刘璐瑶等：基于小波分析和自相关计算的非接触式生理信号检测 ·1207 intermediate frequency signals was extracted,which included respiration and heartbeat signals.The direct current offset of the phase information was corrected,and the phase was unwrapped.Finally,the wavelet packet decomposition was used to reconstruct heartbeat and respiration signals from the original signal,and an autocorrelation computation was utilized to reduce the effect of clutters on the heart rate detection.Experiments were conducted on ten subjects.Results show that the average absolute error percentage of WAAC is less than 1.65%and 1.83%for respiration and heartbeat rates,respectively. KEY WORDS noncontact vital signs detection;heartbeat detection;respiration detection;wavelet analysis;autocorrelation computation;millimeter-wave FMCW radar 生理信号蕴含着许多有价值的人体健康信 有穿透力强、距离分辨率高等特点，但信号易受脉 息，可用于疾病的诊断和预防.一般情况下，在心 冲宽度和峰值信号强度的控制P.FMCW雷达不 脏骤停等不良事件发生6~24h前，心率呼吸等生 仅具有超宽带雷达的测距能力，而且具有连续波 命体征会出现异常四.近年来，许多可穿戴传感器 多普勒雷达的灵敏度和鲁棒性22).此外，FMCW雷 被用来检测生命体征信号，例如心电图(ECG)、光 达具有体积小、重量轻、功耗低等优点在本文 容积描记(PPG)、呼吸带等-)虽然这些传感器 中，我们选择工作在76.4GHz频段的毫米波FMCW 的测量结果相对准确，但往往给目标对象带来不 雷达检测生理信号 适及额外的负担，特别是对一些特殊的人群如婴 目前，生理信号非接触式检测的信号处理方 儿和烧伤患者等近年来，非接触式生理信号检 法主要有三种：基于快速傅里叶变换(Fast fourier 测在睡眠呼吸暂停监测、婴儿猝死综合征(SIDS) transform,FFT)的方法P4-2习，基于连续小波变换 监测、疲劳监测、临床医疗、家庭保健等方面受到 (Continuous wave transform,CWT)的方法2-2刃以及 了越来越多的关注-)不同于传统的测量方法， 基于时域信号处理的方法6，FFT可以获得生命 体征速率，但不能跟踪生命体征随时间的变化网 非接触式生理信号检测不需要人体佩戴任何传感 器，不会造成额外的负担.非接触式生理信号检测 短时傅里叶变换(Short time fourier transform,STFT) 已用于雷达心跳呼吸检测，但其窗口长度不能随 方法包括红外、视频成像、静电场、超声波、电 频率和时间变化，限制了算法的频率分辨率凹与 磁波等等.例如，成像式光电容积描记技术网 FFT相比，CWT具有更灵活的时频分辨率，可以提 (Imaging photo-plethysmography,IPPG)及远程光电 高生命体征的检测精度.文献[26使用具有高分 描记技术lo(Remote photo-.plethysmography,RPPG) 辨率的时间频率谱(Time frequency spectrum,TFS) 使用摄像头等电子成像设备采集人体体表皮肤视 获得更准确的呼吸和心率.除了传统的频域技术， 频信息，经处理提取人体生理参数.文献1]~ 如FFT和CWT,许多时域信号处理技术也得到了 [12]已经尝试解决光照环境变化及运动干扰对 广泛的发展.文献28]提出峰值检测方法计算生 生理信号检测的影响，但这对基于PPG或者 命体征速率，但对时域信号波形有较高的要求，除 RPPG技术的生理信号检测仍然是一个挑战.红外 非获得的呼吸心率信号有明显的尖峰，否则检测 成像技术)也被用于非接触式生理信号检测，但 效果较差.近些年，压缩感知(Compressed sensing. 易受温度、天气等环境因素的影响.与上述技术 CS)被用于计算生命信号随时间变换的频率0]，但 相比，毫米波雷达不受光照、温度等因素影响，穿 如果生命体征速率在短时间内发生显著变化，其 透能力较强，不侵犯个人隐私，可实现毫米级高精 检测精度也会大大降低 度检测 以上介绍的方法虽然已经被证明能够实现 近年来，非接触式生理信号检测使用的雷达 非接触式生命体征检测，由于心率与呼吸谐波存 主要有三种类型：连续波(Continuous wave,CW)多 在频率范围重叠，可能会将呼吸谐波频率误判为 普勒雷达-l、超宽带(UItra-Wideband,.UwB)脉 心率.同时心率信号本身比较微弱，容易被噪声 冲雷达l6-lI和调频连续波(Frequency modulated 淹没，导致心率检测错误.上述两个问题是目前 continuous wave,.FMCW)雷达&-ly.连续波多普勒 生理信号非接触式检测精度低的主要原因.因 雷达具有结构简单、功耗低的优点，但没有距离分 此，本文结合小波分析和自相关计算减小呼吸谐 辨率，因此其生理信号检测容易受环境中其他 波、环境等杂波对生理信号的影响，提高检测 物体或人体反射信号的干扰.