连续波生物雷达体征检测装置与实验研究

胡 巍，王云峰，赵章琰，张海英

1 中国科学技术大学信息科学技术学院电子科学与技术系，合肥市，230027

2 中国科学院微电子研究所，北京市，100029

连续波生物雷达体征检测装置与实验研究

【作 者】胡 巍1,2，王云峰2，赵章琰2，张海英1,2

1 中国科学技术大学信息科学技术学院电子科学与技术系，合肥市，230027

2 中国科学院微电子研究所，北京市，100029

非接触式的生命体征检测技术能够为健康监护提供一种有效辅助手段。 该文使用微波雷达技术研制人体生命体征检测装置。根据多普勒原理设计连续波雷达电路实现人体微动信号检测；采用短时傅里叶变换与插值算法实现人体心率和呼吸频率参数提取；引入嵌入式平台实现装置的小型化设计和集成；编制嵌入式信号处理软件实现实时的信号处理、记录和显示。通过利用模拟装置和人体进行实验研究与性能评测，结果表明：检测系统可有效检测单个静止人体目标的生命体征，工作距离范围达90 cm，心率识别率达96%。

生物雷达；生命体征检测；连续波雷达；短时傅里叶变换

0 引言

作为一种新兴的生理信号检测方式，微波生物雷达可以检测人体心肺活动等生命体征信号。与传统的心电、脉搏等相比，它不仅是非接触式的，而且具有良好的穿透性，能够穿透衣服和被褥等障碍物进行检测，这些优势使得微波生物雷达技术在医疗诊断、健康监护、灾难救援等领域具有应用潜力[1-2]。目前，应用微波生物雷达技术的非接触式生命体征检测已有相关理论研究[3-6]；生物雷达收发机电路已有集成化设计的报道[7-9]；更多的研究正投入到雷达回波信号处理、人体运动或生理信息提取[10-12]，以及如何使生物雷达系统小型化[13-14]等方面。

面向医疗诊断、家庭健康监护等应用场合，微波生物雷达需要具有实用性强、便携性好、成本低等特点。针对这些需求，本文从连续波生物雷达原理出发，结合待测目标的特点讨论了检测原理和检测装置的软硬件设计问题；研制了完整的连续波生物雷达装置；基于嵌入式平台实现实时的人体心率和呼吸频率检测。通过实验验证了非接触体征检测的可行性，并对检测装置的接收信号功率、有效距离和检测准确度做了测定。

1 检测原理

微波生物雷达提供了一种非接触式的，具有一定穿透能力的检测生物体运动信息的手段。其中，连续波雷达利用电磁波的多普勒效应检测目标的位移、速度等运动信息，结构简单，接收信号易处理。连续波生物雷达向人体目标发射连续电磁波，同时接收人体体表反射的回波，通过回波信号的频率或相位的变化，提取和计算得到体表的微动信息。由于电磁波频率越高，在人体皮肤与空气界面上的反射越强，但同时在衣服被褥等障碍物上的反射也会增加，为了得到较高的检测精度，并减小杂波的功率，通常生物雷达选用(2.4～60) GHz的载频。在生理学方面，人体体表微动信息可反映人体的某些生理活动，如检测胸壁的振动可得到呼吸、心跳等心肺活动相关信息。正常人体的心搏运动能够引起的体表机械振动幅度为0.6 mm左右；由呼吸作用产生的幅度在(4～12) mm左右[15]。如果使用10 GHz频段的生物雷达来检测胸壁运动，每1 mm的胸壁位移将会引起最大25.2o的相位偏移，因而理论上，虽然胸壁振动幅度很小，反映在雷达基带的相位偏移量在载频足够高时仍然能够被分辨出来。

