本發(fā)明涉及疲勞駕駛監(jiān)控領(lǐng)域，尤其涉及一種基于多源信息融合的汽車疲勞駕駛檢測方法。

背景技術(shù)：

疲勞駕駛是導(dǎo)致世界上交通事故最常見的原因之一。根據(jù)WHO(世界衛(wèi)生組織)的報告，每年有超過130萬的人死于交通事故，有2千萬到5千萬的人因為交通事故遭受非致命傷害。其中，大約有20％的致命交通事故是由疲勞駕駛引起的。因此，如果能夠研發(fā)一種自動檢測疲勞駕駛的系統(tǒng)，就可以避免大量的死亡事故。

為了防止這類事故的發(fā)生，有效的監(jiān)測疲勞駕駛的系統(tǒng)是很有必要的，可以在事故發(fā)生前提醒駕駛員，從而可以避免或者減少此類交通事故的發(fā)生。駕駛疲勞是腦力、體力同時參與的技術(shù)性疲勞。由于駕駛?cè)藙幼鞣磸?fù)、連續(xù)，并且重復(fù)的次數(shù)太多，使其生理、心理上發(fā)生某種變化，出現(xiàn)駕駛機能低落的現(xiàn)象，主要表現(xiàn)為注意力分散，打瞌睡，視野變窄，信息漏看，反應(yīng)判斷遲鈍，駕駛操作失誤或完全喪失駕駛能力。

現(xiàn)有研究中，許多研究人員都認為以下生理信號可以用來檢測疲勞，包括：腦電圖(EEG)、心電圖(ECG)、眼電圖(EOG)、呼吸信號以及皮膚電活動(EDA)等。試驗證明，使用生理信號檢測駕駛員的疲勞程度的可靠性和精確度是非常高的，因為它可以真實的反映駕駛員身體內(nèi)部的狀況。同時，生理信號在疲勞的早期階段就會發(fā)生變化，因此采用生理信號是檢測疲勞駕駛最合適的方法而且出錯率低，使用這種方法可以及時的警示駕駛員，從而減少許多道路交通事故。然而，現(xiàn)有技術(shù)生理檢測通常采用接觸式檢測的方式，這些技術(shù)需要在駕駛員身上附著電極，而這通常是被駕駛員所反感的同時也是不切實際的。

為了克服上述技術(shù)缺陷，將多普勒雷達技術(shù)實現(xiàn)非接觸式生理信號檢測成為本領(lǐng)域研究熱點。多普勒雷達，又名脈沖多普勒雷達，通常工作在脈沖觸發(fā)模式，是一種利用多普勒效應(yīng)來探測運動目標的位置和相對運動速度的雷達?，F(xiàn)有技術(shù)中多普勒雷達廣泛用于軍事領(lǐng)域和民用領(lǐng)域，比如機載預(yù)警、導(dǎo)航、導(dǎo)彈制導(dǎo)、衛(wèi)星跟蹤、戰(zhàn)場偵察、靶場測量、武器等軍用方面，以及人體感應(yīng)、門禁系統(tǒng)、測速測距等民用領(lǐng)域。然而，由于生理信號檢測的特殊性，難以將現(xiàn)有技術(shù)通用多普勒雷達模塊直接應(yīng)用于生理信號檢測；因為呼吸和心跳信號極其微弱，很容易淹沒在雷達的噪聲和雜波中，采用現(xiàn)有技術(shù)多普勒雷達常規(guī)應(yīng)用電路無法實現(xiàn)對人體的呼吸和心跳等生命特征的非接觸式探測。因此，本領(lǐng)域技術(shù)人員通常通過改進雷達的識別精度和靈敏度達到應(yīng)用要求，這大大增加了實現(xiàn)難度，同時在成本上也大幅度的提高。

故，針對目前現(xiàn)有技術(shù)中存在的上述缺陷，實有必要進行研究，以提供一種方案，解決現(xiàn)有技術(shù)中存在的缺陷。

技術(shù)實現(xiàn)要素：

有鑒于此，確有必要提供一種基于多源信息融合的汽車疲勞駕駛檢測方法，首次提出采用多普勒雷達實現(xiàn)非接觸式疲勞駕駛檢測，同時通過檢測方向盤角度信息提高疲勞駕駛測量精度。

