商标分类 
商标转让 
您当前的位置： 一种无接触式呼吸或心跳检测系统的制作方法
2021-01-08 11:01:13|
375|
起点商标网
本发明涉及无线感知技术领域，特别涉及一种无接触式呼吸或心跳检测系统。
背景技术：
随着人类社会生活方式的变革和科技的发展，大家对健康有了更深的关注，对无处不在的生命体体征检测产生了浓厚的兴趣。传统的生命体征监测方法都要求佩戴特殊仪器，如手环或脉搏血氧计。这些技术使用起来很不方便，也很不舒服。基于wi-fi无线感知、无接触、易于部署、低成本长期生命体征监测的无接触式呼吸心跳检测方案极具吸引力。无接触式呼吸心跳检测可广泛应用于家庭场景、汽车场景，有效地检测被测目标的呼吸和心跳。
现有技术中，专利文献“一种基于wi-fi信道状态信息的人体呼吸检测方法”(公开号cn109998549a)提出了一种利用wi-fi接收信号强度(receivedsignalstrength,rss)的变化来提取呼吸特征。但观察结果表明，由于受环境中多径干扰的影响，rss对呼吸的起伏不敏感，易被环境噪声淹没，无法在自然环境中有效稳定地检测到呼吸。相比于接收信号强度，信道状态信息(channelstateinformation，csi)则可以更加详细的描述信号传播状态。2016年，haowang在论文“humanrespirationdetectionwithcommoditywifidevices:douserlocationandbodyorientationmatter？[c]//proceedingsofthe2016acminternationaljointconferenceonpervasiveandubiquitouscomputing.2016:25-36”中引入了菲涅尔区的概念，用csi的幅度信息来检测呼吸。此外，2017年xuyuwang在论文“phasebeat:exploitingcsiphasedataforvitalsignmonitoringwithcommoditywifidevices”(2017ieee37thinternationalconferenceondistributedcomputingsystems(icdcs),atlanta,ga,2017,pp.1230-1239.)中提出了一种利用两个接收天线接收到的射频信号对应的csi，通过相位差变化来捕获呼吸的特征的方法。该方法对呼吸的起伏更加敏感，且解决了商用wi-fi的csi相位有漂移无法准确的获得绝对相位信息的情况。但是haowang和xuyuwang提出的方法中，由于环境的多径干扰以及动态噪声的影响，存在多个问题：信号处理不同步造成的误差、环境多径干扰较大、动态扰动带来的干扰多，相位差的参考信号不稳定，因此，该方法的稳定性有待提高。
技术实现要素：
本发明的目的在于，克服上述信号处理不同步造成的误差、环境多径干扰较大、动态扰动带来的干扰多，相位差的参考信号不稳定等问题，从硬件结构上和软件算法上进行改进，提出了一种无接触式呼吸或心跳检测系统。
为了实现上述发明目的，本发明提供了以下技术方案：
一种无接触式呼吸或心跳检测系统，包括无线信号发射装置、接收天线和数据处理器，
无线信号发射装置包括用于产生无线信号的信号发生设备和用于发射无线信号的发射天线，无线信号发射装置用于输出无线信号到被测目标，并输出参考信号到数据处理器；
接收装置用于接收被测目标反射回来的无线信号，并将被测目标反射回来的无线信号输出到数据处理器；
数据处理器根据参考信号和被测目标反射回来的无线信号之间的相位差，获取信道状态信息，并从信道状态信息中提取出被测目标的呼吸或心跳的特征参数；
无线信号发射装置、接收装置和数据处理器封装为一个整体，并且无线信号发射装置生成无线信号的过程中所依据的时钟信号与数据处理器接收被测目标反射回来的无线信号所依据的时钟信号相同。
