基于非接觸式檢測的多目標人體呼吸信號監測方法及裝置制造方法及圖紙

本發明專利技術公開一種基于非接觸式檢測的多目標人體呼吸信號監測方法及裝置，該方法步驟包括：1)通過非接觸式檢測系統對目標區域進行檢測，獲取得到包含多目標人體呼吸信號的目標信號；2)將獲取到的目標信號基于窗平均?經驗模態分解算法進行分離，得到多個模態分量；3)對得到的各模態分量分別進行頻譜分析，根據頻譜分析結果篩選出人體呼吸信號，并對篩選得出的各人體呼吸信號進行識別，得到對應不同目標人體的呼吸信號；該裝置包括信號檢測模塊、WA?EMD信號分離模塊以及多目標信號識別模塊。本發明專利技術具有實現方法簡單、能夠實現多目標人體呼吸信號的有效分離及監測，抗模式混疊性能以及抗噪性能好，且分離的精度及效率高的優點。

Method and device for monitoring multi-target human respiratory signal based on non-contact detection

The invention discloses a method and device of multi target human respiratory signal monitoring method based on non-contact detection, the method comprises the following steps: 1) by non-contact detection system to detect the target area, to get the target signal containing multiple target respiration signal; 2) the target signal to obtain the average window experience modal decomposition algorithm based on separation, multiple modal components; 3) the modal components obtained by spectrum analysis, according to the result of spectrum analysis of selected human respiratory signal, and to identify the human respiratory signal obtained by screening, respiratory signals corresponding to different target body; the device comprises a signal detection module, WA EMD signal separation module and multi target signal recognition module. The invention has the advantages of simple implementation, effective separation and monitoring of multi-target human respiratory signals, good anti aliasing performance, good noise immunity, high separation accuracy and high efficiency.

