基于盲源分離的呼吸與心跳信號的分離方法及裝置的制造方法
【專利摘要】本發(fā)明提供了一種基于盲源分離的呼吸與心跳信號的分離方法及裝置，其中，所述方法包括：S1：通過對各生物雷達回波信號進行時頻域分析，獲得對應(yīng)于各所述目標的生物雷達回波的時頻分布信號；S2：基于所述時頻分布信號獲得各所述生物雷達回波的頻譜質(zhì)心曲線；S3：以各所述頻譜質(zhì)心曲線為觀測信號，進行盲源分離操作獲得對應(yīng)各所述目標的微動變化信號；S4：對所述微動變化信號濾波，獲得對應(yīng)于各所述目標的呼吸時變信號和心跳時變信號。本發(fā)明能夠?qū)蓚€目標人體的生物雷達回波信號進行處理，以分離出對于各個目標的呼吸和心跳信號。
【專利說明】
基于盲源分離的呼吸與心跳信號的分離方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及生物醫(yī)學(xué)信號處理領(lǐng)域，尤其涉及一種基于盲源分離的呼吸與心跳信 號分離方法及裝置。
【背景技術(shù)】
[0002] 人體的呼吸與心跳等生命參數(shù)是疾病診斷和人體健康狀況監(jiān)控的重點測量對象。 目前，對呼吸和心跳生命參數(shù)的測量已從傳統(tǒng)的心電圖、呼吸帶等接觸式測量手段發(fā)展至 基于生物雷達的非接觸式探測方法。生物雷達發(fā)射微波或太赫茲波段的電磁波，其回波被 人體呼吸、心跳等生命活動引起的體表微動所調(diào)制，回波信號被接收后經(jīng)信號處理可實現(xiàn) 呼吸與心跳等生命參數(shù)的實時精確測量。
[0003] 當前國內(nèi)外研究的生物雷達多針對單人人體目標，而實際在家庭健康監(jiān)護中，探 測目標常常不僅局限在單個個人，例如，對老年人夫妻睡眠時的呼吸和心跳情況進行實時 監(jiān)測和預(yù)警，若采用常規(guī)生物雷達的呼吸與心跳信號處理方法，則會由于兩人的呼吸信號 處于相近的頻率且兩人的心跳信號處于相近的頻率而混合在一起，從而導(dǎo)致無法對每個人 體目標的呼吸與心跳信號進行有效地分離。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明提供了一種能夠?qū)蓚€目標人體的生物雷達回波信號進行處理，以分離出 對于各個目標的呼吸和心跳信號的基于盲源分離的呼吸與心跳信號的分離方法和裝置。
[0005] 為了解決上述技術(shù)問題，本發(fā)明提供了如下的技術(shù)方案：
[0006] -種基于盲源分離的呼吸與心跳信號的分離方法，其用于通過從雙人目標的生物 雷達回波信號中分離出對應(yīng)于各目標的呼吸與心跳信號，所述方法包括以下步驟：
[0007] SI:通過對各生物雷達回波信號進行時頻域分析，獲得對應(yīng)于各所述目標的生物 雷達回波的時頻分布信號；
[0008] S2:基于所述時頻分布信號獲得各所述生物雷達回波的頻譜質(zhì)心曲線；
[0009] S3:以各所述頻譜質(zhì)心曲線為觀測信號，進行盲源分離操作獲得對應(yīng)各所述目標 的微動變化信號；
[0010] S4:對所述微動變化信號濾波，獲得對應(yīng)于所述目標的呼吸時變信號和心跳時變 信號。
[0011] 作為優(yōu)選，所述步驟Sl中，通過對各所述生物雷達回波信號進行短時傅里葉變換 處理，獲得各所述時頻分布信號。
[0012] 作為優(yōu)選，所述步驟S2中，對所述時頻分布信號沿頻率向執(zhí)行頻譜加權(quán)平均操作， 以獲得各所述頻譜質(zhì)心曲線。
[0013] 作為優(yōu)選，所述步驟S2中按照以下公式對每個雷達回波的時頻分布信號沿頻率向 進行頻譜加權(quán)平均操作；
