基于毫米波雷达的智慧医疗控制系统查看源代码讨论查看历史

来自 网络 的图片

基于毫米波雷达的智慧医疗控制系统如今我国已经进入了老龄化社会，同时人进入老年后常常遇到一些疾病的侵扰，老年人的心跳和呼吸是重要的生命体征信号，检测方式有心电图仪（ECG）和光体积变化描记(PPG)。心电图仪和光体积都为接触式的检测方式，但在对空巢老人和失能老人的体征信号检测时有很大的局限性。虽然市场上监测老人身体状况指标的产品琳琅满目，但都需要老人进行佩戴，即与老人直接接触才能进行检测，同时对检测老人的是否昏倒大都采用视频监控的方式进行，隐私性不高，在浴室等一些不方便安装摄像头的场所，则不能对老人是否跌倒进行判断，因此提供一种能够保护隐私的非接触式的医疗健康检测产品是符合人们和市场需求的。

技术要点

本文旨在设计一种基于毫米波雷达的智慧医疗控制系统 ，毫米波雷达具有带宽宽、波束窄、分辨率高、体积小便于携带等优点，产品可以安装于客厅、卧室、浴室等场所。通过毫米波雷达检测呼吸和心跳引起的人体胸壁表面的运动，对回波信号进一步处理来提取呼吸和心跳速率，可以对老人的呼吸心率进行检测，提供实时、快捷、高效、低成本的，物联化、互联化、智能化的医疗监护服务，非常方便。针对老人在隐私性很高的场所（如浴室）昏倒的状况，利用毫米波雷达来监测老人摔倒的状态，极大地保护了隐私。此外基于毫米波雷达的智慧医疗控制系统 还支持通过身份验证的方式来控制家庭中的门锁，家中湿度温度检测，以及灯光的调节，给老人带来健康安全舒适的居家养老体验。

难点与创新点

（1）观察信号长度的的选取。在呼吸和心跳的观察中，为了追求实时性，及时发现一些生理变换，必定要选择合适的观察窗口。假如选取的信号观察长度过长，一些短时间的生理变化会很难被检测出来，而且如果在这段观察窗口中存在一些较大的干扰，那将会对最后的观察结果产生很大的影响。当观察窗口长度过短时，将导致频率分辨率降低，使得一些频率分辨不开，周期提取难度加大。因此在进行算法估计的时候，要选择合适的观察窗口长度。

（2）呼吸和心跳信号分离。雷达进行生命信号探测时，得到的是呼吸和心跳的复合信号。因此在信号估计时，应该将两个信号分开。心跳信号幅度非常弱，呼吸信号比心跳信号强的多，导致心跳信号不好分离出来。同时心跳信号也会受强杂波淹没。由于雷达函数为非线性，所以呼吸信号的谐波与心跳信号易产生交调，这将为心肺信号的分离增加难度。

（3）生命信号特征提取。我们实际生活中人体的心肺信号频率是随时间变化的，采用离散傅里叶变换有很大局限性。所以在实际测试中要通过一些新的特征估计算法来提取心肺信号特征。

（4）对温度、时间漂移抑制能力的补偿算法研究与实现和老人昏倒场景的非均匀性自适应校正算法研究与实现。

（5）具有监测老人心率和呼吸的能力，该系统能够对老人的身体状况进行实时反映，并进行数据显示。

（1）具有判断老人是否昏倒的能力，利用雷达判断老人在浴室或客厅等场景是否跌倒并采取相应措施。

应用前景

本文是基于毫米波雷达对老人健康指标的检测，主要实现雷达非接触式检测人体生命信号，设计的基于毫米波雷达的智慧医疗控制系统 基本达到了预期设计目标，检测结果与目前主流接触式心电检测仪准确的度相吻合，但是还有很大的优化空间，但由于团队经验和能力不足致使实际设计过程中走了很多弯路。本设计所实现的基于毫米波雷达的智慧医疗控制系统 已经具备基本的框架，但还有很多地方有待进一步提高和优化，一些没有考虑到的功能需要进一步完善。由于现阶段还处于实验室测试阶段，后期要进行商用的话还可以从以下几个方面进行拓展：

（1）本文的测试场景是人坐在雷达传感器面前进行检测，这对未来广泛的应用有很大的局限性。并且在目标检测上的判定方法，较为单一，对信号的估计会带来较大的误差。所以在后续的学习研究中方要对目标检测算法应用到生理信号检测中，目前深度学习、神经网络算法、卡尔曼滤波是很好动态目标估计检测算法。另外医院在给病人进行心电分析时，要对病人的异常的心电信号进行性分析，未来在通过大量的不同病症下样本检测和数据对比分析也可以找到相关的数据特征进行判定。

（2）在硬件电路方面，目前功能实现是基于EVBSN013毫米波雷达开发模块，在后续自主设计中，可以根据特定的应用需求来实现多模块级联，天线阵列设计仿真实现更优的处理效果。

（3）在产品端加入疾病预测模块，采用合适的疾病预测算法，根据采集的生理数据结合电子病历等对老人的身体状况进行疾病预测，并将预测结果和改善意见反馈给老人及子女，便于老人和子女随时掌握老人的身体状况并可进行远程会诊。

（4）由于时间限制，目前使用的是毫米波雷达一发两收收进行信号采集，所以在后续多目标检测中有很大的限制条件。后续应该进行多发多收配置，实现对多人在复杂情况下的生命信号的进行检测。