摘要
利用毫米波雷达实现人员生命体征监护以及生理参数提取，相比其他传感器，在精确度、灵活性和信息量上都具有明显优势。但由于生命体征信号微弱、波形复杂，常规方法面临对噪声敏感、信号分离困难、无法提取精细生理参数等问题。针对这些问题，本文对相位解调、体征信号分离与生理参数提取三个方面的关键技术进行了研究。 本文采用60GHz毫米波雷达作为实验平台，从雷达系统结构出发，详细介绍了雷达基本测量原理与性能，并在此基础上，通过分析人员生命体征信息与雷达回波中微多普勒相位的关系，建立了人体体征回波信号模型。 微多普勒相位解调是提取生理参数的基础，解调质量决定了提取质量。首先介绍了常用的解调方法，讨论了导致相位失真的主要因素。针对常规解缠绕方法对噪声敏感的问题，提出了基于窄带微分器的交叉相乘方法，提高了低信噪比下的解缠绕健壮性。在此基础上，总结了本文应用中相位解调方法的主要问题，提出了基于扩展卡尔曼滤波器的微多普勒解调算法。该方法通过跟踪人体体表起伏运动，融合改进的交叉相乘方法解调结果，实现了低信噪比条件下可靠的解调与解缠绕。仿真结果表明，在I/Q信号信噪比约4dB、传统解调方法完全失效的情况下，该方法仍能提供良好的解调结果，并获得了约15dB的信噪比提升。 人员存在检测是生理参数提取的前提，针对在目标检测中静息人体容易与强反射静止杂波混淆的问题，提出了基于回波星座图轨迹特征的目标分类的方法。通过两个稳定的特征，由支持向量机进行分类，并在实验平台上进行了验证。 生理活动的复杂性导致体征信号分离与精细参数提取困难。本文从生理学角度介绍了心肺活动的相关细节，结合心震图（Seismocardiography,SCG）与心冲击图（Ballistocardiography,BCG）定义并建立了心跳信号模型。通过模板引导的奇异谱分析方法完成体征信号的可靠分离，利用谱估计方法提取呼吸率，通过检测SCG信号中关键基准点提取了精细的心跳参数信息，包括心脏收缩、舒张期估计，逐拍心跳间期。通过仿真和实验对算法有效性进行了验证。
NETL