作为本发明的优选方案，发射天线和接收天线均为圆极化天线，并且发射天线和接收天线极化方向相反。
作为本发明的优选方案，当无线信号为wi-fi信号时，系统还包括功率分配器，
功率分配器用于将信号发生设备输出的无线信号分成两个相同的信号：第一无线信号和第二无线信号；功率分配器还用于将第一无线信号通过同轴线缆输出到数据处理器，并通过发射天线输出第二无线信号到被测目标。
作为本发明的优选方案，当无线信号为2.4g频段的wi-fi信号时，信道状态信息的频率带宽为20mhz或者40mhz，信道状态信息的子载波信号的频率范围为2401mhz到2483mhz；
当无线信号为5g频段的wi-fi信号时，信道状态信息的频率带宽为20mhz、40mhz或者80mhz，信道状态信息的子载波信号的频率范围为5150mhz到5850mhz。
作为本发明的优选方案，当无线通信信号为毫米波雷达信号时，
信号发生设备用于产生毫米波雷达信号并存储毫米波雷达信号作为参考信号；
发射天线用于将毫米波雷达信号辐射到被测目标；
数据处理器用于接收被测目标反射回来的回波信号，并根据回波信号和参考信号得到中频信号，数据处理器还用于对中频信号依次进行adc采样、fft变换，得到被测目标的相位信息；毫米波雷达信号的相位信息作为毫米波雷达信号的信道状态信息。
作为本发明的优选方案，毫米波雷达信号的频率f的范围包括：23ghz≤f≤28ghz、60ghz≤f≤65ghz和76ghz≤f≤81ghz。
作为本发明的优选方案，数据处理器获取信道状态信息后，还用于对信道状态信息进行huber-kalman算法滤波，得到被测目标的呼吸特征参数和/或心跳的特征参数，具体包括以下步骤：
s1、对信道状态信息进行子载波融合，获取生命体征波形信号；
s2、对生命体征波形信号进行基于huber-kalman滤波算法的滤波，得到滤波后的生命体征波形信号，huber-kalman滤波算法采用huber目标函数对kalman滤波算法的公式进行更新；
s3、从滤波后的生命体征波形信号中提取出生命体征参数，生命体征参数包括呼吸特征参数和心跳特征参数。
作为本发明的优选方案，步骤s1具体包括以下步骤：
s100，对信道状态信息进行解卷绕处理，并获取每个信道状态信息的子载波信号，子载波信号的频率分布于信道状态信息的频率带宽中；
s200，在每个信道状态信息中，以n个频点为间隔，提取出部分子载波信号，构成预选子载波信号，n为自然数；
s300，计算预选子载波信号对应的权重值和绝对偏差值；
s400，根据预选子载波信号对应的权重值和绝对偏差值，计算出每个预选子载波信号的修正数据，将预选子载波信号的修正数据叠加后，输出生命体征波形信号。
基于相同的构思，本发明还提出了一种应用于上述无接触式呼吸或心跳检测系统的圆极化天线，其特征在于，圆极化天线包括馈电板、耦合激励片、辐射体和同轴线，
馈电板的上表面蚀刻了馈电网络和耦合激励片，辐射体与馈电网络通过耦合激励片实现耦合馈电，馈电网络通过同轴线与信号发射设备连接或者与数据处理器连接实现信号传输。
作为本发明的优选方案，馈电网络与同轴线连接的具体结构包括，探针通过通孔穿过馈电板，探针位于馈电板上表面的一端与馈电网络连接，探针位于馈电板下表面的一端与同轴线连接。
作为本发明的优选方案，辐射体与馈电网络实现耦合馈电的具体结构包括，辐射体和耦合激励片均开有过孔，固定件通过过孔将辐射体与耦合激励片固定连接。
作为本发明的优选方案，馈电网络包括威尔金森功分器和90°相位差微带馈线；90°相位差微带馈线包括微带线和90°相移微带线；
威尔金森功分器的第一端口与同轴线连接，威尔金森功分器的第二端口通过微带线与耦合激励片连接，威尔金森功分器的第三端口通过90°相移微带线与耦合激励片连接。
作为本发明的优选方案，威尔金森功分器走线方式包括圆形走线、方形走线、折角走线和直接走线。
作为本发明的优选方案，90°相位差微带馈线以切角的方式形成寄生相移结构，使得微带线传输的信号和90°相移微带线传输的信号具有90°的相位差。
