不同體制的生命監測雷達系統

目前較常用的生命監測雷達系統主要有3 種體制，即連續波（continuous wave，CW）多普勒體制、超寬帶（ultra-wideband，UWB）體制和線性調頻連續波（frequency modulated continuous wave，FMCW）體制。下面將對上述3 種體制的生命監測雷達系統分別進行分析和總結。

1 CW 多普勒雷達系統

CW 多普勒雷達不僅可以測量目標的速度，還能通過相位檢測獲知目標的微動信息。CW 雷達的主要優點在于功耗低且結構簡單小巧，缺點是不利于區分雜波和多目標。主要研究機構開發的幾款典型CW 多普勒生命監測雷達系統。根據線性解調中對小角度近似的要求，按照雷達中心頻率fc 的范圍將雷達系統分為中低頻段（1 GHz≤fc≤7 GHz）和高頻段（fc≥10 GHz）2大類。

近年來的相關研究中，中低頻段的雷達系統大多選擇了2.4 GHz 的中心頻率。由于雷達波長變化遠小于人體正常呼吸時胸腔的起伏幅度，因此中低頻段的雷達在反正切解調時可采用線性近似來簡化算法。與中低頻段的雷達系統相比，高頻段的雷達更易獲得較高的信噪比，在反正切解調時通常要采用非線性解調。需要指出的是，非線性解調需要預先補償幅度、相位不平衡和直流偏移，但是能夠提高對低振幅運動的分辨率。大多數CW 多普勒雷達系統都采用正交雙通道。正交雙通道處理的優勢是可以消除兩正交通道的幅相不平衡并避免直流補

償校準，同時還可以消除零點檢測問題。CW 體制的生命監測雷達系統和數據指標分析的研究，內容擴展到心率變異性、呼吸性竇性心律、主動脈壓力等臨床指標的分析。大量研究表明，在CW 多普勒雷達體制中，體位對測量結果有一定影響。雷達照射人體時，從后背照射人體的雷達散射截面（radar cross-section，RCS）最大，前面次之，側面最小，呼吸深度在平躺時比傾斜時要深。總體而言，仰臥姿態下多普勒雷達測量的心跳、呼吸信號和心率變異性與參考信號具有更好的相關性；對于常規的呼吸性竇性心律不齊，多普勒雷達的測量值與胸帶式呼吸壓敏電阻具有較好的相關性。

2 UWB 雷達系統

UWB 體制的生命監測雷達系統可提取比目標尺寸小得多的目標特征，因此，人體胸部細微的呼吸運動和心跳導致的胸壁微小振動可通過UWB 雷達來檢測。UWB 雷達系統的主要優點是可使用簡單固態發射機，具有良好的距離分辨率以及抗雜波與多徑干擾的能力，可以進行多目標監測；其缺點是頻譜的利用效率不高，與其他系統的兼容性以及現實中的可行性都有待研究。多普勒雷達和UWB 雷達都可以用于人體運動的檢測。在多個人體目標檢測研究中，理論上可以利用多天線CW 雷達多輸入多輸出的角分辨技術來實現，但目前還未被實驗驗證，而基于UWB 雷達技術的多目標探測已經實現。2013年，第四軍醫大學利用基于多天線的UWB 雷達可以檢測到多達3 個目標，這主要是利用了UWB 雷達可以接收到來自于不同人體心跳和呼吸頻譜特征的優勢。此外，美國佐治亞理工學院在2013 年采用了Sensiotec 公司提供的中心頻率為4.2 GHz、發射脈沖為13 ns 的脈沖無線電超寬帶（impulse radio UWB，IR-UWB）雷達來估計心率和呼吸頻率。2014 年，德國伊爾梅瑙工業大學通過超寬帶偽噪聲雷達進行遠程生命體征監測，最大不模糊距離約17 m。

3 FMCW 雷達系統

FMCW 生命體征監測雷達系統于1990 年由Sharpe 首次實現。在非接觸式生命體征檢測方面，FMCW 雷達同時具有UWB 雷達對距離的分辨力和CW 雷達對速度的分辨力，從而可區分多個目標并提取目標微動信息，但FMCW 雷達的制造工藝和信號處理較CW 和UWB 雷達要復雜一些，這導致了FMCW 雷達目前較少被使用。法國國家航空航天研究所使用了0.5～8 GHz 掃頻的UWB-FMCW 雷達檢測建筑內運動的人體目標，最大掃頻率達到200 μs/GHz。通過分析不同材料對電磁波的衰減性能，發現穿墻探測雷達較優的工作頻段是S 和L 波段。美國Lawrence Berkeley 國家實驗室研制了一臺FMCW 體制的生命監測雷達原理樣機，該系統的調頻帶寬為10～11 GHz，尺寸為15 cm×10 cm×5 cm，測量的范圍為0.5～10 m，距離分辨率可達0.5 mm；實驗表明該系統比較適用于醫院病房之類的雜波和噪聲干擾較多的非理想環境。2013 年，日本東京電氣通信大學利用FMCW 雷達提取人體的心臟速率信號，提出了用于抑制周期性雜波的信號處理方法，該FMCW 雷達系統的中心頻率為24.15 GHz，采樣頻率為10 kHz，掃描帶寬為72MHz，掃頻時間為25.6 ms。

