不同身體姿勢對雷達式生命體征監測系統的影響

張華，祁富貴，王帥杰，李釗，路國華，王健琪

第四軍醫大學 生物醫學工程學院，陜西 西安 710032

不同身體姿勢對雷達式生命體征監測系統的影響

張華，祁富貴，王帥杰，李釗，路國華，王健琪

第四軍醫大學 生物醫學工程學院，陜西 西安 710032

目的 研究在生物雷達監護系統中，不同的身體姿勢對雷達回波信號提取生命體征參數的影響。方法 設計實驗采用監護過程中最常見的平躺和坐姿兩種姿勢，研究上述姿勢的生物雷達回波信號分析方法，提出改進自適應對消濾波算法。結果 兩種姿勢下，自適應抵消器輸出濾波信號的中心頻率與同步監測的心跳信號頻率一致，且位于該點的信號能量最強。結論 運用改進的自適應對消濾波算法能夠在不同的姿勢狀態下，得到有效的生命體征參數呼吸和心跳信號。

生物雷達；自適應對消；身體姿勢；回波信號；監測系統

引言

在生命體健康監護的系統中，常規的生命體征監測方法，如：心電圖（Electrocardiograph，ECG），呼吸式綁帶，脈搏式壓敏傳感器等，大多配置有傳感器，需要與人體進行接觸。一些特殊的應用場景，燒傷、嬰幼兒、睡眠狀態監測等，接觸式的監測方法受到限制[1-3]。連續波生物雷達發射電磁波，接收回波信號，通過后續的信號處理方法得到監測對象的生命體征參數，屬于一種新的生命信息監測手段。其在非接觸、可穿透方面具有顯著優勢，且可脫離醫院的固定場所實時動態的得到監測對象的生命特征呼吸和心跳的參數。在健康監護和家庭醫療領域有很好的應用潛力。

本文旨在研究雷達式生命參數監護系統中，不同身體姿勢對雷達回波信號影響；應用改進的信號處理算法，針對不同狀態得到的回波信號進行分析，得到相應的呼吸和心跳信號特征參數和波形。設計了基于雷達式生命參數監測系統的模擬監護的人體平躺實驗和人體坐姿實驗。

1 實驗設計

1.1 實驗對象

本研究4名男性、3名女性參與該次實驗，實驗對象的平均年齡為（25±2）歲，身體狀況良好、呼吸和心跳自感無任何異常，無既往病史。在實驗開始前實驗對象對基于雷達式非接觸檢測生命體征系統工作中實驗信號的采集方式、雷達工作模式都了解，實驗前知情同意。

1.2 儀器與設備

實驗平臺采用連續波雷達（3 mm波，頻率為94 GHz），雷達的發射端和接收端分開，最大的輻射功率為10 mW，雷達天線據實驗對象正上方3 m的高度；雷達的回波信號經過模擬預處理對信號放大和濾波，輸出的信號通過多導生理監測儀PowerLab（ADI公司，澳大利亞）采集，LabChart為配套的信號采集軟件（ADI公司，澳大利亞）[4-5]。為了比較監測的心跳信號準確性，同步采集心電信號作為對照，電極拾取心電信號由導線通過多導生理參數記錄儀的ECG 100C心電放大器輸入分析軟件系統。

1.3 實驗要求

首先打開雷達，在無實驗對象時空采，記錄系統和通道的系統噪聲。進入實驗對象，同步采集并記錄心電信號。雷達采集的呼吸和體動數據及心電放大器同步采集的心電信號由16通道多導生理參數記錄儀的A/D采集卡輸入計算機，記錄并進行后續的信號處理。多導生理參數記錄儀呼吸、體動信號采集參數設置為：采樣頻率200 Hz，采樣時間為4 min連續采樣，并自動存儲數據。

1.4 實驗過程

本文實驗設計選擇兩個人體主要的姿勢進行監測，模擬監護對象平躺實驗和坐姿實驗[6-9]。在平躺實驗過程中監護對象取平躺，正常自由呼吸模式，雷達位于監護對象正上方3 m處。在坐姿實驗過程中監護對象取坐姿，平靜自由呼吸模式，雷達和數據采集系統位于監護對象正前方3 m處。在數據采集過程中告知實驗對象盡量避免身體的晃動，減少干擾。雷達的回波信號經過模擬預處理對信號放大和濾波，輸出的信號通過多導生理監測儀PowerLab采集，LabChart為配套的信號采集軟件。為了比較監測得到的心跳信號準確性，同步采集心電信號作為對照，電極拾取心電信號由導線通過多導生理參數記錄儀的ECG 100C心電放大器輸入分析軟件系統。

