基于多序列WOA-VMD算法的超宽带雷达心率检测方法

本发明涉及超宽带雷达，具体涉及一种基于多序列woa-vmd算法的超宽带雷达心率检测方法。

背景技术：

1、生命体征普遍用于判断当前生命活动是否存在以及了解生命体的生理状态。其中，心率最能直接反映当前人体的生理状态。随着现代科技的发展，心率检测的方法逐渐趋于多样化。相比于传统的接触式生命检测系统，非接触式检测方法不需要用户连接任何传感器，满足一些特殊场景的需要，舒适感极高。这些方法应用wi-fi信号、rfid、fmcw雷达、超宽带雷达和多普勒雷达等技术。其中超宽带雷达具有低功耗、高分辨率、抗干扰能力强等优点，能有效地测量人体生命体征。因此，超宽带雷达技术有着广阔的应用前景，相关研究成果应用于废墟救援、患者医疗、安全驾驶等领域。

2、现有技术中存在各种方案来准确提取心跳信号，例如，利用谐波分布的周期性，使心率检测的准确率得到了提升；将奇异值分解与经验模态分解(empirical modedecomposition，emd)相结合实现心跳频率的提取，但emd存在模态混合的问题；利用聚类经验模式分解来检测心跳参数，提高了emd的性能，但不可避免地在模态中留下残余白噪声；采用变分模态分解(variational mode decomposition,vmd)分离心跳信号，提高了分解效率但需要根据目标数量确定分解级别。

3、目前的生命体征检测算法通过对单帧时间序列进行频谱分析能够准确地提取心跳信号，但是依赖于长期的雷达数据积累。当采样频率固定时，参与序列越长，频谱越好。因此，实验需要长期观测数据，降低了雷达的效率。同时，vmd能有效克服模态混叠，频域划分能力更好，但其优越性依赖于分解层数k和惩罚值α的精确设置。α值确保了信号的重构精度，k值决定了分解的模态数，这两个参数往往根据经验来设置，降低了vmd的适应性。

技术实现思路

1、为克服现有技术的不足，本发明旨在提出一种基于多序列woa-vmd算法的超宽带雷达心率检测方法。旨在利用超宽带雷达反射回波携带的生命体征信息，获取多序列生命体征向量，融合鲸鱼算法(whale optimization algorithm,woa)和变分模态分解算法(vmd)来优化参数，以下简称为woa-vmd算法，抑制呼吸干扰，准确分离心跳信号得到心率值。为此，本发明采取的技术方案是，基于多序列woa-vmd算法的超宽带雷达心率检测方法，步骤如下：

2、(一)雷达以一定的脉冲重复周期发射脉冲，遇到人体目标反射回雷达，其往返时间间隔反映距离信息，接收端以一定的时间间隔进行采样记录数据；

3、(二)对雷达回波信号进行杂波抑制、线性趋势抑制、信噪比改善等预处理，使用平均相消法滤除周围静止目标反射回来的接收信号，消除背景杂波，利用最小二乘法去除线性趋势项，采用巴特沃斯带通滤波器滤除其他频段信号保留心跳频段信号以改善信噪比；

4、(三)计算慢时间方向数据方差得到目标位置，获得多序列生命体征向量；

5、(四)融合鲸鱼算法woa和变分模态分解算法，利用能量差和样本熵构建适应度函数，得到全局最优的参数组合，抑制呼吸干扰，获得心率值。

6、超宽带雷达心跳检测模型构建如下：

7、在静态环境中，一个人与超宽带天线距离为d0，x(t)为由呼吸和心跳引起的胸壁位移信号；人的呼吸和心跳引起的胸腔运动近似为简谐运动，表示为：

8、x(t)＝arcos(2πfrt)+ahcos(2πfht)                          (1)

9、式中：ar为呼吸信号幅值，fr为呼吸信号频率，ah为心跳信号幅值，fh为心跳信号频率；胸腔与雷达的实际距离d(t)为：

10、d(t)＝d0+x(t)                                    (2)

