申请/专利权人：长春理工大学

申请日：2024-01-05

公开（公告）日：2024-06-21

公开（公告）号：CN117731298B

主分类号：A61B5/318

分类号：A61B5/318;A61B5/346;A61B5/05

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明属于智能健康监测技术领域，尤其为一种基于FMCW雷达的非接触式心电信号反演方法，包括：S1：使用FMCW雷达获取目标胸腔振动的相位信号并完成心电信号的采集；S2：使用改进的加速度提取算法从雷达相位信号提取心脏运动加速度信号；S3：将心电信号按其波形特性不同分割为三个波段，对不同波段对应的心脏运动加速度波形进行特征点标记与波形分割，完成数据集的构建；S4：通过端到端的分区映射模型完成加速度信号到心电信号的跨域转换；S5：利用所得模型对目标进行心电信号反演。本发明通过改进的加速度信号提取算法提高计算精度，使噪声降低效果更明显，同时通过改进的心电重建网络架构提高模型性能和计算效率，使得反演的心电信号有较高的精度。

主权项：1.一种基于FMCW雷达的非接触式心电信号反演方法，其特征在于，具体步骤如下：S1：使用FMCW雷达获取待测目标胸腔振动的相位信号并同步完成心电信号的采集；S2：使用改进的加速度提取算法从雷达相位信号提取心脏运动加速度信号；所述S2的具体步骤为，将雷达相位信号转换为雷达位移信号，通过变分模态信号分解算法对所述的雷达位移信号进行信号分解及其特征分量的重构，得到与心电信号对应的心脏运动位移信号；对心脏运动位移信号进行加速度提取算法处理，得到含噪声的心脏运动加速度信号，最后通过0.9-50Hz带通滤波器滤除呼吸信号和高频噪声得到较为纯净的心脏运动加速度信号；所述加速度提取算法的具体表现为，对位移信号进行融合自适应步长的多邻点差分加速度提取算法，自适应步长差分可以根据位移信号的变化情况来调整步长，当差分步长的绝对值大于或等于步长阈值时，信号在该范围变化较快，选择较小的步长以捕捉细微的变化；而当差分步长的绝对值小于步长阈值时，信号在该范围变化较慢，可以选择较大的步长以提高计算效率，避免在信号变化较慢或平稳的区域过多地计算导数，从而大大减少传统差分带来的毛刺，使得到的结果更加光滑，提高噪声降低效果；S3：将心电信号按其波形特性不同分割为三个波段，对不同波段对应的心脏加速度波形进行特征点标记与波形分割，构建加速度信号与心电信号特征一一对应的分波段数据集；S4：通过端到端的分区跨域映射网络对所构建的数据集进行训练得到心脏运动加速度信号到心电信号的分区重建映射模型；所述S4中端到端的分区跨域映射网络具体为一种融合注意力机制的编码器-解码器的分区域重建网络架构，其具体表现为：输入模块，用于将一个周期内的心脏运动加速度波形按心电信号波动程度不同分为三个波段，将这三个波段依次输入到编码器模块，其不同波段波形特性不同，可以单独训练重建网络模型，实现对心电信号各个特征波段更精细化的重建；编码器模块，用于对输入的每段心脏运动加速度信号数据使用卷积神经网络CNN提取空间位置特征，同时，该信号是时间序列，采用循环神经网络LSTM提取时间序列特征，该模块还包括特征融合部分，用于将空间位置特征与时间序列特征进行融合，如果融合后的特征维度过大，则在特征选择部分进行特征降维以减少后续网络的计算复杂度；解码器模块，用于将心脏机械活动的心脏运动加速度波形数据进行端到端重建以输出心脏电活动的心电信号波形数据，该模块还融入注意力机制，用于编码提取后进行加权解码，对当前时刻对齐概率向量加权求和得到上下文权重变量，精准聚焦心电信号的主要特征波段的注意力信息，使网络集中注意力在解码器输出心电波形的主要特征上更快收敛；输出模块，用于将一个周期内的心电信号三个重建波段按照时间顺序进行拼接，得到单周期完整的心电信号；S5：利用所得模型对人体目标进行快速、准确、更精细化的心电信号反演。

全文数据：

权利要求：

百度查询： 长春理工大学 一种基于FMCW雷达的非接触式心电信号反演方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD