專利名稱：基于生物雷達(dá)檢測(cè)的呼吸和心跳實(shí)時(shí)分離方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種利用生物雷達(dá)檢測(cè)技術(shù)在人體生理信號(hào)非接觸檢測(cè)中，將呼吸和心跳進(jìn)行實(shí)時(shí)分離的方法。
背景技術(shù)：
隨著生物醫(yī)學(xué)工程、雷達(dá)、電子、計(jì)算機(jī)技術(shù)以及軍事、醫(yī)學(xué)、社會(huì)發(fā)展的需要，許多國(guó)內(nèi)外學(xué)者提出一種生理信號(hào)探測(cè)技術(shù)新的概念——生物雷達(dá)(Bioradar)。該技術(shù)融合雷達(dá)技術(shù)、生物醫(yī)學(xué)工程技術(shù)于一體，可穿透非金屬介質(zhì)(衣服、醫(yī)用紗布等)，不需要任何電極或傳感器接觸生命體，可在較遠(yuǎn)的距離內(nèi)探測(cè)到人體的生理信號(hào)(如呼吸、體動(dòng)等)，實(shí)現(xiàn)生理信號(hào)的非接觸檢測(cè)。因此，該技術(shù)可被廣泛應(yīng)用于臨床監(jiān)護(hù)、家庭健康監(jiān)護(hù)等場(chǎng)合。生物雷達(dá)一般包括前端、天線、信號(hào)調(diào)理硬件和后端信號(hào)處理軟件部分，在前端、信號(hào)調(diào)理器等硬件性能指標(biāo)最優(yōu)的前提下，如何在后端信號(hào)處理中能夠?qū)崟r(shí)分離呼吸和心跳信號(hào)，對(duì)生物雷達(dá)在臨床生理信號(hào)或家庭健康監(jiān)護(hù)中的推廣應(yīng)用具有決定性的作用，因此受到世界各國(guó)高度的重視，研究人員提出了不同的方法用于生物雷達(dá)檢測(cè)中呼吸和心跳的實(shí)時(shí)分離。根據(jù)所采用的方法主要可分為:(I)時(shí)域數(shù)字濾波法；(2)頻域?yàn)V波法；(3)小波分解與重構(gòu)法。其中，時(shí)域?yàn)V波方法是采用FIR (有限沖激響應(yīng))數(shù)字濾波器將體動(dòng)信號(hào)直接設(shè)置兩個(gè)數(shù)字濾波器，呼吸通道對(duì)應(yīng)的數(shù)字低通濾波器的截止頻率為0.5Hz，心跳通道對(duì)應(yīng)的數(shù)字帶通濾波器下限截止頻率為0.6Hz和上限截止頻率為3.3Hz。該方法的優(yōu)點(diǎn)是算法簡(jiǎn)單、易于實(shí)現(xiàn)，但是存在兩個(gè)缺陷:第一是瞬時(shí)心跳信號(hào)不能實(shí)時(shí)得到，主要原因是FIR濾波器在設(shè)計(jì)時(shí)存在著一定的信號(hào)時(shí)延；第二是將導(dǎo)致心跳信號(hào)的部分信息丟失，主要原因是接近濾波器截止頻率的心跳信號(hào)的也將被濾除；以上兩個(gè)缺陷使得FIR數(shù)字濾波方法分離出的呼吸和心跳信號(hào)，不能應(yīng)用于臨床生理信號(hào)監(jiān)護(hù)的要求(要求生理參數(shù)實(shí)時(shí)性和準(zhǔn)確性)。頻域?yàn)V波方法是將生物雷達(dá)檢測(cè)到的呼吸和體動(dòng)信號(hào)進(jìn)行FFT (快速傅里葉變換)計(jì)算，然后根據(jù)呼吸的頻譜寬度設(shè)置頻域?yàn)V波器對(duì)體動(dòng)信號(hào)的頻譜進(jìn)行濾波，從中分離出心跳信號(hào)的頻譜，最后再經(jīng)過逆F`FT變換從中提取出心跳信號(hào)的時(shí)域波形。該方法的優(yōu)點(diǎn)是能夠準(zhǔn)確地從體動(dòng)信號(hào)中分離出心跳信號(hào)，并直接得到瞬時(shí)心率值。但是也存在兩個(gè)問題 第一，為滿足快速計(jì)算FFT正變換和逆變換，需要人為補(bǔ)零或減少數(shù)據(jù)長(zhǎng)度，容易產(chǎn)生數(shù)據(jù)冗余而增加運(yùn)算量，從而降低呼吸和心跳信號(hào)分離的實(shí)時(shí)性；第二:當(dāng)呼吸的高次諧波與心跳信號(hào)的基波頻率重疊時(shí)，無法從體動(dòng)頻譜中有效濾除呼吸信號(hào)，這種情況在臨床心血管患者中非常多，因此該方法也不能滿足臨床生理信號(hào)的監(jiān)測(cè)要求。