基于IR-UWB 雷達(dá)的非接觸式呼吸檢測(cè)方法

黨小超，張金龍，郝占軍，安 瑩

（1.西北師范大學(xué) 計(jì)算機(jī)科學(xué)與工程學(xué)院，蘭州 730070；2.甘肅省物聯(lián)網(wǎng)工程研究中心，蘭州 730070）

0 概述

自2002 年美國(guó)聯(lián)邦通信委員會(huì)（Federal Communications Commission，F(xiàn)CC）批準(zhǔn)民用微波的頻率范圍為3.1～10.6 GHz［1］以來，超寬帶（Ultra Wide Band，UWB）因具有低功耗、強(qiáng)穿透能力、強(qiáng)抗干擾能力、高分辨率等特性，被廣泛用于地震災(zāi)害救援、室內(nèi)定位［2-3］、穿墻檢測(cè)等任務(wù)中。雷達(dá)可以通過感知由呼吸和心跳所引起的身體表面微動(dòng)信息進(jìn)行人體目標(biāo)檢測(cè)［4］。脈沖超寬帶（Impulse Radio Ultra Wide Band，IR-UWB）雷達(dá)是通過雷達(dá)發(fā)射端發(fā)射電磁波，利用傳播介質(zhì)到達(dá)人體，電磁波脈沖經(jīng)過人體的散射產(chǎn)生相應(yīng)的回波信號(hào)，回波信號(hào)通過介質(zhì)傳播到雷達(dá)接收端，隨后被接收端接收進(jìn)行數(shù)據(jù)采樣。與微波多普勒雷達(dá)相比，IR-UWB 雷達(dá)的功耗更低、尺寸更小和信噪比（Signal-to-Noise Ratio，SNR）更高，在復(fù)雜環(huán)境下具有抗雜波、高魯棒、高精度等特性［5-6］，可檢測(cè)人體內(nèi)部的宏觀和微觀運(yùn)動(dòng)［6］。文獻(xiàn)［7］針對(duì)IR-UWB 信號(hào)在穿墻過程中由墻體參數(shù)估計(jì)誤差所導(dǎo)致的時(shí)間誤差問題，提出基于圖像使用迭代算法的目標(biāo)范圍估計(jì)方法。文獻(xiàn)［8］介紹了微波多普勒雷達(dá)是一種非接觸式檢測(cè)生命體征的替代方法［9］。但是，多普勒雷達(dá)系統(tǒng)難以穿透材料以及存在零點(diǎn)問題［10］。IR-UWB 雷達(dá)信號(hào)由于良好的材料穿透性，因此可以輕易地穿透墻體，進(jìn)行生命體征的檢測(cè)和目標(biāo)識(shí)別［11-12］。

人體呼吸會(huì)引起人體胸腔壁微動(dòng)，產(chǎn)生微弱的呼吸回波信號(hào)。IR-UWB 雷達(dá)系統(tǒng)采集的原始回波信息中通常包含線性趨勢(shì)、靜態(tài)雜波、諧波干擾等干擾信號(hào)，近些年國(guó)內(nèi)外研究人員對(duì)此進(jìn)行了大量研究以抑制這些雜波信息。文獻(xiàn)［13］使用自適應(yīng)雜波消除技術(shù)消除類似呼吸的大量雜波。文獻(xiàn)［14］通過快速傅里葉變換（Fast Fourier Transform，F(xiàn)FT）研究人體呼吸回波信號(hào)中的時(shí)域特征。文獻(xiàn)［15］采用有限差分時(shí)域數(shù)值模擬方法成功模擬了地震災(zāi)害后被困人員的心跳、呼吸等生命體征信息。文獻(xiàn)［16］提出一種復(fù)雜度低的最大似然（Maximum Likelihood，ML）估計(jì)方法來估計(jì)加性高斯白噪聲（Additive White Gaussian Noise，AWGN）中的人體呼吸周期。文獻(xiàn)［17］采用奇異值分解在低信噪比條件下提取人類呼吸信號(hào)的相關(guān)信息。文獻(xiàn)［18］利用回波經(jīng)驗(yàn)?zāi)Ｊ椒纸猓‥mpirical Mode Decomposition，EMD）提取雷達(dá)回波信號(hào)，隨后通過獨(dú)立主成分分析和雜波抑制對(duì)雷達(dá)穿墻檢測(cè)進(jìn)行研究。文獻(xiàn)［19］使用復(fù)信號(hào)解調(diào)來消除雜波。文獻(xiàn)［20］通過時(shí)域自相關(guān)技術(shù)、快采樣均值濾波算法對(duì)信號(hào)作降噪處理，提高回波信號(hào)信噪比。針對(duì)現(xiàn)有非接觸式呼吸檢測(cè)方法難以根據(jù)低信噪比的接收信號(hào)準(zhǔn)確估計(jì)出人體呼吸頻率和到達(dá)時(shí)間（Time of Arrival，TOA）范圍的問題，本文提出一種有效的非接觸式呼吸檢測(cè)方法。