為了克服現(xiàn)有技術(shù)的缺陷，本發(fā)明的技術(shù)方案如下：

一種基于多源信息融合的汽車疲勞駕駛檢測方法，包括以下步驟：

步驟S1：通過安裝在駕駛室內(nèi)的多普勒雷達探測單元持續(xù)對駕駛員生理信號變化進行檢測并實時獲取并存儲生理信號；

步驟S2：獲取方向盤角度信息在預(yù)設(shè)時間內(nèi)的變化量，并根據(jù)該變化量啟動對當前一段連續(xù)時刻內(nèi)的所獲取的生理信號進行數(shù)據(jù)處理；

步驟S3：根據(jù)生理信號變化判斷是否出現(xiàn)疲勞駕駛。

優(yōu)選地，在步驟S3中，采用神經(jīng)網(wǎng)絡(luò)機器學習的方式判斷是否出現(xiàn)疲勞駕駛，其中，在神經(jīng)網(wǎng)絡(luò)機器識別模塊中預(yù)先存儲各種疲勞狀態(tài)等級的數(shù)據(jù)模板，將采集的生理信號輸入神經(jīng)網(wǎng)絡(luò)機器識別模塊進行數(shù)據(jù)分析從而判斷出疲勞狀態(tài)等級。

優(yōu)選地，神經(jīng)網(wǎng)絡(luò)機器識別模塊采用極限學習機模型。

優(yōu)選地，各種疲勞狀態(tài)等級的數(shù)據(jù)模板通過將所獲得的呼吸信號和心跳信號輸入神經(jīng)網(wǎng)絡(luò)中學習基于面部視頻的專家評分方法而確定。

