基于毫米波雷达的人体睡眠呼吸状态监测报警方法及系统与流程
本发明涉及睡眠监护,具体涉及基于毫米波雷达的人体睡眠呼吸状态监测报警方法及系统。
背景技术:
1、现有睡眠呼吸状态监测大多数采用接触式传感器或穿戴设备,长期佩戴影响舒适度且易脱落;摄像头方案则存在隐私风险,难以在卧室等私密场景应用。毫米波雷达具备非接触、隐私安全、全天候工作等优势,可穿透衣物探测胸腹微动,但如何从回波中精准提取呼吸状态并实现异常分级报警仍是技术难点。
2、现有公开号为cn121564881a的专利申请公开了一种多模态融合紧急报警方法及系统,方法包括:对毫米波雷达传感器进行时间校准,并为拾音麦克赋予采样时间戳,以使毫米波雷达传感器、拾音麦克及主动报警器的时间同步;基于主动报警器判断是否存在第一主动报警行为,并通过拾音麦克判断是否存在第二主动报警行为;基于毫米波雷达传感器获取与人体对应的主目标簇,基于主目标簇判断是否存在被动报警行为;基于第一主动报警行为、第二主动报警行为及被动报警行为进行紧急报警。通过毫米波雷达传感器、拾音麦克及主动报警器综合进行紧急报警,其结合了主动报警与被动报警,实现了对居家老人的多模态的安全监护,规避了在老人丧失行动能力时,无法主动触发报警的漏报情况。
3、尽管现有一种多模态融合紧急报警方法及系统,实现了毫米波雷达、拾音麦克与主动报警器三者时间同步,通过主动按键呼救、语音呼救、雷达被动跌倒检测多模态协同监护居家老人,有效解决老人失能无法手动报警导致漏报的问题,但现有居家毫米波雷达睡眠监测方案,存在单毫米波雷达易受环境扰动而产生误报、缺少分级预警机制,难以对居家人体睡眠呼吸多类异常实现高精度识别并进行差异化报警的问题。
技术实现思路
1、针对现有技术存在的不足,本发明的目的在于提供基于毫米波雷达的人体睡眠呼吸状态监测报警方法及系统,通过构建环境干扰置信度图量化各类环境扰动,划分报警抑制段与报警使能段,设置干扰自适应报警门限结合最短持续时间约束进行双重误报抑制,降低单毫米波雷达受环境扰动带来的误报;同时构建呼吸风险评估模型输出综合呼吸风险分数,进行呼吸危险等级划分,动态确定报警策略并生成多通道差异化报警指令,提升居家睡眠呼吸多类异常的识别精度与分级差异化报警可靠性。
2、为实现上述目的,本发明提供了如下技术方案:
3、基于毫米波雷达的人体睡眠呼吸状态监测报警方法,包括:
4、获取毫米波雷达原始回波,经二维快速傅里叶变换生成距离-多普勒谱并进行长时统计,形成环境干扰置信度图,提取胸腔微动相位信号,结合动态干扰阈值划分报警抑制段与报警使能段;
5、在报警使能段识别异常事件类型并计算初始报警触发概率,获取当前干扰置信度设置干扰自适应报警门限,结合最短持续时间约束进行双重误报抑制,形成有效报警事件序列;
6、基于有效报警事件序列构建呼吸风险评估模型,通过加权累积与非线性映射,输出综合呼吸风险分数,进行呼吸危险等级判定;
7、根据呼吸危险等级与预设的危险等级-报警策略映射关系,动态确定报警策略,生成多通道差异化报警指令并推送分级报警通知。
8、具体地,形成环境干扰置信度图的具体步骤包括:
9、获取毫米波雷达原始回波,经混频和模数转换后分帧并排列形成中频数据矩阵,经两次加窗傅里叶变换得到当前帧的距离-多普勒谱;取距离-多普勒谱的幅度形成距离-多普勒谱幅度序列,并同步形成距离像复序列;
10、对距离-多普勒谱幅度序列的各距离-多普勒单元进行长时统计,分离静态背景、周期性机械振动与不规律大动作的频谱特征,得到静态背景置信度、周期性干扰置信度与动作干扰置信度;
11、将各距离门内所有多普勒单元的静态背景置信度、周期性干扰置信度与动作干扰置信度分别按单元能量加权求和,得到当前帧的初始环境干扰置信度,经中值滤波平滑后,形成环境干扰置信度图。
