欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025119238310
申请人: 南京邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 医学或兽医学;卫生学
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于多维Wi-Fi信号的鲁棒呼吸感知方法,针对复杂运动干扰场景,其特征在于:所述鲁棒呼吸感知方法包括如下步骤:步骤1、在干扰环境下架设Wi-Fi收发设备,通过Wi-Fi收发设备采集人员呼吸状态下的信道状态信息数据;

步骤2、对至少两个接收天线接收的信道状态信息数据进行预处理,依据信号波动性特征动态选择天线计算CSI熵并计算最大化CSI熵;

步骤3、对CSI熵信号进行投影及滤波,并对步骤2预处理后的CSI熵中不同频率的子载波应用双重指标进行选取,筛选出对呼吸敏感且受干扰影响弱的子载波呼吸信号;

步骤4、采用离散小波分解分析步骤3筛选出的子载波呼吸信号的频域特性,于行走干扰中分离出规律的低频的子载波呼吸信号,基于呼吸信噪比和相似度,使用滑动窗口对低频的子载波呼吸信号进行逐段分析,并依据时-频特征的变化去除自干扰引起的严重失真信号,将剩下的纯净呼吸片段拼接起来,重建完整且纯净的子载波呼吸信号;

步骤5、针对步骤3筛选出并经过步骤4去干扰和重建后的子载波呼吸信号,基于峰值检测估计其呼吸频率,并以它们的平均值作为最终结果,其中:步骤2中,对信道状态信息数据进行预处理包括插值补点、CSI熵计算和动态天线选择,具体包括如下步骤:步骤2.1、对信道状态信息数据插值到定长,接收到的载波频率为时间为的信道状态信息数据表示为:其中,表示静态分量,表示动态分量的复衰减、表示动态分量的相移,表示动态分量的路径长度,表示第个动态分量分量,表示环境中第条动态路径,是加性高斯白噪声,表示虚数单位,是信号波长,表示第1个动态分量,表示第2个动态分量,表示第1个动态分量的复衰减,表示第2个动态分量的复衰减;

步骤2.2、计算CSI熵得到CSI相位差信号,以天线和天线计算的CSI熵表示为:

其中,表示天线接收到的载波频率为时间为的CSI数据,表示天线接收到的载波频率为时间为的CSI数据,表示CSI熵,表示随机相位偏移,表示天线的静态分量,表示天线的静态分量,表示天线的动态分量,表示天线的动态分量,表示动态分量的复衰减,表示动态分量的相移,表示动态分量的路径长度,表示动态分量的复衰减,表示动态分量的相移,表示动态分量的路径长度,表示动态分量的数量索引;

步骤2.3、对于每个子载波,从至少两根接收天线中选取CSI幅度方差最大的作为分子,选取CSI幅度方差最小的作为分母,最大化CSI熵表示为:其中,表示CSI幅度方差最大的天线接收到的载波频率为时间为的CSI数据,表示CSI幅度方差最小的天线接收到的载波频率为时间为CSI数据,表示最大化CSI熵,表示CSI幅度方差最大的天线的静态分量,表示CSI幅度方差最小的天线的静态分量,表示CSI幅度方差最大的天线的动态分量,表示CSI幅度方差最小的天线的动态分量,表示CSI幅度方差最大的天线的动态分量的复衰减,表示CSI幅度方差最大的天线的动态分量的相移,表示CSI幅度方差最大的天线的动态分量的路径长度,表示CSI幅度方差最小的天线的动态分量的复衰减,表示CSI幅度方差最小的天线的动态分量的相移,表示CSI幅度方差最小的天线的动态分量的路径长度;

步骤3中,对预处理后的CSI熵中不同频率的子载波应用双重指标进行选取,包括复平面投影、基础滤波和子载波选择,具体包括以下步骤:步骤3.1、对于每一个子载波,将信道状态信息数据的实部和虚部在旋转坐标轴上方差最大的投影作为最终的呼吸特征序列,在轴处的投影表示为:其中,和分别表示信道状态信息数据的实部和虚部,为投影角度,投影方差最大的投影角度即为最佳投影角度,最佳投影角度相应的投影即为最终的呼吸特征序列,为转置;

