一种面向超低出生体重儿的非接触式呼吸心率检测方法

本发明涉及一种检测方法，尤其涉及一种面向超低出生体重儿的非接触式呼吸心率检测方法。

背景技术：

1、针对保温箱监护状态下超低出生体重儿，呼吸与心率数据检测可以帮助医护人员及时发现病患呼吸困难、心律失常等问题，采取及时治疗和护理措施，防止病情恶化，有助于更好帮助在床状态下病患，提供更安全、有效的医疗护理。

2、目前，呼吸与心率数据检测主要方式为：基于传统接触式检测设备包括心电监护仪，其交互方式具有以下局限性：

3、(1)在贴片式方法中，传统贴片式心率检测方法，需要在病患身体反复粘贴检测贴片，而频繁且重复的粘贴与撕除动作对病患娇嫩皮肤造成的潜在伤害。每一次贴附与移除贴片的过程，都可能引发皮肤红肿、过敏反应乃至长期的皮肤磨损。也即容易对病患皮肤造成二次伤害。

4、(2)在非接触式方法中，对于肢体活动、翻身、侧身等扰动行为，采用单个毫米波雷达检测呼吸与心率信号会出现数据波动，这种波动直接后果是降低了系统对于外界干扰的抵抗能力，即系统鲁棒性减弱，影响了测量结果的准确性和可靠性。

5、另外，目前，针对保温箱监护状态下超低出生体重儿呼吸心率监测，其位置相对固定，新生儿身体条件具有特殊性。缺少一种非接触式呼吸心率检测方法，有效检测患者在扰动或体位改变(如翻身或侧卧)时的呼吸和心率变化。

技术实现思路

1、本发明就是针对现有技术存在的缺陷，提供一种面向超低出生体重儿的非接触式呼吸心率检测方法。其为超低出生体重儿提供一种创新的非接触式呼吸心率检测解决方案，能够为用户提供更舒适，更准确的呼吸心率检测。

2、其中，超低出生体重儿：指出生体重小于1000g的新生儿。

3、为实现上述目的，本发明采用如下技术方案，包括：

4、s1、采用两个毫米波雷达采集超低出生体重儿的生命体征信号，利用分时复用机制，确保雷达系统有序地发射和接收雷达信号；其中，生命体征信号包括呼吸及心跳信号。也即本技术使用两个毫米波雷达，分别位于婴儿床两侧，以非接触方式收集超低出生体重儿的关键生命体征信号，如呼吸和心跳。

5、利用分时复用机制，确保雷达信号的有序发射和接收，避免信号干扰，提高监测精度。

6、s2、将发射的雷达信号与反射回来的回波信号送入混频器处理，转换为含有目标信息的中频信号；其中，所述目标信息包括呼吸及心跳信号的相位信息；也即目标信息指的是通过雷达信号处理得到的关于超低出生体重儿含有呼吸和心跳的相位信息。

7、s3、对s2中的中频信号数据进行整理，并构建三维中频信号相位矩阵。

8、s4、利用一维快速傅里叶变换(fft)，将三维中频信号相位矩阵转换为频谱矩阵；由频谱矩阵得到距离像，获取潜在的目标位置。也即通过雷达信号处理得到的关于超低出生体重儿在空间中的位置信息。

9、s5、在确定了潜在的目标位置后，采用二维快速傅里叶变换(fft)进一步处理，从频谱矩阵中提取距离-多普勒维度的信息；将多帧的信息叠加，将待测呼吸及心跳信号识别并分离出来。

10、s6、针对每个识别出的呼吸及心跳脉冲信号，通过反正切函数计算其在目标距离上的相位值；进而得到目标距离上的脉冲信号在展开后的相位；用于对目标信号特征的细化分析，为后续的生命体征提取打下基础。

11、s7、运用变分模态提取算法对s6中获取的目标相位信息进行两次模态提取，以从复杂信号中分离出与呼吸和心跳相关的频率信息；目标相位信息指s6步骤中计算得到的相位值。

