基于毫米波雷达的生命特征信号探测技术研究

摘 要：生命特征信号探测旨在对人体信号中含有呼吸、心跳等特征参数进行检测和提取，是监测人体生 命健康的重要方法之一，在信号处理、医学工程等领域均有广泛的应用。本文对基于毫米波雷达的生命特征信 号探测技术进行系统综述，从提取信号的角度出发，综述了将毫米波雷达技术引入生命特征信号探测领域之后 的研究成果。首先，从毫米波雷达体制方面对现存雷达技术进行了论述。然后，简要介绍了对称三角波调制方 法对生命信号进行检测，考虑到将检测到的生命信号进行特征分离，总结了三种弱信号提取算法并进行对比，重 点分析了小波变换和经验模态分解两种方法的研究现状。最后，本文分析了毫米波雷达在生命信号探测领域存 在的问题，并对今后可能的研究趋势进行了展望。

关键词：毫米波雷达；生命信号；对称三角波调制；小波变换；经验模态分解

0 引 言

        近年来，随着生活水平的提高和技术发展，生 命特征信号探测技术成为检测领域的焦点之一； 人体心肺活动检测的技术也在由接触式向非接触 式发展。常见的非接触式检测有红外［1］ 、可见光［2］ 和声波探测技术［3］ ；由于人体呼吸等生命活动产生 的位移幅度小，速度缓慢，探测回波信号是一种与 零频接近的低频信号，容易受到周围环境的影响。 与其他探测技术相比，雷达技术以独特的优势被 广泛应用于生命信号检测领域，该技术克服了呼吸监测时产生的皮肤损伤、过敏等问题，受外界因 素的影响也较小，在未来有更广阔的发展空间。 现有成果表明，利用毫米波雷达来检测胸腔微小 变化，是行之有效的方法，该方法已经成为生物医 学工程领域的重要研究方向。

        国内外学者在该领 域的研究主要集中于雷达体制、检测方法和生命 特征信号提取技术三个方面。 1 毫米波生物雷达体制研究进展 目前，在生命信号检测领域常用的毫米波雷 达技术有连续波（CW）与调频连续波（FMCW）两种，这两种雷达技术的对比如表1所示。连续波雷 达和调频连续波雷达系统的集成水平较高且功耗 低，适合用于近距离的信号探测。CW雷达适合跟 踪相对位移，因此适用于单人检测，而调频连续波 雷达可应用于多人检测，且相比CW而言有更高的 分辨率。使用毫米波雷达检测人体生命信号的原 理如图1所示。

        1986 年 Chen 等［4］ 采用 10 GHz 雷达，通过杂波 抵消技术，滤除部分杂波后检测到呼吸与心跳信 号。2001年王健琪等［5］ 提出用低功率的毫米波雷 达提取呼吸与心跳信号，这种方法对人体无害但 是所提取的信号中有杂波干扰，精度较低。2005 年杨冬等［6］ 引入同态滤波、小波分析、窄带数字滤 波等技术，提高了检测信号的信噪比，利于呼吸与 心跳信号的检测。2009 年 Anitori 等［7］ 研究通过中 频信号来检测人体心肺活动信号。2014 年 Wang 等［8］ 提出了一种基于相位的精确距离跟踪算法，在 中心频率为 5.8 GHz FMCW 雷达系统中提取到人 体的心肺活动信号。

        2018年王天润等［9］ 提出了高 频段的 FMCW 毫米波雷达测量生命体征的方法， 解决了在低频段精度较低的问题。刘震宇等［10］ 提 出了一种基于改进经验模态分解的雷达生命信号 检测方法，能够有效地滤除信号中的噪声，提取到 高信噪比的心肺活动信号。2019 年 Lee 等［11］ 利用 24 GHz毫米波雷达检测到人体心跳信号，尽管考虑 了消除周围杂波的干扰，但是没有注意到由人体本 身产生的轻微运动对信号检测带来的误差影响。 2020 年 Antolinos 等［12］通过改进商用 122 GHz FM⁃ CW雷达实现生命信号提取，不仅可以提取呼吸与 心跳，而且可以检测出心率变异情况，但是该系统 的精度仍受到身体移动的影响，因此使用毫米波雷 达准确检测出人体生命信号需要更进一步研究。 本文其余内容组织如下：为获得有效的生命 信号，第2节将介绍毫米波雷达进行生命信号检测 的方法以及检测原理。由于检测到的雷达回波信 号是由呼吸、心跳等生命特征信号以及各种杂波混合在一起的复杂信号，在第3节详细介绍了三种 有关生命特征信号的提取方法。最后在第 4 节提 出毫米波雷达对于生命特征信号探测技术存在的 问题，并展望未来毫米波雷达的发展趋势。

