生物雷達(dá)檢測中呼吸和心跳實(shí)時(shí)分離技術(shù)的研究

楊 芳，張 華，李 盛，薛慧君，路國華

生物雷達(dá)檢測中呼吸和心跳實(shí)時(shí)分離技術(shù)的研究

楊 芳，張 華，李 盛，薛慧君，路國華

目的：從生物雷達(dá)檢測到的體動信號中分離出心跳信號。方法：采用自適應(yīng)噪聲抵消模型，基于遞歸最小二乘算法（recursive-least square，RLS）調(diào)整模型的輸出，并將分離出的心跳信號與心電信號進(jìn)行比較。結(jié)果：該方法可以從體動信號中分離出心跳信號，而且從心跳信號中提取的心率值與從心電信號提取的心率值具有很強(qiáng)的相關(guān)性。結(jié)論：基于自適應(yīng)噪聲抵消技術(shù)，可以實(shí)現(xiàn)生物雷達(dá)檢測中呼吸和心跳的分離。

生物雷達(dá)；呼吸；心跳；自適應(yīng)噪聲抵消；最小二乘RLS算法

0 引言

生物雷達(dá)是一種特殊的雷達(dá)，它可以直接穿透非金屬介質(zhì)（醫(yī)用紗布、衣服、木門等），非接觸地檢測到人體的呼吸、體動等生命信號，成為近年來國內(nèi)外學(xué)者的研究熱點(diǎn)[1-3]。其基本原理是利用生物雷達(dá)前端發(fā)射的工作頻率很高（一般大于10GHz）的連續(xù)波微波，當(dāng)微波照射人體時(shí)，呼吸運(yùn)動、心臟搏動引起的胸壁微動將反射的微波回波信號的相位、頻率進(jìn)行調(diào)制，通過信號放大、濾波等處理后從回波信號中提取呼吸、體動等生命信號。

由于正常人體呼吸引起的胸腹表面位移為4～12mm，心跳引起的胸壁位移為1～2mm[4]，因而生物雷達(dá)容易檢測呼吸信號。人體心肺存在著一定的生理耦合關(guān)系，呼吸信號的高次諧波與心跳信號的基波頻率完全重合，因此，采用傳統(tǒng)的數(shù)字濾波很難從體動信號中分離出心跳信號。

1 材料與方法

1.1 實(shí)驗(yàn)對象

16名健康男性在知情同意的前提下參加本研究，年齡（23.0±4.0）歲（均值±標(biāo)準(zhǔn)差）。所有實(shí)驗(yàn)對象在實(shí)驗(yàn)過程中盡量保持身體相對靜止，避免體動干擾影響生物雷達(dá)檢測到的人體呼吸和體動信號的質(zhì)量。

1.2 儀器與設(shè)備

生物雷達(dá)實(shí)驗(yàn)平臺采用3 mm波（工作頻率94 GHz），發(fā)射和接收分開，最大輻射功率10mW，天線與人體的距離為8m；生物雷達(dá)的輸出信號經(jīng)過放大、濾波后連接多導(dǎo)生理記錄儀PowerLab（ADI公司，澳大利亞），數(shù)據(jù)采集軟件使用與硬件相配套的LabChart（ADI公司，澳大利亞）。為了比較生物雷達(dá)非接觸檢測到的呼吸和心跳的準(zhǔn)確性，同時(shí)采集人體的心電信號，PowerLab系統(tǒng)硬件的采集頻率為1 000Hz。

