非接触运动生理感测方法与运动生理感测雷达

技术领域

本发明涉及雷达技术，特别是涉及一种非接触运动生理感测方法与运动生理感测雷达。

背景技术

现在有许多可穿戴或直接接触的生理参数测量设备能够在日常生活活动中监测生理参数(如心率)。然而，长时间配戴穿戴或接触式设备，会让受测者感到不舒适。虽然，仍有非接触的测量方式，然而当受测者处于运动状态下，其身体的晃动容易对测量造成干扰，影响测量准确度。

因此，需要提供一种非接触运动生理感测方法与运动生理感测雷达来解决上述问题。

发明内容

有鉴于此，依据一些实施例，一种非接触运动生理感测方法，由一信号处理装置中的一处理器执行，包括：获得一数字信号；依据数字信号获得一相位地图及一振动频率地图，其中相位地图呈现随相对于一运动生理感测雷达的距离变化与相位变化的能量分布，振动频率地图呈现随相对于运动生理感测雷达的距离变化与振动频率变化的能量分布；从振动频率地图中选出具有能量强度超出一能量阈值的至少一候选位置；从至少一候选位置中选定一目标位置，目标位置为至少一候选位置中具有符合一生理参数范围的一振动频率的一者；依据目标位置，取得相位地图中一距离范围内的一个或多个目标相位数据；以及输入该一个或多个目标相位数据至一机器学习模型中，以获得一生理参数预测结果。

依据一些实施例，一种运动生理感测雷达，包括发射单元、接收单元以及信号处理模块。发射单元发送一入射雷达信号。接收单元接收一反射雷达信号。信号处理模块依据反射雷达信号获得对应的一数字信号，并依据数字信号获得一相位地图及一振动频率地图，从振动频率地图中选出至少一候选位置，且从至少一候选位置中选定一目标位置，而依据目标位置取得相位地图中一距离范围内的一个或多个目标相位数据，以及输入该一个或多个目标相位数据至一机器学习模型中以获得一生理参数预测结果。其中，相位地图呈现随相对于运动生理感测雷达的距离变化与相位变化的能量分布。振动频率地图呈现随相对于运动生理感测雷达的距离变化与振动频率变化的能量分布。目标位置为至少一候选位置中具有符合一生理参数范围的一振动频率且具有最大的能量强度者。

依据一些实施例，目标位置为至少一候选位置中具有符合一生理参数范围的一振动频率且具有最大的能量强度者。

依据一些实施例，对于相位地图中的每一距离条状块分别计算能量阈值，将每一距离条状块上每一相位的能量值与对应距离条状块的能量阈值相比，以选出超过能量阈值的至少一候选位置。

依据一些实施例，能量阈值是依据对应的距离条状块的一能量平均值或一能量最大值来决定。

依据一些实施例，能量阈值为a倍能量平均值与b倍能量最大值的总和，其中a+b＝1，a与b为正数。

依据一些实施例，能量阈值为a倍能量平均值，其中a为正数。

依据一些实施例，振动频率地图是通过对相位地图的每一距离上的相位分布进行快速傅立叶变换而取得。

依据一些实施例，对数字信号进行快速傅立叶变换，以获得一距离形貌地图，其中距离形貌地图呈现随相对于运动生理感测雷达的距离变化与时间变化的能量分布。

依据一些实施例，对距离形貌地图进行相位展开，以获得相位地图。

依据一些实施例，目标相位数据为相位地图中的多个距离条状块，相位地图中的其中之一包括目标位置。

依据一些实施例，从至少一候选位置中选定N个待测目标位置且N大于1，其中该N个待测目标位置为至少一候选位置中具有符合生理参数范围的振动频率且具有前N大能量强度者；依据每一待测目标位置，取得相位地图中相对应距离范围内的一个或多个待测目标相位数据；以及输入每一待测目标位置的该一个或多个待测目标相位数据至机器学习模型中，以获得每一待测目标位置对应的一生理参数预测结果。

