一种融合毫米波雷达和神经网络的非接触式心率

本发明涉及雷达信号处理及心跳检测，具体为一种融合毫米波雷达和神经网络的非接触式心率检测系统。背景技术：1、心率作为生命体征的重要指标，在临床实践中扮演着关键的角色。通过检测心率、心搏周期、心率变异性等生理参数，我们能够及早发现潜在的心血管问题，提高对心脏疾病的预防和治疗效果。临床观察和研究进一步表明，静息心率的升高会提高心率失常和心肌缺血的发生率，甚至可能增加冠心病和心肌梗死的发病概率，通过定期测量和记录静息心率，为医生提供了极为重要的专业量化数据，为制定个性化的预防和治疗方案提供了科学依据。2、基于毫米波雷达的心率检测是通过雷达辐射电磁波，经受试者胸部表面反射包含相位调制成分的信号，它与心跳引起的微小运动成正比。在接收端对该相位进行解调、时频分析等处理，实现目标心跳频率提取的非接触式心率技术，该技术不仅能够实现对心率的实时检测，还能够避免传统接触式方法可能引起的不适感，为生命体征检测领域带来了显著的改进。3、深度学习技术能够更好地解决非线性问题，已被证明可以预测心率，且具有较高的准确性和泛化性，目前公开的基于毫米波雷达和轻量级神经网络的心跳检测系统，因用到的神经网络模型复杂度较低，处理时序信息能力较弱，且对于波动较大的数据序列，可能存在对于心率预测精度不足等问题。技术实现思路1、(一)解决的技术问题2、针对现有技术的不足，本发明提供了一种融合毫米波雷达和神经网络的非接触式心率检测系统，解决了上述背景技术中所提出的问题。3、(二)技术方案4、本发明为了实现上述目的具体采用以下技术方案：5、一种融合毫米波雷达和神经网络的非接触式心率检测系统，包括雷达信号预处理模块、生命体征分离模块、心率检测模块；6、所述雷达信号预处理模块，用于雷达信号预处理模块，定位被测人员位置，滤除静态杂波，获得相对纯净的生命体征信号；7、所述生命体征分离模块，用于生命体征分离模块使用二阶巴特沃斯滤波器实现呼吸信号与心跳信号分离，得到心跳波形的相位信息；8、所述心率检测模块，使用cnn-transformer混合神经网络，提取输入数据特征并对心率进行预测。9、进一步地，所述雷达信号预处理模块，在获取装置采集到的中频信号后，由于环境中存在其他静态干扰，需进行静态杂波去除，采用均值相消方法，对每一帧中所有接收到的脉冲进行平均，得到平均脉冲，并将其从每个脉冲回波中减去，以消除静态目标的影响，接着使用距离维fft对处理后的信号进行频谱分析，从而获得被测人员的距离信息和多普勒信息，通过寻找范围内的最大值，我们确定目标所在的距离单元，并提取目标相关的相位信息，通过相位解缠，将超出(-π，π)范围的相位进行展开，以确保准确的相位信息解析。10、进一步地，所述生命体征分离模块，雷达生命信号包括呼吸信号及心跳信号，根据人体心跳信号频率，将其输入至截至频率为[0.8-2.0]hz的二阶巴特沃斯滤波器中实现呼吸信号与心跳信号的有效分离。11、进一步地，所述心率检测模块通过如下步骤实现对心率的检测：12、s11，通过采集未患有心脏疾病的不同人的原始雷达信号，通过步骤1-3获得心跳波形的相位信息构成数据集，作为心跳检测网络的输入；13、s12，使用cnn-transformer混合神经网络，利用卷积模块提取底层特征，通过位置编码模块挖掘并保留时间序列的时序性，transformer编码器用于提取有效特征并抑制干扰特征，其中多头注意力机制能够使模型更好地捕捉输入序列中的不同信息，公式为：14、q＝wqx15、k＝wkx16、v＝wvx17、其中x为输入的数据矩阵，通过线性变换得到q、k、v三个矩阵，通过对每个注意力头独立计算得到；18、headi＝attention(qi,ki,vi)19、其中，attention表示独立的注意力机制，表示不同的注意力头，在计算注意力时，采用了点积操作，并通过softmax函数对其进行归一化，公式为：20、21、其中，dk是注意力头中qi或ki的维度，点积的除数用于缩放，最终，通过将所有注意力头的结果进行拼接或加权求和，得到多头注意力的输出；22、s13，使用训练后的神经网络对被测人员进行心跳检测。