越長(zhǎng),穿透能力越強(qiáng),能在墻壁遮擋情況下對(duì)人體呼吸和心跳進(jìn)行檢測(cè),有利于災(zāi)害應(yīng)急救援[5]。同時(shí)雷達(dá)的檢測(cè)范圍更為廣闊,可以實(shí)現(xiàn)一定區(qū)域的多人檢測(cè),且檢測(cè)不易受外界環(huán)境條件的影響,穩(wěn)定性更好。研究表明,無(wú)接觸技術(shù)能夠持續(xù)地監(jiān)測(cè)用戶的健康狀況,這使其能夠在發(fā)生暈厥、心臟驟停等緊急情況時(shí)及時(shí)示警,降低死亡或致殘的風(fēng)險(xiǎn),從而減輕社會(huì)醫(yī)療負(fù)擔(dān)[6],這使得雷達(dá)檢測(cè)技術(shù)在人體呼吸心跳監(jiān)測(cè)領(lǐng)域擁有較為廣泛的應(yīng)用。

脈沖超寬帶雷達(dá)[7]、連續(xù)波(Continuous Wave,CW)多普勒雷達(dá)[8-9]、調(diào)頻連續(xù)波(Frequency Modulated Continuous Wave,FMCW)雷達(dá)[10-11]等都可實(shí)現(xiàn)對(duì)人體呼吸心跳的檢測(cè)。雷達(dá)通過(guò)獲取人體的胸腔起伏信號(hào),實(shí)現(xiàn)對(duì)人體呼吸心跳的檢測(cè)。人體胸腔的起伏很微弱,屬于毫米級(jí)范疇[12],位于毫米波段的雷達(dá)可實(shí)現(xiàn)小位移的精確測(cè)量,對(duì)呼吸心跳的檢測(cè)更準(zhǔn)確[13]。

本文簡(jiǎn)要描述了不同雷達(dá)系統(tǒng)對(duì)人體呼吸和心跳信號(hào)檢測(cè)的基本原理,總結(jié)了不同雷達(dá)系統(tǒng)在人體呼吸心跳檢測(cè)方面的優(yōu)缺點(diǎn);從數(shù)據(jù)預(yù)處理、呼吸心跳分離、呼吸率和心率估計(jì)三個(gè)方面介紹了雷達(dá)信號(hào)處理算法,系統(tǒng)歸納了每一方面的最新研究進(jìn)展;分析了現(xiàn)有研究中存在的局限性,并對(duì)未來(lái)的研究趨勢(shì)進(jìn)行了展望。

1 雷達(dá)檢測(cè)原理

1.1 CW雷達(dá)檢測(cè)原理

根據(jù)雷達(dá)射頻回波信號(hào)處理結(jié)構(gòu)的不同,CW雷達(dá)系統(tǒng)分為基于混頻器的CW雷達(dá)和基于六端口接收機(jī)的CW雷達(dá)。CW雷達(dá)發(fā)射復(fù)信號(hào)為

STX(t)=ATXej[2πfct+φ0]。

(1)

式中:fc為載波頻率;ATX為發(fā)射信號(hào)的振幅;φ0為初始相位。

假設(shè)人體的徑向距離為d0,呼吸心跳產(chǎn)生的胸腔位置變化為x(t),由雷達(dá)作用人體后向散射得到的接收信號(hào)為

SRX(t)=ARXej[2πfc(t-td)+φ1]。

(2)

對(duì)于基于混頻器的CW雷達(dá),接收信號(hào)經(jīng)過(guò)混頻和低通濾波后,其基帶復(fù)信號(hào)表示為

(3)

式中:Δφ=φ1-φ0為相位差;AIF為基帶信號(hào)振幅。利用反正切法,可得到人體的胸腔位移信號(hào)x(t)為

(4)

圖1為六端口接收機(jī)結(jié)構(gòu)示意圖,包括2個(gè)輸入端口和4個(gè)輸出端口。

圖1 六端口接收機(jī)結(jié)構(gòu)[14]

