一种呼吸心跳检测方法、装置、设备及介质与流程

1.本发明涉及生理信号处理技术领域，尤其涉及一种呼吸心跳检测方法、装置、设备及介质。


背景技术：

2.胸腔疾病和心脏疾病逐渐被人们越来越重视，并且关乎着人体的生命安全。而呼吸信号和心跳信号被认为是人体的重要生理信号之一。通过呼吸信号和心跳信号能够有效的对人体的健康状态进行评判。实验证明，通过心跳信号能够有效的预防、诊断和治疗心脏疾病。传统的心跳测量方式主要利用心电图(ecg)，血氧仪等手段，在与患者直接接触时有效探测心脏的跳动情况。然而，这些直接与用户接触的方式容易造成用户的不舒适，过敏甚至疾病传播等问题。因此，非接触式的呼吸心跳检测技术逐渐成为热点，并且在医疗健康，人员检测，灾害救援等领域具有重要的应用价值。
3.传统的非接触式呼吸心跳检测技术包括激光雷达，摄像机，wifi和雷达等。激光雷达为高精度的测量设备，对微小的移动十分敏感，被广泛用于场景重建，智能驾驶等领域。然而，激光雷达成本高昂，大规模应用激光雷达将造成巨额费用。摄像机能够直观的反映患者的情况，然而容易受到光线，患者被遮挡等影响，抗干扰能力差。基于wifi的呼吸心跳检测受限于距离和衰减迅速的影响，不能完整获取呼吸心跳信号。而基于雷达的呼吸心跳检测，具有较高的精度，对人体的微小移动足够敏感，且抗干扰能力强，不易受光线和遮挡影响，同时成本低廉。雷达中的毫米波雷达兼具连续波雷达的高精度性和超宽带雷达的探测距离能力。因此利用毫米波雷达进行人体呼吸心跳检测成为一个常用手段。
4.围绕基于毫米波雷达的呼吸心跳检测技术，包括：通过对雷达接收回波的相位进行检测，并进行插值处理从而补全因为采样率不够造成的相位信息丢失，再利用iceemdan方法对相位信息进行分离从而得了呼吸心跳信号；或者，通过对得到的相位信息按照不同的采样率进行采样，从而得到不同信息量的相位信息，再利用傅里叶变换等方式对不同采样率的相位信息进行处理、重构从而获得呼吸心跳信号。然而，上述基于毫米波雷达的呼吸心跳信号检测算法并未考虑在场景干扰情况下和有色噪声干扰的情况下进行检测。其次，上述方法容易出现错检漏检和应用范围受限等问题。


技术实现要素：

5.本发明提供了一种呼吸心跳检测方法、装置、设备及介质，以解决现有技术中无法在场景干扰和有色噪声干扰的情况下进行检测，并且容易出现错检漏检和应用范围受限的技术问题。
6.根据本发明的一方面，提供了一种呼吸心跳检测方法，包括：
7.从待检测对象所对应目标距离像中识别所述待检测对象的相位信号；其中，所述目标距离像为基于毫米波雷达与待检测对象之间的距离信息生成得到；
8.分别从时域角度和频域角度对所述相位信号进行分离，得到对应的初始时域信号
分量和初始频域信号分量；
9.对所述初始时域信号分量和所述初始频域信号分量进行重构，得到对应的目标频域信号分量；
10.基于所述目标频域信号分量得到所述待检测对象的实际呼吸频率，以及对所述目标频域信号分量进行二次谐波加权补偿选择，得到所述待检测对象的实际心跳频率。
11.根据本发明的另一方面，提供了一种呼吸心跳检测装置，包括：
12.识别模块，用于从待检测对象所对应目标距离像中识别所述待检测对象的相位信号；其中，所述目标距离像为基于毫米波雷达与待检测对象之间的距离信息生成得到；
13.分离模块，用于分别从时域角度和频域角度对所述相位信号进行分离，得到对应的初始时域信号分量和初始频域信号分量；
14.重构模块，用于对所述初始时域信号分量和所述初始频域信号分量进行重构，得到对应的目标频域信号分量；
15.检测模块，用于基于所述目标频域信号分量得到所述待检测对象的实际呼吸频率，以及对所述目标频域信号分量进行二次谐波加权补偿选择，得到所述待检测对象的实际心跳频率。
16.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
17.至少一个处理器；以及
18.与所述至少一个处理器通信连接的存储器；其中，
19.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的呼吸心跳检测方法。
20.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的呼吸心跳检测方法。
21.本发明实施例的技术方案，通过对基于毫米波雷达与待检测对象之间的距离信息生成得到的目标距离像中识别出待检测对象的相位信号，并从时域和频域两个角度对相位信号进行分离，在保证了分解效率的同时，也提高了分解速度；同时，利用二次谐波加权补偿选择方式从目标频域信号分量中选择更合适的心跳频率，有效解决了待检测对象在干扰状态下的错检问题，有效提高了呼吸和心跳频率的检测准确率。
22.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
23.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
24.图1是本发明实施例提供的一种呼吸心跳检测算法的流程图；
25.图2是本发明实施例提供的一种呼吸心跳检测方法的流程图；
26.图3是本发明实施例提供的一种单接收天线采集的原始数据的配置示意图；
27.图4是本发明实施例提供的一种ca_cfar检测框图；
28.图5是本发明实施例提供的另一种呼吸心跳检测方法的流程图；
29.图6是本发明实施例提供的一种辛几何相似变换的实现流程图；
30.图7是本发明实施例提供的一种初始距离像和目标距离像的结果示意图；
31.图8是本发明实施例提供的一种cfar检测结果和相位信号的结果示意图；
