毫米波雷達心率、呼吸檢測原理 TI mmWave Labs —— Driver Vital Signs
毫米波雷達心率、呼吸檢測原理
1. 概述
- 普通成年人的心跳、呼吸的位移、頻率引數如下:
Frome Front | Frome Back | ||
---|---|---|---|
Vital Signs | Frequency | Amplitude | Amplitude |
Breathing Rate (Adults) | 0.1 – 0.5 Hz | ~ 1- 12 mm | ~ 0.1 – 0.5 mm |
Heart Rate (Adults) | 0.8 – 2.0 Hz | ~ 0.1 – 0.5 mm | ~ 0.01 – 0.2 mm |
- 基本原理
通過探測由於目標微小振動所引起的在特定的Range bin的FMCW訊號的相位變化。
Δ ϕ b = 4 π λ Δ R \Delta \phi_b=\frac{4\pi}{\lambda} \Delta R Δϕb=λ4πΔR
式中, Δ ϕ b \Delta \phi_b Δϕb 為相位變化, Δ R \Delta R ΔR為心臟或胸腔引起的位移變化。
2 FMCW 雷達基礎原理
通過相位的變化去計算心跳、呼吸的頻率,將發射訊號以及混頻後的中頻訊號系寫為了複數形式,主要關注其相位的變化。
3 訊號測量
- 對於單個目標,心跳訊號可看作一個同時具有頻率和相位的正弦訊號 b ( t ) b(t) b(t)
- 為測量小幅度的振動,需要得到目標其Range bin裡的相位變化 Δ ϕ b \Delta \phi_b Δϕb;
- 通過目標距離bin裡對 b ( t ) b(t) b(t)訊號做FFT,可得到其目標相位;
- 假設目標距離為 m m m,進行FFT變換,提取距離為 m m m的 R a n g e b i n Range bin Rangebin處的振動訊號,
- 假設我們進行了FFT,並且物件位於 R a n g e b i n Range bin Rangebin為m處,則可以通過在nTs時間內連續提取Range bin為 m處的相位來獲取振動訊號 x ( t ) x(t) x(t),其中n是chirp的索引,Ts是連續測量的時間。
4 波形配置
- 每個Chirp進行100次ADC取樣,每個Chirp的持續時間為50 μ s \mu s μs,IF取樣頻率為2MHz;
- 每幀發射兩個Chirp,每幀的週期為50 m s ms ms;
- 目前僅使用單發單收的天線佈局;
- 生命體徵波形沿“慢時間軸”取樣,因此生命體徵取樣率等於系統的幀率;(即每一幀內,僅採一次樣,通過連續的N幀得到心率、呼吸的相位變化)
5 演算法流程
- Range FFT :對ADC資料執行快速傅立葉變換(FFT)以獲取Range曲線;
- Range bin tracking:通過雷達的與人體的大致位置關係,可以確定目標的距離範圍,通過在該範圍內搜尋最大值,獲取目標對應的Range bin;
- Extract Phase:提取目標Range bin 處的相位;
① ② ③ 三個階段迴圈,幀週期是50ms,即每一個幀週期內提取一次目標的相位,若目標與距離的徑向距離發生變化,則需要根據Range bin tracking演算法得出此時的Rang bin ,然後提取相位,迴圈發射N幀,即可得到目標的相位隨幀數的取值變化,也可看作目標相位與時間的關係,記做振動訊號 x ( t ) x(t) x(t)
- Phase Unwrapping:相位解纏繞,由於相位值在 [ − π , π ] [-π,π] [−π,π]之間,而我們需要展開以獲取實際的位移曲線。 因此每當連續值之間的相位差大於/小於±π時,通過從相位中減去2π來執行相位展開;
