吳志軍， 韋金宜， 黃李波， 白 傑

(同濟(jì)大學(xué) 汽車學(xué)院，上海 201804)

0 引 言

非接觸式生命體征檢測無需與被測目標(biāo)發(fā)生物理接觸，可探測遠(yuǎn)距離目標(biāo)，不僅避免了繁瑣的線束和電極的束縛，拓寬了應(yīng)用范圍，還可以避免被測目標(biāo)在受檢過程中產(chǎn)生心理壓力，使檢測結(jié)果更加真實(shí)情況，在家庭與醫(yī)療健康監(jiān)護(hù)、駕駛員生命狀態(tài)監(jiān)控等方面有著廣泛的應(yīng)用。

相較于無法測距且易受周圍運(yùn)動(dòng)物體的回波干擾的單頻連續(xù)波(continous wavelet,CW)雷達(dá)、受限于脈沖寬度和信號(hào)強(qiáng)度且結(jié)構(gòu)復(fù)雜的超寬帶(ultra wide band,UWB)雷達(dá)等各種其他體制與結(jié)構(gòu)的雷達(dá)系統(tǒng)，調(diào)頻連續(xù)波(frequency modulated continous wave,FMCW)雷達(dá)易于調(diào)制，帶寬大，分辨率高，發(fā)射功率較低且信號(hào)處理流程簡單，具有不可替代的優(yōu)勢。

傳統(tǒng)的生命體征檢測通常僅針對(duì)靜態(tài)單目標(biāo)，如連續(xù)小波變換(continuous wavelet transform，CWT)與經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition，EMD)。CWT依賴于基函數(shù)，無論是在時(shí)間上還是頻率上的分辨率都很有限[1]。文獻(xiàn)[2]首次將基于EMD的多普勒雷達(dá)數(shù)據(jù)分析方法成功應(yīng)用于人類受試者的心臟和呼吸速率檢測，但EMD存在端點(diǎn)效應(yīng)、本征模函數(shù)篩分迭代停止的標(biāo)準(zhǔn)制定和模態(tài)混疊這三大問題，分解結(jié)果易受呼吸和心臟諧波的影響。

多目標(biāo)生命體征檢測方面的研究目前很少有人涉足，且國內(nèi)外的相關(guān)研究文獻(xiàn)非常少。文獻(xiàn)[3]提出變分模態(tài)分解(variational mode decomposition，VMD)的方法，但只能檢測呼吸率，無法提取微弱的心跳信號(hào)頻率。此外，還有采用自注入鎖定雷達(dá)、互注入鎖定波束掃描陣列以及雙波束混合多普勒雷達(dá)的多種多目標(biāo)生命體征檢測方法[4]，但這些方法的原理以及依賴的雷達(dá)系統(tǒng)結(jié)構(gòu)都十分復(fù)雜，成本昂貴且耗時(shí)嚴(yán)重。

本文基于FMCW雷達(dá)開發(fā)了低成本多目標(biāo)生命體征實(shí)時(shí)檢測系統(tǒng)。采用動(dòng)目標(biāo)顯示(moving target indication,MTI)與多次濾波提高原始信號(hào)信噪比(signal-to-noise ratio,SNR)，基于單元平均恒虛警(cell averaging constant false alarm rate,CA-CFAR)自適應(yīng)檢測門限與最小間距閾值實(shí)現(xiàn)多目標(biāo)檢測，通過目標(biāo)軌跡跟蹤有效提取多個(gè)目標(biāo)的相位，并給出信號(hào)處理與頻譜分析方法，保證準(zhǔn)確性的同時(shí)提高了計(jì)算效率。

1 雷達(dá)系統(tǒng)原理

FMCW雷達(dá)系統(tǒng)連續(xù)發(fā)射線性調(diào)頻脈沖信號(hào)為s(t)

(1)

式中fc為起始頻率，B為調(diào)制帶寬，T為線性脈沖信號(hào)持續(xù)時(shí)間。

對(duì)于距離雷達(dá)系統(tǒng)R處的單一目標(biāo)，接收電磁波并反射回波，由于電磁波在雷達(dá)與目標(biāo)之間傳播而產(chǎn)生td的時(shí)延，雷達(dá)接收到的回波信號(hào)r(t)可表示為

(2)

td=2R/c

(3)

將s(t)與r(t)進(jìn)行混頻得到拍頻信號(hào)b(t)

(4)

(5)

Δφb=4π/λΔR/λ

(6)

可以看出拍頻信號(hào)的相位部分φb與目標(biāo)徑向距離R呈線性關(guān)系，源自目標(biāo)的極為微小的位移便會(huì)引起相位較大的變化，中頻信號(hào)的相位變化可以很好描述源自被測目標(biāo)的微小位移。

