非接觸式人體生命信號檢測方法研究

羅朗娟，張 洽

（1．重慶郵電大學醫院，重慶 400065；2．重慶大學附屬中心醫院重慶市急救醫療中心，重慶 400014）

0 引言

生命信號作為現代化醫療檢測中的重要指標，能夠為醫生提供可靠的診斷和治療依據。因此，對呼吸、心跳等生命信號特征參數進行準確、實時的監測對臨床疾病診斷、健康監測等領域的發展具有非常重要的促進作用[1]。傳統生命信號檢測方法一般是通過穿戴式傳感器或粘貼式電極直接接觸人體來實現的。相比之下，非接觸式的生命信號檢測方法因其可以進行遠距離、長時間監測呼吸和心跳等生命信號，且無需接觸檢測設備，給人以輕松、舒適的體驗感受。近年來，隨著毫米波雷達的發展，非接觸式人體生命信號檢測方法在一些新興應用領域（如醫療監護[2]、站位感知[3]等）中逐漸成為研究熱點。應用于醫療生命監測領域的雷達系統有脈沖雷達、多普勒雷達和調頻連續波（frequency modulated continuous wave，FMCW）雷達[4]。相比脈沖雷達和多普勒雷達，FMCW雷達能夠同時檢測目標的距離和多普勒信息，已經成為生命檢測和交互式手勢感應領域的主流選擇[5-6]。因此，本文將利用FMCW雷達實現非接觸式人體生命信號的檢測。

張楊等[7]提出了基于能量譜的多目標探測識別算法，解決了單基地生命探測雷達在多人體目標探測與識別時容易漏判的問題，提高了識別準確率，但文中沒有討論心跳信號的提取和識別問題。王昭昳等[8]利用人體生命體征會引起信號振動的特點，提出了基于超寬帶生物雷達的壓埋人體識別方法，但該方法無法檢測人體的心跳信息。張華等[9]給出了35 GHz雷達中基于濾波的心跳信號分離技術，但在實際使用中用戶往往難以獲得心電圖（electrocardiogram，ECG）信號。自Sharpe等[10]首次提出利用FMCW毫米波雷達實現生命體征檢測后，Anitori等[11]采用24 GHz FMCW雷達進行心跳信號檢測，盡管消去了環境噪聲和多人之間的干擾，但沒有考慮人體微動對心跳信號的干擾。Alizadeh等[12]使用9.6 GHz的FMCW毫米波雷達進行呼吸和心跳頻率的檢測，并給出了基于信號幅值和相位的呼吸頻率和心跳頻率計算方法，但沒有討論噪聲對呼吸頻率和心跳頻率的影響。Park等[13]利用77 GHz FMCW毫米波雷達中頻信號的相位信息檢測人體生命信號，不僅避免了高次諧波影響，也解決了I/Q 2路信號引起的直流信號偏移。然而，由于呼吸信號諧波會掩蓋心跳信號諧波以及環境噪聲的存在，文獻[13]中分離出來的呼吸和心跳波形不準確。

基于此，本研究采用77 GHz FMCW毫米波雷達實現生命信號的檢測。首先，介紹FMCW毫米波雷達的工作原理；其次，在人體目標檢測、相位提取基礎上，提出噪聲消除方法，并設計無限脈沖響應（infinite impulse response，IIR）帶通濾波器分離呼吸和心跳信號；最后，將得到的呼吸頻率和心跳頻率分別與呼吸傳感器和智能手環進行對比，以驗證FMCW毫米波雷達用于生命信號檢測的可行性。

1 FMCW毫米波雷達工作原理

FMCW毫米波雷達包含發射天線、接收天線、射頻、模數轉換器和數字信號處理器等組件。FMCW毫米波雷達中頻信號產生原理是通過天線發射射頻模塊產生的調頻連續波信號，接收經人體反射后的回波信號，并與發射信號混頻得到混頻信號，然后利用低通濾波器濾除高頻分量，最后通過采樣和基帶信號處理即可得到中頻信號，如圖1所示。

圖1 中頻信號產生原理圖

FMCW雷達發射信號x（Tt）可表示為

式中，B為帶寬；fc為線性調頻信號起始頻率；ATX為發射信號的幅值；Tc為線性調頻信號脈寬；φ（t）為相位噪聲；t為時間變量。

人體胸腔到雷達的距離為 x（t）[x（t）=R（t）+d0，其中d0為人體與雷達的距離，R（t）為胸腔運動位移]，發射信號x（Tt）經過距離d0后到雷達接收端產生時延 td[td=2R（t）/c，c 為光速]，因此接收信號 x（Rt）可表示為