作为本发明的优选方案，微带线通过90度的弯折连接威尔金森功分器的第二端口和耦合激励片；
90°相移微带线通过六次90度弯折连接威尔金森功分器的第三端口和耦合激励片；威尔金森功分器、90°相位差微带馈线和耦合激励片构成封闭的环形。
本发明及其优选方案的有益效果：
1、本发明的系统将无线信号发射装置、接收装置和数据处理器封装为一个整体，减少了系统链路连接中带来的干扰，增加了信号处理中的稳定性。并且系统基于同一个时钟信号工作，避免了信号处理过程中，系统各部分时钟不同步而带来的误差，增加了信号处理中的稳定性。
2、本发明系统中的发射天线和接收天线为圆极化天线，发射天线和接收天线的极化方向不同，此时接收天线只能接收与自己相反极化方向的信号，这样的设计使得，即使环境中存在多径干扰，但是接收天线只接收与自己相反极化方向的信号，而对环境中的其他信号形成屏蔽，减少了环境中多径干扰对信号产生的影响。
3、本系统中，当无线信号为wi-fi信号时，通过功率分配器产生两路相同的wi-fi信号，一路发射出去，一路通过同轴线缆输出到处理器，用于后期数据的分析处理。参考信号不再从外部环境中接收，而是直接采用同轴线缆传输参考信号，使得作为后续提取相位差的基准的参考信号更稳定，计算结果更准确。
4、本发明的方法在信号处理中采用了huber-kalman滤波方法，克服了不同使用场景下动态扰动带来的干扰影响。通过改进后的huber-kalman滤波算法，采用包含第一范数和第二范数的huber目标函数对kalman滤波算法中的公式进行更新，使得算法中能同时兼顾大误差和小误差，一方面，小误差为持续性的波动(例如车辆行进中的持续性抖动)，通过第二范数对小误差进行滤除；另一方面，大误差为偶尔出现的波动(例如车辆经过减速带时的抖动)，通过第一范数对大误差进行滤除。huber-kalman算法的意义在于，更全面、细腻的处理各种大误差和小误差，使得滤波后得到的信号更准确地反应出呼吸或心跳特征。
5、本发明还针对无接触式呼吸心跳检测系统设计了专用的圆极化天线和馈电网络，降低了馈电过程中的损耗。
附图说明
图1为本发明实施例1中的一种无接触式呼吸或心跳检测系统结构图；
图2为本发明实施例1中的具体的基于wi-fi信号的无接触式呼吸或心跳检测系统；
图3为本发明实施例1中的圆极化天线示意图；
图4为本发明实施例1中的圆极化天线侧面尺寸；
图5为本发明实施例1中的圆极化天线3d仿真结果图；
图6为本发明实施例1中圆极化天线增益仿真结果图；
图7为本发明实施例1中的圆极化天线中的馈电部分示意图；
图8为本发明实施例1中的一种无接触式呼吸或心跳检测方法的流程图；
图9为本发明实施例1中的汽车行驶过程中用于提取呼吸或心跳参数的生命体征波形信号图；
图10为本发明实施例1中的呼吸和心跳分离效果图；
图11为本发明实施例1中的小误差占比的趋势图；
图12为本发明实施例1中的未解绕的呼吸波形图；
图13为本发明实施例1中的解绕后的呼吸波形图；
图14为本发明实施例1中的50号子载波的波形图；
图15为本发明实施例1中的90号子载波的波形图；
图16为本发明实施例2中的雷达系统数据采集的过程原理图；
图17为本发明实施例2中生命体征检测软件流程图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
本发明的原理是无线设备可以通过信道状态信息(csi)来获取到接收信号的i/q信息，根据i/q信息可以计算出接收信号的相位。具有多输入多输出功能的无线设备可以通过多个接收端口的相位差来分析不同的信号传输链路上的信道状态信息的差异。通过传输链路上信道状态信息的变化可以分析环境中目标的特征，比如探测人的呼吸和心跳。但是无线设备的不同接收端口，如果都通过天线来接收环境中的无线信号，两个天线接收到的信号都是会受到环境变化的影响，系统的稳定性不足，对非常微弱的变化比如心跳特征的获取不敏感。本发明以无线信号中的wi-fi信号和毫米波雷达信号为例，描述一个具体的无接触式呼吸或心跳检测系统的结构和原理，无接触式呼吸或心跳检测系统结构图如图1所示，并不限定为只能基于wi-fi信号和毫米波雷达信号构建无接触式呼吸或心跳检测系统，凡是基于相同的构思，基于无线信号构建的无接触式呼吸心跳检测系统，均在本发明的保护范围。
