薛帥康,王小月,許致火,劉微雪,黃同輝

(南通大學 a.信息科學技術(shù)學院;b.交通與土木工程學院,江蘇 南通 226019)

0 引 言

2017年聯(lián)合國《世界人口老齡化發(fā)展報告》顯示,全球60歲及以上的人口占總?cè)丝诘?3%,并以每年3%的速度增長。據(jù)2016年第四次中國城鄉(xiāng)老人生活狀況抽樣調(diào)查數(shù)據(jù)顯示,中國失能、半失能老年人大致有4 063萬人,占老年人口的18.3%,健康老齡化成為中國人口發(fā)展目標[1]。人口老齡化帶來老人健康問題,而大多數(shù)子女由于房貸和生活的壓力,并不能總是在老人身邊照顧,對老年人健康狀況的監(jiān)測變得十分必要。

呼吸、心跳等人體生命體征是現(xiàn)代衛(wèi)生保健和醫(yī)療應用的重要指標[2],表征著人體的健康狀況。傳統(tǒng)的人體生命體征檢測通常采用穿戴式傳感器、粘貼式電極、呼吸帶等儀器,如心電圖、指夾式脈搏血氧儀、電子血壓測量機等[3],雖然這些接觸式心跳檢測方法測量精度較高,但是電極的刺激會引起人體不適[4]。

與上述檢測方法相比,雷達對于呼吸和心跳的監(jiān)測具有很大優(yōu)勢。雷達具有較強的信號穿透性,信號波長越長,穿透能力越強,能在墻壁遮擋情況下對人體呼吸和心跳進行檢測,有利于災害應急救援[5]。同時雷達的檢測范圍更為廣闊,可以實現(xiàn)一定區(qū)域的多人檢測,且檢測不易受外界環(huán)境條件的影響,穩(wěn)定性更好。研究表明,無接觸技術(shù)能夠持續(xù)地監(jiān)測用戶的健康狀況,這使其能夠在發(fā)生暈厥、心臟驟停等緊急情況時及時示警,降低死亡或致殘的風險,從而減輕社會醫(yī)療負擔[6],這使得雷達檢測技術(shù)在人體呼吸心跳監(jiān)測領(lǐng)域擁有較為廣泛的應用。

脈沖超寬帶雷達[7]、連續(xù)波(Continuous Wave,CW)多普勒雷達[8-9]、調(diào)頻連續(xù)波(Frequency Modulated Continuous Wave,FMCW)雷達[10-11]等都可實現(xiàn)對人體呼吸心跳的檢測。雷達通過獲取人體的胸腔起伏信號,實現(xiàn)對人體呼吸心跳的檢測。人體胸腔的起伏很微弱,屬于毫米級范疇[12],位于毫米波段的雷達可實現(xiàn)小位移的精確測量,對呼吸心跳的檢測更準確[13]。

本文簡要描述了不同雷達系統(tǒng)對人體呼吸和心跳信號檢測的基本原理,總結(jié)了不同雷達系統(tǒng)在人體呼吸心跳檢測方面的優(yōu)缺點;從數(shù)據(jù)預處理、呼吸心跳分離、呼吸率和心率估計三個方面介紹了雷達信號處理算法,系統(tǒng)歸納了每一方面的最新研究進展;分析了現(xiàn)有研究中存在的局限性,并對未來的研究趨勢進行了展望。

1 雷達檢測原理

1.1 CW雷達檢測原理

根據(jù)雷達射頻回波信號處理結(jié)構(gòu)的不同,CW雷達系統(tǒng)分為基于混頻器的CW雷達和基于六端口接收機的CW雷達。CW雷達發(fā)射復信號為

STX(t)=ATXej[2πfct+φ0]。

(1)

式中:fc為載波頻率;ATX為發(fā)射信號的振幅;φ0為初始相位。

假設人體的徑向距離為d0,呼吸心跳產(chǎn)生的胸腔位置變化為x(t),由雷達作用人體后向散射得到的接收信號為

SRX(t)=ARXej[2πfc(t-td)+φ1]。

(2)

對于基于混頻器的CW雷達,接收信號經(jīng)過混頻和低通濾波后,其基帶復信號表示為

(3)

式中:Δφ=φ1-φ0為相位差;AIF為基帶信號振幅。利用反正切法,可得到人體的胸腔位移信號x(t)為

(4)

圖1為六端口接收機結(jié)構(gòu)示意圖,包括2個輸入端口和4個輸出端口。

圖1 六端口接收機結(jié)構(gòu)[14]

輸入端口P1和P2對應發(fā)射信號STX和接收信號SRX,即

P1=ATXej[2πfct+φ0]=A+jB,

(5)

