雷達式非接觸檢測中呼吸和心跳信號分離算法的研究

張華，孫娜娜，張鵬飛，李盛，焦騰，張楊，呂昊，于霄，

馬騰1，薛慧君1，路國華1，王健琪1

1.第四軍醫大學生物醫學工程學院 電子學教研室，陜西 西安 710032；2.第四軍醫大學唐都醫院 信息科，陜西西安 710038

雷達式非接觸檢測中呼吸和心跳信號分離算法的研究

張華1，孫娜娜2，張鵬飛1，李盛1，焦騰1，張楊1，呂昊1，于霄1，

馬騰1，薛慧君1，路國華1，王健琪1

1.第四軍醫大學生物醫學工程學院 電子學教研室，陜西 西安 710032；2.第四軍醫大學唐都醫院 信息科，陜西西安 710038

為了有效地從生物雷達的體動信號中分離出呼吸和心跳信號，實現生理特征參數（呼吸率和心率）實時監測，本文在自適應噪聲抵消模型的基礎上，提取呼吸信號的諧波組合作為模型的參考輸入，將生物雷達檢測到的體動信號作為模型的原始輸入，構建了一套適用于生物雷達檢測中分離呼吸、心跳信號的自適應諧波抵消算法。仿真實驗結果表明，該算法簡單、易于實現，能夠實時地分離呼吸和心跳信號。

生物雷達；自適應噪聲抵消器；實時分離；呼吸信號；心跳信號；非接觸檢測

生命體征主要是指心率、呼吸、脈搏、血壓等，是機體內在活動的客觀反映，是衡量機體健康狀況的客觀指標，因此測量和監測生命體征具有重要的臨床和實踐意義。雷達式生命體征檢測技術通過雷達發射電磁波照射人體，從接收的回波信號中提取生命信息。鑒于該技術可以非接觸、遠距離穿透障礙物，在生命體征檢測領域受到越來越多的關注[1-4]。

1976 年 5 月，Franks 等 人[5]發 表 了 題 為 非 接 觸 式嬰兒呼吸監測的論文，首次采用雷達來檢測人體的生理參數。2004 年有研究報道，瑞士的 Florian Michahelles、Ramon Wicki等人在生物雷達檢測人體生命參數方面進行 了 比 較 深 入 的 研 究[6]。 但 當 受 檢 對 象 自 由 呼 吸 時 ， 該檢測系統無法準確檢測出心跳信號。華東師范大學信息學院的尹秋艷等人建立了用微波頻譜分析儀檢測人體心跳 信 號 的 雷 達 檢 測 系 統[7]。 但 檢 測 信 號 受 到 呼 吸 運 動 干擾，并未實現呼吸與心跳信息的分離檢測，僅能在被測對象屏住呼吸的情況下對人體心跳信息進行分析。本課題組前期研究者對生物雷達回波信號進行了分析，并對檢測呼吸信號與心跳信號的分離算法進行了探索。王海濱[8]采用自 適 應 的 處 理 方 法 將 實 驗 中提取的呼吸信號作為噪聲參考信號，回波信號作為原始輸入信號進行自適應濾波，從回波信號中檢測出心跳波形，但是算法對噪聲信 號 的 相 關 性 要 求 較 高， 濾波效果不理想。楊冬[9]采用同態濾波和小波變換進行信號處理。同態濾波時由于回波信號的成分不明確，無法對復倒譜界限進行明確的分析。而小波變換更適用于時變和突變信號的消噪，但算法復雜，實時性差，濾波效果不好[10]。

基于生物雷達的非接觸檢測系統關注的是雷達回波信號中攜帶的由于呼吸、心跳等生理運動引起的胸廓微動信息，當實驗對象自由呼吸時，由呼吸引起的體表微動幅度較大，信號能量較強；心跳信號引起的微動幅度較小，信號的能量相對更加微弱。通過對回波信號進行頻譜分析發現，在頻譜上呼吸信號和心跳信號的頻率有重疊，因此很難從回波信號中簡單地將呼吸和心跳信號分離開來。所以急需研究有效的信號分離算法，在強噪聲背景下提取出被呼吸運動與體表微動回波信號壓制和干擾的心跳信號，并進一步的分析心跳信號的參數特征，為臨床監護提供可靠的依據。

由于自適應抵消不需要明確的信號、噪聲的確定統計特性和假設的先驗知識，逐漸發展成為信號成分評估的理想方法。自適應濾波依據自身輸入的初試信號特性，自適應的跟隨信號或噪聲的特點變化輸出期望的信號[11]。

