基于毫米波感知的非接触式心电监测方法及系统

1.本技术涉及心电监测技术领域，尤其涉及基于毫米波感知的非接触式心电监测方法及系统。


背景技术：

2.毫米波雷达作为一种非接触式感知设备，近年来在健康监测领域的应用广受关注，且其具备连续无感心电图监测的潜在能力。心脏的活动可分为电活动与机械活动，其中机械活动是由于电活动传导，心肌兴奋导致的。这两类活动都可以通过雷达发射电磁波进行监测，由发射天线发出的电磁波会被胸腔反射回雷达的接收天线，反射信号中携带了心脏活动的信息，其可通过一系列算法提取并建模为心电信号。其中心脏电活动会产生电磁场从而使电磁波在传输过程中频率产生偏移，而心搏过程中的机械活动导致胸腔产生微小的位移起伏变化，这会导致电磁波的相位规律的变化。
3.目前，现有非接触式心脏监测技术可分为心率监测和心电监测两类。其中心率监测属于早期工作，可以通过信号的频谱处理方法获取一定时间内的平均心率，但由于算法及传感器的限制，这些方法只能估计粗略的心率，无法提取单次心搏内的微小心脏事件。而第二类，对心电进行非接触监测主要通过毫米波雷达的信号处理与心脏活动的跨域映射，即从胸腔的机械活动映射到心脏的电活动以构建心电图。
4.然而，现有的基于毫米波感知的非接触式心电监测方式根据固定规则频谱特征聚焦到心脏机械活动区域，该方法对心脏活动的聚焦，提取精度不足。此外，现有方法仅提取了雷达反射信号中的心脏的机械活动信息，而忽略了心脏电活动可能导致的电磁波频率偏移。以上两个因素使现有技术的心电监测实施时心电监测波形与金标准设备的一致性不足，心电图精度不足以满足日常监测需求。


技术实现要素：

5.鉴于此，本技术实施例提供了基于毫米波感知的非接触式心电监测方法及系统，以消除或改善现有技术中存在的一个或更多个缺陷。
6.本技术的一个方面提供了一种基于毫米波感知的非接触式心电监测方法，包括：
7.以毫米波感知方式自被测目标的胸腔区域非接触式采集该被测目标当前的原始信号；
8.基于波束成形的方式对所述原始信号进行频域滤波以提取所述被测目标的心脏区域对应的复数信号；
9.将所述复数信号输入预设的心电跨模态映射模型，以使该心电跨模态映射模型输出所述被测目标的心电监测结果数据。
10.在本技术的一些实施例中，所述以毫米波感知方式自被测目标的胸腔区域非接触式采集该被测目标当前的原始信号，包括：
11.控制毫米波雷达基于fmcw技术从其发射天线向被测目标的胸腔区域发射频率线
性增加的线性调频信号，再从其接收天线接收对应的反射信号；
12.将发射的所述线性调频信号和所述反射信号进行混合以生成所述被测目标当前的数字中频信号作为所述原始信号。
13.在本技术的一些实施例中，所述毫米波雷达配置有2个发射天线和4个接收天线；
14.相对应的，所述控制毫米波雷达基于fmcw技术从其发射天线向被测目标的胸腔区域发射频率线性增加的线性调频信号，再从其接收天线接收对应的反射信号，包括：
15.控制毫米波雷达基于fmcw技术从2个所述发射天线采用时分复用的方式向被测目标的胸腔区域交替发射频率线性增加的线性调频信号，再从其4个接收天线接收对应的反射信号。
16.在本技术的一些实施例中，所述基于波束成形的方式对所述原始信号进行频域滤波以提取所述被测目标的心脏区域对应的复数信号，包括：
17.根据所述毫米波雷达的发射天线和接收天线之间的位置关系构建多通道的虚拟天线阵列；
18.基于所述虚拟天线阵列，通过波束成形的方式对所述原始信号进行频域滤波以提取所述被测目标的心脏区域对应的复数信号。
19.在本技术的一些实施例中，所述基于所述虚拟天线阵列，通过波束成形的方式对所述原始信号进行频域滤波以提取所述被测目标的心脏区域对应的复数信号，包括：
20.基于所述虚拟天线阵列，采用波束成形的方式将各个所述原始信号分别映射到三维空间中以提取各个所述原始信号分别对应的雷达信号分量；
21.对各个所述雷达信号分量分别进行频域滤波以定位并提取对应的心脏活动信息；
22.根据所述心脏活动信息在各个所述雷达信号分量各自对应的三维坐标中，选择心脏搏动信号能量最高的一个三维坐标，并提取该三维坐标对应的i/q域数据的同相分量和正交分量，以将该同相分量和正交分量确定为所述被测目标的心脏区域对应的复数信号。
23.在本技术的一些实施例中，所述心电跨模态映射模型采用复变分自编码器网络架构；
24.所述复变分自编码器网络架构包括：
25.同相编码器，用于对输入的所述i/q域数据的同相分量进行卷积运算、下采样及拟合非线性运算以对应输出所述同相分量对应的毫米波心搏特征；
26.正交编码器，用于对输入的所述i/q域数据的正交分量进行卷积运算、下采样及拟合非线性运算以对应输出所述正交分量对应的毫米波心搏特征；
27.自注意力模块，用于对所述同相分量对应的毫米波心搏特征和所述正交分量对应的毫米波心搏特征进行融合处理以得到对应的融合毫米波心搏特征；
28.解码器，用于将所述融合毫米波心搏特征进行维度还原以输出所述i/q域数据对应的心电波形数据。
29.在本技术的一些实施例中，在所述将所述复数信号输入预设的心电跨模态映射模型之前，还包括：
30.获取多个历史原始信号，所述历史原始信号为预先以毫米波感知方式自不同的历史被测目标的胸腔区域非接触式采集得到的；
31.基于波束成形的方式对各个所述历史原始信号进行频域滤波以提取不同的历史
被测目标的心脏区域对应的历史复数信号；
32.将各个所述历史复数信号作为训练数据，对预设的复变分自编码器网络进行模型训练，并采用与各个所述历史原始信号同步采集的真实历史心电图数据对所述复变分自编码器网络的训练过程进行监督，以将所述复变分自编码器网络训练成用于将复数信号跨模态映射为心电波形数据的心电跨模态映射模型。
33.本技术的另一个方面提供了一种基于毫米波感知的非接触式心电监测系统，包括：
34.数据采集模块，用于以毫米波感知方式自被测目标的胸腔区域非接触式采集该被测目标当前的原始信号；
35.数据处理模块，用于基于波束成形的方式对所述原始信号进行频域滤波以提取所述被测目标的心脏区域对应的复数信号；