對(duì)于多個(gè)目標(biāo)的生命體征檢測場景，雷達(dá)系統(tǒng)會(huì)接收源自多個(gè)目標(biāo)的回波信號(hào)，此時(shí)拍頻信號(hào)如式(7)

(7)

式中num為探測環(huán)境當(dāng)中的目標(biāo)總數(shù)目，fbi,φbi分別為第i個(gè)目標(biāo)的拍頻信號(hào)分量的頻率與相位。跟蹤num個(gè)目標(biāo)所在的距離單元，提取連續(xù)n次慢采樣的相位，得到多個(gè)目標(biāo)生命信號(hào)的離散形式

(8)

上述生命信號(hào)包含心跳信號(hào)、呼吸信號(hào)與環(huán)境噪聲，將心跳與呼吸信號(hào)近似為呈周期性變化的正弦波信號(hào)，假設(shè)其具有穩(wěn)定的頻率，有

xi(t)=AHsin(2πfHt+φH)+ABsin(2πfBt+φB)+z

(9)

2 信號(hào)處理流程

基于上述原理以及建立的生命信號(hào)模型，后續(xù)的信號(hào)處理主要有回波預(yù)處理、目標(biāo)檢測與跟蹤、生命體征信號(hào)提取分析三個(gè)步驟。

2.1 回波預(yù)處理

環(huán)境當(dāng)中由金屬材料制成或者具有尖角形狀的靜態(tài)物體會(huì)反射能量很強(qiáng)的回波信號(hào)，例如：桌角、金屬門窗框等等，這些靜態(tài)目標(biāo)的回波信號(hào)能量強(qiáng)度甚至高于真實(shí)的待測目標(biāo)，導(dǎo)致真實(shí)目標(biāo)被淹沒，目標(biāo)檢測出現(xiàn)嚴(yán)重誤差，進(jìn)而無法提取目標(biāo)生命體征信號(hào)。

考慮到源自待測目標(biāo)胸腔的起伏振動(dòng)是隨時(shí)間變化的信號(hào)，而環(huán)境當(dāng)中靜態(tài)目標(biāo)的回波信號(hào)不隨時(shí)間改變。采用MTI方法：取大小為n的滑窗，針對(duì)同一個(gè)距離單元計(jì)算連續(xù)n個(gè)慢采樣點(diǎn)的平均值，作為該距離單元處的靜態(tài)環(huán)境雜波分量；然后將滑窗內(nèi)的全部慢采樣數(shù)據(jù)減去該均平均值；對(duì)運(yùn)算結(jié)果再次取平均值，作為當(dāng)前時(shí)刻去除靜態(tài)雜波分量的運(yùn)算結(jié)果,如圖1。

圖1 MTI方法去除靜態(tài)雜波前后的信號(hào)

由于檢測環(huán)境當(dāng)中存在一些背景噪聲，再加上去除靜態(tài)雜波過程中可能引入一些新的微小能量波動(dòng)，對(duì)去除雜波后的回波數(shù)據(jù)進(jìn)行指數(shù)加權(quán)平均與遞推平均濾波，以提升回波信號(hào)的SNR。結(jié)果如圖2所示,2 m之外的“微亮”區(qū)域已經(jīng)基本消失，說明該區(qū)域范圍內(nèi)的大部分噪聲已經(jīng)被濾除。

圖2 雷達(dá)回波經(jīng)過濾波降噪后回波信號(hào)效果

2.2 目標(biāo)檢測與跟蹤

基于分布式目標(biāo)的雷達(dá)方程[5]，隨著傳播距離的增大，雷達(dá)電磁波的回波強(qiáng)度會(huì)顯著衰減。距離雷達(dá)系統(tǒng)較近的目標(biāo)回波能量高，距離維投影的幅值也高，而對(duì)于遠(yuǎn)處的目標(biāo)，雷達(dá)回波能量已經(jīng)顯著衰減，距離維投影的幅值也會(huì)降低。如果采用固定的檢測門限可能對(duì)于遠(yuǎn)處目標(biāo)過高，而對(duì)于近處目標(biāo)過低。為了解決這個(gè)問題，采用基于CA-CFAR自適應(yīng)檢測門限，根據(jù)采樣數(shù)據(jù)附近雜波強(qiáng)度的變化，自動(dòng)調(diào)節(jié)檢測門限大小，從而實(shí)現(xiàn)檢測概率的最大化并使虛警概率保持恒定[6]。

