ICASSP 2023 | Cough Detection Using Millimeter-Wave FMCW Radar

原文链接：https://mp.weixin.qq.com/s?__biz=Mzg4MjgxMjgyMg==&mid=2247486540&idx=1&sn=6ebd9f58e9f08a369904f9c48e12d136&chksm=cf51beb5f82637a3c65cf6fa53e8aa136021e35f63a58fdd7154fc486a285ecde8b8521fa499#rd

ICASSP 2023 | Cough Detection Using Millimeter-Wave FMCW Radar

毫米波感知论文阅读 | ICASSP 2023, Cough Detection Using Millimeter-Wave FMCW Radar

Abstract

• 研究内容

  • 提出了一种使用毫米波FMCW雷达检测人体咳嗽信号的信号处理方法

    ✅ 利用FMCW雷达的相位解调技术可以提取咳嗽引起的微小振动

    ✅ 采用身体运动伪像消除(BMAC)技术可以抑制运动伪像 $\Rightarrow$ （运动伪像可以轻易掩盖小振动）

    ✅ 即使存在大规模身体运动也可以测量咳嗽信号的振动频率

• 实验验证

  • 进行了 仿真 来评估所提出方法检测咳嗽信号的概率和准确性

    ✅ 包括分析了FMCW线性调频非线性的影响

  • 提出的技术还通过 60 GHz FMCW雷达进行了验证实验

• 贡献总结

  • 首次使用FMCW雷达实现了咳嗽信号的检测

    ✅ 提出了身体运动伪像消除(BMAC)技术, 在存在身体运动的情况下检测咳嗽

  • 通过仿真验证结果，分析了FMCW非线性性的影响

  • 60GHz真实实验验证了所提出方法的有效性

1 Introduction

研究的背景和意义

• 传染病蔓延,对健康监测需求增长
• 毫米波雷达受关注,能远程监测生命体征
  • 仅监测生命体征不足以判断呼吸状况
  • 咳嗽是判断呼吸系统疾病的关键症状

毫米波咳嗽检测的挑战和问题

• 声音方法可侵犯隐私,受声学噪声影响

• 毫米波不受声学噪声影响，但研究很少

  🚩 挑战：咳嗽带来大规模身体运动，运动伪像可压倒小振动

  🚩 已有方法的不足 ：仅检测咳嗽行为,不提取特征 + 未充分解决运动伪像问题

本文创新和贡献

• 检测包含大规模运动的咳嗽
  • 提出身体运动伪像消除(BMAC)技术
• 通过仿真和实验进行了验证

2 Signal Model and Methodology

• 咳嗽信号的信号模型
• 使用FMCW雷达的检测方法
  • 运动伪像消除技术
• 数值仿真

2.1. FMCW radar signal model

• FMCW雷达的信号模型

  • 在相干处理时间内发射M次脉冲
  • 每个脉冲为FMCW线性调频信号

• 发射信号

  • $s_{TX}(t,m)=\frac{1}{\sqrt{N_c}}p(t-m{T}_p)$
  • $p(t)=e^{j(2\pi f_{0}t+\pi \gamma t^2)}$
  • $N_c$ - 脉冲数,$T_p$ - 脉冲重复间隔
  • $\gamma$ - 频率斜率,$f_0$ - 载波频率

• 接收信号

  • s R X ( t , m ) = α s T X ( t − 2 ( d 0 + x [ m ] ) c , m ) + w c (