超宽带雷达系统具 精度intermediate frequency signals was extracted, which included respiration and heartbeat signals. The direct current offset of the phase information was corrected, and the phase was unwrapped. Finally, the wavelet packet decomposition was used to reconstruct heartbeat and respiration signals from the original signal, and an autocorrelation computation was utilized to reduce the effect of clutters on the heart rate detection. Experiments were conducted on ten subjects. Results show that the average absolute error percentage of WAAC is less than 1.65% and 1.83% for respiration and heartbeat rates, respectively. KEY  WORDS    noncontact  vital  signs  detection； heartbeat  detection； respiration  detection； wavelet  analysis； autocorrelation computation；millimeter-wave FMCW radar 生理信号蕴含着许多有价值的人体健康信 息，可用于疾病的诊断和预防. 一般情况下，在心 脏骤停等不良事件发生 6～24 h 前，心率呼吸等生 命体征会出现异常[1] . 近年来，许多可穿戴传感器 被用来检测生命体征信号，例如心电图（ECG）、光 容积描记（PPG）、呼吸带等[2−5] . 虽然这些传感器 的测量结果相对准确，但往往给目标对象带来不 适及额外的负担，特别是对一些特殊的人群如婴 儿和烧伤患者等[6] . 近年来，非接触式生理信号检 测在睡眠呼吸暂停监测、婴儿猝死综合征 (SIDS) 监测、疲劳监测、临床医疗、家庭保健等方面受到 了越来越多的关注[7−8] . 不同于传统的测量方法， 非接触式生理信号检测不需要人体佩戴任何传感 器，不会造成额外的负担. 非接触式生理信号检测 方法包括红外、视频成像、静电场、超声波、电 磁波等等 . 例如 ，成像式光电容积描记技术 [9] （Imaging photo-plethysmography, IPPG）及远程光电 描记技术[10] （Remote photo-plethysmography, RPPG） 使用摄像头等电子成像设备采集人体体表皮肤视 频信息，经处理提取人体生理参数. 文献 [11]～ [12] 已经尝试解决光照环境变化及运动干扰对 生理信号检测的影响 ，但这对基 于 IPPG 或 者 RPPG 技术的生理信号检测仍然是一个挑战. 红外 成像技术[13] 也被用于非接触式生理信号检测，但 易受温度、天气等环境因素的影响. 与上述技术 相比，毫米波雷达不受光照、温度等因素影响，穿 透能力较强，不侵犯个人隐私，可实现毫米级高精 度检测. 近年来，非接触式生理信号检测使用的雷达 主要有三种类型：连续波（Continuous wave, CW）多 普勒雷达[14−15]、超宽带（Ultra-Wideband, UWB）脉 冲雷达 [16−17] 和调频连续波 （ Frequency  modulated continuous wave, FMCW）雷达[18−19] . 连续波多普勒 雷达具有结构简单、功耗低的优点，但没有距离分 辨率[20] ，因此其生理信号检测容易受环境中其他 物体或人体反射信号的干扰. 超宽带雷达系统具 有穿透力强、距离分辨率高等特点，但信号易受脉 冲宽度和峰值信号强度的控制[21] . FMCW 雷达不 仅具有超宽带雷达的测距能力，而且具有连续波 多普勒雷达的灵敏度和鲁棒性[22] . 此外，FMCW 雷 达具有体积小、重量轻、功耗低等优点[23] . 在本文 中，我们选择工作在 76.4 GHz 频段的毫米波 FMCW 雷达检测生理信号. 目前，生理信号非接触式检测的信号处理方 法主要有三种：基于快速傅里叶变换（Fast fourier transform, FFT）的方法 [24−25] ，基于连续小波变换 （Continuous wave transform, CWT）的方法[26−27] 以及 基于时域信号处理的方法[16, 28] . FFT 可以获得生命 体征速率，但不能跟踪生命体征随时间的变化[29] . 短时傅里叶变换（Short time fourier transform, STFT） 已用于雷达心跳呼吸检测，但其窗口长度不能随 频率和时间变化，限制了算法的频率分辨率[25] . 与 FFT 相比，CWT 具有更灵活的时频分辨率，可以提 高生命体征的检测精度. 文献 [26] 使用具有高分 辨率的时间频率谱（Time frequency spectrum, TFS） 获得更准确的呼吸和心率. 除了传统的频域技术， 如 FFT 和 CWT，许多时域信号处理技术也得到了 广泛的发展. 文献 [28] 提出峰值检测方法计算生 命体征速率，但对时域信号波形有较高的要求，除 非获得的呼吸心率信号有明显的尖峰，否则检测 效果较差. 近些年，压缩感知（Compressed sensing, CS）被用于计算生命信号随时间变换的频率[30] ，但 如果生命体征速率在短时间内发生显著变化，其 检测精度也会大大降低. 以上介绍的方法虽然已经被证明能够实现 非接触式生命体征检测，由于心率与呼吸谐波存 在频率范围重叠，可能会将呼吸谐波频率误判为 心率. 同时心率信号本身比较微弱，容易被噪声 淹没，导致心率检测错误. 上述两个问题是目前 生理信号非接触式检测精度低的主要原因. 因 此，本文结合小波分析和自相关计算减小呼吸谐 波、环境等杂波对生理信号的影响，提高检测 精度. 刘璐瑶等： 基于小波分析和自相关计算的非接触式生理信号检测 · 1207 ·