[发明专利]一种基于不同时长的非接触式的生命体征监测方法

权利要求书

1.一种基于不同时长的非接触式的生命体征监测方法，步骤如下：

(1)数据预处理

①异常值去除

采用基于滑动窗口的Hampel滤波算法去除这些异常值：

Hampel滤波算法是利用中位数绝对偏差(Mean Absolute Deviation，MAD)度量数据中某一样本偏离中位数的距离，根据偏移距离找出数据中存在的异常值，同时用更具有代表性的数值代替异常值。

②分割算法

该算法通过一个固定长度的滑动窗口来计算窗口内CSI幅值的标准差，当窗口滑动到睡眠行为的时候，计算得到的标准差较大，而当窗口滑动到呼吸心跳的时候，计算得到的标准差很小。分割算法的具体步骤如下：

(2)数据提取

①呼吸和心跳的幅值提取

采用DWT对呼吸心跳数据进行相应的分解重构。小波变换的公式如下：

其中，尺度α对应于频率，平移量τ对应于时间。小波分解后的频率范围和采样频率有关，在每一层分解后采样频率减半，假设输入信号的采样频率为Fs，在小波N层分解之后，第N层的近似系数和细节系数的频率范围分别为式(2)和式(3)：

假设进行了N层分解，那么第一层近似系数的频率范围为0～12.5Hz，第一层细节系数的频率范围为12.5～25Hz，更多层分解后的近似系数和细节系数的频率范围，如下表所示：

②呼吸和心跳的相位提取

相位的提取是通过对原始相位进行线性变换来消除未知项，相位的预处理算法如下表所示：

(3)呼吸和心跳的子载波选择

①子载波选择方法

通过判断子载波所含信号的周期性来选择周期性较高的子载波作为检测数据。判断呼吸信号周期性的方法是，通过计算各个子载波的呼吸信噪比；判断心跳信号周期性的方法是，通过计算各个子载波的心跳信噪比。BNR和HNR的值越大，说明信号的周期性越高，那么该子载波包含有较好呼吸信号和心跳信号的可能性越大。BNR和HNR的公式如下：

其中，BNR为呼吸信噪比，B_E_max为呼吸能量，B_E_i为呼吸数据做FFT之后的总能量；HNR为心跳信噪比，H_E_max为心跳能量，H_E_i为心跳数据做FFT之后的总能量，n为FFT的数据长度。

②幅值和相位的子载波选择

将呼吸或心跳数据的幅值和相位信息的30个子载波的BNR或HNR分别计算出来，呼吸或心跳分别选择幅值和相位较大的三个BNR或HNR，再分别计算幅值和相位三个BNR或HNR的平均值，并比较两个平均值的大小，最后选择平均值较大的幅值或相位的三个子载波。若幅值信息BNR或HNR的平均值大，则使用幅值信息的三个子载波，反之，使用相位信息的三个子载波。

(4)基于不同时长的呼吸和心跳检测

①基于不同时长的检测方案

将睡眠行为和呼吸心跳分割提取后，两个睡眠行为的时间间隔有长有短，那么分割提取的呼吸和心跳数据也有长有短，将时间间隔大于等于12秒的定义为长时的呼吸和心跳，将时间间隔小于12秒的定义为短时的呼吸和心跳。呼吸速率的检测方法采用峰值检测法和FFT检测法；心率的检测方法采用FFT检测法。

②长时呼吸和心跳检测

1)长时的呼吸检测

a.峰值检测法

通过检测呼吸数据中的相邻两个波峰之间的时间间隔，在检测峰值的过程中，给相邻两个峰值之间的最小时间间隔设置一个阈值T。假峰去除算法是以检测出的峰值为中心向前0.5秒和向后0.5秒，一共1秒的窗口，检测这个窗口内是否存在比该峰值大的数值。如果存在，则该峰值为假峰应去除，如果不存在，即该峰值为真峰应保留。