優(yōu)選地，在步驟S1中，進一步包括以下步驟：

步驟S11：通過多普勒雷達傳感器向人體胸腔發(fā)射連續(xù)波雷達信號；

步驟S12：將回波信號和發(fā)射震蕩頻率信號進行混頻處理并檢波后獲取反應(yīng)人體呼吸和心跳變化的低頻信號；

步驟S13：對多普勒雷達傳感器輸出端進行阻抗匹配并濾除低頻信號中的直流分量；

步驟S14：將經(jīng)步驟3處理后的信號進行信號放大；

步驟S15：通過0.1Hz-10Hz的帶通濾波器對其輸入信號進行濾波處理；

步驟S16：采用數(shù)字濾波技術(shù)獎經(jīng)步驟S25處理后的信號進行頻率濾波從而獲取呼吸信號和心跳信號；

所述步驟S3中，根據(jù)所述呼吸信號和心跳信號的變化判斷駕駛員是否處于疲勞駕駛狀態(tài)。

優(yōu)選地，所述步驟S15中，通過四階巴特沃斯低通濾波器和二階巴特沃斯高通濾波器實現(xiàn)帶通濾波器。

優(yōu)選地，所述步驟S16中，采用FIR濾波器、IIR濾波器或者零相位IIR濾波器中的任一種實現(xiàn)呼吸信號和心跳信號的分離。

優(yōu)選地，零相位IIR濾波器的實現(xiàn)步驟如下：

步驟S161：根據(jù)呼吸信號和心跳信號的特征分別設(shè)計呼吸信號IIR濾波器和心跳信號IIR濾波器；

步驟S162：將輸入信號進行信號采樣存儲為數(shù)字信號序列；

步驟S163：將該數(shù)字信號序列分別輸入到呼吸信號IIR濾波器和心跳信號IIR濾波器進行第一次濾波處理；

步驟S164：將經(jīng)上述第一次濾波處理輸出的信號執(zhí)行第一次時域翻轉(zhuǎn)；

步驟S165：將步驟S64輸出信號再次輸入到呼吸信號IIR濾波器和心跳信號IIR濾波器進行第二次濾波處理；

步驟S166：將經(jīng)上述第二次濾波處理輸出的信號執(zhí)行第二次時域翻轉(zhuǎn)，從而得到濾波后的呼吸信號和心跳信號；

步驟S167：對濾波后的呼吸信號和心跳信號進行FFT變換后分別求出頻譜從而實現(xiàn)呼吸信號和心跳信號的分離。

優(yōu)選地，在步驟步驟S11中，所述多普勒雷達傳感器采用工作頻段為10.525GHz的微波多普勒雷達探測器探頭傳感器HB100模塊。

優(yōu)選地，在步驟S13中，采用電壓跟隨器對多普勒雷達傳感器輸出端進行阻抗匹配，采用通帶頻率為0.1Hz-150Hz的無源RC濾波器濾除低頻信號中的直流分量。

與現(xiàn)有技術(shù)相比較，本發(fā)明的技術(shù)方案具有以下技術(shù)效果：

(1)本發(fā)明首次提出采用多普勒測量技術(shù)監(jiān)測駕駛員的疲勞程度，同時通過檢測方向盤角度信息，通過多源信息處理提高疲勞駕駛測量精度。

(2)將通用多普勒雷達傳感器工作在連續(xù)波模式，并相應(yīng)設(shè)計多級濾波電路，從而實現(xiàn)非接觸檢測人體生理信號，進而以此為依據(jù)判斷疲勞駕駛。其中，有源濾波器采用巴特沃斯濾波器，巴特沃斯濾波器通頻帶頻率響應(yīng)曲線平坦，在阻頻帶下降緩慢，避免信號失真，在濾波的同時可實現(xiàn)信號的放大，提高信號的信噪比，實現(xiàn)信號無失真放大濾波。

(3)數(shù)字濾波器使用零相位IIR濾波器分離出呼吸和心跳信號，減少運算量的同時，消除信號的相位失真，實現(xiàn)患者生理變化和監(jiān)測顯示同步，提高監(jiān)測設(shè)備的實時性。

