李聰康,黃 俊,鄭元杰
(1.重慶郵電大學(xué)通信與信息工程學(xué)院,重慶 400065;2.重慶郵電大學(xué)信號(hào)與信息處理重慶市重點(diǎn)實(shí)驗(yàn)室,重慶 400065)
利用雷達(dá)檢測(cè)人體生理信息是人們當(dāng)下研究的熱門領(lǐng)域,呼吸和心跳是人體最重要的生命活動(dòng)信息,能快速準(zhǔn)確地對(duì)其檢測(cè)至關(guān)重要。毫米波雷達(dá)通過(guò)非接觸的方式檢測(cè)人體生理信息,且不受溫度、光照和塵埃等周圍環(huán)境的影響,可以穿透衣物和被子等遮擋物進(jìn)行檢測(cè),在醫(yī)療監(jiān)測(cè)、睡眠監(jiān)測(cè)和地震救援以及自動(dòng)駕駛等領(lǐng)域具有廣泛應(yīng)用[1-3]。多普勒生物雷達(dá)通常被劃分為連續(xù)波(CW)和超寬帶(UWB)雷達(dá),UWB 雷達(dá)可以探測(cè)距離,但其存在占用帶寬寬和瞬時(shí)功率峰值過(guò)大[3],影響其他系統(tǒng)通信和雷達(dá)的測(cè)量精度的問(wèn)題。FMCW 雷達(dá)具有波束窄、分辨率高、體積小等優(yōu)點(diǎn)[1]。本文采用FMCW 毫米波雷達(dá)來(lái)采集和處理人體生命信號(hào)。
生命體征回波信號(hào)在傳播回接收端時(shí)會(huì)受到周圍環(huán)境的各種干擾,通常會(huì)變得很微弱,而且心跳和呼吸信號(hào)的頻帶范圍非常接近。所以如何抑制干擾和從噪聲中準(zhǔn)確提取出呼吸和心跳信號(hào)是本文研究的重點(diǎn)。在國(guó)內(nèi)外研究中,傳統(tǒng)的信號(hào)提取方法主要有數(shù)字濾波器,設(shè)計(jì)一個(gè)性能優(yōu)良的濾波器來(lái)提取和分離呼吸心跳信號(hào)是很困難的。文獻(xiàn)[4]提出一種自適應(yīng)信號(hào)分解方法—經(jīng)驗(yàn)?zāi)B(tài)分解(EMD),但EMD 具有模態(tài)混疊和端點(diǎn)效應(yīng)的缺點(diǎn)[5],使得IMF 分量不能真實(shí)說(shuō)明信號(hào)本身的特點(diǎn)。文獻(xiàn)[6]提出集合經(jīng)驗(yàn)?zāi)J椒纸猓‥EMD)的方式,通過(guò)引入白噪聲使信號(hào)自動(dòng)分布到合適的參考尺度上來(lái)消除模態(tài)混疊問(wèn)題,但I(xiàn)MF分量中會(huì)包含殘余噪聲。文獻(xiàn)[7]提出互補(bǔ)集合經(jīng)驗(yàn)?zāi)B(tài)分解(CEEMDAN)解決了白噪聲從高頻到低頻的轉(zhuǎn)移傳遞的問(wèn)題,但分解得到的IMF 中仍包含殘余噪聲,而且在分解的前期,信號(hào)會(huì)出現(xiàn)一些“虛假”模式,導(dǎo)致在前幾階模態(tài)中仍包含了大量的噪聲。
故針對(duì)CEEMDAN 模態(tài)分解存在以上不足以及在重構(gòu)呼吸和心跳信號(hào)時(shí)的雜波干擾過(guò)大的問(wèn)題,本文提出了改進(jìn)的自適應(yīng)集合經(jīng)驗(yàn)?zāi)B(tài)分解[8-9](ICEEMDAN)和長(zhǎng)數(shù)據(jù)序列截取的方法來(lái)分解信號(hào),并利用相關(guān)性和能量閾值法分離提取心跳和呼吸信號(hào),極大地解決了模態(tài)混疊現(xiàn)象和各本征模態(tài)函數(shù)(IMF)中的殘余噪聲和虛假分量的問(wèn)題,提高了信號(hào)的真實(shí)性和準(zhǔn)確性。