连续波生物雷达的前端射频电路通常采用直接变频结构，包括收发天线、匹配电路、振荡器、混频器、射频和模拟滤波器等。图1描述了连续波生物雷达射频前端原理图。假设人体目标在距离收发天线d0处产生周期运动x(t)，振荡器产生的正弦信号作为雷达发射信号T(t)（如式(1)，其中AT为发射信号幅度，f 为载波频率，φ(t)为振荡器产生的噪声），并同时提供给接收通路作为本振信号LO(t)，发射信号传播2d(t)的距离后变为接收信号R(t)（如式(2)，其中AR为接收信号幅度，c为电磁波传播速度，λ为载波的波长，θ0为接收通路引入的常数相位偏移）。接收信号在雷达接收机中与LO(t)信号混频并经过低通滤波得到基带信号输出B(t)，可近似写为式(3)的形式。B(t)表达式中，(4πd0/λ-θ0)是常数相位偏移，它与接收机本身参数有关，并随着目标与雷达之间的距离d0而变；第二个括号内的表达式为剩余相位噪声，距离d0越远剩余相位噪声越大。最后一项是与信号x(t)成正比的时变相位偏移，通过对它的解调提取可得目标运动信息。近似的，可以把B(t)的待解调相位看作是总相位偏移φ(d0)与时变相移4πx(t)/λ的和。

在单路接收机结构中，总相位偏移为π/2的整倍数时具有最高的相位解调精度，且当x(t)的幅度变化较小时可利用小角近似条件，B(t)近似的正比于4πx(t)/λ。本文中生物雷达生命体征的提取更关注信号的周期性信息，对波形的失真要求较低，因此直接进行有用信号的提取即可满足算法的需要。

图1 连续波生物雷达前端电路原理图Fig.1 CW bio-radar front-end diagram

2 实现方法

2.1 系统硬件设计

从生物雷达的接收信号中提取目标的心肺活动信息时，有用信号频率在(0.2～10) Hz之间且幅度微弱，连续波雷达前端电路需要足够高的信噪比，并对下变频后的接收信号进行直流偏移校正、信号放大、模拟带通滤波和模数转换，之后运用各种生理参数检测提取算法获得所需信息。本文生命体征检测装置的系统框图如图2所示。

图2 系统原理框图Fig.2 System block diagram

本文的雷达前端使用等幅正弦波发射，零中频接收机结构，雷达载波工作频段为10 GHz；收发所用天线为微带天线，以节省体积；模拟信号处理电路(ASP)实现信号的放大滤波和电平搬移，模拟滤波器使用0.1 Hz的下限截止频率以抑制直流偏移和低频噪声，使用100 Hz的上限截止频率防止信号发生采样混叠；模数转换使用16 bit高精度ADC；信号处理单元为嵌入式平台，用于数字信号处理和调控各级联单元的工作；同时信号处理单元与多种外围设备相连，一方面实现生命体征结果的输出，包括显示、报警、存储数据、与计算机通信等；另一方面实现用户的控制信号输入，包括控制系统的运行，设置系统各种参数等功能。

图3为系统的硬件照片及内部的布局示意图。连续波生物雷达在硬件上设计为一个独立的系统，体积大小为(12×6×17) cm3，用户交互界面为触摸显示屏，下端非金属窗口用于天线收发，系统使用锂电池供电，一次充电续航时间可达12 h。

图3 硬件系统实物图Fig.3 Hardware photo

2.2 生命体征检测方法

使用生物雷达进行信号的提取与检测有以下几方面问题：静止人体本身处于雷达天线的波束范围内，其对雷达信号的反射贡献了较大的直流成分；由于有用信号频率范围极低，受接收机硬件低频噪声影响，基带信号输出的信噪比不高；易受外界运动物体反射信号的影响，产生杂波干扰信号；即使是人刻意保持静止，仍然存在与心跳振动幅度相比拟的身体微动，对基带信号贡献杂波；另外，呼吸与心跳引起的微动在体表空间上重叠，由于雷达系统函数的非线性，易产生频域交调，幅度上呼吸运动要强得多，使得心跳运动不易分离提取。这些问题造成雷达的回波信号杂波成分大，尤其对于同时提取、检测呼吸与心跳信息，难以用时域方法得出波形参数。因此生物雷达信号处理方法不同于常用的心电和脉搏波信号检测方法，成为生物雷达技术的难点问题。