[0014]
[0015] 其中，STFTi(t，f)表示第i個雷達回波的短時傅里葉變換時頻分布信號，t表示時 間，f表示頻率，分子和分母中的積分區(qū)間[F 1，F(xiàn)2]表示該時頻分布信號的頻率起始和終止范 圍，gl(t)表示沿頻率向加權(quán)平均后得到的第i個雷達回波的頻譜質(zhì)心變化曲線，i = l表示 第1個生物雷達，i = 2表示第2個生物雷達；
[0016]作為優(yōu)選，所述步驟S3包括：
[0017] S31:建立Y(t) =WX⑴的盲源分離模型，
[0018] 其中，乂(〇 =匕1(〇42(〇]7表示觀測信號矩陣，1表示2\2階分離矩陣，￥(〇 = [Pl(t)，p2(t)]T表示源信號矩陣估計值， gl(tWPg2(t)分別為所述步驟S2中獲得的所述雷達 回波的頻譜質(zhì)心變化曲線， Pl(tWPp2(t)分別表示兩個不同的源信號；
[0019] S32:基于自然梯度尋優(yōu)對W(f + l) = W(f) + //(f)fj-/(Y)YF]W(〇迭代求解直到 收斂到預(yù)設(shè)精度n，得到分離矩陣的估計值渰;
[0020] S33:通過矩陣相乘運算Y(t)=WX(t)的求解得到源信號矩陣估計值Y(t) = [Pl (t)，p2(t)]T，從而得到盲源分離后的兩個不同的源信號？1(〇和? 2(〇,作為各所述目標的 微動變化信號。
[0021] 作為優(yōu)選，所述步驟S4中獲得所述呼吸時變信號的方法包括:對步驟S3中獲得的 對應(yīng)于各目標的微動變化信號，通過低通-高通濾波器組濾波，以獲得到各所述目標的呼吸 時變信號，其中，所述低通-高通濾波器組包括低通濾波器和高通濾波器。
[0022]作為優(yōu)選，所述低通濾波器是具有通帶截止頻率為0.6Hz、阻帶截止頻率為0.9Hz、 通帶波紋為O.ldB、阻帶衰減為SOdB的9階無限沖激響應(yīng)低通數(shù)字濾波器，所述高通濾波器 是具有通帶截止頻率為0.15Hz、阻帶截止頻率為0.02Hz、通帶波紋為0 . ldB、阻帶衰減為 SOdB的4階無限沖激響應(yīng)高通數(shù)字濾波器。
[0023]作為優(yōu)選，所述步驟S4中獲得所述心跳時變信號的方法包括:對步驟S3中獲得的 對應(yīng)于各目標的微動變化信號，進行帶通濾波器進行信號濾波操作，以獲得各所述目標的 心跳時變信號。
[0024]作為優(yōu)選，所述帶通濾波器為具有上通帶截止頻率為2.2Hz、上阻帶截止頻率為 2.5Hz、下通帶截止頻率為0.7Hz、下阻帶截止頻率為0.5Hz、通帶波紋為0. ldB、阻帶衰減為 80dB的6階無限沖激響應(yīng)帶通數(shù)字濾波器。
[0025] 本發(fā)明還提供了一種基于盲源分離的呼吸與心跳信號的分離裝置，其應(yīng)用如上所 述的基于盲源分離的呼吸與心跳信號的分離方法，至少包括濾波單元，配置為對所述微動 變化信號濾波，獲得對應(yīng)于各所述目標的呼吸時變信號和心跳時變信號。其中，濾波單元可 以為低通-高通濾波器組或者帶通濾波器。
[0026] 與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：
[0027] (1)通過本發(fā)明技術(shù)方案，生物雷達一次測量的回波同時包含了兩個人體目標的 包括呼吸和心跳均在內(nèi)的信號，與傳統(tǒng)的心電圖、呼吸帶方式相比，不僅是非接觸式的，而 且更為高效；
[0028] (2)本發(fā)明技術(shù)方案使用盲源分離技術(shù)分離混合在一起的雙人人體生命參數(shù)信 號，解決了常規(guī)生物雷達只能探測單個人體目標生命參數(shù)的問題，更適合家庭健康監(jiān)護。