輸入端口P1和P2對(duì)應(yīng)發(fā)射信號(hào)STX和接收信號(hào)SRX,即

P1=ATXej[2πfct+φ0]=A+jB,

(5)

P2=ARXej[2πfc(t-td)+φ1]=C+jD。

(6)

式中:A=ATXcos(2πfct+φ0);B=ATXsin(2πfct+φ0);C=ARXcos(2πfc(t-td)+φ1);D=ARXsin(2πfc(t-td)+φ1)。P1和P2在輸出端口的相位差為0,π/2,π和3π/2,通過(guò)計(jì)算得到輸出信號(hào)B3,B4,B5,B6為

B3=0.25|P1+jP2|2,

(7)

B4=0.25|jP1+P2|2,

(8)

B5=0.25|jP1+jP2|2,

(9)

B6=0.25|P1-P2|2。

(10)

將式(5)、(6)代入到式(7)～(10)中得到

B3=0.25|(A-D)+j(B+C)|2,

(11)

B4=0.25|(C-B)+j(A+D)|2,

(12)

B5=0.25|-(B+D)+j(A+C)|2,

(13)

B6=0.25|(A-C)+j(B-D)|2。

(14)

而P1和P2的相位差可表示為

(15)

即由六端口接收機(jī)的輸出,可得到人體的胸腔位移

(16)

1.2 FMCW雷達(dá)檢測(cè)原理

FMCW雷達(dá)具有多種頻率調(diào)制方式,在人體呼吸心跳檢測(cè)中,大多采用線性調(diào)頻方式。假設(shè)fc為載波頻率,Tc為信號(hào)掃描周期,B為雷達(dá)信號(hào)的帶寬,FMCW雷達(dá)發(fā)射復(fù)信號(hào)為

(17)

式中:ATX為發(fā)射信號(hào)的振幅;φ0為初始相位。

接收信號(hào)為發(fā)射信號(hào)延時(shí)td,

(18)

式中:ARX為接收信號(hào)的振幅;φ1為接收信號(hào)相位。

接收信號(hào)經(jīng)過(guò)混頻和低通濾波后,其基帶復(fù)信號(hào)表示為

(19)

式中:Δφ=φ1-φ0相位差;AIF為基帶信號(hào)振幅。為得到表征胸腔位移的相位信號(hào),需要消除式(19)指數(shù)中的第一項(xiàng)。對(duì)基帶復(fù)信號(hào)采樣得到

(20)

式中:Ts為快時(shí)間采樣周期;m,n為采樣數(shù)。將采樣信號(hào)組成快慢時(shí)間矩陣,如圖2所示,先對(duì)快時(shí)間行進(jìn)行快速傅里葉變換(Fast Fourier Transform,FFT)求得人體位置坐標(biāo),再提取位置坐標(biāo)處的慢時(shí)間列,從而消除式(19)指數(shù)中的第一項(xiàng),最后將慢時(shí)間列代入式(4)得到人體的胸腔位移信號(hào)x(t)。

圖2 FMCW雷達(dá)基帶信號(hào)快慢時(shí)間矩陣

1.3 脈沖超寬帶雷達(dá)系統(tǒng)

典型的脈沖超寬帶雷達(dá)由波形產(chǎn)生器、發(fā)射機(jī)、接收機(jī)、收發(fā)天線和信號(hào)處理器等部件組成。脈沖超寬帶雷達(dá)通過(guò)測(cè)量從人體胸部反射的窄脈沖的飛行時(shí)間變化,實(shí)現(xiàn)對(duì)呼吸心跳的檢測(cè)[15]。

超寬帶雷達(dá)的發(fā)射復(fù)信號(hào)為

STX(t,nT)=p(t,nT)ej2πfct。

(21)

接收信號(hào)為

SRX(t,nT)=p(t-td,nT)ej2πfc(t-td)。

(22)

式中:p(t,nT)表示第n個(gè)持續(xù)時(shí)間為τ的窄脈沖,t為時(shí)間,T為脈沖重復(fù)周期;fc為載頻。

接收信號(hào)經(jīng)過(guò)混頻和低通濾波后,其基帶復(fù)信號(hào)表示為

SIF(t,nT)=p(t-td,nT)e-j2πfctd。

(23)