小波方法是根據(jù)呼吸信號(hào)的頻帶，將體動(dòng)信號(hào)選擇合適的小波包進(jìn)行時(shí)域分解，然后將呼吸頻帶內(nèi)的信號(hào)置零，并將剩余其他信號(hào)成分進(jìn)行小波重構(gòu)，最終合成心跳信號(hào)。該方法的優(yōu)點(diǎn)是抗干擾能力強(qiáng)，并能將心跳信號(hào)的所有信息完整地重構(gòu)，但是小波分解時(shí)很難選擇小波包，而且算法復(fù)雜、運(yùn)算量大，不能實(shí)現(xiàn)呼吸和心跳信號(hào)的實(shí)時(shí)分離。因此，該方法也不滿足臨床生理信號(hào)的監(jiān)測(cè)要求。

發(fā)明內(nèi)容
本發(fā)明的目的是在人體生理信號(hào)非接觸檢測(cè)，特別是利用生物雷達(dá)檢測(cè)的過程中，提供一種算法簡(jiǎn)單的呼吸和心跳的實(shí)時(shí)分離方法，可從體動(dòng)信號(hào)中實(shí)時(shí)分離出呼吸和心跳信號(hào)，從而滿足臨床病人(燒傷、傳染)、家庭老人以及其他慢性病患者的生理信號(hào)實(shí)時(shí)監(jiān)測(cè)的要求。

為達(dá)到以上目的，本發(fā)明是采取如下技術(shù)方案予以實(shí)現(xiàn)的:一種基于生物雷達(dá)檢測(cè)的呼吸和心跳實(shí)時(shí)分離方法，其特征在于，包括下述步驟:(I)對(duì)生物雷達(dá)檢測(cè)到的呼吸信號(hào)和體動(dòng)信號(hào)分別進(jìn)行預(yù)處理，呼吸和體動(dòng)信號(hào)的頻率范圍限定在5Hz以內(nèi)，信號(hào)的幅度限定在-1V至+IV，預(yù)處理包括數(shù)字濾波及歸一化處理；(2)預(yù)處理后的呼吸信號(hào)經(jīng)過呼吸諧波檢測(cè)模塊，從中提取出呼吸信號(hào)的二次以上的高次諧波，包括呼吸信號(hào)基波估計(jì)和呼吸信號(hào)諧波合成，其中，呼吸信號(hào)基波估計(jì)采用自相關(guān)算法求解基波頻率；呼吸信號(hào)諧波合成采用高斯-牛頓算法；(3)將呼吸諧波檢測(cè)模塊的輸出送入自適應(yīng)諧波抵消模塊并作為其參考輸入信號(hào)；預(yù)處理后的體動(dòng)信號(hào)送入自適應(yīng)諧波抵消模塊并作為其原始輸入信號(hào)，通過自適應(yīng)算法不斷調(diào)整和更新自適應(yīng)濾波器的參數(shù)，當(dāng)體動(dòng)信號(hào)中的呼吸成分與參考輸入的呼吸信號(hào)的諧波成分的差值的平方最小時(shí)，此時(shí)自適應(yīng)濾波器的輸出就是心跳信號(hào)。上述方法中，步驟(I)所述數(shù)字濾波采用巴特沃斯IIR濾波器；歸一化處理按以下公式進(jìn)行:y= (X-Min)/(Max-Min),其中x為數(shù)字濾波后的呼吸信號(hào),y為歸一化后信號(hào),Max和Min分別表示濾波后呼吸和體動(dòng)信號(hào)的最大值和最小值。步驟(2)所述呼吸諧波檢測(cè)的具體流程如下:第一步:求解呼吸信號(hào)的基波頻率選取合適的窗函數(shù)對(duì)呼吸信號(hào)進(jìn)行分段處理，對(duì)每個(gè)數(shù)據(jù)段內(nèi)求自相關(guān)函數(shù)，然后對(duì)自相關(guān)函數(shù)進(jìn)行功率譜估計(jì)，功率譜能量的最大值所對(duì)應(yīng)的頻率點(diǎn)為呼吸信號(hào)的基波頻率fo，然后從前至后，依次對(duì)呼吸信號(hào)進(jìn)行加窗、自相關(guān)、求功率譜等處理，對(duì)f。進(jìn)行不斷的更新；第二步:構(gòu)建呼吸信號(hào)高次諧波數(shù)學(xué)模型將呼吸運(yùn)動(dòng)引起的胸廓運(yùn)動(dòng)的模型定義為:
權(quán)利要求