【附圖說明】
[0029] 圖1為本發(fā)明實施例生物雷達測量雙人呼吸與心跳示意圖；
[0030] 圖2為本發(fā)明實施例中的一種基于盲源分離的雙人目標呼吸與心跳信號的分離方 法的流程圖；
[0031] 圖3為本發(fā)明實施例中的獲得微動變化信號的方法的流程圖；
[0032] 圖4為本發(fā)明實施例中的基于盲源分離的雙人目標呼吸與心跳信號的分離裝置的 原理框圖。
【具體實施方式】
[0033]下面，結(jié)合附圖對本發(fā)明的實施例進行詳細的描述，但不作為本發(fā)明的限定。
[0034] 本發(fā)明所提供的基于盲源分離的雙人目標呼吸與心跳信號的分離方法，為基于盲 源分離(Blind Source Separation)實施的。在詳細介紹本發(fā)明的實施方式的細節(jié)之前，先 簡單描述盲源分離的一些概念和步驟。
[0035] 盲源分離屬于盲信號處理的一種，是指從傳輸信道未知或不可預(yù)測時，從觀測到 的混合信號中分離出信號源信號，實現(xiàn)對信號源的最佳估計。
[0036] 以列向量S(t) = [si(t)，s2(t), . . 個未知信號源的信號si(t)，i = l, 2, . . . ,N，以X(t) = [xi(t) ,X2(t), . . .XM(t)]T表示M個傳感器獲得的觀測信號xk(t)，k=l, 2, . . .，N，為表達簡便，暫忽略噪聲影響，則觀測模型可表達為矩陣形式
[0037] X(t)=A S(t)，
[0038] 其中，A表示M X N階混合矩陣，盲源分離則是在A和S( t)都未知的情況下，對X( t)進 行分離變換，得到s(t)的估計值Y(t)，如下式
[0039] Y(t)=ff X(t),
[0040] 其中，W表示NXM階分離矩陣，Y(t)表示源信號的估計值。在信號源數(shù)據(jù)和傳感器 數(shù)據(jù)相同時，W是非奇異方陣，上式存在唯一解。假設(shè)信號源相互獨立，利用一個獨立性測度 推導(dǎo)代價函數(shù)，再使用尋優(yōu)算法使代價函數(shù)達到極值，則得到W的最優(yōu)估計。
[0041] -種基于信息論的盲源分離算法是使用盲源分離之后分離變量Y的聯(lián)合概率密度
函數(shù)Py(Y，W)，以及其各個分量相互獨立時的聯(lián)合概率密度函I t間的 Kul lback-Leib Ier散度作為代價函數(shù)：
[0042]
[0043]其中，H(X)表示X的熵，與代價函數(shù)優(yōu)化無關(guān)，det表示行列式計算算子，E[]表示數(shù) 學(xué)期望算子。為使上述代價函數(shù)最下化，可使用最陡梯度尋優(yōu)，Amari等人在歐式空間中引 入黎曼度量，同時證明在歐式空間中最陡下降方向是黎曼梯度的方向，這樣，分離矩陣W的 變化量~
[0044]
[0045] 其中，f(Y) = [fi(yi)，f2(y2)，···??ν)]τ是非線性激活函數(shù)，其第i個分量fi(yi)在 信號源為亞高斯分布時通常選為(少,)= 。因此，分離矩陣W的在線估計值為
[0046]
[0047] 其中，y(t)是步長因子，可在迭代過程中調(diào)整。