1 IR-UWB 雷達(dá)與呼吸回波模型

1.1 IR-UWB 雷達(dá)原理

在對(duì)呼吸運(yùn)動(dòng)引起的胸腔表面的微動(dòng)信息進(jìn)行建模的過程中，不論是室內(nèi)還是室外環(huán)境，都存在各種干擾信息、噪聲以及多徑效應(yīng)的影響。IR-UWB 雷達(dá)接收到的原始回波會(huì)包括許多無用的信息，因此要將呼吸信號(hào)從含有眾多干擾信號(hào)的原始回波中提取出來，如圖1 所示。實(shí)驗(yàn)對(duì)象為一個(gè)人相對(duì)靜止地坐在一個(gè)高40 cm 的椅子上，面朝置于桌子上離地80 cm 的IRUWB雷達(dá)設(shè)備，雷達(dá)的發(fā)射天線（Transmit Antenna，TX）位于設(shè)備的頂端，相應(yīng)的雷達(dá)接收天線（Receive Antenna，RX）位于設(shè)備的底部。

圖1 基于IR-UWB 雷達(dá)的呼吸信號(hào)提取Fig.1 Respiration signal extraction based on IR-UWB radar

IR-UWB 雷達(dá)利用雷達(dá)發(fā)射端發(fā)射電磁波，通過傳播介質(zhì)到達(dá)人體胸腔表面，隨后經(jīng)過人體的反射、散射形成雷達(dá)回波信號(hào)，回波信號(hào)經(jīng)過傳播介質(zhì)到達(dá)雷達(dá)接收端，然后被接收端接收。通過IRUWB 雷達(dá)，可以從接收信號(hào)的傳播延遲變化中檢測(cè)到受試目標(biāo)。電磁波脈沖經(jīng)發(fā)射天線發(fā)射出來后接觸人體形成反射脈沖，通過反射脈沖的振幅變化以及到達(dá)時(shí)間可以進(jìn)行胸腔微動(dòng)信息評(píng)估，然后從中分析得出呼吸頻率、幅度信息以及目標(biāo)范圍。收發(fā)天線到被檢測(cè)目標(biāo)的距離［5］可表示如下：

其中：d0表示收發(fā)天線到人體胸腔的標(biāo)稱距離；Ar表示呼吸的位移幅度；fr表示呼吸頻率。若歸一化接收脈沖用δ(t)表示，則總脈沖響應(yīng)可表示如下：

其中：t表示觀測(cè)時(shí)間；τ表示傳播時(shí)間；avδ(τ-τv(t))表示由胸腔璧的微小運(yùn)動(dòng)所形成的傳播時(shí)間為τv(t)、幅值為av的脈沖響應(yīng)；表示由每個(gè)靜態(tài)目標(biāo)i在傳播時(shí)間為τi、幅值為ai時(shí)所產(chǎn)生的單個(gè)脈沖響應(yīng)的總和。傳播時(shí)間如式（3）所示：

其 中：τ0=2d0/C；τr=2Ar/C；C表示光 速，為3.0×108m/s。接收到的IR-UWB 雷達(dá)信號(hào)可表示如下：

其中：s(τ)表示傳播信號(hào)；*表示卷積操作。

1.2 呼吸回波模型

IR-UWB 雷達(dá)信號(hào)采樣過程中需對(duì)時(shí)域信息進(jìn)行采樣，采樣時(shí)通常涉及兩個(gè)時(shí)間軸：1）快時(shí)間域，即單個(gè)脈沖信號(hào)傳播時(shí)域信息的時(shí)間軸；2）慢時(shí)間域，即用來表示脈沖之間的先后關(guān)系的時(shí)間軸。為簡(jiǎn)化模型，假設(shè)在理想情況下，即忽略靜態(tài)回波及其他雜波，式（2）可轉(zhuǎn)化為如下離散時(shí)間二維回波矩陣（m×n矩陣）：