1.3 自適應(yīng)噪聲抵消器

自適應(yīng)噪聲抵消的基本思路是：將混有干擾的原始信號（期望信號）和干擾信號同時(shí)輸入自適應(yīng)噪聲抵消器（adaptive noise canceller，ANC），由自適應(yīng)算法根據(jù)期望信號和參考信號的誤差不斷調(diào)整非遞歸型（finite impulse response，F(xiàn)IR）數(shù)字濾波器的權(quán)系數(shù)，使參考信號無限逼近期望信號中的干擾，當(dāng)誤差最小時(shí)輸出為期望得到的信號。按照該思路，本研究中采用的自適應(yīng)呼吸抵消模型如圖1所示。其中，模型的輸入信號為生物雷達(dá)非接觸檢測到人體的體動信號（主要由呼吸、心跳信號組成）和呼吸信號，將體動和呼吸信號均進(jìn)行帶通濾波（由0.03Hz的高通和2.0Hz的低通濾波器組成），然后將呼吸信號輸入自適應(yīng)濾波器，由遞歸最小二乘算法（recursive least squares，RLS）根據(jù)自適應(yīng)濾波器的輸出與體動信號的誤差自動調(diào)整濾波器的權(quán)系數(shù)，當(dāng)誤差最小時(shí)算法停止，此時(shí)模型的輸出就是心跳信號。

圖1 自適應(yīng)呼吸抵消模型

圖2 體動、呼吸、心跳、心電波形及頻譜

假設(shè)體動信號記為d（n），它是由期望分離的心跳信號Heart B0（n）和濾除的呼吸干擾Res P0（n）組成，定義如下

假設(shè)參考輸入呼吸信號記作u（n），自適應(yīng)濾波器的輸出記作u′（n），它是參考輸入呼吸信號的估計(jì)值，其定義為其中：L是FIR濾波器的階數(shù)，wi（n）是濾波器的權(quán)系數(shù)，*表示復(fù)數(shù)的共軛，T表示轉(zhuǎn)置運(yùn)算，i∈[0，L-1]。

根據(jù)自適應(yīng)呼吸抵消模型，其輸出e（n）就是心跳信號。e（n）可表示為

e（n）的誤差判別函數(shù)可表示為

其中：λ稱為遺忘因子，δ稱為歸一化因子。

定義W（n）為FIR濾波器在n時(shí)刻的濾波器權(quán)系數(shù)集合，則有

RLS算法概括如下：

其中：I為單位矩陣。

2 結(jié)果

圖2為一名實(shí)驗(yàn)對象的由生物雷達(dá)檢測到的體動、呼吸信號以及分離出的心跳和心電圖記錄到的心電信號波形及其頻譜分析。從圖2中可以看出，生物雷達(dá)非接觸檢測到的體動信號中含有呼吸信號成分，經(jīng)過本文的自適應(yīng)濾波方法可以從體動信號中分離出心跳。在圖2（e）中，頻譜峰值所對應(yīng)的頻率為0.26Hz，表示呼吸頻率為16次/min；在圖2（f）中，頻譜中有2個(gè)峰值，第1個(gè)峰值對應(yīng)的頻率為0.26 Hz，第2個(gè)峰值對應(yīng)的頻率為1.28 Hz；圖2（g）為自適應(yīng)濾波分離出的心跳信號，RLS算法中遺忘因子取0.999、濾波器階數(shù)為12、歸一化因子取0.1，自適應(yīng)濾波處理后0.26 Hz對應(yīng)的峰值被抵消，只剩下1.28 Hz對應(yīng)的峰值；圖2（h）為心電波形的頻譜，其峰值所對應(yīng)的頻率為1.28 Hz，表示心率為77次/min。

為了評價(jià)本文提出的自適應(yīng)濾波分離出的心跳信號的準(zhǔn)確性，我們將非接觸獲得的心率與從心電信號提取的心率進(jìn)行線性回歸分析。2種方法的分析結(jié)果如圖3所示，其中，橫坐標(biāo)代表從心電信號中提取的心率值，縱坐標(biāo)代表從分離出的心跳信號中提取的心率值。從回歸分析可以看出，2種方法提取的心率具有很強(qiáng)的相關(guān)性（γ2=0.95，P<0.000 1，n=16）。