12、s8、构建系统状态空间模型，用于描述心率和呼吸频率的动态变化；其中，心率和呼吸频率作为系统状态参数，通过状态向量表示；测量向量包含两个毫米波雷达各自测得的呼吸和心跳频率信息；并采用观测方程来实现从系统的实际状态到测量向量的映射；

13、s9、采用改进的扩展集合成员滤波算法，采用改进的扩展集合成员滤波算法，首先将左侧雷达的数据来预测目标状态(即呼吸和心跳状态)，随后利用右侧雷达的观测结果来更新和校正预测。

14、进一步地，s1中，所述采用两个毫米波雷达采集超低出生体重儿的生命体征信号包括：将两个毫米波雷达r1、r2分别置于婴儿床的两侧，且每个毫米波雷达的中线与保温箱中线呈45°角。

15、进一步地，s1中，所述利用分时复用机制，确保雷达系统有序地发射和接收信号具体包括：在时间段t1内，雷达r1负责发送和接收信号，与此同时，雷达r2则进入静默状态，不发射也不接收信号；当时间切换到t2时刻，角色互换，雷达r2负责发送和接收信号，而雷达r1则保持静默；这一交替过程持续进行，形成了工作循环。

16、进一步地，s3具体分为：

17、对中频信号数据进行整理，每次雷达脉冲发射及其接收到的回波信号被记录为时间序列中的一个数据点。

18、每组脉冲信号构成一个矩阵，代表一帧数据；在矩阵中，每一行代表一个时间点的信号数据，每一列代表雷达天线阵列中每个元素的信号数据。

19、这些数据点被组织成矩阵形式，形成一个三维中频信号相位矩阵；(为后续的分析提供了详细的数据框架；)其中第一维是时间序列，第二维是天线阵列的元素，第三维是每个天线元素的信号相位。

20、进一步地，s7中，所述运用变分模态提取算法是由于呼吸信号与心跳信号是存在先验的频率分布范围的，因此是针对一个特定模式的提取；

21、在对特定模式信号的提取上，变分模态提取算法提出了有限带宽的本征模态函数，其数学表达式为：

22、u(t)＝ak(t)cos(φk(t))

23、其中，uk(t)表示第k个分量，ak(t)为信号uk(t)的包络线幅值，φk(t)表示时刻t的瞬时相位。

24、进一步地，所述本征模态函数，运算过程包括：

25、7.1)假设信号x(t)表示为期望的本征模态函数ud(t)与残差r(t)之和：

26、f(t)＝ud(t)+r(t)

27、由于期望信号是具有中心频率的，因此能够通过最小化以下标准来寻找：

28、

29、7.2)而残差信号r(t)与期望模态信号ud(t)的频谱交叠应当最小化，即残差信号的在能量在期望信号所在的频带上应当尽可能小；尤其是在目标频率中心ωd处，r(t)的信号能量应当为零，以保证完全提取目标模态；要实现这样的约束条件，先找到一个理想的滤波器来提取属于期望模态的r(t)的分量，然后将经过滤波后的r(t)的能量作为衡量残差信号与期望模态信号频谱交叠的标准。

30、7.3)对此，采用一个频率响应如下式的滤波器：

31、

32、7.4)滤波器处具有无限大的增益，并在远离ωd的频率上表现为一个维纳滤波器；为最小化残差信号r(t)与期望模态ud(t)的频谱交叠，在解中考虑了以下的惩罚函数：

33、

34、7.5)信号x(t)应当被期望的本征模态函数ud(t)与残差r(t)完全表示，在这样一个约束下，寻找期望模态问题就可以表示成一个约束最小化问题：

35、

36、7.6)约束条件为：

37、ud(t)+r(t)＝f(t)

38、其中，α是用于平衡j1与j2的参数；

39、7.7)那么就将期望模态信号提取问题转变为一个变分问题，想要解决约束条件下的最小化问题，需要引入拉格朗日乘子与二次惩罚项，因此在时域下的增广拉格朗日方程可写为：

40、

41、根据vmd算法中的思想，这个最小化问题可以通过一个迭代子优化来解决，也就是说上述三个变量：r(t),ud(t),ωd其中一个优化变量根据另外两个变量的新值进行，并依次对其他变量重复这个过程，这样可以得到经过n+1次迭代中的期望模态函数：

