基于生物雷达检测的呼吸和心跳实时分离方法技术

本发明专利技术公开了一种基于生物雷达检测的呼吸和心跳实时分离方法，通过对生物雷达检测到呼吸和体动信号进行预处理、呼吸信号谐波检测、自适应谐波抵消等处理，就能从体动信号中实时分离出呼吸和心跳信号，实现对呼吸和心跳信号的非接触、实时检测，从而满足临床病人（烧伤、传染）、家庭老人以及其他慢性病患者的生理信号实时监测的要求。

【技术实现步骤摘要】

本专利技术涉及一种利用生物雷达检测技术在人体生理信号非接触检测中，将呼吸和心跳进行实时分离的方法。
技术介绍
随着生物医学工程、雷达、电子、计算机技术以及军事、医学、社会发展的需要，许多国内外学者提出一种生理信号探测技术新的概念——生物雷达(Bioradar)。该技术融合雷达技术、生物医学工程技术于一体，可穿透非金属介质(衣服、医用纱布等)，不需要任何电极或传感器接触生命体，可在较远的距离内探测到人体的生理信号(如呼吸、体动等)，实现生理信号的非接触检测。因此，该技术可被广泛应用于临床监护、家庭健康监护等场合。生物雷达一般包括前端、天线、信号调理硬件和后端信号处理软件部分，在前端、信号调理器等硬件性能指标最优的前提下，如何在后端信号处理中能够实时分离呼吸和心跳信号，对生物雷达在临床生理信号或家庭健康监护中的推广应用具有决定性的作用，因此受到世界各国高度的重视，研究人员提出了不同的方法用于生物雷达检测中呼吸和心跳的实时分离。根据所采用的方法主要可分为:(I)时域数字滤波法；(2)频域滤波法；(3)小波分解与重构法。其中，时域滤波方法是采用FIR (有限冲激响应)数字滤波器将体动信号直接设置两个数字滤波器，呼吸通道对应的数字低通滤波器的截止频率为0.5Hz，心跳通道对应的数字带通滤波器下限截止频率为0.6Hz和上限截止频率为3.3Hz。该方法的优点是算法简单、易于实现，但是存在两个缺陷:第一是瞬时心跳信号不能实时得到，主要原因是FIR滤波器在设计时存在着一定的信号时延；第二是将导致心跳信号的部分信息丢失，主要原因是接近滤波器截止频率的心跳信号的也将被滤除；以上两个缺陷使得FIR数字滤波方法分离出的呼吸和心跳信号，不能应用于临床生理信号监护的要求(要求生理参数实时性和准确性)。频域滤波方法是将生物雷达检测到的呼吸和体动信号进行FFT (快速傅里叶变换)计算，然后根据呼吸的频谱宽度设置频域滤波器对体动信号的频谱进行滤波，从中分离出心跳信号的频谱，最后再经过逆F`FT变换从中提取出心跳信号的时域波形。该方法的优点是能够准确地从体动信号中分离出心跳信号，并直接得到瞬时心率值。但是也存在两个问题 第一，为满足快速计算FFT正变换和逆变换，需要人为补零或减少数据长度，容易产生数据冗余而增加运算量，从而降低呼吸和心跳信号分离的实时性；第二:当呼吸的高次谐波与心跳信号的基波频率重叠时，无法从体动频谱中有效滤除呼吸信号，这种情况在临床心血管患者中非常多，因此该方法也不能满足临床生理信号的监测要求。小波方法是根据呼吸信号的频带，将体动信号选择合适的小波包进行时域分解，然后将呼吸频带内的信号置零，并将剩余其他信号成分进行小波重构，最终合成心跳信号。该方法的优点是抗干扰能力强，并能将心跳信号的所有信息完整地重构，但是小波分解时很难选择小波包，而且算法复杂、运算量大，不能实现呼吸和心跳信号的实时分离。因此，该方法也不满足临床生理信号的监测要求。
技术实现思路
本专利技术的目的是在人体生理信号非接触检测，特别是利用生物雷达检测的过程中，提供一种算法简单的呼吸和心跳的实时分离方法，可从体动信号中实时分离出呼吸和心跳信号，从而满足临床病人(烧伤、传染)、家庭老人以及其他慢性病患者的生理信号实时监测的要求。 为达到以上目的，本专利技术是采取如下技术方案予以实现的:一种，其特征在于，包括下述步骤:(I)对生物雷达检测到的呼吸信号和体动信号分别进行预处理，呼吸和体动信号的频率范围限定在5Hz以内，信号的幅度限定在-1V至+IV，预处理包括数字滤波及归一化处理；(2)预处理后的呼吸信号经过呼吸谐波检测模块，从中提取出呼吸信号的二次以上的高次谐波，包括呼吸信号基波估计和呼吸信号谐波合成，其中，呼吸信号基波估计采用自相关算法求解基波频率；呼吸信号谐波合成采用高斯-牛顿算法；(3)将呼吸谐波检测模块的输出送入自适应谐波抵消模块并作为其参考输入信号；预处理后的体动信号送入自适应谐波抵消模块并作为其原始输入信号，通过自适应算法不断调整和更新自适应滤波器的参数，当体动信号中的呼吸成分与参考输入的呼吸信号的谐波成分的差值的平方最小时，此时自适应滤波器的输出就是心跳信号。上述方法中，步骤(I)所述数字滤波采用巴特沃斯IIR滤波器；归一化处理按以下公式进行:y= (X-Min)/(Max-Min),其中x为数字滤波后的呼吸信号,y为归一化后信号,Max和Min分别表示滤波后呼吸和体动信号的最大值和最小值。步骤(2)所述呼吸谐波检测的具体流程如下:第一步:求解呼吸信号的基波频率选取合适的窗函数对呼吸信号进行分段处理，对每个数据段内求自相关函数，然后对自相关函数进行功率谱估计，功率谱能量的最大值所对应的频率点为呼吸信号的基波频率fo，然后从前至后，依次对呼吸信号进行加窗、自相关、求功率谱等处理，对f。进行不断的更新；第二步:构建呼吸信号高次谐波数学模型将呼吸运动引起的胸廓运动的模型定义为:本文档来自技高网...

