基于FMCW雷达的多目标生命体征信号检测

应用雷达在复杂场景下检测生命体征时,为了解决现有的多人体目标检测和干扰滤除以及心跳信号干扰滤除的问题,提出了一种应用调频连续波(FMCW)雷达检测多目标生命体征信号的方法。首先,介绍了雷达检测原理与信号模型,阐述了整个雷达信号的处理流程,即多目标距离单元检测、相位提取、生命体征信号提取。其中在多目标距离检测过程中,提出1种改进的单元平均恒虚警率(CA-CFAR)算法,该方法具有自适应检测门限特点的同时,解决了传统CA-CFAR算法目标附近距离门重复检测的问题,实现多目标检测;在生命体征信号提取过程中,运用自动多尺度峰值检测(AMPD)算法估计呼吸率与心率,过滤无效的波峰干扰,提高对心跳检测的鲁棒性。最后,通过多组测试,相较于常用的频谱分析估算方法,呼吸速率和心率检测的平均误差率分别降低了3.67%和3.31%,验证了所提方法的可行性和准确性。

一种基于贝叶斯估计的脉搏波峰值检测算法

对于掺杂了不同干扰的脉搏波主播峰值点检测过程,提出了一种以自动多尺度峰值检测和贝叶斯学习理论为基础的改进算法.利用MIT-BIH标准数据库中的脉搏波数据为检测对象,在脉搏波峰值点检测实验中灵敏度(Se)和阳性预测值(PPV)均达到了平均98%以上的水平.脉搏波的形变会使得算法在检测过程中造成峰值点的遗漏或误判,不过本文提出的算法要比自动多尺度峰值检测(AMPD)算法在检测灵敏度上有较大的提升.脉搏波在保持基本的主波峰形态结构条件下,提出的算法能够提供较高的峰值点检测准确率.