胡 巍，王云峰，趙章琰，張海英

1 中國(guó)科學(xué)技術(shù)大學(xué)信息科學(xué)技術(shù)學(xué)院電子科學(xué)與技術(shù)系，合肥市，230027

2 中國(guó)科學(xué)院微電子研究所，北京市，100029

連續(xù)波生物雷達(dá)體征檢測(cè)裝置與實(shí)驗(yàn)研究

【作 者】胡 巍1,2，王云峰2，趙章琰2，張海英1,2

1 中國(guó)科學(xué)技術(shù)大學(xué)信息科學(xué)技術(shù)學(xué)院電子科學(xué)與技術(shù)系，合肥市，230027

2 中國(guó)科學(xué)院微電子研究所，北京市，100029

非接觸式的生命體征檢測(cè)技術(shù)能夠?yàn)榻】当O(jiān)護(hù)提供一種有效輔助手段。 該文使用微波雷達(dá)技術(shù)研制人體生命體征檢測(cè)裝置。根據(jù)多普勒原理設(shè)計(jì)連續(xù)波雷達(dá)電路實(shí)現(xiàn)人體微動(dòng)信號(hào)檢測(cè)；采用短時(shí)傅里葉變換與插值算法實(shí)現(xiàn)人體心率和呼吸頻率參數(shù)提取；引入嵌入式平臺(tái)實(shí)現(xiàn)裝置的小型化設(shè)計(jì)和集成；編制嵌入式信號(hào)處理軟件實(shí)現(xiàn)實(shí)時(shí)的信號(hào)處理、記錄和顯示。通過(guò)利用模擬裝置和人體進(jìn)行實(shí)驗(yàn)研究與性能評(píng)測(cè)，結(jié)果表明：檢測(cè)系統(tǒng)可有效檢測(cè)單個(gè)靜止人體目標(biāo)的生命體征，工作距離范圍達(dá)90 cm，心率識(shí)別率達(dá)96%。

生物雷達(dá)；生命體征檢測(cè)；連續(xù)波雷達(dá)；短時(shí)傅里葉變換

0 引言

作為一種新興的生理信號(hào)檢測(cè)方式，微波生物雷達(dá)可以檢測(cè)人體心肺活動(dòng)等生命體征信號(hào)。與傳統(tǒng)的心電、脈搏等相比，它不僅是非接觸式的，而且具有良好的穿透性，能夠穿透衣服和被褥等障礙物進(jìn)行檢測(cè)，這些優(yōu)勢(shì)使得微波生物雷達(dá)技術(shù)在醫(yī)療診斷、健康監(jiān)護(hù)、災(zāi)難救援等領(lǐng)域具有應(yīng)用潛力[1-2]。目前，應(yīng)用微波生物雷達(dá)技術(shù)的非接觸式生命體征檢測(cè)已有相關(guān)理論研究[3-6]；生物雷達(dá)收發(fā)機(jī)電路已有集成化設(shè)計(jì)的報(bào)道[7-9]；更多的研究正投入到雷達(dá)回波信號(hào)處理、人體運(yùn)動(dòng)或生理信息提取[10-12]，以及如何使生物雷達(dá)系統(tǒng)小型化[13-14]等方面。

面向醫(yī)療診斷、家庭健康監(jiān)護(hù)等應(yīng)用場(chǎng)合，微波生物雷達(dá)需要具有實(shí)用性強(qiáng)、便攜性好、成本低等特點(diǎn)。針對(duì)這些需求，本文從連續(xù)波生物雷達(dá)原理出發(fā)，結(jié)合待測(cè)目標(biāo)的特點(diǎn)討論了檢測(cè)原理和檢測(cè)裝置的軟硬件設(shè)計(jì)問(wèn)題；研制了完整的連續(xù)波生物雷達(dá)裝置；基于嵌入式平臺(tái)實(shí)現(xiàn)實(shí)時(shí)的人體心率和呼吸頻率檢測(cè)。通過(guò)實(shí)驗(yàn)驗(yàn)證了非接觸體征檢測(cè)的可行性，并對(duì)檢測(cè)裝置的接收信號(hào)功率、有效距離和檢測(cè)準(zhǔn)確度做了測(cè)定。