步骤3.2、采用Hampel滤波器与Savitzky-Golay滤波器对每个子载波的呼吸特征序列进行初步的去噪处理;

步骤3.3、对初步去噪处理后的每一个子载波的最终呼吸特征序列,计算最终呼吸特征序列的呼吸信噪比值和高频抑制呼吸比值,筛选出呼吸信噪比值和高频抑制呼吸比值最高的至少三个子载波呼吸信号:其中,代表呼吸频谱范围内的最高峰值能量,为呼吸频谱范围内最高峰值能量的索引编号,,代表人类典型呼吸频率范围,代表峰值能量,代表信号总能量,代表人类典型呼吸频率范围内信号总能量,代表高频干扰的频率范围内信号总能量,代表高频干扰的频率范围,为CSI频谱的长度,表示频谱中各个频率点的频率索引,为呼吸特征序列的呼吸信噪比值,为呼吸特征序列的高频抑制呼吸比值。

2.根据权利要求1所述的基于多维Wi-Fi信号的鲁棒呼吸感知方法,其特征在于:步骤4中,干扰消除包括基于离散小波分解的行走干扰去除、基于时频特征的自干扰段去除和呼吸信号重建,具体包括以下步骤:步骤4.1、每一个筛选出的子载波呼吸信号,使用离散小波分解分离出低频的子载波呼吸信号,抑制高频行走噪声;

步骤4.2、使用滑动窗口对步骤4.1分离出的低频的子载波呼吸信号逐段分析,检测并去除严重失真段;

步骤4.3、去除严重失真段后,留下了无干扰的纯净呼吸片段,将所有的纯净呼吸段落拼接成为完整的呼吸信号。

3.根据权利要求2所述的基于多维Wi-Fi信号的鲁棒呼吸感知方法,其特征在于:步骤4.2具体包括如下步骤:步骤4.2.1、基于快速傅里叶变换FFT获得每个滑动窗口在移动过程中截取的每一小段信号的频谱,计算频谱的呼吸信噪比值并记录频谱随窗口滑动的变化;

步骤4.2.2、将呼吸信噪比值最大的滑动窗口对应的载波呼吸信号作为参考,与滑动窗口在移动过程中截取的每一段小信号段计算相似度,提取时域特征,同样记录时域特征随窗口移动的变化;

步骤4.2.3、综合呼吸信噪比值和相似度计算信号的失真度,高于失真度阈值的窗口信号皆为自干扰引起的严重失真段,直接移除,得到纯净呼吸信号。

4.根据权利要求1所述的基于多维Wi-Fi信号的鲁棒呼吸感知方法,其特征在于:所述鲁棒呼吸感知方法通过鲁棒呼吸感知系统实现,所述鲁棒呼吸感知系统包括:数据预处理模块:对至少两个接收天线接收的信道状态信息数据进行预处理,依据信号波动性特征动态选择天线计算CSI熵;

呼吸波形选择模块:通过复平面投影结合幅度相位信息后,对信道状态信息数据进行初步的去噪处理,应用呼吸信噪比和高频抑制呼吸比进行分阶段的呼吸波形选取,筛选出对呼吸敏感且受干扰影响弱的子载波呼吸信号,实现呼吸信号的间接增强;

复杂干扰去除模块:采用多尺度小波分解,于行走干扰中分离出规律的低频的子载波呼吸信号,同时,使用滑动窗口对低频的子载波呼吸信号进行逐段分析并去除自干扰引起的严重失真信号,重建纯净呼吸信号;

呼吸频率提取模块:针对每个筛选并去干扰后的子载波呼吸信号基于峰值检测估计其呼吸频率,并以呼吸频率的平均值作为最终结果。