針對(duì)單目標(biāo)、雙目標(biāo)以及三目標(biāo)的實(shí)驗(yàn)場景，任意取某一時(shí)刻采集的回波數(shù)據(jù)基于CA-CFAR自適應(yīng)門限進(jìn)行多目標(biāo)檢測，檢測結(jié)果如圖3所示，其中虛線代表CA-CFAR檢測門限，實(shí)線代表這一幀回波數(shù)據(jù)的距離維投影，黑色圓圈代表超過檢測門限的采樣點(diǎn)?？梢钥闯?，實(shí)線的峰值附近存在多個(gè)黑色圓圈，即同一個(gè)目標(biāo)有可能產(chǎn)生多個(gè)超過檢測門限的采樣點(diǎn)。

圖3 三種場景的CA-CFAR檢測結(jié)果

這是由于被測目標(biāo)屬于體目標(biāo)，接收到雷達(dá)電磁波的照射會(huì)產(chǎn)生多個(gè)反射點(diǎn)。同時(shí)，被測目標(biāo)因心跳、呼吸引起胸腔的起伏振動(dòng)，甚至帶動(dòng)腹部的起伏振動(dòng)，即人體不同部位可能包含相同或者相似的生命體征振動(dòng)信號(hào)。這些具有相似頻率成分的回波信號(hào)強(qiáng)度也相近，分布在相鄰的距離單元中，導(dǎo)致一個(gè)目標(biāo)存在多個(gè)距離很近的采樣點(diǎn)，甚至在距離維投影中形成多個(gè)峰值，如圖4所示。

圖4 某一幀距離維投影中的目標(biāo)“分裂”情況

當(dāng)目標(biāo)靜止不動(dòng)時(shí)，通常源自目標(biāo)胸部的雷達(dá)回波具有最大的能量值與最高的峰值。設(shè)定距離閾值D，當(dāng)CA-CFAR檢測門限之上的采樣點(diǎn)距離小于D時(shí)，判定為同一個(gè)目標(biāo)，并保留幅值峰值A(chǔ)更高的那一個(gè)?？紤]到人體所占空間大小，本文將D取為15 cm。

當(dāng)目標(biāo)緩慢移動(dòng)時(shí)，需要針對(duì)多個(gè)目標(biāo)進(jìn)行位置跟蹤，并將源自不同目標(biāo)的生命體征信息前后關(guān)聯(lián)起來?？紤]到計(jì)算效率與系統(tǒng)實(shí)時(shí)性的要求，采用基于加權(quán)歐氏距離相似性度量的最近鄰關(guān)聯(lián)(nearest neighbor data association，NNDA)算法與卡爾曼濾波(Kalman filtering，KF)狀態(tài)估計(jì)。圖5為多目標(biāo)軌跡跟蹤結(jié)果。

圖5 多目標(biāo)場景下的雷達(dá)回波距離維投影及移動(dòng)軌跡跟蹤結(jié)果

2.3 生命體征信號(hào)提取與分析

提取目標(biāo)所在距離單元的相位信息，得到如圖6(a)所示的波形。相位值介于[-π,π]之間，因此需要進(jìn)行相位展開處理才能獲得實(shí)際的胸腔振動(dòng)情況。相位展開前、后的波形如圖6所示。

圖6 相位展開前、后的波形

為了進(jìn)一步增強(qiáng)心跳信號(hào)并消除回波信號(hào)中的相位漂移，對(duì)相位展開后的波形進(jìn)行差分處理。相位差分是通過不斷將當(dāng)前采樣點(diǎn)展開相位與前一采樣點(diǎn)做差實(shí)現(xiàn)的，圖6(b)經(jīng)過相位差分處理后的波形如圖7(a)所示，周期性變化的規(guī)律更加直觀，但仍然存在脈沖噪聲。經(jīng)脈沖濾波后得到圖7(b)，幅值基本穩(wěn)定在±0.4左右，信號(hào)整體波動(dòng)的周期較為穩(wěn)定。

圖7 差分處理及去噪后波形

由于呼吸頻率通常在0.1～0.6 Hz范圍內(nèi)，心跳頻率通常在0.8～3.3 Hz范圍內(nèi)，采用IIR帶通濾波初步分離呼吸信號(hào)與心跳信號(hào)，針對(duì)兩組信號(hào)做快速傅里葉變換(fast Fourier translation，F(xiàn)FT)，根據(jù)其幅頻特性曲線中的最大值即可判斷主要頻率成分，進(jìn)而轉(zhuǎn)換為呼吸率與心率。