P2=ARXej[2πfc(t-td)+φ1]=C+jD。

(6)

式中:A=ATXcos(2πfct+φ0);B=ATXsin(2πfct+φ0);C=ARXcos(2πfc(t-td)+φ1);D=ARXsin(2πfc(t-td)+φ1)。P1和P2在輸出端口的相位差為0,π/2,π和3π/2,通過計算得到輸出信號B3,B4,B5,B6為

B3=0.25|P1+jP2|2,

(7)

B4=0.25|jP1+P2|2,

(8)

B5=0.25|jP1+jP2|2,

(9)

B6=0.25|P1-P2|2。

(10)

將式(5)、(6)代入到式(7)～(10)中得到

B3=0.25|(A-D)+j(B+C)|2,

(11)

B4=0.25|(C-B)+j(A+D)|2,

(12)

B5=0.25|-(B+D)+j(A+C)|2,

(13)

B6=0.25|(A-C)+j(B-D)|2。

(14)

而P1和P2的相位差可表示為

(15)

即由六端口接收機的輸出,可得到人體的胸腔位移

(16)

1.2 FMCW雷達檢測原理

FMCW雷達具有多種頻率調(diào)制方式,在人體呼吸心跳檢測中,大多采用線性調(diào)頻方式。假設fc為載波頻率,Tc為信號掃描周期,B為雷達信號的帶寬,FMCW雷達發(fā)射復信號為

(17)

式中:ATX為發(fā)射信號的振幅;φ0為初始相位。

接收信號為發(fā)射信號延時td,

(18)

式中:ARX為接收信號的振幅;φ1為接收信號相位。

接收信號經(jīng)過混頻和低通濾波后,其基帶復信號表示為

(19)

式中:Δφ=φ1-φ0相位差;AIF為基帶信號振幅。為得到表征胸腔位移的相位信號,需要消除式(19)指數(shù)中的第一項。對基帶復信號采樣得到

(20)

式中:Ts為快時間采樣周期;m,n為采樣數(shù)。將采樣信號組成快慢時間矩陣,如圖2所示,先對快時間行進行快速傅里葉變換(Fast Fourier Transform,FFT)求得人體位置坐標,再提取位置坐標處的慢時間列,從而消除式(19)指數(shù)中的第一項,最后將慢時間列代入式(4)得到人體的胸腔位移信號x(t)。

圖2 FMCW雷達基帶信號快慢時間矩陣

1.3 脈沖超寬帶雷達系統(tǒng)

典型的脈沖超寬帶雷達由波形產(chǎn)生器、發(fā)射機、接收機、收發(fā)天線和信號處理器等部件組成。脈沖超寬帶雷達通過測量從人體胸部反射的窄脈沖的飛行時間變化,實現(xiàn)對呼吸心跳的檢測[15]。

超寬帶雷達的發(fā)射復信號為

STX(t,nT)=p(t,nT)ej2πfct。

(21)

接收信號為

SRX(t,nT)=p(t-td,nT)ej2πfc(t-td)。

(22)

式中:p(t,nT)表示第n個持續(xù)時間為τ的窄脈沖,t為時間,T為脈沖重復周期;fc為載頻。

接收信號經(jīng)過混頻和低通濾波后,其基帶復信號表示為

SIF(t,nT)=p(t-td,nT)e-j2πfctd。

(23)

利用式(4)得到人體的胸腔位移信號x(t)。

1.4 不同雷達系統(tǒng)比較

雷達系統(tǒng)通過檢測人體胸腔位移變化,實現(xiàn)人體呼吸和心跳信號檢測,如圖3所示。表1總結(jié)了不同雷達系統(tǒng)檢測人體呼吸心跳信號的優(yōu)缺點。

表1 不同雷達系統(tǒng)檢測人體呼吸心跳信號優(yōu)缺點

圖3 雷達檢測人體呼吸和心跳信號

1.5 雷達搭載平臺

雷達搭載平臺分為兩種:固定式平臺和移動式平臺。在固定式平臺中,雷達安裝在桌面或墻壁上,如圖4,整個檢測過程中雷達靜止不動。在移動式平臺中,雷達安裝在無人車或無人機上,如圖5,雷達移動掃描某區(qū)域,并根據(jù)有效的微多普勒信號檢測人體生命體征。

圖4 桌面固定式平臺

圖5 機載移動平臺[20]

2 雷達信號處理算法

現(xiàn)有雷達系統(tǒng)使用I/Q解調(diào)器,其具有提高信噪比、避免零點等優(yōu)點[21]。I/Q解調(diào)器、六端口接收機都可將雷達復信號轉(zhuǎn)換為I/Q信號,本文主要討論利用的雷達采集的I/Q數(shù)據(jù)進行人體呼吸和心跳信號檢測的算法流程。