12、具体地,提取胸腔微动相位信号的具体步骤包括:
13、利用距离像复序列进行背景抑制和胸腔微动提取,估计静态背景复向量,结合当前帧的距离像得到背景抑制距离像并提取相位角得到距离维相位信号;
14、基于环境干扰置信度图计算综合评分,选取综合评分最高的距离门作为人体胸腔所在位置,确定为目标距离门;
15、从距离维相位信号中提取目标距离门对应的慢时间相位序列,进行去趋势处理和胸腔微动频带滤波,得到胸腔微动相位信号。
16、具体地,结合动态干扰阈值划分报警抑制段与报警使能段的具体步骤包括:
17、从环境干扰置信度图中按目标距离门的索引提取置信度变化曲线,设定自适应时长窗口实时计算动态抑制阈值,对胸腔微动相位信号进行短时差分求解相位变化量;
18、从置信度变化曲线中提取不规律大动作的干扰置信度,当干扰置信度大于预设置信度上限且相位变化量大于预设变化阈值时,产生强制抑制标记;
19、从置信度变化曲线中提取目标干扰置信度;若存在强制抑制标记,则直接将当前帧划分为报警抑制帧;
20、否则,当目标干扰置信度大于预设动态抑制阈值时,将当前帧划分为报警抑制帧,整合为报警抑制段;
21、当目标干扰置信度小于或等于动态抑制阈值时,划分为报警使能帧并整合为报警使能段。
22、具体地,设置干扰自适应报警门限的具体步骤包括:
23、在报警使能段从胸腔微动相位信号中提取胸腔微动相位序列,经相位解缠、幅值归一化及呼吸分析窗口分段,得到呼吸分析序列并检测吸气峰和呼气峰;
24、确定连续呼吸周期及周期时长,计算平均呼吸频率、呼吸周期离散程度、呼吸幅度、幅度变化率和幅度变异程度,形成呼吸基础特征集;
25、基于呼吸基础特征集在报警使能段识别呼吸暂停、呼吸急促、呼吸过缓、潮式呼吸四类异常事件;
26、对各异常事件的事件特征向量计算特征偏离度,经加权融合与非线性映射计算初始报警触发概率并确定当前候选异常事件;
27、根据当前候选异常事件获取事件基础门限,获取对应的干扰置信度并归一化为干扰修正因子进行增量修正,设置干扰自适应报警门限。
28、具体地,形成有效报警事件序列的具体步骤包括:
29、比较当前候选异常事件的初始报警触发概率与干扰自适应报警门限,作为第一重误报抑制;将初始报警触发概率大于或等于干扰自适应报警门限的当前候选异常事件标记为概率满足事件并保留初始报警触发概率作为候选报警概率;
30、按照最短持续时间约束进行第二重误报抑制,合并概率满足事件形成候选事件区间,计算实际持续时间判定持续异常事件区间,将候选报警概率进行时间加权融合得到异常报警概率;
31、计算相邻同类型异常事件区间的相邻时间间隔,结合预设连续间隔阈值确定合并为相同的有效异常事件或独立的有效异常事件;
32、对相邻但异常事件类型不同的持续异常事件区间,根据异常报警概率确定事件主类型,形成有效报警事件序列。
33、具体地,构建呼吸风险评估模型的具体步骤包括:
34、获取有效报警事件序列中的各有效报警事件作为风险事件单元,根据异常事件类型设置事件基础风险权重,并根据异常报警概率和事件持续时间进行修正,得到事件风险贡献值;
35、设置风险评估滑动时间窗,统计呼吸暂停、呼吸急促、呼吸过缓和潮式呼吸四类有效报警事件的发生次数和累计持续时间,计算各类型有效报警事件的发生密度、持续占比;
36、将当前风险评估滑动时间窗内各有效报警事件的事件风险贡献值累积,得到窗口风险贡献量;
37、构建呼吸风险评估模型,包括输入层、时间衰减层、风险融合层与输出层。
38、具体地,构建呼吸风险评估模型的具体步骤还包括:
39、输入层,接收当前风险评估滑动时间窗内各有效报警事件的异常事件类型、事件风险贡献值、异常报警概率、事件持续时间、事件结束时间、发生密度、持续占比和窗口风险贡献量;