36.模型映射模块，用于将所述复数信号输入预设的心电跨模态映射模型，以使该心电跨模态映射模型输出所述被测目标的心电监测结果数据。
37.本技术的另一个方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的基于毫米波感知的非接触式心电监测方法。
38.本技术的另一个方面提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的基于毫米波感知的非接触式心电监测方法。
39.本技术提供的基于毫米波感知的非接触式心电监测方法，通过以毫米波感知方式自被测目标的胸腔区域非接触式采集该被测目标当前的原始信号，无需接触即可监测人体细粒度的心脏活动，并在能够获取后续被测目标可靠且有效的心电监测结果的基础上，在能够实现不同受试者坐姿、仰卧时系统皆可以重构被测目标的心电波形的基础上，进一步提高心电监测结果的准确性及有效性；通过提取心脏区域对应的复数信号，能够避免忽略心脏电活动可能导致的电磁波频率偏移、幅值变化等因素，进而能够有效提高对心脏活动的聚焦的全面性及可靠性，能够有效提高心脏活动信息的提取精度，进而能够为后续基于该复数信号获取心电监测结果提供精度更高且更为全面的数据基础，以进一步提高非接触式心电监测的精度及可靠性；通过将所述复数信号输入预设的心电跨模态映射模型，以使该心电跨模态映射模型输出所述被测目标的心电监测结果数据，能够有效避免丢失信号幅值、频偏等心脏活动关键信息，能够聚焦心脏细粒度活动信息并重构心电波形，进而能够有效提高非接触式心电监测过程的可靠性以及心电监测结果的精度。
40.本技术的附加优点、目的，以及特征将在下面的描述中将部分地加以阐述，且将对于本领域普通技术人员在研究下文后部分地变得明显，或者可以根据本技术的实践而获知。本技术的目的和其它优点可以通过在说明书以及附图中具体指出的结构实现到并获得。
41.本领域技术人员将会理解的是，能够用本技术实现的目的和优点不限于以上具体所述，并且根据以下详细说明将更清楚地理解本技术能够实现的上述和其他目的。
附图说明
42.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，并不
构成对本技术的限定。附图中的部件不是成比例绘制的，而只是为了示出本技术的原理。为了便于示出和描述本技术的一些部分，附图中对应部分可能被放大，即，相对于依据本技术实际制造的示例性装置中的其它部件可能变得更大。在附图中：
43.图1为本技术一实施例中的基于毫米波感知的非接触式心电监测方法的第一种流程示意图。
44.图2为本技术一实施例中的基于毫米波感知的非接触式心电监测方法的第二种具体流程示意图。
45.图3为本技术一实施例中的心电跨模态映射模型的架构示意图。
46.图4为本技术另一实施例中的基于毫米波感知的非接触式心电监测系统的结构示意图。
47.图5为本技术应用实例中提供的基于毫米波感知的非接触式心电监测方法的总逻辑流程举例示意图。
48.图6为本技术应用实例中提供的基于毫米波感知的非接触式心电监测方法中构建虚拟天线阵列和数据处理过程的流程举例示意图。
具体实施方式
49.为使本技术的目的、技术方案和优点更加清楚明白，下面结合实施方式和附图，对本技术做进一步详细说明。在此，本技术的示意性实施方式及其说明用于解释本技术，但并不作为对本技术的限定。
50.在此，还需要说明的是，为了避免因不必要的细节而模糊了本技术，在附图中仅仅示出了与根据本技术的方案密切相关的结构和/或处理步骤，而省略了与本技术关系不大的其他细节。
51.应该强调，术语“包括/包含”在本文使用时指特征、要素、步骤或组件的存在，但并不排除一个或更多个其它特征、要素、步骤或组件的存在或附加。
52.在此，还需要说明的是，如果没有特殊说明，术语“连接”在本文不仅可以指直接连接，也可以表示存在中间物的间接连接。
53.在下文中，将参考附图描述本技术的实施例。在附图中，相同的附图标记代表相同或类似的部件，或者相同或类似的步骤。
54.在本技术的一个或多个实施例中，ecg(electrocardiogram)是指心电图，是记录心脏每一心动周期所产生的电活动变化图；mmwave(millimeter wave)是指毫米波，是一种波长在毫米量级的电磁波；fmcw(frequency modulated continuous wave)是指调频连续波，是一种雷达调制模式；tx(transmit)用来指代雷达的发射天线；rx(receive)用来指代雷达的接收天线；fft(fast fourier transform)是指快速傅里叶变换；bf(beamforming)是指波束成形，用于电磁波定向聚焦的传输或接收；mimo(multiple-in multiple-out)是指多天线，多进多出技术；dnn(deep neural network)是指深度神经网络；range fft是指距离fft，用于fmcw雷达的信号处理，以分辨不同距离上的观测物体；range bin是指距离仓，range fft将不同距离上观测物体分隔在不同的距离仓中。
55.心电图(ecg)是监测人体心脏健康状况，诊断心血管疾病的重要临床方法，通过将导联电极贴附在受试者的皮肤上，心电图机可以记录心脏的电活动变化，包括心房、心室的
去极化与复极化等。心电图可用于各类病房的患者生命体征监测，也可用于诊室中的心率不齐，心肌梗死等疾病的监测。除了在诊室内的应用，诊室外的日常的心电监测对阵发性疾病的筛查，诊断和治疗有着重要意义。随着智能健康技术的发展，心电图设备的发展趋向于小型化与智能化，涌现了便携式的动态心电记录仪，单导联心电仪等。
56.然而现有的医疗设备依然无法摆脱对贴附电极片的依赖，在心电图监测的过程中需要佩戴电极从而导致皮肤不适与使用不便，这也致使部分特殊的人群由于身体条件限制无法佩戴电极片，如烧伤患者及新生儿。此外，电极片的使用也使设备无法长期连续且无感的进行心电图监测，这导致心电监测难以日常化普及，无法获取长周期的心电数据。非接触式的心电监测方法可以解决这些不便利的问题，为用户提供无感的心电持续监测，记录长周期心脏健康数据从而实现疾病的早期筛查与预警预测。毫米波雷达作为一种非接触式感知设备，近年来在健康监测领域的应用广受关注，且其具备连续无感心电图监测的潜在能力。