本文的心率/呼吸频率检测方法流程如下：首先，检测算法对雷达接收机得到的预处理和量化后的原始信号进行带通滤波和降采样。带通滤波的目的是将呼吸与心跳信号分离，同时对于降采样有抗混叠作用。呼吸和心跳信号带通截止频率分别设计为(0.1～0.75) Hz和(0.75～10) Hz。滤波后进行降采样有助于减小算法的计算量。在此之后是进行频谱变换，考虑到对心肺活动变化规律检测的需求，本文采用时频分析的方法从连续波生物雷达信号中提取心肺活动信息，通过短时傅里叶变换(STFT)得到雷达基带信号的时频信息。STFT使用窗函数来截取信号做傅里叶分析，然后沿着信号时间方向移动窗函数，得到频率随时间的变化关系。使用STFT方法进行信号处理的关键问题是要选择长度合理的窗函数，折中考虑频率分辨率与时间分辨率，以满足实际的需要。当窗口长度过小时，心率的识别结果随时间的变化剧烈，存在较大的截断噪声(Truncation noise)，此时频率分辨率低，影响识别结果的准确率；当窗口长度过大时会造成更长的算法处理延迟，时间分辨率低，并增加计算量。通过实验，对于心跳信号，窗口长度在10 s左右较为理想。STFT是基于DFT的谱分析，可利用FFT实现快速运算，因而特别适合于实时信号处理。

频谱变换得到的频率分辨率只取决于窗函数内信号的时间长度，为保证检测算法的延时较小，所取用的信号时间长度不能过长从而限制了频率分辨率。因此本文使用STFT进行频率估计实现频率的粗测，在此之后采用插值方法提高估计精度。本文使用SinC函数进行频谱的插值运算，插值结果Xint(f)由式(4)计算得到，其中，STFT点数为N，STFTi表示第i个频点的幅值，fs为采样频率，f是待插值的频率点(0＜f＜0.5fs)。本文使用1 000点的频谱插值运算，在心跳和呼吸频段分别进行寻峰，可得到的心率结果计算分辨率为0.005 Hz，即0.3 bpm（beat pear minute）。

最后，寻找频谱峰值并对结果进行平滑处理，计算出心率与呼吸频率。实际的信号中存在情况复杂的杂波干扰，每次插值后获得的心率和呼吸频段的频谱峰值可能因为强的杂波而发生突变。为避免这类强噪声引起识别错误，引入频谱峰值跟踪机制。认为人体目标的心率和呼吸频率不会突变，据此设定跟踪范围，并实时修正；同时对于识别结果中突发性的、突变程度超过设定的阈值的、突变频率点超过所设定的跟踪范围的点可以认为是强干扰信号，对这种强干扰信号做剔除处理。

本文在WinCE嵌入式平台上编写程序实现上述信号处理流程，用户界面用Visual Basic语言编写，功能包括：原始基带信号数据实时显示；存储为文本格式；分别输出心跳和呼吸频段的频谱图，以及心率与呼吸频率的识别结果。

3 检测实验与结果

3.1 使用模拟信号源的检测实验

人体心肺活动个体差异大且产生的体表振动随身体状况、姿势和环境改变而变化，因而为了进行量化、可调控、可重复的实验研究，本文首先使用一种模拟人体胸壁振动的装置作为检测目标。该装置通过读入计算机生成的典型人体胸壁表面机械振动波形文件，将其转变为振动信号输出，实现人体心肺活动的模拟。该模拟信号源装置的振动面覆盖金属层以获得较强的电磁波反射能力。

参照前述生理信号体表振动参数，将模拟信号源配置为发送振动幅度为4 mm，频率为1 Hz的正弦波，安置距离生物雷达50 cm，此时得到接收机基带信号频谱图如图4。可见噪声与有用信号能量均集中在低频段，1 Hz处基带信号幅度达10.64 dBmV，由于解调系统的非线性，频谱出现谐波。系统基底噪声为-94.64 dBmV，基带信号信噪比为98.36 dB。