圖3 2種方法提取到心率信號的線性回歸分析

3 結(jié)論

生物雷達(dá)可以非接觸檢測人體的生命信號（如呼吸、體動等），被廣泛應(yīng)用于家庭、社區(qū)醫(yī)院等場合。但在實(shí)際應(yīng)用時(shí)還需要檢測人體的心跳信號，這樣才能夠更好地反映人體的生命狀況。生物雷達(dá)非接觸檢測呼吸信號很容易，采用簡單的截止頻率為0.5Hz的模擬或數(shù)字低通濾波器即可提取呼吸信號[5]。但是，采用帶通濾波器（下限截止頻率為0.8 Hz，上限截止頻率為2.5Hz）檢測心跳信號容易受到呼吸信號的高次諧波影響，很難提取到心跳信號。實(shí)驗(yàn)結(jié)果表明，采用本文提出的自適應(yīng)濾波方法可以較好地從體動中分離出心跳信號，從該信號中提取的心率值和從心電信號中提取的心率值具有很強(qiáng)的相關(guān)性。

對自適應(yīng)濾波器而言，不同的自適應(yīng)算法將直接影響濾波的效果。本文中我們選用計(jì)算效率高、穩(wěn)定性好的RLS算法，通過實(shí)驗(yàn)確定了濾波器階數(shù)、遺忘因子、歸一化因子等參數(shù)，較好地實(shí)現(xiàn)了生物雷達(dá)檢測中呼吸和心跳信號的分離。下一步工作中，我們將重點(diǎn)實(shí)現(xiàn)RLS算法的實(shí)時(shí)性，更好地滿足實(shí)際需求。

[1]Matthews G，Sudduth B，Burrow M.A non-contactvitalsignsmonitor[J].Critical Reviews in Biomedical Engineering，2000，28（1/2）：173-178.

[2]Uenoyama M，Matsui T，Yamada K，etal.Non-contact respiratory monitoring system using a ceiling-attached microwave antenna[J]. Medical&Biological Engineering&Computing，2006，44（9）：835-840.

[3]Brink M，Muller CH，Schierz C.Contact-freemeasurementof heart rate，respiration rate，and bodymovements during sleep[J].Behavior Research Methods，2006，38（3）：511-521.

[4]Kim H J，Kim KH，Hong Y S，etal.Measurementofhuman heartbeat and respiration signalsusing phase detection radar[J].Review of Scientific Instruments，2007，78（10）：104-113.

[5]Chan K H，Lin J C.Microprocessor-based cardiopulmonary rate monitor[J].Medical and Biological Engineering and Computing，1987，25（9）：41-44.

（收稿：2014-03-10 修回：2014-05-15）

（欄目責(zé)任編校：李惠萍 孫麗麗）

Technique for separating heartbeat and respiration signals frombio-radar output signals

YANG Fang1,ZHANG Hua2,LISheng2,XUE Hui-jun2,LU Guo-hua2
(1.Departmentof Experimental Teaching Center,Schoolof Pre-clinicalMedicine,the Fourth Military medical University,Xi'an 710032,China;2.Departmentof Electronics,Schoolof Biomedical Engineering, the Fourth Militarymedical University,Xi'an 710032,China)

Objective To separate the heartbeat signal from the bio-radar output body-movement signal.Methods The adaptive noise canceller(ANC)with recursive-least square(RLS)algorithm was used to separate the heartbeat signal.The heart rate derived from the de-noised heartbeat and the ECG signals was compared with each other.Results The method could separate effectively the heartbeat signals,and the heart rate derived adaptively from the filtered heartbeat signals was strongly correlated with those from the ECG recordings.Conclusion The heartbeat signal can be separated from the body-movement signal using ANC technology.[Chinese Medical Equipment Journal，2014，35（7）：28-30]

bio-radar;breath;heartbeat;adaptive noise canceller;recursive-least square

R318；TN959.1

A

1003-8868（2014）07-0028-03

10.7687/J.ISSN1003-8868.2014.07.028

國家自然科學(xué)基金資助項(xiàng)目（61271102）

楊 芳（1977—），女，實(shí)驗(yàn)師，主要從事生理信號檢測和實(shí)驗(yàn)技術(shù)方面的研究工作，E-mail：yangfang77@fmmu.edu.cn。

710032西安，第四軍醫(yī)大學(xué)基礎(chǔ)醫(yī)學(xué)院教學(xué)實(shí)驗(yàn)中心（楊 芳），生物醫(yī)學(xué)工程學(xué)院電子學(xué)教研室（張 華，李 盛，薛慧君，路國華）

路國華，E-mail：lugh1976@fmmu.edu.cn