以正常人的數(shù)據(jù)為例,整個人體呼吸和心跳信號檢測信號處理流程如圖6所示,主要分成數(shù)據(jù)預處理、人體呼吸心跳信號分離、呼吸率心率估計三部分,其中數(shù)據(jù)預處理包含去直流偏置、I/Q不平衡消除和相位解纏。

圖6 人體呼吸和心跳信號檢測處理流程

2.1 數(shù)據(jù)預處理

2.1.1 去直流偏置與I/Q不平衡消除

由于呼吸心跳信號比較微弱,由誤差干擾引起的人體呼吸和心跳信號失真,會導致對呼吸率和心率的錯誤估計[22],因而需要消除數(shù)據(jù)采集過程中混入的誤差。來自靜止物體的反射(雜波)和硬件缺陷產(chǎn)生直流偏移[23],混頻器之間的幅度和相位失配引起I/Q通道不平衡[24],這兩部分是誤差的主要來源。誤差消除方法分為模擬域消除方法和數(shù)字域消除方法。在模擬域消除方面,優(yōu)化硬件電路可保證I路和Q路的平衡,包括選用更好的混頻器、放大器和低通濾波器[25],但這必定會提高成本,且降低電路的通用性。與之相比,數(shù)字域消除方法即利用算法消除誤差,無需改變硬件電路,通用性更強。本節(jié)主要介紹現(xiàn)有的數(shù)字域誤差消除方法。

在直流偏置補償方面,將數(shù)據(jù)的均值作為直流偏置的估計是最常用的算法[26],但此種算法精度較低。為提高估計精度,文獻[27]提出了基于壓縮感知的直流偏置估計方法,將直流偏置補償問題化為圓擬合問題,通過l1范數(shù)最小化,估計直流偏置,但在提高估計精度的同時也提高了其復雜度。為了降低復雜度,文獻[28]提出使用圓心動態(tài)直流偏移跟蹤方法,使用高效的梯度下降算法來實現(xiàn)動態(tài)直流偏移跟蹤與校正,有效提高直流偏置估計的實時性。在I/Q不平衡消除方面,文獻[24,29]中提出了基于橢圓擬合I/Q不平衡補償,利用類似于Gram-Schmidt正交化的方法校正I/Q不平衡。為了提高估計的魯棒性和精度,文獻[25]進一步提出了Levenberg-Marquardt方法,通過最小化與橢圓上投影的正交距離,迭代來實現(xiàn)橢圓的擬合,消除I/Q不平衡。數(shù)字域誤差消除方法通過建立 I/Q不平衡的校正與直流偏置補償?shù)哪Ｐ?將其轉(zhuǎn)化為優(yōu)化問題,再利用相應的算法求解,實現(xiàn)數(shù)據(jù)補償。通過這種方式的誤差消除,會降低系統(tǒng)實時性,且存在殘留誤差,不適合實時性和精度要求較高的應用場景。

2.1.2 相位解纏

利用式(4)返回的相位值區(qū)間為[-π,π],超過區(qū)間范圍的相位會被折疊到[-π,π]內(nèi),產(chǎn)生相位纏繞。為了恢復實際的相位,需要對相位解纏繞。

現(xiàn)有的相位解纏方法有差分法、微分與交叉乘法(Differential and Cross-Multiply,DACM)、擴展微分與交叉乘法。差分法通過對纏繞相位整體±π實現(xiàn)相位解纏。DACM解纏法對式(4)中的相位進行微分,再整體積分直接得到真實的相位。擴展DACM解纏法與DACM相比,求解表達式更簡單,計算量更小。各方法的比較如表2所示。

表2 雷達相位解纏方法比較

2.2 人體呼吸心跳信號分離方法

人體呼吸和心跳信號分離方法大致可分為頻域濾波信號分離方法、小波信號分解重構(gòu)方法、模態(tài)分解重構(gòu)方法、最優(yōu)化信號處理算法。

2.2.1 頻域濾波信號分離法

人體呼吸的頻域范圍在0.1～0.5 Hz,心跳的頻域范圍在0.8～2 Hz[21],根據(jù)呼吸和心跳頻域范圍設計帶通濾波器,分離呼吸和心跳信號。設計無限長脈沖響應(Infinite Impulse Response,IIR)帶通濾波器,比如,巴特沃斯型和橢圓型,實現(xiàn)呼吸心跳分離。有限長脈沖響應(Finite Impulse Response,FIR)濾波器階數(shù)達到百階,使用較少。