实施例1
本实施例给出了一个具体的基于wi-fi信号的无接触式呼吸或心跳检测系统，系统的结构图如图2所示，包括wi-fi信号发射装置、wi-fi信号的接收装置和数据处理器，wi-fi信号发射装置包括wi-fi信号发生设备、功率分配器和发射天线，将wi-fi信号发射设备的发射端口通过功率分配器分成两个相同的信号：第一wi-fi信号和第二wi-fi信号，功率分配器的一个输出端口通过同轴线连接到数据处理器(链路a)，用于输出第一wi-fi信号到数据处理器；功率分配器的另一个输出端口连接发射天线，用于发射第二wi-fi信号。第二wi-fi信号经过环境中被测目标反射之后被wi-fi信号接收天线和接收装置接收到(链路b)，并输出到数据处理器。基于这种系统设计，wi-fi信号发生设备的发射端口通过功率分配器和同轴线建立的链路a，为wi-fi信号接收天线所在的链路b提供了一个稳定的参考信号。数据处理器根据从链路a和链路b接收到的wi-fi信号，计算出csi信号的相位差，探测到环境中的微小变化的特征，从中提取出反应呼吸和心跳的特征参数。
进一步的，将wi-fi信号发射装置、wi-fi信号的接收装置和数据处理器封装为一个整体，wi-fi信号发射装置中的芯片和数据处理器中的芯片共用一个晶振，采用同一个晶振提供的时钟信号，使得采集的原始相位差数据具有非常少的离群点，相位差更可靠。
链路b通过接收天线探测环境的变化，普通的wi-fi天线容易受到环境中多径信号的干扰，被探测目标的微小的特征在多径信号的干扰情况下会被噪声掩盖。为了解决多径信号干扰的问题，本发明采用圆极化天线的设计来抑制多径信号。链路a中功率分配器连接的发射天线是左旋圆极化天线，链路b中wi-fi信号接收天线是右旋圆极化天线，或者发射天线采用右旋圆极化天线，接收天线采用左旋圆极化天线；所以链路b能够有效抑制两个天线之间的直射信号和偶次反射信号，使得wi-fi信号接收天线接收到的信号主要是经过一次反射的信号，并且一次反射的信号是从被测目标反射的信号。其中，圆极化天线示意图如图3所示，天线侧面尺寸如图4所示。
作为优选方案，圆极化天线分为三个组件：馈电板、耦合激励片、辐射体和同轴线，馈电板的上表面蚀刻了馈电网络和耦合激励片，辐射体与馈电网络通过耦合激励片实现耦合馈电，馈电网络通过同轴线与wi-fi信号发射设备或wi-fi信号接收设备实现信号传输。馈电网络采用耦合微带馈电结构，同轴线馈入的电磁能量通过两路具有90°相位差的威尔金森功分器给微带片耦合馈电，形成圆极化。圆极化天线只接受与自己极化方向相反的信号，有效的滤除了多径干扰。
传统的微带天线的辐射片和馈电网络使用探针进行连接，本发明设计的圆极化天线的辐射片和馈电网络通过微带片和辐射体之间耦合馈电。5ghz频率的波长较短，探针的加工误差对性能影响较大，通过耦合馈电避免探针的加工误差带来的影响，有利于性能集成和性能一致性。本发明的圆极化天线3d仿真结果如图5所示，圆极化天线增益仿真结果如图6所示，3db波束宽度为62.7度，极化抑制比为14.4db。
作为本发明的优选方案，圆极化天线中的馈电部分也进行了针对性的改进。经典圆极化微带天线使用探针馈电，为了形成圆极化，大多数方案选择使用方形辐射单元，在辐射片上切角等方式形成一个寄生相移结构，从而产生两个具有90°相位差的电流形成圆极化。这种方案具有低成本，低轮廓，尺寸小，加工简单，易于与系统集成的优点，但是由于相移依赖微带谐振结构本体，天线的匹配带宽窄，受加工影响偏移大，所以大多数情况只在像gps这样的单频点通讯系统中使用，生产时还需要再调试天线，进而增加了生产成本。
