使用变分编码器-解码器神经网络去除多普勒雷达生命体征检测中的干扰运动

处理干扰运动贡献仍然是基于雷达的生命体征监测领域的关键挑战之一。由于重叠的多普勒频带、干扰运动的复杂结构及其贡献功率水平的显著变化，去除干扰以提取生命体征贡献十分困难。本文提出了一种利用概率深度学习模型去除干扰的新方法。结果表明，具有变分目标的卷积编码器-解码器神经网络能够学习生命体征多普勒-时间分布的有意义表示空间，从而促进其从混合信号中提取。该方法在包含真实生命体征特征和来自干扰身体运动的模拟回波的半实验数据上进行了测试。结果表明，应用所提出的网络增强了对与呼吸率相对应的微多普勒频率的提取。