762,203
次編輯
變更
無編輯摘要
==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 <ref>[https://www.sohu.com/a/634830708_121124618 越来越热的毫米波雷达]，搜狐，2023-01-27</ref> 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：==
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 <ref>[https://www.sohu.com/a/672698432_121316495 雷达传感器的工作原理和行业应用]，搜狐，2023-05-04 </ref> 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。