32.图9是本发明实施例提供的一种初始时域信号分量和初始频域信号分量的分离示意图；
33.图10是本发明实施例提供的一种目标时域信号分量和目标频域信号分量的结果示意图；
34.图11是本发明实施例提供的一种呼吸频率测试结果和心跳频率测试结果的示意图；
35.图12是本发明实施例提供的一种毫米波雷达系统与待检测对象的实际场景示意图；
36.图13是本发明实施例提供的一种呼吸心跳检测装置的结构示意图；
37.图14是本发明实施例提供的一种电子设备的结构框图。
具体实施方式
38.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
39.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“初始”、“目标”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
40.本发明实施例将相位信号从时域和频域两个角度进行分离，在保证了分解效率的同时提高了分解速度，并利用二次谐波加权补偿选择方式选择更加合适的呼吸心跳信号，可以有效解决目标在干扰状态下的错检问题。同时，能够通过该方法对存在有色噪声干扰的情况下进行处理，获得较高正确率的呼吸心跳信号。
41.图1是本发明实施例提供的一种呼吸心跳检测算法的流程图。如图1所示，首先对所得到的原始回波数据adc进行一维fft，然后利用均值对消对初始距离像进行处理，抑制场景内的静态杂波，得到对应的目标距离像；其次，利用一维cfar和每个距离单元的相位方差信息统计出能量最大的距离单元和相位方差最大的距离单元，在此基础上选择方差和能量最大的距离单元，并从每一帧中取出一个采样点，同时利用多帧数据组成人体的相位信
息，该相位信息中包含了人体的呼吸心跳信息。对于得到的相位信息，利用sg-vmd算法对人体相位信息进行处理分离出呼吸心跳信号。由于需要从信号分量中选择准确的呼吸心跳信号。因此利用二次谐波加权补偿选择方法对各个信号分量进行选择。通过该方法能够选择出准确的呼吸心跳频率。
42.具体地，毫米波雷达系统发射线性调频连续波lfmcw(linear frequency modulation continuous wave)信号，采用mimo方式进行工作，多通道的接收信号分别经过混频后得到中频信号，采集板按照奈奎斯特采样定理对中频信号进行采集得到adc原始数据。adc原始数据中包含了目标的信息，通过对adc数据进行信号处理可以得到目标相关信息。
43.对adc原始数据进行1d fft，而后利用均值对消进行杂波抑制，再利用一维cfar和相位方差选择合适的距离单元，并从该距离单元中提出相位信息。利用sg-vmd的方法对相位信息进行处理，分解得到多个信号分量，再利用二次谐波加权补偿选择方法选择合适的呼吸心跳信号。
44.在一实施例中，图2是本发明实施例提供的一种呼吸心跳检测方法的流程图，本实施例可适用于对存在干扰噪声场景下对呼吸心跳进行检测的情况，该方法可以由呼吸心跳检测装置来执行，该呼吸心跳检测装置可以采用硬件和/或软件的形式实现，该呼吸心跳检测装置可配置于电子设备中。
45.在实施例中，在从目标距离像中识别待检测对象的相位信号之前，还包括：对预先采集的adc原始数据进行fft处理，得到对应的初始距离像；其中，adc原始数据包含基于毫米波雷达与待检测对象之间的距离信息；采用均值对消对所述初始距离像进行滤波，得到对应的目标距离像。
46.其中，adc原始数据中包含雷达与待检测的静止人体之间的距离信息，通过对adc原始数据在快时间维，即距离维进行fft处理，得到的频谱与距离正相关，根据二者关系将频率换算成目标距离，即可得到在距离像上目标的分布情况。
47.图3是本发明实施例提供的一种单接收天线采集的原始数据的配置示意图。对于单个接收天线接收到的原始数据的矩阵s如图3所示，该数据矩阵为一个ns行，nc×ns
列的矩阵。
48.其中，ns表示一个chirp的采样点数，nc表示每个frame所包含的chirp数量，nf表示总共采集的frame数量。对采集得到的原始数据，首先对其做一维fft后得到初始距离像。计算方法如下所示：
[0049][0050]
式(1)中，tr
(m,k)
表示所有chirp中第m个chirp在k处的幅值，wu为一个预设的窗函数，s
(n-u,m)
表示所有chirp第m个chirp的第n-u个采样点的数据。
[0051]
在得到初始距离像之后，需要对初始距离像进行均值对消，以得到对应的目标距离像。在回波信号中除了有噪声干扰外，还有大量的静止杂波信号。这些杂波信号主要由雷达所处环境引起的，在室内主要体现在床，头枕和杂物(包，手机)等。这些杂波信号与人体信号之间最大的差异在于多普勒频率。因此，可以在多普勒维度对杂波信号进行抑制，以便更好的检测活体信号。利用均值对消进行杂波抑制。静止目标到雷达天线的距离是不变的，
每一束接收脉冲上静止目标的时延也是不变的，对所有接收脉冲(静止目标的接收脉冲，动目标的接收脉冲)求平均就可以得到参考的接收脉冲。然后用每一束接收脉冲减去参考接收脉冲就可以得到动目标的接收脉冲，其核心思想是求均值做差。
[0052]
如图2所示，该方法包括：
[0053]
s110、从待检测对象所对应目标距离像中识别待检测对象的相位信号。
[0054]
