基于毫米波雷達的生命特征信號探測技術研究

郭銀景，宋亞琦，楊 昆，王 蕾，朱 奧

（1.山東科技大學電子信息工程學院，山東青島 266590；2.青島智海牧洋科技有限公司，山東青島 266590）

0 引 言

近年來，隨著生活水平的提高和技術發展，生命特征信號探測技術成為檢測領域的焦點之一；人體心肺活動檢測的技術也在由接觸式向非接觸式發展。常見的非接觸式檢測有紅外［1］、可見光［2］和聲波探測技術［3］；由于人體呼吸等生命活動產生的位移幅度小，速度緩慢，探測回波信號是一種與零頻接近的低頻信號，容易受到周圍環境的影響。與其他探測技術相比，雷達技術以獨特的優勢被廣泛應用于生命信號檢測領域，該技術克服了呼吸監測時產生的皮膚損傷、過敏等問題，受外界因素的影響也較小，在未來有更廣闊的發展空間。現有成果表明，利用毫米波雷達來檢測胸腔微小變化，是行之有效的方法，該方法已經成為生物醫學工程領域的重要研究方向。國內外學者在該領域的研究主要集中于雷達體制、檢測方法和生命特征信號提取技術三個方面。

1 毫米波生物雷達體制研究進展

目前，在生命信號檢測領域常用的毫米波雷達技術有連續波（CW）與調頻連續波（FMCW）兩種，這兩種雷達技術的對比如表1所示。連續波雷達和調頻連續波雷達系統的集成水平較高且功耗低，適合用于近距離的信號探測。CW 雷達適合跟蹤相對位移，因此適用于單人檢測，而調頻連續波雷達可應用于多人檢測，且相比CW 而言有更高的分辨率。使用毫米波雷達檢測人體生命信號的原理如圖1所示。

表1 兩種常用的毫米波雷達技術

圖1 雷達檢測生命信號原理圖

1986 年Chen 等［4］采用10 GHz 雷達，通過雜波抵消技術，濾除部分雜波后檢測到呼吸與心跳信號。2001 年王健琪等［5］提出用低功率的毫米波雷達提取呼吸與心跳信號，這種方法對人體無害但是所提取的信號中有雜波干擾，精度較低。2005年楊冬等［6］引入同態濾波、小波分析、窄帶數字濾波等技術，提高了檢測信號的信噪比，利于呼吸與心跳信號的檢測。2009 年Anitori 等［7］研究通過中頻信號來檢測人體心肺活動信號。2014 年Wang等［8］提出了一種基于相位的精確距離跟蹤算法，在中心頻率為5.8 GHz FMCW 雷達系統中提取到人體的心肺活動信號。2018 年王天潤等［9］提出了高頻段的FMCW 毫米波雷達測量生命體征的方法，解決了在低頻段精度較低的問題。劉震宇等［10］提出了一種基于改進經驗模態分解的雷達生命信號檢測方法，能夠有效地濾除信號中的噪聲，提取到高信噪比的心肺活動信號。2019 年Lee 等［11］利用24 GHz毫米波雷達檢測到人體心跳信號，盡管考慮了消除周圍雜波的干擾，但是沒有注意到由人體本身產生的輕微運動對信號檢測帶來的誤差影響。2020 年Antolinos 等［12］通過改進商用122 GHz FMCW 雷達實現生命信號提取，不僅可以提取呼吸與心跳，而且可以檢測出心率變異情況，但是該系統的精度仍受到身體移動的影響，因此使用毫米波雷達準確檢測出人體生命信號需要更進一步研究。

本文其余內容組織如下：為獲得有效的生命信號，第2節將介紹毫米波雷達進行生命信號檢測的方法以及檢測原理。由于檢測到的雷達回波信號是由呼吸、心跳等生命特征信號以及各種雜波混合在一起的復雜信號，在第3節詳細介紹了三種有關生命特征信號的提取方法。最后在第4 節提出毫米波雷達對于生命特征信號探測技術存在的問題，并展望未來毫米波雷達的發展趨勢。

2 生命信號檢測方法

為了檢測到生命信號，毫米波雷達前端發射調頻信號，該線性調頻信號被物體反射后由接收機接收，根據發射信號與接收信號之間的頻率差與時間差，從而得到被測物體的距離變化。對稱三角波調制是一種常見的信號檢測方法，王月鵬［24］分析了對稱三角波雷達組成，并通過差拍頻率頻譜配對，能夠在多目標中準確檢測待測目標信號，得到通過三角波調制后的距離、速度情況。一般情況下都是對靜止物體進行信號檢測，為了解決探測運動物體信號，田正剛［25］設計了一種24 GHz 的雷達傳感器，利用三角波調制對靜止物體進行測距，如圖2所示，對運動物體進行測速，如圖3所示。并成功檢測到物體的距離與速度信息，為信號檢測提供了思路。采用對稱三角波調制時，接收到的信號容易產生多次諧波干擾，若檢測多目標容易造成諧波重疊。為了解決這一問題，Cheng 等［26］提出了采用陣列信號處理的天線陣列接收機，解決了多目標檢測問題，提高了信噪比。