本文提出了一種基于 LMS的自適應諧波抵消算法，依據非接觸檢測得到的回波信號，構建仿真模型。通過濾波處理，結果顯示該方法能有效地分離出呼吸和心跳信號。

1 基于LMS的自適應諧波抵消算法原理與實現

1.1 自適應諧波抵消算法原理

算法原理如圖 1 所示，第一路信號 在采集過程中受到噪聲影響，在原始信號中疊加有不相關的噪聲 n0，由此（s+n0）構成了自適應噪聲抵消器的原始輸入信號。另一路信號采集過程中，采集到的信號與第一路信號沒有相關性，但是會以某種方式與 n0相關的 n1（n0和 n1的相關方式未知）構成自適應噪聲抵消器的參考輸入信號。將噪聲n1經處理得到與 n0相近的估計信號 y，將 y 從原始輸入信號中減去，得到系統對應的輸出值（s+n0-y），即所關心的第一路信號值[12-13]。

圖1 自適應噪聲抵消器原理圖

1.2 自適應諧波抵消算法組成

適應諧波抵消算法流程，見圖 2.其算法說明如下 ：

（1）構造信號模型，依據課題組的先驗知識設定呼吸、心跳信號的參數。

（2）通過算法以呼吸信號為基礎設計得到呼吸信號諧波組合。

（3）由心跳信號、呼吸信號的諧波組合和噪聲干擾疊加構造出混合的體動信號。

（4）編寫基于 LMS 準則的自適應諧波抵消算法，區別與以往的 LMS自適應抵消算法。本課題將呼吸信號的諧波組合作為自適應濾波抵消器的參考輸入，混合的體動信號作為原始信號輸入，基于LMS準則濾波輸出心跳信號。

（5）設定原始輸入信號的信噪比為 SNR，經過濾波器后輸出信號的信噪比為 SNR1，自適應諧波抵消算法信噪比提高為 SNRD。

圖2 LMS自適應諧波抵消算法程序流程圖

算法中信噪比的定義表達式，見公式 (1)～(3)。

定義輸入信號信噪比 SNR 為 ：混合體動信號中，心跳信號的功率與呼吸信號諧波、噪聲功率之和的比值；定義濾波輸出心跳信號信噪比 SNR1為 ：輸出信號中，心跳信號的功率值與輸出信號總功率和心跳信號功之差的比值。信噪比變化SNRD 定義為 ：輸入信噪比與輸出信噪比的差值。

2 仿真實驗結果

2.1 波形輸出

2.1.1 構造信號模型（圖3～5）

圖3 呼吸諧波信號頻譜圖和對應的功率譜圖示

圖4 心跳信號頻譜圖和對應的功率譜圖示

圖5 混合體動信號頻譜圖和對應的功率譜圖示

2.1.3 心跳信號濾波前后頻譜對比分析（圖6）

圖6 濾波前后信號頻譜圖對比

2.2 仿真結果分析

從構造的信號模型可以看出，呼吸諧波信號組合包含呼吸的 15次諧波成分，且對應的功率譜中各頻點能量隨機分布。原始的心跳信號頻率設定為 1 Hz 即心跳為 60 次 /min，對應的功率譜中該點處能量值最大。疊加了噪聲和呼吸諧波組合之后的體動信號從頻譜圖中觀察，其包含的頻率成分復雜，此時心跳信號完全淹沒在噪聲干擾中，從頻譜中無法識別。對應的功率譜也顯示體動信號中各頻點能量隨機分布，無法分析心跳信號的能量值。由構造心跳信號、濾波前原始體動信號及濾波后輸出心跳信號對比分析輸出的信號頻譜圖所示，在 0.9962 Hz 處信號的幅值最大，即近似輸出心跳信號為 60 次 /min，其余頻點的信號幅值遠遠低于該值，明顯的區別出心跳信號。從對應的功率譜分析能量，在 0.9962 Hz 處信號的能量值最大。經過濾波算法原始心跳信號與分離輸出的心跳信號基本吻合。通過算法計算得到輸入信號信噪比 SNR 為 -10.791dB，濾波輸出心跳信號信噪比 SNR1 為 -5.448 dB，濾波前后對于心跳信號信噪比 SNRD 提高值為 5.3429 dB。

3 討論

在非接觸生物雷達監測系統中，關鍵問題是怎樣分離呼吸和心跳信號，這將提供重要的健康信息。在良好的實驗環境中，當實驗對象保持靜止，呼吸信號可以通過濾波處理從體動信號中分離出來。但由于呼吸和體表微動的干擾信號存在，且分析回波信號中呼吸信號的高次諧波和心跳信號存在混疊，所以心跳信號的分離成為技術難點。