其中，目标距离像为基于毫米波雷达与待检测对象之间的距离信息生成得到。在实施例中，待检测对象指的是需要检测呼吸频率和心跳频率的用户。可以将毫米波雷达系统放置在距离待检测对象上半身较近的某个合适位置，并基于毫米波雷达系统采集毫米波雷达与待检测对象之间的距离信息。然后，对距离信息进行距离维fft和均值对消，得到对应的目标距离像。
[0055]
在实施例中，以目标距离像为一维距离像为例，并在白高斯噪声背景下，对相位信号的识别过程进行说明。图4是本发明实施例提供的一种ca_cfar检测框图。基于平方律检测的白高斯背景下恒虚警检测的广义结构如图4所示。
[0056]
选取待检测单元周围一定数量距离单元作为参考单元，在一般的假设下可以认为待检测单元与参考单元具有相同的统计分布。为了防止待检测单元的信息泄露到临近的参考单元，造成待检测单元的错误检测情况，通常将更临近待检测单元的部分单元作为保护单元。该保护单元不会参与到相应的运算，只用来保证待检测单元的信息不会被泄露到参考单元，从而能够有效估计杂波的功率，避免杂波的影响。
[0057]
针对所得到的一维信号中的每个距离单元，将得到的信号送入进行平方律检波并且进行非相干积累，得到相应的统计量x。
[0058]
利用上述方法所划定的参考单元数量检测统计量，需要杂波功率来估计得到z，从而计算门限因子α
t
，形成自适应检测门限α
t
z。根据不同的估计策略，可以得到形成相应的cfar技术来估计z。例如ca-cfar，这里将估计策略表征为广义形式，并且用相应的数学形式可以描述为:
[0059]
z＝f(x1,x2,
…
,xm)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0060]
将检测单元的检测统计量d与检测门限α
t
z比较，判决输出。至此一个检测单元的检测完成。
[0061]
根据上述检测流程，h1条件下，检测概率为：
[0062]
pd＝pr(d》α
t
z|h1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0063]
从上式可以看出，恒虚警检测概率包含待检测单元检测统计量d和杂波功率z两个随机变量。即，为确定针对待检测单元的检测概率，需要同时确定检测单元统计量和功率分布估计特性。为了使推导更容易理解，本章借助贝叶斯理论，分两步实现两个变量的统计运算。具体为，首先假设杂波功率z已知，此时门限固定为α
t
z，利用起伏目标统计特性计算起伏目标的条件检测概率pd(z)；再根据不同恒虚警策略对应的杂波功率估计值的统计特性fz(z)，对条件检测概率pd(z)进行积分运算，最后得到检测概率pd。
[0064]
步骤一：假设杂波功率估计z已知，对应的门限为常数α
t
z。起伏目标的条件检测概率pd(z)如式(4)：
[0065][0066]
步骤二：利用背景功率pdffz(z)对条件检测概率pd(z)进行统计平均，推导非条件检测概率pd，即：
[0067][0068]
值得说明的是：恒虚警检测性能将依赖于功率估计值统计特性fz(z)(由杂波估计策略和背景特性决定)和检测单元检测统计量统计特性fy(y)(由起伏目标模型决定)。
[0069]
另一方面，h0条件下，虚警概率为：
[0070][0071]
其中，p
fa
(z)为条件虚警概率，为：
[0072][0073]
能够获得可能是人体目标的距离单元。再根据该距离单元的相位方差从而判断当前距离单元是否是静止人体的距离单元。通过上述方法能够得到待检测的静止人体的距离单元，从每一帧中选取相同位置的chirp，并从该chirp中选取待检测的静止人体的距离单元的峰值作为离散相位信号的一个数据点。按照上述方法统计所有帧的数据并按照时间顺序进行排列从而形成相位信号。
[0074]
s120、分别从时域角度和频域角度对相位信号进行分离，得到对应的初始时域信号分量和初始频域信号分量。
[0075]
在实施例中，可以采用辛几何相似变换方式对相位信号进行分离，得到对应的初始时域信号分量，以及采用vmd分解方式对初始时域信号分量进行分解，得到对应的初始频域信号分量。
[0076]
s130、对初始时域信号分量和初始频域信号分量进行重构，得到对应的目标频域信号分量。
[0077]
在实施例中，在两个初始频域信号分量的最大幅值位置相同或位置相近时，可以将这两个初始频域信号分量对应的两个初始时域信号分量合并在一起，得到一个合并时域信号分量，然后将该两个初始频域信号分量由合并时域信号分量进行代替，并且重新利用快速傅里叶变换将所有时域信号分量转换为目标频域信号分量。
[0078]
s140、基于目标频域信号分量得到待检测对象的实际呼吸频率，以及对目标频域信号分量进行二次谐波加权补偿选择，得到待检测对象的实际心跳频率。
[0079]
在实施例中，获取每个目标频域信号分量的信号频率，并将信号频率处在预设呼吸频率范围内的目标频域信号分量分配至呼吸频率候选集合，并从呼吸频率候选集合中选择幅度最大的目标频域信号分量的频率作为实际呼吸频率；同时，信号频率处在预设心跳频率范围内的目标频域信号分量分配至初始心跳频率候选集合，并在信号频率处于预设二次谐波范围内的目标频域信号分量与初始心跳频率候选集合中的其中一个目标频域信号分量出现二倍关系时，直接将处于预设二次谐波范围内的目标频域信号分量的幅度乘以预设加权因子到该初始心跳频率候选集合中的其中一个目标频域信号分量；若信号频率处于预设二次谐波范围内的目标频域信号分量与初始心跳频率候选集合中的其中一个目标频
域信号分量未出现二倍关系时，直接将处于预设二次谐波范围内的目标频域信号分量的幅度乘以预设加权因子，作为该初始心跳频率候选集合中该目标频域信号分量的幅度。
[0080]
