毫米波雷达智能家居感知方法与系统与流程

本申请涉及智能感知，且更为具体地，涉及一种毫米波雷达智能家居感知方法与系统。

背景技术：

1、随着人口老龄化趋势加剧及人们对健康生活品质追求的提升，家庭环境中的智能感知技术变得越来越重要。其中，对静态人员（即处于静止或相对静止状态的人员）的心跳频率进行感知是一项重要的功能，因为它可以应用于健康管理、紧急情况响应等多个方面。例如，对于老年人或患有慢性疾病的人来说，持续监测心跳频率可以帮助及时发现异常情况，并采取必要的措施。

2、毫米波雷达由于其工作在毫米波频段（通常指30ghz至300ghz之间的频率），具有穿透非金属材料的能力，且对光照和温度变化不敏感，这使其在各种环境下均能稳定工作。此外，毫米波雷达能够检测细微运动，如呼吸或心跳引起的胸部轻微起伏，这使得它非常适合用来监测静态人员的生命体征。

3、中国专利cn117741647a公开了一种毫米波雷达智能家居感知方法与装置，其通过在特定时长内提取目标的相位信号并对该相位信号进行线性回归和滤波处理，然后再利用经验模态分解（emd）加快速傅里叶变换（fft）的方法得到各信号分量频谱，选取[0.2，0.6]hz之间的分量估计静态人员的呼吸频率。

4、在上述毫米波雷达智能家居感知方法中，经验模态分解和fft是一种经典的信号处理方法，它们主要用于分析信号的时频特性。然而，在面对复杂家庭环境中的多种干扰因素时，这些方法可能无法有效地区分和提取有用的呼吸信号频率成分特征，这会增加提取纯净呼吸信号的难度，从而降低了智能家居的感知能力。此外，传统信号处理方法需要人工设计特征，并且基于经验模态分解和fft的方法一旦确定下来，其模型不容易进行调整和优化，这在一定程度上限制了智能家居感知的灵活性和适应性。对于不同的人体和不同的环境条件，需要调整特征选择和参数设置。

5、因此，需要一种优化的毫米波雷达智能家居感知方案以解决上述技术问题。

技术实现思路

1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种毫米波雷达智能家居感知方法与系统，其通过对毫米波探测回波信号进行滤波和距离-多普勒域转换后，在后端引入基于人工智能和深度学习的信号处理和分析算法来对于转换后的距离-多普勒信号进行分析，以此来捕获并刻画出距离-多普勒信号低频部分语义特征，从而对于静态人员的心率频率进行感知和检测，能够利用毫米波雷达的频段优势，并结合人工智能和深度学习技术来更为准确地对于静态人员的心率频率进行感知检测，从而减少人为干预的需求，并能够更好地适应复杂家庭环境的变化，提高智能家居感知的灵活性和泛化能力，能够更有效地应对不同的应用场景，提高智能家居感知系统的智能化水平。

2、根据本申请的一个方面，提供了一种毫米波雷达智能家居感知方法，其包括：

3、通过示波器采集毫米波探测回波信号；

4、对所述毫米波探测回波信号进行高通滤波处理后，再将得到的滤波后毫米波探测回波信号从时域转化到距离-多普勒域以得到距离-多普勒信号；

5、将所述距离-多普勒信号通过信号特征过滤器以得到距离-多普勒信号低频部分语义特征向量的集合；

6、将所述距离-多普勒信号低频部分语义特征向量的集合输入基于特征分布特性的选择优化聚合网络以得到距离-多普勒信号低频部分语义聚合纯化表示向量；

7、基于所述距离-多普勒信号低频部分语义聚合纯化表示向量进行心跳频率感知以确定感知结果，所述感知结果用于表示心率频率解码值。

8、根据本申请的另一个方面，提供了一种毫米波雷达智能家居感知系统，其包括：

9、信号采集模块，用于通过示波器采集毫米波探测回波信号；

10、信号预处理模块，用于对所述毫米波探测回波信号进行高通滤波处理后，再将得到的滤波后毫米波探测回波信号从时域转化到距离-多普勒域以得到距离-多普勒信号；

11、信号特征过滤模块，用于将所述距离-多普勒信号通过信号特征过滤器以得到距离-多普勒信号低频部分语义特征向量的集合；

12、特征选择优化聚合模块，用于将所述距离-多普勒信号低频部分语义特征向量的集合输入基于特征分布特性的选择优化聚合网络以得到距离-多普勒信号低频部分语义聚合纯化表示向量；

