摘要
随着人口老龄化和疾病的不断增加，生命体征检测在评估人体健康状况方面扮演着重要的角色。传统的检测方法往往需要使用接触式的传感器检测体温、心率和呼吸等生命体征。然而，这些方法不仅会引起不适，且不适合长期监测。近年来，毫米波雷达成为一种新兴的无接触生命体征检测系统，可以在不干扰用户的情况下检测心率、呼吸和运动等生命体征，适用于医疗诊断、健康管理和智能家居等多个领域，具有广泛的应用价值，逐渐引起研究者们的关注。然而，基于毫米波雷达的生命体征检测系统仍面临着一些挑战。首先，由于受到环境干扰和噪声的影响，信号质量会受到影响。其次，生命体征信号的精确提取与分离涉及到从复杂的混合信号中提取出有效信息，当噪声频率在呼吸和心跳频率范围内时，很容易产生误差，特别是当心跳信号很弱时易受到呼吸谐波干扰，所以对信号处理算法的设计和实现提出了更高的要求。因此，在避免对人体健康造成潜在的影响的前提下，准确提取目标信息，降低噪声和谐波干扰，保证系统的安全性和可靠性，是目前亟需解决的问题。 为了解决以上问题，本研究利用77GHz毫米波雷达搭建非接触式生命体征监测系统，实现准确提取目标呼吸和心跳信号，本文的主要研究内容如下： （1）搭建了基于77GHz调频连续波（FrequencyModulatedContinuousWave,FMCW）毫米波雷达的生命体征监测系统，该系统主要包含前端信号发射与采集、信号仿真处理、算法实现和显示界面进行显示四个部分。该系统可以持续监测用户的健康状况，具有非接触、非侵入、抗干扰等优点； （2）通过恒虚警检测（ConstantFalse-AlarmRate,CFAR）算法对回波信号进行预处理，去除静态杂波，提取目标信号。并利用相位提取、相位展开以及相位差分等获取包含生命体征信号的相位变化信息。通过设计的无线冲激响应滤波器IIR实现呼吸心跳信号初步分离； （3）提出利用相对熵和样本熵优化变分模态分解（VariationalModeDecomposition,VMD）算法（RESE-VMD）。RESE-VMD通过相对熵搜索变分模型的理想参数，并不断更新每个模态分量函数和中心频率，有效避免模态混杂。同时，根据样本熵值和相关系数选择合适的信号分量重构信号。优化算法RESE-VMD实现了对初步分离的呼吸心跳信号进一步去除噪声干扰，并提高了检测的效率以及准确度； （4）为验证所搭建系统的可行性，通过仿真和真实场景实验对系统的性能进行测试与分析。通过与传统的信号分离方法例如小波变换和互补集合经验模态分解方法在不同高斯白噪声背景下以及系统响应时间等方面进行对比分析，验证了该系统所提优化算法RESE-VMD在分离呼吸和心跳信号方面取得了更好的性能，在有效减少计算量的同时具有较高的信噪比。并通过与接触式检测设备进行对比，结果表明，使用基于毫米波雷达的非接触式检测系统对心率检测的准确率可达98%左右，验证了该系统的准确性和可行性。
NETL