[0048] 下面，對本發(fā)明實施例進行說明；圖1為本發(fā)明實施例的生物雷達測量雙人呼吸與 心跳示意圖。兩生物雷達工作在不同的工作頻率以保持頻率分集和相互獨立，兩生物雷達 的發(fā)射和接收天線波束照射相同的雙人人體目標。由于人體呼吸及心跳微動均是近周期的 變化，呼吸通過胸腔的收縮和擴張完成，可以近似為正弦波振動模型，心跳信號類似心電圖 中信號一樣，可近似為脈沖模型。由于兩人的呼吸信號處于相近的頻率且兩人的心跳信號 處于相近的頻率而混合在一起，從而導(dǎo)致無法對每個人體目標的呼吸與心跳信號進行有效 地分離。本發(fā)明實施例可以根據(jù)盲源分離原理，對雙人信號進行有效地分離，需要兩部生物 雷達作為傳感器共同工作，記兩部雷達分別為雷達1和雷達2,其工作頻率分別為f#Pf 2(分 別對應(yīng)波長λ#Ρλ2)，兩個人體目標分別為人體1和人體2,兩人體相距較近，可認為兩人體目 標距雷達1距離相同，均為R 1，兩人體目標距雷達2距離也相同，均為R2，則雷達1和雷達2對雙 人目標的回波經(jīng)正交解調(diào)后分別為
[0052] 其中Ai和A2分別為兩雷達回波信號幅度，ai和a2分別為人體1的呼吸起伏和心跳振 動幅度，fbdPfhl分別為人體1的呼吸起伏和心跳振動的頻率，b#Pb2分別為人體2的呼吸起 伏和心跳振動幅度，fb2和fh2分別為人體2的呼吸起伏和心跳振動的頻率，OXOS <2；r表不 基于正弦波模型的以a為幅度、為頻率的呼吸運動，表示基于脈沖振動模型的 以b為幅度、&為頻率的心跳振動。則雙人呼吸與心跳信號分離就是從上述解調(diào)后雷達1和 雷達2的回波中分離出每個人各自的呼吸信號與心跳信號，為后續(xù)每人的呼吸信號與心跳 信號處理與分析做準備。
[0053]圖2為本發(fā)明實施例的雙人目標的呼吸與心跳信號分離方法的流程圖。該方法可 以包括以下步驟：
[0054] SI:對于同時照射雙人目標的兩部生物雷達回波進行時域分析，以獲得對應(yīng)于各 目標的生物雷達回波的時頻分布信號;優(yōu)選的，本實施例中可以對各生物雷達回波信號采 用短時傅里葉變換時頻分析，以得到兩個回波的時頻分布信號；
[0055] S2:對于步驟Sl中得到每個雷達回波的時頻分布信號沿頻率向進行頻譜加權(quán)平均 操作，得到該時頻分布的頻譜質(zhì)心變化曲線，本實施例中共得到兩個雷達回波的頻譜質(zhì)心 曲線；
[0056] 其中，按照下式對每個雷達回波的時頻分布信號沿頻率向進行頻譜加權(quán)平均操 作；
[0057]
[0058]其中，STFTi(t，f)表示第i個雷達回波的短時傅里葉變換時頻分布信號，t表示時 間，f表示頻率，分子和分母中的積分區(qū)間[F1，F(xiàn)2]表示該時頻分布信號的頻率起始和終止范 圍， gl(t)表示沿頻率向加權(quán)平均后得到的第i個雷達回波的頻譜質(zhì)心變化曲線，i = l表示 第1個生物雷達，i = 2表示第2個生物雷達；
[0059] S3:以步驟S2得到的兩個雷達回波的頻譜質(zhì)心曲線為觀測信號，進行盲源分離操 作，分離得到不同人體目標各自的微動變化信號;其中，可以進行基于自然梯度的盲源分離 操作。
[0060] S4:對步驟S3中獲得的微動變化信號濾波，獲得對應(yīng)于各所述目標的呼吸時變信 號和心跳時變信號。
[0061] 通過上述實施例，本發(fā)明提供了一種基于盲源分離的生物雷達雙人呼吸與心跳信 號分離方法，可分離混合在一起的雙人人體呼吸與心跳生命參數(shù)信號，解決了常規(guī)生物雷 達只能探測單個人體目標生命參數(shù)的問題。
[0062] 另外，如圖3所示為本發(fā)明實施例中的獲得微動變化信號的方法的流程圖，即本實 施例中的步驟S3可以包括以下步驟：
[0063] S31:建立Y(t)=W X(t)的盲源分離模型，
[0064] 其中，乂(〇 =匕1(〇42(〇]7表示觀測信號矩陣，1表示2\2階分離矩陣，￥(〇 = [Pl(t)，p2(t)]T表示源信號矩陣估計值， gl(tWPg2(t)分別為所述步驟S2中獲得的所述雷達 回波的頻譜質(zhì)心變化曲線， Pl(tWPp2(t)分別表示兩個不同的源信號；
