从高信噪比雷达信号到 ECG：面向数据有限场景的基于卡迪奥聚焦算法的迁移学习模型
信号处理
2025-10-24 v2 人工智能
摘要
心电图（ECG）作为关键细粒度心脏特征，已在文献中成功从雷达信号中恢复，但性能严重依赖于高质量雷达信号和大量雷达-ECG 配对用于训练，限制了在新场景因数据稀缺而的应用。因此，本文将关注数据有限场景下的雷达-based ECG 恢复，提出卡迪奥聚焦-跟踪（CFT）算法以精确跟踪心脏位置，以确保高质量雷达信号的有效获取。进而提出一种迁移学习模型（RFcardi），基于心脏特征的内在稀疏性，从雷达信号中提取心脏相关信息，无需 ECG 参考值，仅需少量同步雷达-ECG 配对即可微调预训练模型完成 ECG 恢复。实验结果表明，所提出的 CFT 能够动态识别心脏位置，RFcardi 模型在使用少量雷达-ECG 配对进行训练后，能够有效生成准确的 ECG 恢复。代码和数据集将在论文发布后提供。
引用
@article{arxiv.2506.19358,
title = {From High-SNR Radar Signal to ECG: A Transfer Learning Model with Cardio-Focusing Algorithm for Scenarios with Limited Data},
author = {Yuanyuan Zhang and Haocheng Zhao and Sijie Xiong and Rui Yang and Eng Gee Lim and Yutao Yue},
journal= {arXiv preprint arXiv:2506.19358},
year = {2025}
}