57.心脏的活动可分为电活动与机械活动，其中机械活动是由于电活动传导，心肌兴奋导致的。这两类活动都可以通过雷达发射电磁波进行监测，由发射天线发出的电磁波会被胸腔反射回雷达的接收天线，反射信号中携带了心脏活动的信息，其可通过一系列算法提取并建模为心电信号。其中心脏电活动会产生电磁场从而使电磁波在传输过程中频率产生偏移，而心搏过程中的机械活动导致胸腔产生微小的位移起伏变化，这会导致电磁波的相位规律的变化。
58.在理想情况下可通过传统的信号处理方法可通过聚焦到特定距离、角度以对心脏活动导致的相位变化与频率偏移进行提取。然而相位变化属于心脏机械活动信息，频偏属于心脏活动导致的磁场变化信息，这些信息与心脏电活动信息不同，很难直接提取对应的心电图信号。此外，在日常监测中每位受试者的身高、体型不同，聚焦心脏的位置也会发生变化，而传统信号处理方法不具备定位心脏的能力。这些因素的使传统信号处理方法难以实施准确的非接触式心电图监测。
59.现有非接触式心电监测的大致流程如下：
60.1.使用毫米波雷达对待测体发射毫米波信号并接收回波信号；
61.2.对接收到的回波信号进行信号处理，通过波束成形聚焦到回波的心脏区域，提取隐藏在回波信号中的心脏机械活动数据；
62.3.对提取出的心脏机械活动数据，构建端到端的算法，完成由心脏机械活动到心脏电活动的跨域映射；
63.4.基于已经习得心脏机械活动与心脏电活动跨域映射的算法，输入当前时刻提取的心脏机械活动数据，输出当前时刻ecg测量结果，并最终完成非接触心电图监测。
64.然而，现有的技术方案通过波束成形的方式，根据固定规则频谱特征聚焦到心脏机械活动区域，该方法对心脏活动的聚焦，提取精度不足。此外，现有方法仅提取了雷达反射信号中的心脏的机械活动信息，而忽略了心脏电活动可能导致的电磁波频率偏移。以上两个因素使现有技术的心电监测实施时心电监测波形与金标准设备的一致性不足，心电图精度不足以满足日常监测需求。
65.基于此，本技术实施例提供一种可由基于毫米波感知的非接触式心电监测系统实现的基于毫米波感知的非接触式心电监测方法，参见图1，所述基于毫米波感知的非接触式
心电监测方法具体包含有如下内容：
66.步骤100：以毫米波感知方式自被测目标的胸腔区域非接触式采集该被测目标当前的原始信号。
67.在本技术的一个或多个实施例中，所述被测目标可以指当前进行心电监测的人，还可以指其他具备心电监测需求的活体，如猫、狗等哺乳动物，以使得本技术提供的基于毫米波感知的非接触式心电监测方法能够广泛适用。
68.在步骤100中，具体可以采用毫米波雷达以非接触的形式实现毫米波感知，通过采用毫米波雷达探测心跳引起的被测目标胸腔振动，能够得到包含被测目标的心脏活动等信息的原始信号。
69.在本技术的一个或多个实施例中，所述原始信号包含毫米波感知到的被测目标的所有信息，例如包含呼吸、心搏以及体动等全部信息。
70.基于此，通过以毫米波感知方式自被测目标的胸腔区域非接触式采集该被测目标当前的原始信号，无需接触即可监测人体细粒度的心脏活动，并能够为后续获取被测目标的心电监测结果提供可靠且有效的基础上，进而能够在实现不同受试者坐姿、仰卧时系统就可以重构被测目标的心电波形的基础上，进一步提高心电监测结果的准确性及有效性。
71.为了进一步提高采集被测目标的胸腔区域的原始反射信号的便捷性及效率，在本技术的一个具体实施方式中，还可以采用嵌入式毫米波雷达，无需接触即可监测人体细粒度的心脏活动。
72.步骤200：基于波束成形的方式对所述原始反射信号进行频域滤波以提取所述被测目标的心脏区域对应的复数信号。
73.在步骤200中，基于波束成形的方式对所述原始反射信号进行频域滤波以提取所述被测目标的心脏区域对应的复数信号具体是指：通过波束成形技术对雷达接收的原始反射信号进行空域滤波，选择心脏区域的回波信号以提取所述被测目标的心脏区域对应的复数信号。
74.可以理解的是，所述心脏区域对应的复数信号是指包含心脏机械活动信息的复数i/q信号，该复数i/q信号复还可以称为复数i/q域信号或i/q域复信号。
75.由于心脏搏动对雷达信号产生的影响不止于胸腔微小起伏导致的信号相位变化，还包括了诸如频偏、幅值变化等一系列影响，因此，本技术的步骤200中通过提取心脏区域对应的复数信号，能够避免忽略心脏电活动可能导致的电磁波频率偏移、幅值变化等因素，进而能够有效提高对心脏活动的聚焦的全面性及可靠性，能够有效提高心脏活动信息的提取精度，进而能够为后续基于该复数信号获取心电监测结果提供精度更高且更为全面的数据基础，以进一步提高非接触式心电监测的精度及可靠性。
76.步骤300：将所述复数信号输入预设的心电跨模态映射模型，以使该心电跨模态映射模型输出所述被测目标的心电监测结果数据。
77.在本技术的一个或多个实施例中，所述心电监测结果数据是指用于显示心脏细粒度活动信息的心电波形数据，具体可以以心电图数据的形式进行输出。
78.可以理解的是，在所述心电跨模态映射模型输出所述被测目标的心电监测结果数据之后，可以将该心电监测结果数据发送至客户端设备，以使所述心电监测结果数据的直接显示或打印，进而进一步提高被测目标的使用体验。
79.在步骤300中，心电跨模态映射模型是指一种预先基于历史复数信号训练得到的用于将复数信号跨模态映射为心电图波形数据的深度神经网络dnn，能够有效避免丢失信号幅值、频偏等心脏活动关键信息，能够聚焦心脏细粒度活动信息并重构心电波形，进而能够有效提高非接触式心电监测过程的可靠性以及心电监测结果的精度。
80.从上述描述可知，本技术实施例提供的基于毫米波感知的非接触式心电监测方法，能够避免丢失心脏电活动可能导致的电磁波频率偏移、幅值变化等心脏活动关键信息，能够有效提高对心脏活动的聚焦的全面性及可靠性，并能够有效提高心脏活动信息的提取精度，进而能够有效提高非接触式心电监测的可靠性及精度。