本实施例的技术方案，通过对基于毫米波雷达与待检测对象之间的距离信息生成得到的目标距离像中识别出待检测对象的相位信号，并从时域和频域两个角度对相位信号进行分离，在保证了分解效率的同时，也提高了分解速度；同时，利用二次谐波加权补偿选择方式从目标频域信号分量中选择更合适的心跳频率，有效解决了待检测对象在干扰状态下的错检问题，有效提高了呼吸和心跳频率的检测准确率。
[0081]
在一实施例中，图5是本发明实施例提供的另一种呼吸心跳检测方法的流程图，本实施例是在上述实施例的基础上，对相位信号的分离过程，信号分量的重构过程，以及呼吸频率和心跳频率的检测过程作进一步的说明。如图5所示，该方法包括：
[0082]
s210、从待检测对象所对应目标距离像中识别待检测对象的相位信号。
[0083]
其中，目标距离像为基于毫米波雷达与待检测对象之间的距离信息生成得到。
[0084]
s220、采用辛几何相似变换方式对相位信号进行分离，得到对应的初始时域信号分量。
[0085]
在实施例中，利用辛几何相似变换方式对相位信息从时域角度进行分离，辛几何相似变换方式能够在保证信号的本质特征不被破坏的情况下进行分离。
[0086]
在一实施例中，s220包括：按照时间序列延迟等价拓扑确定相位信号的轨迹矩阵；根据轨迹矩阵、轨迹矩阵对应的协方差矩阵、预先配置的辛几何正交矩阵和上三角矩阵得到对应的系数转移矩阵；基于系数转移矩阵得到对应的重构初始分量；采用对角平均化方式对重构初始分量进行转换，得到对应的时域信号分量。
[0087]
图6是本发明实施例提供的一种辛几何相似变换的实现流程图。如图6所示，辛几何相似变换方式的实现包括如下过程：
[0088]
假定从步骤三中获得的相位信号为x(t)＝x1，x2，...，xn，其中n是x相位信号的长度，利用该信号按照时间序列延迟等价拓扑的方法可以得到轨迹矩阵x。
[0089][0090]
其中，r为时延，q为嵌入维数，m＝n-(q-1)r。其中r一般取为1。而嵌入维数一般根据需要选择合适相应的维数。在本实施例中选择的嵌入维数为20。利用上述方法得到轨迹矩阵后，利用轨迹矩阵获得该矩阵的协方差矩阵y。
[0091][0092]
利用该协方差矩阵能够得到哈密顿矩阵。数学方式可以表达为：
[0093][0094]
然而该哈密顿矩阵不足以进行辛几何变换，因此需要对该哈密顿矩阵再次处理即q＝h2。该矩阵依旧是哈密顿矩阵。利用该哈密顿矩阵可以得到辛几何矩阵：
[0095]
[0096]
其中，s为辛几何正交矩阵，而r为上三角矩阵。然而此时s和m是并不知道的。而利用householder矩阵p能够替代辛几何正交矩阵s。而矩阵p可以由householder矩阵g得到。
[0097][0098]
通过对上式的q矩阵进行qr分解能够得到需要的矩阵g。而其中gi为矩阵y2的特征向量，因此利用该特征向量能够在保证系统结构不发生改变的情况下分解出信号分量。利用矩阵g和轨迹矩阵x能够得到系数转移矩阵。
[0099][0100]
再利用该系数转移矩阵能够得到重构初始分量：
[0101]ai
＝gi*w，
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)
[0102]
得到的重构初始分量ai为m*q维的矩阵，因此需要利用对角平均化的方法将该重构初始分量转换为一维分量。其中矩阵a可以表示为a
ij
(1≤i≤m，1≤j≤q)，并且可以假定q
*
＝min(m，q)和m
*
＝max(m，q)。当m＜q时，否则利用对角平均化可以得到：
[0103][0104]
利用上述的对角平均化的方法能够得到q个初始时域信号分量。然而初始时域信号分量之间依旧可能存在相同的频率分量，因此需要在频域再次对初始时域信号分量进行分解。本发明利用vmd分解方式对初始时域信号分量再次在频域进行分解。
[0105]
s230、采用vmd分解方式对初始时域信号分量进行分解，得到对应的初始频域信号分量。
[0106]
在一实施例中，s230包括：获取预先配置的时域信号分量的模态数、惩罚因子和第一预设值；基于目标优化条件、交替方向乘子算法和增广拉格朗日方程确定对应的目标约束条件；其中，目标优化条件用于使对初始时域信号分量的带宽之和达到最小；基于模态数、惩罚因子、目标约束条件和第一预设值，并利用快速傅里叶变换将初始时域信号分量转换为对应的初始频域信号分量。
[0107]
假定初始时域信号分量是由多个具有中心频率的带宽信号组成，并且，在频域范围，初始时域信号分量满足稀疏性。因此多个信号的带宽之和应当是最小。因此利用上述带宽之和最小作为优化目标构建出相应的优化等式。
[0108][0109]
其中vk(t)为一个初始时域信号分量中的其中一个信号分量(可以理解为将一个初始时域信号分量划分为k个信号分量)，wk为该信号分量的中心频率，s为所输入的初始时
域信号分量。利用上述(16)式、交替乘子法(admm)和增广拉格朗日方程可以有效的求解该约束问题。得到的更新公式为：
[0110][0111][0112][0113]
利用(17)式不断的进行迭代从而可以分离出需要的信号分量。其中，α为惩罚因子，λ为拉格朗日项，可随机初始化，为原始信号的频域表现形式。利用vmd需要人为确定分解的模态数和惩罚因子，本发明采用的参数：模态数为6和惩罚因子为200。将辛几何变换得到的初始时域信号分量送入vmd进行分解。其具体分解过程为，将拉格朗日项初始化为0，每个分量中心频率初始化为0，模态数为6，惩罚因子为200，即wi＝0，k＝6，α＝200，τ＝0.0204。而后利用快速傅里叶变换将时域的信号分量vk(t)转变频域信号并利用(17)进行迭代，当满足条件(18)式，完成信号的分解，得到对应的初始频域信号分量。其中，通常设置第一预设值ξ＝1