其中：m和n分別代表慢時(shí)間域和快時(shí)間域的采樣數(shù)；Ts和Tf分別表示慢時(shí)間域和快時(shí)間域的采樣間隔。圖2 給出了呼吸回波模型的動(dòng)態(tài)特征，使用行向量記錄一定小范圍內(nèi)不同觀察時(shí)間的接收信號(hào)，利用列向量記錄從不同距離反射的一個(gè)脈沖，其中虛線框表示目標(biāo)所在的檢測(cè)范圍。從圖2 可以看出：胸腔璧在快時(shí)間域上周期性移動(dòng)；在慢時(shí)間域上，t和t+1T 具有相似的波形。

圖2 呼吸回波模型的動(dòng)態(tài)特征Fig.2 Dynamic characteristics of the respiration echo models

式（5）經(jīng)過離散化可表示如下：

其中：δT表示快速采樣時(shí)間間隔；TS表示持續(xù)脈沖時(shí)間；m為快時(shí)間域的采樣數(shù)；n為慢時(shí)間域的采樣數(shù)；δR=vδT/2；h[m,n]表示人體微動(dòng)信號(hào)；c[m]表示靜態(tài)雜波。在實(shí)驗(yàn)過程中，接收信號(hào)中還可能包含線性趨勢(shì)、AWGN、非靜態(tài)雜波及其他未知雜波，因此接收信號(hào)可表示為如下：

其中：a[m,n]表示線性趨勢(shì)；w[m,n]表示AWGN；q[m,n]表示非靜態(tài)雜波；g[m,n]表示其他未知雜波。

在靜態(tài)環(huán)境中，去除所有雜波后的理想雷達(dá)回波可表示如下：

為獲得呼吸頻率fr，在每個(gè)慢時(shí)間域上對(duì)R(τ,t)進(jìn)行傅里葉變換（Fourier Transformation，F(xiàn)T），如式（9）所示：

其中：U(v)為快時(shí)間域經(jīng)過FT 后的IR-UWB 脈沖；f和v分別表示慢時(shí)間域和快時(shí)間域的頻譜?；谪惾麪柡瘮?shù)，?(v,f)可表示如下：

通過式（16）和（17）可求解得到呼吸頻率fr。

2 基于IR-UWB 雷達(dá)的非接觸式呼吸檢測(cè)

首先，對(duì)原始IR-UWB 雷達(dá)回波信號(hào)進(jìn)行線性趨勢(shì)消除。然后，通過兩個(gè)五階巴特沃斯濾波器對(duì)其進(jìn)行濾波，并使用平滑濾波器得到平滑的采樣回波信號(hào)。對(duì)采樣回波信號(hào)在慢時(shí)間域內(nèi)進(jìn)行FT 后通過窗口選擇，對(duì)受試目標(biāo)進(jìn)行呼吸頻率估計(jì)，同時(shí)對(duì)采樣回波信號(hào)使用基于雷達(dá)回波信號(hào)的超值峰度（Excess Kurtosis，EK）與均方根（Root Mean Square，RMS）的TOA 范圍估計(jì)算法（簡(jiǎn)稱為EK-RMS 算法），得到受試目標(biāo)的TOA 范圍。最后，將呼吸頻率和TOA 范圍的目標(biāo)信息進(jìn)行比對(duì)，得到受試目標(biāo)的呼吸頻率?；贗R-UWB 雷達(dá)的非接觸式呼吸檢測(cè)流程如圖3 所示。

圖3 基于IR-UWB 雷達(dá)的非接觸式呼吸檢測(cè)流程Fig.3 Procedure of non-contact respiration detection based on IR-UWB radar

2.1 靜態(tài)雜波去除

IR-UWB 雷達(dá)接收到的回波信號(hào)除了包含被測(cè)目標(biāo)的信號(hào)以外，還包含周圍環(huán)境經(jīng)反射、散射所接收到的信號(hào)，其中靜態(tài)雜波是一個(gè)顯著的影響因素，可表示如下：