利用式(4)得到人體的胸腔位移信號(hào)x(t)。

1.4 不同雷達(dá)系統(tǒng)比較

雷達(dá)系統(tǒng)通過(guò)檢測(cè)人體胸腔位移變化,實(shí)現(xiàn)人體呼吸和心跳信號(hào)檢測(cè),如圖3所示。表1總結(jié)了不同雷達(dá)系統(tǒng)檢測(cè)人體呼吸心跳信號(hào)的優(yōu)缺點(diǎn)。

表1 不同雷達(dá)系統(tǒng)檢測(cè)人體呼吸心跳信號(hào)優(yōu)缺點(diǎn)

圖3 雷達(dá)檢測(cè)人體呼吸和心跳信號(hào)

1.5 雷達(dá)搭載平臺(tái)

雷達(dá)搭載平臺(tái)分為兩種:固定式平臺(tái)和移動(dòng)式平臺(tái)。在固定式平臺(tái)中,雷達(dá)安裝在桌面或墻壁上,如圖4,整個(gè)檢測(cè)過(guò)程中雷達(dá)靜止不動(dòng)。在移動(dòng)式平臺(tái)中,雷達(dá)安裝在無(wú)人車(chē)或無(wú)人機(jī)上,如圖5,雷達(dá)移動(dòng)掃描某區(qū)域,并根據(jù)有效的微多普勒信號(hào)檢測(cè)人體生命體征。

圖4 桌面固定式平臺(tái)

圖5 機(jī)載移動(dòng)平臺(tái)[20]

2 雷達(dá)信號(hào)處理算法

現(xiàn)有雷達(dá)系統(tǒng)使用I/Q解調(diào)器,其具有提高信噪比、避免零點(diǎn)等優(yōu)點(diǎn)[21]。I/Q解調(diào)器、六端口接收機(jī)都可將雷達(dá)復(fù)信號(hào)轉(zhuǎn)換為I/Q信號(hào),本文主要討論利用的雷達(dá)采集的I/Q數(shù)據(jù)進(jìn)行人體呼吸和心跳信號(hào)檢測(cè)的算法流程。

以正常人的數(shù)據(jù)為例,整個(gè)人體呼吸和心跳信號(hào)檢測(cè)信號(hào)處理流程如圖6所示,主要分成數(shù)據(jù)預(yù)處理、人體呼吸心跳信號(hào)分離、呼吸率心率估計(jì)三部分,其中數(shù)據(jù)預(yù)處理包含去直流偏置、I/Q不平衡消除和相位解纏。

圖6 人體呼吸和心跳信號(hào)檢測(cè)處理流程

2.1 數(shù)據(jù)預(yù)處理

2.1.1 去直流偏置與I/Q不平衡消除

由于呼吸心跳信號(hào)比較微弱,由誤差干擾引起的人體呼吸和心跳信號(hào)失真,會(huì)導(dǎo)致對(duì)呼吸率和心率的錯(cuò)誤估計(jì)[22],因而需要消除數(shù)據(jù)采集過(guò)程中混入的誤差。來(lái)自靜止物體的反射(雜波)和硬件缺陷產(chǎn)生直流偏移[23],混頻器之間的幅度和相位失配引起I/Q通道不平衡[24],這兩部分是誤差的主要來(lái)源。誤差消除方法分為模擬域消除方法和數(shù)字域消除方法。在模擬域消除方面,優(yōu)化硬件電路可保證I路和Q路的平衡,包括選用更好的混頻器、放大器和低通濾波器[25],但這必定會(huì)提高成本,且降低電路的通用性。與之相比,數(shù)字域消除方法即利用算法消除誤差,無(wú)需改變硬件電路,通用性更強(qiáng)。本節(jié)主要介紹現(xiàn)有的數(shù)字域誤差消除方法。

