非接触式医疗监测雷达

不同体制的生命监测雷达系统

目前较常用的生命监测雷达系统主要有3 种体制，即连续波（conTInuous wave，CW）多普勒体制、超宽带（ultra-wideband，UWB）体制和线性调频连续波（frequency modulated conTInuous wave，FMCW）体制。下面将对上述3 种体制的生命监测雷达系统分别进行分析和总结。

1 CW 多普勒雷达系统

CW 多普勒雷达不仅可以测量目标的速度，还能通过相位检测获知目标的微动信息。CW 雷达的主要优点在于功耗低且结构简单小巧，缺点是不利于区分杂波和多目标。主要研究机构开发的几款典型CW 多普勒生命监测雷达系统。根据线性解调中对小角度近似的要求，按照雷达中心频率fc 的范围将雷达系统分为中低频段（1 GHz≤fc≤7 GHz）和高频段（fc≥10 GHz）2大类。

近年来的相关研究中，中低频段的雷达系统大多选择了2.4 GHz 的中心频率。由于雷达波长变化远小于人体正常呼吸时胸腔的起伏幅度，因此中低频段的雷达在反正切解调时可采用线性近似来简化算法。与中低频段的雷达系统相比，高频段的雷达更易获得较高的信噪比，在反正切解调时通常要采用非线性解调。需要指出的是，非线性解调需要预先补偿幅度、相位不平衡和直流偏移，但是能够提高对低振幅运动的分辨率。大多数CW 多普勒雷达系统都采用正交双通道。正交双通道处理的优势是可以消除两正交通道的幅相不平衡并避免直流补

偿校准，同时还可以消除零点检测问题。CW 体制的生命监测雷达系统和数据指标分析的研究，内容扩展到心率变异性、呼吸性窦性心律、主动脉压力等临床指标的分析。大量研究表明，在CW 多普勒雷达体制中，体位对测量结果有一定影响。雷达照射人体时，从后背照射人体的雷达散射截面（radar cross-secTIon，RCS）最大，前面次之，侧面最小，呼吸深度在平躺时比倾斜时要深。总体而言，仰卧姿态下多普勒雷达测量的心跳、呼吸信号和心率变异性与参考信号具有更好的相关性；对于常规的呼吸性窦性心律不齐，多普勒雷达的测量值与胸带式呼吸压敏电阻具有较好的相关性。

2 UWB 雷达系统

UWB 体制的生命监测雷达系统可提取比目标尺寸小得多的目标特征，因此，人体胸部细微的呼吸运动和心跳导致的胸壁微小振动可通过UWB 雷达来检测。UWB 雷达系统的主要优点是可使用简单固态发射机，具有良好的距离分辨率以及抗杂波与多径干扰的能力，可以进行多目标监测；其缺点是频谱的利用效率不高，与其他系统的兼容性以及现实中的可行性都有待研究。多普勒雷达和UWB 雷达都可以用于人体运动的检测。在多个人体目标检测研究中，理论上可以利用多天线CW 雷达多输入多输出的角分辨技术来实现，但目前还未被实验验证，而基于UWB 雷达技术的多目标探测已经实现。2013年，第四军医大学利用基于多天线的UWB 雷达可以检测到多达3 个目标，这主要是利用了UWB 雷达可以接收到来自于不同人体心跳和呼吸频谱特征的优势。此外，美国佐治亚理工学院在2013 年采用了Sensiotec 公司提供的中心频率为4.2 GHz、发射脉冲为13 ns 的脉冲无线电超宽带（impulse radio UWB，IR-UWB）雷达来估计心率和呼吸频率。2014 年，德国伊尔梅瑙工业大学通过超宽带伪噪声雷达进行远程生命体征监测，最大不模糊距离约17 m。

3 FMCW 雷达系统

FMCW 生命体征监测雷达系统于1990 年由Sharpe 首次实现。在非接触式生命体征检测方面，FMCW 雷达同时具有UWB 雷达对距离的分辨力和CW 雷达对速度的分辨力，从而可区分多个目标并提取目标微动信息，但FMCW 雷达的制造工艺和信号处理较CW 和UWB 雷达要复杂一些，这导致了FMCW 雷达目前较少被使用。法国国家航空航天研究所使用了0.5～8 GHz 扫频的UWB-FMCW 雷达检测建筑内运动的人体目标，最大扫频率达到200 μs/GHz。通过分析不同材料对电磁波的衰减性能，发现穿墙探测雷达较优的工作频段是S 和L 波段。美国Lawrence Berkeley 国家实验室研制了一台FMCW 体制的生命监测雷达原理样机，该系统的调频带宽为10～11 GHz，尺寸为15 cm×10 cm×5 cm，测量的范围为0.5～10 m，距离分辨率可达0.5 mm；实验表明该系统比较适用于医院病房之类的杂波和噪声干扰较多的非理想环境。2013 年，日本东京电气通信大学利用FMCW 雷达提取人体的心脏速率信号，提出了用于抑制周期性杂波的信号处理方法，该FMCW 雷达系统的中心频率为24.15 GHz，采样频率为10 kHz，扫描带宽为72MHz，扫频时间为25.6 ms。