附圖說明

圖1為雷達回波信號探測人體胸腔擴張模型。

圖2為本發(fā)明基于多源信息融合的非接觸式疲勞駕駛檢測方法的流程框圖。

圖3為極限學習機模型圖。

圖4為極限學習機模型的算法流程框圖。

圖5為正常駕駛生理信號和方向盤信號的波形圖(疲勞等級0)。

圖6為駕駛預(yù)警狀態(tài)下的生理信號和方向盤信號的波形圖(疲勞等級1)。

圖7為駕駛昏昏欲睡狀態(tài)下的生理信號和方向盤信號的波形圖(疲勞等級2)。

圖8為駕駛顯著昏昏欲睡狀態(tài)下的生理信號和方向盤信號的波形圖(疲勞等級3)。

圖9為駕駛極度昏昏欲睡狀態(tài)下的生理信號和方向盤信號的波形圖(疲勞等級4)。

圖10為雷達信號處理的流程框圖。

圖11為零相位IIR濾波器的實現(xiàn)流程圖。

圖12為實現(xiàn)本發(fā)明非接觸式生理信號檢測方法的系統(tǒng)框圖。

圖13為本發(fā)明中多普勒雷達探測單元的原理框圖。

圖14為電源模塊中雷達電源的電路原理圖。

圖15為電源模塊中運放電源的電路原理圖。

圖16為電源模塊中數(shù)字電源的電路原理圖。

圖17為電源模塊中ADC基準電源的電路原理圖。

圖18為本發(fā)明信號預(yù)處理模塊的電路原理圖。

圖19為本發(fā)明差分放大器一種實施方式的電路原理圖。

圖20為本發(fā)明有源帶通濾波器一種實施方式的電路原理圖。

圖21為電平搬移電路的電路原理圖。

圖22為模數(shù)轉(zhuǎn)換器的電路原理圖。

圖23為FIR和IIR濾波分離呼吸信號時域?qū)Ρ取?/p>

圖24為FIR和IIR濾波分離呼吸信號頻域?qū)Ρ取?/p>

圖25為零相位濾波呼吸信號時域圖。

圖26為零相位濾波心跳信號時域圖。

圖27呼吸信號和心跳信號分離頻域圖。

如下具體實施例將結(jié)合上述附圖進一步說明本發(fā)明。

具體實施方式

以下將結(jié)合附圖對本發(fā)明提供的基于多源信息融合的汽車疲勞駕駛檢測方法作進一步說明。

研究發(fā)現(xiàn)，正常情況下駕駛員通常小幅度的轉(zhuǎn)動方向盤來不斷調(diào)整車輛的橫向移動位置以保持車輛始終行駛在車道的中心。當駕駛?cè)嘶杌栌瘯r，方向盤上的微修正數(shù)據(jù)會低于正常駕駛時的數(shù)據(jù)。在不考慮車道變更，僅考慮方向盤的小幅度轉(zhuǎn)動(SWM，0.5-5度之間)的情況下，疲勞的駕駛員比起正常的駕駛員，轉(zhuǎn)動方向盤的次數(shù)較少。所以，駕駛員的疲勞程度在一定程度上可以通過方向盤轉(zhuǎn)向SWM(steering wheel movement)的角度反應(yīng)出來。

同時研究還發(fā)現(xiàn)，人體在疲勞狀態(tài)時，其呼吸和心率信號都會有所下降，因此通過呼吸和心率信號能夠準確判斷人體的疲勞狀態(tài)。為了克服現(xiàn)有技術(shù)采用接觸式傳感器檢測生理信號的技術(shù)缺陷，申請人首次提出將現(xiàn)有技術(shù)通用的多普勒雷達應(yīng)用于非接觸式疲勞駕駛檢測領(lǐng)域。

多普勒雷達廣泛用于機載預(yù)警、導(dǎo)航、導(dǎo)彈制導(dǎo)、衛(wèi)星跟蹤、戰(zhàn)場偵察、靶場測量、武器等軍事領(lǐng)域。其工作原理可表述如下：當雷達發(fā)射一固定頻率的脈沖波對空掃描時，如遇到活動目標，回波的頻率與發(fā)射波的頻率出現(xiàn)頻率差，稱為多普勒頻率。根據(jù)多普勒頻率的大小，可測出目標對雷達的徑向相對運動速度；根據(jù)發(fā)射脈沖和接收的時間差，可以測出目標的距離。因此，軍用領(lǐng)域的多普勒雷達通常工作在脈沖模式，通過檢測頻率差來檢測活動目標?，F(xiàn)有技術(shù)中，多普勒雷達也有在民用領(lǐng)域的應(yīng)用，比如，利用多普勒雷達(Doppler Radar)原理設(shè)計的微波移動物體探測器HB100微波模塊，廣泛應(yīng)用于自動門控制開關(guān)、安全防范系統(tǒng)、ATM自動提款機的自動錄像控制系統(tǒng)、火車自動信號機等場所。然而，此類多普勒雷達在民用領(lǐng)域中的應(yīng)用時，通常是將輸出信號直接放大后檢測頻率，然后根據(jù)頻率大小獲得推測人體移動速度。

多普勒雷達傳感器可以在特定距離范圍內(nèi)消除特定介質(zhì)(如布料、絲綢等)的影響，檢測人體胸腔的微動變化，從中獲取到生理參數(shù)信息，實現(xiàn)非接觸式生理信號的檢測。非接觸式監(jiān)測系統(tǒng)克服了傳統(tǒng)的生理監(jiān)測系統(tǒng)的缺點，具有非接觸、遠距離監(jiān)測、操作簡易等優(yōu)點，在臨床醫(yī)學、災(zāi)害醫(yī)學、軍事醫(yī)學、城市反恐等領(lǐng)域得到了越來越多的關(guān)注，具有廣泛的應(yīng)用前景。然而，本領(lǐng)域技術(shù)人員在研究將多普勒雷達傳感器實現(xiàn)實現(xiàn)非接觸式生理信號檢測時，通常致力于設(shè)計高識別精度和高靈敏度的多普勒雷達傳感器，極大增加了實現(xiàn)難度。