×
10-5
。
[0114][0115]
s240、识别并提取最大幅值位置相同或相近的两个初始频域信号分量。
[0116]
s250、将两个初始频域信号分量分别对应的两个初始时域信号分量进行合并，得到对应的合并时域信号分量。
[0117]
s260、采用合并时域信号分量替换最大幅值位置相同或相近的两个初始频域信号分量。
[0118]
s270、重新利用快速傅里叶变换将合并时域信号分量转换为对应的候选频域信号分量。
[0119]
s280、将未经合并的初始频域信号分量和候选频域信号分量组成对应的目标频域信号分量。
[0120]
在实施例中，在得到多个初始时域信号分量和初始频域信号分量后，需要利用信号分量频率之间的关系分解得到的多个分量进行重构。即通过辛几何相似变换和vmd分解可以得到q
×
k个信号分量。利用快速傅里叶变换将初始时域信号分量转变为初始频域信号分量，当两个初始频域信号分量的最大幅值位置相同时或者位置相近时，则将该两个初始频域信号分量的初始时域信号分量相加在一起得到合并时域信号分量，并将该两个初始频域信号分量由合并时域信号分量代替，且重新利用快速傅里叶变换将所有时域信号分量转变为目标频域信号分量。按照上述过程对分解得到的信号分量进行遍历直至遍历完所有信
号分量，从而完成信号分量的重构。同时，将合并时域信号分量和未进行合并的其它时域信号分量重构成对应的目标时域信号分量。
[0121]
s290、将信号频率处在预设心跳频率范围内的目标频域信号分量分配至初始心跳频率候选集合。
[0122]
其中，预设心跳频率范围可以为预先配置的符合正常人的心跳频率范围。在实施例中，获取每个目标频域信号分量的信号频率，并将信号频率处于预设心跳频率范围内的目标频域信号分量分配至初始心跳频率候选集合。
[0123]
s2100、基于第一类目标频域信号分量的信号频率与第二类目标频域信号分量的信号频率的关系，对初始心跳频率候选集合中的第二类目标频域信号分量的幅度进行更新，得到对应的目标心跳频率候选集合。
[0124]
其中，第一类目标频域信号分量为信号频率处于预设二次谐波范围内的目标频域信号分量；第二类目标频域信号分量为初始心跳频率候选集合中的目标频域信号分量。
[0125]
在一实施例中，若其中一个第一类目标频域信号分量的信号频率与其中一个第二类目标频域信号分量的信号频率符合二倍关系，则将其中一个第一类目标频域信号分量的幅度与预设加权因子的乘积值，并与其中一个第二类目标频域信号分量的幅度的总和作为其中一个第二类目标频域信号分量的幅度；
[0126]
若其中一个第一类目标频域信号分量的信号频率与其中一个第二类目标频域信号分量的信号频率未符合二倍关系，则将其中一个第一类目标频域信号分量的幅度与预设加权因子的乘积值作为其中一个第二类目标频域信号分量的幅度，得到对应的目标心跳频率候选集合。
[0127]
s2110、从目标心跳频率候选集合选择幅度最大的目标频域信号分量的频率作为待检测对象的实际心跳频率。
[0128]
s2120、将信号频率处在预设呼吸频率范围内的目标频域信号分量分配至呼吸频率候选集合。
[0129]
s2130、从呼吸频率候选集合中选择幅度最大的目标频域信号分量的频率作为待检测对象的实际呼吸频率。
[0130]
在实施例中，将信号频率处在预设呼吸频率范围内的目标频域信号分量分配至呼吸频率候选集合；从呼吸频率候选集合中选择幅度最大的目标频域信号分量的频率作为待检测对象的实际呼吸频率。
[0131]
针对可能的存在的呼吸谐波，噪声干扰等问题，可以利用心跳的二次谐波进行判断。假定每个目标频域信号分量的信号频率为fi，该目标频域信号分量的幅度为a(fi)。同时设立初始心跳频率候选集合ω。对已经处于预设心跳频率范围内的目标频域信号分量直接放进初始心跳频率候选集合。假定心跳信号的预设二次谐波范围为l
second
，h
second
。通过以下式子更新每个可能的信号分量：
[0132][0133]
当某个在预设二次谐波范围的目标频域信号分量与初始心跳频率候选集合的某个目标频域信号分量出现二倍关系时，将该目标频域信号分量的幅度乘以预设加权因子到该初始心跳频率候选集合中的对应的目标频域信号分量的幅度上。
[0134]
否则按照以下式子更新：
[0135][0136]
即，将该预设二次谐波范围的信号分量乘以预设加权系数并放入到初始心跳频率候选集合。在对所有目标频域信号分量的幅度进行更新之后，得到最后的目标心跳频率候选集合。最终从目标心跳频率候选集合中选择幅度最大的频率作为待检测对象的实际心跳频率。其中，预设加权系数α和预设加权系数β可以是同一个值，也可以为非同一个值，对此并不进行限定，可根据实际情况进行调整。
[0137]
下面是对实测数据进行分析得到的结果：
[0138]
图7是本发明实施例提供的一种初始距离像和目标距离像的结果示意图。如图7所示，对原始数据做一维距离fft后能够得到如图7左侧所示的初始距离像。由于存在静止物体的干扰，利用均值对消对初始距离像进行处理，得到如图7右侧所示的目标距离像，能够有效的消除初始距离像中的静态杂波，能够很好凸显出场景中的待检测对象。
[0139]
图8是本发明实施例提供的一种cfar检测结果和相位信号的结果示意图。如图8所示，在对初始距离像进行均值对消后，得到对应的目标距离像；然后对目标距离像中的每个chirp进行检测。利用cfar算法检测出场景内的存在的目标同时获得待检测对象所在的距离单元，如图8左侧所示；然后按照该距离单元提取人体相位信息，如图8右侧所示。