FMCW 雷達(dá)能夠連續(xù)發(fā)射調(diào)頻信號(hào),具有測(cè)量物體的距離、速度和角度信息的能力。圖1為FMCW雷達(dá)的結(jié)構(gòu)示意圖。
圖1 FMCW雷達(dá)的結(jié)構(gòu)示意圖
FMCW雷達(dá)發(fā)射波形表示為
式中,fc為雷達(dá)中心頻率,k為鋸齒波斜率,θ為初始相位。
天線到人體胸腔表面的瞬時(shí)距離[10]:
式中,d0為人體胸腔振動(dòng)中心與天線的距離,x(t)為身體做生命運(yùn)動(dòng)造成的距離,
Ab為呼吸的幅值,fb為呼吸的頻率,Bh為心跳幅值,fh為心跳的頻率,r(t)為其他顫抖引起的距離變化。
雷達(dá)發(fā)射波遇到障礙物時(shí),產(chǎn)生回波TX 信號(hào),回波信號(hào)為
式中,C為光速,σ為幅度,td為回波時(shí)延。
兩路信號(hào)經(jīng)過(guò)混頻器裝置后得到IF 中頻信號(hào)SIF(t),如圖2所示。
圖2 RX、TX信號(hào)頻域圖和IF中頻信號(hào)
式中,Tc為鋸齒波周期,fc=2kd/c為中頻信號(hào)頻率,相位?=4πd/λ。
由于呼吸和心跳使得胸腔的變化幅度很小,造成的頻率變化也非常小,很難計(jì)算出胸腔的移動(dòng)距離,但可根據(jù)中頻信號(hào)的相位來(lái)計(jì)算得到胸腔的移動(dòng)距離。
在進(jìn)行實(shí)際實(shí)驗(yàn)時(shí),雷達(dá)接收到的信號(hào)具有很大的不確定性,原始信號(hào)中包含很多雜波。因此需要對(duì)原始信號(hào)進(jìn)行處理。首先將雷達(dá)信號(hào)通過(guò)距離門去除直達(dá)波,并進(jìn)行移動(dòng)平均的方法,去掉信號(hào)中的“毛刺”,減少誤差,得到含有明顯人體呼吸和心跳起伏的狀態(tài)信號(hào)。雷達(dá)樣本信號(hào)為圖3,經(jīng)過(guò)信號(hào)預(yù)處理之后為圖4。
圖3 生命信號(hào)
圖4 預(yù)處理之后的信號(hào)
CEEMD 是在EMD 和EEMD 的基礎(chǔ)改進(jìn)而來(lái)的,在待處理的信號(hào)中多次成對(duì)增加符號(hào)相反的白噪聲信號(hào),對(duì)每次EMD 后得到的結(jié)果進(jìn)行總體平均計(jì)算,模態(tài)混疊問(wèn)題得到較好的解決。ICEEMDAN 分解則進(jìn)一步改進(jìn)了CEEMDAN 在分解前期容易產(chǎn)生的虛假分量和模態(tài)混疊的缺點(diǎn),大大減少了IMF 分量中的殘余噪聲,提高了計(jì)算效率和算法性能,明確了信號(hào)的物理意義。
設(shè)定x(n)為待分解的雷達(dá)信號(hào),EMD 分解獲得的第k個(gè)IMF 表示為Ek(·),包絡(luò)計(jì)算用M(·)表示,ICEEMDAN算法原理如下:
1)設(shè)定E1(x)=x-M(x),對(duì)于xi(n)=x(n)+β0E1(ω(i)),i=1,2,…,I,第一個(gè)殘差信號(hào)的計(jì)算方法為r1(x)=<M(xi(n)) >,<·>表示均值計(jì)算。
2)設(shè)定IMF1=x-r1是分解得到的第一個(gè)模態(tài)分量。