2.2.2 小波分解重構(gòu)信號處理方法

小波分解重構(gòu)的實現(xiàn)人體呼吸心跳分離的基本原理如圖7所示,φ(t)表示雷達相位信號,LP為低通濾波器,HP為高通濾波器,↓2表示下2采樣。小波變換將雷達相位信號分解為不同頻率分量,在呼吸頻率范圍進行信號重構(gòu)得到呼吸信號,在心跳頻率范圍進行信號重構(gòu)得到心跳信號[31-32]。小波分解重構(gòu)信號處理方法中小波函數(shù)的選擇直接影響小波分解重構(gòu)的效果,一般情況下,小波函數(shù)階數(shù)越高,分解越精細,但是計算量越大,應用時需要根據(jù)情況選擇合適的小波函數(shù)。

圖7 小波分解重構(gòu)原理

2.2.3 模態(tài)分解重構(gòu)方法

模態(tài)分解方法分為經(jīng)驗模態(tài)分解(Empirical Mode Decomposition,EMD)與變分模態(tài)分解(Variational Mode Decomposition,VMD)兩類。對于EMD,圖8給出了分解流程:雷達相位信號被分解成N個本征模態(tài)函數(shù)(Intrinsic Mode Function,IMF),對IMF分量進行FFT,將頻譜峰值在0.1～0.5 Hz范圍內(nèi)的IMF分量歸為呼吸信號,將頻譜峰值在0.8～2 Hz范圍內(nèi)的IMF分量歸為心跳信號,其余IMF分量則視為噪聲干擾,用分類的IMF分量重構(gòu)得到呼吸和心跳信號。相比于EMD算法,一些改進EMD算法,如集合經(jīng)驗模式分解(Ensemble Empirical Mode Decomposition,EEMD)、互補集合經(jīng)驗模態(tài)分解(Complete Ensemble Empirical Mode Decomposition,CEEMD),在人體呼吸和心跳信號分離的應用中具有更高的精度。而VMD是一種自適應、完全非遞歸的模態(tài)變分方法,其通過在頻域中分割信號,得到信號的有效分解分量,進而重構(gòu)出人體呼吸和心跳信號[34-35]。EMD、EEMD、VMD等模態(tài)分解算法種類眾多,技術(shù)相對成熟,但是其計算量較大,實時性差,應用時需要根據(jù)經(jīng)驗選擇合適IMF分解次數(shù),減少迭代次數(shù),以提高算法實時性。

圖8 EMD算法的流程

2.2.4 最優(yōu)化信號處理算法

最優(yōu)化信號處理算法基于呼吸心跳信號的頻率范圍不同,建立優(yōu)化模型,通過求解模型實現(xiàn)呼吸心跳的分離。文獻[11]提出了一種基于正交匹配追蹤的壓縮感知方法,通過設置稀疏值,得到呼吸心跳的頻率。當呼吸諧波頻率位于心跳頻率范圍內(nèi)時,會對心跳估計產(chǎn)生干擾,使得上述算法估計誤差增大。為了抑制呼吸諧波產(chǎn)生的干擾,文獻[36]中提出了一種基于雙參數(shù)最小均方濾波器的信號恢復和分離方法,在基頻處提取呼吸信號,并從混合信號中剔除呼吸信號得到心跳信號,消除了呼吸諧波的干擾。雖然上述算法消除了呼吸諧波干擾,但其步驟繁瑣且實時性差。文獻[6]從相位和距離兩種信息的組合中提取生命信號,通過距離積分消除相互干擾,用自回歸方法檢索生命信號,算法實現(xiàn)簡單且實時性較高。為了提高呼吸心跳信號估計精度,文獻[37]提出了外推變換和多重信號分類(Multiple Signal Classification,MUSIC)的二維參數(shù)相結(jié)合的方法,用外推變換提高距離信息的分辨率,針對目標外推變換后的幅度和相位信息,應用MUSIC算法估計出呼吸和心跳頻率。將優(yōu)化方法應用到呼吸心跳分離中,相較于傳統(tǒng)的頻域分析,在研究思路上有很大創(chuàng)新,值得進一步研究。

2.3 人體呼吸速率與心率估計方法

呼吸速率與心率的估計分為時域估計和頻域估計。時域估計根據(jù)呼吸和心跳的波形變化得到呼吸心跳速率。頻域估計根據(jù)呼吸心跳的頻域值得到頻率估計,進而轉(zhuǎn)換成呼吸率與心率。

