以下为《省研究生科研创新计划 项目申报书》的无排版文字预览,完整内容请下载
附件1
XX省研究生科研创新计划
项目申报书
申 请 人: 付阳烨
研 究 生 层 次: 博士研究生□ 硕士研究生■
一级学科代码: 0812
一级学科名称: 计算机科学与技术
研 究 方 向 : 深度学习与生命体征监测
申请项目名称:基于毫米波雷达的的生命体征监测系统
指 导 教 师 : 孙某某 教授/博导
所 在 学 校 : XX邮电大学
**_*
制表
**_*
填 表 说 明
一、填写本表前,应先仔细阅读有关通知文件及本说明,务必实事求是填写。
二、填写本表栏目时,如需要可加附页。
三、本表所有信息必须全部填写,不存在的内容一律填“无”。项
目
概
况
项目名称
基于毫米波雷达的的生命体征监测系统
项目类别
A.人文社科项目□
B.自然科学项目■
起止
年限
2021年 4月至 2022年 9月
申
请
人
姓 名
付阳烨
性 别
男
出生年月
1998.2
博(硕)士入学年月
2020.9
所 在
院 系
计***、***、网络空间***
联系电话
***
电子
信箱
***05@njupt.edu.cn
一、立项依据(包括项目来源,研究意义,国内外研究现状、水平和发展趋势等)
1.项目来源与研究意义
生命体征信号是现代卫生保健和医学应用的重要指标[1]。监测心跳、呼吸等重要参数,为医生提供可靠的诊疗依据。传统的生命体征检测方法主要采用接触式可穿戴传感器[2]或粘稠式电极[3]直接监测心跳和呼吸信号。然而,基于可穿戴传感器的方法和基于粘电极的方法由于有线线路的存在,限制了用户的行为,无法真实反映用户在无意识运动时重要特征参数的变化。此外,接触式传感器通常操作复杂,经常让用户感到不舒服。相比之下,非接触式雷达探测技术可以在不使用电极或传感器的情况下远距离监测心跳和呼吸信号,让用户更容易、更舒适。更重要的是,非接触式雷达传感器在救援、反恐响应、紧急搜索[4]等领域有着广泛的应用。因此,非接触式雷达探测技术逐渐成为新兴应用领域的研究热点,如生命体征监测[5]、海洋表面流速测量[6]、海军搜救行动[7,8]、位置占据感知[9,10]、人机交互中的手势感知[11,12]等。
对于毫米波雷达对生命体征检测的实现,有许多方面的应用,不仅可以用于临床医学和家庭检测中,在军事作战方面也有重要的用途,可以对战斗人员进行检测以此来知晓其身体状况,可以隔墙发现敌人的存在,进行精确打击,当然在救灾方面,其可以探测瓦砾下微弱的生命信号,提高救援率。疫情期间,可以通过非接触的方式降低传染的风险,对于这方面的研究有着重要且实际的意义。而我们后续对于此方面的研究可以帮助实现以一种可家用,便携式的方式测量生命体征信号,给用户更好的非接触式的测量体验,真正实现无接触的人体呼吸和心率的测量。
2.国内外研究现状及分析
目前,用于生命体征监测的雷达系统主要有三种类型,即脉冲雷达[13]/(超宽带雷达)[14]、连续波(CW)多普勒雷达[15,16]和调频连续波(FMCW)雷达[17]。在参考文献[13]中,作者使用3.3 GHz脉冲雷达通过时变滤波器来提取心跳和呼吸频率来降低噪声;然而,目前还没有对检测精度进行讨论。同时,[13]中使用的脉冲雷达由于其宽频带特性,在系统集成和低功耗运行方面非常不利。相比之下,连续波和FMCW雷达具有更高的系统集成度和更低的操作功率,更容易接近检测。因此,Dong等人[16]使用24 GHz CW多普勒雷达,通过检测传导到背部皮肤的心房和心室的联合收缩和放松,获得心电图。连续波多普勒雷达由于缺乏调制谱信息,不能很好地识别杂波和多目标。
因此,基于连续波多普勒雷达的生命体征监测方法仅依靠多普勒信息来检测相对运动[18]。另外,由于多普勒雷达只能得到多普勒信息,不能得到距离信息,提取的多普勒信息可能包含人体自身和附近环境的微运动干扰,导致生命体征检测精度较低。与连续波和脉冲雷达相比,FMCW雷达具有更高的距离分辨率和速度分辨率,以及识别多个目标和提取目标微动信息的能力,使其成为生命探测领域的主流选择。
Sharpe等在1990年[19]实现了FMCW雷达用于生命体征监测。2013年Zhang等[20]利用扫描带宽为72 MHz的24.15 GHz FMCW雷达提取人体心跳信号,提出了一种周期性杂波抑制的投影矩阵方法。虽然考虑了周围静态物体的杂波干扰,但并没有消除人体微运动对心率估计的干扰。由于微运动可能包含呼吸运动,因此提取的不正确的心跳信息可能是不正确的。Lee等人[21]采用24 GHz FMCW雷达进行心跳率估计,消除了环境杂波噪声,减少了多人之间的相互干扰。然而,没有考虑人体目标微运动对人体特征估计的影响。在[22]中,作者使用了9.6 GHz FMCW雷达来检测心跳和呼吸速率。为了减少人体呼吸谐波对心率估计的影响,Anitori等人[22]提出了两种利用信号幅值和相位信息计算心率和呼吸频率的方法。然而,针对谐波和降噪的具体解决方案是低效的。Gu等[23]对2.4 GHz雷达采用反正切解调和相位补偿,解决了人体运动引起的谐波干扰问题。由于使用正交接收机,I/Q信号引入直流偏移,因此需要更复杂的I/Q信号校准。高频毫米波雷达具有较高的信噪比,即使在几十微米的小位移[24]的情况下,也具有较高的灵敏度。Alizadeh等人[25],作者应用了77 GHz毫米波雷达,通过提取中频(IF)信号的相位来检测重要信号的成分。这样的77ghz毫米波雷达不仅避免了幅值信号估计引起的高次谐波,还解决了正交接收机引起的直流信号偏移问题。但是,在[25]中提出的方法可能会导致呼吸谐波频率掩盖心跳频率的现象,导致心跳频率估计精度下降。Alizadeh等人[25]使用两个带通滤波器来分离心跳和呼吸信号,并找到最大的光谱值(在两个波段内)作为估计的呼吸频率和心跳频率。但是,由于存在呼吸谐波或噪声,所获得的心跳和呼吸频率可能不正确,特别是心跳频率。