- Phase Difference :通過減去連續的相位值,對展開的相位執行相位差運算。 這有助於增強心跳訊號並消除任何相位漂移;
- Bandpass Filtering 依據心跳和呼吸頻率的不同,利用帶通濾波器濾波將相位值進行濾波以進行區分。
- Spectral Estimation範圍估計,對相位訊號做FFT,依據峰值大小及其諧波特徵,獲取N個Frame時間內對應的呼吸頻率。
- Decision判斷,記錄一段時間內的呼吸頻率,根據不同的置信度指標判斷此時的呼吸頻率,並輸出呼吸頻率隨時間變化的關係。
- 在對相位進行濾波後,此處的目的是減少人身體的相對位置移動而對心率測量造成的影響。(因為心率的測量是基於心臟收縮和舒張的微小運動產生的距離差,而引起的相位變化,依據微多普勒原理,當人的身體出現大幅擺動時,將會對其準確性造成影響)此處通過將樣本進行分割,設定閾值去判斷是否符合心率的變化範圍,並選取穩定裝態下的資料進行下一步的估計。
- 此處的方法與求呼吸頻率類似,最終獲得生命體徵訊號。
6 基於AWR 1642的應用實現
基於TI的AWR 1642 Demo板,經過建立工程、刷寫、GUI等步驟即可實現其功能,GUI介面如下所示。
上述參考TI的官方指南《 TI mmWave Labs —— Driver Vital Signs》,如有需要,可私信。
相關文章
- 二、毫米波(mmWave) TI IWR1642——mmWave Vehicle Occupancy Detection (車內人員檢測)
- TI毫米波雷達開發常見問題總結
- TI 推動駕駛輔助技術創新,推出全新AWR2944車載毫米波雷達感測器
- 智慧汽車量產“排位賽”:鐳射雷達與毫米波雷達的角逐戰
- 小米手環2靠什麼檢測心率? 心率監測有什麼用?
- 雷達模組開發學習教程(一)——檢測人員資訊
- 自動駕駛感知精度愈發關鍵 毫米波雷達擔當重任OJ自動駕駛
- 雷達探測,無人機探測,無人機干擾原理及國內外情況解析無人機
- MIT高科技:WIFI可檢測呼吸和心跳MITWiFi
- 毫米波人體成像——毫米波安檢儀
- 從毫米波雷達到攝像頭軟體再到鐳射雷達,傳統供應商海拉是如何擁抱自動駕駛的?自動駕駛
- 雷達氣象學(4)——雷達引數和雷達氣象方程
- 超聲波、毫米波、ToF鐳射雷達——在低功耗場景的應用選型
- 雷達氣象學(11)——雙偏振雷達的相態識別與降水估測
- TUV萊茵為楚航科技毫米波雷達頒發歐盟CE RED指令公告機構證書
- 榮耀全新耳機發售:支援心率檢測 售價129元
- 雷達融合策略
- 雷達氣象學(3)——雷達電磁波的折射
- 音樂雷達怎麼用?音樂雷達Shazam使用教程
- 雷達氣象學(2)——雷達電磁波的衰減
- 繪製雷達圖
- 心率檢測超強的Cronovo智慧手錶:可以媲美心電圖儀
- 雷達原理--線性調頻訊號的MATLAB模擬Matlab
- 由iphone12說說鐳射雷達 FMCW鐳射雷達iPhone
- 一個封裝簡單使用簡單的雷達檢視封裝
- 「技術雷達」之使用 Enzyme 測試 React(Native)元件React元件
- 雷達報文模擬回放/雷達資料模擬發生器
- Canvas 繪製雷達圖Canvas
- chart.js雷達圖JS
- Python 畫雷達圖Python
- canvas 實現雷達圖Canvas
- 雷達圖繪製軟體那個專業,怎麼畫雷達圖
- flutter driver 整合測試Flutter
- 鐳射雷達線數 單線與多線鐳射雷達的區別
- Cypress 裡的 ensureAttached 檢測原理
- HIDS 常見檢測原理
- 【matplotlib 實戰】--雷達圖
- 高德地圖--水波雷達動畫地圖動畫