2 改進自適應噪聲抵消算法

2.1 自適應噪聲抵消算法

自適應噪聲抵消技術的基本原理是將含有噪聲的原始信號與參考信號進行抵消運算，以此消除帶噪信號中的噪聲[10-17]。其實質上是一種維納濾波器，是可以自動調節濾波參數的特殊維納濾波器。濾波器設計事先不需要知道關于輸入信號和噪聲的統計特性的，濾波器在工作過程中逐漸了解或估計出信號的統計特性，并自適應的調整濾波器參數以達到最佳濾波效果。算法原理，見圖1。

其中一路信號s受到噪聲的影響，回波信號中疊加有噪聲n0，兩者不相關，將s+n0作為自適應噪聲抵消器的原始信號輸入。另一路信號n1作為自適應抵消器的參考輸入信號，與s沒有相關性，但存在與n0某種相關性（n0和n1兩者相關方式未知）。經過濾波器處理n1得到與n0相近的估計y，原始輸入信號減去y，得到抵消器的輸出值s+n0-y即為期望得到的信號值。

圖1 自適應噪聲抵消算法

2.2 改進自適應噪聲抵消算法

改進自適應噪聲抵消算法設置呼吸信號的諧波組合為濾波器的參考輸入信號，體動路的信號為原始輸入信號，通過自適應噪聲抵消器，得到分離的濾波后信號，即監測的心跳信號。算法的實現框圖，見圖2。

圖2 自適應諧波抵消算法框圖

算法在基于LMS準則下自適應的調整濾波器的系數，得到最佳的濾波后輸出為心跳信號。LMS自適應算法是使得期望信號與濾波器的輸出信號之間產生的誤差，差值的均方最小為準則。由輸入信號估計梯度矢量，在迭代的過程中自適應的更新權值，以達到最優的迭代算法[7-10]。

3 結果與討論

3.1 模擬平躺實驗

平躺實驗，平躺原始信號圖，見圖3。經濾波器輸出信號頻譜圖，見圖4，顯示在1.098 Hz處的能量值最大，且周圍的頻率點能量值遠低于該點。通過與同步監測的心電信號對比分析，心電圖顯示實驗對象的心率為1.078 Hz，所以可以證實濾波后輸出的波形中，1.098 Hz處對應的即為心跳信號，但是由于干擾等原因存在誤差。所以當實驗對象平躺時，基于LMS改進的自適應噪聲抵消算法可以從體動路混合信號中得到心跳信號，對噪聲有一定的抑制效果，但是對噪聲的抑制效果不是很理想。同時輸出的心跳信號頻率與心電信號的頻率值存在誤差。

3.2 模擬坐姿實驗

坐姿實驗中，采集原始信號波形，見圖5。該信號經自適應濾波器，輸出信號的頻譜，見圖6。顯示在1.584 Hz處的信號幅值最大，其他頻率點的幅值較小能量被抑制，則1.584 Hz處的幅值相對被增強效果顯著。同步測量心電信號該實驗對象的心電頻率為1.312 Hz，則說明在濾波輸出信號頻譜中1.584 Hz處的信號為心跳信號，由此說明通過基于LMS改進的自適應噪聲抵消算法可以在實驗對象坐姿的狀態下從體動信號中分離出心跳信號，對其他頻率成分有一定的抑制效果。但是由于輸入體動信號中疊加的噪聲干擾與心跳信號頻率很接近，所以給分離帶來了困難，分離后得到的心率與心電信號對應的心率存在誤差較大，兩者頻率值相差為0.27 Hz。在后續的信號分離算法中要進一步的研究作為參考信號輸入的呼吸信號諧波怎樣構造。

圖3 平躺原始信號圖

圖4 平躺濾波后信號頻譜圖

圖5 坐姿原始信號波形圖

4 結論

實驗結果表明，平躺時心電記錄儀檢測的心電信號和濾波后心跳信號的心率值誤差為0.02 Hz，坐姿實驗中的心率誤差為0.252 Hz。所以當實驗對象平躺時監測得到的心跳信號心率的準確性要遠高于坐姿狀態下的對應值。

圖6 坐姿濾波后信號頻譜圖

生物雷達具有非接觸、可穿透的優點，廣泛用于家庭、醫院等健康監護場景，通過本文的實驗研究，當檢測對象處于平躺姿勢，在監護過程中得到的心跳信號的特征參數準確性要高于坐姿狀態。因此，在生物雷達監護系統中，被監護對象采用平躺的姿勢得到的心跳信號特征參數與該對象的心電信號相一致，誤差較小，更真實的反映監護對象的生命體征狀態。

[1] Li C,Xiao Y,Lin J.Experiment and spectral analysis of a lowpower-band heartbeat detector measuring from four sides of a human body[J].IEEE T Microw Theory,2006,54(12):4464-4471.