在直流偏置補(bǔ)償方面,將數(shù)據(jù)的均值作為直流偏置的估計(jì)是最常用的算法[26],但此種算法精度較低。為提高估計(jì)精度,文獻(xiàn)[27]提出了基于壓縮感知的直流偏置估計(jì)方法,將直流偏置補(bǔ)償問(wèn)題化為圓擬合問(wèn)題,通過(guò)l1范數(shù)最小化,估計(jì)直流偏置,但在提高估計(jì)精度的同時(shí)也提高了其復(fù)雜度。為了降低復(fù)雜度,文獻(xiàn)[28]提出使用圓心動(dòng)態(tài)直流偏移跟蹤方法,使用高效的梯度下降算法來(lái)實(shí)現(xiàn)動(dòng)態(tài)直流偏移跟蹤與校正,有效提高直流偏置估計(jì)的實(shí)時(shí)性。在I/Q不平衡消除方面,文獻(xiàn)[24,29]中提出了基于橢圓擬合I/Q不平衡補(bǔ)償,利用類(lèi)似于Gram-Schmidt正交化的方法校正I/Q不平衡。為了提高估計(jì)的魯棒性和精度,文獻(xiàn)[25]進(jìn)一步提出了Levenberg-Marquardt方法,通過(guò)最小化與橢圓上投影的正交距離,迭代來(lái)實(shí)現(xiàn)橢圓的擬合,消除I/Q不平衡。數(shù)字域誤差消除方法通過(guò)建立 I/Q不平衡的校正與直流偏置補(bǔ)償?shù)哪Ｐ?將其轉(zhuǎn)化為優(yōu)化問(wèn)題,再利用相應(yīng)的算法求解,實(shí)現(xiàn)數(shù)據(jù)補(bǔ)償。通過(guò)這種方式的誤差消除,會(huì)降低系統(tǒng)實(shí)時(shí)性,且存在殘留誤差,不適合實(shí)時(shí)性和精度要求較高的應(yīng)用場(chǎng)景。

2.1.2 相位解纏

利用式(4)返回的相位值區(qū)間為[-π,π],超過(guò)區(qū)間范圍的相位會(huì)被折疊到[-π,π]內(nèi),產(chǎn)生相位纏繞。為了恢復(fù)實(shí)際的相位,需要對(duì)相位解纏繞。

現(xiàn)有的相位解纏方法有差分法、微分與交叉乘法(Differential and Cross-Multiply,DACM)、擴(kuò)展微分與交叉乘法。差分法通過(guò)對(duì)纏繞相位整體±π實(shí)現(xiàn)相位解纏。DACM解纏法對(duì)式(4)中的相位進(jìn)行微分,再整體積分直接得到真實(shí)的相位。擴(kuò)展DACM解纏法與DACM相比,求解表達(dá)式更簡(jiǎn)單,計(jì)算量更小。各方法的比較如表2所示。

表2 雷達(dá)相位解纏方法比較

2.2 人體呼吸心跳信號(hào)分離方法

人體呼吸和心跳信號(hào)分離方法大致可分為頻域?yàn)V波信號(hào)分離方法、小波信號(hào)分解重構(gòu)方法、模態(tài)分解重構(gòu)方法、最優(yōu)化信號(hào)處理算法。

2.2.1 頻域?yàn)V波信號(hào)分離法

人體呼吸的頻域范圍在0.1～0.5 Hz,心跳的頻域范圍在0.8～2 Hz[21],根據(jù)呼吸和心跳頻域范圍設(shè)計(jì)帶通濾波器,分離呼吸和心跳信號(hào)。設(shè)計(jì)無(wú)限長(zhǎng)脈沖響應(yīng)(Infinite Impulse Response,IIR)帶通濾波器,比如,巴特沃斯型和橢圓型,實(shí)現(xiàn)呼吸心跳分離。有限長(zhǎng)脈沖響應(yīng)(Finite Impulse Response,FIR)濾波器階數(shù)達(dá)到百階,使用較少。

