張 靜，劉 倩，張 華，路國華，王健琪

不同呼吸模式對雷達(dá)信號分離影響實驗研究

張 靜，劉 倩，張 華，路國華，王健琪

目的：研究生物雷達(dá)監(jiān)護(hù)過程中，不同呼吸模式對雷達(dá)信號分離提取的影響。方法：在不同呼吸模式下，獲取雷達(dá)式生命參數(shù)監(jiān)護(hù)系統(tǒng)的回波信號，應(yīng)用改進(jìn)的信號分離算法，分離出呼吸和心跳信號，并提取對應(yīng)信號的參數(shù)特征。結(jié)果：2種呼吸模式下，自適應(yīng)濾波器輸出的信號中心頻率與心跳信號頻率一致，且其余頻點信號得到有效抑制。結(jié)論：該算法可以有效地分離出心跳信號，同時有效抑制其他干擾信號。

呼吸模式；生物雷達(dá)；自適應(yīng)濾波；信號分離

0 引言

連續(xù)波生物雷達(dá)屬于一種新的生命信息檢測手段，通過接收裝置檢測發(fā)射電磁波的雷達(dá)回波信號，進(jìn)行相關(guān)處理后獲取人體呼吸和心跳信號，具有非接觸、可穿透的優(yōu)勢，現(xiàn)已廣泛應(yīng)用于地震災(zāi)害救援、反恐防爆等領(lǐng)域，且在健康監(jiān)護(hù)和醫(yī)療診斷等領(lǐng)域具有很好的應(yīng)用潛力。在生理學(xué)方面，人體的呼吸和心跳等心肺活動會引起人體表面胸廓的微動，通過檢測和監(jiān)測這些微動信息可以反映人體的某項生理狀況[1]。

近年來，生物雷達(dá)應(yīng)用于生命體征的檢測和監(jiān)測受到廣泛關(guān)注[2-4]。XIAO等[5]將微功率雷達(dá)應(yīng)用于人體心肺活動檢測。Morgan等[6]提出了基于自適應(yīng)濾波器的生命體征信號處理方法，未見實測數(shù)據(jù)的分析。

本課題組多年來一直致力于生物雷達(dá)的相關(guān)研究，對信號分離更有效的方法進(jìn)行積極探索。目前，比較常用的2種方式分別為自適應(yīng)濾波和同態(tài)濾波。前者由于參考信號與噪聲信號的相關(guān)性不高，濾波效果不理想。后者回波信號的成分不明確，信號分離效果差。小波變換算法不適用于雷達(dá)信號的消噪，效果不好[7-8]。

本文旨在研究不同呼吸模式下獲取雷達(dá)式生命參數(shù)監(jiān)護(hù)系統(tǒng)的回波信號，應(yīng)用改進(jìn)的信號分離算法分離出呼吸和心跳信號，并提取對應(yīng)信號的參數(shù)特征。

1 基于最小均方算法（least mean square，LMS）自適應(yīng)諧波抵消算法

1.1 LMS自適應(yīng)算法

基于LMS最小均方算法的自適應(yīng)濾波器用于自適應(yīng)調(diào)節(jié)非遞歸型（finite impulse response，F(xiàn)IR）濾波器的系數(shù)，濾波器的輸入信號、噪聲的特性未知或隨時間變化，但是變化信號的統(tǒng)計特性未知，得到輸入信號和期望信號的最小均方誤差濾波效果。自適應(yīng)濾波器的一般結(jié)構(gòu)如圖1所示，x（n）為信號輸入，通過自適應(yīng)調(diào)節(jié)FIR濾波器的系數(shù)得到輸出信號y（n），e（n）是輸出信號y（n）與期望信號d（n）比較得到的誤差信號。e（n）和x（n）通過自適應(yīng)算法對濾波器的系數(shù)進(jìn)行調(diào)整，調(diào)整的目的是使誤差信號e（n）最小[9-10]。

