張華，孫娜娜，張鵬飛，李盛，焦騰，張楊，呂昊，于霄，

馬騰1，薛慧君1，路國(guó)華1，王健琪1

1.第四軍醫(yī)大學(xué)生物醫(yī)學(xué)工程學(xué)院 電子學(xué)教研室，陜西 西安 710032；2.第四軍醫(yī)大學(xué)唐都醫(yī)院 信息科，陜西西安 710038

雷達(dá)式非接觸檢測(cè)中呼吸和心跳信號(hào)分離算法的研究

張華1，孫娜娜2，張鵬飛1，李盛1，焦騰1，張楊1，呂昊1，于霄1，

馬騰1，薛慧君1，路國(guó)華1，王健琪1

1.第四軍醫(yī)大學(xué)生物醫(yī)學(xué)工程學(xué)院 電子學(xué)教研室，陜西 西安 710032；2.第四軍醫(yī)大學(xué)唐都醫(yī)院 信息科，陜西西安 710038

為了有效地從生物雷達(dá)的體動(dòng)信號(hào)中分離出呼吸和心跳信號(hào)，實(shí)現(xiàn)生理特征參數(shù)（呼吸率和心率）實(shí)時(shí)監(jiān)測(cè)，本文在自適應(yīng)噪聲抵消模型的基礎(chǔ)上，提取呼吸信號(hào)的諧波組合作為模型的參考輸入，將生物雷達(dá)檢測(cè)到的體動(dòng)信號(hào)作為模型的原始輸入，構(gòu)建了一套適用于生物雷達(dá)檢測(cè)中分離呼吸、心跳信號(hào)的自適應(yīng)諧波抵消算法。仿真實(shí)驗(yàn)結(jié)果表明，該算法簡(jiǎn)單、易于實(shí)現(xiàn)，能夠?qū)崟r(shí)地分離呼吸和心跳信號(hào)。

生物雷達(dá)；自適應(yīng)噪聲抵消器；實(shí)時(shí)分離；呼吸信號(hào)；心跳信號(hào)；非接觸檢測(cè)

生命體征主要是指心率、呼吸、脈搏、血壓等，是機(jī)體內(nèi)在活動(dòng)的客觀反映，是衡量機(jī)體健康狀況的客觀指標(biāo)，因此測(cè)量和監(jiān)測(cè)生命體征具有重要的臨床和實(shí)踐意義。雷達(dá)式生命體征檢測(cè)技術(shù)通過(guò)雷達(dá)發(fā)射電磁波照射人體，從接收的回波信號(hào)中提取生命信息。鑒于該技術(shù)可以非接觸、遠(yuǎn)距離穿透障礙物，在生命體征檢測(cè)領(lǐng)域受到越來(lái)越多的關(guān)注[1-4]。

1976 年 5 月，F(xiàn)ranks 等 人[5]發(fā) 表 了 題 為 非 接 觸 式嬰兒呼吸監(jiān)測(cè)的論文，首次采用雷達(dá)來(lái)檢測(cè)人體的生理參數(shù)。2004 年有研究報(bào)道，瑞士的 Florian Michahelles、Ramon Wicki等人在生物雷達(dá)檢測(cè)人體生命參數(shù)方面進(jìn)行 了 比 較 深 入 的 研 究[6]。 但 當(dāng) 受 檢 對(duì) 象 自 由 呼 吸 時(shí) ， 該檢測(cè)系統(tǒng)無(wú)法準(zhǔn)確檢測(cè)出心跳信號(hào)。華東師范大學(xué)信息學(xué)院的尹秋艷等人建立了用微波頻譜分析儀檢測(cè)人體心跳 信 號(hào) 的 雷 達(dá) 檢 測(cè) 系 統(tǒng)[7]。 但 檢 測(cè) 信 號(hào) 受 到 呼 吸 運(yùn) 動(dòng) 干擾，并未實(shí)現(xiàn)呼吸與心跳信息的分離檢測(cè)，僅能在被測(cè)對(duì)象屏住呼吸的情況下對(duì)人體心跳信息進(jìn)行分析。本課題組前期研究者對(duì)生物雷達(dá)回波信號(hào)進(jìn)行了分析，并對(duì)檢測(cè)呼吸信號(hào)與心跳信號(hào)的分離算法進(jìn)行了探索。王海濱[8]采用自 適 應(yīng) 的 處 理 方 法 將 實(shí) 驗(yàn) 中提取的呼吸信號(hào)作為噪聲參考信號(hào)，回波信號(hào)作為原始輸入信號(hào)進(jìn)行自適應(yīng)濾波，從回波信號(hào)中檢測(cè)出心跳波形，但是算法對(duì)噪聲信 號(hào) 的 相 關(guān) 性 要 求 較 高， 濾波效果不理想。楊冬[9]采用同態(tài)濾波和小波變換進(jìn)行信號(hào)處理。同態(tài)濾波時(shí)由于回波信號(hào)的成分不明確，無(wú)法對(duì)復(fù)倒譜界限進(jìn)行明確的分析。而小波變換更適用于時(shí)變和突變信號(hào)的消噪，但算法復(fù)雜，實(shí)時(shí)性差，濾波效果不好[10]。

