一种基于毫米波雷达的生理数据分析方法、系统及设备

1.本发明涉及雷达信号处理及生理健康数据分析技术及领域，尤其涉及基于毫米波雷达的生理数据分析方法、系统及设备，以实现对非接触式人体生理数据的分析及健康状态评估。


背景技术：

2.近年来，我国人口老龄化的问题不断突出，据第七次人口普查统计显示，目前我国60岁及以上人口占18.7％，65岁以上老年人口约占13.5％，且这个数字还处于不断增长的趋势。与此同时，随着人们生活工作节奏不断加快，饮食与作息不规律等问题也在年轻人群体中凸显出来，使得各方面疾病不仅成为老年人健康的一大威胁，发病趋势也在不断向年轻化发展。所以，对人体健康状态的监测与评估尤为重要。
3.毫米波雷达是一种非接触的、可用于对目标信息进行探测的传感设备，相比较于传统的普通雷达，它在体积结构、精准度、抗干扰能力等方面都具有很大的优势，能够准确的检测距离、角度、速度等信息。最早毫米波雷达只在一些军事场合出现，之后在汽车、救援等领域也得到广泛应用。例如应用于汽车上的各种雷达可以时刻将速度、距离等信息通过仪表盘等设备显示，使得驾驶者能够更加准确的判断路况等信息，做出提前正确的决定；在灾难救援方面，毫米波雷达能够凭借其穿透力强等特点，准确的探测废墟下人员的位置数量等信息，从而提高救援工作的效率，最大限度的保证群众的生命安全。近年来，伴随着科学技术的快速发展，毫米波雷达在医疗服务、健康监护等领域也得到了越来越多的应用，采用毫米波雷达进行生理参数检测，能够有效减轻目前可穿戴设备对患者造成的负担与不便，近年来越来越引起人们广泛的关注。
4.当前医疗机构在对人体进行健康检测的过程中，大多还是采用例如心电图(ecg)、光容积描记(ppg)等接触式的检测传感设备，虽然这些设备在检测结果方面较为准确，但是所能应用的场景却受到限制。例如对于烧伤、传染性疾病的患者，采用接触式设备进行检测会对患者造成一定不便；同时对于老人小孩的居家监护，接触式的检测设备也会给人们造成影响与负担。
5.近年来，有研究将恒频连续波(cw)雷达与uwb雷达应用于非接触生理检测领域，但他们在检测方面也存在一些不足，例如uwb雷达对于采样率的要求较为严格且体积大导致应用场合受限，而恒频连续波雷达虽然结构简单、灵敏度高，但是容易受到外界环境的干扰，从而导致检测结果出现误差，同时在对多目标进行区分方面也存在较大难度。
6.调频连续波(fmcw)雷达凭借其分辨率、准确度高等优点，拥有比传统非接触雷达更广阔的发展前景，但目前我国将fmcw雷达应用于医疗检测领域方面的研究应用较少，且大多工作频段都为24ghz。


技术实现要素：

7.针对现有技术中的不足，本发明采用毫米波雷达非接触地采集人体生理参数信
息，实现对人体生理数据的分析，从而对人体健康状态进行检测和评估。
8.具体而言，本发明提供了以下技术方案：
9.一方面，本发明提供了一种基于毫米波雷达的生理数据分析方法，该方法包括：
10.步骤1、基于毫米波雷达对目标物体进行检测，得到雷达回波信号；
11.步骤2、对所述雷达回波信号进行距离傅里叶变换，获取目标的距离信息；基于所述距离信息获取包含目标生理信号及噪声的相位信息；
12.步骤3、对所述相位信息进行解缠绕，对解缠绕后的相位信息进行小波包分解重构，获得重构心跳信息、重构呼吸信息；
13.步骤4、基于超限学习机模型，对所述重构心跳信息、重构呼吸信息进行分析，获得目标健康状态。
14.优选的，所述步骤2中采集生理信号方式为：对雷达回波信号进行混频及数模转换，将处理后信号以帧的形式存储；
15.所述处理后信号为：
[0016][0017]
其中，r0代表的是雷达与目标之间的距离，vr表示的是物体相对雷达的速度，c为光速，μ为发射信号周期内斜率，即
[0018]
优选的，所述步骤3中，解缠绕的方式为：
[0019]
当时，对相位值进行如下处理：若则将做处理；若时，则将做处理；
[0020]
其中，为当前信号的相位值，为下一个相位值。
[0021]
优选的，所述步骤3中，所述小波包分解重构，采用5层小波包，并对小波包系数进行重排，并赋予每一个节点系数频率频段；
[0022]
将重排后的前三个节点频率范围内的波形信息进行合成，得到重构呼吸信息；
[0023]