本发明需要在2.4gism频段或者5.8gism频段使用圆极化天线，经典方案的带宽不足成了最明显的缺陷。为了拓宽带宽，一种常用的方法就是使用双层或者多层微带结构，每一个微带片覆盖一个频带范围，这样就可以形成多谐振点，拓宽天线的带宽，本设计中进一步改进为耦合激励。另一方面，为了保证相对较宽带以及稳定的90°馈电相位差，馈电网络使用威尔金森功分器馈电。本设计在这两个设计思想下优化改进完成。
圆极化天线中的馈电部分如图7所示，馈电板上包含三个部分：1、威尔金森功分器；2、90°相差微带馈线；3、耦合激励用微带方片。
威尔金森功分器与90°相差传输线采用微带线结构制成，蚀刻在介质板上；同样，馈电激励片也蚀刻在介质板上，与微带线直接连接。威尔金森功分器可由微带线制作，可以是圆形走线，可以是方形走线，折角走线，本例中为直接走线；90°相差传输线可以为多种传输线结构，本例中为微带线形式；耦合激励片可以是方形，圆形，开缝的多边形等不规则形状，由所需要的性能决定，本例中为方形。
辐射片为一金属片。金属片形状可以为圆形，方形，规则多边形以及多种形状。制作材料可以由金属片，pcb等制成，不受约束。本例出于安装简易性考虑，使用圆片。
天线有多种方法固定，本例使用的是微带天线的较为常用的安装方法，是在天线正中心开一个过孔，用于穿螺丝。由于微带天线正中心是电压零点，所以中心穿固定件既可以是塑料，也可以是导电金属。安装开孔的不限定于正中心，由实际情况而定。
除改进链路和天线来减小环境多径带来的干扰，在算法上也利用huber目标函数改进kalman滤波，减小动态环境的干扰。传统的kalman滤波常用在处理传播信号中的噪声，但当噪声存在大偏差的离群点时，基于最小二乘法的kalman滤波会受离群点影响较大，处理时有一定的局限性。而在汽车使用场景下，汽车行驶过程发动机的抖动属于小波动，经典的kalman滤波有很好的滤波效果。但当行驶过程中刹车、加速、过减速带等等会给接收信号带来不同程度的大误差噪声，此时kalman滤波处理能力有限。huber目标函数则融合了第一范数和第二范数，对大误差的敏感性更低，可以有效滤除大误差噪声。利用huberkalman的滤波算法可以将卡尔曼滤波和huber目标函数的优势相结合，快速有效地滤除大误差和小波动，提高测量结果的准确度。
加入huber-kalman滤波算法的无接触式生命体征检测方法，其流程图如图8所示，包括以下步骤：
s1，输出wi-fi信号到被测目标，并获取wi-fi信号的信道状态信息。
s2，从wi-fi信号信道状态信息中提取出生命体征波形信号。
s3，对生命体征波形信号进行基于huber-kalman滤波算法的滤波，得到滤波后的生命体征波形信号，huber-kalman滤波算法采用huber目标函数对kalman滤波算法的公式进行更新。
s4，从滤波后的生命体征波形信号中提取出生命体征参数，生命体征参数包括呼吸特征参数和心跳特征参数。
作为优选方案，步骤s4中，从滤波后的生命体征波形信号中提取出生命体征参数，提取的生命体征参数包括呼吸速率、呼吸次数、心跳次数、心跳速率等。作为具体的实施例，本发明的方法在汽车场景下使用时，汽车行驶过程中用于提取呼吸或心跳参数的生命体征波形信号如图9所示。通过对峰值计数或者对峰值间隔进行检测提取呼吸或心跳参数。针对呼吸次数和心跳次数的提取，主要方法是在预设的一段时间内，计算生命体征波形的峰值个数，通过生命体征波形的峰值计算呼吸或心跳的次数。对于呼吸速率或心跳速率参数的提取，方法还可以是计算生命体征波形的峰值之间的时间间隔，通过时间间隔，计算呼吸速率或心跳速率。另外，对于呼吸速率或心跳速率的提取，还可以将滤波后的生命体征波形信号进行频域分析，将滤波后的生命体征波形信号从时域信号变换为频域信号，得到滤波后的生命体征波形信号的频谱图。
将滤波后的生命体征波形信号进行频域分析，获取呼吸速率或心跳速率，具体包括以下步骤：