基于生物雷達(dá)的非接觸檢測(cè)系統(tǒng)關(guān)注的是雷達(dá)回波信號(hào)中攜帶的由于呼吸、心跳等生理運(yùn)動(dòng)引起的胸廓微動(dòng)信息，當(dāng)實(shí)驗(yàn)對(duì)象自由呼吸時(shí)，由呼吸引起的體表微動(dòng)幅度較大，信號(hào)能量較強(qiáng)；心跳信號(hào)引起的微動(dòng)幅度較小，信號(hào)的能量相對(duì)更加微弱。通過(guò)對(duì)回波信號(hào)進(jìn)行頻譜分析發(fā)現(xiàn)，在頻譜上呼吸信號(hào)和心跳信號(hào)的頻率有重疊，因此很難從回波信號(hào)中簡(jiǎn)單地將呼吸和心跳信號(hào)分離開來(lái)。所以急需研究有效的信號(hào)分離算法，在強(qiáng)噪聲背景下提取出被呼吸運(yùn)動(dòng)與體表微動(dòng)回波信號(hào)壓制和干擾的心跳信號(hào)，并進(jìn)一步的分析心跳信號(hào)的參數(shù)特征，為臨床監(jiān)護(hù)提供可靠的依據(jù)。

由于自適應(yīng)抵消不需要明確的信號(hào)、噪聲的確定統(tǒng)計(jì)特性和假設(shè)的先驗(yàn)知識(shí)，逐漸發(fā)展成為信號(hào)成分評(píng)估的理想方法。自適應(yīng)濾波依據(jù)自身輸入的初試信號(hào)特性，自適應(yīng)的跟隨信號(hào)或噪聲的特點(diǎn)變化輸出期望的信號(hào)[11]。

本文提出了一種基于 LMS的自適應(yīng)諧波抵消算法，依據(jù)非接觸檢測(cè)得到的回波信號(hào)，構(gòu)建仿真模型。通過(guò)濾波處理，結(jié)果顯示該方法能有效地分離出呼吸和心跳信號(hào)。

1 基于LMS的自適應(yīng)諧波抵消算法原理與實(shí)現(xiàn)

1.1 自適應(yīng)諧波抵消算法原理

算法原理如圖 1 所示，第一路信號(hào) 在采集過(guò)程中受到噪聲影響，在原始信號(hào)中疊加有不相關(guān)的噪聲 n0，由此（s+n0）構(gòu)成了自適應(yīng)噪聲抵消器的原始輸入信號(hào)。另一路信號(hào)采集過(guò)程中，采集到的信號(hào)與第一路信號(hào)沒(méi)有相關(guān)性，但是會(huì)以某種方式與 n0相關(guān)的 n1（n0和 n1的相關(guān)方式未知）構(gòu)成自適應(yīng)噪聲抵消器的參考輸入信號(hào)。將噪聲n1經(jīng)處理得到與 n0相近的估計(jì)信號(hào) y，將 y 從原始輸入信號(hào)中減去，得到系統(tǒng)對(duì)應(yīng)的輸出值（s+n0-y），即所關(guān)心的第一路信號(hào)值[12-13]。

圖1 自適應(yīng)噪聲抵消器原理圖

1.2 自適應(yīng)諧波抵消算法組成

適應(yīng)諧波抵消算法流程，見圖 2.其算法說(shuō)明如下 ：

（1）構(gòu)造信號(hào)模型，依據(jù)課題組的先驗(yàn)知識(shí)設(shè)定呼吸、心跳信號(hào)的參數(shù)。

（2）通過(guò)算法以呼吸信號(hào)為基礎(chǔ)設(shè)計(jì)得到呼吸信號(hào)諧波組合。

（3）由心跳信號(hào)、呼吸信號(hào)的諧波組合和噪聲干擾疊加構(gòu)造出混合的體動(dòng)信號(hào)。

（4）編寫基于 LMS 準(zhǔn)則的自適應(yīng)諧波抵消算法，區(qū)別與以往的 LMS自適應(yīng)抵消算法。本課題將呼吸信號(hào)的諧波組合作為自適應(yīng)濾波抵消器的參考輸入，混合的體動(dòng)信號(hào)作為原始信號(hào)輸入，基于LMS準(zhǔn)則濾波輸出心跳信號(hào)。

（5）設(shè)定原始輸入信號(hào)的信噪比為 SNR，經(jīng)過(guò)濾波器后輸出信號(hào)的信噪比為 SNR1，自適應(yīng)諧波抵消算法信噪比提高為 SNRD。