在頻域估計方面,最常用的方法為最大頻率估計法[38],通過對呼吸與心跳時域信號進行FFT,將信號轉(zhuǎn)換到頻域,其呼吸心跳的頻率范圍內(nèi)的最大頻率作為呼吸與心跳的頻率估計。但是最大頻率估計方法對噪聲抑制較差,Welch、MUSIC等譜估計方法可抑制噪聲,提高估計精度。

在時域估計方面,文獻[39]中使用峰值檢測算法,檢測呼吸和心跳波形的極大值(或極小值)數(shù)目,再結(jié)合時間長度,得到呼吸和心跳速率的估計。當噪聲干擾較大時,上述算法估計精度下降。為此,文獻[40]利用峰值檢測算法對同一目標進行多次測量,取多次測量的平均值作為對速率的估計,從而提高估計精度。雖然采用多次測量的均值可以提高估計精度,但是上述算法不能識別信號中的錯誤峰值。文獻[6]使用算法識別并保存呼吸心跳波形的峰值點,根據(jù)呼吸心跳頻率范圍去除錯誤的峰值點,得到呼吸和心跳的速率估計,其估計精度更高。文獻[18]對呼吸心跳信號進行自相關(guān)運算,計算出自相關(guān)運算后的峰值數(shù),作為呼吸和心跳速率的估計。

3 研究趨勢展望

由于呼吸心跳信號引起的變化十分微弱,在系統(tǒng)誤差和噪聲干擾的情況下,盡管許多文獻針對不同的問題提出了相應的解決方法,但是這些方法都存在不足,仍有改進的空間。

3.1 呼吸和心跳信號分離方面

呼吸和心跳的分離主要利用其頻范圍不同,頻率范圍基于正常人體數(shù)據(jù)劃定。對呼吸心跳信號進行分離時,位于呼吸心跳頻域范圍的干擾噪聲并不能消除,這將對心跳信號產(chǎn)生影響,目前尚未有相關(guān)的方法用于呼吸心跳頻域范圍噪聲的消除。由于呼吸信號引起的位移遠大于心跳信號引起的位移,使得呼吸諧波的能量與心跳相近,在進行呼吸心跳的分離時,由呼吸信號產(chǎn)生的位于心跳頻率范圍的諧波分量將會干擾對心跳信號的判別。有少量文獻針對這一問題提出了相應的方法,例如文獻[41]中利用對心跳的二次諧波進行估計來減少呼吸諧波的干擾,但并沒有學者對呼吸諧波的抑制進行深入研究并提出相應的方法。

3.2 心率和呼吸速率估計方面

現(xiàn)有的呼吸心率估計方法基于假定呼吸心跳在一段時間內(nèi)不會發(fā)生較大的波動。在實際應用中,當發(fā)生突發(fā)情況,例如受到驚嚇、刺激等,呼吸心跳會發(fā)生急劇變化。在這種情況下,現(xiàn)有的估計方法對呼吸心跳的估計不準確,失去實際意義,并不能及時反映真實的呼吸心跳的速率。

3.3 隨機運動消除方面

現(xiàn)有的很多呼吸心跳檢測方法建立在人體靜止不動且雷達離人體距離較近又對準胸口位置的理想條件下。在實際應用中,人處于隨機運動狀態(tài),且雷達不能一直正對人體,對于隨機運動的消除不可或缺?，F(xiàn)有的一些隨機運動消除的方法,實現(xiàn)起來較為復雜,且只對劇烈運動有較好的消除效果[42]。如何簡化隨機運動消除的系統(tǒng),對慢運動帶來的干擾實現(xiàn)準確的消除,是未來的一個研究方向。

3.4 多人呼吸心跳檢測方面

現(xiàn)有的呼吸心跳檢測方法主要基于單目標的檢測,而在實際應用中需要實現(xiàn)對多人的檢測?，F(xiàn)有的許多文獻都是使用超寬帶雷達實現(xiàn)對多人的檢測,基于其他雷達的多人呼吸心跳檢測的相關(guān)研究較少,且利用雷達進行呼吸心跳檢測的可靠性仍然有待提高。因此,如何實現(xiàn)可靠的多目標檢測,讓雷達系統(tǒng)人體呼吸心跳信號檢測用于醫(yī)療健康服務,是未來的一個主要趨勢。

3.5 人體生理狀態(tài)識別方面

利用雷達測量出的人體呼吸和心跳信號,準確識別人體狀態(tài)(呼吸困難、呼吸暫停、心臟驟停等)具有很大的應用價值。目前的一些研究使用機器學習、人工神經(jīng)網(wǎng)絡等方法識別人體狀態(tài),準確率不足,且算法復雜度較高。如何提高人體狀態(tài)識別的準確率,降低算法復雜度,是未來的一個研究方向。