在現(xiàn)有技術(shù)的基礎(chǔ)上，申請人通過多次理論和試驗研究發(fā)現(xiàn)，連續(xù)波雷達以人體的胸腔作為探測目標，經(jīng)胸腔運動返回的雷達發(fā)射信號會產(chǎn)生相位調(diào)制，接收到的雷達回波信號經(jīng)相位解調(diào)，從解調(diào)信息中提取出與胸腔運動相關(guān)聯(lián)的相位信息，根據(jù)相位信息的變化反映測試者的呼吸和心跳的變化情況。

參見圖1，所示為雷達回波信號探測人體胸腔擴張模型，現(xiàn)假設(shè)雷達發(fā)射信號T(t)為

T(t)＝cos[2πf₀t+Φ(t)] (1)

式中f₀是雷達發(fā)射信號頻率，Φ(t)為相位噪聲。

設(shè)胸腔運動振幅為x(t)，雷達傳感器到人體距離為d₀，發(fā)射雷達信號到胸壁的距離為d(t)，則往返一次延時時間為由于胸腔運動周期則經(jīng)雷達反射調(diào)制后的接收信號R(t)為：

接收回波信號R(t)和雷達發(fā)射信號T(t)相乘經(jīng)過低通濾波后解調(diào)出調(diào)制信號，獲取基帶信號為：

式中是殘余相位噪聲，是雷達和人體間距決定的固有相移。當θ是的奇數(shù)倍時，x(t)＜＜λ，可得：

其中ΔΦ(t)為固定目標產(chǎn)生的直流分量，由式(4)可得胸腔位移x(t)與基帶輸出的幅值呈線性關(guān)系。由上述可知，多普勒雷達傳感器可以獲得人體胸腔振動的信號，信號中包含呼吸、心跳以及人體擾動干擾，通過一定的信號處理方法，可以提取人體呼吸和心跳特征信號。研究表明，駕駛?cè)嗽谡ｑ{駛和疲勞駕駛過程中，呼吸和心率等生理信號會發(fā)生明顯的變化。因此，通過檢測生理信號便能夠準確判斷疲勞駕駛。然而用雷達進行心肺信息的實時檢測和處理有以下幾個方面的問題：

(1)駕駛中人體的移動干擾。在正常駕駛過程中，駕駛?cè)诵枰粩嚯S時調(diào)整方向盤，此時，人體手臂等肢體也在不斷的運動。由于人體在狹小的駕駛空間內(nèi)，移動的范圍較小，并且移動速度較慢，那么雷達檢測的信號中包含人體擾動的信號的頻率就很低，非常接近甚至和呼吸心率信號頻率在同一個頻段，這種干擾會導(dǎo)致呼吸和心率信號被淹沒，無法檢測到呼吸心率信號。

(2)處理信號時間長度存在限制。一方面，伴隨著生理狀態(tài)的變化，呼吸心率參數(shù)也會相應(yīng)的發(fā)生變化，需要及時的檢測出來這宗變化。在截取較長時間的信號進行處理時，生理參數(shù)較短的變化信息就很難被檢測出來，對于實時檢測以及預(yù)測疲勞駕駛很不利。另一方面根據(jù)時頻分析理論，短時間的數(shù)據(jù)在頻域上的分辨率必然很低，不利于呼吸和心率信號的分離。綜上兩方面考慮需要選取合適數(shù)據(jù)處理長度，以提高檢測的實時性和提高信號頻率的分辨率。

(3)雷達信號不同于常用的心電和脈搏波信號檢測方法，它檢測的是心跳和呼吸復(fù)合的信號。而呼吸運動在幅度上比心跳強，使得心率信號不易分離提取。而且呼吸和心跳引起的微動在體表空間會重疊，易產(chǎn)生頻域交調(diào)。

為了解決上述技術(shù)問題，參見圖2，所示為本發(fā)明一種基于多源信息融合的汽車疲勞駕駛檢測方法的流程框圖，包括以下步驟：

步驟S1：通過安裝在駕駛室內(nèi)的多普勒雷達探測單元持續(xù)對駕駛員生理信號變化進行檢測并實時獲取并存儲生理信號；

步驟S2：獲取方向盤角度信息在預(yù)設(shè)時間內(nèi)的變化量，并根據(jù)該變化量啟動對當前一段連續(xù)時刻內(nèi)的所獲取的生理信號進行數(shù)據(jù)處理；

