【技術實現步驟摘要】
本申請涉及智能感知，且更為具體地，涉及一種毫米波雷達智能家居感知方法與系統。
技術介紹
1、隨著人口老齡化趨勢加劇及人們對健康生活品質追求的提升，家庭環境中的智能感知技術變得越來越重要。其中，對靜態人員（即處于靜止或相對靜止狀態的人員）的心跳頻率進行感知是一項重要的功能，因為它可以應用于健康管理、緊急情況響應等多個方面。例如，對于老年人或患有慢性疾病的人來說，持續監測心跳頻率可以幫助及時發現異常情況，并采取必要的措施。
2、毫米波雷達由于其工作在毫米波頻段（通常指30ghz至300ghz之間的頻率），具有穿透非金屬材料的能力，且對光照和溫度變化不敏感，這使其在各種環境下均能穩定工作。此外，毫米波雷達能夠檢測細微運動，如呼吸或心跳引起的胸部輕微起伏，這使得它非常適合用來監測靜態人員的生命體征。
3、中國專利cn117741647a公開了一種毫米波雷達智能家居感知方法與裝置，其通過在特定時長內提取目標的相位信號并對該相位信號進行線性回歸和濾波處理，然后再利用經驗模態分解（emd）加快速傅里葉變換（fft）的方法得到各信號分量頻譜，選取[0.2，0.6]hz之間的分量估計靜態人員的呼吸頻率。
4、在上述毫米波雷達智能家居感知方法中，經驗模態分解和fft是一種經典的信號處理方法，它們主要用于分析信號的時頻特性。然而，在面對復雜家庭環境中的多種干擾因素時，這些方法可能無法有效地區分和提取有用的呼吸信號頻率成分特征，這會增加提取純凈呼吸信號的難度，從而降低了智能家居的感知能力。此外，傳統信號處理方法需要人
5、因此，需要一種優化的毫米波雷達智能家居感知方案以解決上述技術問題。
技術實現思路
1、為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種毫米波雷達智能家居感知方法與系統，其通過對毫米波探測回波信號進行濾波和距離-多普勒域轉換后，在后端引入基于人工智能和深度學習的信號處理和分析算法來對于轉換后的距離-多普勒信號進行分析，以此來捕獲并刻畫出距離-多普勒信號低頻部分語義特征，從而對于靜態人員的心率頻率進行感知和檢測，能夠利用毫米波雷達的頻段優勢，并結合人工智能和深度學習技術來更為準確地對于靜態人員的心率頻率進行感知檢測，從而減少人為干預的需求，并能夠更好地適應復雜家庭環境的變化，提高智能家居感知的靈活性和泛化能力，能夠更有效地應對不同的應用場景，提高智能家居感知系統的智能化水平。
2、根據本申請的一個方面，提供了一種毫米波雷達智能家居感知方法，其包括：
3、通過示波器采集毫米波探測回波信號；
4、對所述毫米波探測回波信號進行高通濾波處理后，再將得到的濾波后毫米波探測回波信號從時域轉化到距離-多普勒域以得到距離-多普勒信號；
5、將所述距離-多普勒信號通過信號特征過濾器以得到距離-多普勒信號低頻部分語義特征向量的集合；
6、將所述距離-多普勒信號低頻部分語義特征向量的集合輸入基于特征分布特性的選擇優化聚合網絡以得到距離-多普勒信號低頻部分語義聚合純化表示向量；
7、基于所述距離-多普勒信號低頻部分語義聚合純化表示向量進行心跳頻率感知以確定感知結果，所述感知結果用于表示心率頻率解碼值。
8、根據本申請的另一個方面，提供了一種毫米波雷達智能家居感知系統，其包括：
9、信號采集模塊，用于通過示波器采集毫米波探測回波信號；
10、信號預處理模塊，用于對所述毫米波探測回波信號進行高通濾波處理后，再將得到的濾波后毫米波探測回波信號從時域轉化到距離-多普勒域以得到距離-多普勒信號；
11、信號特征過濾模塊，用于將所述距離-多普勒信號通過信號特征過濾器以得到距離-多普勒信號低頻部分語義特征向量的集合；
12、特征選擇優化聚合模塊，用于將所述距離-多普勒信號低頻部分語義特征向量的集合輸入基于特征分布特性的選擇優化聚合網絡以得到距離-多普勒信號低頻部分語義聚合純化表示向量；
13、感知結果確定模塊，用于基于所述距離-多普勒信號低頻部分語義聚合純化表示向量進行心跳頻率感知以確定感知結果，所述感知結果用于表示心率頻率解碼值。
14、本申請至少具有如下技術效果：
15、與現有技術相比，本申請提供的一種毫米波雷達智能家居感知方法與系統，其通過對毫米波探測回波信號進行濾波和距離-多普勒域轉換后，在后端引入基于人工智能和深度學習的信號處理和分析算法來對于轉換后的距離-多普勒信號進行分析，以此來捕獲并刻畫出距離-多普勒信號低頻部分語義特征，從而對于靜態人員的心率頻率進行感知和檢測，能夠利用毫米波雷達的頻段優勢，并結合人工智能和深度學習技術來更為準確地對于靜態人員的心率頻率進行感知檢測，從而減少人為干預的需求，并能夠更好地適應復雜家庭環境的變化，提高智能家居感知的靈活性和泛化能力，能夠更有效地應對不同的應用場景，提高智能家居感知系統的智能化水平。