1.2 改進(jìn)的LMS自適應(yīng)諧波抵消算法

將原始信號的諧波組合設(shè)置為濾波器的輸入信號，改進(jìn)自適應(yīng)濾波算法，具體的實現(xiàn)框圖如圖2所示。圖2中，自適應(yīng)濾波器的參考輸入為S（x，n，ω0）呼吸信號的諧波組合，H為參考的心跳信號，自適應(yīng)濾波器的原始輸入為D（n），將混合的體動信號濾波器的輸出信號設(shè)為h′，則

誤差為

在LMS準(zhǔn)則下的自適應(yīng)調(diào)整濾波器的系數(shù)若為最小，那么在得到最佳濾波后輸出的信號即為心跳信號。

圖1 自適應(yīng)濾波器的一般結(jié)構(gòu)

圖2 LMS自適應(yīng)諧波抵消算法框圖

2 家庭監(jiān)護(hù)的實驗場景

2.1 雷達(dá)實驗系統(tǒng)

該系統(tǒng)硬件平臺主要有4個模塊，分別是雷達(dá)發(fā)射與接收、信號采集單元、信號預(yù)處理以及信號處理顯示模塊。該系統(tǒng)工作參數(shù)的頻率為35 GHz，發(fā)射功率為1mW，采取雙向天線陣列，系統(tǒng)增益17 dB。信號采集與控制單元為多導(dǎo)生理記錄儀，由美國BIOPAC公司生產(chǎn)。

2.2 實驗設(shè)計

2.2.1 實驗對象

16名平均年齡為（24±2）歲的男性青年，健康狀況良好，實驗開始前相關(guān)事宜知情同意。

以上結(jié)果表明,在冷水年,前期暖池?zé)岷慨惓Ｆ屯ㄟ^引起冷SSTA,維持并加強(qiáng)了菲律賓反氣旋環(huán)流,增強(qiáng)了其西側(cè)向江南地區(qū)的水汽輸送;異常的Walker環(huán)流通過引起異常經(jīng)圈環(huán)流的作用,以及副熱帶西風(fēng)急流軸南壓引起的高空強(qiáng)輻散都有利于上升運動和對流活動在江南地區(qū)發(fā)展,最終導(dǎo)致JRS降水顯著增多;暖水年則情況相反。

2.2.2 實驗方法

實驗對象距實驗信號采集系統(tǒng)正前方4 m處，取坐姿，實驗過程分為平靜呼吸和深呼吸2種模式。平靜呼吸不加任何限制，實驗對象正常自由呼吸狀態(tài)；深呼吸設(shè)置時間限制為10 s/次。實驗開始后，應(yīng)盡量避免實驗對象的身體出現(xiàn)晃動，以減少數(shù)據(jù)采集過程中的干擾信號。

由多導(dǎo)生理參數(shù)記錄儀完成實驗數(shù)據(jù)采集，得到實驗對象的呼吸和體動信號，且同步采集心電放大器輸出的心電信號。對實驗數(shù)據(jù)統(tǒng)一進(jìn)行后續(xù)的信號處理。

2.3 實驗結(jié)果與討論

2.3.1 深呼吸模式

圖3為深呼吸模式下被測對象原始體動信號和濾波后體動信號的頻譜分析圖。

圖3 深呼吸模式下濾波前后信號頻譜圖

如圖3（a）所示，濾波前信號的頻域圖中1.124 Hz處出現(xiàn)幅值最大信號，且干擾信號的頻率主要集中在1.5～4 Hz頻率內(nèi)。在自適應(yīng)濾波器處理，濾波后的波形表現(xiàn)為圖3（b）：濾波后信號的時域波形光滑，周期性重復(fù)。頻域中顯示幅值最大信號在1.124 Hz處，且位于1和1.6Hz頻點的干擾有效抑制，1.124Hz處的能量相對增強(qiáng)，1.5～4 Hz頻帶內(nèi)的噪聲削弱。濾波后頻譜中1.124 Hz信號能量最強(qiáng)，而同步得到實驗對象的心率值為1.19 Hz，因此證實濾波輸出信號為心跳信號。統(tǒng)計分析16名實驗對象濾波后輸出信號的中心頻率與其同步得到的心電信號頻率一致，且中心頻率信號以外的頻點信號幅值被減弱，表明該算法有效實現(xiàn)了信號分離得到心跳信號。