1.一種基于生物雷達(dá)檢測(cè)的呼吸和心跳實(shí)時(shí)分離方法，其特征在于，包括下述步驟: (1)對(duì)生物雷達(dá)檢測(cè)到的呼吸信號(hào)和體動(dòng)信號(hào)分別進(jìn)行預(yù)處理，呼吸和體動(dòng)信號(hào)的頻率范圍限定在5Hz以內(nèi)，信號(hào)的幅度限定在-1V至+IV，預(yù)處理包括數(shù)字濾波及歸一化處理； (2)預(yù)處理后的呼吸信號(hào)經(jīng)過呼吸諧波檢測(cè)模塊，從中提取出呼吸信號(hào)的二次以上的高次諧波，包括呼吸信號(hào)基波估計(jì)和呼吸信號(hào)諧波合成，其中，呼吸信號(hào)基波估計(jì)采用自相關(guān)算法求解基波頻率；呼吸信號(hào)諧波合成采用高斯-牛頓算法； (3)將呼吸諧波檢測(cè)模塊的輸出送入自適應(yīng)諧波抵消模塊并作為其參考輸入信號(hào)；預(yù)處理后的體動(dòng)信號(hào)送入自適應(yīng)諧波抵消模塊并作為其原始輸入信號(hào)，通過自適應(yīng)算法不斷調(diào)整和更新自適應(yīng)濾波器的參數(shù)，當(dāng)體動(dòng)信號(hào)中的呼吸成分與參考輸入的呼吸信號(hào)的諧波成分的差值的平方最小時(shí)，此時(shí)自適應(yīng)濾波器的輸出就是心跳信號(hào)。
2.如權(quán)利要求1所述的基于生物雷達(dá)檢測(cè)的呼吸和心跳實(shí)時(shí)分離方法，其特征在于，步驟(I)所述歸一化處理按以下公式進(jìn)行:y=(x_Min)/(Max-Min),其中x為數(shù)字濾波后的呼吸信號(hào)，y為歸一化后信號(hào)，Max和Min分別表示濾波后呼吸和體動(dòng)信號(hào)的最大值和最小值。
3.如權(quán)利要求1所述的基于生物雷達(dá)檢測(cè)的呼吸和心跳實(shí)時(shí)分離方法，其特征在于，步驟(2)所述呼吸諧波檢測(cè)的具體流程如下: 第一步:求解呼吸信號(hào)的基波頻率 選取合適的窗函數(shù)對(duì)呼吸信號(hào)進(jìn)行分段處理，對(duì)每個(gè)數(shù)據(jù)段內(nèi)求自相關(guān)函數(shù)，然后對(duì)自相關(guān)函數(shù)進(jìn)行功率譜估計(jì)，功率譜能量的最大值所對(duì)應(yīng)的頻率點(diǎn)為呼吸信號(hào)的基波頻率fo，然后從前至后，依次對(duì)呼吸信號(hào)進(jìn)行加窗、自相關(guān)、求功率譜等處理，對(duì)fo進(jìn)行不斷的更新； 第二步:構(gòu)建呼吸信號(hào)高次諧波數(shù)學(xué)模型 將呼吸運(yùn)動(dòng)引起的胸廓運(yùn)動(dòng)的模型定義為:
4.如權(quán)利要求1所述的基于生物雷達(dá)檢測(cè)的呼吸和心跳實(shí)時(shí)分離方法，其特征在于，步驟(3)所述的自適應(yīng)算法采用LMS算法，步長(zhǎng)μ=0.00002，濾波器的階數(shù)取20.具體計(jì)算步驟如下: 定義時(shí)間η=0的濾波系數(shù)矢量為起始值W(O)，然后進(jìn)行迭代: a、由當(dāng)前時(shí)刻η的濾波器濾波系數(shù)矢量的估計(jì)值，輸入呼吸信號(hào)諧波矢量X (η)和體動(dòng)信號(hào)d (η)，計(jì)算誤差信號(hào):e(n) = d{n) -x,! {n)\\{n)b、再通過遞歸法計(jì)算濾波器系數(shù)矢量的更新估值:\\{n + 1) = \\{n) + jLie{n)x(n)C、將時(shí)間指數(shù)η增加1，再開始 步驟a，重復(fù)上述計(jì)算，一直到達(dá)穩(wěn)態(tài)算法停止。
全文摘要
本發(fā)明公開了一種基于生物雷達(dá)檢測(cè)的呼吸和心跳實(shí)時(shí)分離方法，通過對(duì)生物雷達(dá)檢測(cè)到呼吸和體動(dòng)信號(hào)進(jìn)行預(yù)處理、呼吸信號(hào)諧波檢測(cè)、自適應(yīng)諧波抵消等處理，就能從體動(dòng)信號(hào)中實(shí)時(shí)分離出呼吸和心跳信號(hào)，實(shí)現(xiàn)對(duì)呼吸和心跳信號(hào)的非接觸、實(shí)時(shí)檢測(cè)，從而滿足臨床病人(燒傷、傳染)、家庭老人以及其他慢性病患者的生理信號(hào)實(shí)時(shí)監(jiān)測(cè)的要求。
文檔編號(hào)A61B5/024GK103110422SQ20121055235
公開日2013年5月22日 申請(qǐng)日期2012年12月18日 優(yōu)先權(quán)日2012年12月18日
發(fā)明者路國(guó)華, 王健琪, 楊芳, 張華 , 李盛, 王 華, 馬騰, 于霄, 呂昊 申請(qǐng)人:中國(guó)人民解放軍第四軍醫(yī)大學(xué)