如圖8，呼吸頻率為0.339 8 Hz×60≈20次/min，心率為1.339 Hz×60≈80次/min，與真實(shí)值相同。由于心跳信號(hào)通常較為微弱，再加上受到呼吸頻率多次諧波以及環(huán)境噪聲的影響，極有可能出現(xiàn)心跳真實(shí)頻率處的幅值低于幅頻特性曲線中其他頻率處的幅值，因此引入自相關(guān)頻譜分析方法。

圖8 呼吸、心跳FFT結(jié)果

自相關(guān)方法(autocorrelation method)，通過計(jì)算采樣信號(hào)與采樣信號(hào)本身在不同采樣時(shí)刻的互相關(guān)函數(shù)值，給出采樣信號(hào)在不同時(shí)延下的采樣點(diǎn)數(shù)值相關(guān)程度

(10)

式中N為輸入待處理信號(hào)sn(x)的長度，sn(x)為帶通濾波后包含心跳信號(hào)成分的時(shí)域信號(hào)片段，Δx為自相關(guān)間隔長度(也即時(shí)延)，Δx的取值范圍Fs/fend～Fs/fstart,Fs為采樣頻率。根據(jù)最大值Rmax(Δxm)對(duì)應(yīng)的時(shí)延Δxm可以獲得信號(hào)的主要頻率成分ftarget=Fs/Δxm。

如圖9，采樣頻率Fs=20 Hz，橫坐標(biāo)為15時(shí)Rn(Δx)取最大值，可以推算出來頻率ftarget=Fs/Δxm=20/15=1.333 Hz，對(duì)應(yīng)的心率為80次/min，與FFT結(jié)果一致；同理，呼吸率為ftarget=Fs/Δxm=20/56=0.357 Hz，即21次/min，與真值20次/min的誤差在允許范圍內(nèi)。

圖9 心跳、呼吸信號(hào)自相關(guān)頻譜分析方法的運(yùn)算結(jié)果

FFT與自相關(guān)頻率分析兩種頻譜估計(jì)方法各有優(yōu)勢與局限性，結(jié)合兩種方法的置信度給出生命體征估計(jì)決策方案:對(duì)于呼吸頻率：如果FFT方法的置信度超過閾值CFFT>Cthresh，且兩種方法的估值之差小于閾值，即|BFFFT-BRcorr|Cthresh，且兩種方法的估值之差小于閾值，即|HRFFT-HRcorr|

FFT置信度計(jì)算方法如式(11)，fpeak為目標(biāo)所在距離門以及左右相鄰的距離單元能量值加和，fpeak為整個(gè)信號(hào)段具有的總能量值，CFFT的計(jì)算方法類似于信噪比；自相關(guān)頻率分析方法的置信度計(jì)算方法如式(12)，Rf_max(Δx)為自相關(guān)信號(hào)的最大值，Rf(0)為時(shí)延為0時(shí)自相關(guān)運(yùn)算結(jié)果

CFFT=fpeak/(fsignal-fpeak)

(11)

Ccorr=Rf_max(Δx)/Rf(0)

(12)

3 實(shí)驗(yàn)結(jié)果

以圖10所示的實(shí)驗(yàn)場景為例，目標(biāo)軌跡跟蹤結(jié)果如圖5，生命體征的實(shí)時(shí)估計(jì)結(jié)果如圖11。目標(biāo)1距離雷達(dá)系統(tǒng)較近，呼吸率真值為20次/min，心率真值為80次/min，檢測結(jié)果在目標(biāo)位置發(fā)生移動(dòng)時(shí)稍有偏差，但誤差在1次/min以內(nèi)；目標(biāo)2距離雷達(dá)系統(tǒng)相對(duì)較遠(yuǎn)，呼吸率真值為22次/min，心率真值為73次/min，檢測結(jié)果在目標(biāo)移動(dòng)時(shí)產(chǎn)生偏差，檢測誤差在±2次/min以內(nèi)。經(jīng)過多組相似場景的實(shí)驗(yàn)，檢測誤差保持在3次/min之內(nèi)，可以驗(yàn)證本文提出的實(shí)時(shí)多目標(biāo)生命體征檢測方法的準(zhǔn)確性與穩(wěn)定性。

圖10 非接觸式生命體征檢測實(shí)驗(yàn)場景

圖11 雙目標(biāo)動(dòng)態(tài)跟蹤場景下生命體征檢測結(jié)果

4 結(jié) 論

本文針對(duì)多目標(biāo)場景，提出一種基于調(diào)頻連續(xù)波雷達(dá)的非接觸式生命體征檢測方法。通過多組實(shí)驗(yàn)，驗(yàn)證了所提檢測方法的實(shí)時(shí)性、穩(wěn)定性與準(zhǔn)確性。