從回波信號(hào)R[m,n]中消除靜態(tài)雜波得到Ω[m,n]：

使用LTS 算法可有效消除回波信號(hào)中的線性趨勢(shì)［17］：

2.2 雜波抑制

IR-UWB 雷達(dá)回波信號(hào)是由實(shí)驗(yàn)環(huán)境、檢測(cè)目標(biāo)與天線的方位角、介電常數(shù)、濕度以及電磁波極化所共同決定的［21］，由于這些參數(shù)會(huì)隨著環(huán)境變化很能準(zhǔn)確預(yù)測(cè)，因此本文使用巴特沃斯濾波器進(jìn)行估計(jì)，n階巴特沃斯濾波器的幅度和頻率關(guān)系可表示如下：

其中：G表示濾波器的放大率；H表示傳遞函數(shù)；n表示濾波器的階數(shù)；Ω表示信號(hào)的角頻率；Ωc表示截止頻率。巴特沃斯濾波器階數(shù)越高，幅頻特性越好，即濾波器性能越好，計(jì)算復(fù)雜度越高。通過前期大量實(shí)驗(yàn)驗(yàn)證得出，濾波器階數(shù)選擇為五階，即n=5 時(shí)，具有良好的濾波效果，同時(shí)考慮到計(jì)算復(fù)雜度，選擇一個(gè)五階巴特沃斯低通濾波器和一個(gè)五階巴特沃斯高通濾波器，分別設(shè)置截止頻率Ωc為0.103 7 和0.022 2。歸一化截止頻率可表示如下：

其中：fs表示在快時(shí)間域內(nèi)的采樣頻率，在每個(gè)索引記為n的慢時(shí)間域周期內(nèi)，均對(duì)快時(shí)間域上的脈沖回波信號(hào)Wm×n進(jìn)行濾波，濾波后得到：

因?yàn)槭褂梦咫A巴特沃斯濾波器，所以設(shè)置Nb=Na=5，其中ai和bi表示濾波器系數(shù)。本文采用平滑濾波器抑制非靜態(tài)雜波：

2.3 TOA 范圍估計(jì)

經(jīng)過濾波處理后，大部分雜波得到抑制，高斯噪聲w[m,n]是影響呼吸回波信號(hào)的主要因素。頻譜峰度可用于提取非高斯信號(hào)，還可以確定其在頻率中的位置。本文基于雷達(dá)回波信號(hào)的超值峰度與均方根對(duì)目標(biāo)進(jìn)行TOA 范圍估計(jì)。下面給出每個(gè)快速時(shí)間域?yàn)閙的EK：

其中：κ4、κ2分別表示樣本的四階中心距和二階中心距；E表示樣本期望。S[m,n]和EK 的RMS 表示分別如式（26）、式（27）所示：

短時(shí)傅里葉變換（Short Time Fourier Transform，STFT）和小波變換（Wavelet Transform，WT）已被廣泛應(yīng)用于生命體征信號(hào)分析，然而由于STFT 主要依賴信號(hào)的時(shí)間寬度進(jìn)行分析，在實(shí)際實(shí)驗(yàn)過程中時(shí)間寬度是很難確定的，因此本文選取在時(shí)域中具有可擴(kuò)展性的WT 進(jìn)行信號(hào)分析。WT 適用于非平穩(wěn)信號(hào)的分析，且窗口尺寸可變。若給定時(shí)域信號(hào)T(τ)，則連續(xù)WT 可以表示如下：

為從回波信號(hào)中獲取目標(biāo)對(duì)象的TOA 范圍估計(jì)，頻率窗口寬度設(shè)置為0.6～1.2 GHz，則受試目標(biāo)與IR-UWB 雷達(dá)之間的距離估計(jì)如下：

其中：表示對(duì)應(yīng)矩陣最大的TOA 估計(jì)。

2.4 呼吸頻率估計(jì)

由于IR-UWB 雷達(dá)發(fā)射脈沖經(jīng)過人體反射會(huì)形成原始雷達(dá)回波，原始雷達(dá)回波中存在大量雜波信號(hào)，為驗(yàn)證EK-RMS 算法對(duì)這些雜波信號(hào)的抑制或消除作用，進(jìn)行算法性能分析，截取受試者A 在室外空曠環(huán)境下1 m 處所采集到的IR-UWB 雷達(dá)回波信號(hào)，歸一化幅度后的頻譜圖如圖4 所示。

圖4 信號(hào)處理頻譜圖Fig.4 Signal processing spectrogram

由圖4 可以看出，原始IR-UWB 回波信號(hào)含有大量雜波，基于EK-RMS 算法對(duì)原始回波信號(hào)進(jìn)行巴特沃斯和平滑濾波后，大量雜波信號(hào)得以抑制，最終經(jīng)過傅里葉變換的呼吸頻率在0.229 7 Hz 處幅值達(dá)到峰值，可以得出該受試者的呼吸頻率約為0.229 7 Hz。