圖2 檢測靜止物體及差拍信號頻率

圖3 檢測運動物體及差拍信號頻率

圖2 中，ft為發射信號頻率，fr為接收信號頻率，△f為發射信號的最大頻偏，f0為發射信號的初始頻率，τ為回波延遲時間，fb為發射信號與接收信號之間的差拍頻率絕對值，Tm為掃頻周期，fbav為差拍頻率的平均值。圖3 中，fd為多普勒頻率，fb+為向上掃頻的差頻，fb-為向下掃頻的差頻。

3 生命特征信號提取技術

通常由雷達回波信號檢測到的是人體呼吸、心跳等生命特征信號以及周圍環境雜波混合在一起的復合信號，因此生命特征提取的方法主要是用于去除雜波與噪聲干擾，并準確分離、提取出呼吸與心跳信號。

3.1 數字濾波法

數字濾波是傳統的生命特征提取方法，由于可以通過帶通濾波器分離不同頻率的信號，且具有操作過程簡單、性能穩定等特點，所以數字濾波被應用于生命信號檢測領域。雖然利用數字濾波能夠去除部分噪聲，但是很難分離呼吸與心跳信號以及無法濾除信號與噪聲混疊部分的噪聲，因此使用數字濾波提取生命特征有很大的缺陷。羅兵等［27］通過采用低通巴特沃斯數字濾波器提取到呼吸信號，但檢測到的呼吸與心跳信號并不明顯，可以考慮采用FMCW 雷達系統提高分辨率。丁仲祥等［28］在數字濾波基礎上進行改進，用低通數字濾波濾除高頻噪聲，得到的呼吸、心跳信號通過特征點檢測，然后利用逐點比較法檢測出呼吸信號的極大值，從而得到呼吸信號的頻率。

由于數字濾波方法的缺點較為明顯，無法有效濾除雜波，因此在生命信號提取過程中只能先濾除部分噪聲干擾，再結合其他方法濾除剩余噪聲，分離呼吸與心跳信號。

3.2 小波變換法

小波變換是短時傅里葉變換的改進，提供一種“時間-頻率”的信號處理方法，具有多分辨率的特性，所以被應用于生命特征提取中。為解決數字濾波無法濾除噪聲問題，陸云飛［29］、易慧［30］等通過小波變換，在低信噪比下檢測到了弱目標信號檢測。小波變換能更有效地提取出目標信號，且實時性強，應用性更廣泛。為了解決諧波干擾問題，蔣騰等［31］提出了一種基于連續小波變換的心率提取方法，根據譜峰位置與數據長短的關系，最終快速、有效、準確地提取到了生命信號。為解決被測對象微動帶來的影響，楊秀芳等［32］建立生命信號探測模型，對檢測到的數據利用小波變換成功地提取到了人體呼吸信號和心跳信號。劉璐瑤等［33］采用小波包分解，利用自相關計算提高精度，成功提取到精度較高的呼吸與心跳信號。該方法的提取結果如圖4所示。

圖4 文獻［33］采用的生命體征提取方法

雖然小波信號有很大優勢，但也存在對信噪比低的信號去噪效果較差的缺點，為解決這一問題，魏崇毓等［34］先采用頻域積累法將檢測信號的信噪比提高,再利用小波變換去除噪聲和雜波，從而產生了一種新的生命特征提取方法。為提高提取準確率，Wang 等［35］提出了一種基于正交匹配追蹤的壓縮感知算法和基于離散小波變換的自適應軟閾值降噪算法來分離和重構呼吸和心跳信號，該算法能有效抑制噪聲和諧波干擾，呼吸率和心跳率的準確率均達到93%左右。

小波變換法是生命特征提取的一個基本思路，在生命特征提取方面有很多優點，可以對生命信號進行時頻分析，提取到生命特征信號的變化，將呼吸和心跳信號分離。其難點在于小波基函數的選擇，需要滿足小波基函數的條件，才可以應用于小波分析中。