生命监测雷达信号处理算法

生命特征信号属于低速运动的目标信号，产生的多普勒频移小，回波信号微弱且极易淹没在强杂波背景下，是频率极低、准周期、低信噪比、多谐波组合的信号，必须通过有效的信号处理手段才能更加准确有效地检测和提取出来。根据算法各自实现的主要功能，大致分为呼吸和心跳信号分离算法、噪声杂波抑制算法以及实现特殊功能的算法3 大类。健康成人平均呼吸频率为0.15～0.5 Hz，心率为0.9～1.6 Hz，而由呼吸和心跳引起的胸廓的平均运动幅度分别为1～2 cm 和0.3～0.7 mm，因此采集的呼吸信号能量远远大于心跳信号，呼吸信号的高次谐波引起的体表微动会与心跳引起的微动混叠，对应信号的频谱重叠会给心跳信号与呼吸信号的分离带来困难。近年来出现了多种心跳信号与呼吸信号分离算法，例如最小均方误差代价函数的方法，首先估计各个谐波的复系数，从包含心跳和呼吸谐波信号的混合信号中减去谐波信号，从而得到心跳信号，该方法适合静止状态下人体的呼吸和心跳信号分离；又如，基于非线性Levenberg- Marquardt（LM）算法参数优化方法，这种方法适用于信噪比较低的情形；基于扩展卡尔曼滤波和主成分分析的算法可用于正交多普勒雷达来监测心肺活动，算法需对I、Q 2 个通道的数据分别进行心率和呼吸频率的提取和判断，计算复杂度较高；华南理工大学冯久超等提出一种从时域上提取心跳信号的新方法，首先是应用经验模态分解（empirical mode decomposiTIon，EMD）将雷达接收信号分解成有限个固有模态函数（intrinsic mode function，IMF），再利用反映生命信号结构特征的IMF 分量从时域上分别重构呼吸与心跳信号，以避免呼吸信号谐波对心跳信号的干扰，从而更加精确地提取心跳信号，但是基于EMD 算法的抗噪声能力不如基于快速傅里叶变换（fast Fourier transformation，FFT）的方法，因此，在对信号进行EMD之前，必须对信号进行预处理，以消除高频噪声对EMD 算法产生的不利影响；2014 年，中国科学技术大学研究发现，可以用总体平均EMD 算法进一步准确分离心跳信号，这种总体平均EMD 算法更加适合处理间断的非平稳信号；利用基于递推最小二乘（recursive last square，RLS）算法的自适应噪声抵消器能够分离出心跳信号，其心率与从心电信号获得的心率具有很强的相关性。2013 年，第四军医大学提出基于改进的自适应线性增强器（developed adaptiveline enhancer，DALE）的生命信号监测方法，算法在预处理方面做了改进，提高了信噪比。在环境杂波和系统噪声的抑制算法研究方面，西安电子科技大学提出基于谐波模型的高阶累积方法，可实现人体生命状态的自动识别；2011 年，意大利Trento 大学应用独立成分分析（independent component analysis，ICA）算法区分噪声和杂波，从而提取呼吸和心跳信号，但是无法指出ICA 分解后的2 个信号哪个包含生命信号，哪个包含杂波信号；Mari Zakrzewski 为估计直流偏移两正交分量的中心，提出LM 中心估计算法，以消除直流偏移，实现杂波和噪声的抑制；而在多目标检测中抑制杂波可采用类似传统的clean 算法，通过计算从杂波中减去接收信号的卷积来计算信道脉冲响应来实现;针对类似呼吸信号的杂波则可使用双频脉冲UWB雷达并采用自适应滤波方法滤除杂波。另外，在生命信号处理中也提出了一些实现了特殊功能的算法，如基于能量谱的非接触呼吸暂停检测，主要是根据正常的呼吸信号与发生呼吸暂停时信号的强度特点，对构造的呼吸暂停信号进行处理并根据阈值进行判断，然后对雷达采集到的信号进行处理并判断是否发生了呼吸暂停；又如，应用小波熵方法来区分一定距离的人类和动物目标，发现人的能量分布和熵的紊乱程度远低于狗，可以把人类的身体微动作比动物更有序作为识别的依据。