1 檢測(cè)原理

微波生物雷達(dá)提供了一種非接觸式的，具有一定穿透能力的檢測(cè)生物體運(yùn)動(dòng)信息的手段。其中，連續(xù)波雷達(dá)利用電磁波的多普勒效應(yīng)檢測(cè)目標(biāo)的位移、速度等運(yùn)動(dòng)信息，結(jié)構(gòu)簡(jiǎn)單，接收信號(hào)易處理。連續(xù)波生物雷達(dá)向人體目標(biāo)發(fā)射連續(xù)電磁波，同時(shí)接收人體體表反射的回波，通過(guò)回波信號(hào)的頻率或相位的變化，提取和計(jì)算得到體表的微動(dòng)信息。由于電磁波頻率越高，在人體皮膚與空氣界面上的反射越強(qiáng)，但同時(shí)在衣服被褥等障礙物上的反射也會(huì)增加，為了得到較高的檢測(cè)精度，并減小雜波的功率，通常生物雷達(dá)選用(2.4～60) GHz的載頻。在生理學(xué)方面，人體體表微動(dòng)信息可反映人體的某些生理活動(dòng)，如檢測(cè)胸壁的振動(dòng)可得到呼吸、心跳等心肺活動(dòng)相關(guān)信息。正常人體的心搏運(yùn)動(dòng)能夠引起的體表機(jī)械振動(dòng)幅度為0.6 mm左右；由呼吸作用產(chǎn)生的幅度在(4～12) mm左右[15]。如果使用10 GHz頻段的生物雷達(dá)來(lái)檢測(cè)胸壁運(yùn)動(dòng)，每1 mm的胸壁位移將會(huì)引起最大25.2o的相位偏移，因而理論上，雖然胸壁振動(dòng)幅度很小，反映在雷達(dá)基帶的相位偏移量在載頻足夠高時(shí)仍然能夠被分辨出來(lái)。

連續(xù)波生物雷達(dá)的前端射頻電路通常采用直接變頻結(jié)構(gòu)，包括收發(fā)天線、匹配電路、振蕩器、混頻器、射頻和模擬濾波器等。圖1描述了連續(xù)波生物雷達(dá)射頻前端原理圖。假設(shè)人體目標(biāo)在距離收發(fā)天線d0處產(chǎn)生周期運(yùn)動(dòng)x(t)，振蕩器產(chǎn)生的正弦信號(hào)作為雷達(dá)發(fā)射信號(hào)T(t)（如式(1)，其中AT為發(fā)射信號(hào)幅度，f 為載波頻率，φ(t)為振蕩器產(chǎn)生的噪聲），并同時(shí)提供給接收通路作為本振信號(hào)LO(t)，發(fā)射信號(hào)傳播2d(t)的距離后變?yōu)榻邮招盘?hào)R(t)（如式(2)，其中AR為接收信號(hào)幅度，c為電磁波傳播速度，λ為載波的波長(zhǎng)，θ0為接收通路引入的常數(shù)相位偏移）。接收信號(hào)在雷達(dá)接收機(jī)中與LO(t)信號(hào)混頻并經(jīng)過(guò)低通濾波得到基帶信號(hào)輸出B(t)，可近似寫為式(3)的形式。B(t)表達(dá)式中，(4πd0/λ-θ0)是常數(shù)相位偏移，它與接收機(jī)本身參數(shù)有關(guān)，并隨著目標(biāo)與雷達(dá)之間的距離d0而變；第二個(gè)括號(hào)內(nèi)的表達(dá)式為剩余相位噪聲，距離d0越遠(yuǎn)剩余相位噪聲越大。最后一項(xiàng)是與信號(hào)x(t)成正比的時(shí)變相位偏移，通過(guò)對(duì)它的解調(diào)提取可得目標(biāo)運(yùn)動(dòng)信息。近似的，可以把B(t)的待解調(diào)相位看作是總相位偏移φ(d0)與時(shí)變相移4πx(t)/λ的和。

在單路接收機(jī)結(jié)構(gòu)中，總相位偏移為π/2的整倍數(shù)時(shí)具有最高的相位解調(diào)精度，且當(dāng)x(t)的幅度變化較小時(shí)可利用小角近似條件，B(t)近似的正比于4πx(t)/λ。本文中生物雷達(dá)生命體征的提取更關(guān)注信號(hào)的周期性信息，對(duì)波形的失真要求較低，因此直接進(jìn)行有用信號(hào)的提取即可滿足算法的需要。