式中，φ（t-td）為 φ（t）經 td后的相位；ARX為接收信號的幅值。發射信號和接收信號經混頻后，能夠得到中頻信號SI（Ft），即

由于人體胸腔運動速度較慢，不超過1 mm/1 μs=103m/s，在單掃頻的 μs級時間內 R（t）很小，且近似于一個常數。因此，為了觀察胸腔位移變化需順序發射多個掃頻信號，即對R（t）采樣。假設發送l個掃頻，R（t）采樣時間間隔為 Tm（即幀周期）。當 Tm≥Tc時，R（t）出現在相對應目標距離單元的相位上，時延td變為

式中，R（lTc+t）表示距離的變化。胸腔擴張引起的位移運動一般為余弦信號形式，容易證明 R（lTc+t）=R（lTc）。將公式（4）代入SIF（t），可以得到

式中，Tm為中頻信號采樣周期；n為采樣點數；人體生命信號引起的振動（即R（lTc））隱藏在相位ψl中。因此，從采樣的中頻信號中找到fIF能夠估計人體的位置，從ψl中可估計生命信號引起的振動頻率。

2 人體生命信號檢測方法

生命信號屬于微弱信號，其振動產生的位移一般為毫米級，可以利用毫米波信號的相位變化確定生命信號的振動位移，從而實現對生命信號的有效檢測。盡管多普勒雷達可以檢測到生命信號產生的微多普勒信號，但環境中的干擾、噪聲以及人體的微多普勒信號等干擾非常嚴重，往往會掩蓋生命信號。因此，利用FMCW毫米波雷達估計人體位置，再提取人體位置區間的信號，能夠有效減小環境中微多普勒對生命信號的影響。本文實現人體生命信號檢測的具體流程如圖2所示。首先利用FMCW毫米波雷達采集人體生命信號I/Q 2路數據，并利用快速傅里葉變換（fast Fourier transform，FFT）估計人體目標的距離，從而確定人體位置；然后，提取人體位置所在距離區間上由呼吸和心跳引起的相位信號，再對得到的相位信號進行差分和噪聲去除；最后，利用IIR帶通濾波器分離呼吸和心跳信號，再計算呼吸頻率和心跳頻率。

圖2 人體生命信號檢測流程

2.1 人體目標檢測

根據FMCW毫米波雷達工作原理可知，雷達發射掃頻信號后經過一定延時能接收到回波信號，再經過混頻和濾波后，能夠得到中頻信號。通過對中頻信號進行模數轉換（analog-to-digital converter，ADC）采樣，再對中頻信號采樣點進行FFT，得到人體到雷達的距離。根據采集得到的多個掃頻信號可以構成一個二維矩陣，其中包含采樣點的一個掃頻時間維度，即為快時間域，多個掃頻信號累積的維度構成慢時間域。對快時間域單掃頻信號的采樣點進行FFT可以獲取中頻信號頻譜，其頻譜峰值對應不同距離的人體目標[14]。盡管利用單個掃頻信號可以確定人體目標，但由于環境中存在雜波和噪聲，一發一收得到的人體位置往往變化較大，而本文采用的FMCW毫米波雷達具有2根發射天線和4根接收天線，可以組成1個1發8收的虛擬天線陣。因此，可以將8路虛擬中頻信號進行疊加，再進行FFT，可以有效抑制雜波功率。在連續發射2個掃頻信號時間內，因掃頻持續時間極小（單個掃頻持續時間為50 μs），人體的位置變化可以忽略不計。因此，準確找出人體胸腔至心臟所在的距離區間并提取該區間上的相位信息，能夠減少環境中的噪聲和干擾產生的微多普勒信號對生命信號的影響。

2.2 生命信號相位提取

利用FFT確定人體所在位置后，為實現生命信號檢測，需要提取人體位置所在距離區間上的相位信息。通常可以利用反正切解調方法恢復生命信號的相位 φ（t），即

式中，I（t）和Q（t）分別表示I、Q 2路正交的基帶信號。

然而，由于噪聲、電路等原因導致的直流偏移，使得相位反正切解調時是非線性的。本文采用圓中心動態直流偏移跟蹤方法[13]對直流偏移進行校正。盡管直流偏移校正能夠解決非線性問題，但是由于呼吸引起的胸部位移變化約為10 mm（是毫米波波長的數倍），使得反正切解調技術解調出來的相位（-π/2，π/2）不連續和跳變會引起相位模糊問題。為了解決該問題，本文使用擴展的微分交叉乘法（differentiate and cross multiply，DACM）算法[14]。首先，對公式（7）進行微分，可以得到相位變化信息，即