3)同理,再一次添加白噪聲,利用均值計(jì)算得到第二個(gè)殘差信號(hào)r2=<M(r1+β1E2(ω(i))>,得到第二個(gè)模態(tài)分量IMF2=r1-r2。
4)對(duì)于j=3,4…,計(jì)算第j個(gè)殘差,rj=<M(rj-1+βj-1Ejω(i))>和第j個(gè)模態(tài)分量IMFj=rj-1-rj。
重復(fù)步驟4)獲得所有殘差數(shù)量和IMFs。
在EMD 分解過(guò)程中,信號(hào)的兩端端點(diǎn)處不存在極大值點(diǎn)和極小值點(diǎn)共存的情況,因此分解時(shí)會(huì)產(chǎn)生端點(diǎn)效應(yīng),經(jīng)過(guò)累積,嚴(yán)重時(shí)可能整個(gè)數(shù)據(jù)序列會(huì)丟失本來(lái)的實(shí)際意義。唯一的解決方法是在信號(hào)兩端增加極小值點(diǎn)和極大值點(diǎn),常用的處理方法有鏡像法、神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法、多項(xiàng)式外延方法等。本文采用長(zhǎng)數(shù)據(jù)序列截取的方法[11]。具體方法為:假定既定觀測(cè)時(shí)間為t的信號(hào),選取數(shù)據(jù)信息時(shí),在信號(hào)前后兩端各增加Δt的選取時(shí)間,即實(shí)際觀測(cè)t+Δt長(zhǎng)的時(shí)間序列,然后對(duì)其進(jìn)行模態(tài)分解,把去掉IMF分量?jī)啥烁鳓時(shí)間的序列作為最終結(jié)果。截取的時(shí)間越長(zhǎng),解決端點(diǎn)效應(yīng)的效果越好,左右兩端各截取信號(hào)一半周期的數(shù)據(jù)長(zhǎng)度,效果就會(huì)優(yōu)于Rilling提出的改進(jìn)算法。
在評(píng)判信號(hào)混亂程度時(shí),通常采用熵值這一指標(biāo)來(lái)衡量。有三種計(jì)算方法,分別為近似熵、樣本熵和模糊熵。模糊熵不僅具有前二者的優(yōu)點(diǎn),還提高了在提取過(guò)程中熵值的連續(xù)性和原信號(hào)的獨(dú)立程度,增加了信號(hào)的魯棒性。本文的雷達(dá)信號(hào)特征分析采用模糊熵來(lái)提取。
1)定義N點(diǎn)采樣序列為[u(1),u(2),…,u(N)]。
2)定義相似容限度r和相空間維數(shù)為m,重構(gòu)相空間:X(i)=[u(i),u(i+1),…,u(i+m-1)-u0(i)],其中i=1,2,3,…,N-m+1,u0=
4)對(duì)于每個(gè)i,求其平均值,得到
6)故模糊熵為
當(dāng)N為有限值時(shí),得到模糊熵估計(jì)值:
上述函數(shù)中m取值為3,n取值為2,r取值為0.15。
先將每個(gè)模態(tài)分量IMFX與原始雷達(dá)信號(hào)利用
計(jì)算出(k+1)個(gè)自相關(guān)函數(shù)Rx,Rμ1,Rμ2,Rμ1…Rμk,然后將自相關(guān)函數(shù)歸一化處理,分別求出Rx與Rμ1,Rμ2,Rμ1…Rμk的相關(guān)系數(shù),計(jì)算公式為
式中,N為信號(hào)的點(diǎn)數(shù),μj為第j個(gè)模態(tài)。
相關(guān)系數(shù)篩選準(zhǔn)則[12]:
如果相關(guān)系數(shù)的值大于ρ,則表明該模態(tài)分量與原始雷達(dá)信號(hào)的相似性大。
本實(shí)驗(yàn)采用工作頻率為57.1~63.9 GHz毫米波雷達(dá)芯片,在人體可接受的頻率范圍內(nèi)。人體呼吸頻率在[0.1~0.5 Hz]區(qū)間,心跳頻率在[0.8~2 Hz]區(qū)間。本文設(shè)置的幀周期為10 ms,即慢時(shí)間采樣率為100 Hz,滿足奈奎斯特采樣定理。一幀由多個(gè)鋸齒波組成,本論文一幀設(shè)置為1個(gè)鋸齒波。雷達(dá)的具體參數(shù)如表1所示。
表1 FMCW 雷達(dá)參數(shù)
為了獲得較好的實(shí)驗(yàn)效果,實(shí)驗(yàn)環(huán)境周圍無(wú)異動(dòng),實(shí)驗(yàn)對(duì)象身體健康,無(wú)心臟和肺相關(guān)的疾病史,預(yù)先測(cè)量人體正常狀態(tài)時(shí)的呼吸頻率為0.294 Hz(17.6 次/分鐘),心跳頻率為1.61 Hz(96.6 次/分鐘)。將實(shí)驗(yàn)對(duì)象的心臟位置與雷達(dá)放在相同高度處,人體保持正常狀態(tài),同時(shí)通過(guò)佩戴脈搏測(cè)量?jī)x器來(lái)得到參考的心率值,形成對(duì)比試驗(yàn)。圖5與圖6為FMCW 雷達(dá)檢測(cè)人體生命體征信息的實(shí)驗(yàn)環(huán)境與裝置。
圖5 實(shí)驗(yàn)測(cè)量
圖6 實(shí)驗(yàn)設(shè)備
對(duì)得到的每一個(gè)中頻信號(hào)經(jīng)過(guò)預(yù)處理后采樣128 個(gè)點(diǎn)做距離維FFT 變換,并可以得到頻率最大值,既定的慢時(shí)間觀察窗口為20.48 s,如圖7和圖8所示。呼吸頻率為0.293 Hz,周期約為3.41 s。半個(gè)周期約為1.7 s。故本論文實(shí)際觀察窗口為24.48 s,如圖9和圖10所示。得到待測(cè)人員距離和慢時(shí)間軸的關(guān)系圖如圖11所示。黃顏色區(qū)域即為目標(biāo)所處位置[13],處在22單元距離處,雷達(dá)距離分辨率為2.4 cm,即實(shí)驗(yàn)對(duì)象距離雷達(dá)為52.80 cm。
圖7 20.48 s生命信號(hào)
圖8 預(yù)處理后的20.48 s生命信號(hào)
圖9 24.48 s生命信號(hào)
圖10 預(yù)處理后的24.48 s生命信號(hào)
圖11 距離和慢時(shí)間軸關(guān)系
將得到的雷達(dá)信號(hào),經(jīng)過(guò)濾波處理后對(duì)其進(jìn)行CEEMDAN、ICEEMDAN 分解,得到若干個(gè)IMF分量和一個(gè)殘差信號(hào)。隨著分解次數(shù)增多,IMF信號(hào)的頻率在降低,即IMF所包含的特征時(shí)間尺度不同。把去掉IMF分量?jī)啥? s的IMF作為最終結(jié)果。
為了驗(yàn)證算法ICEEMDAN 在降低模態(tài)分量噪聲和減少虛假分量的效果,分別對(duì)信號(hào)進(jìn)行24.48 s和20.48 s 的CEEMDAN 和ICEEMDAN 得到圖12、圖13、圖14和圖15的時(shí)域分解結(jié)果。
圖12 24.48 s CEEMDAN分解
圖13 20.48 s CEEMDAN分解
圖14 24.48 s ICEEMDAN分解
圖15 20.48 s ICEEMDAN分解