81.为了进一步提高采集被测目标的胸腔区域的原始反射信号的可靠性及有效性，在本技术实施例提供的一种基于毫米波感知的非接触式心电监测方法中，参见图2，所述基于毫米波感知的非接触式心电监测方法中的步骤100具体包含有如下内容：
82.步骤110：控制毫米波雷达基于fmcw技术从其发射天线向被测目标的胸腔区域发射频率线性增加的线性调频信号，再从其接收天线接收对应的反射信号。
83.可以理解的是，所述反射信号是指在向被测目标的胸腔区域发射频率线性增加的线性调频信号之后，自被测目标的胸腔区域反射的频率线性增加的线性调频信号。
84.步骤120：将发射的所述线性调频信号和所述反射信号进行混合以生成所述被测目标当前的数字中频信号作为所述原始信号。
85.为了进一步为采用复数信号提高对心脏活动的聚焦精度的信号处理过程提供可靠性且有效的数据基础，在本技术实施例提供的一种基于毫米波感知的非接触式心电监测方法中，所述毫米波雷达配置有2个发射天线和4个接收天线；相对应的，所述基于毫米波感知的非接触式心电监测方法中的步骤110还具体包含有如下内容：
86.步骤111：控制毫米波雷达基于fmcw技术从2个所述发射天线采用时分复用的方式向被测目标的胸腔区域交替发射频率线性增加的线性调频信号，再从其4个接收天线接收对应的反射信号。
87.为了进一步提高提取所述被测目标的心脏区域对应的复数信号的有效性及可靠性，在本技术实施例提供的一种基于毫米波感知的非接触式心电监测方法中，参见图2，所述基于毫米波感知的非接触式心电监测方法中的步骤200具体包含有如下内容：
88.步骤210：根据所述毫米波雷达的发射天线和接收天线之间的位置关系构建多通道的虚拟天线阵列。
89.在步骤210中，具体可以根据毫米波雷达的天线排布、位置关系构建虚拟天线阵列(即：8通道虚拟阵列)，用于波束成形。
90.步骤220：基于所述虚拟天线阵列，通过波束成形的方式对所述原始信号进行频域滤波以提取所述被测目标的心脏区域对应的复数信号。
91.具体来说，通过上述的步骤110至步骤220，本技术的实施例为了实现对人体心脏活动的感知，将毫米波天线朝向胸腔位置。利用毫米波雷达的多天线，多进多出技术(mimo)，包括发射天线时分复用与虚拟天线阵列，实现多通道雷达信号的采集。结合虚拟天线的排布设置，波束成形技术，对雷达感知的空间进行建模。
92.为了进一步提高提取所述被测目标的心脏区域对应的复数信号的有效性及可靠性，在本技术实施例提供的一种基于毫米波感知的非接触式心电监测方法中，所述基于毫
米波感知的非接触式心电监测方法中的步骤220具体包含有如下内容：
93.步骤221：基于所述虚拟天线阵列，采用波束成形的方式将各个所述原始信号分别映射到三维空间中以提取各个所述原始信号分别对应的雷达信号分量。
94.在步骤221中，基于虚拟天线阵列，采用波束成形的方式将雷达感知到的信息映射到三维空间中以提取各个雷达信号分量。
95.具体来说，毫米波雷达的多天线排布是经过特殊设计，天线间的相对位置固定的，而波束成形可以利用多天线之间的相对位置信息，将雷达感知到的信息分别映射到三维空间中，并可根据三维坐标(x,y,z)提取该处的雷达信号分量map(x,y,z)：
[0096][0097]
其中，i代表天线通道(2个发射天线和4个接收天线可提供8个天线通道)，xi和yi表示i通道的所在空间位置的对应坐标，bin(z)表示在z距离的距离仓雷达信号分量。
[0098]
步骤222：对各个所述雷达信号分量分别进行频域滤波以定位并提取对应的心脏活动信息。
[0099]
在步骤222中，对经过波束成形处理的各个雷达信号分量进行频域滤波以定位并提取心脏活动信息。
[0100]
可以理解的是，所述心脏活动信息包含心电信号的幅值及频偏等信息，用于后续环节中心电图的提取。
[0101]
步骤223：根据所述心脏活动信息在各个所述雷达信号分量各自对应的三维坐标中，选择心脏搏动信号能量最高的一个三维坐标，并提取该三维坐标对应的i/q域数据的同相分量和正交分量，以将该同相分量和正交分量确定为所述被测目标的心脏区域对应的复数信号。
[0102]
在步骤223中，首先，将每个三维坐标下的雷达信号分量map(x,y,z)均转为相位信号；
[0103]
再计算每个三维坐标下相位信号的功率谱密度(power spectral density)，即map(x,y,z)信号相位的功率谱密度，记为psd(x,y,z,f)，psd(x,y,z,f)表示在(x,y,z)坐标下的信号分量，其频率为f的功率，且f的单位为(次/分钟)，该频率即为相位变化频率，也就是胸腔发生微小位移的频率。
[0104]
此后计算每个三维坐标下的相位信号在心率频段(40-200次/分钟)的功率谱密度之和f
heart
(x,y,z)，即为心脏搏动信号能量：
[0105][0106]fheart
(x,y,z)越高，说明该位置坐标下的信号中心脏搏动能量越高，距离心脏的位置越近。为了确定心脏搏动所在的位置坐标，我们取f
heart
(x,y,z)值最大的坐标(x0,y0,z0)，用于后续的信号处理。
[0107][0108]
最后提取i/q域数据的同相和正交分量：
[0109]
确定具体坐标(x0,y0,z0)后，取该坐标(x0,y0,z0)上复数信号的实部和虚部分别作为i/q域数据的同相和正交分量。
[0110]
为了进一步避免丢失信号幅值、频偏等心脏活动关键信息，在本技术实施例提供的一种基于毫米波感知的非接触式心电监测方法中，所述心电跨模态映射模型采用复变分自编码器网络架构；
[0111]
参见图3，所述复变分自编码器网络架构包括：
[0112]
同相编码器，用于对输入的所述i/q域数据的同相分量进行卷积运算、下采样及拟合非线性运算以对应输出所述同相分量对应的毫米波心搏特征；
[0113]
正交编码器，用于对输入的所述i/q域数据的正交分量进行卷积运算、下采样及拟合非线性运算以对应输出所述正交分量对应的毫米波心搏特征；