本文檔來自技高網...【技術保護點】
1.毫米波雷達智能家居感知方法，其特征在于，包括：
2.根據權利要求1所述的毫米波雷達智能家居感知方法，其特征在于，對所述毫米波探測回波信號進行高通濾波處理后，再將得到的濾波后毫米波探測回波信號從時域轉化到距離-多普勒域以得到距離-多普勒信號，包括：
3.根據權利要求2所述的毫米波雷達智能家居感知方法，其特征在于，將所述距離-多普勒信號通過信號特征過濾器以得到距離-多普勒信號低頻部分語義特征向量的集合，包括：將所述距離-多普勒信號輸入基于空洞卷積神經網絡模型的信號特征過濾器以得到所述距離-多普勒信號低頻部分語義特征向量的集合。
4.根據權利要求3所述的毫米波雷達智能家居感知方法，其特征在于，將所述距離-多普勒信號低頻部分語義特征向量的集合輸入基于特征分布特性的選擇優化聚合網絡以得到距離-多普勒信號低頻部分語義聚合純化表示向量，包括：
5.根據權利要求4所述的毫米波雷達智能家居感知方法，其特征在于，計算所述距離-多普勒信號低頻部分語義特征向量的集合中的各個距離-多普勒信號低頻部分語義特征向量的特征能量分布譜向量以得到距離-多普勒信號低
6.根據權利要求5所述的毫米波雷達智能家居感知方法，其特征在于，分別計算所述各個距離-多普勒信號低頻部分語義特征向量與所述距離-多普勒信號低頻部分語義特征向量的集合中的其他各個距離-多普勒信號低頻部分語義特征向量之間的特征分布能量協同表示向量以得到多個距離-多普勒信號低頻部分語義特征分布能量協同表示向量的序列，包括：
7.根據權利要求6所述的毫米波雷達智能家居感知方法，其特征在于，計算所述多個距離-多普勒信號低頻部分語義特征分布能量協同表示向量的序列中各個距離-多普勒信號低頻部分語義特征分布能量協同表示向量的序列的特征分布能量協同因子向量以得到所述距離-多普勒信號低頻部分語義特征能量分布譜向量的序列，包括：
8.根據權利要求7所述的毫米波雷達智能家居感知方法，其特征在于，計算所述距離-多普勒信號低頻部分語義能量譜分布中心向量與所述距離-多普勒信號低頻部分語義特征能量分布譜向量的序列中的各個距離-多普勒信號低頻部分語義特征能量分布譜向量之間的能量分布譜跨度因子以得到距離-多普勒信號低頻部分語義能量分布譜跨度因子的序列，包括：
9.根據權利要求8所述的毫米波雷達智能家居感知方法，其特征在于，基于所述距離-多普勒信號低頻部分語義聚合純化表示向量進行心跳頻率感知以確定感知結果，所述感知結果用于表示心率頻率解碼值，包括：將所述距離-多普勒信號低頻部分語義聚合純化表示向量輸入基于解碼器的心跳頻率感知模塊以得到所述感知結果，所述感知結果用于表示心率頻率解碼值。
10.毫米波雷達智能家居感知系統，其特征在于，包括：
...【技術特征摘要】
1.毫米波雷達智能家居感知方法，其特征在于，包括：
2.根據權利要求1所述的毫米波雷達智能家居感知方法，其特征在于，對所述毫米波探測回波信號進行高通濾波處理后，再將得到的濾波后毫米波探測回波信號從時域轉化到距離-多普勒域以得到距離-多普勒信號，包括：
3.根據權利要求2所述的毫米波雷達智能家居感知方法，其特征在于，將所述距離-多普勒信號通過信號特征過濾器以得到距離-多普勒信號低頻部分語義特征向量的集合，包括：將所述距離-多普勒信號輸入基于空洞卷積神經網絡模型的信號特征過濾器以得到所述距離-多普勒信號低頻部分語義特征向量的集合。
4.根據權利要求3所述的毫米波雷達智能家居感知方法，其特征在于，將所述距離-多普勒信號低頻部分語義特征向量的集合輸入基于特征分布特性的選擇優化聚合網絡以得到距離-多普勒信號低頻部分語義聚合純化表示向量，包括：
5.根據權利要求4所述的毫米波雷達智能家居感知方法，其特征在于，計算所述距離-多普勒信號低頻部分語義特征向量的集合中的各個距離-多普勒信號低頻部分語義特征向量的特征能量分布譜向量以得到距離-多普勒信號低頻部分語義特征能量分布譜向量的序列，包括：
6.根據權利要求5所述的毫米波雷達智能家居感知方法，其特征在于，分別計算所述各個距離-多普勒信號低頻部分語義特征向量與所述距離-多普勒信號低頻部分語義特征向量的...
【專利技術屬性】
技術研發人員：張雪，張黃河，
申請(專利權)人：北京中成康富科技股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。