本文將呼吸信號的高次諧波作為自適應濾波器的輸入信號，提出了基于LMS自適應諧波抵消算法，對濾波器的輸入輸出信號的頻譜和功率譜進行對比分析，仿真結果較為理想，能夠很好的從混合后受噪聲干擾影響的體動信號中分離出心跳信號，可以應用于實驗研究。但是由于自適應算法本身會產生噪聲，所以濾波后輸出心跳信號的頻譜與原始輸入心跳信號頻譜對比，含有其他頻率成分。但是這些頻率成分對應的幅值和能量都遠遠小于心跳信號能量，且與心跳信號頻譜不重疊，所以不影響心跳信號的分離識別，故該算法可行，可以應用于后續的實驗研究。

[1] C G Caro,J A Bloice．Contactless apnoea detector based on radar[J]．Lancet,1971,30(2):959-961．

[2] Y Schutz,E Ravussin,R Diethelm,et al．Spontaneous physical activity measured by radar in obese and control subject studied in a respiration chamber[J]．Int J Obes,1982,(6):23-28．

[3] G Matthews,B Sudduth,M Burrow．A non-contact vital signs monitor[J]．Crit Rev Biomed Eng,2000,(28):173-178．

[4] M Uenoyama,T Matsui,K Yamada,et al．Non-contact respiratory monitoring system using a ceiling-attached microwave antenna[J]．Med Biol Eng Comput,2006,(44):835-840．

[5] C I Franks,B H Brown,D M Johnston．Contactless respiration monitoring of infants[J]．Med Bio Eng,1976,(14):306-312．

[6] Florian Michahelles,Ramon Wicki,Bernt Schiele．Less contact:heart-rate detection without even touching the user[A]．Eighth IEEE International Symposium on Wearable Computers Conference (ISWC)[C]．2004．

[7] 尹秋艷,樊明捷,黃勇．用微波頻譜分析儀檢測人體心動信號[A]．2003年全國微波毫米波會議論文集[C]．2003:1061-1064．

[8] 王海濱,倪安勝,王健琪,等．LMS算法在非接觸生命參數信號檢測中的消噪應用[J]．中國醫療器械雜志,2003,27(1):21-24．

[9] 楊冬．基于非接觸生命參數檢測系統的信號處理技術研究[D]．第四軍醫大學碩士學位論文,2004:38-52．

[10] 王元東．基于超寬譜生物雷達的非接觸式生命特征信息提取技術研究[D]．第四軍醫大學碩士學位論文,2009:10-12．

[11] 張華,路國華,荊西京,王健琪,等．非接觸生物雷達基于自適應濾波的心跳信號檢測[J]．醫療衛生裝備,2012,33(1):8-10．

[12] PAULO SR DINIZ．自適應濾波算法與實現[M]．劉郁林,景曉軍,譚剛兵,等,譯．北京:電子工業出版社,2004:121-135．

[13] 何振亞．自適應信號處理[M]．北京:電子工業出版社,2006．

Study on the Algorithm for Separation of Heartbeat and Respiratory Signals Based on Radar Non-contact Detection

ZHANG Hua1, SUN Na-na2, ZHANG Peng-fei1, LI Sheng1, JIAO Teng1, ZHANG Yang1, LV Hao1, YU Xiao1, MA Teng1, XUE Hui-jun1, LU Guo-hua1, WANG Jian-qi1

1.Teaching and Research Section of Electronics, School of Biomedical Engineering, The Fourth Military Medical University, Xi'an Shanxi 710032, China; 2.Department of Information, Tangdu Hospital, The Fourth Military Medical University, Xi'an Shanxi 710038, China

In order to separate the breathing and heartbeat signals from biological radar effectively so that the physiological characteristic parameters (respiration rate and heart rate ) can be real-time monitored, this paper proposed a LMS adaptive harmonic cancellation algorithm by extracting the harmonic combination of the respiratory signals as reference input and the body motion signals detected by biological radar as original input based on adaptive noise canceller. Simulation results showed that breathing and heartbeat signals can be separated in real time with the proposed algorithm which is simple and easy to be implemented.

biological radar, adaptive noise canceller, real-time separation; breathing signals; heartbeat signals; non-contact detection

R318.04；R197.39

A

10.3969/j.issn.1674-1633.2013.11.003

1674-1633(2013)11-0009-03

2013-09-05

國家自然科學基金面上項目（61271102）

本文共同第一作者：張華，碩士，助理實驗師；孫娜娜，在讀碩士研究生。

王健琪，教授，博士研究生導師。路國華，副教授，碩士研究生導師。

作者郵箱：zhanghuajiayuan@163．com