2.2.2 小波分解重構(gòu)信號(hào)處理方法

小波分解重構(gòu)的實(shí)現(xiàn)人體呼吸心跳分離的基本原理如圖7所示,φ(t)表示雷達(dá)相位信號(hào),LP為低通濾波器,HP為高通濾波器,↓2表示下2采樣。小波變換將雷達(dá)相位信號(hào)分解為不同頻率分量,在呼吸頻率范圍進(jìn)行信號(hào)重構(gòu)得到呼吸信號(hào),在心跳頻率范圍進(jìn)行信號(hào)重構(gòu)得到心跳信號(hào)[31-32]。小波分解重構(gòu)信號(hào)處理方法中小波函數(shù)的選擇直接影響小波分解重構(gòu)的效果,一般情況下,小波函數(shù)階數(shù)越高,分解越精細(xì),但是計(jì)算量越大,應(yīng)用時(shí)需要根據(jù)情況選擇合適的小波函數(shù)。

圖7 小波分解重構(gòu)原理

2.2.3 模態(tài)分解重構(gòu)方法

模態(tài)分解方法分為經(jīng)驗(yàn)?zāi)B(tài)分解(Empirical Mode Decomposition,EMD)與變分模態(tài)分解(Variational Mode Decomposition,VMD)兩類(lèi)。對(duì)于EMD,圖8給出了分解流程:雷達(dá)相位信號(hào)被分解成N個(gè)本征模態(tài)函數(shù)(Intrinsic Mode Function,IMF),對(duì)IMF分量進(jìn)行FFT,將頻譜峰值在0.1～0.5 Hz范圍內(nèi)的IMF分量歸為呼吸信號(hào),將頻譜峰值在0.8～2 Hz范圍內(nèi)的IMF分量歸為心跳信號(hào),其余IMF分量則視為噪聲干擾,用分類(lèi)的IMF分量重構(gòu)得到呼吸和心跳信號(hào)。相比于EMD算法,一些改進(jìn)EMD算法,如集合經(jīng)驗(yàn)?zāi)Ｊ椒纸?Ensemble Empirical Mode Decomposition,EEMD)、互補(bǔ)集合經(jīng)驗(yàn)?zāi)B(tài)分解(Complete Ensemble Empirical Mode Decomposition,CEEMD),在人體呼吸和心跳信號(hào)分離的應(yīng)用中具有更高的精度。而VMD是一種自適應(yīng)、完全非遞歸的模態(tài)變分方法,其通過(guò)在頻域中分割信號(hào),得到信號(hào)的有效分解分量,進(jìn)而重構(gòu)出人體呼吸和心跳信號(hào)[34-35]。EMD、EEMD、VMD等模態(tài)分解算法種類(lèi)眾多,技術(shù)相對(duì)成熟,但是其計(jì)算量較大,實(shí)時(shí)性差,應(yīng)用時(shí)需要根據(jù)經(jīng)驗(yàn)選擇合適IMF分解次數(shù),減少迭代次數(shù),以提高算法實(shí)時(shí)性。

圖8 EMD算法的流程

2.2.4 最優(yōu)化信號(hào)處理算法

最優(yōu)化信號(hào)處理算法基于呼吸心跳信號(hào)的頻率范圍不同,建立優(yōu)化模型,通過(guò)求解模型實(shí)現(xiàn)呼吸心跳的分離。文獻(xiàn)[11]提出了一種基于正交匹配追蹤的壓縮感知方法,通過(guò)設(shè)置稀疏值,得到呼吸心跳的頻率。當(dāng)呼吸諧波頻率位于心跳頻率范圍內(nèi)時(shí),會(huì)對(duì)心跳估計(jì)產(chǎn)生干擾,使得上述算法估計(jì)誤差增大。為了抑制呼吸諧波產(chǎn)生的干擾,文獻(xiàn)[36]中提出了一種基于雙參數(shù)最小均方濾波器的信號(hào)恢復(fù)和分離方法,在基頻處提取呼吸信號(hào),并從混合信號(hào)中剔除呼吸信號(hào)得到心跳信號(hào),消除了呼吸諧波的干擾。雖然上述算法消除了呼吸諧波干擾,但其步驟繁瑣且實(shí)時(shí)性差。文獻(xiàn)[6]從相位和距離兩種信息的組合中提取生命信號(hào),通過(guò)距離積分消除相互干擾,用自回歸方法檢索生命信號(hào),算法實(shí)現(xiàn)簡(jiǎn)單且實(shí)時(shí)性較高。為了提高呼吸心跳信號(hào)估計(jì)精度,文獻(xiàn)[37]提出了外推變換和多重信號(hào)分類(lèi)(Multiple Signal Classification,MUSIC)的二維參數(shù)相結(jié)合的方法,用外推變換提高距離信息的分辨率,針對(duì)目標(biāo)外推變換后的幅度和相位信息,應(yīng)用MUSIC算法估計(jì)出呼吸和心跳頻率。將優(yōu)化方法應(yīng)用到呼吸心跳分離中,相較于傳統(tǒng)的頻域分析,在研究思路上有很大創(chuàng)新,值得進(jìn)一步研究。

