[发明专利]一种基于信道状态相位信息的生命体征监测方法

权利要求书

1.一种基于信道状态相位信息的生命体征监测方法，其特征在于，包括以下步骤：

S1、采集接发天线对上所有子载波上的信道状态信息(Channel State Information,CSI)数据；

S2、采用CSI的相位解卷及线性变换重构测量CSI相位实验数据；

S3、将重构后的CSI相位数据注入Hampel Filter滤波器分别滤除直流分量和高频噪声，输出带有周期性趋势的结果；

S4、子载波选择，计算子载波数据间的方差，选择与方差最大相对应的子载波；

S5、采用离散小波变换Discrete Wavelet Transform,DWT)进行时-频域变换提取生命特征，选择呼吸、心跳频率相对应频段的信号；

S6、呼吸频率：采用假峰值过滤及多载波峰值融合估计呼吸，根据信号之间的峰峰值的平均间隔P，计算出呼吸频率＝60/P；

S7、心跳频率：利用快速傅里叶(Fast Fourier Transformation,FFT)将多次离散小波变换结果从时域变换为频域，求出心跳频率。

2.根据权利要求1所述的一种基于信道状态相位信息的生命体征监测方法，其特征在于，所述步骤S1具体实现方法为：在尽可能保留有效相位信息的前提下，滤除因相移和时延引起的噪声，具体方法如下：

其中：k＝1,2,…,114为114个子载波序号，f_k＝-58,-57,…,-3,-2,2,3,…,57,58为OFDM副载波的频点指数；

3.根据权利要求1所述的一种基于信道状态相位信息的生命体征监测方法，其特征在于，所述步骤S3包含以下子步骤：

S31、采用大窗口的Hampel Filter滤波器，滤除异常值的同时捕获数据的原始趋势；

S32、利用原始CSI相位减去滤除异常点后的数据，使得滤除直流分量的数据尽可能的保留细节信息；

S33、采用小窗口的Hampel Filter滤波器，进一步消除外界环境引起的高频噪声；

4.根据权利要求1所述的一种基于信道状态相位信息的生命体征监测方法，其特征在于，所述步骤S4具体实现方法为：由于频率的多样性，导致不同子载波的相位对于生命体征的感知存在差异。本发明利用方差的大小来选择有效子载波，如下式所示：

其中：是第k个子载波的方差，threshold是判断方差大小的阈值；

5.根据权利要求1所述的一种基于信道状态相位信息的生命体征监测方法，其特征在于，所述步骤S5具体实现方法为：滤除直流分量和高频噪声后的CSI相位数据可以表示为：离散小波变换可以将其分解为不同频段下的信号，如下：

其中：是矫正后的相位差，L是分解次数，n是数据包，是整数，φ’s和是小波基，是近似系数，是细节系数；

6.根据权利要求1所述的一种基于信道状态相位信息的生命体征监测方法，其特征在于，所述步骤S6具体实现方法为：本发明利用CSI相位之间的峰峰值来确定呼吸周期，由于典型的峰峰值算法是比较数据样本与相邻样本大小来确定峰值，容易导致假峰值。本发明利用将所选峰值与以峰值为中心的验证窗口内的多个数据样本进行比较，确认所识别的峰值。只有当所识别的峰值大于验证窗口中的所有数据样本值时，才会保留所识别的峰值。当捕获到所选子载波的局部峰值后，由于不同子载波对于微弱运动存在感知差异，本文通过结合所选子载波的峰间间隔估计呼吸频率，呼吸周期E如下式所示：

其中：l_k(m)是第k个子载波第m个峰值间隔，最终的呼吸频率为60/E；

7.根据权利要求1所述的一种基于信道状态相位信息的生命体征监测方法，其特征在于，所述步骤S7具体实现方法为：心跳作为生命体征监测的重要指标，与呼吸一样是周期性信号，然而心跳引起的胸腔振动更加微弱。本发明采用FFT算法将其变换到频域，公式如下所示：

其中：是第k个子载波第l次DWT变换的细节系数，λ是d_k(n)的数据长度。