[0065] 332:基于自然梯度尋優(yōu)對螽(，+ 1)=夤(，)+ /，(，)[/-/(\，)￥_1翕(，)迭代求解直到 收斂到預(yù)設(shè)精度n，得到分離矩陣的估計值妗(/);
[0066] S33:通過矩陣相乘運算Y(t)=W X(t)的求解得到源信號矩陣估計值Y(t) = [Pl (t)，p2(t)]T，從而得到盲源分離后的兩個不同的源信號？1(〇和? 2(〇,作為各所述目標的 微動變化信號。
[0067] 通過上述可以獲得對于各目標的微動變化信號，以便執(zhí)行下述的濾波操作。
[0068]進一步的，本發(fā)明的步驟S4中獲得呼吸時變信號的方法包括:對步驟S3中獲得的 對應(yīng)于各目標的微動變化信號，通過低通-高通濾波器組濾波，以獲得到各所述目標的呼吸 時變信號，其中，所述低通-高通濾波器組包括低通濾波器和高通濾波器。
[0069] 其中，低通濾波器是具有通帶截止頻率為0.6Hz、阻帶截止頻率為0.9Hz、通帶波紋 為O.ldB、阻帶衰減為SOdB的9階無限沖激響應(yīng)低通數(shù)字濾波器，所述高通濾波器是具有通 帶截止頻率為0.15Hz、阻帶截止頻率為0.02Hz、通帶波紋為0. ldB、阻帶衰減為80dB的4階無 限沖激響應(yīng)高通數(shù)字濾波器。
[0070] 另外，所述步驟S4中獲得心跳時變信號的方法包括:對步驟S3中獲得的對應(yīng)于各 目標的微動變化信號，進行帶通濾波器進行信號濾波操作，以獲得各所述目標的心跳時變 信號。
[0071] 其中，所述帶通濾波器為具有上通帶截止頻率為2.2Hz、上阻帶截止頻率為2.5Hz、 下通帶截止頻率為0.7Hz、下阻帶截止頻率為0.5Hz、通帶波紋為0. ldB、阻帶衰減為80dB的6 階無限沖激響應(yīng)帶通數(shù)字濾波器。
[0072]另外，如圖4所示，為本發(fā)明實施例中雙人目標的呼吸和心跳信號的分離裝置的原 理結(jié)構(gòu)圖；其中可以應(yīng)用上述的方法，本發(fā)明的裝置可以包括:分析單元100、加權(quán)單元200、 分離單元300和濾波單元400。
[0073]分析單元100,其接收對應(yīng)于各目標的雷達回波信號，并通過對各生物雷達回波信 號進行時頻域分析，獲得對應(yīng)于各所述目標的生物雷達回波的時頻分布信號;本實施例中 可以對各生物雷達回波信號采用短時傅里葉變換時頻分析，以得到兩個回波的時頻分布信 號。
[0074]加權(quán)單元200,其可以基于分析單元100得到的時頻分布信號獲得各所述生物雷達 回波的頻譜質(zhì)心曲線;其中，按照下式對每個雷達回波的時頻分布信號沿頻率向進行頻譜 加權(quán)平於!操作，
[0075]
[0076] 其中STFTiU，f)表不苐i個雷達回波的短時傅里葉變換時頻分布信號，t表示時 間，f表示頻率，gl(t)表示沿頻率向加權(quán)平均后得到的第i個雷達回波的頻譜質(zhì)心變化曲 線，i = 1表示第1個生物雷達，i = 2表示第2個生物雷達。
[0077]分離單元300,其配置為以各所述頻譜質(zhì)心曲線為觀測信號，進行盲源分離操作獲 得對應(yīng)各所述目標的微動變化信號，具體可以加權(quán)單元200得到的兩個雷達回波的頻譜質(zhì) 心曲線為觀測信號，進行盲源分離操作，分離得到不同人體目標各自的微動變化信號；其 中，可以進行基于自然梯度的盲源分離操作。
