通过先验人体形状识别提升 FMCW MIMO 雷达生命体征估计性能
信号处理
2023-03-17 v1
摘要
无线电技术赋能的免接触人体姿态与生命体征估计在健康监测中前景广阔。毫米波（mmWave）频段的无线电系统具有大带宽、多天线阵列与波束赋形能力的优势。然而，毫米波雷达获取并用于姿态估计的人体点云往往稀疏且不完整。此外，人体随机肢体运动恶化了呼吸与心率的估计，因此需要胸部位置信息及指向胸部的窄雷达波束以实现更精准的生命体征估计。本文提出一种旨在提升毫米波 FMCW MIMO 雷达生命体征估计性能的流程。第一步是识别人体部位与姿态，我们利用训练好的卷积神经网络（CNN）高效处理不完美的人体形态点云。该 CNN 框架输出不同身体部位的关键点，并通过使用 RGB 图像参考与增广椭圆拟合算法（AEFA）进行训练。下一步是利用先验估计人体姿态的胸部信息用于生命体征估计。尽管 CNN 最初基于逐帧人体点云训练以进行姿态估计，生命体征仍通过对准人体胸部波束赋形提取。数值结果表明，该空间滤波在降低旁谐波电平并有效检测生命体征谐波方面改善了估计性能，即所研究案例中生命体征谐波的峰均功率比最高改善了 0.02 和 0.07dB。
引用
@article{arxiv.2303.09400,
title = {Enhancing Vital Sign Estimation Performance of FMCW MIMO Radar by Prior Human Shape Recognition},
author = {Hadi Alidoustaghdam and Min Chen and Ben Willetts and Kai Mao and André Kokkeler and Yang Miao},
journal= {arXiv preprint arXiv:2303.09400},
year = {2023}
}
备注
Accepted for presentation at the IEEE ICC 2023 conference