2.3 人體呼吸速率與心率估計(jì)方法

呼吸速率與心率的估計(jì)分為時(shí)域估計(jì)和頻域估計(jì)。時(shí)域估計(jì)根據(jù)呼吸和心跳的波形變化得到呼吸心跳速率。頻域估計(jì)根據(jù)呼吸心跳的頻域值得到頻率估計(jì),進(jìn)而轉(zhuǎn)換成呼吸率與心率。

在頻域估計(jì)方面,最常用的方法為最大頻率估計(jì)法[38],通過(guò)對(duì)呼吸與心跳時(shí)域信號(hào)進(jìn)行FFT,將信號(hào)轉(zhuǎn)換到頻域,其呼吸心跳的頻率范圍內(nèi)的最大頻率作為呼吸與心跳的頻率估計(jì)。但是最大頻率估計(jì)方法對(duì)噪聲抑制較差,Welch、MUSIC等譜估計(jì)方法可抑制噪聲,提高估計(jì)精度。

在時(shí)域估計(jì)方面,文獻(xiàn)[39]中使用峰值檢測(cè)算法,檢測(cè)呼吸和心跳波形的極大值(或極小值)數(shù)目,再結(jié)合時(shí)間長(zhǎng)度,得到呼吸和心跳速率的估計(jì)。當(dāng)噪聲干擾較大時(shí),上述算法估計(jì)精度下降。為此,文獻(xiàn)[40]利用峰值檢測(cè)算法對(duì)同一目標(biāo)進(jìn)行多次測(cè)量,取多次測(cè)量的平均值作為對(duì)速率的估計(jì),從而提高估計(jì)精度。雖然采用多次測(cè)量的均值可以提高估計(jì)精度,但是上述算法不能識(shí)別信號(hào)中的錯(cuò)誤峰值。文獻(xiàn)[6]使用算法識(shí)別并保存呼吸心跳波形的峰值點(diǎn),根據(jù)呼吸心跳頻率范圍去除錯(cuò)誤的峰值點(diǎn),得到呼吸和心跳的速率估計(jì),其估計(jì)精度更高。文獻(xiàn)[18]對(duì)呼吸心跳信號(hào)進(jìn)行自相關(guān)運(yùn)算,計(jì)算出自相關(guān)運(yùn)算后的峰值數(shù),作為呼吸和心跳速率的估計(jì)。

3 研究趨勢(shì)展望

由于呼吸心跳信號(hào)引起的變化十分微弱,在系統(tǒng)誤差和噪聲干擾的情況下,盡管許多文獻(xiàn)針對(duì)不同的問(wèn)題提出了相應(yīng)的解決方法,但是這些方法都存在不足,仍有改進(jìn)的空間。