42、

43、通过最小化三个参数中的，可以得到下式：

44、

45、类似的，通过最小化三个参数中的ωd，可以获得ωd的迭代表达式，与上面的化简采用相似的思路，消去r(ω)；同时系数α非常大，因此在上式中的第二项相较于第一项相差较大，可以消去，整理之后如下式：

46、

47、同上，通过最小化参数可以得到的表达式：

48、

49、其中，τ是更新参数。

50、进一步地，所述s8具体分为：

51、s8.1、确定系统状态空间模型初始状态，利用状态向量和测量向量来定义系统演变；

52、s8.2、状态空间模型由状态噪声和测量噪声组成的观测方程来描述，其中，选取心率和呼吸频率作为系统的核心状态参数，组成状态向量；集成两个毫米波雷达的观测数据，即每个雷达单独测得的呼吸和心跳频率信息，形成测量向量；

53、s8.3、采用观测方程来实现从系统的实际状态到测量向量的映射，这其中包括了状态噪声和测量噪声的考虑，以确保模型中有效地反映了系统状态和测量过程中存在的随机性。

54、更进一步地，所述s9具体分为：

55、9.1)构建系统状态空间模型其中系统的初始状态是：

56、xk+1＝axk+wk

57、yk+1＝h(xk+1)+μk+1

58、其中xk∈rn是系统的状态向量；a是状态转移矩阵；yk∈rm是测量向量；yi＝[fright,fleft]；h(x)是系统的观测方程wk∈rn,μk∈rn分别是状态噪声和测量噪声；并满足以下条件wk∈e(0，qk)，μk∈e(0，rk)；

59、其中qk∈rn×n,rk∈rm×m是误差项的包络矩阵，满足正定对称性；e代表随机变量的包络椭圆集；xk+1：这通常表示在时间步k+1的状态预测向量；在预测步骤中，基于当前时间步k的状态估计和已知的系统动态模型，来预测下一个时间步k+1系统可能的状态；yk+1表示在时间步k+1的观测预测向量，也就是根据预测的状态xk+1通过观测模型计算出的预测观测值；

60、9.2)从建模过程来看，不需要任何系统误差分布，只需要边界误差和已知的包络矩阵；在此框架下，当系统在时间k的状态已知时，改进扩展集合成员滤波可以递归估计系统在时间k+1的椭球范围和椭球中心；

61、9.3)结合9.1)和9.2)进行线性化

62、

63、其中，μ′k是模拟噪声，它是原始噪声和线性化高阶噪声的互补形式；包络μ′k为r′k。是线性化高阶互补子类的包络矩阵；

64、9.4)在这一框架中，根据系统在时间k时的状态，改进扩展集合成员滤波可以递归估计出时间k+1时的椭球集及其中心e(xk+1,k+1,pk+1,k+1)；改进扩展集合成员滤波分为两个步骤；这两个步骤分别是预测和更新：

65、预测：

66、

67、其中，

68、更新：

69、其中，pk+1,k+1是预测的误差协方差矩阵，控制输入矩阵，调整雷达参数以适应不同的监测条件自动调整，矩阵将这些控制动作的影响体现在状态预测中，表示如何从状态向量(心率和呼吸频率等参数)映射到观测向量(雷达实际测量到的信号)；这个映射关系取决于雷达如何检测和量化生命体征信号，过程噪声，反映了在状态预测步骤中系统的内部不确定性或随机扰动，是滤波中用于权衡预测状态和观测数据的权重的系数，代表观测噪声，实际观测值与观测模型预测值之间的差异，δk＝dtwkd观测残差，即观测值与根据当前状态预测的观测值之间的差异，ρm和m分别是矩阵和r′k+1的最大奇异值。

70、与现有技术相比本发明有益效果。

71、本发明提出一种非接触式的、自然的、高精准的呼吸心率检测方法，该方法避免了与婴儿皮肤的直接接触，减少了对婴儿的干扰和可能的皮肤损伤，无需刻意操纵设备，提高了检测过程的自然性和减轻医护人员的工作负担提高其便利性。