将重排后的7至12节点频率范围内的波形信息进行合成，得到重构心跳信息。
[0024]
优选的，所述步骤4中进一步包括：对所述重构心跳信息、重构呼吸信息进行特征提取，提取的特征包括呼吸速率、心跳速率。
[0025]
优选的，所述步骤4中，所述学习机模型为：
[0026]
hβ＝t
[0027][0028][0029]
其中，h为隐藏层节点的输出矩阵，t为期望的输出值，β是输出权重，x为输入的样本特征，w是特征输入矩阵到隐层节点参数间的权重，b为节点的偏置，l为隐含层神经元节
点数，n为训练集数据组数。
[0030]
优选的，所述步骤3中，对所述生理信号进行处理时，采用滑动窗口方式：首先确定一采样窗口大小，每次窗口向固定方向移动一固定范围，两次连续窗口之间至少部分地包含重复信息；
[0031]
将每个窗口的数值独立存储。
[0032]
此外，本发明还提供了一种基于毫米波雷达的生理数据分析系统，该系统包括：
[0033]
生理信号采集模块，基于毫米波雷达对目标物体进行检测，得到雷达回波信号；基于所述雷达回波信号，获取相位信号，并将相位信号发送至信号分解重构模块，所述生理信号包含呼吸信号、心跳信号；
[0034]
信号分解重构模块，用于对所述相位信号进行处理，获得重构心跳信息、重构呼吸信息；
[0035]
健康状态识别模块，基于学习机模型，对所述重构心跳信息、重构呼吸信息进行分类识别，获得目标健康状态。
[0036]
优选的，所述信号分解重构模块包括：
[0037]
距离获取单元，用于对所述生理信号进行距离傅里叶变换，获取目标的距离信息；
[0038]
相位提取单元，基于所述距离信息获取目标的相位信息；
[0039]
分解重构单元，对所述相位信息进行解缠绕，对解缠绕后的相位信息进行小波包分解重构，获得重构心跳信息、重构呼吸信息。
[0040]
优选的，生理信号采集模块包括雷达发射单元、接收单元、前端信号处理单元、pc端组成。雷达发射单元通过发射天线向外界发出电磁波信号，由于心跳与呼吸活动会引起人体胸腔壁的位移振动，所以信号到达人体后经胸腔壁反弹，雷达接收天线对回波信号进行接收。采集得到的信号经过混频、数模转换等信号处理操作后形成生理信号，生理信号以帧的形式存储于pc端。
[0041]
所述分解重构单元中，解缠绕的方式为：
[0042]
当时，对相位值进行如下处理：若则将做处理；若时，则将做处理；
[0043]
其中，为当前信号的相位值，为下一个相位值。
[0044]
优选的，所述分解重构单元中，所述小波包分解重构，采用5层小波包，并对小波包系数进行重排，并赋予每一个节点系数频率频段；
[0045]
将重排后的前三个节点频率范围内的波形信息进行合成，得到重构呼吸信息；
[0046]
将重排后的7至12节点频率范围内的波形信息进行合成，得到重构心跳信息。
[0047]
又一方面，本发明还提供了一种基于毫米波雷达的生理数据分析设备，该设备包括处理器、存储器、总线结构，所述处理器调用所述存储器中的指令，以执行如上所述的基于毫米波雷达的生理数据分析方法。
[0048]
与现有技术相比，本发明技术方案能够非接触的对人体健康状态进行评估，避免了当前接触式传感设备所造成的负担与不便。同时在应用场景方面，本发明与现有技术相比应用领域也更加广泛，不仅能够在医疗机构的临床检测诊断中得到应用，同时也可以应用到居家监护、康养监护等场景。
附图说明
[0049]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0050]
图1为本发明实施例的方法流程示意图；
[0051]
图2为本发明实施例的小波包分解原理图；
[0052]
图3为本发明实施例的信号分解重构流程图；
[0053]
图4为本发明实施例的正常心跳、呼吸信号波形图；
[0054]
图5为本发明实施例的异常心跳、呼吸信号波形图；
[0055]
图6为本发明实施例的正常、异常心跳速率特征提取对比图；
[0056]
图7为本发明实施例的正常、异常呼吸速率特征提取对比图。
具体实施方式
[0057]
下面结合附图和具体实施例，进一步阐明本发明。应当明确，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0058]