【技術實現步驟摘要】
基于非接觸式檢測的多目標人體呼吸信號監測方法及裝置
本專利技術涉及信號處理
，尤其涉及一種基于非接觸式檢測的多目標人體呼吸信號監測方法及裝置。
技術介紹
人體的呼吸信號是衡量人體健康狀況的重要指標，對人體呼吸信號的監測在醫療監護、家庭監護等具有非常重要的意義。通過對人體呼吸信息進行實時監測，由呼吸信號作為判斷病人的病情輕重、危險程度的指征，可以及時了解病人的病情和發展趨勢，及時發現異常狀況。對于人體呼吸信號的檢測，目前包括兩種檢測方式，一種是接觸式檢測方式，如采用呼吸帶等，該類方式需要固定在人體上完成檢測，操作復雜、使用不便，且只能針對單個人體目標進行檢測，檢測效率低；另一種是非接觸式檢測方式，如采用雷達進行信號采集等，無需接觸人體即可實現檢測，且能夠同時檢測多個目標人體的信號。但是人體的生命體征信號除呼吸信號外，還包括心跳等信號，通過雷達等非接觸式檢測方式獲取到的人體信號，需要通過進一步信號處理環節分離、提取出所需信號，即其有效性取決于信號的準確分離和提取。針對非接觸式檢測方式中信號分析方法，目前主要有時頻分析方法、FFT分析方法、小波分析方法以及EMD(經驗模態分解)算法等，其中由于多人的呼吸信號頻率很接近，傳統時頻分析方法不能準確表示信號的頻率關于每一個時間點上的變化，甚至于無法分辨出呼吸信號；對于FFT變換方法來說，其要進行大量的實驗獲取數據并進行分析和處理，實現過程復雜，且更為重要的是分辨率低；小波分析方法會產生許多諧波，影響呼吸信號的檢測，因而不適用于呼吸信號的檢測分析；人體呼吸信號伴隨著隨機噪聲，且不同人之間的呼吸頻率非常接近，EMD算法需要嚴重依賴信號的極值點求均值，因而在分解信號時存在模式混疊、噪聲魯棒性差等問題，使得呼吸頻率無法有效分離。
技術實現思路
本專利技術要解決的技術問題就在于：針對現有技術存在的技術問題，本專利技術提供一種具有實現方法簡單、能夠實現多目標人體呼吸信號的有效分離及監測，抗模式混疊性能以及抗噪性能好，且分離的精度及效率高的基于非接觸式檢測的多目標人體呼吸信號監測方法及裝置。為解決上述技術問題，本專利技術提出的技術方案為：一種基于非接觸式檢測的多目標人體呼吸信號監測方法，步驟包括：1)信號檢測：通過非接觸式檢測系統對目標區域進行檢測，獲取得到包含多目標人體呼吸信號的目標信號；2)WA-EMD信號分離：將所述步驟1)獲取到的目標信號基于窗平均-經驗模態分解算法進行分離，得到多個模態分量；3)多目標信號識別：對所述步驟2)得到的各模態分量分別進行頻譜分析，根據頻譜分析結果篩選出人體呼吸信號，并對篩選出的各人體呼吸信號進行識別，得到對應不同目標人體的呼吸信號。作為本專利技術方法的進一步改進，所述基于窗平均-經驗模態分解算法進行分離的具體步驟為：2.1)信號劃分：將獲取到的目標信號x(t)分成若干個信號段xi(t)，且當t＝ti時，在持續時間間隔△ti＝ti+1-ti內信號為xi(t)，其中i＝1,2,3....；2.2)頻率跟蹤：分別跟蹤查找各信號段xi(t)的最高頻率fi；2.3)模態分量提取：根據查找到的最高頻率fi，對各信號段xi(t)進行加窗并求取平均值提取得到所有的本征模函數φ(t)，得到多個模態分量。作為本專利技術方法的進一步改進，所述步驟2.2)的具體步驟為：2.21)獲取目標信號x(t)中的第一個連續時間段△t0所對應的信號起始段xi(t)，其中i＝0；利用快速傅里葉變換提取所述信號起始段的峰值，估計得到對應的最高頻率f0，并作為頻率跟蹤的初始頻率，即在t∈(t0,t1)區間內f(t)≈f0，其中f(t)為時間t時的跟蹤頻率信號；2.22)令△ti～10/fi-1，其中△ti為第i段的數據長度，fi-1為第i-1段數據的最高頻率；提取信號段xi(t)的最高頻率fi，其中i＝1,2,3,...，并判斷是否滿足|fi-fi-1|≤αfi-1，α為定義的跟蹤參數，如果是，則由當前提取到的最高頻率fi作為當前跟蹤頻率，即在t∈(ti,ti+1)區間內f(t)≈fi；否則認為所跟蹤頻率成分消失，保持當前跟蹤頻率不變，即fi＝fi-1；2.23)重復執行步驟2.22)，直到跟蹤完目標信號x(t)中所有數據，得到所有信號段的最高頻率fi，i＝0,1,2,3,...，完成跟蹤過程。作為本專利技術方法的進一步改進，所述步驟2.3)的具體步驟為：2.31)第一輪篩選：設定用于配置窗函數周期T與最高頻率fi之間的倍數關系的可調參數β；令β＝1，按照式計算待分離合成信號x(t)的平均值其中ωT為窗函數且滿足窗函數周期T按下式計算得到；由目標信號x(t)減去計算得到的平均值得到本征模函數2.32)第二輪篩選：令β＝3，按照式計算本征模函數φ0(t)的平均值由計算得到的平均值減去平均值得到本征模函數φ1(t)，即2.33)重復執行步驟2.31)、2.32)，直到篩選出所有的本征模函數φn(t)，其中n＝2,3,4,...，并將第n次迭代過程中篩選得到的φ0(t)疊加至第n-1次迭代過程中所篩選出的本征模函數φn-1(t)，最終得到包含不同目標人體呼吸信號的多個模態分量。作為本專利技術方法的進一步改進，所述步驟2.33)中迭代過程中具體按下式計算計算得到迭代判定指數△(t)，當數據點滿足△(t)>c1的總個數小于c2且△(t)<c3時迭代停止；其中，maxφi(t)和minφi(t)分別表示φi(t)的最大值和最小值，i＝0,1；c1、c2、c3為設定的迭代停止調節參數。作為本專利技術方法的進一步改進，所述步驟3)的具體步驟為：3.1)對所述步驟2)得到的各模態分量進行傅里葉變換，求取得到各模態分量所對應的峰值頻率；3.3)根據求取得到的各峰值頻率初步篩選出所有可能的人體呼吸信號分量；3.4)將篩選出的所有可能的人體呼吸信號分量，分別與預先采集的各目標人體的參考呼吸信號進行對比，最終識別得到對應各目標人體的呼吸信號。作為本專利技術方法的進一步改進，所述步驟3)后還包括呼吸次速率獲取步驟4)，具體步驟為：4.1)將識別得到的對應各人體目標的呼吸信號分別進行希爾伯特變換得到時變的頻率信號；4.2)對所述步驟4.1)獲得的頻率信號進行加窗平滑處理并進行轉化，獲取得到對應各人體目標的呼吸速率。作為本專利技術方法的進一步改進，所述步驟1)的具體步驟為：1.1)雷達檢測：通過超寬帶雷達生命體征檢測系統對目標區域中同一距離下的多個人體呼吸信號進行檢測；1.2)MTI動目標檢測：接收超寬帶雷達生命體征檢測系統的雷達回波信號，計算所述雷達回波信號中每個距離門內所有慢時采樣點的平均值，將所述雷達回波信號中對應相同的距離門中的每個采樣點均減去所述平均值，得到含有目標運動信息的目標信號；1.3)距離門切換：獲取目標信號中指定窗長內能量最大值，能量由對窗長內各信號點求平方和得到，并取能量最大值所對應的距離門作為當前次處理的能量最大距離門；對目標信號進行滑窗，返回執行步驟1.2)，直至完成對目標信號處理，得到多個能量最大距離門；由得到的多個能量最大距離門確定最終的能量最大距離門；1.4)濾波去噪處理：將對步驟1.2)處理后目標信號進行低通濾波處理，得到包含多目標人體呼吸信號的目標信號輸出。本專利技術進一步提供一種基于非接觸式檢測本文檔來自技高網...