2.3.2 平靜自由正常呼吸模式

圖4為平靜自由呼吸模式下被測對象原始體動信號和濾波后體動信號的頻譜分析圖。

圖4 平靜自由呼吸模式下濾波前后信號頻譜圖

如圖4（a）所示，濾波前最大幅值為1.417 Hz處，而其有較大幅值的干擾處則在1、2、2.5 Hz頻率點附近。其中，噪聲信號主要集中在0.7～2.8 Hz。如圖4（b）所示，濾波后輸出信號的波形平滑，周期性重復(fù)。頻域中信號最大幅值在1.584 Hz處，其他幅值較小的頻率點受到抑制，那么1.584 Hz處的幅值相對會被顯著增強(qiáng)。同步記錄實驗對象的心率1.312 Hz，輸出頻譜中1.584 Hz的信號能量最強(qiáng)，說明為心跳信號。統(tǒng)計分析16名實驗對象濾波后的中心頻率與其心率一致，且中心頻率以外頻點信號幅值被減弱，說明通過該算法可以分離出心跳信號，同時有效抑制其他干擾信號。

實驗結(jié)果表明，通過LMS自適應(yīng)諧波抵消器對體動信號處理后可以分離出心跳信號，而對其他頻率的信號則會發(fā)揮一定的抑制作用。

3 結(jié)論

該實驗結(jié)果充分表明，當(dāng)實驗體在深呼吸時，由心電記錄儀檢測的心電信號和濾波后的心跳信號二者之間的心率值誤差為0.066 Hz；當(dāng)實驗體在平靜呼吸時，其心率誤差僅為0.27 Hz。因此，實驗對象深呼吸時檢測分離出的心跳信號心率相較于其平靜呼吸時分離出的心跳信號心率有著更高的準(zhǔn)確性。

然而由于機(jī)體在深呼吸時主要采取的是腹式呼吸，依靠膈肌上下運動來控制肺通氣，而胸部保持不動；機(jī)體在平靜呼吸時主要進(jìn)行的是胸式呼吸，依靠胸廓和肋骨運動為主導(dǎo)，而腹部則保持不動。而基于雷達(dá)式的生命檢測系統(tǒng)主要是檢測胸廓的體表微動，因此當(dāng)機(jī)體平靜呼吸時，其胸廓運動的幅度加大，導(dǎo)致疊加在體動信號的干擾變大，這樣就給信號分離帶來了很大困難，分離結(jié)果也會存在較大誤差。因此，在下一步的研究中，還需對自適應(yīng)諧波抵消參考輸入信號的設(shè)置進(jìn)行深入改進(jìn)，從而使分離效果達(dá)到更好。

[1]胡巍，王云峰，趙章琰，等.連續(xù)波生物雷達(dá)體征檢測裝置與實驗研究[J].中國醫(yī)療器械雜志，2014，38（2）：102-106.

[2]Brink M，Muller C H，Schierz C.Contact-free measurement of heart rate，respiration rate，and body movements during sleep[J].Behav Res Methods，2006，38（3）：511-521.

[3]Corbishley P，Rodriguez-Villegas E.Breathing detection：towards a miniaturized，wearable，battery-operated monitoring system[J].IEEE Trans Biomed Eng，2008，55（1）：196-204.

[4]Immoreev I，Tao T H.UWB radar for patient monitoring[J].IEEE Areosp Electron Syst Mag，2008，27（8）：11-18.

[5]XIAO Y M，LIN J S.A ka-band low power doppler radar system for remote detection of cardiopulmonary motion[J].Conf Proc IEEE Eng Med Biol Soc，2005，7：7 151-7 154.