分解時(shí),會(huì)產(chǎn)生信號(hào)畸變,使分解前后的能量產(chǎn)生偏差。故可利用CEEMDAN、ICEEMDAN 分解前后的能量來(lái)評(píng)估模態(tài)分量中的殘余噪聲和虛假分量的現(xiàn)象。計(jì)算CEEMDAN、ICEEMDAN 分解得到的各IMF和原始信號(hào)的均方根的有效值:
式中,RMS為信號(hào)有效值,n為信號(hào)的采樣點(diǎn)數(shù),s(i)為信號(hào)序列。
評(píng)價(jià)指標(biāo)β為將原始信號(hào)有效值和各IMF 信號(hào)的有效值的總和作比較得出,見(jiàn)式(14)。
式中,RMS0為原始信號(hào)的有效值,RMSi為第i個(gè)IMF模態(tài)分量的有效值,n為IMF的總數(shù)量。
表2為CEEMDAN、ICEEMDAN 分解原始雷達(dá)信號(hào)的參數(shù)和結(jié)果比較。
表2 CEEMDAN和ICEEMDAN分解參數(shù)
β1為分別對(duì)20.48 s 的時(shí)間序列做CEEMDAN和ICEEMDAN 分解。β2為分別對(duì)24.48 s的時(shí)間序列分別做CEEMDAN+長(zhǎng)數(shù)據(jù)序列截取和ICEEMDAN+長(zhǎng)數(shù)據(jù)序列截取分解,由表2可知,ICEEMDAN比CEEMDAN算法降低了模態(tài)分量中的殘余噪聲和虛假分量。長(zhǎng)數(shù)據(jù)序列截取的方法主要來(lái)解決端點(diǎn)效應(yīng),從而可以使得ICEEMDAN+長(zhǎng)數(shù)據(jù)序列截取的方法能進(jìn)一步提高模態(tài)分解的準(zhǔn)確性和真實(shí)性。
ICEEMDAN 分解雷達(dá)信號(hào)得到若干個(gè)從高頻到低頻分布的模態(tài)分量,頻率越高的模態(tài)分量包含的噪聲越多,為了進(jìn)一步提高重構(gòu)的呼吸和心跳信號(hào)的準(zhǔn)確性,需要對(duì)分解之后的信號(hào)進(jìn)行去噪處理。通過(guò)計(jì)算各個(gè)模態(tài)分量的模糊熵來(lái)量化含有噪音的模態(tài)分量信號(hào),如表3所示。如果模態(tài)分量的模糊熵值大于1×10-3,就表明該IMF 含有較多噪聲,需要進(jìn)行去噪。
表3 模糊熵值
將得到的前6個(gè)模態(tài)分量進(jìn)行去噪處理,得到去噪后的信號(hào)及其頻譜圖,如圖16和圖17所示。符合心跳信號(hào)頻率的IMF 分量是IMF6 和IMF7;符合呼吸信號(hào)頻率的IMF 分量是IMF8、IMF9 和IMF10。
圖16 去噪后的IMF信號(hào)
圖17 去噪后的IMF頻譜
在心跳和呼吸頻帶范圍內(nèi)的信號(hào)能量記為Eh(j)和Eb(j),所有IMF 分量在頻域的總能量,記為E(j)。心跳信號(hào)和呼吸信號(hào)在頻域的能量相對(duì)總能量的比值記為ε,
實(shí)驗(yàn)發(fā)現(xiàn),ε取值太小,其他分量會(huì)被干擾提取效果,取值太大,反映生命信號(hào)的分量會(huì)被濾除。故ε的取值關(guān)乎能否正確提取呼吸和心跳信號(hào),并且計(jì)算IMF 分量與原始信號(hào)的相關(guān)性。得到相關(guān)性和能量閾值法如圖18所示,相關(guān)性的閾值為0.25,能量閾值法的閾值為0.5。
