基于多尺度残差收缩网络的多普勒雷达心跳检测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115969388A(43)申请公布日2023.04.18(21)申请号202310171958.6G06N3/08(2023.01)(22)申请日2023.02.28A61B5/352(2023.01)A61B5/05(2023.01)(71)申请人河北工业大学地址300130天津市红桥区丁字沽光荣道8号河北工业大学东院330#(72)发明人顾军华邢佳豪张亚娟孟祥辉(74)专利代理机构天津翰林知识产权代理事务所(普通合伙)12210专利代理师付长杰(51)Int.Cl.A61B5/363(2021.01)G06F18/214(2021.01)G06F18/25(2023.01)G06N3/048(2021.01)G06N3/0464(2023.01)权利要求书2页说明书5页附图4页(54)发明名称基于多尺度残差收缩网络的多普勒雷达心跳检测方法(57)摘要本发明为基于多尺度残差收缩网络的多普勒雷达心跳检测方法，考虑时域上的连续波雷达信号在不同时间尺度上表现不同，提出多尺度时域特征提取模块，并将其置于残差收缩网络结构中，构成多尺度残差收缩模块，残差收缩网络使用软阈值作为非线性转换层，可以有效地排除干扰心跳检测的相关噪声；对不同尺度下的雷达信号进行希尔伯特‑黄变换，得到的结果反映的是信号的时频特征，进一步对变换后的信号进行特征提取，有利于将心跳相关特征从复杂的混合信号中分离出来；对多尺度残差收缩模块输出以及希尔伯特‑黄滤波模块的输出进行特征融合，有效地减少了原始雷达信号中的噪声干扰。该方法能重构出高质量的雷达信号，提高心跳检测准确率。CN115969388ACN115969388A权利要求书1/2页1.一种基于多尺度残差收缩网络的多普勒雷达心跳检测方法，其特征在于，该方法包括以下步骤：步骤1：使用连续波多普勒雷达来捕获胸腔壁位移信息，获取不同测试者的多组连续雷达信号；采集与雷达信号相同采样频率的对应心电图数据，获得EEG信号，设定一次心跳事件的持续时间，对应一次心跳事件的时间的ECG标签值设为1，其余所有时间ECG的标签值均为0，保存采集时间、ECG标签值；以多组连续雷达信号以及对应的ECG标签值构成数据集；步骤2：将数据集划分为训练集和测试集；步骤3：构建多尺度残差收缩网络：所述多尺度残差收缩网络包括N层堆叠的多尺度残差收缩模块和N个希尔伯特‑黄滤波模块，前N‑1个多尺度残差收缩模块的输出分别连接一个希尔伯特‑黄滤波模块，以雷达信号作为输入，输入信号分别进入第一个多尺度残差收缩模块和一个希尔伯特‑黄滤波模块，且N层堆叠的多尺度残差收缩模块依次串联的输出与每个希尔伯特‑黄滤波模块的输出进行特征融合，特征融合的结果经全连接层后输出重构雷达信号；所述希尔伯特‑黄滤波模块的具体流程是：首先经过经验模态分解在不同时间尺度上将雷达信号分解为多个内涵模态分量，然后经过希尔伯特变换得到各个分量的解析信号，解析信号是一个复数信号，复数的模和幅角代表了信号的幅度和相位，其中实部表示原始信号，虚部表示希尔伯特变换信号，之后交由滤波层进行特征提取，滤波层由卷积层、BN层以及ReLU激活函数组成，进一步对希尔伯特‑黄变换后得到的信息进行特征提取；之后将滤波层输出的特征再进行三次希尔伯特变换实现希尔伯特逆变换获得特征提取后的模态分量，再将特征提取后的模态分量进行经验模态叠加，获得处理后的雷达信号特征；步骤4：利用数据集训练多尺度残差收缩网络，以训练好的多尺度残差收缩网络获得重构后的雷达信号，根据重构后的雷达信号进行心跳检测。2.根据权利要求1所述的基于多尺度残差收缩网络的多普勒雷达心跳检测方法，其特征在于，所述雷达信号的采集使用24GHz连续波多普勒雷达来捕获胸腔壁位移信息，测试者静坐在距离雷达60cm处，采样频率设为100Hz，并且设有两个通道I和Q，电压范围设置为‑3.3V‑3V，使用LabVIEW执行操作，并将雷达数据写入Excel表格；通过测试不同的测试者，获得多组数据，每组数据包含300s连续雷达信号；使用心电监测仪采集对应心电图数据，通过导联线测量法在胸前的三处贴上心电电极，通过对应软件ECGDM获得可视化的心电图，以10s为单位对可视化的心电图进行截取，对截取的心电图进行采样，采样频率为100Hz，获得采样后的ECG信号，对其进行R波检测，检测到R波位置之后，设定200ms的延迟，之后连续400ms设定为一次心跳事件的持续时间，对应一次心跳事件的持续时间的ECG标签值设为1，其余所有时间ECG的标签值均为0，然后将数据存入Excel表格中，将雷达数据和ECG标签值按照采集时间进行对应；将每组的数据按5：1的比例划分训练集和测试集，分别对应250s和50s数据，数据加载时，以5s的