《Eng》：A Low-Complexity FMCW Radar Vital-Sign Estimation Method Combining Time-Domain Complex Differencing and Bidirectional Trend Reconstruction
编辑推荐：
本文提出了一种基于调频连续波（FMCW）雷达的轻量级生命体征检测框架。通过整合时域复数差分和自适应趋势重构，该框架在实际监测场景中减轻了由多径反射、雷达截面积（RCS）变化、高频脉冲噪声和体动伪影引起的胸部微动信号失真。该框架首先采用时域复数差分与滑动累积能量
本文提出了一种基于调频连续波（FMCW）雷达的轻量级生命体征检测框架。通过整合时域复数差分和自适应趋势重构，该框架在实际监测场景中减轻了由多径反射、雷达截面积（RCS）变化、高频脉冲噪声和体动伪影引起的胸部微动信号失真。该框架首先采用时域复数差分与滑动累积能量（TDCD-SAE）算法精确锁定目标距离单元，随后利用复共轭乘法（CCM）提取相位差。为了消除非生理性干扰，引入了自适应阈值双向趋势重构（AT-BTR）算法来恢复受损的相位分布。优化后的相位信号被转换为胸壁位移，随后进行身体运动检测，从而实现呼吸率（RR）和心率（HR）的联合估计。实验结果表明，该系统实现了高精度，在仰卧位下的绝对误差分别为1.24/1.71 BPM (supine)，在侧卧位下的绝对误差分别为1.39/2.24 BPM (lateral)，从而验证了其在资源受限环境下的有效性和鲁棒性。
心率和呼吸率作为基础生理指标，其精确连续监测至关重要。传统接触式监测设备常因患者依从性低而受限，尤其对于新生儿、烧伤患者或皮肤敏感人群，物理接触极易造成创伤或继发感染。毫米波雷达凭借对胸部微位移的卓越敏感性，成为实现无创、无感监测的变革性方案。在众多雷达架构中，调频连续波（FMCW，通过发射频率随时间线性变化的连续波信号并处理收发信号频率差以获取目标距离和速度信息）雷达在距离分辨率和相位敏感性之间取得了平衡，在杂波环境中表现出鲁棒性，因此被本研究选用于构建稳健的呼吸和心率检测系统。
在基于雷达的生命体征监测中，目前存在几个关键问题亟待解决。首先是目标距离仓（Range-bin，雷达探测中代表特定距离区间的一个空间分辨单元）的准确选择。传统方法依赖快速傅里叶变换（FFT）峰值检测或基于幅度的准则，但当受试者因侧卧等姿势变化导致雷达截面积（RCS，描述目标对雷达波散射能力的物理量）减小时，这些方法常因幅度最大化准则失效而引入非生理性相位噪声。其次，在相位解调阶段，传统方法受限于相位缠绕和基线漂移问题，且相位信号极易受脉冲噪声和环境干扰。传统去噪方法如小波变换等往往无法保留细微生理细节或计算成本过高。此外，雷达的空间指向和受试者姿势会显著偏离胸壁法向量，导致微动响应衰减和信噪比（SNR）降低。最后，宏观人体运动（如翻身等）产生的多普勒频移和距离仓迁移会严重掩盖胸部微弱的生理位移，导致信号断续。
为克服上述限制，研究人员开展了一项改进型FMCW雷达框架研究，并在《Eng》上发表了相关成果。该研究得出结论：所提出的系统能够在复杂睡姿和体动干扰下实现高精度的呼吸和心率联合估计。其重要意义在于，该框架无需训练且计算复杂度低，成功部署于资源受限的嵌入式雷达平台上，为真实家庭护理和长期无接触健康监测提供了实用的工程解决方案。
为开展此项研究，研究人员主要采用了以下关键技术方法：首先，提出时域复数差分与滑动累积能量（TDCD-SAE，通过计算相邻时刻复信号的差分并累加其能量以量化运动强度）算法进行空间域目标锁定；其次，利用复共轭乘法（CCM，直接对相邻时刻复信号进行共轭相乘以提取相位差）进行相位解调；接着，开发了自适应阈值双向趋势重构（AT-BTR，根据信号统计特征动态调整阈值，并沿左右双向斜率进行插值拟合）算法恢复受损相位；最后，结合巴特沃斯带通滤波和基于运动能量的有限状态机（FSM）决策进行信号分离、频率估计与运动去伪影处理。在实验验证环节，研究样本队列包含15名年龄在20至30岁之间的志愿者，采用德州仪器IWR6843ISK雷达平台采集数据，并以迈瑞cMEC 70监护仪作为参考标准。