综上所述，依据一些实施例的非接触运动生理感测方法与运动生理感测雷达，能通过非接触方式在受测者运动状态下精准感测到生理参数。

附图说明

图1为依据一些实施例的运动生理感测雷达的使用状态示意图。

图2为例示雷达信号的示意图。

图3为依据一些实施例的频率调制连续波雷达的方框示意图。

图4为例示入射雷达信号与反射雷达信号的示意图。

图5为依据一些实施例的信号处理示意图。

图6为依据一些实施例的非接触运动生理感测方法的流程图。

图7为依据一些实施例的信号处理装置的方框示意图。

图8A为依据一些实施例的距离形貌地图的原始彩图的灰阶版示意图。

图8B为依据一些实施例的距离形貌地图的原始彩图的黑白版示意图。

图9A为依据一些实施例的相位地图的原始彩图的灰阶版示意图。

图9B为依据一些实施例的相位地图的原始彩图的黑白版示意图。

图10A为依据一些实施例的振动频率地图的原始彩图的灰阶版示意图。

图10B为依据一些实施例的振动频率地图的原始彩图的黑白版示意图。

图11为依据一些实施例的距离条状块的振动频率分布示意图。

图12为依据一些实施例的机器学习模型在训练集和验证集上的损失-期变化图。

图13为依据一些实施例的生理参数预测结果示意图。

图14为依据一些实施例的Bland-Altman图。

主要组件符号说明：

10运动生理感测雷达

10' 频率调制连续波雷达

11发射单元

12接收单元

13解调单元

14模拟数字转换器

15处理单元

16信号处理模块

60信号处理装置

61处理器

62存储装置

63程序

64机器学习模型

90目标

FH入射雷达信号

FN反射雷达信号

A1、A2 二维矩阵

B 脉冲带宽

Ct、Cr 啁啾脉冲

C1、C2、C3、Cn 啁啾脉冲

D1、D2、Dn数列

P1、P2、Pn频域信号

S 斜率

SC啁啾脉冲

SD数字信号

SI中频信号

SP频域信号

S700～S714步骤

Tc持续时间

τ 延迟时间

V

具体实施方式

关于本文中所使用的“连接”术语，其指两个或多个元件相互直接作实体或电性接触，或是相互间接作实体或电性接触。

参照图1，图1为依据一些实施例的运动生理感测雷达10的使用状态示意图。运动生理感测雷达10发射雷达信号(后称“入射雷达信号FH”)。入射雷达信号FH发射至目标90会受到目标90(如受测者)的运动而调制并反射回运动生理感测雷达10，后称反射的雷达信号为“反射雷达信号FN”。于是，可通过分析反射雷达信号FN来检测目标90的一种或多种信息。信息可例如是速度、距离、方位、生理信息(如，心跳、呼吸)等。

在一些实施例中，运动生理感测雷达10可以是频率调制连续波(FrequencyModulated Continuous Wave，FMCW)雷达、连续波(Continuous Wave，CW)雷达或超宽带(Ultra-wideband，UWB)雷达。以下将以频率调制连续波雷达为例进行说明。

参照图2，图2为例示雷达信号的示意图，上半部呈现入射雷达信号FH的振幅对时间的变化，下半部呈现入射雷达信号FH的频率对时间的变化。入射雷达信号FH包括多个啁啾(chirp)脉冲SC。为了附图清晰，图2仅呈现一个啁啾脉冲SC。在此，啁啾脉冲SC为线性调频脉冲信号，指频率随时间以线性方式增加的正弦波。在一些实施例中，啁啾脉冲SC的频率是以非线性方式增加。为了方便说明，后续以线性方式来说明。如图2所示，在一持续时间Tc(如40微秒)内，啁啾脉冲SC根据一斜率S由一起始频率(如77GHz)线性增加至一终止频率(如81GHz)。起始频率与终止频率可选自毫米波频段(即30GHz至300GHz)。起始频率与终止频率之差为脉冲带宽B。

合并参照图3及图4。图3为依据一些实施例的频率调制连续波雷达10'的方框示意图。图4为例示入射雷达信号FH与反射雷达信号FN的示意图。频率调制连续波雷达10'包括发射单元11、接收单元12、解调单元13、模拟数字转换器14以及处理单元15。发射单元11用以发射入射雷达信号FH，包括发射天线和信号合成器。信号合成器用以产生包括啁啾脉冲Ct的入射雷达信号FH，并经由发射天线发射。接收单元12包括接收天线，用以接收包括至少一啁啾脉冲Cr的反射雷达信号FN。啁啾脉冲Cr可视为啁啾脉冲Ct的延迟版本。解调单元13、模拟数字转换器14以及处理单元15用以处理接收到的反射雷达信号FN，可合称为信号处理模块16。解调单元13连接发射单元11及接收单元12，包括混频器及低通滤波器。混频器将入射雷达信号FH的啁啾脉冲Ct和反射雷达信号FN相对应的啁啾脉冲Cr耦合，可产生两啁啾脉冲Ct、Cr的频率之和以及频率之差等两种耦合信号。低通滤波器将耦合后的信号进行低通滤波以去除高频成分，而获得两啁啾脉冲Ct、Cr的频率之差的耦合信号，后称“中频(Intermediate Frequency)信号SI”。模拟数字转换器14将中频信号SI转换为数字信号SD(如图5所示)。处理单元15对数字信号SD进行数字信号处理。处理单元15可以例如是中央处理单元(Central Processing Unit，CPU)、图形处理器(Graphics Processing Unit，GPU)，或是其他可编程的一般用途或特殊用途的微处理器(Microprocessor)、数字信号处理器(Digital Signal Processor，DSP)、可编程控制器、特殊应用集成电路(ApplicationSpecific Integrated Circuits，ASIC)、可编程逻辑装置(Programmable Logic Device，PLD)或其他类似装置、芯片、集成电路以及其组合。

