基于时频信息融合网络的非干扰呼吸检测方法

为了能够克服复杂环境中的噪声影响,实现基于多普勒雷达的鲁棒呼吸信号检测,本文提出了一种基于时频信息融合网络的非干扰呼吸信号检测方法。该方法利用多普勒雷达采集用户的胸腔运动信息,提取双通道混频信号(I和Q通道),从时域和频域2个维度,构建时频信息融合网络进行呼吸频率的识别。针对时域信号,使用长短期记忆(LSTM)网络提取信号的有效周期信息;针对频域信息,使用选带傅里叶变换(ZoomFFT)实现细粒度的频域特征计算,并结合卷积神经网络(CNN)提取频域特征的有效信息;最后,融合2个层面的信息,通过Lowess平滑方法,实现对用户呼吸频率的精准检测。实验表明,该方法比其他常用信号处理方法识别平均误差、标准差更小,对不同距离、不同朝向的呼吸都可以进行有效识别。