经过初步的文献调研,我认为目前本领域的研究主要存在如下研究问题和发展趋势:
(1)在实际测量中,人的位移、肢体运动以及人体的随机移动会给测量带来干扰,所捕获的信号含有大量噪声,想要得到包含人体生命体征的有意义的数据,需要优秀的算法对数据进行处理。
(2)高频段的毫米波雷达虽然有较高的信噪比以及灵敏度,但是其穿透能力弱,尤其本项目预备使用的IWR6843AOPEVM,可测角度小,应用在多人识别以及穿透遮挡物的生命体征监测还是一个巨大的挑战。
(3)原始数据经过相位提取之后得到反映人体生命体征的波形,但是由于呼吸产生的胸腔位移远大于心跳,其谐波频率掩盖了心跳频率,导致心跳频率的估计精度下降,如何设计一个分离心跳呼吸信号并能提高心跳频率的估计精度的算法也是一个难点。
参考文献
Shafiq, G.; V eluvolu, K.C. Surface chest motion decomposition for cardiovascular monitoring. Sci. Rep. 2014, 4, 5093.
Kwak, Y .H.; Kim, W.; Park, K.B.; Kim, K.; Seo, S. Flexible heartbeat sensor for wearable device.Biosens. Bioelectron. 2017, 94, 250–255.
Yamashita, S. Biological Signal Detection Electrode and Biological Signal Detection Apparatus. U.S. Patent 8,620,401, 31 December 2013.
Chen, K.M.; Huang, Y .; Zhang, J.; Norman, A. Microwave life-detection systems for searching human subjects under earthquake rubble or behind barrier. IEEE T rans. Biomed. Eng. 2000, 47, 105–114.
Li, C.; Lin, J.; Xiao, Y . Robust overnight monitoring of human vital signs by a non-contact respiration and heartbeat detector. In Proceedings of the 2006 International Conference of the IEEE Engineering in Medicine and Biology Society , New York, NY , USA, 30 August–3 September 2006; pp. 2235–2238.
Liu, Y .; W.R.H.; Merz, C. Assessment of CODAR Seasonde and WERA HF Radars in Mapping Surface Currents on the West Florida Shelf. J. Atmos. Ocean. T echnol. 2014, 31, 1363–1382. [CrossRef]
Zhao, C.; Zezong, C.; He, C.; Xie, F.; Chen, X.; Mou, C. Validation of Sensing Ocean Surface Currents Using Multi-Frequency HF Radar Based on a Circular Receiving Array . Remote. Sens. 2018, 10, 184. [CrossRef]
Wyatt, L.R. Use of HF radar for marine renewable applications. In Proceedings of the 2012 Oceans—Yeosu,Yeosu, Korea, 21–24 May 2012; pp. 1–5.
Yavari, E.; Jou, H.; Lubecke, V .; Boric-Lubecke, O. Doppler radar sensor for occupancy monitoring.In Proceedings of the 2013 IEEE Topical Conference on Power Amplifiers for Wireless and Radio Applications,Santa Clara, CA, USA, 20 January 2013; pp. 145–147.