参照图4，中频信号SI的频率f

f

τ＝2d/c…式2

f

参照图5，图5为依据一些实施例的信号处理示意图。在此，将啁啾脉冲SC分别依序编号为C1、C2、C3、…、Cn，n为正整数。模拟数字转换器14将所收到的对应各啁啾脉冲C1～Cn的中频信号SI转换为数字信号SD(分别表示成数列D1、D2…、Dn，n为正整数)，各啁啾脉冲Cx(x＝1～n)皆有对应的数列Dx(x＝1～n)。数字信号SD的数列Dx(x＝1～n)可分别表示为一维阵列(横列(Row)矩阵)。将此些横向阵列Dx(x＝1～n)依序纵向排列而可成为二维矩阵A1。可以理解的是，也可以将数字信号SD排列成直行(Column)阵列，并将该些直行阵列依序横向排列，同样可以得到另一二维矩阵。二维矩阵A1的值代表信号强度(振幅)。二维矩阵A1的直行的索引值x对应于啁啾脉冲SC的次序。二维矩阵A1的横列的索引值具有时间的含意，亦即二维矩阵A1的横列阵列为时域信号(与时间相关的一组数字数据)。

处理单元15对二维矩阵A1(即数字信号SD形成的二维矩阵A1)的各个横列矩阵执行快速傅立叶变换(Fast Fourier Transform，FFT)(后称“距离傅立叶变换”)而可取得频域信号SP(分别表示为P1、P2…、Pn，n为正整数)，即二维矩阵A2。因此，二维矩阵A2的横列矩阵相当于响应于一啁啾脉冲Cx的频谱分布。如前述，中频信号SI的频率隐含有距离信息。亦即，二维矩阵A2的横列的索引值具有距离含义。二维矩阵A2的值代表频谱上各频率的强度，可呈现相距频率调制连续波雷达10'不同距离所反射的雷达信号强度。如图5所示，二维矩阵A2中的填色框为峰值处(即数值超过一阈值)，表示在此频率对应距离处有目标90。从峰值处的频率可以计算出频率调制连续波雷达10'与该目标90之间的距离。进一步地，根据不同时点所计算出的特定目标90的距离变化，可计算得大范围运动信息(如平均速度)。

上述虽是以发射单元11具有一个发射天线、接收单元12具有一个接收天线为例来说明。然而，在一些实施例中，发射单元11具有多个发射天线，以发射多个入射雷达信号FH。相似地，在一些实施例中，接收单元12具有多个接收天线。

合并参照图6及图7。图6为依据一些实施例的非接触运动生理感测方法的流程图。图7为依据一些实施例的信号处理装置60的方框示意图。信号处理装置60包含处理器61及存储装置62。存储装置62为计算机可读取存储媒体，存储供处理器61执行的程序63，以执行非接触运动生理感测方法。在一些实施例中，信号处理装置60为前述频率调制连续波雷达10'，处理器61为前述处理单元15。在一些实施例中，信号处理装置60为边缘装置或是云端服务器，亦即频率调制连续波雷达10'获得数字信号SD之后，数字信号SD将被传送至边缘装置或云端服务器，由边缘装置或云端服务器进行数字信号处理。

如前所述，模拟数字转换器14可将所收到的对应各啁啾脉冲Cx的中频信号SI转换为数字信号SD，因而处理器61可获得对应于反射雷达信号FN的数字信号SD(步骤S700)。续而，依照前述的距离傅立叶变换(步骤S701)可获得距离形貌地图(Range profile map)(步骤S702)。如图8A所示，图8A为依据一些实施例的距离形貌地图的原始彩图的灰阶版示意图。如图8B所示，图8B为依据一些实施例的距离形貌地图的原始彩图的黑白版示意图。距离形貌地图呈现随相对于频率调制连续波雷达10'的距离变化(横轴)与时间变化(纵轴)的能量分布，在此由颜色深浅呈现能量差异。