【技術保護點】
一種基于非接觸式檢測的多目標人體呼吸信號監測方法，其特征在于，步驟包括：1)信號檢測：通過非接觸式檢測系統對目標區域進行檢測，獲取得到包含多目標人體呼吸信號的目標信號；2)WA?EMD信號分離：將所述步驟1)獲取到的目標信號基于窗平均?經驗模態分解算法進行分離，得到多個模態分量；3)多目標信號識別：對所述步驟2)得到的各模態分量分別進行頻譜分析，根據頻譜分析結果篩選出人體呼吸信號，并對篩選出的各人體呼吸信號進行識別，得到對應不同目標人體的呼吸信號。

【技術特征摘要】
1.一種基于非接觸式檢測的多目標人體呼吸信號監測方法，其特征在于，步驟包括：1)信號檢測：通過非接觸式檢測系統對目標區域進行檢測，獲取得到包含多目標人體呼吸信號的目標信號；2)WA-EMD信號分離：將所述步驟1)獲取到的目標信號基于窗平均-經驗模態分解算法進行分離，得到多個模態分量；3)多目標信號識別：對所述步驟2)得到的各模態分量分別進行頻譜分析，根據頻譜分析結果篩選出人體呼吸信號，并對篩選出的各人體呼吸信號進行識別，得到對應不同目標人體的呼吸信號。2.根據權利要求1所述的基于非接觸式檢測的多目標人體呼吸信號監測方法，其特征在于，所述基于窗平均-經驗模態分解算法進行分離的具體步驟為：2.1)信號劃分：將獲取到的目標信號x(t)分成若干個信號段xi(t)，且當t＝ti時，在持續時間間隔△ti＝ti+1-ti內信號為xi(t)，其中i＝1,2,3....；2.2)頻率跟蹤：分別跟蹤查找各信號段xi(t)的最高頻率fi；2.3)模態分量提取：根據查找到的最高頻率fi，對各信號段xi(t)進行加窗并求取平均值提取得到所有的本征模函數φ(t)，得到多個模態分量。3.根據權利要求2所述的基于非接觸式檢測的多目標人體呼吸信號監測方法，其特征在于，所述步驟2.2)的具體步驟為：2.21)獲取目標信號x(t)中的第一個連續時間段△t0所對應的信號起始段xi(t)，其中i＝0；利用快速傅里葉變換提取所述信號起始段的峰值，估計得到對應的最高頻率f0，并作為頻率跟蹤的初始頻率，即在t∈(t0,t1)區間內f(t)≈f0，其中f(t)為時間t時的跟蹤頻率信號；2.22)令△ti～10/fi-1，其中△ti為第i段的數據長度，fi-1為第i-1段數據的最高頻率；提取信號段xi(t)的最高頻率fi，其中i＝1,2,3,...，并判斷是否滿足|fi-fi-1|≤αfi-1，α為定義的跟蹤參數，如果是，則由當前提取到的最高頻率fi作為當前跟蹤頻率，即在t∈(ti,ti+1)區間內f(t)≈fi；否則認為所跟蹤頻率成分消失，保持當前跟蹤頻率不變，即fi＝fi-1；2.23)重復執行步驟2.22)，直到跟蹤完目標信號x(t)中所有數據，得到所有信號段的最高頻率fi，i＝0,1,2,3,...，完成跟蹤過程。4.根據權利要求2所述的基于非接觸式檢測的多目標人體呼吸信號監測方法，其特征在于，所述步驟2.3)的具體步驟為：2.31)第一輪篩選：設定用于配置窗函數周期T與最高頻率fi之間的倍數關系的可調參數β；令β＝1，按照式計算待分離合成信號x(t)的平均值其中ωT為窗函數且滿足窗函數周期T按下式計算得到；由目標信號x(t)減去計算得到的平均值得到本征模函數2.32)第二輪篩選：令β＝3，按照式計算本征模函數φ0(t)的平均值由計算得到的平均值減去平均值得到本征模函數φ1(t)，即2.33)重復執行步驟2.31)、2.32)，直到篩選出所有的本征模函數φn(t)，其中n＝2,3,4,...，并將第n次迭代過程中篩選得到的φ0(t)疊加至第n-1次迭代過程中所篩選出的本征模函數φn-1(t)，最終得到包含不同目標人體呼吸信號的多個模態分量。5.根據權利要求4所述的基于非接觸式檢測的多目標人體呼吸信號監測方法，其特征在于，所述步驟2.33)中迭代過程中具體按下式計算計算得到迭代判定指數△(t)，當數據點滿足△(t)>c1的總個數小于c2且△(t)<c3時迭代停止；

【專利技術屬性】
技術研發人員：唐良勇，趙恒，張玉菊，
申請(專利權)人：湖南華諾星空電子技術有限公司，
類型：發明
國別省市：湖南,43