23、所述心率检测模块，使用cnn-transformer混合神经网络进行心率预测，模型具体包括卷积层、位置编码、transformer层和深度神经网络层。24、其中，卷积层负责从原始时间序列数据中提取本地特征；位置编码确保模型能够有效地利用时间信息，确保cnn模块提取的本地特征保留了原始数据的时序性，确保在传递到transformer编码器时仍然包含有关时间结构的重要信息；transformer模块主要用于提取全局特征，编码器层包含多头注意力层、加法和规范层和前馈层。使用多个transformer编码器模块堆叠可以有效提取深层次特征并抑制干扰信息；深度神经网络层用于将transformer的高维输出映射到最终的输出维度。25、(三)有益效果26、与现有技术相比，本发明提供了一种融合毫米波雷达和神经网络的非接触式心率检测系统，具备以下有益效果：27、本发明，通过雷达与处理模块中的均值相消技术，以克服环境中的静态杂波干扰提高信号质量，在心率检测模块，充分利用心跳波形的时序性，其中多头注意力机制的引入能够更全面地理解相位信号之间的关系，提高心率预测的准确性，同时利用混合神经网络可以更加有效地发掘局部特征和全局特征，使其具有较好的自适应性和较高的鲁棒性。技术特征：1.一种融合毫米波雷达和神经网络的非接触式心率检测系统，其特征在于，包括雷达信号预处理模块、生命体征分离模块、心率检测模块；2.如权利要求1所述的一种融合毫米波雷达和神经网络的非接触式心率检测系统，其特征在于：所述雷达信号预处理模块，通过对雷达采集到的中频信号进行静态杂波去除，以消除数据中的固定噪声成分，通过快速傅里叶变换确定目标所在的距离单元，并用相位解缠，将超出(-π，π)范围的相位进行展开得到雷达生命体征信号。3.如权利要求1所述的一种融合毫米波雷达和神经网络的非接触式心率检测系统，其特征在于：所述生命体征分离模块，雷达生命信号包括呼吸信号及心跳信号，根据人体心跳信号频率，将其输入至截至频率为[0.8-2.0]hz的二阶巴特沃斯滤波器中实现呼吸信号与心跳信号的有效分离。4.如权利要求1所述的一种融合毫米波雷达和神经网络的非接触式心率检测系统，其特征在于：所述心率检测模块通过如下步骤实现对心率的检测：技术总结本发明涉及雷达信号处理及心跳检测技术领域，具体为一种融合毫米波雷达和神经网络的非接触式心率检测系统，雷达信号预处理模块、生命体征分离模块、心率检测模块，所述雷达信号预处理模块，用于雷达信号预处理模块，定位被测人员位置，滤除静态杂波，获得相对纯净的生命体征信号。本发明，通过雷达与处理模块中的均值相消技术，以克服环境中的静态杂波干扰提高信号质量，在心率检测模块，充分利用心跳波形的时序性，其中多头注意力机制的引入能够更全面地理解相位信号之间的关系，提高心率预测的准确性，同时利用混合神经网络可以更加有效地发掘局部特征和全局特征，使其具有较好的自适应性和较高的鲁棒性。技术研发人员：田成军,张晋通,颜禹,宋光强,魏文涛受保护的技术使用者：长春理工大学技术研发日：技术公布日：2024/8/16