[0114]
自注意力模块(也可以写为自注意力机制)，用于对所述同相分量对应的毫米波心搏特征和所述正交分量对应的毫米波心搏特征进行融合处理以得到对应的融合毫米波心搏特征；
[0115]
解码器，用于将所述融合毫米波心搏特征进行维度还原以输出所述i/q域数据对应的心电波形数据。
[0116]
为了进一步提高提取所述被测目标的心脏区域对应的复数信号的有效性及可靠性，在本技术实施例提供的一种基于毫米波感知的非接触式心电监测方法中，参见图2，所述基于毫米波感知的非接触式心电监测方法中的步骤300之前、步骤100之前以及其他时刻均可以具体包含有如下内容：
[0117]
步骤010：获取多个历史原始信号，所述历史原始信号为预先以毫米波感知方式自不同的历史被测目标的胸腔区域非接触式采集得到的。
[0118]
步骤020：基于波束成形的方式对各个所述历史原始信号进行频域滤波以提取不同的历史被测目标的心脏区域对应的历史复数信号。
[0119]
步骤030：将各个所述历史复数信号作为训练数据，对预设的复变分自编码器网络进行模型训练，并采用与各个所述历史原始信号同步采集的真实历史心电图数据对所述复变分自编码器网络的训练过程进行监督，以将所述复变分自编码器网络训练成用于将复数信号跨模态映射为心电波形数据的心电跨模态映射模型。
[0120]
具体来说，心电跨模态映射模型可以使用前述实施例中信号处理得到的i/q域数据进行训练，使用雷达接收信号时医用设备同步采集的心电图数据作为金标准进行监督。训练过程中采用二元交叉熵损失与kl散度(kullback-leibler divergence)之加权和作为损失函数，优化提升模型从i/q域数据提取心搏特征并重构心电波形的能力。
[0121]
从软件层面来说，本技术还提供一种用于执行所述基于毫米波感知的非接触式心电监测方法中全部或部分内的基于毫米波感知的非接触式心电监测系统，参见图4，所述基于毫米波感知的非接触式心电监测系统具体包含有如下内容：
[0122]
数据采集模块10，用于以毫米波感知方式自被测目标的胸腔区域非接触式采集该被测目标当前的原始信号。
[0123]
数据处理模块20，用于基于波束成形的方式对所述原始信号进行频域滤波以提取所述被测目标的心脏区域对应的复数信号。
[0124]
模型映射模块30，用于将所述复数信号输入预设的心电跨模态映射模型，以使该心电跨模态映射模型输出所述被测目标的心电监测结果数据。
[0125]
本技术提供的基于毫米波感知的非接触式心电监测系统的实施例具体可以用于
执行上述实施例中的基于毫米波感知的非接触式心电监测方法的实施例的处理流程，其功能在此不再赘述，可以参照上述基于毫米波感知的非接触式心电监测方法实施例的详细描述。
[0126]
所述基于毫米波感知的非接触式心电监测系统进行基于毫米波感知的非接触式心电监测的部分可以在客户端设备中执行，具体可以根据所述客户端设备的处理能力，以及用户使用场景的限制等进行选择。本技术对此不作限定。若所有的操作都在所述客户端设备中完成，所述客户端设备还可以包括处理器以及毫米波雷达，用于基于毫米波感知的非接触式心电监测的具体处理。
[0127]
上述的客户端设备可以具有通信模块(即通信单元)，可以与远程的服务器进行通信连接，实现与所述服务器的数据传输。所述服务器可以包括任务调度中心一侧的服务器，其他的实施场景中也可以包括中间平台的服务器，例如与任务调度中心服务器有通信链接的第三方服务器平台的服务器。所述的服务器可以包括单台计算机设备，也可以包括多个服务器组成的服务器集群，或者分布式装置的服务器结构。
[0128]
上述服务器与所述客户端设备端之间可以使用任何合适的网络协议进行通信，包括在本技术提交日尚未开发出的网络协议。所述网络协议例如可以包括tcp/ip协议、udp/ip协议、http协议、https协议等。当然，所述网络协议例如还可以包括在上述协议之上使用的rpc协议(remote procedure call protocol，远程过程调用协议)、rest协议(representational state transfer，表述性状态转移协议)等。
[0129]
从上述描述可知，本技术实施例提供的基于毫米波感知的非接触式心电监测系统，能够避免丢失心脏电活动可能导致的电磁波频率偏移、幅值变化等心脏活动关键信息，能够有效提高对心脏活动的聚焦的全面性及可靠性，并能够有效提高心脏活动信息的提取精度，进而能够有效提高非接触式心电监测的可靠性及精度。
[0130]
为了进一步说明本方案，本技术还提供一种基于毫米波感知的非接触式心电监测方法及系统的具体应用实例，以待测目标为目标人体为例进行说明，具体涉及一种无需与人体接触即可捕获ecg记录的方法和系统，通过分析毫米波雷达信号在人体上的反射来进行工作，设计了一个神经网络模型用于雷达信号处理。心脏搏动对雷达信号产生的影响不止于胸腔微小起伏导致的信号相位变化，还包括了诸如频偏、幅值变化等一系列影响，为此本技术设计了一个复数信号编码器用于提取心脏搏动的特征信息。此外，由于雷达的探测范围中会存在诸多噪声，本技术设计了心电监测解码器神经网络结构，以聚焦心脏细粒度活动信息并重构心电波形。
[0131]
参见图5和图6，采用所述基于毫米波感知的非接触式心电监测系统实现的基于毫米波感知的非接触式心电监测方法具体说明如下：
[0132]
(一)数据采集
[0133]
s1：毫米波雷达接收原始信号：采用毫米波雷达(后续可简称为：雷达)探测心跳引起的目标人体胸腔振动，得到包含目标人体的心脏活动等信息的原始信号。
[0134]
具体来说，在数据录制环节的步骤s1可以具体包含有如下内容：
[0135]
s11：毫米波雷达利用fmcw技术从其发射天线向目标人体发射频率线性增加的线性调频信号，然后毫米波雷达利用fmcw技术从其接收天线收集得到包含目标人体的心脏活动等信息的反射信号。
[0136]
其中，为了向后续采用复数信号提高对心脏活动的聚焦精度的数据处理过程提供有效的数据基础上，毫米波雷达可以配置有多个用于采用时分复用的方式交替发射频率线性增加的线性调频信号的发射天线。
