[发明专利]一种基于线谱跟踪的生命信号特征提取方法

权利要求书

1.一种基于线谱跟踪的生命信号特征提取方法，所述生命信号为呼吸信号和心跳信号，其特征在于，包括如下步骤：

(1)对目标的生命信号引起的胸腔运动进行建模，得到目标与雷达的距离为：

R(t)＝R₀-a(t)

其中，R₀为目标的初始距离，a(t)为生命信号引起的胸腔运动的模型；

(2)LFMCW毫米波雷达连续发射N个调频信号，对每一个雷达回波信号进行Deramp混频处理，获得中频信号；

利用傅里叶变换从中频信号中获取目标的位置和相位信息，N个调频信号的回波得到N个相位信息，构成长度为N的一维向量Φ＝(φ₁,φ₂,…,φ_N)；其中φ_k为第k个调频信号回波得到的相位；

(3)设置长度为M的窗函数，重叠点数为L，对Φ进行短时傅里叶变换，获得M×K维的时频谱矩阵P_s，其中K＝fix([N-(M-L)])/L，fix为取整操作；

(4)选取频率范围为[0.1,0.5]Hz频谱数据，构建第一隐马尔科夫线谱跟踪模型Γ₁＝(Ψ,Ω,ξ)；其中Ψ、Ω、ξ分别为第一隐马尔科夫线谱跟踪模型的状态转移矩阵、观测概率矩阵和初始概率；

(5)将K列频谱P_s均匀划分成Q组，每组数据块为P列，将每组的P列数据作为观测量序列，利用Viterbi算法计算第一隐马尔科夫线谱跟踪模型每组观测量序列对应的最优状态序列，将Q组最优状态序列拼接起来，即得到各时刻的呼吸频率所在的频率单元；

(6)选取频率范围为[0.5,3]Hz频谱数据，并且将时频谱矩阵P_s中对应呼吸频率的多次谐波分量的元素置为零，得到第二时频谱矩阵P′_s，构建第二隐马尔科夫线谱跟踪模型Γ₂＝(Ψ,Ω′,ξ)；其中Ω′为第二隐马尔科夫线谱跟踪模型的观测概率矩阵；

(7)将K列频谱P′_s均匀划分成Q组，每组数据块为P列，将每组的P列数据作为观测量序列，利用Viterbi算法计算第二隐马尔科夫线谱跟踪模型每组观测量序列对应的最优状态序列，将Q组最优状态序列拼接起来，即得到各时刻的心跳频率所在的频率单元。

2.根据权利要求1所述的生命信号特征提取方法，其特征在于，所述生命信号引起的胸腔运动的模型为：

其中，R_ai表示呼吸波形的i次谐波的幅度，f_r表示呼吸频率，H_a表示心跳波形的幅度，f_h表示心跳频率，Num为最大谐波次数。