基于MIMO毫米波雷达的细粒度呼吸波形重构方法

技术特征：

1.一种基于mimo毫米波雷达的细粒度呼吸波形重构方法，其特征在于：所述细粒度呼吸波形重构方法

2.根据权利要求1所述的基于mimo毫米波雷达的细粒度呼吸波形重构方法，其特征在于：

3.根据权利要求1所述的基于mimo毫米波雷达的细粒度呼吸波形重构方法，其特征在于：所述步骤1中，利用雷达和参考设备同步采集多帧雷达阵列数据r和真实呼吸数据ygt具体包括如下步骤为：

4.根据权利要求3所述的基于mimo毫米波雷达的细粒度呼吸波形重构方法，其特征在于：所述步骤2具体为：对三维阵列矩阵r(m,n,k)中的n和k两个维度执行二维傅里叶变换得到时间-距离-方位雷达矩阵r(m,n,k)，表示为：

5.根据权利要求1所述的基于mimo毫米波雷达的细粒度呼吸波形重构方法，其特征在于：所述步骤3具体包括如下步骤：

6.根据权利要求1所述的基于mimo毫米波雷达的细粒度呼吸波形重构方法，其特征在于：所述步骤4具体包括如下步骤：

7.根据权利要求1所述的基于mimo毫米波雷达的细粒度呼吸波形重构方法，其特征在于：所述步骤5具体包括如下步骤：

8.根据权利要求1所述的基于mimo毫米波雷达的细粒度呼吸波形重构方法，其特征在于：所述步骤6中的所述iq-transformer模型包括浅层骨干网络、编码层和解码层，具体的：

9.根据权利要求8所述的基于mimo毫米波雷达的细粒度呼吸波形重构方法，其特征在于：在所述步骤6中利用损失函数和划分的训练集进行网络参数的训练，并根据测试集的效果保存模型参数，具体为：

技术总结
本发明属于非接触式生命体征监测领域，公开了一种基于MIMO毫米波雷达的细粒度呼吸波形重构方法，包括：设置雷达参数并进行数据采集，利用二维傅里叶变换处理数据后得到时间‑距离‑方位雷达矩阵，利用回环滤波器去除时间‑距离‑方位雷达矩阵中静态物体的反射信号，并利用2D‑CFAR算法定位人体区域，对人体区域中的I/Q分量进行旋转处理，标签归一化处理和数据集划分，搭建IQ‑Transformer模型，将待预测的雷达数据输入训练好的网络模型，实现细粒度呼吸监测。本发明通过设计IQ‑Transformer模型，负责从雷达数据的I/Q分量中提取并编码呼吸相关的隐藏特征，最终从隐藏特征中恢复出细粒度呼吸波形。

技术研发人员：王书轩,孙力娟,郭剑,相亚杉,王哲宇,陈铭,韩崇,王娟
受保护的技术使用者：南京邮电大学
技术研发日：
技术公布日：2024/1/15