一种基于毫米波雷达的疗养院监护方法及系统转让专利
申请号 : CN202011281220.8
文献号 : CN112401856B
文献日 : 2022-07-08
发明人 : 蔡超 , 安美晨 , 桂宾 , 邓天平 , 彭凯
申请人 : 武汉烽火凯卓科技有限公司
摘要 :
权利要求 :
1.一种基于毫米波雷达的疗养院监护方法,其特征在于,包括:根据毫米波雷达的反射信号获取各目标距离、速度及角度信息;
对目标进行识别定位,判断预定监测范围内是否存在目标;
其中,所述对目标进行识别定位包括:
将接收到的反射信号经快速傅里叶变换得到一维FFT距离数据;
通过多信号分类算法计算每个角度的能量值;
基于一维FFT距离数据和各角度信号能量值得到角度‑距离的热图;
通过阈值检测方法对反射信号及噪声进行判断,确定目标信号是否存在,并从角度‑距离的热图中检测出目标信号,得到对应的点云信息;
根据所述点云信息,对一维信号Ni×NC做二次快速傅里叶变换得到速度信息;其中,Ni表示第i类信号,NC为一帧数据中Chirp脉冲信号数量;
对所述点云信息利用聚类算法得到目标位置信息;
若监测范围内存在目标,则获取目标的呼吸速率和心率;
其中,所述若监测范围内存在目标,则获取目标的呼吸速率和心率包括;
获取目标位置信息,从反射信号中提取目标呼吸信息和心跳信息;
从邻近区间获取多个采样值,设置采样间隔得到采样块,通过主成分分析得到多个主成分;
对包含信息最大的主成分进行相位展开,经过信号滤除后,通过低通滤波与高通滤波级联的带通滤波器进行滤波处理,得到呼吸信号和心率信号;
对包含呼吸信号的数据和包含心率信号的数据分别进行快速傅里叶变换,对变换结果进行峰值检测,得到呼吸频率和心率;
根据监测目标的呼吸速率、心率及呼吸能量、心跳能量,通过神经网络模型进行目标分类。
2.根据权利要求1所述的方法,其特征在于,所述神经网络模型的数据输入为呼吸速率、心率、呼吸能量和心跳能量,输入数据类别分为人类和动物,通过深度学习训练,神经网络模型输出判断结果为人类或非人类,其中,呼吸能量和心跳能量分别定义为:2
Eb=∑t(sb(t))
2
Eh=∑t(sh(t))
式中,Eb表示呼吸能量,Eh表示心跳能量,sb(t)表示呼吸信号,sh(t)表示心跳信号,t表示时间。
3.根据权利要求1所述的方法,其特征在于,所述通过神经网络模型进行目标分类还包括:在目标进入监测范围内后,当检测目标为人类时,开启呼吸和心跳信息监测,当检测目标动物时,则不监测对应目标生命体征信息。
4.一种基于毫米波雷达的疗养院监护系统,其特征在于,包括:信号处理模块,用于根据毫米波雷达的反射信号获取各目标距离、速度及角度信息;
目标识别模块,用于对目标进行识别定位,判断预定监测范围内是否存在目标;
其中,所述对目标进行识别定位包括:
将接收到的反射信号经快速傅里叶变换得到一维FFT距离数据;
通过多信号分类算法计算每个角度的能量值;
基于一维FFT距离数据和各角度信号能量值得到角度‑距离的热图;
通过阈值检测方法对反射信号及噪声进行判断,确定目标信号是否存在,并从角度‑距离的热图中检测出目标信号,得到对应的点云信息;
根据所述点云信息,对一维信号Ni×NC做二次快速傅里叶变换得到速度信息;其中,Ni表示第i类信号,NC为一帧数据中Chirp脉冲信号数量;
对所述点云信息利用聚类算法得到目标位置信息;
监测模块,用于若监测范围内存在目标,则获取目标的呼吸速率和心率;
其中,所述若监测范围内存在目标,则获取目标的呼吸速率和心率包括;
获取目标位置,从反射信号中提取目标呼吸信息和心跳信息;
从邻近区间获取多个采样值,设置采样间隔得到采样块,通过主成分分析得到多个主成分;
对包含信息最大的主成分进行相位展开,进过信号滤除后,通过低通滤波、高通滤波级联的带通滤波器,得到呼吸信号和心率信号;
对包含呼吸信号的数据和包含心率信号的数据分别进行快速傅里叶变换,对得到的结果进行峰值检测,得到呼吸频率和心率;
目标分类模块,用于根据监测目标的呼吸速率、心率及呼吸能量、心跳能量,通过神经网络模型判断目标进行分类。
5.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3中任一项所述基于毫米波雷达的疗养院监护方法的步骤。
6.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述基于毫米波雷达的疗养院监护方法的步骤。
说明书 :
一种基于毫米波雷达的疗养院监护方法及系统
技术领域
背景技术
发明内容
附图说明
具体实施方式
0.8‑4Hz为并对滤波之后的输出结果进行频谱分析,确定出呼吸和心跳的频率。