[发明专利]一种无接触式呼吸或心跳检测方法

说明书

本发明涉及无线感知技术领域，特别涉及一种无接触式呼吸或心跳检测方法，方法的步骤包括：S1，根据输出的无线信号和被测目标反射回来的无线信号，获取无线信号的信道状态信息；S2，从无线信号的信道状态信息中提取出生命体征波形信号；S3，对生命体征波形信号进行基于Huber‑Kalman滤波算法的滤波，得到滤波后的生命体征波形信号；S4，从滤波后的生命体征波形信号中提取出生命体征参数。本发明的方法中利用Huber目标函数对经典Kalman滤波算法进行了改进，采用Huber‑Kalman滤波算法进行滤波处理，使得人体生命体征检测方法更具有鲁棒性，提取出的生命体征参数能更准确的反应人体的生命体征。

技术领域

本发明涉及无线感知技术领域，特别涉及一种无接触式呼吸或心跳检测方法。

背景技术

随着人类社会生活方式的变革和科技的发展，大家对健康有了更深的关注，对无处不在的生命体体征检测产生了浓厚的兴趣。传统的生命体征监测方法都要求佩戴特殊仪器，如手环或脉搏血氧计。这些技术使用起来很不方便，也很不舒服。基于Wi-Fi无线感知、无接触、易于部署、低成本长期生命体征监测的无接触式呼吸心跳检测方案极具吸引力。无接触式呼吸心跳检测可广泛应用于家庭场景、汽车场景，有效地检测被测目标的呼吸和心跳。

现有技术中，通常基于菲涅尔区的概念，用CSI的幅度信息来进行无接触式呼吸心跳检测。作为本发明最接近的现有技术，发明专利一种基于Wi-Fi信道状态信号的人体呼吸检测方法(公开号CN109998549A)给出了一种解决方案，通过对称设置的Wi-Fi接入点和监控点，搭建信道状态信号数据采集平台，并且建立菲涅尔场区，人体位于Wi-Fi接入点和监控点之间，基于Hampel滤波算法滤除异常值，挑选出方差最大的子载波，并且使用多分辨率离散小波变换将挑选出的子载波的CSI信号分解成不同尺度下的各个分量，从中提取出人体呼吸频率。

虽然该技术实现了对人体呼吸速率的检测，部署简单，但是仍然存在一些问题，例如，上述方案中滤除异常值仅采用了常用的滤波算法，比如Hampel算法，在滤波阶段，并未考虑环境因素，也并未考虑误差的分布情况，会造成并不能滤除小误差，而只能滤除大的误差，滤波后的子载波信号仍然会存在干扰。以汽车使用场景为例，用Wi-Fi信号来检测生命体征会受到环境中动态的噪声影响。比如车在转弯的过程中，经过减速带的时候都会带来大误差，这些大误差在呼吸、心跳等生命体征的检测中，通过常规滤波算法就可以滤除，然而汽车驾驶的过程中发动机抖动或者是汽车经过小石子路时带来的微小抖动是一直存在的，这样的微小误差通过常规滤波算法的滤除效果欠佳，使得提取出的生命体征信号并不准确。因此现有技术中的方案，对环境要求较高，无法避免小误差的引入，无法适应实际的各种应用场景。

发明内容

本发明的目的在于，克服上述提到的常规滤波算法无法滤除微小误差的问题，将经典Kalman滤波算法进行改进，采用Huber目标函数(包括第一范数和第二范数)替换Kalman滤波算法中第二范数，在大误差和小误差之间做了平衡，利用Huber目标函数对经典Kalman滤波算法进行了改进，使得基于Wi-Fi信道状态信息的人体呼吸心跳检测方法更具有鲁棒性，可以应用于多种场景下。因此，提出了一种无接触式呼吸或心跳检测方法。

为了实现上述发明目的，本发明提供了以下技术方案：

一种无接触式呼吸或心跳检测方法，包括以下步骤：

S1，根据输出的无线信号和被测目标反射回来的无线信号，获取无线信号的信道状态信息；

S2，从无线信号的信道状态信息中提取出生命体征波形信号；

S3，对生命体征波形信号进行基于Huber-Kalman滤波算法的滤波，得到滤波后的生命体征波形信号，Huber-Kalman滤波算法采用Huber目标函数对Kalman滤波算法的公式进行更新；

S4，从滤波后的生命体征波形信号中提取出呼吸特征参数和/或心跳特征参数。