图4 基带信号频谱图Fig.4 Baseband signal spectrum map

图5 基带信号功率与距离的关系Fig.5 Baseband signal power and distance

进一步的，改变模拟信号源装置与生物雷达的距离，可以得到基带信号功率与距离的关系如图5，检测装置的基带信号功率随距离增加而呈指数下降，在160 cm范围内均高于-10 dBmV，并可达到20 dBmV，均明显大于1 Hz处的本底噪声(约-40 dBmV)。

3.2 单个静止人体目标检测实验

对于真实人体目标的生命体征检测，实验结果随着实际环境、受试者状态等因素改变而变化。本文将单个静止人体目标与生物雷达的距离固定为30 cm，使用脉搏传感器同步采集人体目标的脉搏信号作为心率识别结果的参考信号，用于对比分析。图6为脉搏传感器波形与生物雷达基带信号波形的对比，其中生物雷达基带信号的心跳信号与幅度较大的呼吸信号叠加。由图可见生物雷达同时检测到人体目标的呼吸和心跳相关信息，其中心跳信号与参考信号能够较好的对应；另外，使用生物雷达进行心跳信号的分析提取时，由于呼吸信号提供了一个强的基线漂移干扰，因此不易在时域上运用寻峰或过零检测等常规心率测量方法直接进行分析。

图6 脉搏传感器波形与生物雷达基带信号波形Fig.6 Waves of pulse sensor and bio-radar baseband.

进一步的，为了评测前述生命体征检测算法的心率识别准确性，实验采集一段包含人体目标心率发生变化的信号，如图7得到生物雷达与参考信号经过检测算法后的心率识别结果。定义生物雷达与参考信号得出的结果相差小于2%时认为生物雷达识别正确，计算可得对于图7中的这段数据，生物雷达的识别正确率为96.1%。由此可见生物雷达检测算法的有效性，另外检测算法可以对发生改变的心跳频率做出快速的跟踪和平滑的过渡。经过实验，当生物雷达检测系统在距离目标90 cm范围内时均可实时有效地检测出目标的呼吸与心跳频率。当距离更远时，由于实际环境的噪声影响，噪声功率将与心跳的峰值功率相当，使得心率检测结果出现波动，影响到了心率的识别准确度。

图7 心率提取结果Fig.7 Heart rate extraction results.

4 小结

本文提出一种使用连续波生物雷达技术的生命体征检测方法，所设计的检测装置集成了微波雷达电路，模拟信号处理电路，ADC，嵌入式信号处理电路及外围设备，并对检测装置进行了集成化设计，使之成为电池供电的手持式设备。检测装置能够对90 cm范围内的目标微弱运动进行非接触式的实时监测。使用单个静止人体目标实验时，在30 cm的距离上与脉搏传感器相比，识别正确率为96.1%。另外，该系统提高了生物雷达的便携性和使用便利性，为进一步的实验研究，以及面向呼吸障碍疾病诊断、睡眠监测、婴儿检测等应用的研究打下基础。

目前的生物雷达检测装置在硬件方面需要考虑如何自动的调整相移常量，使解调点处于最佳解调点附近以提高检测精度；在算法方面，所使用的跟踪算法能够排除突发性的强干扰信号而对持续的杂波抑制干扰不够，导致实际人体检测识别准确率下降，进一步的研究应不仅限于寻找最高频谱峰值，而是尝试使用其他深入的频谱分析算法。

[1] Chen KM, Huang Y. Microwave life-detection systems for searching human subjects under earthquake rubble and behind barrier [J]. IEEE Trans Biomed Eng, 2000, 47 (1): 105-114.

[2] Li C, Lin J. Recent advances in Doppler radar sensors for pervasive healthcare monitoring[C]. Proc 22nd Asia-Pacific Microw Conf, 2010, 283-290.