[6]Morgan D R，Zierdt M G.Novel signal processing techniques for Doppler radar[J].IEEE Signal Process，2009，89：45-66.

[7]楊冬，王健琪，荊西京，等.雷達(dá)式非接觸生命參數(shù)檢測系統(tǒng)中心跳信號提取方法研究[J].醫(yī)療衛(wèi)生裝備，2005，26（8）：20-21.

[8]岳宇.生物雷達(dá)檢測技術(shù)中呼吸和心跳信號分離技術(shù)研究[D].西安：第四軍醫(yī)大學(xué)，2007.

[9]何振亞.自適應(yīng)信號處理[M].北京：電子工業(yè)出版社，2006.

[10]Diniz P S R.自適應(yīng)濾波算法與實現(xiàn)[M].2版.劉郁林，景曉軍，譚剛兵，等，譯.北京：電子工業(yè)出版社，2004：121-135.

（收稿：2014-10-25 修回：2015-05-22）

《醫(yī)療衛(wèi)生裝備》雜志“研究與設(shè)計”欄目征稿

本刊“研究與設(shè)計”欄目主要報道生物醫(yī)學(xué)工程領(lǐng)域最新的科研理論及成果，重點報道該領(lǐng)域中前沿的基礎(chǔ)研究及其應(yīng)用，尤其是獲得國家、省部級課題資助的項目。為了保障該欄目文稿的水平和質(zhì)量，更好地服務(wù)廣大讀作者，特面向全國征稿。論文格式參照本刊稿約，請保證文章版權(quán)的獨立性，嚴(yán)禁抄襲，文責(zé)自負(fù)，勿一稿多投。歡迎向該欄目投稿，優(yōu)秀稿件的出版周期將大大縮短。

注：凡來稿請務(wù)必在稿件開頭注明作者通訊地址、郵編以及聯(lián)系電話和E-mail，以便我們及時與您聯(lián)系。

（本刊編輯部）

Experimental study on effects of different breathing modes on separation of bioradar signals

ZHANG Jing1,LIU Qian2,ZHANG Hua1,LU Guo-hua1,WANG Jian-qi1
（1.School of Biomedical Engineering,the Fourth Military Medical University,Xi'an 710032,China; 2.Department of Radiology,Xi'an Central Hospital,Xi'an 710002,China）

ObjectiveTo separate the biological radar echo signals in different breathing modes.MethodsEcho signals of bioradar-based vital signs monitoring system were acquired in different breathing modes,and an improved signal separation algorithm was used to obtain respiratory and heartbeat signals as well as their parameters.ResultsUnder two breathing modes,the center frequencies of the signals from the self-adaptive filter were kept consistent with those of heartbeat signals,and the signals with other frequencies were suppressed effectively.ConclusionThe algorithm can be used to separate heartbeat signals while suppress other interference signals effectively.ZHANG Jing and LIU Qian are the first authors who contributed equally to the article.[Chinese Medical Equipment Journal，2015，36（9）：38-40]

breathing mode;bioradar;self-adaptive filtering;signal separation

R318；TN911.7

A

1003-8868（2015）09-0038-03

10.7687/J.ISSN1003-8868.2015.09.038

國家自然科學(xué)基金面上項目（61271102）

張 靜（1984—），女，助教，主要從事生物醫(yī)學(xué)工程方面的研究工作，E-mail：bme395@fmmu.edu.cn；劉 倩（1984—），女，助理工程師，主要從事生物醫(yī)學(xué)工程信號處理方面的研究工作，E-mail：648295424 @qq.com。

710032西安，第四軍醫(yī)大學(xué)生物醫(yī)學(xué)工程系（張 靜，張 華，路國華，王健琪）；710002西安，西安市中心醫(yī)院放射科（劉 倩）

共同第一作者：張 靜，劉 倩

王健琪，E-mail：wangjq@fmmu.edu.cn；路國華，E-mail：lugh1976 @fmmu.edu.cn