3.1 呼吸和心跳信號(hào)分離方面

呼吸和心跳的分離主要利用其頻范圍不同,頻率范圍基于正常人體數(shù)據(jù)劃定。對(duì)呼吸心跳信號(hào)進(jìn)行分離時(shí),位于呼吸心跳頻域范圍的干擾噪聲并不能消除,這將對(duì)心跳信號(hào)產(chǎn)生影響,目前尚未有相關(guān)的方法用于呼吸心跳頻域范圍噪聲的消除。由于呼吸信號(hào)引起的位移遠(yuǎn)大于心跳信號(hào)引起的位移,使得呼吸諧波的能量與心跳相近,在進(jìn)行呼吸心跳的分離時(shí),由呼吸信號(hào)產(chǎn)生的位于心跳頻率范圍的諧波分量將會(huì)干擾對(duì)心跳信號(hào)的判別。有少量文獻(xiàn)針對(duì)這一問(wèn)題提出了相應(yīng)的方法,例如文獻(xiàn)[41]中利用對(duì)心跳的二次諧波進(jìn)行估計(jì)來(lái)減少呼吸諧波的干擾,但并沒(méi)有學(xué)者對(duì)呼吸諧波的抑制進(jìn)行深入研究并提出相應(yīng)的方法。

3.2 心率和呼吸速率估計(jì)方面

現(xiàn)有的呼吸心率估計(jì)方法基于假定呼吸心跳在一段時(shí)間內(nèi)不會(huì)發(fā)生較大的波動(dòng)。在實(shí)際應(yīng)用中,當(dāng)發(fā)生突發(fā)情況,例如受到驚嚇、刺激等,呼吸心跳會(huì)發(fā)生急劇變化。在這種情況下,現(xiàn)有的估計(jì)方法對(duì)呼吸心跳的估計(jì)不準(zhǔn)確,失去實(shí)際意義,并不能及時(shí)反映真實(shí)的呼吸心跳的速率。

3.3 隨機(jī)運(yùn)動(dòng)消除方面

現(xiàn)有的很多呼吸心跳檢測(cè)方法建立在人體靜止不動(dòng)且雷達(dá)離人體距離較近又對(duì)準(zhǔn)胸口位置的理想條件下。在實(shí)際應(yīng)用中,人處于隨機(jī)運(yùn)動(dòng)狀態(tài),且雷達(dá)不能一直正對(duì)人體,對(duì)于隨機(jī)運(yùn)動(dòng)的消除不可或缺?，F(xiàn)有的一些隨機(jī)運(yùn)動(dòng)消除的方法,實(shí)現(xiàn)起來(lái)較為復(fù)雜,且只對(duì)劇烈運(yùn)動(dòng)有較好的消除效果[42]。如何簡(jiǎn)化隨機(jī)運(yùn)動(dòng)消除的系統(tǒng),對(duì)慢運(yùn)動(dòng)帶來(lái)的干擾實(shí)現(xiàn)準(zhǔn)確的消除,是未來(lái)的一個(gè)研究方向。

3.4 多人呼吸心跳檢測(cè)方面

現(xiàn)有的呼吸心跳檢測(cè)方法主要基于單目標(biāo)的檢測(cè),而在實(shí)際應(yīng)用中需要實(shí)現(xiàn)對(duì)多人的檢測(cè)?，F(xiàn)有的許多文獻(xiàn)都是使用超寬帶雷達(dá)實(shí)現(xiàn)對(duì)多人的檢測(cè),基于其他雷達(dá)的多人呼吸心跳檢測(cè)的相關(guān)研究較少,且利用雷達(dá)進(jìn)行呼吸心跳檢測(cè)的可靠性仍然有待提高。因此,如何實(shí)現(xiàn)可靠的多目標(biāo)檢測(cè),讓雷達(dá)系統(tǒng)人體呼吸心跳信號(hào)檢測(cè)用于醫(yī)療健康服務(wù),是未來(lái)的一個(gè)主要趨勢(shì)。

3.5 人體生理狀態(tài)識(shí)別方面

利用雷達(dá)測(cè)量出的人體呼吸和心跳信號(hào),準(zhǔn)確識(shí)別人體狀態(tài)(呼吸困難、呼吸暫停、心臟驟停等)具有很大的應(yīng)用價(jià)值。目前的一些研究使用機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)等方法識(shí)別人體狀態(tài),準(zhǔn)確率不足,且算法復(fù)雜度較高。如何提高人體狀態(tài)識(shí)別的準(zhǔn)確率,降低算法復(fù)雜度,是未來(lái)的一個(gè)研究方向。