步驟S3：根據(jù)生理信號變化判斷是否出現(xiàn)疲勞駕駛。

采用上述技術(shù)方案，通過方向盤角度信息和駕駛員生理信號的信息融合處理，從而有效克服駕駛中人體的移動干擾；同時，通過實時存儲生理信號，在進行數(shù)據(jù)分析時能夠及時選取合適數(shù)據(jù)長度進行數(shù)據(jù)處理，從而提高數(shù)據(jù)處理速度。

雖然理論證明人體在疲勞狀態(tài)和非疲勞狀態(tài)下的呼吸信號和心跳信號具有顯著差別，但在真實駕駛環(huán)境下進行疲勞駕駛判定算法的研究具有很大的挑戰(zhàn)性，也只有識別精度高的疲勞駕駛判定算法才有實際應(yīng)用價值。

現(xiàn)有技術(shù)中，采用基于面部視頻的專家評分方法，該方法是目前最實用的駕駛?cè)似跔顟B(tài)評價方法。該方法由一組受過訓(xùn)練的專家根據(jù)駕駛?cè)说拿娌勘砬楹皖^部姿態(tài)對其疲勞狀態(tài)進行評分。具體操作步驟為：將駕駛?cè)嗣娌恳曨l切分為視頻片段；多名評分專家根據(jù)駕駛?cè)巳嘌?、撓臉、打哈欠、閉眼時間、調(diào)整姿勢等疲勞表征，按隨機序列對視頻片段進行打分，多名專家評分的均值作為該段視頻的疲勞得分。該系統(tǒng)對駕駛員疲勞程度等級進行分類，具體要求如下表1所示：

表1：駕駛員疲勞程度等級劃分及其描述

為了實現(xiàn)精確疲勞駕駛檢測，本發(fā)明在采用神經(jīng)網(wǎng)絡(luò)機器識別模塊，采用神經(jīng)網(wǎng)絡(luò)機器學習的方式判斷是否出現(xiàn)疲勞駕駛，其中，在神經(jīng)網(wǎng)絡(luò)機器識別模塊中預(yù)先存儲各種疲勞狀態(tài)等級的數(shù)據(jù)模板，將采集的生理信號輸入神經(jīng)網(wǎng)絡(luò)機器識別模塊進行數(shù)據(jù)分析從而判斷出疲勞狀態(tài)等級。神經(jīng)網(wǎng)絡(luò)機器識別模塊可以設(shè)置在MCU模塊或者車載電腦中。使用前，需要先將神經(jīng)網(wǎng)絡(luò)機器識別模塊訓(xùn)練好。本發(fā)明中，首先將基于面部視頻的專家評分方法分類完成的呼吸信號和心跳信號輸入神經(jīng)網(wǎng)絡(luò)中學習，從而在神經(jīng)網(wǎng)絡(luò)機器識別模塊確定各個疲勞等級的數(shù)據(jù)模型。從而在實際疲勞駕駛判定時，可以根據(jù)輸入的呼吸信號和心跳信號判定疲勞等級。

在本發(fā)明中，神經(jīng)網(wǎng)絡(luò)機器識別模塊采用極限學習機模型圖，參見圖3，所示為極限學習機模型圖，各種疲勞狀態(tài)等級的數(shù)據(jù)模板通過將所獲得的呼吸信號和心跳信號輸入神經(jīng)網(wǎng)絡(luò)中學習基于面部視頻的專家評分方法而確定。參見圖4，所示為極限學習機模型的算法流程，極限學習機模型的基本算法如下所述：

N:訓(xùn)練樣本總數(shù)

隱藏層單元個數(shù)

n、m:輸入和輸出層的維度(即輸入和輸出向量的長度)