40、时间衰减层,根据事件结束时间与当前风险评估时刻的时间间隔确定时间衰减系数,结合事件风险贡献值得到各有效报警事件的时间衰减风险贡献值;
41、风险融合层,按照四类异常事件分类累积时间衰减风险贡献值得到时间衰减窗口风险贡献量,结合对应异常事件的发生密度和持续占比进行风险修正,得到修正后的类型风险分量,求和得到综合风险输入量;
42、输出层,对综合风险输入量进行归一化和非线性映射,得到综合呼吸风险分数。
43、具体地,输出综合呼吸风险分数的具体步骤包括:
44、获取风险评估样本集并划分训练集与验证集,以预测综合呼吸风险分数与人工标注呼吸风险分数之间的均方误差为损失函数,结合adam优化器训练呼吸风险评估模型;
45、实时输入当前风险评估滑动时间窗内的有效报警事件、事件风险贡献值、异常报警概率、事件持续时间、事件结束时间、发生密度、持续占比和窗口风险贡献量至训练完成的呼吸风险评估模型,输出综合呼吸风险分数。
46、具体地,进行呼吸危险等级判定的具体步骤包括:
47、根据综合呼吸风险分数,进行呼吸危险等级判定,当综合呼吸风险分数小于预设第一风险阈值时,判定为无风险;
48、当综合呼吸风险分数大于或等于预设第一风险阈值且小于预设第二风险阈值时,判定为低风险;
49、当综合呼吸风险分数大于或等于预设第二风险阈值且小于预设第三风险阈值时,判定为中风险;
50、当综合呼吸风险分数大于或等于预设第三风险阈值时,判定为高风险。
51、具体地,生成多通道差异化报警指令的具体步骤包括:
52、根据呼吸危险等级与预设的危险等级-报警策略映射关系,动态确定包含报警通道组合、报警信号模式及报警信息内容的报警策略,生成多通道差异化报警指令,同步向app移动终端推送分级报警通知。
53、基于毫米波雷达的人体睡眠呼吸状态监测报警系统,包括:干扰感知模块、异常事件识别模块、风险分级模块与分级报警模块;
54、所述干扰感知模块,用于获取毫米波雷达原始回波,经二维快速傅里叶变换生成距离-多普勒谱并进行长时统计,形成环境干扰置信度图,提取胸腔微动相位信号,结合动态干扰阈值划分报警抑制段与报警使能段;
55、所述异常事件识别模块,用于在报警使能段识别异常事件类型并计算初始报警触发概率,获取当前干扰置信度设置干扰自适应报警门限,结合最短持续时间约束进行双重误报抑制,形成有效报警事件序列;
56、所述风险分级模块,用于以有效报警事件序列为基础构建呼吸风险评估模型,通过加权累积与非线性映射,输出综合呼吸风险分数,进行呼吸危险等级判定;
57、所述分级报警模块,用于根据呼吸危险等级与预设的危险等级-报警策略映射关系,动态确定报警策略,生成多通道差异化报警指令并推送分级报警通知。
58、本发明的有益效果:
59、1.本发明通过构建环境干扰置信度图,分离静态背景、周期性机械振动、不规律大动作的频谱特征,结合动态干扰阈值划分报警抑制段与报警使能段,设置干扰自适应报警门限,结合初始报警触发概率、最短持续时间约束完成双重误报抑制,克服单毫米波雷达易受环境扰动产生误报的缺陷,过滤环境干扰带来的虚假异常信号,提升居家睡眠呼吸各类异常事件识别的准确度,输出可靠的有效报警事件序列。
60、2.本发明构建包含输入层、时间衰减层、风险融合层与输出层的呼吸风险评估模型,对有效报警事件进行加权累积与非线性映射输出综合呼吸风险分数,完成无风险、低风险、中风险、高风险的呼吸危险等级判定,依托预设的危险等级-报警策略映射关系动态确定报警策略,生成多通道差异化报警指令并推送分级报警通知,解决缺少分级预警机制的问题,实现居家人体睡眠呼吸多类异常的分级评估与差异化报警输出。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com