圖18 相關(guān)性和能量閾值
相關(guān)性高的分量有IMF8 和IMF9,在呼吸頻帶范圍內(nèi)有IMF8、IMF9 分量的值大于閾值0.5,而在心跳頻帶范圍內(nèi)則是IMF6 分量。故經(jīng)過(guò)綜合分析,采用IMF6 和IMF7 重構(gòu)心跳信號(hào),IMF8 和IMF9 重構(gòu)呼吸信號(hào)。提取重構(gòu)的呼吸頻率為0.293 Hz,心跳頻率為1.66 Hz,與實(shí)際人體呼吸頻率0.294 Hz(17.6 次/分鐘),心跳頻率為1.61 Hz(96.6 次/分鐘)的結(jié)果在誤差范圍內(nèi)。人體正常生命體征信號(hào)指標(biāo)如表4所示。
表4 成人生命信號(hào)頻率值
圖19和圖21為采用CEEMDAN 的方法提取得到的心跳和呼吸信號(hào)及其頻譜;圖20和圖22為采用ICEEMDAN+長(zhǎng)數(shù)據(jù)序列截取的方法提取得到的心跳和呼吸信號(hào)及其頻譜。分析可知雖然CEEMDAN 的方式能夠提取出心跳和呼吸信號(hào),但是本文提出的方法在此基礎(chǔ)上能夠明顯抑制雜波信號(hào)的干擾,生命信號(hào)的譜峰更加集中,有效地解決了從含有噪聲的雷達(dá)信號(hào)中,特別是不易從呼吸諧波和噪聲中準(zhǔn)確提取出心跳信號(hào)的問(wèn)題。
圖19 CEEMDAN方法提取的心跳信號(hào)
圖20 ICEEMDAN方法提取的心跳信號(hào)
圖21 CEEMDAN方法提取的呼吸信號(hào)
圖22 ICEEMDAN方法提取的呼吸信號(hào)
對(duì)上述兩種分解方式得到的信號(hào),進(jìn)行信噪比分析。信噪比定義如式(17):
式中,∑s2(f)為信號(hào)頻譜的總能量,s2(l)為生命信號(hào)的頻譜峰值。
如表5所示,方法1 為CEEMDAN 分解;方法2為ICEEMDAN+長(zhǎng)數(shù)據(jù)序列截取方式。從表5可知,呼吸信號(hào)的信噪比提高1.53 dB,提升29%。心跳信號(hào)的信噪比平均提高1.33 dB,心跳信號(hào)提升11%。
表5 信噪比的結(jié)果
為了能夠更加準(zhǔn)確地提取呼吸和心跳信號(hào),本文提出了一種基于ICEEMDAN 和長(zhǎng)數(shù)據(jù)序列截取的雷達(dá)生命信息提取算法,將經(jīng)過(guò)預(yù)處理的雷達(dá)信號(hào)進(jìn)行ICEEMDAN 分解,把去掉IMF 分量?jī)啥烁? s的時(shí)間序列作為最終分解結(jié)果。并將含噪的IMF信號(hào)進(jìn)行去噪處理,根據(jù)各個(gè)IMF信號(hào)的相關(guān)性和能量閾值來(lái)重構(gòu)呼吸和心跳信號(hào),通過(guò)這種算法,提高了生命信號(hào)的魯棒性,能從雷達(dá)信號(hào)中準(zhǔn)確提取呼吸和心跳信號(hào),有效解決了雜波干擾和噪音的問(wèn)題,提高了提取信號(hào)的真實(shí)性和準(zhǔn)確性。通過(guò)仿真設(shè)計(jì)驗(yàn)證了所提方案的有效性和可行性,具有較好的去噪性能,可應(yīng)用于醫(yī)療和養(yǎng)老機(jī)構(gòu)的健康檢測(cè)。在未來(lái)工作中,在提高雷達(dá)提取生命信息的準(zhǔn)確性的基礎(chǔ)上能夠?qū)崿F(xiàn)對(duì)多人同時(shí)進(jìn)行準(zhǔn)確檢測(cè)。