生物雷达检测中呼吸和心跳实时分离技术的研究

杨 芳，张 华，李 盛，薛慧君，路国华

生物雷达检测中呼吸和心跳实时分离技术的研究

杨 芳，张 华，李 盛，薛慧君，路国华

目的：从生物雷达检测到的体动信号中分离出心跳信号。方法：采用自适应噪声抵消模型，基于递归最小二乘算法（recursive-least square，RLS）调整模型的输出，并将分离出的心跳信号与心电信号进行比较。结果：该方法可以从体动信号中分离出心跳信号，而且从心跳信号中提取的心率值与从心电信号提取的心率值具有很强的相关性。结论：基于自适应噪声抵消技术，可以实现生物雷达检测中呼吸和心跳的分离。

生物雷达；呼吸；心跳；自适应噪声抵消；最小二乘RLS算法

0 引言

生物雷达是一种特殊的雷达，它可以直接穿透非金属介质（医用纱布、衣服、木门等），非接触地检测到人体的呼吸、体动等生命信号，成为近年来国内外学者的研究热点[1-3]。其基本原理是利用生物雷达前端发射的工作频率很高（一般大于10GHz）的连续波微波，当微波照射人体时，呼吸运动、心脏搏动引起的胸壁微动将反射的微波回波信号的相位、频率进行调制，通过信号放大、滤波等处理后从回波信号中提取呼吸、体动等生命信号。

由于正常人体呼吸引起的胸腹表面位移为4～12mm，心跳引起的胸壁位移为1～2mm[4]，因而生物雷达容易检测呼吸信号。人体心肺存在着一定的生理耦合关系，呼吸信号的高次谐波与心跳信号的基波频率完全重合，因此，采用传统的数字滤波很难从体动信号中分离出心跳信号。

1 材料与方法

1.1 实验对象

16名健康男性在知情同意的前提下参加本研究，年龄（23.0±4.0）岁（均值±标准差）。所有实验对象在实验过程中尽量保持身体相对静止，避免体动干扰影响生物雷达检测到的人体呼吸和体动信号的质量。

1.2 仪器与设备

生物雷达实验平台采用3 mm波（工作频率94 GHz），发射和接收分开，最大辐射功率10mW，天线与人体的距离为8m；生物雷达的输出信号经过放大、滤波后连接多导生理记录仪PowerLab（ADI公司，澳大利亚），数据采集软件使用与硬件相配套的LabChart（ADI公司，澳大利亚）。为了比较生物雷达非接触检测到的呼吸和心跳的准确性，同时采集人体的心电信号，PowerLab系统硬件的采集频率为1 000Hz。

1.3 自适应噪声抵消器

自适应噪声抵消的基本思路是：将混有干扰的原始信号（期望信号）和干扰信号同时输入自适应噪声抵消器（adaptive noise canceller，ANC），由自适应算法根据期望信号和参考信号的误差不断调整非递归型（finite impulse response，FIR）数字滤波器的权系数，使参考信号无限逼近期望信号中的干扰，当误差最小时输出为期望得到的信号。按照该思路，本研究中采用的自适应呼吸抵消模型如图1所示。其中，模型的输入信号为生物雷达非接触检测到人体的体动信号（主要由呼吸、心跳信号组成）和呼吸信号，将体动和呼吸信号均进行带通滤波（由0.03Hz的高通和2.0Hz的低通滤波器组成），然后将呼吸信号输入自适应滤波器，由递归最小二乘算法（recursive least squares，RLS）根据自适应滤波器的输出与体动信号的误差自动调整滤波器的权系数，当误差最小时算法停止，此时模型的输出就是心跳信号。

图1 自适应呼吸抵消模型

图2 体动、呼吸、心跳、心电波形及频谱

假设体动信号记为d（n），它是由期望分离的心跳信号Heart B0（n）和滤除的呼吸干扰Res P0（n）组成，定义如下

假设参考输入呼吸信号记作u（n），自适应滤波器的输出记作u′（n），它是参考输入呼吸信号的估计值，其定义为其中：L是FIR滤波器的阶数，wi（n）是滤波器的权系数，*表示复数的共轭，T表示转置运算，i∈[0，L-1]。

根据自适应呼吸抵消模型，其输出e（n）就是心跳信号。e（n）可表示为

e（n）的误差判别函数可表示为

其中：λ称为遗忘因子，δ称为归一化因子。

定义W（n）为FIR滤波器在n时刻的滤波器权系数集合，则有

RLS算法概括如下：

其中：I为单位矩阵。

2 结果

图2为一名实验对象的由生物雷达检测到的体动、呼吸信号以及分离出的心跳和心电图记录到的心电信号波形及其频谱分析。从图2中可以看出，生物雷达非接触检测到的体动信号中含有呼吸信号成分，经过本文的自适应滤波方法可以从体动信号中分离出心跳。在图2（e）中，频谱峰值所对应的频率为0.26Hz，表示呼吸频率为16次/min；在图2（f）中，频谱中有2个峰值，第1个峰值对应的频率为0.26 Hz，第2个峰值对应的频率为1.28 Hz；图2（g）为自适应滤波分离出的心跳信号，RLS算法中遗忘因子取0.999、滤波器阶数为12、归一化因子取0.1，自适应滤波处理后0.26 Hz对应的峰值被抵消，只剩下1.28 Hz对应的峰值；图2（h）为心电波形的频谱，其峰值所对应的频率为1.28 Hz，表示心率为77次/min。