[0137]
s12：将毫米波雷达发射和接收的频率线性增加的线性调频信号(即：fmcw信号)混合生成数字中频(if)信号，作为后续环节需要处理的包含目标人体的心脏活动等信息的原始信号。
[0138]
可以理解的是，所述原始信号包含雷达感知到的目标人体的所有信息，其包含呼吸、心搏以及体动等全部信息。
[0139]
在一种举例中，毫米波雷达可以配置有2个发射天线和4个接收天线，2个发射天线采用时分复用的方式交替发射信号。即，雷达的2个发射天线以时分复用模式间隔发射fmcw波(即：频率线性增加的线性调频信号)，接收天线部署4通道阵列，输出数字中频信号以作为原始信号。
[0140]
(二)数据处理
[0141]
s2：聚焦心脏区域回波，提取复数信号：通过波束成形技术对雷达接收的原始反射信号进行空域滤波，选择心脏区域的回波信号，提取包含心脏机械活动信息的复数i/q域信号。
[0142]
具体来说，在数据处理环节的步骤s2可以具体包含有如下内容：
[0143]
s21：根据天线间的位置关系构建8通道虚拟阵列，通过波束成形进行频域滤波得到心脏区域i/q信号。具体说明如下：
[0144]
(1)根据雷达的天线排布、位置关系构建虚拟天线阵列(即：8通道虚拟阵列)，用于波束成形。
[0145]
(2)基于虚拟天线阵列，采用波束成形的方式将雷达感知到的信息映射到三维空间中以提取各个雷达信号分量。
[0146]
具体来说，毫米波雷达的多天线排布是经过特殊设计，天线间的相对位置固定的，而波束成形可以利用多天线之间的相对位置信息，将雷达感知到的信息分别映射到三维空间中，并可根据三维坐标(x,y,z)提取该处的雷达信号分量map(x,y,z)：
[0147][0148]
其中，i代表天线通道(2个发射天线和4个接收天线可提供8个天线通道)，xi和yi表示i通道的所在空间位置的对应坐标，bin(z)表示在z距离的距离仓雷达信号分量。
[0149]
(3)对经过波束成形处理的各个雷达信号分量进行频域滤波以定位并提取心脏活动信息。
[0150]
可以理解的是，所述心脏活动信息包含心电信号的幅值及频偏等信息，用于后续环节中心电图的提取。
[0151]
(4)根据上一步中定位心脏活动信息的情况，确定一个具体坐标的波束信号，提取其i/q分量。具体如下：
[0152]
首先，将每个三维坐标下的雷达信号分量map(x,y,z)均转为相位信号；
[0153]
再计算每个三维坐标下相位信号的功率谱密度(power spectral density)，即map(x,y,z)信号相位的功率谱密度，记为psd(x,y,z,f)，psd(x,y,z,f)表示在(x,y,z)坐标
下的信号分量，其频率为f的功率，且f的单位为(次/分钟)，该频率即为相位变化频率，也就是胸腔发生微小位移的频率。
[0154]
此后计算每个三维坐标下的相位信号在心率频段(40-200次/分钟)的功率谱密度之和f
heart
(x,y,z)，即为心脏搏动信号能量：
[0155][0156]fheart
(x,y,z)越高，说明该位置坐标下的信号中心脏搏动能量越高，距离心脏的位置越近。为了确定心脏搏动所在的位置坐标，我们取f
heart
(x,y,z)值最大的坐标(x0,y0,z0)，用于后续的信号处理。
[0157][0158]
s22：提取i/q域数据的同相和正交分量。具体说明如下：
[0159]
确定具体坐标(x0,y0,z0)后，取该坐标(x0,y0,z0)上复数信号的实部和虚部分别作为i/q域数据的同相和正交分量。
[0160]
s23：分别作为复变分自编码器网络i/q编码器的输入。
[0161]
具体来说，将s22得到的同相和正交分量作为综合表征心脏活动的i/q域复信号用于下一神经网络阶段的模型输入，以使用基于深度学习的复变分自编码器模型模块进行心电图提取与监测。
[0162]
(三)复变分自编码器网络
[0163]
s3：以复数信息(即s23得到的i/q域复信号)作为输入，通过心电跨模态映射模型，将雷达的反射回波映射为心电图信号；
[0164]
s4：输出心电图结果。
[0165]
即：将i/q域复信号导入已完成训练的心电跨模态映射模型进行心电跨模态映射，输出重构的心电波形。
[0166]
其中，心电跨模态映射模型采用复变分自编码器网络架构，用于从包含心脏活动的复数信号中分离单纯的心电信号，重构ecg波形。复变分自编码器的模型整体呈现“瓶颈”结构，包含编码器，注意力机制和解码器三个主要部分。
[0167]
其中，复变分自编码器网络架构使用前述实施例中信号处理过程的相同方式得到的历史i/q域数据进行训练，使用雷达接收信号时医用设备同步采集的心电图数据作为金标准进行监督。训练过程中采用二元交叉熵损失与kl散度(kullback-leibler divergence)之加权和作为损失函数，优化提升模型从i/q域数据提取心搏特征并重构心电波形的能力，最终形成用于输出心电图信号的心电跨模态映射模型。
[0168]
具体来说，采用复变分自编码器网络架构的心电跨模态映射模型的功能说明如下：
[0169]
(1)编码器将高维输入编码成低维的隐变量，从而使神经网络学习最有信息量的特征。i/q信号的同相分量和正交分量分别传入同相编码器和正交编码器。两个并行的编码器结构相同，均包含一维卷积运算层，用于处理时序信号，卷积层将通过步长设计，进行下采样。编码器同时包含非线性映射与批标准化层，用以拟合非线性运算，同时加快模型收敛过程。编码器最终输出内容为i/q两路的毫米波心搏特征。
[0170]
(2)自注意力机制用于聚焦i/q两路特征拼接后的心电相关信息，实现复数信号的
融合处理。解码器将隐藏层的隐变量还原到初始维度，重构期望的输出，达到心电波形重构的目的。
[0171]
(3)解码器是编码器的反置结构，包括了一维反卷积运算层，批标准化层与非线性映射等，其中一维反卷积将通过步长设计以达到上采样的目的。解码器的输出为重构的心电波形。