11、脉冲的传播时间τv(t)为：

12、

13、式中：c为电磁波传播速度，τ0＝d0/c为天线与人体的固定时延，τr＝dr/c，τh＝dh/c分别为呼吸和心跳引起的时延，对雷达接收的脉冲序列采样，利用信号处理算法得到呼吸和心跳频率，超宽带雷达的信道冲激响应h(t,τ)为：

14、

15、式中：t、τ分别为雷达扫描信号的慢时间和快时间，慢时间表示观测时间，快时间表示雷达探测距离，aiδ(τ-τi(t))为静止物体的响应，avδ(τ-τv(t))为人体呼吸心跳的响应，设超宽带雷达的发射信号为s(τ)，那么接收信号r(t,τ)表示为：

16、

17、采用ts、δt分别为慢时间和快时间的采样间隔对信号进行离散化得：

18、

19、其中，m＝1,2,…,m；n＝1,2,…,n，雷达回波信号模型为离散矩阵r(m,n)，体征信息隐藏在这个二维矩阵中。

20、回波选择以获得多序列的生命体征向量

21、uwb生命检测通常可以分为两种范围：有人体目标的范围和无人体目标的范围，故回波选择的主要目的是找到包含最明显人体生命体征信号的范围，通过分析慢时间方向的数据方差来确定人体目标位置，对于回波矩阵第n列，方差σ2(n)定义为：

22、

23、人体目标范围内的方差值远大于非人体目标范围内的结果，为人体目标定位提供了数据依据，通过寻找方差最大值点来确定人体目标p0的位置，得到距离信息，生命体征信号分布在相邻的距离门，在相邻距离门上对信号进行选择，获得比单帧信号更多的生命体征信息，缩短观测时间，设人体胸腔外侧距离为dth，人体胸腔距离所占点数pth计算为：

24、

25、生命体征信号矩阵ψ表示为：

26、

27、将人体目标位置p0处相邻距离门的多个序列信号选择并按行合并得到生命体征信号向量ζ。

28、woa-vmd算法对k和α两个参数进行优化，具体流程如下，ρ为随机值，|a|为系数向量，首先引入woa算法，对鲸群向量位置[k,α]进行初始化，利用能量差和样本熵构建适应度函数，计算每个个体的适应度并保存最优鲸鱼位置，根据收敛因子的值选择对应的迭代公式进行位置更新，直到达到最大迭代次数，输出最优vmd参数，适应度函数的选择：

29、根据能量守恒，信号分解前后的能量差应为0，当能量差较小且没有明显的变化趋势时，认为能量差近似为0，将能量损失率fλ定义为：

30、

31、式中：ek为各模态分量的能量，e为原信号能量，另外，样本熵代表着非平稳信号的复杂程度，样本熵越小代表信号越有周期性，将样本熵fse表示为：

32、

33、式中：r为相似容限阈值，m为重构相空间维数，bm(r)为在r下两个序列m点相匹配的概率，利用fλ和fse构造woa算法的适应度函数：

34、

35、最小适应度值对应的分解层数和惩罚因子为最佳参数，此时信号被vmd彻底分解，不存在模态混叠，针对频域的每个模态分量imf，计算心跳能量比，选择合适的imf进行心跳信号重构，进而得到准确的心率估计值。

36、本发明的特点及有益效果是：

37、本发明为超宽带雷达的心率检测问题提供了新的解决方案。总的来说，该方法具有如下方面特点：1、对雷达回波信号进行杂波抑制、线性趋势抑制、信噪比改善等预处理，滤除杂波信号。2、利用慢时间方向数据方差得到目标位置，进行准确人体目标定位，得到最大距离门。3、对相邻距离门进行重组得到多序列生命体征向量，缩短观测时间，提高雷达效率。4、融合鲸鱼算法和变分模态分解算法，对生命体征信号进行分解，抑制呼吸干扰，准确重构心跳信号。