文 献 综 述
人体基本生命体征信号包括指脉搏、呼吸、血压、体温、血氧饱和（SpO2），医学上一般通过测定这五项信息来判定人的生命体征状况。与传统的接触式生命体征检测相比，非接触式生命体征检测有着非侵入、便捷、应用场景广泛的特点，有着广阔的发展前景。目前临床常用的五种非接触式生命体征监测技术有基于加速度传感的心冲击描记法、基于光纤传感的 BCG 心率呼吸监测、基于无线电波（或多普勒雷达）的 BCG 心率呼吸监测、非接触式电容心电和红外热成像法等。[1]其中，无线电波因其可以穿透非金属障碍物，且受天气、温度等环境因素影响较小的优势，被广泛应用于人体生命体征的探测。
人体呼吸和心跳生命体征都通过人体胸腔的微动表现出来，这就使利用雷达技术发射和接收电磁波，对回波信号进行分析处理，从而实现无接触生命体征检测成为了可能。对于呼吸和心跳信号的低频幅度以及相互干扰和环境噪声的问题，目前主要有基于LMS的自适应滤波器算法、维纳比算法[11]、EMD算法[12]、VMD算法[13]。[2]
近年来，为提高生命体征信号探测的精度，新的更高效的分析处理算法不断被提出。H. Shen et al在2018年介绍了一种基于自相关的红外超宽带雷达测量RR和HR的新方法。采用变分模式分解算法成功地分离了呼吸信号和心跳信号。研究了慢时间方向和快时间方向的自相关。从自相关波形中可以准确地获取呼吸频率和受试者位置。该算法可以有效地将信号从杂波和噪声中分离出来。该方案不需要繁重的计算量，可以在集成电路和嵌入式系统上有效地实现。[17]2021年,A. Ray等人提出一种了一种基于经验小波变换（EWT）的多人自动分离呼吸和心跳信号的方法，该方法比通过带通滤波，经验模态分解（EMD）和小波变换获得的误差要小得多。[18]
但由于人体生命体征信号是厘米甚至毫米范围内的微小生理运动，随机人体运动（RBM）相对微小生命体征运动来说有着大幅度和随机性的特点，会对检测结果产生巨大的影响。2019年C. Eren等人基于超宽带雷达技术，分析在非接触式生命体征监测过程中人体物理运动（如手部运动和说话）的影响。结果表明，测量数据受到人体运动伪影引起的噪声影响，测量结果与实际值有较大偏差。[3]为消除人体运动对生命体征信号测量产生的影响，近年来国内外各科研团队对此做出了相应研究。
2008年，C. Li and J. Lin等人研究了正交多普勒雷达非接触生命体征检测中随机身体运动对消的复信号解调和反正切解调（the arctangent demodulation）。从人体的正面和背面同时进行测量来消除随机运动对生命体征测量产生的影响。[4]2011年，F. Wang等人尝试通过两个雷达的无线互注入锁定（MIL）来消除人体随机运动的影响。[5]在此基础上，M. Tang等人于2016年提出了一种新的天线设置，通过消除人体运动伪影更好地保存生命体征信号。[6]
近三年来，为消除人体运动对生命体征信号检测带来的不利影响，各团队取得的主要研究成果如下。
2018年，Q. Lv et al等人在综合利用高动态距离雷达体系结构和线性化多普勒相位解调算法的基础上，进一步引入匹配滤波器来检测隐藏在由大幅度身体运动引起的宽带噪声下的呼吸和心跳频谱。但条件是要在没有RBM的情况下，能利用常规方法测得这种心跳频谱。[7]
2019年，H. Shang团队针对距离段外随机身体运动（random body movement，RBM）的问题，提出了距离段跟踪运动校准(range-bin tracking of movement calibration，RBTMC)的方法。将人的身体运动分为三种情况，即固定距离仓段的微小运动、距离段外的间或运动和随机身体运动运动。由于前两种运动条件在时间段内都可以认为是静止的，只需要对距离段中有滑动部分的数据进行处理，RBTMC可以从运动噪声中提取出呼吸和心跳波形，并能得到非常准确的结果。而在随机运动的情况，计算结果与实际值仍然有很大的差别。[8]
2020年，Zi-Kai Yang团队提出了一种将自适应噪声消除（ANC）与多项式拟合相结合的方案，该方案可以检索在严重RBM干扰下淹没的呼吸和心跳信号的弱分量。利用三阶多项式拟合模拟人体运动信号，提出了一种将生命体征信号从人体运动信号中分离出来的ANC算法。利用分离的生命体征信号，引入N-DCT方法，以提取大规模快速身体运动过程中的生命体征(即呼吸频率和心跳频率)。[9]同年，Z. Mei等人引入一种新的区域马尔可夫模型（RHMM）来对呼吸和心跳这类缓慢变化进行建模和跟踪，有效改善了大规模RBM对估计生命体征信号的影响，同时充分利用心跳呼吸信号的有效频率范围，能够做到快速采集生命体征。[10]
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
