TI毫米波雷达工程||vital signs~1原理

一、TI测呼吸心率demo的基本原理

①概述

人呼吸和心跳时胸腔会有微小的振动产生微小的位移，从下表可以发现大概在毫米级，那么就可以采用毫米波雷达完成测量。

为了测量这些微小的振动/位移，我们在目标范围 bin 处测量 FMCW 信号随时间的相位变化，即。可以对中频信号采用FFT并计算对象范围箱处的相位来测量相位。

②算法流程

一个完整的呼吸心率检测流程主要包括生命体征信号预处理、信号分离、生命体征检测3个步骤。对拍频信号进行ADC后，首先需要通过距离维FFT，确定被测目标对应的距离范围，然后通过反正切函数计算目标当前的相位信息，该相位信息即可表示目标与雷达的距离变化，但在计算机运行中存在相位卷绕的问题，因此需要对相位进行解缠绕。在获得准确的相位变化信息后，通过IIR数字滤波器对呼吸和心跳信号进行分离。最后通过频域FFT算法计算心率和呼吸速率。

上图的流程是一个基本的检测流程，下面TI vital signs工程的算法流程中加入了判断和心跳样本分割等步骤，是为了应用中得到更加稳定准确的结果。

在TI工程使用中，每个帧配置有 2 个chirp，但是只有帧中的第 1 个 Chirp 用于处理。使用单个 TX-RX 天线对的数据进行处理。生命体征波形沿慢时间轴采样，因此生命体征采样率等于系统的帧速率。

③距离维FFT+Range bin tracking

通过做距离维FFT，确定被测目标对应的距离范围，同时加入静态杂波滤除减少噪声杂波干扰。根据人体位置确定目标距离范围，通过在该范围内搜索最大值，获取目标对应的Range bin。

④相位信息提取

提取目标Range bin处的相位。③④两个阶段循环，每一个帧周期用第一个chirp即提取一次目标的相位，如果目标距离发生变化，则需要根据Range bin tracking得出此时的Range bin，然后提取相位，循环发射N帧即可得到目标相位随帧数的取值变化，也目标相位与时间的关系。

通过反正切函数计算目标当前的相位信息，该相位信息即可表示目标与雷达的距离变化，但在计算机运行中存在相位卷绕的问题，因此需要对相位进行解缠绕以获得准确的相位变化信息。相位解缠绕，相位值在-pi~pi之间，需要展开以获取实际的相位，当连续值之间的相位差大于或小于±pi，通过从相位中减或加去2pi做相位展开。

通过减去连续相位值对展开的相位执行相位差运算。对连续展开相位进行差分，可以消除相位基线漂移，抑制呼吸信号及其谐波，从而达到增强心跳信号的目的（可以理解为雷达系统中有相位噪声，做相位差可以抑制它，同时通过差分操作可以强调高频成分（心跳信号）同时抑制低频成分（呼吸信号），而且心跳信号不仅频率更高且更微弱，所以这种差分可以帮助识别和增强心跳信号）。然后利用滑动平均滤波算法来去除由于测试环境引起的脉冲噪声。

⑤IIR滤波器+FFT

获得相位变化信息后对相位信号做FFT，可以发现在呼吸频率范围内有峰值，但是心跳频率范围内的结果被“淹没”了。因为心跳信号比呼吸信号要更加微弱。

所以在获得准确的相位变化信息后，依据心跳和呼吸频率不同，利用两个IIR带通滤波器将相位值进行滤波对呼吸和心跳信号进行分离。关于这两个IIR带通滤波器的设计在前面滤波器设计的博客中提过，在了解滤波器设计原理后可以用MATLAB中的滤波器设计工具快速设计出我们想要的滤波器来。最后通过频域FFT计算心率和呼吸速率。下图可以发现图中的峰值即指示呼吸和心跳频率。但是也可以发现心跳信号FFT结果中峰值并不唯一且存在干扰（比如呼吸信号的二次谐波等），所以这种方法得到的心跳结果准确性还不够高。

⑥TI工程增加的步骤

在②中TI vital signs工程的算法流程中可以看到步骤7范围估计，这一步对滤波器滤波后的相位信号做FFT，依据峰值大小及其谐波特征，获取N个Frame时间内对应的呼吸频率。可以看到这里还记录了呼吸频率的谐波特征。

步骤8判断，这一步记录一段时间内的呼吸频率，根据不同置信度指标判断此时的呼吸频率，并输出呼吸频率随时间变化的关系。可以看到这一加入了置信度判断。

步骤9心跳样本分割：在对相位滤波后，为减少人身体的相对位置移动而对心率测量造成的影响，（因为心率测量基于心脏收缩舒张的微小位移距离差引起的相位变化，依据微多普勒原理，当人身体大幅摆动时，将会对其准确性造成影响），此处通过将样本分割，设置阈值去判断是否符合心率的变化范围，并选取稳定状态下的数据进行下一步估计。