3 實(shí)驗(yàn)與結(jié)果分析

3.1 數(shù)據(jù)處理

實(shí)驗(yàn)由1 個(gè)由Novelda 開發(fā)的X4M02 IR-UWB雷達(dá)和1 臺(tái)筆記本電腦組成。IR-UWB 雷達(dá)由發(fā)射天線、接收天線、雷達(dá)模塊、微控制單元（Micro Controller Unit，MCU）、存儲(chǔ)單元和供電單元組成，如圖5 所示。

圖5 IR-UWB 雷達(dá)實(shí)物圖Fig.5 IR-UWB radar diagram

3.1.1 實(shí)驗(yàn)設(shè)備

IR-UWB 雷達(dá)發(fā)射機(jī)帶寬為1.4 GHz，傳感器中心頻率為7.29 GHz，接收器以23.328 GS/s 的速度接收回波信號(hào)，并且可以連續(xù)覆蓋5 m 的探測(cè)距離。雷達(dá)設(shè)備包括處理器、內(nèi)存、數(shù)字基帶、模擬前端、脈沖發(fā)生器、低噪聲放大器（Low Noise Amplifier，LNA）、收發(fā)端、電源管理單元（Power Management Unit，PMU）和串行 外設(shè)接 口（Serial Peripheral Interface，SPI）。脈沖發(fā)生器產(chǎn)生高頻脈沖，并在處理器的控制下通過發(fā)射天線發(fā)出，到達(dá)人體胸腔后產(chǎn)生回波，由接收天線接收雷達(dá)回波，IR-UWB 雷達(dá)發(fā)射脈沖的時(shí)間間隔由脈沖重復(fù)頻率（Pulse Repetition Frequency，PRF）決定。

數(shù)據(jù)采集端為1 臺(tái)Intel i5-9500 CPU、內(nèi)存為8 GB 的筆記本電腦，筆記本電腦通過USB 接口與雷達(dá)控制模塊相連接，進(jìn)行數(shù)據(jù)采集并向雷達(dá)MCU 發(fā)送控制命令。

3.1.2 實(shí)驗(yàn)環(huán)境

本文分別在室內(nèi)空曠、室外空曠以及室內(nèi)復(fù)雜環(huán)境下對(duì)4 名受試者（2 男2 女）通過IR-UWB 雷達(dá)采集回波信號(hào)，并對(duì)收集到的回波信號(hào)進(jìn)行處理分析，使用本文所提出的EK-RMS 算法進(jìn)行受試目標(biāo)的呼吸頻率和TOA 范圍估計(jì)。

室內(nèi)復(fù)雜環(huán)境選擇噪聲干擾較多的實(shí)驗(yàn)室，實(shí)驗(yàn)室有辦公桌、板凳、電腦等家居，大小為5 m×5 m；室內(nèi)空曠環(huán)境選擇比較空曠的教學(xué)樓一樓大廳，大小為5 m×5 m；室外空曠環(huán)境選擇室外無人的花園，大小為5 m×5 m。實(shí)驗(yàn)環(huán)境如圖6 所示，采取數(shù)據(jù)的IR-UWB 雷達(dá)放置在一個(gè)高80 cm 的三角架上。實(shí)驗(yàn)過程中受試者保持相對(duì)靜止，坐在一個(gè)高40 cm的板凳或臺(tái)子上，受試者胸腔離地80 cm，并且上身保持挺直胸腔面對(duì)IR-UWB 雷達(dá)進(jìn)行均勻呼吸。

圖6 實(shí)驗(yàn)環(huán)境設(shè)置Fig.6 Setting of experimental environments

3.2 結(jié)果分析

在采集IR-UWB 雷達(dá)數(shù)據(jù)時(shí)，不同的實(shí)驗(yàn)環(huán)境、測(cè)量距離、實(shí)驗(yàn)人員等因素都會(huì)對(duì)回波信號(hào)產(chǎn)生影響。本文通過設(shè)計(jì)多組對(duì)比實(shí)驗(yàn)，測(cè)試EK-RMS 算法性能。4 名受試者的基本信息如表1 所示，對(duì)4 名受試者使用呼吸綁帶測(cè)量20 min 內(nèi)的呼吸次數(shù)并計(jì)算平均呼吸頻率。

