基于神经网络的毫米波雷达血压测量和波形重建

来源：信号处理杂志 2024年第9期北京时间：

作者：姜钰学, 杜昊泽, 徐刚

摘要：血压是评估心血管系统健康状况的重要生理指标，定期进行血压监测有助于及早诊断和干预心血管疾病。相对于传统电子血压计测量方法，毫米波雷达具有非接触等优势，在未来具备一定应用前景。本文提出了一种基于神经网络的毫米波雷达血压测量方法，旨在通过无接触的方式实现精确的血压值测量和波形重建。首先，使用扩展的微分交叉相乘算法和平均值滤波对雷达信号进行预处理，以有效提取雷达回波中的相位信息并去除相位常数。接着，利用小波滤波去除信号中的高频噪声和基线漂移，以获得高质量的脉搏波信号。随后，本文通过构建一个具备编码器-解码器结构的两阶段递进式特征融合与映射网络，分别建立脉搏波到血压值和血压波形的映射关系，以实现准确的血压测量和波形重建。所提模型在第一阶段使用MultiResUNet作为主干网络，实现对脉搏波多尺度特征的提取和融合，同时在多分辨率模块之间引入自注意力机制以挖掘特征向量间的长距离依赖关系，从而准确地重建血压波形；在第二阶段，模型利用第一阶段训练的编码器自动提取脉搏波深层特征，然后借助卷积神经网络和长短期记忆网络实现进一步的特征融合与映射，从而估计收缩压和舒张压。最后，使用雷达生命体征数据集对所提方法进行验证，得到收缩压的测量误差为3.49±5.75 mmHg，舒张压为2.40±3.59 mmHg，两者的测量性能均达到英国高压协会标准的A级要求。同时，所提模型对血压波形的重建误差为3.33 mmHg，偏差率为3.74%，亦证明了该方法在血压波形重建上的有效性。

关键词：‍‍血压测量, 毫米波雷达, 深度学习, 信号重建