依据数字信号SD，除了可以获得距离形貌地图之外，还可进一步获得相位地图及振动频率地图。在步骤S703中，对距离形貌地图进行相位展开(phase unwrapping)，以获得相位地图(步骤S704)。如图9A所示，图9A为依据一些实施例的相位地图的原始彩图的灰阶版示意图。如图9B所示，图9B为依据一些实施例的相位地图的原始彩图的黑白版示意图。相位地图呈现随相对于频率调制连续波雷达10'的距离变化(横轴)与相位变化(纵轴)的能量分布，在此由颜色深浅呈现能量差异。接着，在步骤S705中，对相位地图的每一距离上的相位分布(即距离条状块，range bin)进行快速傅立叶变换而取得振动频率地图(步骤S706)。如图10A所示，图10A为依据一些实施例的振动频率地图的原始彩图的灰阶版示意图。如图10B所示，图10B为依据一些实施例的振动频率地图的原始彩图的黑白版示意图。振动频率地图呈现随相对于频率调制连续波雷达10'的距离变化(横轴)与振动频率变化(纵轴)的能量分布，在此由颜色深浅呈现能量差异。

取得振动频率地图之后，在步骤S707中，从振动频率地图中选出具有能量强度超出一能量阈值V

在一些实施例中，能量阈值V

前述步骤S708所获得的候选位置可能为多个，因此需要进一步判定应选用何者，以排除干扰信号。在步骤S709中，从候选位置中选定一个或多个，以获得一个或多个目标位置(步骤S710)。此目标位置为候选位置中具有符合一生理参数范围的振动频率的一者。所述生理参数范围可例如是呼吸频率范围(如每分钟10～20次)、心跳频率范围(如每分钟60～100次)等。

具体来说，在一些实施例中，检测场域中存在一个目标90。找出每一具有符合生理参数范围的振动频率的候选位置，并选出其中具有最大的震荡频率范围的能量大小者。此选出的候选位置(距离)即为目标90所在位置(即目标位置)。

在一些实施例中，检测场域中存在多个目标90。从候选位置中选定N个待测目标位置且N大于1，其中此N个待测目标位置为候选位置中具有符合生理参数范围的振动频率且具有前N大能量强度者。此些待测目标位置即为目标90所在位置(即目标位置)。

确定了一个或多个目标所在位置之后，便可据以取出相应的一个或多个目标相位数据(或称待测目标相位数据)(步骤S711)。考量运动状态下的物件检测可能会产生误判而有偏差。在步骤S711中，依据每一目标位置，取得相位地图中相对应距离范围内的一目标相位数据(步骤S712)。在一些实施例中，依据每一目标位置，取得相位地图中相对应距离范围内的一目标相位数据，其中该目标相位数据包括目标位置的距离条状块。在另一些实施例中，依据每一目标位置，取得相位地图中相对应距离范围内的多个目标相位数据，其中此些目标相位数据除了包括目标位置的距离条状块之外，也包括目标位置相邻的一个或多个距离条状块。例如，以目标位置的距离条状块为中心，向两旁各取两个距离条状块，则目标相位数据包括有五个距离条状块。

在步骤S713中，将每一待测目标位置的目标相位数据输入至机器学习模型64中，以获得生理参数预测结果(步骤S714)。例如预测对应呼吸频率或心跳频率。在一些实施例中，目标相位数据是经过正规化，再输入至机器学习模型64中。

在一实施例中，机器学习模型64采用MobileNetV3模型。训练样本是采集三种运动器材(脚踏车、椭圆机以及跑步机)的使用数据。每种运动器材收集30人次雷达数据，共计90人次雷达数据。每一笔雷达数据包括四种运动强度(休息、慢、中、快)的数据，每种运动强度时长两分钟。频率调制连续波雷达10'架设高度在1.6～2米，距离受测者0.7～0.9米。收集过程中，受测者配戴心率计，以同步获取实时心率作为标记样本。参照图12，图12为依据一些实施例的机器学习模型64在训练集和验证集上的损失-期(Loss-epoch)变化图，可以看到模型得到良好的收敛。训练数据共7047笔，学习率为10

上述非接触运动生理感测方法是以滑动视窗(sliding window)方式来取得数字信号SD并进行处理。在一些实施例中，视窗大小为10秒，时步(time steps)为一秒。

综上所述，依据一些实施例的非接触运动生理感测方法与运动生理感测雷达10，能通过非接触方式在受测者运动状态下精准感测到生理参数。