基于能量聚焦和改进变分模态分解的人体生命体征检测算法

来源：计算机应用研究杂志2025年第3期北京时间：

作者：孙绪杰,黄晓红,邓振淼,

单位：1.华北理工大学人工智能学院,河北唐山063210；2.河北省工业智能感知重点实验室,河北唐山063026；3.中山大学,广州510275；

摘要：针对调频连续波（frequency modulated continuous wave，FMCW）雷达生命体征检测在存在大规模的随机人体运动场景中检测准确性过低的问题，提出了一种高精度的人体生命体征检测算法。该算法首先通过能量聚焦选取胸部最佳距离窗，消除运动伪影的干扰；然后利用多项式拟合距离窗序列，消除距离窗的剧烈跳变，准确提取相位信号；最后，通过基于自相关功率谱密度与加权排列熵的改进变分模态分解（variational mode decomposition，VMD）算法去除相位信号中的大规模随机人体运动成分，进而可以精确估计出生命体征信号的呼吸速率（RR）和心率（HR）。使用77 GHz雷达模拟生活场景中存在大规模随机人体运动时的生命体征检测实验，尽管人体前后晃动的幅度达到20 cm，RR和HR的估计精度依然可以达到97.7%和96.9%，与RETF-TVF-EMD算法对比，精度分别提高了5.2和2.7百分点，与IAP-VMD算法对比，精度分别提升了14.3和7.9百分点，实验结果证明该算法能够精确估计大规模随机人体运动场景下的生命体征参数。

关键词：调频连续波（FMCW）雷达,大规模随机人体运动,变分模态分解（VMD）,最佳距离窗选择,

基金资助：华北理工大学基金资助项目(ZD-YG-202317-23)；；