圖2 LMS自適應(yīng)諧波抵消算法程序流程圖

算法中信噪比的定義表達(dá)式，見公式 (1)～(3)。

定義輸入信號(hào)信噪比 SNR 為 ：混合體動(dòng)信號(hào)中，心跳信號(hào)的功率與呼吸信號(hào)諧波、噪聲功率之和的比值；定義濾波輸出心跳信號(hào)信噪比 SNR1為 ：輸出信號(hào)中，心跳信號(hào)的功率值與輸出信號(hào)總功率和心跳信號(hào)功之差的比值。信噪比變化SNRD 定義為 ：輸入信噪比與輸出信噪比的差值。

2 仿真實(shí)驗(yàn)結(jié)果

2.1 波形輸出

2.1.1 構(gòu)造信號(hào)模型（圖3～5）

圖3 呼吸諧波信號(hào)頻譜圖和對(duì)應(yīng)的功率譜圖示

圖4 心跳信號(hào)頻譜圖和對(duì)應(yīng)的功率譜圖示

圖5 混合體動(dòng)信號(hào)頻譜圖和對(duì)應(yīng)的功率譜圖示

2.1.3 心跳信號(hào)濾波前后頻譜對(duì)比分析（圖6）

圖6 濾波前后信號(hào)頻譜圖對(duì)比

2.2 仿真結(jié)果分析

從構(gòu)造的信號(hào)模型可以看出，呼吸諧波信號(hào)組合包含呼吸的 15次諧波成分，且對(duì)應(yīng)的功率譜中各頻點(diǎn)能量隨機(jī)分布。原始的心跳信號(hào)頻率設(shè)定為 1 Hz 即心跳為 60 次 /min，對(duì)應(yīng)的功率譜中該點(diǎn)處能量值最大。疊加了噪聲和呼吸諧波組合之后的體動(dòng)信號(hào)從頻譜圖中觀察，其包含的頻率成分復(fù)雜，此時(shí)心跳信號(hào)完全淹沒(méi)在噪聲干擾中，從頻譜中無(wú)法識(shí)別。對(duì)應(yīng)的功率譜也顯示體動(dòng)信號(hào)中各頻點(diǎn)能量隨機(jī)分布，無(wú)法分析心跳信號(hào)的能量值。由構(gòu)造心跳信號(hào)、濾波前原始體動(dòng)信號(hào)及濾波后輸出心跳信號(hào)對(duì)比分析輸出的信號(hào)頻譜圖所示，在 0.9962 Hz 處信號(hào)的幅值最大，即近似輸出心跳信號(hào)為 60 次 /min，其余頻點(diǎn)的信號(hào)幅值遠(yuǎn)遠(yuǎn)低于該值，明顯的區(qū)別出心跳信號(hào)。從對(duì)應(yīng)的功率譜分析能量，在 0.9962 Hz 處信號(hào)的能量值最大。經(jīng)過(guò)濾波算法原始心跳信號(hào)與分離輸出的心跳信號(hào)基本吻合。通過(guò)算法計(jì)算得到輸入信號(hào)信噪比 SNR 為 -10.791dB，濾波輸出心跳信號(hào)信噪比 SNR1 為 -5.448 dB，濾波前后對(duì)于心跳信號(hào)信噪比 SNRD 提高值為 5.3429 dB。

3 討論

在非接觸生物雷達(dá)監(jiān)測(cè)系統(tǒng)中，關(guān)鍵問(wèn)題是怎樣分離呼吸和心跳信號(hào)，這將提供重要的健康信息。在良好的實(shí)驗(yàn)環(huán)境中，當(dāng)實(shí)驗(yàn)對(duì)象保持靜止，呼吸信號(hào)可以通過(guò)濾波處理從體動(dòng)信號(hào)中分離出來(lái)。但由于呼吸和體表微動(dòng)的干擾信號(hào)存在，且分析回波信號(hào)中呼吸信號(hào)的高次諧波和心跳信號(hào)存在混疊，所以心跳信號(hào)的分離成為技術(shù)難點(diǎn)。

本文將呼吸信號(hào)的高次諧波作為自適應(yīng)濾波器的輸入信號(hào)，提出了基于LMS自適應(yīng)諧波抵消算法，對(duì)濾波器的輸入輸出信號(hào)的頻譜和功率譜進(jìn)行對(duì)比分析，仿真結(jié)果較為理想，能夠很好的從混合后受噪聲干擾影響的體動(dòng)信號(hào)中分離出心跳信號(hào)，可以應(yīng)用于實(shí)驗(yàn)研究。但是由于自適應(yīng)算法本身會(huì)產(chǎn)生噪聲，所以濾波后輸出心跳信號(hào)的頻譜與原始輸入心跳信號(hào)頻譜對(duì)比，含有其他頻率成分。但是這些頻率成分對(duì)應(yīng)的幅值和能量都遠(yuǎn)遠(yuǎn)小于心跳信號(hào)能量，且與心跳信號(hào)頻譜不重疊，所以不影響心跳信號(hào)的分離識(shí)別，故該算法可行，可以應(yīng)用于后續(xù)的實(shí)驗(yàn)研究。

