毫米波雷达心率、呼吸检测原理 TI mmWave Labs —— Driver Vital Signs

毫米波雷达心率、呼吸检测原理

1. 概述

• 普通成年人的心跳、呼吸的位移、频率参数如下：

• 基本原理
  通过探测由于目标微小振动所引起的在特定的Range bin的FMCW信号的相位变化。
  $$\Delta {?}_b=\frac{4\pi }{\lambda }\Delta R$$
  式中，$\Delta {?}_b$ 为相位变化， $\Delta R$为心脏或胸腔引起的位移变化。

2 FMCW 雷达基础原理

通过相位的变化去计算心跳、呼吸的频率，将发射信号以及混频后的中频信号系写为了复数形式，主要关注其相位的变化。

3 信号测量

• 对于单个目标，心跳信号可看作一个同时具有频率和相位的正弦信号$b(t)$
• 为测量小幅度的振动，需要得到目标其Range bin里的相位变化$\Delta {?}_b$；
• 通过目标距离bin里对$b(t)$信号做FFT，可得到其目标相位；
• 假设目标距离为$m$,进行FFT变换，提取距离为$m$的$Rangebin$处的振动信号，
• 假设我们进行了FFT，并且对象位于$Rangebin$为m处，则可以通过在nTs时间内连续提取Range bin为 m处的相位来获取振动信号$x(t)$，其中n是chirp的索引，Ts是连续测量的时间。

4 波形配置

• 每个Chirp进行100次ADC采样，每个Chirp的持续时间为50$\mu s$,IF采样频率为2MHz；
• 每帧发射两个Chirp，每帧的周期为50$ms$；
• 目前仅使用单发单收的天线布局；
• 生命体征波形沿“慢时间轴”采样，因此生命体征采样率等于系统的帧率；（即每一帧内，仅采一次样，通过连续的N帧得到心率、呼吸的相位变化）

5 算法流程

1. Range FFT ：对ADC数据执行快速傅立叶变换（FFT）以获取Range曲线；
2. Range bin tracking：通过雷达的与人体的大致位置关系，可以确定目标的距离范围，通过在该范围内搜索最大值，获取目标对应的Range bin；
3. Extract Phase：提取目标Range bin 处的相位；
   ① ② ③ 三个阶段循环，帧周期是50ms，即每一个帧周期内提取一次目标的相位，若目标与距离的径向距离发生变化，则需要根据Range bin tracking算法得出此时的Rang bin ,然后提取相位，循环发射N帧，即可得到目标的相位随帧数的取值变化，也可看作目标相位与时间的关系，记做振动信号 $x(t)$

4. Phase Unwrapping：相位解缠绕，由于相位值在$[?\pi ，\pi ]$之间，而我们需要展开以获取实际的位移曲线。 因此每当连续值之间的相位差大于/小于±π时，通过从相位中减去2π来执行相位展开；
5. Phase Difference ：通过减去连续的相位值，对展开的相位执行相位差运算。 这有助于增强心跳信号并消除任何相位漂移；
6. Bandpass Filtering 依据心跳和呼吸频率的不同，利用带通滤波器滤波将相位值进行滤波以进行区分。
7. Spectral Estimation范围估计，对相位信号做FFT，依据峰值大小及其谐波特征，获取N个Frame时间内对应的呼吸频率。
8. Decision判断，记录一段时间内的呼吸频率，根据不同的置信度指标判断此时的呼吸频率，并输出呼吸频率随时间变化的关系。
9. 在对相位进行滤波后，此处的目的是减少人身体的相对位置移动而对心率测量造成的影响。（因为心率的测量是基于心脏收缩和舒张的微小运动产生的距离差，而引起的相位变化，依据微多普勒原理，当人的身体出现大幅摆动时，将会对其准确性造成影响）此处通过将样本进行分割，设置阈值去判断是否符合心率的变化范围，并选取稳定装态下的数据进行下一步的估计。
10. 此处的方法与求呼吸频率类似，最终获得生命体征信号。

6 基于AWR 1642的应用实现

基于TI的AWR 1642 Demo板，经过建立工程、刷写、GUI等步骤即可实现其功能，GUI界面如下所示。

上述参考TI的官方指南《 TI mmWave Labs —— Driver Vital Signs》，如有需要，可私信。