FMCW雷达检测算法框架
FMCW雷达通过发射天线发射调频连续波，接收天线捕获人体回波信号。信号经混频、低通滤波后得到中频（IF）信号并数字化。研究人员首先对ADC采样后的IF信号进行距离FFT以解析空间分布并抑制直流偏移。随后，通过TDCD与SAE算法锁定目标距离仓，利用CCM提取相位差，并结合AT-BTR算法获取高信噪比的胸部位移信号。最后，利用巴特沃斯带通滤波器分离呼吸和心跳信号，基于FFT频谱分析获得初步频率估计，并通过中值滤波输出最终的生命体征数值。
基于时域复数差分与复共轭乘法的相位解调
在消除静态杂波后，研究人员指出传统FFT峰值检测在RCS减小时易发生定位错误。为此，研究提出了基于TDCD与动态能量累积的目标定位算法。该方法通过计算IF信号复向量在复平面上的动态位移来量化运动强度，并结合局部积分方案（滑动窗口内的复差模值累加）与历史窗口投票去抖动机制，准确识别包含胸腔机械运动的距离仓。在相位提取方面，由于反正切函数易受IQ不平衡影响并伴随相位缠绕问题，研究引入了基于复共轭乘积的相位解调法。该方法直接对相邻时刻的复信号进行共轭相乘，其乘积的幅角即为相位差，从而在避免相位解卷绕的同时显著降低了计算复杂度。
利用双向趋势重构的胸部微动信号建模
相位差信号通常呈现周期性波动，但其中混杂的非生理性噪声会破坏信号形态。针对传统线性插值无法准确恢复高曲率极值点的问题，研究人员提出了双向趋势引导的插值重构方法。该方法通过提取重建区间两端的瞬时斜率进行双向外推重构，有效保留了信号的曲率特征。为了提高在弱信号条件下的鲁棒性，研究构建了自适应阈值调整机制。该机制结合滑动窗口内数据的标准差和绝对中位差（MAD），并根据目标回波强度动态调整MAD的缩放因子，实现阈值的双向自适应更新。当噪声水平升高时提高阈值以抑制虚警，当回波强度降低时降低阈值以保持灵敏度。最终，对去噪后的相位差信号进行累加，完成胸腔机械运动引发的胸壁微动位移建模。
运动干扰检测机制
在体动期间，运动伪影的能量远高于呼吸和心跳位移，导致生理特征被严重掩盖。研究人员提出了一种连续尺度人体运动模型，将人体运动视为一个连续演化过程：轻微体动 $\rightarrow$ 时间累积 $\rightarrow$ 距离仓迁移 $\rightarrow$ 剧烈体动 $\rightarrow$ 恢复 $\rightarrow$ 稳定状态。基于此模型，提出了一种连续尺度运动状态检测算法。该算法计算瞬时速度与运动能量，并应用滑动窗口累积能量结合距离仓变化来联合判定运动状态。一旦检测到运动干扰，系统将丢弃受污染的数据，并保持上一次有效的生命体征估计结果（保持策略），待运动结束后再重新初始化目标锁定与相位重构。
呼吸与心跳信号分离及频率估计
胸壁微动位移由呼吸和心跳共同引起。在频域中，呼吸信号主要分布在0.1–0.5 Hz，心跳信号集中在0.8–2.0 Hz。为在嵌入式系统中实现高效分离，研究采用二阶级联（SOS）巴特沃斯带通滤波器。其中，呼吸通道采用二阶滤波以保持低群延迟，心电通道采用四阶滤波以获得更陡峭的截止特性来抑制呼吸谐波干扰。在频率估计时，引入了稳态约束中值滤波方法，将当前瞬时值与历史缓冲区中的主频进行比较，若偏差超出生理合理范围则视为无效，最后对历史窗口进行中值滤波得出最终的RR与HR。
结论
研究人员总结认为，本研究提出了一种轻量且准确的基于FMCW雷达的呼吸和心率监测框架。通过整合基于TDCD-SAE的距离仓选择、自适应阈值双向趋势重构（AT-BTR）以及运动能量驱动的运动检测机制，该研究有效提升了生命体征提取在姿势变化和运动干扰下的鲁棒性。实验结果表明，在仰卧姿势下，该框架的呼吸率和心率估计平均绝对误差（MAE）分别为1.24 BPM和1.71 BPM；在侧卧姿势下，MAE分别为1.39 BPM和2.24 BPM。这些结果证明了该框架能够有效减轻姿势引起的信号衰减，并保持可靠的生命体征估计性能。此外，完整的信号处理流水线已成功部署于TI IWR6843ISK雷达平台，验证了所提算法在嵌入式设备上实时运行的工程可行性。