式中，I′（t）和 Q′（t）分別為 I（t）和 Q（t）的時域一階微分。然后，對公式（8）進行積分，得到積分相位的離散表達式為

式中，φ（k）表示第k個采樣點的相位；I（i）和Q（i）分別為I路和Q路信號的第i個采樣點數據。

因此，DACM算法可以自動進行相位補償和相位解纏繞，解決了相位模糊問題。由于心跳頻率微弱，很容易被淹沒在呼吸基頻諧波和噪聲中。本文對DACM相位展開后的信號進行相位差分，即相鄰連續相位值進行差分f（k）=φ（k）-φ（k-1）。通過相位差分在增強心跳信號的同時又能抑制相位漂移現象。

2.3 噪聲消除

由于噪聲的影響，相位差分信號中可能包含錯誤相位值，從而影響生命相位提取的準確性。因此，本文利用分段線性插值方法去除噪聲對相位的影響。當相位差分值大于給定的閾值時，則采用分段線性內插值替代原先相位差分值。定義區間[ki，ki+1]上的子插值多項式Fi為

式中，ki表示相位信號（fk）的第i個采樣點。那么，在整個區間[ki，kn]上的插值函數 F（k）為

其中，l（ik）的定義如下：

本研究使用分段線性插值方法得到的內插值替換原有錯誤的相位差分值，可以有效去除相位差分信號中的噪聲，提高呼吸和心跳頻率區間的信噪比，從而大大提高心跳頻率和呼吸頻率的準確性。

2.4 呼吸與心跳信號分離及頻率計算

一般呼吸頻率（單位：Hz）區間為[0．2，0．8（]12～48次/min），心跳頻率（單位：Hz）區間為[0．8，2（]48～120次/min）。因此，為了得到人體的呼吸和心跳信號，本研究采用IIR帶通濾波器從頻域上對呼吸和心跳信號進行分離。IIR帶通濾波器沖激響應的差分方程為

式中，xi-r和yi-k分別為去噪后相位信號的輸入和輸出；br為正向系數；ak為反向系數。該無限沖激響應函數的z變換函數可以表示為

式中，X（z）和 Y（z）分別為濾波器的輸入和輸出，并且n≥m。

本研究采用四階IIR帶通濾波器，其傳遞函數為

式中，k（k=1，2，…，N）為級聯級數，其中 N 為延遲單元數。

根據心跳頻率和呼吸頻率所在區間，即呼吸頻率（單位：Hz）為[0．2，0．8]和心跳頻率（單位：Hz）為[0．8，2]，設定采樣率為 20 Hz，在零初始條件下，經過呼吸和心跳頻率范圍濾波可以分別得到心跳和呼吸信號輸出序列，從而實現對心跳和呼吸信號分離。

根據IIR帶通濾波器分離出來的呼吸和心跳信號，并選取呼吸頻率和心跳頻率所在的頻率區間上幅度最大的頻率作為呼吸和心跳信號的頻率，再將該頻率乘以60，即可得到人體每分鐘的呼吸頻率和心跳頻率。

3 實驗結果及分析

3.1 雷達參數配置

為了驗證本文方法的有效性，在實驗中采用的FMCW毫米波雷達為德州儀器公司的AWR1642雷達板，并采用DCA1000高速數據采集卡采集雷達信號。通過將DCA1000與AWR1642聯調，并通過以太網網口使用用戶數據包協議（user datagram protocol，UDP）將雷達信號傳輸到計算機上。本文使用的AWR1642雷達板具有2根發射天線和4根接收天線，并且2根發射天線交替發射掃頻信號，每個掃頻信號持續時間設為 50 μs，脈沖間隔為 7 μs，發射的鋸齒波斜率為70 MHz/μs，幀速率為50 ms。每幀內2根天線分別發送1個掃頻信號。在實驗過程中，被測試者靜坐在雷達正前方。

