[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

说明书

本发明公开了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、呼吸心跳监测模块。雷达生命信号提取模块，用于对雷达回波原始信号进行预处理，滤除杂波干扰，准确提取出含有被测人体生命体征的雷达生命信号；生命体征分离模块，用于采用LMS自适应算法，实现对生命体征呼吸信号和心跳信号快速有效分离；呼吸心跳分类模块，用于训练轻量级神经网络MobileNetV2网络，分别对正常/异常呼吸信号和正常/异常心跳信号进行特征提取和分类；呼吸心跳监测模块，用于对被测人体呼吸心跳是否异常进行实时监测。

技术领域

本发明涉及雷达信号处理及呼吸心跳检测技术领域，尤其是涉及一种基于毫米波雷达和轻量级神经网络的呼吸心跳监测系统。

背景技术

人体的生命健康状态往往需要通过大量的生理数据来判断，因此呼吸、心跳、体温、血压等生理参数在生物医学领域起着至关重要的作用。呼吸和心跳参数是人体心肺活动是否正常的重要判断依据，人体的心肺活动直接影响各个器官和肌肉的活动，很多突发疾病的发生通常会导致人体的心肺活动发生异常，所以对人体呼吸和心跳参数的监测在医学监护等领域具有非常重要的意义。

传统的呼吸心跳检测方法基本多为接触式测量法，需要通过电极、传感器等和被测量者接触，在很多场合这些接触式的测量方法并不适用。非接触式生命信号检测技术可以在不接触检测目标的情况下实现远距离的生命信号检测，也可以穿过一些特定的障碍物实施检测，为一些特殊场景的生命信号检测提供了方便、快捷的手段。随着生物医学工程技术的发展，雷达技术开始应用于生命信号检测领域。基于雷达的非接触式生命信号检测技术具有很强的穿透能力和抗干扰能力，并可以做到全天24小时不间断地工作。基于雷达的生命信号检测技术的基本原理为：雷达发射特定波形的电磁波，照射到运动的胸腔壁后产生回波，经过人体胸腔壁调制后的回波包含有胸腔的位移信息，而人体的呼吸和心跳活动会导致胸腔有规律地的运动，所以对雷达混频后的中频信号进行相应的处理便能够得到目标人体的呼吸和心跳信号。

智能医疗系统对被测人体呼吸和心跳信号进行有效分离后，还需对呼吸心跳是否异常进行判断，以便及时发现危险和疾病。而目前深度学习已在各大热门领域得到广泛应用，尤其是在图像识别方面有突出的贡献，例如图像分类、目标检测、语义分割及实例分割等，都已出现大量优秀的网络来对目标作相应的处理。因此可以结合深度学习的优势，对人体呼吸心跳是否异常进行分类识别。在深度学习中典型的卷积神经网络为AlexNet、ResNet、GoogLeNet等，这些网络通常应用在高速的设备上，而呼吸心跳的检测设备通常较小，便于随身携带，例如移动设备或嵌入式设备等，这些设备无法支持大型网络的运行，而近年来随着移动设备的广泛使用，轻量级卷积神经网络相对上述网络来说规模小，同时在小型设备上还能保持和大型网络同样的检测精度，因此，轻量级卷积神经网络为智能医疗系统提供了一种新方法。MobileNetV2网络是2018年Google公司推出的第二代轻量级卷积神经网络，相比于第一代网络，该网络提出了一种线性残差模块，该模块对输入的数据先进行升维，做完卷积后再对数据进行降维，充分利用了内存，进一步减少内存占用，在速度和精度的权衡方面达到了当前最优水平。

发明内容

为解决现有技术的不足，实现通过毫米波雷达和轻量级神经网络对呼吸心跳进行监测的目的，本发明采用如下的技术方案：

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；

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(Least Mean Square，LMS)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；