b41，对滤波后的生命体征波形信号按照时间窗口进行分段，得到生命体征波形。
b42，对生命体征波形进行频域分析，得到生命体征波形的频谱特性。
b43，对所述生命体征波形的频谱特性进行低通或高通滤波，得到被测人体的生命体征频率。
计算生命体征波形的峰值之间的时间间隔，通过时间间隔，计算呼吸速率或心跳速率，具体包括以下步骤：
s41，对滤波后的生命体征波形信号按照时间窗口进行分段，得到生命体征波形；
s42，提取生命体征波形的峰值之间的时间间隔，根据峰值之间的时间间隔，确定被测人体的呼吸或心跳的频率。
在预设的一段时间内，计算生命体征波形的峰值个数，通过生命体征波形的峰值反应呼吸或心跳的次数，具体包括以下步骤：
a31，对滤波后的生命体征波形信号按照时间窗口进行分段，得到生命体征波形；
a32，在预设的一段时间内，计算生命体征波形的峰值个数，根据生命体征波形的峰值个数，确定被测人体的呼吸或心跳的次数。
呼吸和心跳分离效果图如图10所示。bpm＝94是通过对波形图中峰值计数，计算出心跳的频率，bpm＝17是通过对波形图中峰值计数计算出的呼吸频率。
作为优选方案，步骤s3中，对生命体征波形信号进行了基于huber-kalman滤波算法的滤波，以滤除干扰，得到准确的滤波后的生命体征波形信号，所述huber-kalman滤波算法利用huber目标函数中可以将第一范数和第二范数进行融合的优势来改进kalman滤波算法，具体步骤包括：根据kalman更新方程计算当前时刻的最优估计值时，该最优估计值由上一时刻的最优估计值和当前时刻根据huber预测方程计算的观测值共同决定，通过预测方程和更新方程的反复迭代计算，对输入的生命体征波形信号进行滤波。经典的卡尔曼滤波中卡尔曼增益由第二范数(即最小二乘)决定，当测量值与真实值存在大偏差时，经典卡尔曼滤波的结果则会向偏向误差点，滤波效果较差。基于huber的目标函数将误差分为大误差和小误差，其中大误差是指偏离真实值大于某个阈值的误差点，小误差是指围绕真实值在一定小范围内(某阈值内)上下波动的误差点。分段处理不同类型的误差，可以有效恢复原本的呼吸和心跳波形。
步骤s3中huber-kalman滤波算法的计算公式包括预测方程和更新方程，
预测方程表示为：
更新方程为:
其中，k表示第k时刻；a表示大误差和小误差之间的阈值；
其中，大误差和小误差之间的阈值a用于确定滤波中大误差和小误差滤波作用的占比，阈值的选取与当前场景有关，在不同的场景下，获取参数a的取值不同。作为优选方案，实时检测环境的特征值，以确定被测人体的环境状态，根据环境的特征值实时调整所述大误差和小误差之间的阈值。例如，在汽车行驶的场景下，通过包括正常行驶的状态、快速启动的状态、刹车的状态等不同的状态，人体作为wi-fi信号的反射面，与wi-fi发射信号的相对距离不同。检测环境的特征值(例如人体与wi-fi发射信号的相对距离)判断汽车行驶的场景，以及被测人体处于的状态(正常行驶的状态、快速启动的状态、刹车的状态等)来确定参数a的取值，实时调整大误差或小误差的占比。检测环境的特征值还可以是环境噪声，根据环境噪声判断被测人体处于的状态(通过噪声信号的特点确定正常行驶的状态、快速启动的状态、刹车的状态等)。作为具体的例子，高速行驶情况下，小误差占比的趋势图如图11所示。在a＝15前，小误差的比例在不断增大，a>15后趋于平缓，这时选择拐点a＝15作为区分大误差和小误差的阈值，进行huber-kalman滤波。
作为优选方案，当无线信号为wi-fi信号时，步骤s1具体包括以下步骤：
s11，将输出的wi-fi信号分为相同的两路wi-fi信号，第一wi-fi信号和第二wi-fi信号，第一wi-fi信号输出到被测目标，第二wi-fi信号作为参考wi-fi信号；
s12，第一wi-fi信号经过被测目标反射后形成反射的wi-fi信号，把反射的wi-fi信号与参考wi-fi信号做差，得到wi-fi信号的相位差信息，所述wi-fi信号的相位差信息作为wi-fi信号的信道状态信号。