表1 受試者基本信息Table 1 Basic information of subjects

IR-UWB 雷達(dá)數(shù)據(jù)采集設(shè)置PRF 為600 kHz、平均采集數(shù)量Na為30。通過6 個(gè)片段同時(shí)進(jìn)行采樣，每個(gè)片段的時(shí)間窗口設(shè)置為124 ms、采樣數(shù)N為682，快時(shí)間域內(nèi)的樣本數(shù)量N×6=4 092，因此每個(gè)脈沖信號(hào)接收時(shí)間為N×Na/PRF=0.034 1s，在60 s 內(nèi)可接收1 759 個(gè)脈沖。在室內(nèi)復(fù)雜、室內(nèi)空曠和室外空曠實(shí)驗(yàn)環(huán)境中，4 名受試者面朝雷達(dá)坐著，保持均勻呼吸，距離雷達(dá)1 m、2 m、3 m、4 m 和5 m 的地方進(jìn)行數(shù)據(jù)采集，每組數(shù)據(jù)分別采集5 次，每次采集有效數(shù)據(jù)時(shí)長(zhǎng)為20 min。

3.2.1 探測(cè)距離對(duì)呼吸回波信號(hào)的影響

為探究受試者距IR-UWB 雷達(dá)設(shè)備的遠(yuǎn)近對(duì)呼吸回波信號(hào)的影響，設(shè)計(jì)對(duì)照實(shí)驗(yàn)，在室內(nèi)復(fù)雜、室內(nèi)空曠和室外空曠實(shí)驗(yàn)環(huán)境下，受試者A、B、C 和D分別距離IR-UWB 雷達(dá)1 m、2 m、3 m、4 m 和5 m 的情況下進(jìn)行呼吸頻率估計(jì)，實(shí)驗(yàn)結(jié)果如圖7 所示。由圖7 可以看出，在同一個(gè)環(huán)境下目標(biāo)距離雷達(dá)相同的距離時(shí)，所估計(jì)呼吸頻率與平均呼吸頻率變化基本一致，但是隨著受試者離雷達(dá)的距離增加，所估計(jì)的數(shù)據(jù)誤差增大。

圖7 受試者呼吸頻率估計(jì)Fig.7 Estimation of respiration frequency of subjects

在3 種不同的實(shí)驗(yàn)環(huán)境下計(jì)算并比較4 名受試者的呼吸頻率和TOA 范圍在距離IR-UWB 雷達(dá)1 m、2 m、3 m、4 m 和5 m 時(shí)的平均估計(jì)誤差，結(jié)果如表2 所示。由表2 可以看出，探測(cè)距離增大，估計(jì)誤差也逐漸增大。經(jīng)計(jì)算探測(cè)距離分別為1 m、2 m、3 m、4 m 和5 m 時(shí)，呼吸頻率的平均估計(jì)誤差分別為3.92%、4.59%、4.67%、5.82%和6.74%。在探測(cè)距離為1 m 時(shí)誤差最小，在平均估計(jì)誤差為2.99%的室外空曠環(huán)境下所估計(jì)的呼吸頻率值更加平穩(wěn)，更加接近平均呼吸頻率。當(dāng)探測(cè)距離為1 m、2 m 和3 m 時(shí)，呼吸頻率的估計(jì)誤差最小且在5%以內(nèi)，究其原因?yàn)镮R-UWB 雷達(dá)發(fā)射脈沖受到的干擾更小。由表2 還可以看出，隨著受試目標(biāo)距IR-UWB 雷達(dá)的距離增加，TOA 范圍的估計(jì)誤差也逐漸增加。當(dāng)探測(cè)距離為1 m、2 m、3 m、4 m 和5 m 時(shí)，TOA 范圍的平均估計(jì)誤差分別約為0.114 m、0.145 m、0.180 m、0.219 m和0.257 m。實(shí)驗(yàn)結(jié)果表明，使用EK-RMS 算法進(jìn)行受試目標(biāo)呼吸頻率估計(jì)準(zhǔn)確率更高，且呼吸頻率的平均估計(jì)誤差約為5.15%，TOA 范圍的平均估計(jì)誤差約為0.183 m。

表2 受試者的呼吸頻率和TOA 范圍估計(jì)誤差對(duì)比Table 2 Comparison of estimation errors of respiration frequency and TOA range of subjects