圖1 連續(xù)波生物雷達(dá)前端電路原理圖Fig.1 CW bio-radar front-end diagram

2 實(shí)現(xiàn)方法

2.1 系統(tǒng)硬件設(shè)計(jì)

從生物雷達(dá)的接收信號(hào)中提取目標(biāo)的心肺活動(dòng)信息時(shí)，有用信號(hào)頻率在(0.2～10) Hz之間且幅度微弱，連續(xù)波雷達(dá)前端電路需要足夠高的信噪比，并對(duì)下變頻后的接收信號(hào)進(jìn)行直流偏移校正、信號(hào)放大、模擬帶通濾波和模數(shù)轉(zhuǎn)換，之后運(yùn)用各種生理參數(shù)檢測(cè)提取算法獲得所需信息。本文生命體征檢測(cè)裝置的系統(tǒng)框圖如圖2所示。

圖2 系統(tǒng)原理框圖Fig.2 System block diagram

本文的雷達(dá)前端使用等幅正弦波發(fā)射，零中頻接收機(jī)結(jié)構(gòu)，雷達(dá)載波工作頻段為10 GHz；收發(fā)所用天線為微帶天線，以節(jié)省體積；模擬信號(hào)處理電路(ASP)實(shí)現(xiàn)信號(hào)的放大濾波和電平搬移，模擬濾波器使用0.1 Hz的下限截止頻率以抑制直流偏移和低頻噪聲，使用100 Hz的上限截止頻率防止信號(hào)發(fā)生采樣混疊；模數(shù)轉(zhuǎn)換使用16 bit高精度ADC；信號(hào)處理單元為嵌入式平臺(tái)，用于數(shù)字信號(hào)處理和調(diào)控各級(jí)聯(lián)單元的工作；同時(shí)信號(hào)處理單元與多種外圍設(shè)備相連，一方面實(shí)現(xiàn)生命體征結(jié)果的輸出，包括顯示、報(bào)警、存儲(chǔ)數(shù)據(jù)、與計(jì)算機(jī)通信等；另一方面實(shí)現(xiàn)用戶的控制信號(hào)輸入，包括控制系統(tǒng)的運(yùn)行，設(shè)置系統(tǒng)各種參數(shù)等功能。

圖3為系統(tǒng)的硬件照片及內(nèi)部的布局示意圖。連續(xù)波生物雷達(dá)在硬件上設(shè)計(jì)為一個(gè)獨(dú)立的系統(tǒng)，體積大小為(12×6×17) cm3，用戶交互界面為觸摸顯示屏，下端非金屬窗口用于天線收發(fā)，系統(tǒng)使用鋰電池供電，一次充電續(xù)航時(shí)間可達(dá)12 h。

圖3 硬件系統(tǒng)實(shí)物圖Fig.3 Hardware photo

2.2 生命體征檢測(cè)方法

使用生物雷達(dá)進(jìn)行信號(hào)的提取與檢測(cè)有以下幾方面問(wèn)題：靜止人體本身處于雷達(dá)天線的波束范圍內(nèi)，其對(duì)雷達(dá)信號(hào)的反射貢獻(xiàn)了較大的直流成分；由于有用信號(hào)頻率范圍極低，受接收機(jī)硬件低頻噪聲影響，基帶信號(hào)輸出的信噪比不高；易受外界運(yùn)動(dòng)物體反射信號(hào)的影響，產(chǎn)生雜波干擾信號(hào)；即使是人刻意保持靜止，仍然存在與心跳振動(dòng)幅度相比擬的身體微動(dòng)，對(duì)基帶信號(hào)貢獻(xiàn)雜波；另外，呼吸與心跳引起的微動(dòng)在體表空間上重疊，由于雷達(dá)系統(tǒng)函數(shù)的非線性，易產(chǎn)生頻域交調(diào)，幅度上呼吸運(yùn)動(dòng)要強(qiáng)得多，使得心跳運(yùn)動(dòng)不易分離提取。這些問(wèn)題造成雷達(dá)的回波信號(hào)雜波成分大，尤其對(duì)于同時(shí)提取、檢測(cè)呼吸與心跳信息，難以用時(shí)域方法得出波形參數(shù)。因此生物雷達(dá)信號(hào)處理方法不同于常用的心電和脈搏波信號(hào)檢測(cè)方法，成為生物雷達(dá)技術(shù)的難點(diǎn)問(wèn)題。