作为优选方案，当步骤s4中提取的生命体征为呼吸特征参数时，步骤s2具体包括以下步骤：
s21，将相位差信号进行解卷绕处理，得到预处理信号。要计算相频特性，就要用到反正切函数，计算机中反正切函数规定，在一、二象限中的角度为0～pi，三四象限的角度为0～-pi。若一个角度从0变到2pi，但实际得到的结果是0～pi，再由-pi～0，在w＝pi处发生跳变，跳变幅度为2pi，这就叫相位的卷绕。在python和matlab里面，unwrap(w)就是解卷绕，使相位在pi处不发生跳变，从而反应出真实的相位变化。未解绕的呼吸波形如图12所示，由于在w＝pi处发生跳变，得到的波形也存在跳变而不连续，解绕后的呼吸波形如图13所示，由于相位在pi处不发生跳变，从而反应出真实的相位变化，解绕后的呼吸波形连续，便于后续的峰值的提取。
s22，将预处理信号进行子载波融合处理，输出呼吸特征波形信号。在wi-fi无线感知中，由于csi有53个子信道，每个子信道内有多个子载波，由于每个子载波的中心频率不同，每个子载波对不同速度的运动敏感程度不同，通过选择多个子载波相互补充，反应呼吸波形特征。图14中是50号子载波的波形图，图15中是90号子载波的波形图，这两个波形的特征不完全相同，因此将这两个子载波叠加，就实现了信号的互补，确保提取呼吸特征的完整。
步骤s22具体包括以下步骤：
s221，获取预处理信号中每个信道状态信息的子载波信号，子载波信号的频率分布于信道状态信息的频率带宽中。
s222，在每个信道状态信息中，以n个频点为间隔，提取出的部分子载波信号，构成预选子载波信号。例如，每隔1个频点提取子载波信号，每隔2个频点提取子载波信号，每隔3个频点提取子载波信号……，具体提取的子载波间隔多少个频点，以计算需求确定。
s223，计算预选子载波信号对应的权重值和绝对偏差值。
s224，将预选子载波信号对应的权重值和绝对偏差值相乘，计算出每个预选子载波信号的修正数据，将修正数据叠加后，输出生命体征波形信号。
步骤s223中，设定预选子载波信号子载波的观测原始数据为x1＝{x11,x12,…,x1n},x2＝{x21,x22,…,x2n},xm＝{xm1,xm2,…,xmn}，即可分别计算每个子载波的绝对偏差值。计算公式为：
其中，n是每个所述预选子载波信号的离散处理后的采样编号，m是预选子载波信号的个数，xmi是每个所述预选子载波信号离散处理后的采样值，
各子载波的相应权重的计算公式为：
因此，步骤s224中，子载波融合的结果为
作为优选方案，步骤s221中，
针对2.4g的wi-fi信号，子载波可能覆盖的频率范围为2401mhz到2483mhz。实际使用中一般选择其中一个20mhz或者40mhz的带宽中的子载波。
针对5g的wi-fi信号，子载波可能覆盖的频率范围为5150mhz到5850mhz。实际使用中一般选择其中一个20mhz、40mhz或者80mhz的带宽中的子载波。频率越高，wi-fi信号的波长越短，对于呼吸和心跳特征更加敏感。所以选择5750mhz至5850mhz这个频率范围可以得到较好的探测效果。
进一步的，当步骤s4中提取的生命体征为心跳特征参数时，步骤s2包括以下步骤：
k21，对wi-fi信号的信道状态信息进行降采样处理，获取降采样信道状态信息。在满足能观测结果的情况下尽可能降低采样率，使得计算量减少，提高系统的实时性，作为优选方案，可以将采样率降低至8hz，当采样率降低至8hz是能够满足小波变换的要求。
k22，将信道状态信息进行解卷绕处理，得到预处理信号。
k23，将所述预处理信号进行子载波融合处理后，进行频域分析，输出心跳特征波形信号。
实施例2