[0172]
本技术设计的复变分自编码器模型具体有以下特点：
[0173]
1.使用两个结构相同的并行编码器分别处理i/q信号的同相分量和正交分量，达到了复数信号处理的目的，不再仅依靠相位提取心脏活动，避免了丢失幅值、频偏等心电相关信息。并行编码器也可以加快收敛速度，提升训练效率；
[0174]
2.编码器的编码特征(即低维隐向量)采用了概率分布的方式进行提取，即变分编码器，这种设计可以避免网络的过拟合，提升网络的泛化能力；
[0175]
3.针对同相分量和正交分量的两路特征，使用了自注意力机制进行融合，实现了深度融合，使网络结构更适用于复数信号；
[0176]
4.采用了反卷积的网络结构实现解码器，将复数信号特征重构为心电图波形。
[0177]
本技术应用实例提出的基于毫米波感知的非接触式心电监测方法及系统，能够利用嵌入式毫米波雷达，无需接触即可监测人体细粒度的心脏活动，并以心电图作为输出，实现非接触式心电图监测。在不同受试者坐姿、仰卧时系统均可以重构ecg波形，该波形的与金标准设备的一致性强，可用于健康检测、医疗诊断等场景。
[0178]
与现有技术相比，本技术应用实例的有益效果是：
[0179]
1、为了实现对人体心脏活动的感知，将毫米波天线朝向胸腔位置。利用毫米波雷达的多天线，多进多出技术(mimo)，包括发射天线时分复用与虚拟天线阵列，实现多通道雷达信号的采集。结合虚拟天线的排布设置，波束成形技术，对雷达感知的空间进行建模。
[0180]
2、雷达感知空间范围大，噪音多，为了聚焦感知空间中心脏运动，我们基于空间位置信号的频域信息，定位空间模型中心脏活动所在的坐标，并提取该位置的复数信号。
[0181]
3、利用深度神经网络dnn提取心电图波形，提出了复变分自编码器网络架构，得益于其中的并行编码器结构与注意力机制，其可实现复数信号中同相分量和正交分量的并行处理与深度融合，从而达到心脏活动特征提取的目的。该方法避免了丢失信号幅值、频偏等心脏活动关键信息。此外，神经网络架构中的解码器结构可以根据上述提取的特征，重构心电波形，并将其作为最终输出。
[0182]
本技术实施例还提供了一种电子设备，该电子设备可以包括处理器、存储器、接收器及发送器，处理器用于执行上述实施例提及的基于毫米波感知的非接触式心电监测方法，其中处理器和存储器可以通过总线或者其他方式连接，以通过总线连接为例。该接收器可通过有线或无线方式与处理器、存储器连接。
[0183]
处理器可以为中央处理器(central processing unit，cpu)。处理器还可以为其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片，或者上述各类芯片的组合。
[0184]
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂
态计算机可执行程序以及模块，如本技术实施例中的基于毫米波感知的非接触式心电监测方法对应的程序指令/模块。处理器通过运行存储在存储器中的非暂态软件程序、指令以及模块，从而执行处理器的各种功能应用以及数据处理，即实现上述方法实施例中的基于毫米波感知的非接触式心电监测方法。
[0185]
存储器可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储处理器所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0186]
所述一个或者多个模块存储在所述存储器中，当被所述处理器执行时，执行实施例中的基于毫米波感知的非接触式心电监测方法。
[0187]
在本技术的一些实施例中，用户设备可以包括处理器、存储器和收发单元，该收发单元可包括接收器和发送器，处理器、存储器、接收器和发送器可通过总线系统连接，存储器用于存储计算机指令，处理器用于执行存储器中存储的计算机指令，以控制收发单元收发信号。
[0188]
作为一种实现方式，本技术中接收器和发送器的功能可以考虑通过收发电路或者收发的专用芯片来实现，处理器可以考虑通过专用处理芯片、处理电路或通用芯片实现。
[0189]
作为另一种实现方式，可以考虑使用通用计算机的方式来实现本技术实施例提供的服务器。即将实现处理器，接收器和发送器功能的程序代码存储在存储器中，通用处理器通过执行存储器中的代码来实现处理器，接收器和发送器的功能。
[0190]
本技术实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时以实现前述基于毫米波感知的非接触式心电监测方法的步骤。该计算机可读存储介质可以是有形存储介质，诸如随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、软盘、硬盘、可移动存储盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质。
[0191]
本领域普通技术人员应该可以明白，结合本文中所公开的实施方式描述的各示例性的组成部分、系统和方法，能够以硬件、软件或者二者的结合来实现。具体究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本技术的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。
[0192]
需要明确的是，本技术并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本技术的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本技术的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
[0193]
本技术中，针对一个实施方式描述和/或例示的特征，可以在一个或更多个其它实施方式中以相同方式或以类似方式使用，和/或与其他实施方式的特征相结合或代替其他实施方式的特征
