Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于FMCW雷达的人体睡姿识别和生命体征监测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:沈阳航空航天大学

摘要:本发明提供了一种基于FMCW雷达的人体睡姿识别和生命体征监测方法,包括:得到各个人体睡姿下两部雷达拼接后的距离时间矩阵对应的灰度图;利用所述灰度图数据训练睡眠姿势识别模型;利用训练好的睡眠姿势识别模型对待监测的人体进行睡眠姿势识别分类;根据识别的睡眠姿势结果,从两个距离时间矩阵中对应选择一个;利用胸腔位移信号相关算法精确定位人体胸腔所在的多个连续距离门;通过GA‑MVMD方法将人体占据的多个连续距离门的胸腔位移信号联合分解,得到多个IMF分量;根据每个IMF分量重构呼吸信号和心跳信号。该方法提高了睡眠姿势识别的准确性,可实现对不同睡眠姿势下人体生命体征的准确测量。

主权项:1.一种基于FMCW雷达的人体睡姿识别和生命体征监测方法,其特征在于,包括以下步骤:步骤1:分别采集两部FMCW雷达在不同人体睡姿下的雷达回波数据,并对获取的数据进行预处理,得到各个人体睡姿下两部FMCW雷达拼接后的距离时间矩阵对应的灰度图,其中,两部FMCW雷达分别为顶部雷达和侧部雷达,所述顶部雷达和侧部雷达分别固定于人体所在床的上方和侧方;步骤1具体步骤如下:1在室内环境下,使用两部FMCW雷达系统,对不同人体的睡姿进行测量,并获取相应的雷达回波数据;2设第i个雷达的第m个啁啾、第n个采样点对应的中频信号表示为Yim,n,i=1,2,m=1,2,…,M,n=1,2,…,N,其中,M为快时间采样个数,即每个调频周期对应的数据采样点数,N为慢时间采样个数,即数据对应的啁啾数量,将Yim,n按列堆叠成M×N维矩阵Yi;3对矩阵Yi进行快时间维度的快速傅里叶变换,获得距离时间矩阵Ui;4在慢时间维度对所述距离时间矩阵Ui进行均值相消处理去除静态杂波得到去除杂波的距离时间矩阵Qi;5对所述去除杂波的距离时间矩阵Qi进行快时间维度的裁剪来获取感兴趣的区域,裁剪后,两部雷达生成的矩阵被定义为Wi;6将裁剪后生成的矩阵W沿慢时间维进行拼接,得到新的拼接矩阵Z,将拼接后的矩阵映射为灰度图并调整为224×224像素;步骤2:将步骤1得到的灰度图作为睡眠姿势数据集,并将所述睡眠姿势数据集划分为训练集、验证集和测试集,之后,采用方向梯度直方图特征提取和支持向量机并利用所述训练集和验证集对所述睡眠姿势识别模型进行训练和验证,利用所述测试集进行测试,得到训练好的睡眠姿势识别模型;步骤3:利用步骤1所述的方法对待监测人体进行雷达回波数据采集及预处理,得到两部FMCW雷达拼接后的距离时间矩阵对应的灰度图,之后,将所述灰度图输入到所述训练好的睡眠姿势识别模型进行睡眠姿势识别分类;步骤4:根据识别的睡眠姿势结果,从两个距离时间矩阵Ui中选择一个进行生命体征监测,其中,如果识别为俯卧或仰卧,利用顶部雷达获得的距离时间矩阵来估计呼吸率和心率,如果识别为侧卧,利用侧部雷达获得的距离时间矩阵来估计呼吸率和心率;步骤5:提取选择的距离时间矩阵Ui中各个距离门的相位信号并获取对应的胸腔位移信号,利用胸腔位移信号相关算法精确定位人体胸腔所在的多个连续距离门;步骤6:通过遗传算法-多元变分模态分解方法将人体占据的多个连续距离门的胸腔位移信号联合分解,得到多个固有模态函数分量;步骤7:计算每个固有模态函数分量的呼吸和心跳能量的百分比并将满足式13条件的固有模态函数分量相加,重构呼吸信号srt和心跳信号sht: 其中,j=1,2,…,K,Ej为第j个固有模态函数分量IMFj的频域能量,Erj和Ehj分别为第j个固有模态函数分量IMFj中呼吸和心跳频带的能量,δr和δh为判断呼吸和心跳信号能量比例的阈值。

全文数据:

权利要求:

百度查询: 沈阳航空航天大学 基于FMCW雷达的人体睡姿识别和生命体征监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。