健康监测好副手：毫米波雷达｜不雅观天测地_毫米波_模子

目前，人们利用仪器获取生命特色信息，对康健状况进行监测。
一样平常监测仪器依赖打仗式传感器、电极进行丈量，须要直接或间接打仗人体，这种丈量办法存在运用范围限定以及利用者允从性问题，当利用者不愿意佩戴或者忘却佩戴传感设备时，这些丈量设备便无法正常事情。

中国科学院空天信息创新研究院（空天院）传感技能国家重点实验室医疗电子团队针对上述问题，致力基于毫米波雷达的无感式医疗康健监测研究，办理利用者允从性问题，避免因打仗式佩戴设备带来的不舒适感，有助于将康健监测融入日常生活。

目前，毫米波雷达在医疗康健领域的范例运用可以被概括为三类：生理体征监测、跌倒检测、人机交互等。

一、生理体征监测

科研团队研制了基于调频连续波（FMCW）雷达的集成化系统，开展无感式心率、血压的连续动态监测研究。

1. 心率监测

科研团队提出灵敏的人体运动检测算法和最优间隔元选择算法，以及全局优化模型，可识别身体运动状态，对不同个体、不同睡姿等场景下保持心率丈量的精度。
在91.2%的韶光覆盖率下，心跳间隔（IBI）偏差中位数为12ms，逐拍心率（HR）偏差中位数为0.65bpm（如图1），精度可达到医疗级心率监护设备的国家标准（<5bpm），在同等实验条件下其精度是最高的。

其具有高精度和低打算繁芜度，且可以在低本钱雷达芯片上实现，这也为毫米波雷达康健监测进入生活场景供应了可能。

▲图1 心率打算的综合性能评估

2. 血压监测

科研团队首次提出并研制了基于脉搏波通报韶光的单雷达非打仗式连续血压丈量系统，利用单毫米波雷达实现血液从心脏左心室到颈动脉通报韶光的实时丈量。
该系统所测脉搏通报韶光与穿着式丈量的传输韶光干系系数可达0.91，其紧缩压（SBP）和舒张压（DBP）偏差分别为5.54±7.62 mmHg和4.68±6.15 mmHg（图2），靠近于美国医疗东西促进协会颁布的评价电子血压计的国际标准（AAMI）标准，因此有望在不滋扰用户日常活动的情形下以非打仗的办法连续丈量血压。

▲图2 雷达血压监测干系性剖析

二、跌倒检测

在跌倒检测方面，团队提出基于多模态雷达信息领悟的跌倒检测方法，获取不同雷达特色信息完成检测，有助于帮助人们及时获取跌倒信息，便于开展救助。

模型首次同时领悟间隔、速率、方位角度和俯仰角度等信息，实现高准确度跌倒检测（图3），可有效区分52种日常非跌倒动作和12种跌倒动作，在新用户新环境的测试中达到98.3%的真阳性率和0.05%的假阳性率。

▲图3 毫米波雷达跌倒检测框架

此外，科研团队还提出一种基于非常检测思想的跌倒检测模型，利用困难样本挖掘技能减小假阳性率（图4），可以在繁芜的真实场景中保持高准确度。
在不该用跌倒样本，也不该用非跌倒样本的标签信息演习模型的情形下，达到95.54%的真阳性率和1.07%的假阳性率。

▲图4 无监督跌倒检测框架

三、人机交互

研究团队探索研究出多种模型，用于人机交互。
例如，基于心脏雷达旗子暗记的开集身份识别模型，基于半监督学习的步态识别模型，半监督手势识别框架等。
这些模型有效帮助用户和打算机系统之间进行信息互换，可实现用户的个性化监测和管理。

基于心脏雷达旗子暗记的身份识别模型，首次磋商在开集假设下，利用雷达心跳旗子暗记进行身份识别的可行性，该算法在开集和闭集环境下都表现出很好的有效性，在闭集和开集的设置下准确度分别达到99.17%和93.57%。

基于半监督学习的步态识别模型是首个基于雷达的半监督步态识别方法。
利用两种模态的雷达旗子暗记进行协同演习，大大降落演习模型所须要的带标签样本的数量，有助于这一技能的推广利用。
该方法在仅利用每个用户4分钟的带标签样本的情形下，步态识别准确度达到90.7%。

半监督手势识别框架结合∏模型和特定的数据增强技能，以充分利用大量未标记的毫米波手势数据，实现高准确度手势识别。
在演习/测试比靠近1：4的交叉位置域和演习/测试比靠近1：8的跨环境域的设置下，该模型的手势识别精确率分别达到98.32%和97.39%。

目前，基于毫米波雷达的非打仗式的医疗康健监测系统已在部分医院得到临床验证，未来在医疗照护，智能化养老，心律失落常、卒中、慢阻肺和就寝呼吸停息等慢病管理领域具有广阔运用前景。

以上研究成果揭橥于《IEEE物联网期刊》（IEEE Internet of Things Journal）、《专家系统及其运用》（Expert Systems With Applications）等中国科学院一区期刊。

来源：中国科学院空天信息创新研究院