【技术保护点】
一种基于生物雷达检测的呼吸和心跳实时分离方法，其特征在于，包括下述步骤：（1）对生物雷达检测到的呼吸信号和体动信号分别进行预处理，呼吸和体动信号的频率范围限定在5Hz以内，信号的幅度限定在‑1V至+1V，预处理包括数字滤波及归一化处理；（2）预处理后的呼吸信号经过呼吸谐波检测模块，从中提取出呼吸信号的二次以上的高次谐波，包括呼吸信号基波估计和呼吸信号谐波合成，其中，呼吸信号基波估计采用自相关算法求解基波频率；呼吸信号谐波合成采用高斯‑牛顿算法；（3）将呼吸谐波检测模块的输出送入自适应谐波抵消模块并作为其参考输入信号；预处理后的体动信号送入自适应谐波抵消模块并作为其原始输入信号，通过自适应算法不断调整和更新自适应滤波器的参数，当体动信号中的呼吸成分与参考输入的呼吸信号的谐波成分的差值的平方最小时，此时自适应滤波器的输出就是心跳信号。

【技术特征摘要】
1.一种基于生物雷达检测的呼吸和心跳实时分离方法，其特征在于，包括下述步骤: (1)对生物雷达检测到的呼吸信号和体动信号分别进行预处理，呼吸和体动信号的频率范围限定在5Hz以内，信号的幅度限定在-1V至+IV，预处理包括数字滤波及归一化处理； (2)预处理后的呼吸信号经过呼吸谐波检测模块，从中提取出呼吸信号的二次以上的高次谐波，包括呼吸信号基波估计和呼吸信号谐波合成，其中，呼吸信号基波估计采用自相关算法求解基波频率；呼吸信号谐波合成采用高斯-牛顿算法； (3)将呼吸谐波检测模块的输出送入自适应谐波抵消模块并作为其参考输入信号；预处理后的体动信号送入自适应谐波抵消模块并作为其原始输入信号，通过自适应算法不断调整和更新自适应滤波器的参数，当体动信号中的呼吸成分与参考输入的呼吸信号的谐波成分的差值的平方最小时，此时自适应滤波器的输出就是心跳信号。2.如权利要求1所述的基于生物雷达检测的呼吸和心跳实时分离方法，其特征在于，步骤(I)所述归一化处理按以下公式进行:y=(x_Min)/(Max-Min),其中x为数字滤波后的呼吸信号，y为归一化后信号，Max和Min分别表示滤波后呼吸和体动信号的最大值和最小值。3.如权利要求1所述的基于...

【专利技术属性】
技术研发人员：路国华，王健琪，杨芳，张华，李盛，王华，马腾，于霄，吕昊，
申请(专利权)人：中国人民解放军第四军医大学，
类型：发明
国别省市：陕西;61