[0140]
图9是本发明实施例提供的一种初始时域信号分量和初始频域信号分量的分离示意图。对相位信号进行呼吸心跳信号分离，利用辛几何变换方式得到的分离结果如如图9左侧所示；
[0141]
对上述辛几何相似变换变换得到的初始时域信号分量，再利用vmd分解方式进行分解，得到如图9右侧所示的初始频域信号分量。
[0142]
图10是本发明实施例提供的一种目标时域信号分量和目标频域信号分量的结果示意图。根据信号频率关系对初始时域信号分量和初始频域信号分量进行重构，得到如图10所示的重构时域信号分量(即目标时域信号分量)和重构频域信号分量(即目标频域信号分量)；
[0143]
然后利用二次谐波加权补偿选择方法对信号分离进行选择从而得到最终结果。
[0144]
假设选取数据长度为60s的数据，并设置时间滑动窗口长度为3s，利用上述sg-vmd方法人体呼吸心跳检测。图11是本发明实施例提供的一种呼吸频率测试结果和心跳频率测试结果的示意图。如图11所示，通过观察得到的数据处理结果，毫米波雷达系统能够准确检测到人体目标的呼吸心跳信号，并得到人体呼吸心跳信号的关键信息，例如心率，呼吸频率，心跳间隔等信息。实验结果表明，使用该算法能够有效克服干扰场景以及干扰杂波，极大程度地降低了虚警问题的发生。
[0145]
图12是本发明实施例提供的一种毫米波雷达系统与待检测对象的实际场景示意图。如图12所示，对于盖被子以及具有噪声干扰的人体呼吸心跳检测场景，采用上述的呼吸心跳检测算法能够有效的克服场景中的干扰和噪声等影响。在测试者没有盖被子干扰的情况下能够达到100％的准确率。即使在盖被子和穿外套等场景下依旧能够达到97.015％的准确率。并且相比于其他算法具有极大的鲁棒性，能够实际应用到各种场景。
[0146]
因此在实际场景中，使用基于毫米波雷达的sg-vmd算法进行人体呼吸心跳检测，
具有鲁棒性强、应用面广、准确率高、错检率低等优点，能够有效的检测人体呼吸心跳状态，为诊断和治疗提供合理的建议。
[0147]
在一实施例中，图13是本发明实施例提供的一种呼吸心跳检测装置的结构示意图。如图13所示，该装置包括：识别模块310、分离模块320、重构模块330和检测模块340。
[0148]
识别模块310，用于从待检测对象所对应目标距离像中识别待检测对象的相位信号；其中，目标距离像为基于毫米波雷达与待检测对象之间的距离信息生成得到；
[0149]
分离模块320，用于分别从时域角度和频域角度对相位信号进行分离，得到对应的初始时域信号分量和初始频域信号分量；
[0150]
重构模块330，用于对初始时域信号分量和初始频域信号分量进行重构，得到对应的目标频域信号分量；
[0151]
检测模块340，用于基于目标频域信号分量得到待检测对象的实际呼吸频率，以及对目标频域信号分量进行二次谐波加权补偿选择，得到待检测对象的实际心跳频率。
[0152]
在一实施例中，分离模块320，包括：
[0153]
分离单元，用于采用辛几何相似变换方式对相位信号进行分离，得到对应的初始时域信号分量；
[0154]
分解单元，用于采用vmd分解方式对初始时域信号分量进行分解，得到对应的初始频域信号分量。
[0155]
在一实施例中，分离单元，包括：
[0156]
第一确定子单元，用于按照时间序列延迟等价拓扑确定相位信号的轨迹矩阵；
[0157]
第二确定子单元，用于根据轨迹矩阵、轨迹矩阵对应的协方差矩阵、预先配置的辛几何正交矩阵和上三角矩阵得到对应的系数转移矩阵；
[0158]
第三确定子单元，用于基于系数转移矩阵得到对应的重构初始分量；
[0159]
第一转换子单元，用于采用对角平均化方式对重构初始分量进行转换，得到对应的时域信号分量。
[0160]
在一实施例中，分解单元，包括：
[0161]
获取子单元，用于获取预先配置的时域信号分量的模态数、惩罚因子和第一预设值；
[0162]
第三确定子单元，用于基于目标优化条件、交替方向乘子算法和增广拉格朗日方程确定对应的目标约束条件；其中，目标优化条件用于使对初始时域信号分量的带宽之和达到最小；
[0163]
第二转换子单元，用于基于模态数、惩罚因子、目标约束条件和第一预设值，并利用快速傅里叶变换将初始时域信号分量转换为对应的初始频域信号分量。
[0164]
在一实施例中，重构模块330，包括：
[0165]
识别提取单元，用于识别并提取最大幅值位置相同或相近的两个初始频域信号分量；
[0166]
合并单元，用于将两个初始频域信号分量分别对应的两个初始时域信号分量进行合并，得到对应的合并时域信号分量；
[0167]
替换单元，用于采用合并时域信号分量替换最大幅值位置相同或相近的两个初始频域信号分量；
[0168]
转换单元，用于重新利用快速傅里叶变换将合并时域信号分量转换为对应的候选频域信号分量；
[0169]
组成单元，用于将未经合并的初始频域信号分量和候选频域信号分量组成对应的目标频域信号分量。
[0170]
在一实施例中，基于目标频域信号分量进行二次谐波加权补偿选择，得到待检测对象的实际心跳频率，具体用于：
[0171]
将信号频率处在预设心跳频率范围内的目标频域信号分量分配至初始心跳频率候选集合；
[0172]
基于第一类目标频域信号分量的信号频率与第二类目标频域信号分量的信号频率的关系，对初始心跳频率候选集合中的第二类目标频域信号分量的幅度进行更新，得到对应的目标心跳频率候选集合；其中，第一类目标频域信号分量为信号频率处于预设二次谐波范围内的目标频域信号分量；第二类目标频域信号分量为心跳频率候选集合中的目标频域信号分量；