本领域技术人员应当知晓，下述具体实施例或具体实施方式，是本发明为进一步解释具体的发明内容而列举的一系列优化的设置方式，而该些设置方式之间均是可以相互结合或者相互关联使用的，除非在本发明明确提出了其中某些或某一具体实施例或实施方式无法与其他的实施例或实施方式进行关联设置或共同使用。同时，下述的具体实施例或实施方式仅作为最优化的设置方式，而不作为限定本发明的保护范围的理解。
[0059]
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0060]
在一个具体的实施例中，本发明提供的技术方案，可以通过系统的方式来实现，结合图1，该基于毫米波雷达的人体健康评估系统主要包括生理信号采集模块、生理信号分解模块以及健康状态识别模块三个部分。
[0061]
在一个优选的实施方式中，为便于阐述本发明的方案原理，本实施例采用77ghz调频连续波(fmcw)雷达，当然，还可以采用其他形式的毫米波雷达，此处不应以具体的雷达型号作为对本发明保护范围的限制。
[0062]
在一个具体的实施例中，结合图1，本发明的技术方案可以通过以下的方法来实现：
[0063]
目标物体检测：
[0064]
在目标物体检测过程中，fmcw毫米波雷达通常以帧为单位，等时间间隔的发射信号，在一个发射周期里，发射信号可以表示为：
[0065][0066]
接收信号由于与发射信号存在的信号延迟，c为光速，f0为发射信号起始频率，μ为雷达发射信号周期内频率与时间的斜率，即j为复数表示，所以雷达回波信号可以表示为：
[0067][0068]
经过混频可得差拍信号：
[0069][0070]
其中，由于c2项相对其他项来说极小，同时由于处理时间极短(通常在ms或us量级)，所以c2与t2可忽略不计，整理可得：
[0071][0072]
r0代表的是雷达与目标之间的距离，vr表示的是物体相对雷达的速度，对其进行数字化，由于差拍信号的基础表示形式为：
[0073][0074]
且c＝λf0，即可得出fb为：
[0075][0076]
fb为得到的混频信号频率，可以看出其中包含着目标物体的速率与距离等信息。
[0077]
生理信号采集：
[0078]
采集模块主要由雷达发射单元、接收单元、前端信号处理单元和pc端组成。主要原理为毫米波雷达通过发射天线向外界发出电磁波信号，由于心跳与呼吸活动会引起人体胸腔壁的位移振动，所以信号到达人体后经胸腔壁反弹，雷达接收天线对回波信号进行接收。采集得到的信号经过混频、数模转换等信号处理操作后通过usb传输等方式以帧的形式存储于电脑端。
[0079]
在日常生活中，在进行心跳与呼吸等正常生理运动的过程中，都会使我们的胸腔壁产生微小的振动。由统计显示，人在处于正常状态下的呼吸次数大概在12次到20次每分钟，心跳的次数大概在60次至90次每分钟。
[0080]
如表1所示为一个人处于正常健康状态下时由心跳与呼吸所引起的体表位移等参数信息。其中显示呼吸频率正常处于0.1-0.5hz，心跳频率正常处在0.8-2.0hz，且正常呼吸运动所引起的人体正面振动为1-12mm，背面振动为0.1-0.5mm，心跳活动所引起的正面振动为0.1-0.5mm，背面振动为0.01-0.2mm，两者相比较可知，由呼吸所引起的体表振动相比于心跳活动来说更为强烈。但是由于心跳呼吸活动都只能产生微弱的振动幅度，在对这两种信号进行检测的过程中，容易受到外界其他杂波的影响。本发明后续通过对该些信号进行分解重构，实现对噪声的消除。
[0081]
表1
[0082][0083]
生理信号分解重构：
[0084]
由统计显示，人处于正常状态下的呼吸次数为每分钟12到20次，心跳的次数为60次到90次每分钟，其中呼吸频率正常处于0.1-0.5hz，心跳频率正常处在0.8-2.0hz。虽然呼吸所引起的振动相比于心跳更为强烈，但是两者都只能产生微弱的振动幅度，因此检测过程容易受到外界其他杂波的影响，所以需要对生理信号进行精确的分解。在一个优选的实施方式中，结合图3，生理信号分解流程主要包括距离傅里叶变换、相位提取、相位解缠绕以及小波包变换等操作，最终实现对呼吸信号与心跳信号的准确分离。
[0085]
