面向毫米波雷达的基于 ODE 的深度学习 ECG 重建模型 radarODE
信号处理
2025-05-07 v2 人工智能
摘要
雷达-based contactless 心脏监测最近成为一个受欢迎的研究方向，但从毫米波雷达信号重建细粒度的心电图 (ECG) 信号仍然困难。关键难题在于解耦电磁域中的心脏活动 (即 ECG) 与机械域中的心跳活动，而大多数现有研究仅将这种域转换映射为黑箱的数值方法。因此，本文首先提出一种用于域转换的信号模型，然后设计一种新型深度学习框架 radarODE，将从雷达信号中提取的时序特征和形态特征融合，用于生成 ECG。此外，嵌入 radarODE 中的常微分方程作为解码器，提供形态先验，有助于模型训练的收敛，并提高在体动作下的鲁棒性。在数据集验证后，所提出的 radarODE 在漏检率、均方根误差和皮尔逊相关系数等指标上分别比基准方法提高了 9%、16% 和 19%。验证结果表明，radarODE 能够以高保真度从雷达信号中恢复 ECG 信号，可潜在用于实际场景。
引用
@article{arxiv.2408.01672,
title = {radarODE: An ODE-Embedded Deep Learning Model for Contactless ECG Reconstruction from Millimeter-Wave Radar},
author = {Yuanyuan Zhang and Runwei Guan and Lingxiao Li and Rui Yang and Yutao Yue and Eng Gee Lim},
journal= {arXiv preprint arXiv:2408.01672},
year = {2025}
}