[0173]
从目标心跳频率候选集合选择幅度最大的目标频域信号分量的频率作为待检测对象的实际心跳频率。
[0174]
在一实施例中，基于第一类目标频域信号分量的信号频率与第二类目标频域信号分量的信号频率的关系，对初始心跳频率候选集合中的第二类目标频域信号分量的幅度进行更新，得到对应的目标心跳频率候选集合，具体用于：
[0175]
若其中一个第一类目标频域信号分量的信号频率与其中一个第二类目标频域信号分量的信号频率符合二倍关系，则将其中一个第一类目标频域信号分量的幅度与预设加权因子的乘积值，并与其中一个第二类目标频域信号分量的幅度的总和作为其中一个第二类目标频域信号分量的幅度；
[0176]
若其中一个第一类目标频域信号分量的信号频率与其中一个第二类目标频域信号分量的信号频率未符合二倍关系，则将其中一个第一类目标频域信号分量的幅度与预设加权因子的乘积值作为其中一个第二类目标频域信号分量的幅度，得到对应的目标心跳频率候选集合。
[0177]
在一实施例中，基于目标频域信号分量得到待检测对象的实际呼吸频率，具体用于：
[0178]
将信号频率处在预设呼吸频率范围内的目标频域信号分量分配至呼吸频率候选集合；
[0179]
从呼吸频率候选集合中选择幅度最大的目标频域信号分量的频率作为待检测对象的实际呼吸频率。
[0180]
在一实施例中，呼吸检测装置，还包括：
[0181]
转换模块，用于对预先采集的adc原始数据进行fft处理，得到对应的初始距离像；其中，adc原始数据包含基于毫米波雷达与待检测对象之间的距离信息；
[0182]
滤波单元，用于采用均值对消对初始距离像进行滤波，得到对应的目标距离像。
[0183]
本发明实施例所提供的呼吸检测装置可执行本发明任意实施例所提供的呼吸检测方法，具备执行方法相应的功能模块和有益效果。
[0184]
在一实施例中，图14是本发明实施例提供的一种电子设备的结构框图，如图14所
示，示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
[0185]
如图14所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
[0186]
电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0187]
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如呼吸心跳检测方法。
[0188]
在一些实施例中，呼吸心跳检测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的呼吸心跳检测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行呼吸心跳检测方法。
[0189]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0190]
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在
机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0191]
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0192]
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0193]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
[0194]
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
[0195]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
[0196]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

技术特征：
1.一种呼吸心跳检测方法，其特征在于，包括：从待检测对象所对应目标距离像中识别所述待检测对象的相位信号；其中，所述目标距离像为基于毫米波雷达与待检测对象之间的距离信息生成得到；分别从时域角度和频域角度对所述相位信号进行分离，得到对应的初始时域信号分量和初始频域信号分量；对所述初始时域信号分量和所述初始频域信号分量进行重构，得到对应的目标频域信号分量；基于所述目标频域信号分量得到所述待检测对象的实际呼吸频率，以及对所述目标频域信号分量进行二次谐波加权补偿选择，得到所述待检测对象的实际心跳频率。2.根据权利要求1所述的方法，其特征在于，所述分别从时域角度和频域角度对所述相位信号进行分离，得到对应的初始时域信号分量和初始频域信号分量，包括：采用辛几何相似变换方式对所述相位信号进行分离，得到对应的初始时域信号分量；采用vmd分解方式对所述初始时域信号分量进行分解，得到对应的初始频域信号分量。3.根据权利要求2中所述的方法，其特征在于，所述采用辛几何相似变换方式对所述相位信号进行分离，得到对应的初始时域信号分量，包括：按照时间序列延迟等价拓扑确定所述相位信号的轨迹矩阵；根据所述轨迹矩阵、所述轨迹矩阵对应的协方差矩阵、预先配置的辛几何正交矩阵和上三角矩阵得到对应的系数转移矩阵；基于所述系数转移矩阵得到对应的重构初始分量；采用对角平均化方式对所述重构初始分量进行转换，得到对应的初始时域信号分量。