[0078]本實施例中的分離單元300可以進一步的包括:建立Y(t)=WX(t)的盲源分離模型 的建模模塊，其中，乂(0 =匕1(〇，@(〇]1表示觀測信號矩陣，1表示2\2階分離矩陣，￥(〇 = [Pl(t)，p2(t)]T表示源信號矩陣估計值，gl(tWPg 2⑴分別為所述步驟S2中獲得的所述雷 達回波的頻譜質(zhì)心變化曲線，Pl(t)和p2(t)分別表示兩個不同的源信號;估計模塊，其基于 自然梯度尋優(yōu)對命(，+1) = W(Y) +沖)[/ -/(Y)Yr] #(?)迭代求解直到收斂到預(yù)設(shè)精度n， 得到分離矩陣的估計值;以及運算模塊，其通過矩陣相乘運算Y(t)=W X(t)的求解得 到源信號矩陣估計值￥(0 = [?1(0，？2(0]7，從而得到盲源分離后的兩個不同的源信號？1 (t)和?2(t)，作為各所述目標的微動變化信號。
[0079] 濾波單元400對所述微動變化信號濾波，獲得對應(yīng)于所述目標的呼吸時變信號和 心跳時變信號。
[0080] 其中，本發(fā)明的濾波單元400包括:低通-高通濾波器組和帶通濾波器，其中通過低 通-高通濾波器組對分離單元300獲得的對應(yīng)于各目標的微動變化信號進行濾波，以獲得到 各所述目標的呼吸時變信號，其中，所述低通-高通濾波器組包括低通濾波器和高通濾波 器。
[0081] 其中，低通濾波器是具有通帶截止頻率為0.6Hz、阻帶截止頻率為0.9Hz、通帶波紋 為O.ldB、阻帶衰減為SOdB的9階無限沖激響應(yīng)低通數(shù)字濾波器，所述高通濾波器是具有通 帶截止頻率為0.15Hz、阻帶截止頻率為0.02Hz、通帶波紋為0. ldB、阻帶衰減為80dB的4階無 限沖激響應(yīng)高通數(shù)字濾波器。
[0082] 另外，帶通濾波器對分離單元300中獲得的對應(yīng)于各目標的微動變化信號進行濾 波操作，以獲得各所述目標的心跳時變信號。
[0083]其中，所述帶通濾波器為具有上通帶截止頻率為2.2Hz、上阻帶截止頻率為2.5Hz、 下通帶截止頻率為0.7Hz、下阻帶截止頻率為0.5Hz、通帶波紋為0. ldB、阻帶衰減為80dB的6 階無限沖激響應(yīng)帶通數(shù)字濾波器。
[0084] 綜上所述，1)、、通過本發(fā)明技術(shù)方案，生物雷達一次測量的回波同時包含了兩個 人體目標的包括呼吸和心跳均在內(nèi)的信號，與傳統(tǒng)的心電圖、呼吸帶方式相比，不僅是非接 觸式的，而且更為高效;另外，本發(fā)明技術(shù)方案使用盲源分離技術(shù)分離混合在一起的雙人人 體生命參數(shù)信號，解決了常規(guī)生物雷達只能探測單個人體目標生命參數(shù)的問題，更適合家 庭健康監(jiān)護。
[0085] 以上所述的具體實施例，對本發(fā)明的目的、技術(shù)方案和有益效果進行了進一步詳 細說明，所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實施例而已，并不用于限制本發(fā)明，凡 在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保 護范圍之內(nèi)。
【主權(quán)項】
1. 一種基于盲源分離的呼吸與屯、跳信號的分離方法，其特征在于，所述方法基于盲源 分離從雙人目標的生物雷達回波信號中分離出對應(yīng)于各目標的呼吸與屯、跳信號，所述方法 包括W下步驟： S1:通過對各生物雷達回波信號進行時頻域分析，獲得對應(yīng)于各所述目標的生物雷達 回波的時頻分布信號； S2:基于所述時頻分布信號獲得各所述生物雷達回波的頻譜質(zhì)屯、曲線； S3: W各所述頻譜質(zhì)屯、曲線為觀測信號，進行盲源分離操作獲得對應(yīng)各所述目標的微 動變化信號； S4:對所述微動變化信號濾波，獲得對應(yīng)于各所述目標的呼吸時變信號和屯、跳時變信 號。