[2] Li P,Wang DC.A quadrature Doppler radar system for sensing human respiration and heart rates[A].International Conference on Signal Processing Proceedings[C].New York:IEEE,2010: 2235-2238.

[3] Kiriazi JE,Boric-Lubecke O,Lubecke VM.Dual-frequency technique for assessment of cardiopulmonary effective RCS and displacement[J].IEEE Sens J,2012,12(3):574-582.

[4] 王曦澤,胡巍,王云峰,等.非接觸式體征監測及智能移動終端算法的實現[J].北京生物醫學工程,2014,33(6):258-263.

[5] 楊芳,張華,李盛,等.生物雷達檢測中呼吸和心跳實時分離技術的研究[J].醫療衛生裝備,2014,35(7):28-30.

[6] Droitcour AD,Boric-Lubecke O,Lubecke VM,et al.0.25/spl mu/m CMOS and BiCMOS single-chip direct-conversion Doppler radars for remote sensing of vital signs[A].Solid-State Circuits Conference,2002 Digest of Technical Papers[C].New York:IEEE,2002:348-349.

[7] Droitcour AD,Boric-Lubecke O,Lubecke VM,et al.Range correlation effect on ISM band I/Q CMOS radar for non-contact vital signs sensing[A].Microwave Symposium Digest,2003 IEEE MTT-S International[C].New York:IEEE,2003:1945-1948.

[8] Immoreev I,Tao TH.UWB radar for patient monitoring[J].IEEE Aero El Sys Mag,2008,23(11):11-18.

[9] Vergara AM,Lubecke VM.Data Acquisition system for doppler radar vital-sign monitor[A].Engineering in Medicine and Biology Society[C].New York:IEEE,2007:2269-2272.

[10] 張蘭勇,周俊成,李冰,等.自適應噪聲譜估計抵消技術及其應用[J].哈爾濱工業大學學報,2015,47(9):31-35.

[11] 何振亞.自適應信號處理[M].北京:電子工業出版社,2006.

[12] Diniz PSR,自適應濾波算法與實現[M].劉郁林,景曉軍,譚剛兵,等,譯.北京:電子工業出版社,2004:121-135.

[13] Morgan DR,Zierdt MG.Novel signal processing techniques for Doppler radar cardiopulmonary sensing[J].IEEE T Signal Proces,2009,89(1):45-66.

[14] 汪潮,單家方.一種新的變步長LMS自適應濾波算法仿真及性能分析[J].科技通報,2015,31(1):87-89.

[15] 張紅梅, 韓萬剛.一種新的變步長LMS自適應濾波算法研究及其應用[J].儀器儀表學報,2015,36(8):1822-1830.

[16] 王瑜琳,田學隆,高雪利.自適應語音濾波增強算法改進及其DSP實現[J].計算機工程與應用,2015,52(1):208-212.

[17] 孟晉麗,傅有光,陳翼,等.基于自適應濾波的雷達目標-干擾分離技術[J].現代雷達,2015,37(4):39-42.

本文編輯 袁雋玲

Effect of Different Body Posture on the Bio-radar Signal Monitoring System

ZHANG Hua, QI Fu-gui, WANG Shuai-jie, LI Zhao, LU Guo-hua, WANG Jian-qi
School of Biomedical Engineering, the Fourth Military Medical University, Xi’an Shaanxi 710032, China

Objective The present study was to perform research on the effect of different body posture on the radar echo signal to extract the vital signs parameters in the biological radar monitoring system. Methods The most common two positions lie on your back and sit were taken as the posture in the monitoring processing. The pose of radar echo signal analysis method was studied, and an improved adaptive cancellation filter algorithm was put forward. Results The center of the adaptive canceller output filtering signal frequency and synchronous monitoring heartbeat signal frequency was consistent under these two postures, and the strongest signal energy point was located in the center of the adaptive canceller output. Conclusion Effective vital signs parameters of breathing and heartbeat signals could be gained via using the improved adaptive cancellation filter algorithm under different postures.

bio-radar; adaptive cancellation filter; body posture; echo signal; monitoring system

TN959

A

10.3969/j.issn.1674-1633.2017.06.008

1674-1633(2017)06-0028-04

2016-11-18

2017-04-11

國家科技支撐計劃（2014BAK12B01）。

路國華，副教授，主要研究方向為基于生物雷達的信號處理。

通訊作者郵箱：lugh1976@fmmu.edu.cn