4.根据权利要求2中所述的方法，其特征在于，所述采用vmd分解方式对所述初始时域信号分量进行分解，得到对应的初始频域信号分量，包括：获取预先配置的时域信号分量的模态数、惩罚因子和第一预设值；基于目标优化条件、交替方向乘子算法和增广拉格朗日方程确定对应的目标约束条件；其中，所述目标优化条件用于使所述对所述初始时域信号分量的带宽之和达到最小；基于所述模态数、所述惩罚因子、所述目标约束条件和所述第一预设值，并利用快速傅里叶变换将所述初始时域信号分量转换为对应的初始频域信号分量。5.根据权利要求1中所述的方法，其特征在于，所述对所述初始时域信号分量和所述初始频域信号分量进行重构，得到对应的目标频域信号分量，包括：识别并提取最大幅值位置相同或相近的两个初始频域信号分量；将所述两个初始频域信号分量分别对应的两个初始时域信号分量进行合并，得到对应的合并时域信号分量；采用所述合并时域信号分量替换所述最大幅值位置相同或相近的两个初始频域信号分量；重新利用快速傅里叶变换将所述合并时域信号分量转换为对应的候选频域信号分量；将未经合并的初始频域信号分量和所述候选频域信号分量组成对应的目标频域信号分量。6.根据权利要求1中所述的方法，其特征在于，所述基于所述目标频域信号分量进行二次谐波加权补偿，得到所述待检测对象的实际心跳频率，包括：
将信号频率处在预设心跳频率范围内的目标频域信号分量分配至初始心跳频率候选集合；基于第一类目标频域信号分量的信号频率与第二类目标频域信号分量的信号频率的关系，对所述初始心跳频率候选集合中的第二类目标频域信号分量的幅度进行更新，得到对应的目标心跳频率候选集合；其中，所述第一类目标频域信号分量为信号频率处于预设二次谐波范围内的目标频域信号分量；所述第二类目标频域信号分量为所述初始心跳频率候选集合中的目标频域信号分量；从所述目标心跳频率候选集合选择幅度最大的目标频域信号分量的频率作为所述待检测对象的实际心跳频率。7.根据权利要求6中所述的方法，其特征在于，所述基于第一类目标频域信号分量的信号频率与第二类目标频域信号分量的信号频率的关系，对所述初始心跳频率候选集合中的第二类目标频域信号分量的幅度进行更新，得到对应的目标心跳频率候选集合，包括：若其中一个第一类目标频域信号分量的信号频率与其中一个第二类目标频域信号分量的信号频率符合二倍关系，则将所述其中一个第一类目标频域信号分量的幅度与预设加权因子的乘积值，并与所述其中一个第二类目标频域信号分量的幅度的总和作为所述其中一个第二类目标频域信号分量的幅度；若其中一个第一类目标频域信号分量的信号频率与其中一个第二类目标频域信号分量的信号频率未符合二倍关系，则将所述其中一个第一类目标频域信号分量的幅度与预设加权因子的乘积值作为所述其中一个第二类目标频域信号分量的幅度，得到对应的目标心跳频率候选集合。8.根据权利要求1中所述的方法，其特征在于，所述基于所述目标频域信号分量得到所述待检测对象的实际呼吸频率，包括：将信号频率处在预设呼吸频率范围内的目标频域信号分量分配至呼吸频率候选集合；从所述呼吸频率候选集合中选择幅度最大的目标频域信号分量的频率作为所述待检测对象的实际呼吸频率。9.根据权利要求1-8任一项中所述的方法，其特征在于，所述方法，还包括：对预先采集的adc原始数据进行fft处理，得到对应的初始距离像；其中，所述adc原始数据包含基于毫米波雷达与待检测对象之间的距离信息；采用均值对消对所述初始距离像进行滤波，得到对应的目标距离像。10.一种呼吸心跳检测装置，其特征在于，包括：识别模块，用于从待检测对象所对应目标距离像中识别所述待检测对象的相位信号；其中，所述目标距离像为基于毫米波雷达与待检测对象之间的距离信息生成得到；分离模块，用于分别从时域角度和频域角度对所述相位信号进行分离，得到对应的初始时域信号分量和初始频域信号分量；重构模块，用于对所述初始时域信号分量和所述初始频域信号分量进行重构，得到对应的目标频域信号分量；检测模块，用于基于所述目标频域信号分量得到所述待检测对象的实际呼吸频率，以及对所述目标频域信号分量进行二次谐波加权补偿选择，得到所述待检测对象的实际心跳频率。
11.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-9中任一项所述的呼吸心跳检测方法。12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-9中任一项所述的呼吸心跳方法。

技术总结
本发明公开了一种呼吸心跳检测方法、装置、设备及介质。该方法包括：从待检测对象所对应目标距离像中识别待检测对象的相位信号；分别从时域角度和频域角度对相位信号进行分离，得到对应的初始时域信号分量和初始频域信号分量；对初始时域信号分量和初始频域信号分量进行重构，得到对应的目标频域信号分量；基于目标频域信号分量得到待检测对象的实际呼吸频率，以及对目标频域信号分量进行二次谐波加权补偿选择，得到待检测对象的实际心跳频率。本发明在利用二次谐波加权补偿选择方式从目标频域信号分量中选择更合适的心跳频率，有效解决了待检测对象在干扰状态下的错检问题，有效提高了呼吸和心跳频率的检测准确率。效提高了呼吸和心跳频率的检测准确率。效提高了呼吸和心跳频率的检测准确率。


技术研发人员：孙靖虎 吴健 范婷 董衡 李佳宸 郭世盛
受保护的技术使用者：惠州市德赛西威智能交通技术研究院有限公司
技术研发日：2023.06.16
技术公布日：2023/9/16