基于毫米波雷达信号的人体血压检测方法与流程

技术特征：
1.一种基于毫米波雷达信号的人体血压检测方法，包括：在距离人体手腕处预设高度的位置采集毫米波雷达信号，其中，所述毫米波雷达信号包括多个接收信号；对多个所述接收信号进行波束成形处理，分离不同距离和角度的接收信号，得到目标二维网格，其中，所述目标二维网格包括多个不同距离
‑
角度的接收信号；利用第一神经网络从所述目标二维网格的多个所述不同距离
‑
角度的接收信号中确定目标接收信号，其中，所述第一神经网络是利用第一训练样本数据集对第一初始神经网络进行训练得到的；将所述目标接收信号输入第二神经网络，输出预测血压信息，其中，所述第二神经网络是利用第二训练样本数据集对第二初始神经网络进行训练得到的。2.根据权利要求1所述的方法，所述不同距离
‑
角度的接收信号包括多个信号片段；其中，所述利用第一神经网络从所述目标二维网格的多个所述不同距离
‑
角度的接收信号中确定目标接收信号，包括：将每个所述不同距离
‑
角度的接收信号的多个所述信号片段依次输入所述第一神经网络，输出多个不相似值；在多个所述不相似值满足预设阈值的情况下，将多个所述不相似值中数值最小的所述不相似值确定为目标不相似值；将与所述目标不相似值对应的所述不同距离
‑
角度的接收信号确定为所述目标接收信号。3.根据权利要求2所述的方法，其中，所述将与所述目标不相似值对应的所述不同距离
‑
角度的接收信号确定为所述目标接收信号，包括：将与所述目标不相似值对应的所述不同距离
‑
角度的接收信号确定为第一信号；在所述第一信号满足预设条件的情况下，对所述第一信号和在所述目标二维网格中与所述第一信号相关联的信号进行加权处理，得到加权信号；将所述加权信号确定为所述目标接收信号。4.根据权利要求1所述的方法，其中，所述第一神经网络是利用第一训练样本数据集对第一初始神经网络进行训练得到的，包括：获取所述第一训练样本数据集，其中，所述第一训练样本数据集中的第一训练样本包括二维训练网格以及所述二维训练网格的标签数据，所述二维训练网格包括多个所述训练信号的信号片段；将所述二维训练网格输入所述第一初始神经网络，输出不相似结果；将所述不相似结果和所述标签数据输入第一损失函数，得到第一损失结果；以及根据所述第一损失结果迭代地调整所述第一初始神经网络的网络参数，生成经训练的所述第一神经网络。5.根据权利要求4所述的方法，其中，所述第一损失函数loss1的表达式如下所示：其中，k表征第一初始神经网络的卷积核，l2表征l2范数，n表征每个训练信号的信号片
段的数量，conv(d
i
，k)表征卷积核k在信号片段d
i
上的卷积结果。6.根据权利要求1所述的方法，其中，所述将所述目标接收信号输入第二神经网络，输出预测血压信息，包括：过滤所述目标接收信号中的失真信号，得到过滤后的目标接收信号；利用编码器处理所述过滤后的目标接收信号，得到编码信号，利用第一解码器处理所述编码信号，得到解码后的目标接收信号；将所述解码后的目标接收信号输入所述第二神经网络，输出所述预测血压信息。7.根据权利要求1所述的方法，还包括：利用第三神经网络对所述预测血压信息进行压缩处理，生成预测血压，其中，所述第三神经网络是利用第三训练样本数据集对第三初始神经网络进行训练得到的；其中，所述第三神经网络是利用第三训练样本数据集对第三初始神经网络进行训练得到的，包括：获取所述第三训练样本数据集，其中，所述第三训练样本数据集中的第三训练样本包括训练血压信息以及与所述训练血压信息对应的训练血压值；将所述训练血压信息输入所述第三初始神经网络，输出第一预测结果；将所述第一预测结果和所述训练血压值输入第二损失函数，得到第二损失结果；以及根据所述第二损失结果迭代地调整所述第三初始神经网络的网络参数，生成经训练的所述第三神经网络。8.根据权利要求7所述的方法，其中，所述训练血压值包括训练收缩压和训练舒张压，所述第一预测结果包括第一预测血压，所述第一预测血压包括第一预测收缩压和第一预测舒张压；所述第二损失函数loss2的表达式如下所示：loss2＝(bp
s
—pre
s
)2 (bp
d
‑
pre
d
)2其中，bp
s
表征训练收缩压，pre
s
表征第一预测收缩压，bp
d
表征训练收缩压，pre
d
表征第一预测舒张压。9.根据权利要求1所述的方法，其中，所述第二神经网络是利用第二训练样本数据集对第二初始神经网络进行训练得到的，包括：获取多个所述训练人体不同时刻下的第二真实血压信息以及与所述第二真实血压信息对应的所述训练人体的手腕处的毫米波雷达训练信号，其中，所述毫米波雷达训练信号包括接收到的多个第二训练信号；对多个所述第二训练信号进行过滤，得到目标第二训练信号；将所述目标第二训练信号输入所述第二初始神经网络，输出第二预测结果，所述第二预测结果包括第二预测血压；根据所述第二预测结果和所述第二真实血压信息计算第三损失函数，得到第三损失结果；以及根据所述第三损失结果迭代地调整所述第二初始神经网络的网络参数，生成经训练的所述第二神经网络；其中，所述第三损失函数loss3的表达式如下所示：
其中，s表征目标第二训练信号的长度，j表征目标第二训练信号的幅度，pre
i
(j)表征目标第二训练信号中第i时刻取值为j的可能性，r表征目标第二训练信号的取值范围，在目标第二训练信号中第i时刻取值为j的情况下ap
i
(j)＝1，在目标第二训练信号中第i时刻取值不为j的情况下ap
i
(j)＝0。10.根据权利要求1所述的方法，其中，所述对多个所述接收信号进行波束成形处理，分离不同距离和角度的接收信号，得到目标二维网格，包括：对多个所述接收信号进行波束成形处理，得到多个第二信号；利用预设相位偏移条件分离不同距离和角度的多个所述第二信号，得到多个所述不同距离
‑
角度的接收信号；按照预设映射规则，将多个所述不同距离
‑
角度的接收信号映射于初始二维网格中，得到所述目标二维网格。

技术总结
本公开实施例提供了一种基于毫米波雷达信号的人体血压检测方法，该方法包括：在距离人体手腕处预设高度的位置采集毫米波雷达信号，其中，毫米波雷达信号包括多个接收信号；对多个接收信号进行波束成形处理，分离不同距离和角度的接收信号，得到目标二维网格，其中，目标二维网格包括多个不同距离


技术研发人员：陈彦 冉有 张东恒 张冬 孙启彬 吴曼青
受保护的技术使用者：中国科学技术大学
技术研发日：2021.10.25
技术公布日：2021/12/14