首先通过距离傅里叶变换得到目标的距离信息，将距离信息存储于距离箱矩阵中，之后从范围中提取目标的相位信息，通过相位解缠绕以及相位差分等操作减小因外界杂波干扰等因素造成的误差，最后通过小波包变换根据各自频率范围进行信号的重构，从而将呼吸与心跳信号进行分离。
[0086]
上述的距离傅里叶变换操作中，在一个周期内的雷达chirp信号的ad采样数据进行距离傅里叶变换操作后，将得到的信号信息以矩阵行向量形式进行存储，即矩阵的每一行为一个chirp信号所包含的信息，因为在一个chirp周期内包含有许多的采样点，所以行向量中的每一个数据块表示的是每一个采样点的信号信息，而每一行中的部分数据块则代表含有待测目标物体信息的采样数据。例如，在一个具体的实施方式中，如果采用的是由四个发射天线和两个接收天线组成的天线阵列模块，则最后经过距离傅里叶变换所形成的矩阵应为一个立方体形式的数据块。距离傅里叶变换操作可以将处于不同距离的多个目标物体信息所区别出来。
[0087]
在对雷达所采集的生理信号进行处理的过程中，我们可以通过反正切函数得到经过距离傅里叶变换后的每一个连续调频脉冲回波信号的相位值，但是在本实施例中，在进行这一操作的过程中，会出现相位卷绕的问题。因此，需要进行相位解缠绕。相位解缠绕通常指的是二维相位解缠，直观意义上来说就是把图像信息中相邻像素间存在2π跳变的相位找到，然后将这个跳变进行还原。在本实施例中，相位解缠绕采用如下方式：此算法的主要流程原理为：设当前信号的相位值记为下一个信号的相位值记为当时，则说明信号发生了跳变，之后接着可以分为两种情况进行分析，第一种情况如果时，则将做处理；另一种情况如果当时，则将做处理。通过上述算法的实现，即可得到信号经过相位解缠绕之后的数据、波形等信息。
[0088]
本实施例中，对于解缠绕之后的相位信息，优选使用小波包进行信号的分解重构。如图2所示为小波包分解树示意图，其中每个节点都不断分支，命名规则从第一个节点(1，0)开始记为1号，之后以此类推不断往下进行编号，一直到(3，7)节点记为14号。每个节点中都有对应的小波包系数，系数则决定着频率的大小，即每一个小波包节点中都存有该节点频率频段所对应的信号波形等信息，以便根据所需要分析信号的已知频段范围进行进一步的信号重构等操作。本实施例中，采用5层小波包分解，并分别对每一层的小波包节点进行编号处理，并赋予每一个节点系数的频率频段，由于实际过程小波包节点中频谱并不是完全按照频率大小顺序所排列，所以我们需要依据频率大小对小波包进行重排。在一个优选的实施方式中，呼吸信号所选取的是重排后前三个节点频率范围内的波形信息，心跳信号则选取的是节点为7到12号频率范围内的波形信息，从而通过合成将心跳与呼吸信号的波形重构出来。
[0089]
在又一个具体的实施方式中，本发明在进行特征提取得到呼吸与心跳速率信号的过程中，采用滑动窗口的处理方式进行生理参数信号的处理，可以有效避免固定窗口处理中可能导致的误差。具体方式为：首先确定一个采样窗口的大小，然后窗口每次向右移动一个固定的范围，每一次移动后的窗口中总能包含着前一个窗口所含有的大部分信息，同时也有一部分新的信号信息进入窗口进行计算，随着窗口的不断向右滑动，每一个窗口的数值都会存储起来，直到窗口滑到最右边后终止滑动。在一个更具体的实施方式中，例如通过参数设定雷达信号的采样频率为20hz，即每一帧的周期为50ms，所以一秒中能够读取20帧的信号信息，因为本实验通过毫米波雷达每一次采集的数据为3分钟的信号，所以总共有3600帧数据。设定窗口大小为60s的长度，之后滑动窗口每次滑动的距离为3s，每一次窗口滑动都能输出一个呼吸速率数值，从而能够得到41组呼吸速率参数数值。
[0090]
经上述处理后，我们可以得到心跳、呼吸信号的有效波形图，如图4、图5所示，为经过信号预处理及小波包变换分解所得到的处于正常状态与异常状态下的心跳信号与呼吸信号波形。其中，横坐标轴表示的是3分钟的时间信息，纵坐标轴代表的是信号的幅值信息。从其中可以看出，正常静息状态下时，呼吸与心跳的波形频率较为规律和平稳，即心跳与呼吸运动处于一个平缓的节奏。当处于异常情况下时，心跳与呼吸信号不论是从频率上还是从幅值方面都处于一个波动不平稳的状态。