生命監測雷達信號處理算法

生命特征信號屬于低速運動的目標信號，產生的多普勒頻移小，回波信號微弱且極易淹沒在強雜波背景下，是頻率極低、準周期、低信噪比、多諧波組合的信號，必須通過有效的信號處理手段才能更加準確有效地檢測和提取出來。根據算法各自實現的主要功能，大致分為呼吸和心跳信號分離算法、噪聲雜波抑制算法以及實現特殊功能的算法3 大類。健康成人平均呼吸頻率為0.15～0.5 Hz，心率為0.9～1.6 Hz，而由呼吸和心跳引起的胸廓的平均運動幅度分別為1～2 cm 和0.3～0.7 mm，因此采集的呼吸信號能量遠遠大于心跳信號，呼吸信號的高次諧波引起的體表微動會與心跳引起的微動混疊，對應信號的頻譜重疊會給心跳信號與呼吸信號的分離帶來困難。近年來出現了多種心跳信號與呼吸信號分離算法，例如最小均方誤差代價函數的方法，首先估計各個諧波的復系數，從包含心跳和呼吸諧波信號的混合信號中減去諧波信號，從而得到心跳信號，該方法適合靜止狀態下人體的呼吸和心跳信號分離；又如，基于非線性Levenberg- Marquardt（LM）算法參數優化方法，這種方法適用于信噪比較低的情形；基于擴展卡爾曼濾波和主成分分析的算法可用于正交多普勒雷達來監測心肺活動，算法需對I、Q 2 個通道的數據分別進行心率和呼吸頻率的提取和判斷，計算復雜度較高；華南理工大學馮久超等提出一種從時域上提取心跳信號的新方法，首先是應用經驗模態分解（empirical mode decomposition，EMD）將雷達接收信號分解成有限個固有模態函數（intrinsic mode function，IMF），再利用反映生命信號結構特征的IMF 分量從時域上分別重構呼吸與心跳信號，以避免呼吸信號諧波對心跳信號的干擾，從而更加精確地提取心跳信號，但是基于EMD 算法的抗噪聲能力不如基于快速傅里葉變換（fast Fourier transformation，FFT）的方法，因此，在對信號進行EMD之前，必須對信號進行預處理，以消除高頻噪聲對EMD 算法產生的不利影響；2014 年，中國科學技術大學研究發現，可以用總體平均EMD 算法進一步準確分離心跳信號，這種總體平均EMD 算法更加適合處理間斷的非平穩信號；利用基于遞推最小二乘（recursive last square，RLS）算法的自適應噪聲抵消器能夠分離出心跳信號，其心率與從心電信號獲得的心率具有很強的相關性。2013 年，第四軍醫大學提出基于改進的自適應線性增強器（developed adaptiveline enhancer，DALE）的生命信號監測方法，算法在預處理方面做了改進，提高了信噪比。在環境雜波和系統噪聲的抑制算法研究方面，西安電子科技大學提出基于諧波模型的高階累積方法，可實現人體生命狀態的自動識別；2011 年，意大利Trento 大學應用獨立成分分析（independent component analysis，ICA）算法區分噪聲和雜波，從而提取呼吸和心跳信號，但是無法指出ICA 分解后的2 個信號哪個包含生命信號，哪個包含雜波信號；Mari Zakrzewski 為估計直流偏移兩正交分量的中心，提出LM 中心估計算法，以消除直流偏移，實現雜波和噪聲的抑制；而在多目標檢測中抑制雜波可采用類似傳統的clean 算法，通過計算從雜波中減去接收信號的卷積來計算信道脈沖響應來實現;針對類似呼吸信號的雜波則可使用雙頻脈沖UWB雷達并采用自適應濾波方法濾除雜波。另外，在生命信號處理中也提出了一些實現了特殊功能的算法，如基于能量譜的非接觸呼吸暫停檢測，主要是根據正常的呼吸信號與發生呼吸暫停時信號的強度特點，對構造的呼吸暫停信號進行處理并根據閾值進行判斷，然后對雷達采集到的信號進行處理并判斷是否發生了呼吸暫停；又如，應用小波熵方法來區分一定距離的人類和動物目標，發現人的能量分布和熵的紊亂程度遠低于狗，可以把人類的身體微動作比動物更有序作為識別的依據。