Yavari, E.; Song, C.; Lubecke, V .; Boric-Lubecke, O. Is there anybody in there?: Intelligent radar occupancy sensors. IEEE Microw. Mag. 2014, 15, 57–64. [CrossRef]
Wang, F.K.; Tang, M.C.; Chiu, Y .C.; Horng, T.S. Gesture sensing using retransmitted wireless communication signals based on Doppler radar technology . IEEE T rans. Microw. Theory T ech. 2015, 63, 4592–4602. [CrossRef]
Liu, C.; Gu, C.; Li, C. Non-contact hand interaction with smart phones using the wireless power transfer features. In Proceedings of the 2015 IEEE Radio and Wireless Symposium (RWS), San Diego, CA, USA,25–28 January 2015; pp. 20–22.
Hosseini, S.A.T.; Amindavar, H. UWB radar signal processing in measurement of heartbeat features.In Proceedings of the 2017 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), New Orleans, LA, USA, 5–9 March 2017; pp. 1004–1007.
Li, J.; Zeng, Z.; Sun, J.; Liu, F. Through-Wall Detection of Human Being’s Movement by UWB Radar.IEEE Geosci. Remote. Sens. Lett. 2012, 9, 1079–1083. [CrossRef]
Li, C.; Lubecke, V .M.; Boric-Lubecke, O.; Lin, J. A review on recent advances in Doppler radar sensors for noncontact healthcare monitoring. IEEE T rans. Microw. Theory T ech. 2013, 61, 2046–2060. [CrossRef]
Dong, S.; Zhang, Y .; Ma, C.; Zhu, C.; Gu, Z.; Lv , Q.; Zhang, B.; Li, C.; Ran, L. Doppler Cardiogram: A Remote Detection of Human Heart Activities. IEEE T rans. Microw. Theory T ech. 2019, 68, 1132–1141. [CrossRef]
Anghel, A.; Vasile, G.; Cacoveanu, R.; Ioana, C.; Ciochina, S. Short-range wideband FMCW radar for millimetric displacement measurements. IEEE T rans. Geosci. Remote Sens. 2014, 52, 5633–5642. [CrossRef]
Li, Y .; O’Young, S. Method of doubling range resolution without increasing bandwidth in FMCW radar.Electron. Lett. 2015, 51, 933–935. [CrossRef]
Sharpe, S.M.; Seals, J.; MacDonald, A.H.; Crowgey , S.R. Non-Contact Vital Signs Monitor. U.S. Patent 4,958,638, 25 September 1990.
Zhang, D.; Kurata, M.; Inaba, T. FMCW radar for small displacement detection of vital signal using projection matrix method. Int. J. Antennas Propag. 2013, 2013, 571986. [CrossRef]
Lee, H.; Kim, B.H.; Park, J.K.; Yook, J.G. A Novel Vital-Sign Sensing Algorithm for Multiple Subjects Based on 24-GHz FMCW Doppler Radar. Remote Sens. 2019, 11, 1237. [CrossRef]
Anitori, L.; de Jong, A.; Nennie, F. FMCW radar for life-sign detection. In Proceedings of the 2009 IEEE Radar Conference, Pasadena, CA, USA, 4–8 May 2009; pp. 1–6.
Gu, C.; Wang, G.; Inoue, T.; Li, C. Doppler radar vital sign detection with random body movement cancellation based on adaptive phase compensation. In Proceedings of the 2013 IEEE MTT-S International Microwave Symposium Digest (MTT), Seattle, WA, USA, 2–7 June 2013; pp. 1–3.
Ahmad, A.; Roh, J.C.; Wang, D.; Dubey , A. Vital signs monitoring of multiple people using a FMCW millimeter-wave sensor. In Proceedings of the 2018 IEEE Radar Conference (RadarConf18),Oklahoma City , OK, USA, 23–27 April 2018; pp. 1450–1455.
Alizadeh, M.; Shaker, G.; De Almeida, J.C.M.; Morita, P .P .; Safavi-Naeini, S. Remote monitoring of human vital signs using mm-wave FMCW radar. IEEE Access 2019, 7, 54958–54968. [CrossRef]
注:项目名称应简洁明了,字数限25个汉字内。
二、研究目标、研究内容和拟解决的主要问题
1.研究目标
本项目主旨在于利用FMCW毫米波雷达对呼吸速率和心率进行测量,将对回波 内容过长,仅展示头部和尾部部分文字预览,全文请查看图片预览。 以及网络使用费用等
合 计
2.6
八、申请者承诺
申请人保证上述内容的真实性。
申请人签名 :
年 月 日
九、导师推荐意见
指导教师签名 :
年 月 日
十、学校审核意见
(学校公章)
年 月 日
[文章尾部最后500字内容到此结束,中间部分内容请查看底下的图片预览]请点击下方选择您需要的文档下载。
以上为《省研究生科研创新计划 项目申报书》的无排版文字预览,完整内容请下载
省研究生科研创新计划 项目申报书由用户“bobxnh123”分享发布,转载请注明出处