为了评价本文提出的自适应滤波分离出的心跳信号的准确性，我们将非接触获得的心率与从心电信号提取的心率进行线性回归分析。2种方法的分析结果如图3所示，其中，横坐标代表从心电信号中提取的心率值，纵坐标代表从分离出的心跳信号中提取的心率值。从回归分析可以看出，2种方法提取的心率具有很强的相关性（γ2=0.95，P<0.000 1，n=16）。

图3 2种方法提取到心率信号的线性回归分析

3 结论

生物雷达可以非接触检测人体的生命信号（如呼吸、体动等），被广泛应用于家庭、社区医院等场合。但在实际应用时还需要检测人体的心跳信号，这样才能够更好地反映人体的生命状况。生物雷达非接触检测呼吸信号很容易，采用简单的截止频率为0.5Hz的模拟或数字低通滤波器即可提取呼吸信号[5]。但是，采用带通滤波器（下限截止频率为0.8 Hz，上限截止频率为2.5Hz）检测心跳信号容易受到呼吸信号的高次谐波影响，很难提取到心跳信号。实验结果表明，采用本文提出的自适应滤波方法可以较好地从体动中分离出心跳信号，从该信号中提取的心率值和从心电信号中提取的心率值具有很强的相关性。

对自适应滤波器而言，不同的自适应算法将直接影响滤波的效果。本文中我们选用计算效率高、稳定性好的RLS算法，通过实验确定了滤波器阶数、遗忘因子、归一化因子等参数，较好地实现了生物雷达检测中呼吸和心跳信号的分离。下一步工作中，我们将重点实现RLS算法的实时性，更好地满足实际需求。

[1]Matthews G，Sudduth B，Burrow M.A non-contactvitalsignsmonitor[J].Critical Reviews in Biomedical Engineering，2000，28（1/2）：173-178.

[2]Uenoyama M，Matsui T，Yamada K，etal.Non-contact respiratory monitoring system using a ceiling-attached microwave antenna[J]. Medical&Biological Engineering&Computing，2006，44（9）：835-840.

[3]Brink M，Muller CH，Schierz C.Contact-freemeasurementof heart rate，respiration rate，and bodymovements during sleep[J].Behavior Research Methods，2006，38（3）：511-521.

[4]Kim H J，Kim KH，Hong Y S，etal.Measurementofhuman heartbeat and respiration signalsusing phase detection radar[J].Review of Scientific Instruments，2007，78（10）：104-113.

[5]Chan K H，Lin J C.Microprocessor-based cardiopulmonary rate monitor[J].Medical and Biological Engineering and Computing，1987，25（9）：41-44.

（收稿：2014-03-10 修回：2014-05-15）

（栏目责任编校：李惠萍 孙丽丽）

Technique for separating heartbeat and respiration signals frombio-radar output signals

YANG Fang1,ZHANG Hua2,LISheng2,XUE Hui-jun2,LU Guo-hua2
(1.Departmentof Experimental Teaching Center,Schoolof Pre-clinicalMedicine,the Fourth Military medical University,Xi'an 710032,China;2.Departmentof Electronics,Schoolof Biomedical Engineering, the Fourth Militarymedical University,Xi'an 710032,China)

Objective To separate the heartbeat signal from the bio-radar output body-movement signal.Methods The adaptive noise canceller(ANC)with recursive-least square(RLS)algorithm was used to separate the heartbeat signal.The heart rate derived from the de-noised heartbeat and the ECG signals was compared with each other.Results The method could separate effectively the heartbeat signals,and the heart rate derived adaptively from the filtered heartbeat signals was strongly correlated with those from the ECG recordings.Conclusion The heartbeat signal can be separated from the body-movement signal using ANC technology.[Chinese Medical Equipment Journal，2014，35（7）：28-30]

bio-radar;breath;heartbeat;adaptive noise canceller;recursive-least square

R318；TN959.1

A

1003-8868（2014）07-0028-03

10.7687/J.ISSN1003-8868.2014.07.028

国家自然科学基金资助项目（61271102）

杨 芳（1977—），女，实验师，主要从事生理信号检测和实验技术方面的研究工作，E-mail：yangfang77@fmmu.edu.cn。

710032西安，第四军医大学基础医学院教学实验中心（杨 芳），生物医学工程学院电子学教研室（张 华，李 盛，薛慧君，路国华）

路国华，E-mail：lugh1976@fmmu.edu.cn