2 生命信号检测方法

        为了检测到生命信号，毫米波雷达前端发射 调频信号，该线性调频信号被物体反射后由接收 机接收，根据发射信号与接收信号之间的频率差 与时间差，从而得到被测物体的距离变化。对称 三角波调制是一种常见的信号检测方法，王月 鹏［24］ 分析了对称三角波雷达组成，并通过差拍频 率频谱配对，能够在多目标中准确检测待测目标 信号，得到通过三角波调制后的距离、速度情况。 一般情况下都是对静止物体进行信号检测，为了 解决探测运动物体信号，田正刚［25］设计了一种 24 GHz 的雷达传感器，利用三角波调制对静止物 体进行测距，如图2所示，对运动物体进行测速，如 图3所示。并成功检测到物体的距离与速度信息，为信号检测提供了思路。采用对称三角波调制 时，接收到的信号容易产生多次谐波干扰，若检测 多目标容易造成谐波重叠。为了解决这一问题， Cheng 等［26］ 提出了采用阵列信号处理的天线阵列 接收机，解决了多目标检测问题，提高了信噪比。

        2 中，ft为发射信号频率，fr为接收信号频 率，△f为发射信号的最大频偏，f0为发射信号的初 始频率，τ 为回波延迟时间，fb为发射信号与接收 信号之间的差拍频率绝对值，Tm为扫频周期，fbav为 差拍频率的平均值。图 3 中，fd为多普勒频率，fb+ 为向上扫频的差频，fb-为向下扫频的差频。

扫频带宽以减小距离分辨率。 根据图 3 计算目标速度，假设目标距离为 R， 径向相对速度为 v，一个扫频周期的前半周期向上 扫频范围与后半周期向下扫频范围可表示为

3 生命特征信号提取技术

        通常由雷达回波信号检测到的是人体呼吸、 心跳等生命特征信号以及周围环境杂波混合在一 起的复合信号，因此生命特征提取的方法主要是 用于去除杂波与噪声干扰，并准确分离、提取出呼 吸与心跳信号。

3.1 数字滤波法

        数字滤波是传统的生命特征提取方法，由于 可以通过带通滤波器分离不同频率的信号，且具 有操作过程简单、性能稳定等特点，所以数字滤波 被应用于生命信号检测领域。虽然利用数字滤波 能够去除部分噪声，但是很难分离呼吸与心跳信 号以及无法滤除信号与噪声混叠部分的噪声，因 此使用数字滤波提取生命特征有很大的缺陷。罗 兵等［27］ 通过采用低通巴特沃斯数字滤波器提取到 呼吸信号，但检测到的呼吸与心跳信号并不明显， 可以考虑采用FMCW 雷达系统提高分辨率。丁仲 祥等［28］ 在数字滤波基础上进行改进，用低通数字 滤波滤除高频噪声，得到的呼吸、心跳信号通过特 征点检测，然后利用逐点比较法检测出呼吸信号 的极大值，从而得到呼吸信号的频率。 由于数字滤波方法的缺点较为明显，无法有 效滤除杂波，因此在生命信号提取过程中只能先 滤除部分噪声干扰，再结合其他方法滤除剩余噪 声，分离呼吸与心跳信号。

3.2 小波变换法

        小波变换是短时傅里叶变换的改进，提供一 种“时间⁃频率”的信号处理方法，具有多分辨率的 特性，所以被应用于生命特征提取中。为解决数 字滤波无法滤除噪声问题，陆云飞［29］ 、易慧［30］ 等通 过小波变换，在低信噪比下检测到了弱目标信号 检测。小波变换能更有效地提取出目标信号，且 实时性强，应用性更广泛。为了解决谐波干扰问 题，蒋腾等［31］ 提出了一种基于连续小波变换的心 率提取方法，根据谱峰位置与数据长短的关系，最 终快速、有效、准确地提取到了生命信号。为解决 被测对象微动带来的影响，杨秀芳等［32］ 建立生命信号探测模型，对检测到的数据利用小波变换成 功地提取到了人体呼吸信号和心跳信号。刘璐瑶 等［33］ 采用小波包分解，利用自相关计算提高精度， 成功提取到精度较高的呼吸与心跳信号。该方法 的提取结果如图4所示。

        虽然小波信号有很大优势，但也存在对信噪 比低的信号去噪效果较差的缺点，为解决这一问 题，魏崇毓等［34］ 先采用频域积累法将检测信号的 信噪比提高,再利用小波变换去除噪声和杂波，从 而产生了一种新的生命特征提取方法。为提高提 取准确率，Wang等［35］ 提出了一种基于正交匹配追 踪的压缩感知算法和基于离散小波变换的自适应 软阈值降噪算法来分离和重构呼吸和心跳信号， 该算法能有效抑制噪声和谐波干扰，呼吸率和心 跳率的准确率均达到93%左右。

        小波变换法是生命特征提取的一个基本思 路，在生命特征提取方面有很多优点，可以对生命 信号进行时频分析，提取到生命特征信号的变化， 将呼吸和心跳信号分离。其难点在于小波基函数 的选择，需要满足小波基函数的条件，才可以应用 于小波分析中。