本文的心率/呼吸頻率檢測(cè)方法流程如下：首先，檢測(cè)算法對(duì)雷達(dá)接收機(jī)得到的預(yù)處理和量化后的原始信號(hào)進(jìn)行帶通濾波和降采樣。帶通濾波的目的是將呼吸與心跳信號(hào)分離，同時(shí)對(duì)于降采樣有抗混疊作用。呼吸和心跳信號(hào)帶通截止頻率分別設(shè)計(jì)為(0.1～0.75) Hz和(0.75～10) Hz。濾波后進(jìn)行降采樣有助于減小算法的計(jì)算量。在此之后是進(jìn)行頻譜變換，考慮到對(duì)心肺活動(dòng)變化規(guī)律檢測(cè)的需求，本文采用時(shí)頻分析的方法從連續(xù)波生物雷達(dá)信號(hào)中提取心肺活動(dòng)信息，通過(guò)短時(shí)傅里葉變換(STFT)得到雷達(dá)基帶信號(hào)的時(shí)頻信息。STFT使用窗函數(shù)來(lái)截取信號(hào)做傅里葉分析，然后沿著信號(hào)時(shí)間方向移動(dòng)窗函數(shù)，得到頻率隨時(shí)間的變化關(guān)系。使用STFT方法進(jìn)行信號(hào)處理的關(guān)鍵問(wèn)題是要選擇長(zhǎng)度合理的窗函數(shù)，折中考慮頻率分辨率與時(shí)間分辨率，以滿足實(shí)際的需要。當(dāng)窗口長(zhǎng)度過(guò)小時(shí)，心率的識(shí)別結(jié)果隨時(shí)間的變化劇烈，存在較大的截?cái)嘣肼?Truncation noise)，此時(shí)頻率分辨率低，影響識(shí)別結(jié)果的準(zhǔn)確率；當(dāng)窗口長(zhǎng)度過(guò)大時(shí)會(huì)造成更長(zhǎng)的算法處理延遲，時(shí)間分辨率低，并增加計(jì)算量。通過(guò)實(shí)驗(yàn)，對(duì)于心跳信號(hào)，窗口長(zhǎng)度在10 s左右較為理想。STFT是基于DFT的譜分析，可利用FFT實(shí)現(xiàn)快速運(yùn)算，因而特別適合于實(shí)時(shí)信號(hào)處理。

頻譜變換得到的頻率分辨率只取決于窗函數(shù)內(nèi)信號(hào)的時(shí)間長(zhǎng)度，為保證檢測(cè)算法的延時(shí)較小，所取用的信號(hào)時(shí)間長(zhǎng)度不能過(guò)長(zhǎng)從而限制了頻率分辨率。因此本文使用STFT進(jìn)行頻率估計(jì)實(shí)現(xiàn)頻率的粗測(cè)，在此之后采用插值方法提高估計(jì)精度。本文使用SinC函數(shù)進(jìn)行頻譜的插值運(yùn)算，插值結(jié)果Xint(f)由式(4)計(jì)算得到，其中，STFT點(diǎn)數(shù)為N，STFTi表示第i個(gè)頻點(diǎn)的幅值，fs為采樣頻率，f是待插值的頻率點(diǎn)(0＜f＜0.5fs)。本文使用1 000點(diǎn)的頻譜插值運(yùn)算，在心跳和呼吸頻段分別進(jìn)行尋峰，可得到的心率結(jié)果計(jì)算分辨率為0.005 Hz，即0.3 bpm（beat pear minute）。

最后，尋找頻譜峰值并對(duì)結(jié)果進(jìn)行平滑處理，計(jì)算出心率與呼吸頻率。實(shí)際的信號(hào)中存在情況復(fù)雜的雜波干擾，每次插值后獲得的心率和呼吸頻段的頻譜峰值可能因?yàn)閺?qiáng)的雜波而發(fā)生突變。為避免這類強(qiáng)噪聲引起識(shí)別錯(cuò)誤，引入頻譜峰值跟蹤機(jī)制。認(rèn)為人體目標(biāo)的心率和呼吸頻率不會(huì)突變，據(jù)此設(shè)定跟蹤范圍，并實(shí)時(shí)修正；同時(shí)對(duì)于識(shí)別結(jié)果中突發(fā)性的、突變程度超過(guò)設(shè)定的閾值的、突變頻率點(diǎn)超過(guò)所設(shè)定的跟蹤范圍的點(diǎn)可以認(rèn)為是強(qiáng)干擾信號(hào)，對(duì)這種強(qiáng)干擾信號(hào)做剔除處理。