[1] C G Caro,J A Bloice．Contactless apnoea detector based on radar[J]．Lancet,1971,30(2):959-961．

[2] Y Schutz,E Ravussin,R Diethelm,et al．Spontaneous physical activity measured by radar in obese and control subject studied in a respiration chamber[J]．Int J Obes,1982,(6):23-28．

[3] G Matthews,B Sudduth,M Burrow．A non-contact vital signs monitor[J]．Crit Rev Biomed Eng,2000,(28):173-178．

[4] M Uenoyama,T Matsui,K Yamada,et al．Non-contact respiratory monitoring system using a ceiling-attached microwave antenna[J]．Med Biol Eng Comput,2006,(44):835-840．

[5] C I Franks,B H Brown,D M Johnston．Contactless respiration monitoring of infants[J]．Med Bio Eng,1976,(14):306-312．

[6] Florian Michahelles,Ramon Wicki,Bernt Schiele．Less contact:heart-rate detection without even touching the user[A]．Eighth IEEE International Symposium on Wearable Computers Conference (ISWC)[C]．2004．

[7] 尹秋艷,樊明捷,黃勇．用微波頻譜分析儀檢測(cè)人體心動(dòng)信號(hào)[A]．2003年全國(guó)微波毫米波會(huì)議論文集[C]．2003:1061-1064．

[8] 王海濱,倪安勝,王健琪,等．LMS算法在非接觸生命參數(shù)信號(hào)檢測(cè)中的消噪應(yīng)用[J]．中國(guó)醫(yī)療器械雜志,2003,27(1):21-24．

[9] 楊冬．基于非接觸生命參數(shù)檢測(cè)系統(tǒng)的信號(hào)處理技術(shù)研究[D]．第四軍醫(yī)大學(xué)碩士學(xué)位論文,2004:38-52．

[10] 王元東．基于超寬譜生物雷達(dá)的非接觸式生命特征信息提取技術(shù)研究[D]．第四軍醫(yī)大學(xué)碩士學(xué)位論文,2009:10-12．

[11] 張華,路國(guó)華,荊西京,王健琪,等．非接觸生物雷達(dá)基于自適應(yīng)濾波的心跳信號(hào)檢測(cè)[J]．醫(yī)療衛(wèi)生裝備,2012,33(1):8-10．

[12] PAULO SR DINIZ．自適應(yīng)濾波算法與實(shí)現(xiàn)[M]．劉郁林,景曉軍,譚剛兵,等,譯．北京:電子工業(yè)出版社,2004:121-135．

[13] 何振亞．自適應(yīng)信號(hào)處理[M]．北京:電子工業(yè)出版社,2006．

Study on the Algorithm for Separation of Heartbeat and Respiratory Signals Based on Radar Non-contact Detection

ZHANG Hua1, SUN Na-na2, ZHANG Peng-fei1, LI Sheng1, JIAO Teng1, ZHANG Yang1, LV Hao1, YU Xiao1, MA Teng1, XUE Hui-jun1, LU Guo-hua1, WANG Jian-qi1

1.Teaching and Research Section of Electronics, School of Biomedical Engineering, The Fourth Military Medical University, Xi'an Shanxi 710032, China; 2.Department of Information, Tangdu Hospital, The Fourth Military Medical University, Xi'an Shanxi 710038, China

In order to separate the breathing and heartbeat signals from biological radar effectively so that the physiological characteristic parameters (respiration rate and heart rate ) can be real-time monitored, this paper proposed a LMS adaptive harmonic cancellation algorithm by extracting the harmonic combination of the respiratory signals as reference input and the body motion signals detected by biological radar as original input based on adaptive noise canceller. Simulation results showed that breathing and heartbeat signals can be separated in real time with the proposed algorithm which is simple and easy to be implemented.

biological radar, adaptive noise canceller, real-time separation; breathing signals; heartbeat signals; non-contact detection

R318.04；R197.39

A

10.3969/j.issn.1674-1633.2013.11.003

1674-1633(2013)11-0009-03

2013-09-05

國(guó)家自然科學(xué)基金面上項(xiàng)目（61271102）

本文共同第一作者：張華，碩士，助理實(shí)驗(yàn)師；孫娜娜，在讀碩士研究生。

王健琪，教授，博士研究生導(dǎo)師。路國(guó)華，副教授，碩士研究生導(dǎo)師。

作者郵箱：zhanghuajiayuan@163．com