3.2.2 受試環(huán)境對(duì)呼吸回波信號(hào)的影響

為探究環(huán)境對(duì)IR-UWB 雷達(dá)回波信號(hào)的影響，分別在室內(nèi)空曠環(huán)境和室外空曠環(huán)境下，對(duì)4 名受試者分別在探測(cè)距離為1 m、2 m、3 m、4 m 和5 m 的條件下進(jìn)行呼吸頻率估計(jì)，實(shí)驗(yàn)結(jié)果如圖8 所示。由圖8 可以看出，4 名受試者在室外空曠環(huán)境下呼吸頻率估計(jì)值更加平穩(wěn)且更接近使用呼吸綁帶所測(cè)得的平均呼吸頻率，受多徑效應(yīng)和環(huán)境影響因素干擾，4 名受試者在室內(nèi)復(fù)雜環(huán)境下所估計(jì)的呼吸頻率波動(dòng)較大。

圖8 3 種實(shí)驗(yàn)環(huán)境下的呼吸頻率估計(jì)Fig.8 Estimation of respiration frequency under three experimental environments

為進(jìn)一步驗(yàn)證復(fù)雜環(huán)境和空曠環(huán)境對(duì)IR-UWB 雷達(dá)回波信號(hào)的影響，設(shè)計(jì)2 組對(duì)比實(shí)驗(yàn)：1）受試者A 分別在室內(nèi)復(fù)雜環(huán)境和室內(nèi)空曠環(huán)境下，進(jìn)行呼吸頻率和TOA 范圍估計(jì)，實(shí)驗(yàn)結(jié)果如圖9 所示；2）受試者A 分別在室內(nèi)空曠環(huán)境和室外空曠環(huán)境下，進(jìn)行呼吸頻率和TOA 范圍估計(jì)，實(shí)驗(yàn)結(jié)果如圖10 所示。

圖9 室內(nèi)環(huán)境下的實(shí)驗(yàn)結(jié)果Fig.9 Experimental results under indoor environments

圖10 空曠環(huán)境下的實(shí)驗(yàn)結(jié)果Fig.10 Experimental results under outdoor environments

第1 組對(duì)比實(shí)驗(yàn)通過觀察受試者A 的呼吸頻率估計(jì)柱狀圖可以看出，在室內(nèi)空曠環(huán)境下使用EKRMS 算法相比在室內(nèi)復(fù)雜環(huán)境下估計(jì)的呼吸頻率更加接近平均呼吸頻率，誤差更小，這是實(shí)驗(yàn)所預(yù)期的，因?yàn)閺?fù)雜環(huán)境干擾較大。通過觀察受試者A 的TOA 范圍估計(jì)圖可以看出，使用EK-RMS 算法估計(jì)出的TOA 范圍誤差基本穩(wěn)定在0.20 左右。室內(nèi)復(fù)雜環(huán)境由于多徑效應(yīng)的影響，回波信號(hào)中含有大量的雜波，對(duì)受試目標(biāo)的TOA 范圍估計(jì)造成影響，在室內(nèi)空曠環(huán)境下估計(jì)的TOA 范圍相比室內(nèi)復(fù)雜環(huán)境更加精準(zhǔn)、誤差更小。

第2 組對(duì)比實(shí)驗(yàn)通過觀察受試者A 在室內(nèi)空曠和室外空曠環(huán)境下估計(jì)的呼吸頻率，可以看出：室外空曠環(huán)境下使用EK-RMS 算法進(jìn)行呼吸頻率估計(jì)更加準(zhǔn)確，究其原因可能由于室內(nèi)環(huán)境下，鋼筋混凝土對(duì)IR-UWB 雷達(dá)信號(hào)有干擾；相比室內(nèi)空曠環(huán)境，在室外空曠環(huán)境下使用EK-RMS 算法對(duì)受試目標(biāo)進(jìn)行TOA 范圍估計(jì)誤差更小。

實(shí)驗(yàn)結(jié)果表明，EK-RMS 算法具有較高的魯棒性和準(zhǔn)確性，在室內(nèi)復(fù)雜、室內(nèi)空曠以及室外空曠環(huán)境下的平均呼吸頻率估計(jì)誤差分別為6.498%、5.086%和3.860%，平均TOA 范圍估計(jì)誤差分別約為0.287 m、0.188 m 和0.074 m。