本文在WinCE嵌入式平臺(tái)上編寫程序?qū)崿F(xiàn)上述信號(hào)處理流程，用戶界面用Visual Basic語(yǔ)言編寫，功能包括：原始基帶信號(hào)數(shù)據(jù)實(shí)時(shí)顯示；存儲(chǔ)為文本格式；分別輸出心跳和呼吸頻段的頻譜圖，以及心率與呼吸頻率的識(shí)別結(jié)果。

3 檢測(cè)實(shí)驗(yàn)與結(jié)果

3.1 使用模擬信號(hào)源的檢測(cè)實(shí)驗(yàn)

人體心肺活動(dòng)個(gè)體差異大且產(chǎn)生的體表振動(dòng)隨身體狀況、姿勢(shì)和環(huán)境改變而變化，因而為了進(jìn)行量化、可調(diào)控、可重復(fù)的實(shí)驗(yàn)研究，本文首先使用一種模擬人體胸壁振動(dòng)的裝置作為檢測(cè)目標(biāo)。該裝置通過(guò)讀入計(jì)算機(jī)生成的典型人體胸壁表面機(jī)械振動(dòng)波形文件，將其轉(zhuǎn)變?yōu)檎駝?dòng)信號(hào)輸出，實(shí)現(xiàn)人體心肺活動(dòng)的模擬。該模擬信號(hào)源裝置的振動(dòng)面覆蓋金屬層以獲得較強(qiáng)的電磁波反射能力。

參照前述生理信號(hào)體表振動(dòng)參數(shù)，將模擬信號(hào)源配置為發(fā)送振動(dòng)幅度為4 mm，頻率為1 Hz的正弦波，安置距離生物雷達(dá)50 cm，此時(shí)得到接收機(jī)基帶信號(hào)頻譜圖如圖4?？梢?jiàn)噪聲與有用信號(hào)能量均集中在低頻段，1 Hz處基帶信號(hào)幅度達(dá)10.64 dBmV，由于解調(diào)系統(tǒng)的非線性，頻譜出現(xiàn)諧波。系統(tǒng)基底噪聲為-94.64 dBmV，基帶信號(hào)信噪比為98.36 dB。

圖4 基帶信號(hào)頻譜圖Fig.4 Baseband signal spectrum map

圖5 基帶信號(hào)功率與距離的關(guān)系Fig.5 Baseband signal power and distance

進(jìn)一步的，改變模擬信號(hào)源裝置與生物雷達(dá)的距離，可以得到基帶信號(hào)功率與距離的關(guān)系如圖5，檢測(cè)裝置的基帶信號(hào)功率隨距離增加而呈指數(shù)下降，在160 cm范圍內(nèi)均高于-10 dBmV，并可達(dá)到20 dBmV，均明顯大于1 Hz處的本底噪聲(約-40 dBmV)。

3.2 單個(gè)靜止人體目標(biāo)檢測(cè)實(shí)驗(yàn)

對(duì)于真實(shí)人體目標(biāo)的生命體征檢測(cè)，實(shí)驗(yàn)結(jié)果隨著實(shí)際環(huán)境、受試者狀態(tài)等因素改變而變化。本文將單個(gè)靜止人體目標(biāo)與生物雷達(dá)的距離固定為30 cm，使用脈搏傳感器同步采集人體目標(biāo)的脈搏信號(hào)作為心率識(shí)別結(jié)果的參考信號(hào)，用于對(duì)比分析。圖6為脈搏傳感器波形與生物雷達(dá)基帶信號(hào)波形的對(duì)比，其中生物雷達(dá)基帶信號(hào)的心跳信號(hào)與幅度較大的呼吸信號(hào)疊加。由圖可見(jiàn)生物雷達(dá)同時(shí)檢測(cè)到人體目標(biāo)的呼吸和心跳相關(guān)信息，其中心跳信號(hào)與參考信號(hào)能夠較好的對(duì)應(yīng)；另外，使用生物雷達(dá)進(jìn)行心跳信號(hào)的分析提取時(shí)，由于呼吸信號(hào)提供了一個(gè)強(qiáng)的基線漂移干擾，因此不易在時(shí)域上運(yùn)用尋峰或過(guò)零檢測(cè)等常規(guī)心率測(cè)量方法直接進(jìn)行分析。

圖6 脈搏傳感器波形與生物雷達(dá)基帶信號(hào)波形Fig.6 Waves of pulse sensor and bio-radar baseband.