实施例2与实施例1之间的区别在于，采用的无线信号不是wi-fi信号，而是毫米波雷达信号，毫米波雷达信号的频率f的范围包括：23ghz≤f≤28ghz、60ghz≤f≤65ghz、76ghz≤f≤81ghz。wi-fi信号无法知道信号的来源，当接收到被测目标返回的wi-fi信号时，并不能知道该反射信号反射前的状态，因此，专门输出一路与wi-fi信号相同的信号作为参考信号。毫米波雷达信号能分辨识别很小的目标，而且能同时识别多个目标，能明确知道反射回来的毫米波雷达信号的原始来源，因此，在毫米波雷达信号输出的时刻，获取当下的毫米波雷达信号作为参考无线信号，该参考无线信号用于后续计算信道状态信号。
作为优选方案，当无线信号为毫米波雷达信号时，步骤s1具体包括以下步骤：
c11，输出毫米波雷达信号到被测目标，并将发射时刻的毫米波雷达信号作为参考信号；
c12，被测目标将毫米波雷达信号反射回去，形成回波信号，回波信号与参考信号解调产生中频信号；
c13，对中频信号依次进行adc采样、fft变换，得到被测目标的距离信息和被测目标的相位信息；
c14，毫米波雷达信号的相位信息作为毫米波雷达信号的信道状态信息。
作为本发明的优选方案，步骤s11的具体步骤为：控制器控制射频前端产生需要的毫米波雷达波形并发射出去，并将发射时刻该毫米波雷达信号作为接收端的参考信号进行存储，本实施例中需要的是fmcw雷达信号；步骤s12中，射频前端接收到毫米波雷达信号经过反射面(被测目标)之后的回波信号，与参考信号解调产生中频信号(if)。
步骤s13中，得到的中频信号就包含了反射面的信号，对中频信号经过adc采样之后，通过fft得到反射面的距离信息和相位信息。距离信息是通过fft结果的不同频点来得到反射面距离雷达的距离；相位信息是指1d-fft的相位，1d-fft的相位信息可以反映反射面的微小的变化。毫米波雷达信号的相位信息就作为毫米波雷达信号的信道状态信息。对于毫米波雷达信号来说，其相位信息本身就携带了生命体征波形信号，步骤s2中，通过相位解卷绕就可以直接从毫米波雷达信号的相位信息中提取出生命特征波形信号，相位解卷绕的方法与实施例1中的步骤s21相同，此处不再赘述。后续步骤s3和s4与实施例1的方法相同，此处不再赘述。
雷达系统数据采集的过程原理图如图16所示。系统主要包含毫米波雷达射频前端，数字信号处理模块，主控制器，存储模块以及通信接口。毫米波雷达射频前端的功能是在主控制器的控制下产生并发射毫米波雷达信号，并且接收雷达回波信号，并且根据回波信号和参考信号得到中频信号(射频前端相当于无线信号产生设备和无线信号接收设备的集成)。数字信号处理模块的功能是对毫米波雷达信号进行adc采样之后进行fft计算和滤波等，计算得到距离信息、相位信息、速度信息和角度信息等信息。存储模块用来存储本发明所述的检测系统的程序和数据。通信接口是雷达系统和汽车电子系统通信的接口，接收汽车电子系统下发的指令，并将雷达系统的数据发送给汽车电子系统。
图17是生命体征检测软件流程图，获取回波信号，进而计算出相位信息后，直接将相位信息进行解卷绕就可以直接获得生命体征波形信号。对生命体征波形信号进行huber-kalman滤波，就能提取出生命体征参数，生命体征检测包括呼吸、心跳这两个参数。雷达回波信号的相位信息反映的是目标的微动特征，因为毫米波的波长很短，所以相位差信息能够检测到零点几毫米的微动特征，可以用来检测呼吸和心跳。由于呼吸和心跳的频率不一样，所以经过频域分析之后将呼吸的特征和心跳的特征区分开。在车内场景下，由于汽车在行驶过程的颠簸和车内人员的肢体动作会带来不同程度的误差，对测量结果带来影响。
其中，相位解卷绕和通过huber-kalman滤波提取出生命特征参数的方法与实施例1相同的方法(图8中的步骤s3-s4)，就能得到反应生命体征的呼吸特征参数和心跳特征参数。此处不再赘述。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】
与客服一对一沟通，为大家解决相关问题。
此文章来源于网络,如有侵权,请联系删除
热门咨询
