买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜常熟理工学院申请的专利基于稀疏时空约束的毫米波雷达呼吸与心率同步监测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119184657B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411711052.X，技术领域涉及：A61B5/0507；该发明授权基于稀疏时空约束的毫米波雷达呼吸与心率同步监测方法是由陶宇;沈昱婷;陶茜茜;杨希峰;刘诚毅;徐健;张静亚设计研发完成，并于2024-11-27向国家知识产权局提交的专利申请。

本基于稀疏时空约束的毫米波雷达呼吸与心率同步监测方法在说明书摘要公布了：本发明公开了一种基于稀疏时空约束的毫米波雷达呼吸与心率同步监测方法，包括：获取毫米波雷达的回波脉冲信号，得到呼吸信号和心率信号，得到采样回波信号矩阵；将信号矩阵分解为低秩矩阵和稀疏矩阵，引入总变差正则化项，建立联合优化目标函数；对目标函数进行迭代优化，得到低秩矩阵、呼吸信号稀疏矩阵和心率信号稀疏矩阵，实现呼吸与心率同步监测。实现了呼吸暂停事件与心率异常事件的同步检测。在优化模型的建立中引入总变差正则化的定义，提高了呼吸暂停与心率异常事件的解耦与重构准确性。在优化求解算法过程中，增加了特征选择过程，对输入数据进行了预修正，筛除低相关性特征，提高了呼吸暂停与心率异常事件判定的鲁棒性。

本发明授权基于稀疏时空约束的毫米波雷达呼吸与心率同步监测方法在权利要求书中公布了：1.一种基于稀疏时空约束的毫米波雷达呼吸与心率同步监测方法，其特征在于，包括以下步骤：S01：获取毫米波雷达的回波脉冲信号，得到呼吸信号和心率信号，得到采样回波信号矩阵；S02：将信号矩阵分解为低秩矩阵和稀疏矩阵，引入总变差正则化项，建立联合优化目标函数；建立联合优化目标函数的方法包括：将信采样回波信号矩阵分解为： ，其中，是低秩矩阵，是稀疏矩阵，是噪声矩阵；联合优化目标函数为： ，其中，是矩阵的核函数，是矩阵的范数，是矩阵的Frobenius范数，是呼吸暂停事件对应的稀疏矩阵，是心率异常事件对应的稀疏矩阵，与为控制稀疏性强度的正则化参数，表示总变差正则化，与为控制总变差正则化项的权重系数； ， ，其中，与分别表示稀疏矩阵与第行第列的元素，为接收的脉冲采样信号数，为采样长度；对目标函数进行迭代优化的方法包括：S11：从接收信号矩阵中提取时域、频域、瞬时特征，针对每一个接收脉冲信号构建对应的特征矩阵，其维度为，为提取的特征数量；S12：使用L1正则化进行特征选择，以筛选出与目标信号相关性高的特征；使用L1正则化进行特征选择的方法包括：S21：定义呼吸暂停目标特征信号，其表示在典型呼吸暂停事件发生时，接收信号的时域、频域、瞬时特征；定义心率异常事件目标特征信号，其表示在心率异常事件发生时，接收信号的时域、频域、瞬时特征；S22：针对呼吸暂停事件，定义第个接收脉冲对应的呼吸暂停事件特征权重矢量，通过求解如下特征优化模型： ，得到基于的权重矢量估计值；S23：定义呼吸暂停事件特征阈值，对得到的权重矢量估计值进行阈值判断，若大于阈值，则保留，反之则置零，即： ，对全部接收的个脉冲信号对应的特征权重矢量进行重构估计后，组成新的特征权重矩阵；S24：针对心率异常事件，定义第个接收脉冲对应的心率异常事件特征权重矢量，通过求解如下特征优化模型： ，得到基于的权重矢量估计值；S25：定义心率异常事件特征阈值，对得到的权重矢量估计值进行阈值判断，若大于阈值，则保留，反之则置零，即： ，对全部接收的个脉冲信号对应的特征权重矢量进行重构估计后，组成新的特征权重矩阵；S26：更新特征选择后的重构输入信号： ；S13：利用交替乘子算法迭代优化得到低秩矩阵估计值，稀疏矩阵估计值与；S03：对目标函数进行迭代优化，得到低秩矩阵、呼吸信号稀疏矩阵和心率信号稀疏矩阵，实现呼吸与心率同步监测。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人常熟理工学院，其通讯地址为：215500 江苏省苏州市常熟市南三环路99号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。