3.2.3 室內(nèi)復(fù)雜環(huán)境下物品擺放對(duì)算法性能的影響考慮到室內(nèi)復(fù)雜環(huán)境下不同的物品擺放會(huì)對(duì)算法性能產(chǎn)生影響，將受試者分別在距離雷達(dá)1 m、2 m、3 m、4 m 和5 m 處進(jìn)行呼吸頻率估計(jì)，在受試者和雷達(dá)之間分別放置實(shí)驗(yàn)室常見物品（桌子、凳子、飲水機(jī)和電腦），計(jì)算呼吸頻率估計(jì)準(zhǔn)確率和誤差累計(jì)分布函數(shù)（Cumulative Distribution Function，CDF）值，實(shí)驗(yàn)結(jié)果如圖11 所示。由圖11（a）可以看出，隨著探測(cè)距離的逐漸增大，算法準(zhǔn)確率有不同程度的下降。當(dāng)受試者和雷達(dá)之間放置凳子和桌子時(shí)，對(duì)雷達(dá)回波影響較小。當(dāng)放置飲水機(jī)和電腦時(shí)，對(duì)雷達(dá)回波影響較大，導(dǎo)致算法準(zhǔn)確率下降。由圖11（b）可以看出，凳子和桌子對(duì)算法性能影響較小，飲水機(jī)其次，電腦對(duì)算法影響最大。通過計(jì)算得知，當(dāng)分別將桌子、凳子、飲水機(jī)和電腦放置在受試者和雷達(dá)之間時(shí)，呼吸頻率估計(jì)的平均準(zhǔn)確率分別約為95.02%、94.45%、93.58%和91.98%。

圖11 物品擺放對(duì)算法性能的影響Fig.11 The impact of item placement on algorithm performance

3.2.4 算法性能比較

將EK-RMS 算法與FFT 算 法［14］、Phase-Based 算法［22］以及WT-Window 算法［23］進(jìn)行呼吸頻率估計(jì)誤差對(duì)比，實(shí)驗(yàn)結(jié)果如表3 所示。由表3 可以看出，EKRMS 算法在探測(cè)距離為1 m、2 m、3 m、4 m 和5 m 時(shí)的呼吸頻率估計(jì)誤差分別為3.92%、4.59%、4.67%、5.82% 和6.74%，相比FFT算法、Phase-Based 算法、WT-Window 算法誤差率平均降低了4.424%、3.012%、1.288%，證明了EK-RMS 算法準(zhǔn)確率更高。

表3 4 種算法的呼吸頻率估計(jì)誤差對(duì)比Table 3 Comparison of estimation errors of respiratory frequency of four algorithms %

圖12 給出了4 種算法的SNR，可以看出隨著探測(cè)距離的增加，4 種算法的SNR 有不同程度的降低，EK-RMS 算法的SNR 穩(wěn)定于-3～7 dB，明顯優(yōu)于FFT算法、Phase-Based 算法以及WT-Window 算法，證明了EK-RMS 算法具有高魯棒性，且對(duì)雜波信號(hào)有明顯的抑制或消除作用。

圖12 4 種算法的信噪比對(duì)比Fig.12 SNR comparison of four algorithms

4 結(jié)束語

本文提出一種基于IR-UWB 雷達(dá)的非接觸式呼吸檢測(cè)方法，對(duì)原始IR-UWB 雷達(dá)回波信號(hào)進(jìn)行線性趨勢(shì)消除，通過五階巴特沃斯濾波器與平滑濾波器處理得到平滑的采樣回波信號(hào)，并在慢時(shí)間域內(nèi)對(duì)采樣回波信號(hào)進(jìn)行傅里葉變換后實(shí)現(xiàn)呼吸頻率估計(jì)。針對(duì)受試目標(biāo)的探測(cè)距離不確定問題，采用EK-RMS 算法進(jìn)行連續(xù)小波變換的TOA 估計(jì)得到最終受試目標(biāo)的TOA 范圍。實(shí)驗(yàn)結(jié)果表明，EK-RMS算法能準(zhǔn)確提取出受試目標(biāo)的呼吸特征并獲得位置信息，具有魯棒性強(qiáng)、易于實(shí)現(xiàn)等特點(diǎn)。下一步將利用IR-UWB 雷達(dá)進(jìn)行多人生命體征測(cè)量，達(dá)到實(shí)時(shí)監(jiān)測(cè)多人呼吸頻率和心率的目的。