[0091]
健康状态识别：
[0092]
在本实施例中，在经过上述的呼吸、心跳数据的处理后，可以分离得到正常、异常两种场景下的呼吸心跳波形等信息，为了下一步能够实现对人体正常和异常健康状态的识别分类，在一个实施方式中，我们可以从已分离出的信号波形中提取到呼吸速率与心跳速率这两个特征信息。由前所述的滑动窗口的方式与选取以及分解得到信号中幅值时间等信息，我们按照时间窗口滑动顺序将等时间间隔内的信号速率提取出来，将其存储于表格文件中。
[0093]
如图6、图7对比所示，在前2分钟的生理信号中，处于异常状态下的人体心跳与呼吸信号在速率上都明显的高于处于正常状态下的心跳呼吸信号。但是在2分钟之后的检测过程中，处于异常状态下的呼吸与心跳信号在速率上都在慢慢的向正常状态的心跳呼吸速率靠近，这也说明，在剧烈运动之后，人体的生理状态都在慢慢的向正常的节奏状态恢复。
[0094]
本实施例中，本发明结合超限学习机模型，对生理信号进行分类识别。设输入样本
特征矩阵为x，输出数值为o，输入权重与输出权重分别记为α和β。
[0095]
假设有n个任意的样本(xi,ti)，其中样本的输入特征矩阵为xi＝[x
i1
,x
i2
,
…
,x
in
]
t
∈rn，样本的输出矩阵为ti＝[t
i1
,t
i2
,
…
,t
im
]
t
∈rm。如果设神经网络有l个隐层神经元节点，那么有如下表达式：
[0096][0097]
其中，g(x)为神经网络激活函数，wi是特征输入矩阵到隐层节点参数i之间的权重，βi是隐层节点参数i到输出数值之间的权重，将第i个隐层单元的偏置记为bi，oj表示第j个样本的输出。
[0098]
采用学习机进行学习时，我们的目标是要让结果误差最小，即可以表示为：
[0099][0100]
所以可知存在βi、wi和bi，使得
[0101][0102]
其矩阵形式可以表示为：
[0103]
hβ＝t
[0104]
在式中，h为隐藏层节点的输出矩阵，t矩阵代表我们所期望的输出值。由下式所描述。
[0105][0106][0107]
其中，m是输出矩阵样本个数。总而言之，分类过程主要可以分为以下几个步骤进行：首先我们先要向分类器系统输入一个存有n组数据的训练集，之后我们需要设定l个隐含神经元节点并选取一个神经网络激活函数g(x)，接着要对输入权重wi与偏置量bi进行随机分配，从而计算得到隐含层输出矩阵h，最后通过公式β＝h-1
t即可将输出层权值β计算出来。
[0108]
在建立上述模型后，我们对分类器进行训练。在一个优选的实施方式中，从正常、异常两种场景下所提取出的60组心跳与呼吸速率特征值作为训练集输入分类器。首先将数据信息从表格文件调入分类器系统中，然后对输入的数据进行预处理操作，从而得到分类数，使结果值处于-1到1之间并存储于矩阵中。之后随机产生输入权重wi与偏置矩阵bi，并对输入神经元进行计算，最后得出隐层输出矩阵h。
[0109]
通过采集正常与异常两种状态下的生理数据，采用滑动窗口的方法从分离出的呼吸与心跳信号中提取呼吸速率与心跳速率作为特征信息，采用超限学习机算法对特征信息
进行训练与分类，从而实现对健康状态的评估，识别精度可达93.33％。
[0110]
在又一个具体的实施例中，本发明的技术方案可以通过一种基于毫米波雷达的健康数据分析系统来实现，该系统包括：
[0111]
生理信号采集模块，基于毫米波雷达对目标物体进行检测，得到雷达回波信号；基于所述雷达回波信号，采集生理信号，并将生理信号发送至信号分解重构模块，所述生理信号包含呼吸信号、心跳信号；
[0112]
信号分解重构模块，用于对所述生理信号进行处理，获得重构心跳信息、重构呼吸信息；
[0113]
健康状态识别模块，基于超限学习机模型，对所述重构心跳信息、重构呼吸信息进行分类识别，获得目标健康状态。
[0114]
优选的，所述信号分解重构模块包括：
[0115]
距离获取单元，用于对所述生理信号进行距离傅里叶变换，获取目标的距离信息；
[0116]
相位提取单元，基于所述距离信息获取目标的相位信息；
[0117]
分解重构单元，对所述相位信息进行解缠绕，对解缠绕后的相位信息进行小波包分解重构，获得重构心跳信息、重构呼吸信息。
[0118]