3.3 经验模态分解法

        经验模态分解法是一种适用于非平稳、非线 性信号的自适应处理方法［36］ ，使非平稳信号能够 平稳化，然后得到频谱图及有效的频率。这种方 法可以让较为复杂的信号分解为数量有限的本征 模函数（IMF），每个本征模函数包含的信号表现了 原信号在不同时间尺度中的局部特征。生命信号 是一种微弱的信号，极容易受到外界噪声的干扰， 且是一种随机的非平稳信号，因此在复杂信号中 提取生命信号，再准确地将呼吸与心跳信号分离 有很大难度。传统的方法无法准确处理随机非平 稳信号，且在提取心跳信号时容易受到呼吸信号微弱谐波的影响，导致提取的信号不精确。

        为解 决这一问题，冯久超等［37］ 提出了一种基于经验模 态分解的生命信号提取的新方法，实验结果表明， 使用这种方法能避免呼吸信号谐波对心跳信号的 干扰，因而能更加精确地提取呼吸和心跳参数。 为了降低外界干扰并提高生命体征检测的准确 度，陈辉等［38］ 提出了一种联合集合经验模态分解 算法，经过算法改进，用于精确检测人体的心率与 呼吸频率等生命体征。在消除人体抖动干扰方 面，杨俊等［39］ 利用改进的快速互补集合经验模态 分解对生命信号分解，准确地提取出不同呼吸状 态下的呼吸频率和心跳频率，并且有效地消除人 体身体随机抖动带来的干扰，该方法的提取结果 如图5所示。

        在医疗检测领域，心肺活动参数的准确度尤 为重要，为了能够将心率与呼吸率的准确度提高， 胡巍［40］ 提出了一种基于连续小波变换和经验模态 分解相结合的方法，来对检测到的生命信号进行 心跳与呼吸信息提取，以及心率、呼吸速率、心率 变异性参数估计研究。实验表明，虽然检测到的 信号受到的外界干扰较多，但该方法测定心率、呼 吸速率的准确度可接近 100%。医疗检测领域探 测生命信号的主要目的之一是能够检测出人体生 理疾病，以便尽早治疗。为了分辨出健康信号与 病变信号，Zhang等［41］ 通过经验模态分解方法提取人体脉搏信号，利用模态能量比区分出健康心跳 信号与病变心跳信号。

        Djelaila［42］ 等提出一种用经 验模态分解和功率谱密度计算频率分析等自适应 非平稳方法，利用这种方法来分析生命信号频率 的变异性。将经验模态分解法应用于生命信号提 取中，为及时检测出早期心律失常等生理疾病提 供有效的方法。 通过将生命信号分解为有限个IMF，将不同时 间尺度的生命特征进行提取。但是因此也会导致 模态混叠现象发生，可采取加入白噪声法，能有效 抑制混叠现象，提高分解效率。目前，经验模态分 解已成为提取生命特征信号的重要方法之一。

4 展 望

虽然毫米波雷达在生命信号检测领域取得了 一定进展，但仍有很多发展空间，今后的研究方向 有以下几个方面：

         1）被检测者身体抖动问题。目前，通过毫米 波雷达检测人体生命信号都会选择一个相对安静 的环境，使被测者平躺或者静坐进行检测，主要目 的是防止身体抖动。因为在检测过程中被检测者 可能会因为紧张，或者大腿、手臂等发生不自主地 抖动，而人体的轻微抖动产生的信号比呼吸心跳 信号要强烈很多，会将胸腔距离变化掩盖，雷达天 线之间的角度与相对位移也将发生改变，导致检 测结果有很大误差。因此，未来该领域的研究工 作需要考虑提升毫米波雷达对生命信号传感与跟 踪，避免由于身体抖动造成的误差问题。

        2）环境噪声问题。由于呼吸信号与心跳信号 均属于微弱信号，极容易受到环境噪声的影响，在 有干扰存在的情况下进行呼吸和心跳信号的提取 是研究毫米波雷达探测生命信号的一大难点。除 此之外，由于呼吸信号的幅度大于心跳信号的幅 度，所以在提取心跳信号时会受到呼吸信号的二 次谐波或者三次谐波干扰，提取难度更大。 3）其他杂波干扰问题。虽然通过小波变换、 经验模态分解等信号提取方法，能够有效地在检 测信号中提取出精度较高的呼吸、心跳信号。考 虑到在信号检测过程中，被检测者的身形、身体素 质以及所处的环境不同，或者同一被测者在不同

        距离、不同身体状况下产生的生命信号的杂波也 各不相同。因此，需要一种实时有效、更加精密的 提取生命特征的方法，克服环境噪声以及各种杂 波干扰，能够准确分离呼吸与心跳信号。

5 结束语

        毫米波雷达应用于生命探测领域，克服了常 见的非接触式检测的弊端，已成为生命探测领域 的重要研究方向。本文对比了常见的三种生命特 征提取算法，其中小波变换法与经验模态分解法 具有高精度、多分辨率的优势，因此具有广泛的应 用前景。