3.2 結果及分析

（1）確定人體位置。

將一幀內發射的2個掃頻信號經過4根天線接收后組成的8路虛擬信號進行疊加，再利用FFT進行距離估計，能夠得到如圖3所示的距離估計結果。由圖3可知，被測試人體目標靜坐于距離雷達0．45～0．7 m，且在 0．5～0．65 m 范圍內信號最強，并且隨著時間的推移，人體仍然能保持在這個距離區間，進一步說明了人體目標靜坐于雷達板正前方。同時，從圖3可以看出，FMCW雷達在0．1 m距離內存在頻譜泄漏，但與人體反射信號（0．4 ～0．7 m）相比，該頻譜泄漏是可以忽略的。因此，為了實現生命信號檢測，只需要提取0．5～0．65 m之間信號最強位置處的相位信息，可有效避免其他距離區間上微多普勒信號對人體生命信號檢測的影響。

圖3 人體位置與時間關系

（2）噪聲對相位信號波形和頻譜的影響。

為了分析相位差分和噪聲去除的效果，本文對比了相位差分前（原始相位）、相位差分后（差分相位）和利用分段線性內插值方法去噪后人體生命信號的相位波形，如圖4所示。由圖4可以看出，相位差分前的人體生命信號相位變化較大，相位差分后的相位信號規律性較好。而對比圖4（b）、（c）可以看出，分段線性內插值方法能夠去除差分相位中由椒鹽噪聲等引起的相位誤差。

圖4 去噪前后相位波形對比

將去除椒鹽噪聲后的相位信號經過2個IIR帶通濾波器分離出心跳和呼吸信號，得到如圖5所示的呼吸與心跳信號相位波形及其對應的頻譜。由圖5可以看出，呼吸信號和心跳信號的時域波形呈現正弦或余弦形式，并且從頻譜可以看出呼吸和心跳信號頻譜中的最大值即為呼吸和心跳的頻率。

圖5 呼吸和心跳信號相位波形及其頻譜

（3）呼吸頻率與心跳頻率的性能對比。

為了驗證方法的準確性和有效性，使用雷達傳感器分別采集5個成年男性和5個成年女性5 min的心跳和呼吸數據，利用本文方法計算呼吸頻率和心跳頻率，并與呼吸傳感器采集的呼吸頻率和智能手環采集的心跳頻率數據進行比較。對采集到的數據取1 min的數據長度分別進行處理，然后采用IIR帶通濾波器進行濾波，尋找幅值最大的頻率，得到呼吸頻率和心跳頻率，詳見表1。表1中采用皮爾遜相關系數（Pearson correlation coefficient，PCC）進行性能比較[14]，其中PCC取值范圍為0～100%，0表示兩者不相關，100%表示兩者完全相關。

表1 本文方法與接觸式設備采集的呼吸頻率和心跳頻率對比單位：次/min

由表1可知，采用本文方法得到的呼吸頻率與呼吸傳感器得到的結果非常接近，并且本文方法得到的心跳頻率與智能手環結果也很接近。本文所提方法采集的呼吸頻率與呼吸傳感器的匹配率（即PCC值）達90%，心跳頻率與智能手環的匹配率（即PCC值）達88%。由于本文采用FMCW毫米波雷達實現非接觸式的呼吸和心跳檢測，能夠在不接觸身體的情況下完成對不適宜接觸式測量設備等人群的呼吸頻率和心跳頻率測量，且與接觸式生命信號測量方式的匹配率非常高。因此，本文的研究可以為非接觸式人體生命信號檢測提供有意義的借鑒。

4 結語

本文采用FMCW毫米波雷達通過提取人體所在位置處的回波信號相位信息，經過DACM相位展開后，再利用分段線性插值方法去除椒鹽噪聲，最后通過IIR帶通濾波器分離得到呼吸與心跳信號。實驗結果表明，本文所提方法能夠有效地抑制噪聲和諧波干擾影響，并且采用本文方法得到的呼吸頻率和心跳頻率與接觸式方法的匹配率非常高，從而證明了FMCW毫米波雷達在非接觸式生命體征監測中的可行性和有效性。在人體晃動較大或處于運動狀態時，生命信號被完全掩蓋，本文所提方法難以檢測出呼吸和心跳信號。為擴展非接觸式人體生命信號檢測的應用范圍，下一步工作將研究人體運動狀態下的生命信號檢測。同時，還可以將本文提出的分段線性插值噪聲去除方法與經驗模態分解、小波變換、盲源分離等方法相結合，進一步提升生命信號檢測的準確率。