[3] Droitcour AD, Boric-Lubecke O, Lubecke VM, et al. Range correlation and I/Q performance benefits in single-chip silicon Doppler radars for noncontact cardiopulmonary monitoring[J]. IEEE Trans Microw Theory Tech, 2004, 52 (3): 838-848.

[4] Li C, Xiao Y, Lin J. Experiment and spectral analysis of a lowpower Ka-band heartbeat detector measuring from four sides of a human body[J]. IEEE Trans Microw Theory Tech, 2006, 54 (12): 4465-4471.

[5] Li C, Xiao Y, Lin J. Design guidelines for radio frequency noncontact vital sign detection [C]. Conf Proc IEEE Eng Med Biol Soc, 2007, 1651-1654.

[6] Massagram W, Lubecke VM, Host-Madsen A, et al. Assessment of heart rate variability and respiratory sinus arrhythmia via Doppler radar[J]. IEEE Trans Microwave Theory Tech, 2009, 57(10): 2542-2549.

[7] Droitcour AD, Boric-Lubecke O, Lubecke VM, et al. 0.25μm CMOS and BiCMOS single chip direct conversion Doppler radars for remote sensing of vital signs[C]. IEEE ISSCC, 2002, 348-349.

[8] Li C, Xiao Y, Lin J. A 5 GHz double-sideband radar sensor chip in 0.18-μm CMOS for non-contact vital sign detection[J]. IEEE Microw Wireless Compon Lett, 2008, 18(7): 494-496.

[9] Li C, Yu X, Li D, et al. Software configurable 5.8 GHz radar sensor receiver chip in 0.13 μm CMOS for non-contact vital sign detection[J]. IEEE RFIC Symp, 2009, 97-100.

[10] Rahman MS, Jang BJ, Kim KD. A new digital signal processor for Doppler radar cardiopulmonary monitoring system[C]. Int Conf Electric Comput Eng, 2008, 76-79.

[11] Morgan D, Zierdt M. Novel signal processing techniques for Doppler radar cardiopulmonary sensing[J]. Sign Proc, 2009, 89 (1):45-66.

[12] Li C, Ling J, Li J, et al. Accurate Doppler radar non-contact vital sign detection using the RELAX algorithm[J]. IEEE Trans Instrum Meas, 2010, 59 (3): 687-695.

[13] Yu X, Li C, Lin J. System level integration of handheld wireless non-contact vital sign detectors[C]. Proc IEEE Rad Wirel Symp, 2009, 514-517.

[14] Choi JH, Kim DK. A remote compact sensor for the real-rime monitoring of human heartbeat and respiration rate[J]. IEEE Trans Biomed Circuit Syst, 2009, 3 (3):181-188.

[15] Sekine M, Maeno K. Non-contact heart rate detection using periodic variation in Doppler frequency[C]. Sensor Appl Symp, 2011, 318-322.

CW Bio-radar Vital Sign Detector and Experiment Study

【 Writers 】Hu Wei1,2, Wang Yunfeng2, Zhao Zhangyan2, Zhang Haiying1,2
1 University of Science and Technology of China, Hefei, 230027
2 Institute of Microelectronics of Chinese Academy of Sciences, Beijing, 100029

bio-radar, vital sign detection, CW radar, short-time Fourier transform

R318.6

A

10.3969/j.issn.1671-7104.2014.02.006

1671-7104(2014)02-0102-05

2013-08-14

胡巍，博士研究生，huwei@mail.ustc.edu.cn

【 Abstract 】Non-contact vital sign detection technique provides an effective usage in health monitoring applications. A vital sign detector was designed based on microwave bio-radar technique. Using Doppler principle, continuous wave bioradar was designed for tiny body movement detection, short-time Fourier transform and interpolation algorithm were adopted for heart and respiration rate extraction, embedded system was used for system integration, real-time signal processing software was designed on it. Experiments were done by using simulation device and human body for research and performance evaluation. The result shows that the proposed prototype can be used for single target vital signs detection at the distance of 90 cm, and the heart rate result shows a 96% recognition rate.