3.3 經驗模態分解法

經驗模態分解法是一種適用于非平穩、非線性信號的自適應處理方法［36］，使非平穩信號能夠平穩化，然后得到頻譜圖及有效的頻率。這種方法可以讓較為復雜的信號分解為數量有限的本征模函數（IMF），每個本征模函數包含的信號表現了原信號在不同時間尺度中的局部特征。生命信號是一種微弱的信號，極容易受到外界噪聲的干擾，且是一種隨機的非平穩信號，因此在復雜信號中提取生命信號，再準確地將呼吸與心跳信號分離有很大難度。傳統的方法無法準確處理隨機非平穩信號，且在提取心跳信號時容易受到呼吸信號微弱諧波的影響，導致提取的信號不精確。為解決這一問題，馮久超等［37］提出了一種基于經驗模態分解的生命信號提取的新方法，實驗結果表明，使用這種方法能避免呼吸信號諧波對心跳信號的干擾，因而能更加精確地提取呼吸和心跳參數。為了降低外界干擾并提高生命體征檢測的準確度，陳輝等［38］提出了一種聯合集合經驗模態分解算法，經過算法改進，用于精確檢測人體的心率與呼吸頻率等生命體征。在消除人體抖動干擾方面，楊俊等［39］利用改進的快速互補集合經驗模態分解對生命信號分解，準確地提取出不同呼吸狀態下的呼吸頻率和心跳頻率，并且有效地消除人體身體隨機抖動帶來的干擾，該方法的提取結果如圖5所示。

圖5 文獻［39］方法提取到的呼吸與心跳信號的時、頻域圖

在醫療檢測領域，心肺活動參數的準確度尤為重要，為了能夠將心率與呼吸率的準確度提高，胡巍［40］提出了一種基于連續小波變換和經驗模態分解相結合的方法，來對檢測到的生命信號進行心跳與呼吸信息提取，以及心率、呼吸速率、心率變異性參數估計研究。實驗表明，雖然檢測到的信號受到的外界干擾較多，但該方法測定心率、呼吸速率的準確度可接近100%。醫療檢測領域探測生命信號的主要目的之一是能夠檢測出人體生理疾病，以便盡早治療。為了分辨出健康信號與病變信號，Zhang 等［41］通過經驗模態分解方法提取人體脈搏信號，利用模態能量比區分出健康心跳信號與病變心跳信號。Djelaila［42］等提出一種用經驗模態分解和功率譜密度計算頻率分析等自適應非平穩方法，利用這種方法來分析生命信號頻率的變異性。將經驗模態分解法應用于生命信號提取中，為及時檢測出早期心律失常等生理疾病提供有效的方法。

通過將生命信號分解為有限個IMF，將不同時間尺度的生命特征進行提取。但是因此也會導致模態混疊現象發生，可采取加入白噪聲法，能有效抑制混疊現象，提高分解效率。目前，經驗模態分解已成為提取生命特征信號的重要方法之一。

4 展 望

雖然毫米波雷達在生命信號檢測領域取得了一定進展，但仍有很多發展空間，今后的研究方向有以下幾個方面：

1）被檢測者身體抖動問題。目前，通過毫米波雷達檢測人體生命信號都會選擇一個相對安靜的環境，使被測者平躺或者靜坐進行檢測，主要目的是防止身體抖動。因為在檢測過程中被檢測者可能會因為緊張，或者大腿、手臂等發生不自主地抖動，而人體的輕微抖動產生的信號比呼吸心跳信號要強烈很多，會將胸腔距離變化掩蓋，雷達天線之間的角度與相對位移也將發生改變，導致檢測結果有很大誤差。因此，未來該領域的研究工作需要考慮提升毫米波雷達對生命信號傳感與跟蹤，避免由于身體抖動造成的誤差問題。

2）環境噪聲問題。由于呼吸信號與心跳信號均屬于微弱信號，極容易受到環境噪聲的影響，在有干擾存在的情況下進行呼吸和心跳信號的提取是研究毫米波雷達探測生命信號的一大難點。除此之外，由于呼吸信號的幅度大于心跳信號的幅度，所以在提取心跳信號時會受到呼吸信號的二次諧波或者三次諧波干擾，提取難度更大。

3）其他雜波干擾問題。雖然通過小波變換、經驗模態分解等信號提取方法，能夠有效地在檢測信號中提取出精度較高的呼吸、心跳信號。考慮到在信號檢測過程中，被檢測者的身形、身體素質以及所處的環境不同，或者同一被測者在不同距離、不同身體狀況下產生的生命信號的雜波也各不相同。因此，需要一種實時有效、更加精密的提取生命特征的方法，克服環境噪聲以及各種雜波干擾，能夠準確分離呼吸與心跳信號。

5 結束語

毫米波雷達應用于生命探測領域，克服了常見的非接觸式檢測的弊端，已成為生命探測領域的重要研究方向。本文對比了常見的三種生命特征提取算法，其中小波變換法與經驗模態分解法具有高精度、多分辨率的優勢，因此具有廣泛的應用前景。