[0194]
以上所述仅为本技术的优选实施例，并不用于限制本技术，对于本领域的技术人员来说，本技术实施例可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。

技术特征：
1.一种基于毫米波感知的非接触式心电监测方法，其特征在于，包括：以毫米波感知方式自被测目标的胸腔区域非接触式采集该被测目标当前的原始信号；基于波束成形的方式对所述原始信号进行频域滤波以提取所述被测目标的心脏区域对应的复数信号；将所述复数信号输入预设的心电跨模态映射模型，以使该心电跨模态映射模型输出所述被测目标的心电监测结果数据。2.根据权利要求1所述的基于毫米波感知的非接触式心电监测方法，其特征在于，所述以毫米波感知方式自被测目标的胸腔区域非接触式采集该被测目标当前的原始信号，包括：控制毫米波雷达基于fmcw技术从其发射天线向被测目标的胸腔区域发射频率线性增加的线性调频信号，再从其接收天线接收对应的反射信号；将发射的所述线性调频信号和所述反射信号进行混合以生成所述被测目标当前的数字中频信号作为所述原始信号。3.根据权利要求2所述的基于毫米波感知的非接触式心电监测方法，其特征在于，所述毫米波雷达配置有2个发射天线和4个接收天线；相对应的，所述控制毫米波雷达基于fmcw技术从其发射天线向被测目标的胸腔区域发射频率线性增加的线性调频信号，再从其接收天线接收对应的反射信号，包括：控制毫米波雷达基于fmcw技术从2个所述发射天线采用时分复用的方式向被测目标的胸腔区域交替发射频率线性增加的线性调频信号，再从其4个接收天线接收对应的反射信号。4.根据权利要求2所述的基于毫米波感知的非接触式心电监测方法，其特征在于，所述基于波束成形的方式对所述原始信号进行频域滤波以提取所述被测目标的心脏区域对应的复数信号，包括：根据所述毫米波雷达的发射天线和接收天线之间的位置关系构建多通道的虚拟天线阵列；基于所述虚拟天线阵列，通过波束成形的方式对所述原始信号进行频域滤波以提取所述被测目标的心脏区域对应的复数信号。5.根据权利要求4所述的基于毫米波感知的非接触式心电监测方法，其特征在于，所述基于所述虚拟天线阵列，通过波束成形的方式对所述原始信号进行频域滤波以提取所述被测目标的心脏区域对应的复数信号，包括：基于所述虚拟天线阵列，采用波束成形的方式将各个所述原始信号分别映射到三维空间中以提取各个所述原始信号分别对应的雷达信号分量；对各个所述雷达信号分量分别进行频域滤波以定位并提取对应的心脏活动信息；根据所述心脏活动信息在各个所述雷达信号分量各自对应的三维坐标中，选择心脏搏动信号能量最高的一个三维坐标，并提取该三维坐标对应的i/q域数据的同相分量和正交分量，以将该同相分量和正交分量确定为所述被测目标的心脏区域对应的复数信号。6.根据权利要求5所述的基于毫米波感知的非接触式心电监测方法，其特征在于，所述心电跨模态映射模型采用复变分自编码器网络架构；所述复变分自编码器网络架构包括：
同相编码器，用于对输入的所述i/q域数据的同相分量进行卷积运算、下采样及拟合非线性运算以对应输出所述同相分量对应的毫米波心搏特征；正交编码器，用于对输入的所述i/q域数据的正交分量进行卷积运算、下采样及拟合非线性运算以对应输出所述正交分量对应的毫米波心搏特征；自注意力模块，用于对所述同相分量对应的毫米波心搏特征和所述正交分量对应的毫米波心搏特征进行融合处理以得到对应的融合毫米波心搏特征；解码器，用于将所述融合毫米波心搏特征进行维度还原以输出所述i/q域数据对应的心电波形数据。7.根据权利要求1至6任一项所述的基于毫米波感知的非接触式心电监测方法，其特征在于，在所述将所述复数信号输入预设的心电跨模态映射模型之前，还包括：获取多个历史原始信号，所述历史原始信号为预先以毫米波感知方式自不同的历史被测目标的胸腔区域非接触式采集得到的；基于波束成形的方式对各个所述历史原始信号进行频域滤波以提取不同的历史被测目标的心脏区域对应的历史复数信号；将各个所述历史复数信号作为训练数据，对预设的复变分自编码器网络进行模型训练，并采用与各个所述历史原始信号同步采集的真实历史心电图数据对所述复变分自编码器网络的训练过程进行监督，以将所述复变分自编码器网络训练成用于将复数信号跨模态映射为心电波形数据的心电跨模态映射模型。8.一种基于毫米波感知的非接触式心电监测系统，其特征在于，包括：数据采集模块，用于以毫米波感知方式自被测目标的胸腔区域非接触式采集该被测目标当前的原始信号；数据处理模块，用于基于波束成形的方式对所述原始信号进行频域滤波以提取所述被测目标的心脏区域对应的复数信号；模型映射模块，用于将所述复数信号输入预设的心电跨模态映射模型，以使该心电跨模态映射模型输出所述被测目标的心电监测结果数据。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的基于毫米波感知的非接触式心电监测方法。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于毫米波感知的非接触式心电监测方法。

技术总结
本申请提供一种基于毫米波感知的非接触式心电监测方法及系统，方法包括：以毫米波感知方式自被测目标的胸腔区域非接触式采集该被测目标当前的原始信号；基于波束成形的方式对原始信号进行频域滤波以提取被测目标的心脏区域对应的复数信号；将复数信号输入预设的心电跨模态映射模型，以使该心电跨模态映射模型输出被测目标的心电监测结果数据。本申请能够避免丢失心脏电活动可能导致的电磁波频率偏移、幅值变化等心脏活动关键信息，能够有效提高对心脏活动的聚焦的全面性及可靠性，并能够有效提高心脏活动信息的提取精度，进而能够有效提高非接触式心电监测的可靠性及精度。有效提高非接触式心电监测的可靠性及精度。有效提高非接触式心电监测的可靠性及精度。


技术研发人员：马华东 周安福 赵朗程 林麒
受保护的技术使用者：北京邮电大学
技术研发日：2023.03.30
技术公布日：2023/7/7