進(jìn)一步的，為了評(píng)測(cè)前述生命體征檢測(cè)算法的心率識(shí)別準(zhǔn)確性，實(shí)驗(yàn)采集一段包含人體目標(biāo)心率發(fā)生變化的信號(hào)，如圖7得到生物雷達(dá)與參考信號(hào)經(jīng)過(guò)檢測(cè)算法后的心率識(shí)別結(jié)果。定義生物雷達(dá)與參考信號(hào)得出的結(jié)果相差小于2%時(shí)認(rèn)為生物雷達(dá)識(shí)別正確，計(jì)算可得對(duì)于圖7中的這段數(shù)據(jù)，生物雷達(dá)的識(shí)別正確率為96.1%。由此可見(jiàn)生物雷達(dá)檢測(cè)算法的有效性，另外檢測(cè)算法可以對(duì)發(fā)生改變的心跳頻率做出快速的跟蹤和平滑的過(guò)渡。經(jīng)過(guò)實(shí)驗(yàn)，當(dāng)生物雷達(dá)檢測(cè)系統(tǒng)在距離目標(biāo)90 cm范圍內(nèi)時(shí)均可實(shí)時(shí)有效地檢測(cè)出目標(biāo)的呼吸與心跳頻率。當(dāng)距離更遠(yuǎn)時(shí)，由于實(shí)際環(huán)境的噪聲影響，噪聲功率將與心跳的峰值功率相當(dāng)，使得心率檢測(cè)結(jié)果出現(xiàn)波動(dòng)，影響到了心率的識(shí)別準(zhǔn)確度。

圖7 心率提取結(jié)果Fig.7 Heart rate extraction results.

4 小結(jié)

本文提出一種使用連續(xù)波生物雷達(dá)技術(shù)的生命體征檢測(cè)方法，所設(shè)計(jì)的檢測(cè)裝置集成了微波雷達(dá)電路，模擬信號(hào)處理電路，ADC，嵌入式信號(hào)處理電路及外圍設(shè)備，并對(duì)檢測(cè)裝置進(jìn)行了集成化設(shè)計(jì)，使之成為電池供電的手持式設(shè)備。檢測(cè)裝置能夠?qū)?0 cm范圍內(nèi)的目標(biāo)微弱運(yùn)動(dòng)進(jìn)行非接觸式的實(shí)時(shí)監(jiān)測(cè)。使用單個(gè)靜止人體目標(biāo)實(shí)驗(yàn)時(shí)，在30 cm的距離上與脈搏傳感器相比，識(shí)別正確率為96.1%。另外，該系統(tǒng)提高了生物雷達(dá)的便攜性和使用便利性，為進(jìn)一步的實(shí)驗(yàn)研究，以及面向呼吸障礙疾病診斷、睡眠監(jiān)測(cè)、嬰兒檢測(cè)等應(yīng)用的研究打下基礎(chǔ)。

目前的生物雷達(dá)檢測(cè)裝置在硬件方面需要考慮如何自動(dòng)的調(diào)整相移常量，使解調(diào)點(diǎn)處于最佳解調(diào)點(diǎn)附近以提高檢測(cè)精度；在算法方面，所使用的跟蹤算法能夠排除突發(fā)性的強(qiáng)干擾信號(hào)而對(duì)持續(xù)的雜波抑制干擾不夠，導(dǎo)致實(shí)際人體檢測(cè)識(shí)別準(zhǔn)確率下降，進(jìn)一步的研究應(yīng)不僅限于尋找最高頻譜峰值，而是嘗試使用其他深入的頻譜分析算法。

[1] Chen KM, Huang Y. Microwave life-detection systems for searching human subjects under earthquake rubble and behind barrier [J]. IEEE Trans Biomed Eng, 2000, 47 (1): 105-114.