2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S1中，通過對各所述生物雷達回 波信號進行短時傅里葉變換處理，獲得各所述時頻分布信號。3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S2中，對所述時頻分布信號沿頻 率向執(zhí)行頻譜加權(quán)平均操作，W獲得各所述頻譜質(zhì)屯、曲線。4. 根據(jù)權(quán)利要求3所述的方法，其特征在于，所述步驟S2中按照W下公式對每個雷達回 波的時頻分布信號沿頻率向進行頻譜加權(quán)平均操作；其中，STFTi(t，f)表示第i個雷達回波的短時傅里葉變換時頻分布信號，t表示時間，f表 示頻率，分子和分母中的積分區(qū)間[Fi，F(xiàn)2]表示該時頻分布信號的頻率起始和終止范圍，gi (t)表示沿頻率向加權(quán)平均后得到的第i個雷達回波的頻譜質(zhì)屯、變化曲線，i = l表示第1個 生物雷達，i = 2表示第2個生物雷達。5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S3包括： S31:建立Y(t)=WX(t)的盲源分離模型， 其中，X(t) = [gl(t)，g2(t)]τ表示觀測信號矩陣，W表示2X2階分離矩陣，Y(t) = [pl(t)， P2(t)]T表示源信號矩陣估計值，gi(t)和g2(t)分別為所述步驟S2中獲得的所述雷達回波 的頻譜質(zhì)屯、變化曲線，pi(t)和P2(t)分別表示兩個不同的源信號； S32 :基于自然梯度尋優(yōu)對W(W)=成(〇 + /4部/_/片)Y]WW迭代求解直到收斂 到預(yù)設(shè)精度，W得到分離矩陣的估計值W(/); S33:通過矩陣相乘運算Y(t)=W X(t)的求解得到源信號矩陣估計值Y(t) = [pi(t)，p2 (t)]T，從而得到盲源分離后的兩個不同的源信號pi(t)和P2(t)，W作為各所述目標的微動 變化信號。6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S4中獲得所述呼吸時變信號的方 法包括:對步驟S3中獲得的對應(yīng)于各目標的微動變化信號，通過低通-高通濾波方式濾波， W獲得到各所述目標的呼吸時變信號。7. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟S4中獲得所述屯、跳時變信號的方 法包括:對步驟S3中獲得的對應(yīng)于各目標的微動變化信號，進行帶通濾波方式進行信號濾 波操作，w獲得各所述目標的屯、跳時變信號。8. -種基于盲源分離的呼吸與屯、跳信號的分離裝置，其特征在于，應(yīng)用如權(quán)利要求1所 述的基于盲源分離的呼吸與屯、跳信號的分離方法;所述分離裝置至少包括： 濾波單元，配置為對所述微動變化信號濾波，獲得對應(yīng)于各所述目標的呼吸時變信號 和屯、跳時變信號。9. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述濾波單元包括低通濾波器和高通濾波 器。10. 根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述濾波單元包括帶通濾波器。
【文檔編號】A61B5/00GK105962914SQ201610350383
【公開日】2016年9月28日
【申請日】2016年5月24日
【發(fā)明人】黃亦謙
【申請人】北京千安哲信息技術(shù)有限公司