13、感知结果确定模块，用于基于所述距离-多普勒信号低频部分语义聚合纯化表示向量进行心跳频率感知以确定感知结果，所述感知结果用于表示心率频率解码值。

14、本申请至少具有如下技术效果：

15、与现有技术相比，本申请提供的一种毫米波雷达智能家居感知方法与系统，其通过对毫米波探测回波信号进行滤波和距离-多普勒域转换后，在后端引入基于人工智能和深度学习的信号处理和分析算法来对于转换后的距离-多普勒信号进行分析，以此来捕获并刻画出距离-多普勒信号低频部分语义特征，从而对于静态人员的心率频率进行感知和检测，能够利用毫米波雷达的频段优势，并结合人工智能和深度学习技术来更为准确地对于静态人员的心率频率进行感知检测，从而减少人为干预的需求，并能够更好地适应复杂家庭环境的变化，提高智能家居感知的灵活性和泛化能力，能够更有效地应对不同的应用场景，提高智能家居感知系统的智能化水平。

技术特征：

1.毫米波雷达智能家居感知方法，其特征在于，包括：

2.根据权利要求1所述的毫米波雷达智能家居感知方法，其特征在于，对所述毫米波探测回波信号进行高通滤波处理后，再将得到的滤波后毫米波探测回波信号从时域转化到距离-多普勒域以得到距离-多普勒信号，包括：

3.根据权利要求2所述的毫米波雷达智能家居感知方法，其特征在于，将所述距离-多普勒信号通过信号特征过滤器以得到距离-多普勒信号低频部分语义特征向量的集合，包括：将所述距离-多普勒信号输入基于空洞卷积神经网络模型的信号特征过滤器以得到所述距离-多普勒信号低频部分语义特征向量的集合。

4.根据权利要求3所述的毫米波雷达智能家居感知方法，其特征在于，将所述距离-多普勒信号低频部分语义特征向量的集合输入基于特征分布特性的选择优化聚合网络以得到距离-多普勒信号低频部分语义聚合纯化表示向量，包括：

5.根据权利要求4所述的毫米波雷达智能家居感知方法，其特征在于，计算所述距离-多普勒信号低频部分语义特征向量的集合中的各个距离-多普勒信号低频部分语义特征向量的特征能量分布谱向量以得到距离-多普勒信号低频部分语义特征能量分布谱向量的序列，包括：

6.根据权利要求5所述的毫米波雷达智能家居感知方法，其特征在于，分别计算所述各个距离-多普勒信号低频部分语义特征向量与所述距离-多普勒信号低频部分语义特征向量的集合中的其他各个距离-多普勒信号低频部分语义特征向量之间的特征分布能量协同表示向量以得到多个距离-多普勒信号低频部分语义特征分布能量协同表示向量的序列，包括：

7.根据权利要求6所述的毫米波雷达智能家居感知方法，其特征在于，计算所述多个距离-多普勒信号低频部分语义特征分布能量协同表示向量的序列中各个距离-多普勒信号低频部分语义特征分布能量协同表示向量的序列的特征分布能量协同因子向量以得到所述距离-多普勒信号低频部分语义特征能量分布谱向量的序列，包括：

8.根据权利要求7所述的毫米波雷达智能家居感知方法，其特征在于，计算所述距离-多普勒信号低频部分语义能量谱分布中心向量与所述距离-多普勒信号低频部分语义特征能量分布谱向量的序列中的各个距离-多普勒信号低频部分语义特征能量分布谱向量之间的能量分布谱跨度因子以得到距离-多普勒信号低频部分语义能量分布谱跨度因子的序列，包括：

9.根据权利要求8所述的毫米波雷达智能家居感知方法，其特征在于，基于所述距离-多普勒信号低频部分语义聚合纯化表示向量进行心跳频率感知以确定感知结果，所述感知结果用于表示心率频率解码值，包括：将所述距离-多普勒信号低频部分语义聚合纯化表示向量输入基于解码器的心跳频率感知模块以得到所述感知结果，所述感知结果用于表示心率频率解码值。

10.毫米波雷达智能家居感知系统，其特征在于，包括：

技术总结
本申请公开了一种毫米波雷达智能家居感知方法与系统，涉及智能感知技术领域，其通过对毫米波探测回波信号进行滤波和距离‑多普勒域转换后，在后端引入基于人工智能和深度学习的信号处理和分析算法来对于转换后的距离‑多普勒信号进行分析，以此来捕获并刻画出距离‑多普勒信号低频部分语义特征，从而对于静态人员的心率频率进行感知和检测，能够利用毫米波雷达的频段优势，并结合人工智能和深度学习技术来更为准确地对于静态人员的心率频率进行感知检测，从而减少人为干预的需求，并能够更好地适应复杂家庭环境的变化，提高智能家居感知的灵活性和泛化能力，能够更有效地应对不同的应用场景，提高智能家居感知系统的智能化水平。

技术研发人员：张雪,张黄河
受保护的技术使用者：北京中成康富科技股份有限公司
技术研发日：
技术公布日：2025/2/20