优选的，生理信号采集模块包括雷达发射单元、接收单元、前端信号处理单元、pc端组成。雷达发射单元通过发射天线向外界发出电磁波信号，由于心跳与呼吸活动会引起人体胸腔壁的位移振动，所以信号到达人体后经胸腔壁反弹，雷达接收天线对回波信号进行接收。采集得到的信号经过混频、数模转换等信号处理操作后形成生理信号，生理信号以帧的形式存储于pc端。
[0119]
所述分解重构单元中，解缠绕的方式为：
[0120]
当时，对相位值进行如下处理：若则将做处理；若时，则将做处理；
[0121]
其中，为当前信号的相位值，为下一个相位值。
[0122]
优选的，所述分解重构单元中，所述小波包分解重构，采用5层小波包，并对小波包系数进行重排，并赋予每一个节点系数频率频段；
[0123]
将重排后的前三个节点频率范围内的波形信息进行合成，得到重构呼吸信息；
[0124]
将重排后的7至12节点频率范围内的波形信息进行合成，得到重构心跳信息。
[0125]
采集生理信号方式为：对雷达回波信号进行混频及数模转换，将处理后信号以帧的形式存储；
[0126]
所述处理后信号为：
[0127][0128]
其中，r0代表的是雷达与目标之间的距离，vr表示的是物体相对雷达的速度，c为光速，μ为发射信号频率与时间波形的斜率。
[0129]
优选的，所述学习机模型为：
[0130]
hβ＝t
[0131][0132][0133]
其中，h为隐藏层节点的输出矩阵，t为期望的输出值，β是输出权重，x为输入的样本特征，w是特征输入矩阵到隐层节点参数间的权重，b为节点的偏置，l为隐含层神经元节点数，n为训练集数据组数。
[0134]
本方案在又一种实施例中，可以通过设备的方式来实现，该设备可以包括执行上述各个实施方式中各个或几个步骤的相应模块，该设备也可以搭载如上所述的基于毫米波雷达的生理数据分析系统。因此，可以由相应模块执行上述各个实施方式的每个步骤或几个步骤，并且该电子设备可以包括这些模块中的一个或多个模块。模块可以是专门被配置为执行相应步骤的一个或多个硬件模块、或者由被配置为执行相应步骤的处理器来实现、或者存储在计算机可读介质内用于由处理器来实现、或者通过某种组合来实现。
[0135]
该设备可以利用总线架构来实现。总线架构可以包括任何数量的互连总线和桥接器，这取决于硬件的特定应用和总体设计约束。总线将包括一个或多个处理器、存储器和/或硬件模块的各种电路连接到一起。总线还可以将诸如外围设备、电压调节器、功率管理电路、外部天线等的各种其它电路连接。
[0136]
总线可以是工业标准体系结构(isa，industry standard architecture)总线、外部设备互连(pci，peripheral component)总线或扩展工业标准体系结构(eisa，extended industry standard component)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，该图中仅用一条连接线表示，但并不表示仅有一根总线或一种类型的总线。
[0137]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本方案的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本方案的实施方式所属技术领域的技术人员所理解。处理器执行上文所描述的各个方法和处理。例如，本方案中的方法实施方式可以被实现为软件程序，其被有形地包含于机器可读介质，例如存储器。在一些实施方式中，软件程序的部分或者全部可以经由存储器和/或通信接口而被载入和/或安装。当软件程序加载到存储器并由处理器执行时，可以执行上文描述的方法中的一个或多个步骤。备选地，在其他实施方式中，处理器可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述方法之一。
[0138]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。
[0139]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。