[发明专利]基于毫米波雷达和轻量级神经网络的呼吸心跳监测系统

权利要求书

1.基于毫米波雷达和轻量级神经网络的呼吸心跳监测系统，包括依次连接的雷达生命信号提取模块、生命体征分离模块、呼吸心跳分类模块和呼吸心跳监测模块，其特征在于：

所述雷达生命信号提取模块，用于对雷达回波信号进行预处理，得到距离信息去除目标距离单元以外的杂波干扰，提取雷达生命信号；

所述生命体征分离模块，用于使用最小均方自适应算法，实现对雷达生命信号中呼吸信号和心跳信号快速有效分离；

所述呼吸心跳分类模块，用于使用轻量级神经网络训练参数，提取输入数据的特征并对正常/异常呼吸或心跳进行分类识别；

所述呼吸心跳监测模块，用于利用训练好的网络模型对被检测人体呼吸和心跳信号进行监测，在分类结果显示异常时给出反馈。

2.如权利要求1所述的基于毫米波雷达和轻量级神经网络的呼吸心跳监测系统，其特征在于：所述雷达生命信号提取模块，通过对接收到的雷达中频信号进行快速傅里叶变换，得到每个距离点上时间信号的频谱，找到频谱中的最大幅值点，所述最大幅值点即为被测目标所在的距离单元，计算最大幅值点处的相位，并用所述相位减去上一个锯齿波的相位得到相位差，即可获得雷达生命信号。

3.如权利要求1所述的基于毫米波雷达和轻量级神经网络的呼吸心跳监测系统，其特征在于：所述生命体征分离模块，雷达生命信号为信号源s(n)＝h(n)+x(n)，其中h(n)为呼吸及其谐波的复合信号，x(n)表示心跳信号，经过如下步骤来分离呼吸、心跳信号：

S11，将提取到的雷达生命信号输入到截止频率为0.2-0.9Hz的带通滤波器中；

S12，对滤波器处理后的信号进行快速傅里叶变换，得到呼吸信号的频谱，从频谱中找到幅值最大的频点作为呼吸频率；

S13，根据呼吸频率重构出包含呼吸频率及其谐波频率的混合信号；

S14，将雷达生命信号s(n)作为自适应滤波器的输入信号，重构得到的混合信号作为自适应滤波器的参考信号，进行自适应滤波处理；

S15，根据雷达生命信号中呼吸频率的变化更新参考信号；

S16，重复步骤S11-S15，直到信号处理完毕；

S17，自适应滤波器的输出结果和雷达生命信号s(n)相减，便能得到心跳信号，实现呼吸信号和心跳信号的有效分离。

4.如权利要求1所述的基于毫米波雷达和轻量级神经网络的呼吸心跳监测系统，其特征在于：所述呼吸心跳分类模块，具体通过如下步骤对正常/异常呼吸或心跳进行分类识别：

S21，训练集中包含从不同人的雷达生命信号中有效分离出来的正常/异常心跳信号和正常/异常呼吸信号，将这些数据转换成二维图像，分别作为呼吸监测网络和心跳监测网络的输入；

S22，选用TensorFlow架构运行MobileNetV2网络，在MobileNetV2网络中，利用Pointwise卷积和Depthwise卷积，即PW卷积和DW卷积来提取高维特征，第一次PW和DW均使用非线性激活函数ReLU6，公式为：

ReLU6＝min(6,max(0,x))

其中，x表示第一次PW或DW卷积层的输出，第二次PW不采用非线性激活，保留线性特性，网络还在经过第一次PW扩张、一次DW特征提取和第二次PW压缩后加入残差连接，即将第一次PW的输入和第二次PW输出直接进行相加作为输出；

S23，分别保存训练好的呼吸监测网络模型和心跳监测网络模型。

5.如权利要求1所述的基于毫米波雷达和轻量级神经网络的呼吸心跳监测系统，其特征在于：所述呼吸心跳监测模块，使用训练好的呼吸监测网络对被测人体的呼吸信号进行实时分类，判断是否异常；使用保存好的心跳监测网络对被测人体的心跳信号进行实时分类，判断是否异常，在网络得到任意异常分类结果时，给出警告反馈。