去除假峰之后，得到呼吸数据中所有的峰值，进而得出相邻两个峰值的时间间隔，设某一个子载波的所有峰值的时间间隔向量为s＝{s(1)，s(2)...s(n)}，令：

其中，当x＝e时，y取得最小值，则e为该子载波的呼吸周期，即可以使y取得最小值的x，这个x就是子载波的呼吸周期。将三个子载波的呼吸周期进行加权平均得到最终的呼吸周期。设三个子载波的BNR向量为b＝{b(1)，b(2)，b(3)}，三个子载波的呼吸周期向量为e＝{e(1)，e(2)，e(3)}，最终的呼吸周期T为：

因此呼吸速率V_breathing为：

b.检测结果

为验证长时呼吸采用峰值检测法的可行性，采用BNR子载波选择法。检测的呼吸周期和最后的加权平均呼吸周期如下表所示：

通过峰值检测法对12秒呼吸数据进行检测的结果如下表所示：

2)长时的心跳检测

a.FFT检测法

FFT的长度为数据长度，对心跳数据进行FFT之后，寻找心跳频率范围1～2Hz内的最大峰值以及它的索引。采用抛物线插值法提高频率分辨率，进而提高估计心跳频率的准确率，用抛物线代替最大峰值和它相邻两个值的原有曲线。抛物线的一般公式为：

其中抛物线横坐标的点p是插值的位置，b为振幅或相位，a为曲率。插值即拟合抛物线中的最大值，通过接下来的计算得到p。频谱中最大峰值在横轴的位置为0，相邻两个值的位置分别为-1和1，有：

y(-1)＝α 式(10)

y(0)＝β 式(11)

y(1)＝γ 式(12)

把这三个样本写成插值抛物线的形式：

α＝ap²+2ap+a+b 式(13)

β＝ap²+b 式(14)

γ＝ap²-2ap+a+b 式(15)

由式(13)减去式(15)推导出式(16)：

α-γ＝4ap 式(16)

由式(16)推导出式(17)：

将式(17)代入式(13)中得到式(18)：

由式(18)得出式(19)：

将式(19)代入式(17)得出，即插值峰的位置p：

k表示频谱中最大峰值在整个数据中的索引，则k+p为拟合抛物线中的最大值在整个数据中的索引。最后拟合抛物线的最大值作为估计峰值，求出该值对应的频率为该心跳数据的估计心跳频率，估计心跳频率为式(21)：

其中，Fs为采样频率，N是FFT的大小即采样点数。

根据上述抛物线插值法得到了心跳数据中三个较优子载波的估计峰值p，通过式(21)计算得到每个子载波的心跳频率，将三个子载波的心跳频率进行加权平均值可得到最终的心跳频率。设三个子载波的HNR向量为h＝{h(1)，h(2)，h(3)}，三个子载波的心跳频率向量为f＝{f(1)，f(2)，f(3)}，最终的心跳频率F为：

因此心率V_heartbeat为：

V_heartbeat＝60·F 式(23)

b.检测结果

为验证长时心跳数据采用FFT检测法的可行性，通过HNR子载波选择法。估计心率和最后的加权平均心率分别如下表所示：

为验证12秒的心跳数据采用FFT检测法的可行性。取一段12秒的心跳数据，采用HNR子载波选择法，选择出的是该数据幅值的三个较优子载波进行检测，结果表示如下：

③短时的呼吸和心跳检测

1)短时的呼吸检测

短时呼吸用FFT检测法检测t秒的呼吸速率。为了验证方案的可行性，考虑最慢呼吸速率的情况，对4.8～10.8秒的呼吸数据和呼吸速率在10～36bpm之间的6秒呼吸数据的检测结果如下表所示：

2)短时的心跳检测

短时心跳用FFT检测法检测t秒的心率。以6秒的心跳数据为例，通过HNR子载波选择方法，选择出的是该数据幅值的三个较优子载波，经过FFT检测结果如下表所示：