[2] Li C, Lin J. Recent advances in Doppler radar sensors for pervasive healthcare monitoring[C]. Proc 22nd Asia-Pacific Microw Conf, 2010, 283-290.

[3] Droitcour AD, Boric-Lubecke O, Lubecke VM, et al. Range correlation and I/Q performance benefits in single-chip silicon Doppler radars for noncontact cardiopulmonary monitoring[J]. IEEE Trans Microw Theory Tech, 2004, 52 (3): 838-848.

[4] Li C, Xiao Y, Lin J. Experiment and spectral analysis of a lowpower Ka-band heartbeat detector measuring from four sides of a human body[J]. IEEE Trans Microw Theory Tech, 2006, 54 (12): 4465-4471.

[5] Li C, Xiao Y, Lin J. Design guidelines for radio frequency noncontact vital sign detection [C]. Conf Proc IEEE Eng Med Biol Soc, 2007, 1651-1654.

[6] Massagram W, Lubecke VM, Host-Madsen A, et al. Assessment of heart rate variability and respiratory sinus arrhythmia via Doppler radar[J]. IEEE Trans Microwave Theory Tech, 2009, 57(10): 2542-2549.

[7] Droitcour AD, Boric-Lubecke O, Lubecke VM, et al. 0.25μm CMOS and BiCMOS single chip direct conversion Doppler radars for remote sensing of vital signs[C]. IEEE ISSCC, 2002, 348-349.

[8] Li C, Xiao Y, Lin J. A 5 GHz double-sideband radar sensor chip in 0.18-μm CMOS for non-contact vital sign detection[J]. IEEE Microw Wireless Compon Lett, 2008, 18(7): 494-496.

[9] Li C, Yu X, Li D, et al. Software configurable 5.8 GHz radar sensor receiver chip in 0.13 μm CMOS for non-contact vital sign detection[J]. IEEE RFIC Symp, 2009, 97-100.

[10] Rahman MS, Jang BJ, Kim KD. A new digital signal processor for Doppler radar cardiopulmonary monitoring system[C]. Int Conf Electric Comput Eng, 2008, 76-79.

[11] Morgan D, Zierdt M. Novel signal processing techniques for Doppler radar cardiopulmonary sensing[J]. Sign Proc, 2009, 89 (1):45-66.

[12] Li C, Ling J, Li J, et al. Accurate Doppler radar non-contact vital sign detection using the RELAX algorithm[J]. IEEE Trans Instrum Meas, 2010, 59 (3): 687-695.

[13] Yu X, Li C, Lin J. System level integration of handheld wireless non-contact vital sign detectors[C]. Proc IEEE Rad Wirel Symp, 2009, 514-517.

[14] Choi JH, Kim DK. A remote compact sensor for the real-rime monitoring of human heartbeat and respiration rate[J]. IEEE Trans Biomed Circuit Syst, 2009, 3 (3):181-188.

[15] Sekine M, Maeno K. Non-contact heart rate detection using periodic variation in Doppler frequency[C]. Sensor Appl Symp, 2011, 318-322.

CW Bio-radar Vital Sign Detector and Experiment Study

【 Writers 】Hu Wei1,2, Wang Yunfeng2, Zhao Zhangyan2, Zhang Haiying1,2
1 University of Science and Technology of China, Hefei, 230027
2 Institute of Microelectronics of Chinese Academy of Sciences, Beijing, 100029

bio-radar, vital sign detection, CW radar, short-time Fourier transform

R318.6

A

10.3969/j.issn.1671-7104.2014.02.006

1671-7104(2014)02-0102-05

2013-08-14

胡巍，博士研究生，huwei@mail.ustc.edu.cn

【 Abstract 】Non-contact vital sign detection technique provides an effective usage in health monitoring applications. A vital sign detector was designed based on microwave bio-radar technique. Using Doppler principle, continuous wave bioradar was designed for tiny body movement detection, short-time Fourier transform and interpolation algorithm were adopted for heart and respiration rate extraction, embedded system was used for system integration, real-time signal processing software was designed on it. Experiments were done by using simulation device and human body for research and performance evaluation. The result shows that the proposed prototype can be used for single target vital signs detection at the distance of 90 cm, and the heart rate result shows a 96% recognition rate.