(x_j,t_j),j＝1,2,...,N：訓(xùn)練樣本，其中，

x_j＝(x_j1,x_j2,...,x_jn)^T∈Rⁿ,t_j＝(t_j1,t_j2,...,t_jn)^T∈R^m

將所有輸出向量按行拼起來，可得到整體輸出矩陣：

o_j,j＝1,2,...,N:與標注t_j相對應(yīng)的實際輸出向量；

輸入層與隱藏層之間的權(quán)矩陣，其中W的第i行對應(yīng)的向量

w_i＝(w_i1,w_i2,...,w_in)^T

表示連接隱藏層第i個單元與輸入單元的權(quán)向量；

偏置向量，b_i表示第i個隱單元的閾值；

隱藏層與輸出層之間的權(quán)矩陣，其中β的第i行對應(yīng)的向量β_i＝(β_i1,β_i2,...,β_im)^T

表示連接隱藏層第i個單元與輸出單元的權(quán)向量，矩陣β可按行寫成如下分塊形式：

g(x)為激活函數(shù)。

數(shù)學上，標準的SLFNs的模型為

其中w_i·x_j表示w_i和x_j的內(nèi)積。

要使以上模型零誤差的逼近上述N個樣本，則

即存在W，β和b，使得

利用矩陣式表示，上述表達式可簡化為

Hβ＝T

一般的SLFNs學習算法中，輸入權(quán)值W和隱單元的偏置向量b需要通過迭代不斷調(diào)整刷新，在學習算法開始時，任意給定W和b的值，用其計算出H并令其保持不變，這樣，我們只需要確定參數(shù)β就可以了。因此，當W和b固定時，等價于求式等式的最小二乘解即

根據(jù)Moore-Penrose廣義逆矩陣和最小范數(shù)最小二乘解的相關(guān)定理得

β＝H⁺T

給定訓(xùn)練樣本集合激活函數(shù)g(x),隱單元個數(shù)

ELM算法的實現(xiàn)過程可以歸納為：首先，隨機指定網(wǎng)絡(luò)的輸入權(quán)值和閾值；其次，計算隱含層神經(jīng)元輸出矩陣；最后，根據(jù)β＝H⁺T計算輸出權(quán)值矩陣。根據(jù)以上推理過程我們可知，ELM沒有在傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)計算過程中的迭代步驟，因此極大地減少了訓(xùn)練時間。

為了驗證本發(fā)明的實際技術(shù)效果，在實驗測試階段招募了8名受試駕駛員，年齡在22-60歲之間。身體健康、聽力正常、無紅綠色盲。在實驗之前保證充足的睡眠、實驗前24小時內(nèi)沒有服用任何刺激性物品。每位駕駛?cè)嗣刻爝M行兩次駕駛模擬實驗：所有駕駛?cè)嗽诿刻焱粫r間進行實驗，實驗前通知駕駛?cè)藴蕚鋵嶒?，要求駕駛?cè)嗽趯嶒炃?4小時內(nèi)禁止駕駛?cè)孙嬀啤⒉韬涂Х?。實驗選擇在中午12:00和晚上20:00開始進行，各持續(xù)兩個小時左右，這個時間段人一般最容易處于犯困狀態(tài)，因此可以在短暫的兩個小時內(nèi)能夠觀測出駕駛?cè)藦那逍训较萑肫谡麄€過程。實驗過程中要求保持環(huán)境安靜，安裝在駕駛艙內(nèi)的攝像頭用來記錄了駕駛?cè)嗣娌勘砬樾畔?，圖像采集速率均為30Hz，試驗臺的數(shù)據(jù)采集系統(tǒng)記錄駕駛?cè)撕粑盘枴⑿穆市盘?、人體移動信號、方向盤小轉(zhuǎn)角信號、方向盤大轉(zhuǎn)角信號，采樣頻率均為50Hz。

視頻信號和MCU采集信號同步，將采集的視頻信號每段分割長度為30秒，采用專家評分標準對駕駛員的疲勞程度進行打分，作為雷達采集的生理信號評判依據(jù)。同步的生理信號按照基于面部視頻專家評分標準分成五類信號，分別對應(yīng)5類疲勞程度使用數(shù)字標記為0-4，每段數(shù)據(jù)長度為30秒，每種疲勞程度下的呼吸和心跳信號分別采集100組數(shù)據(jù)，提取出每段數(shù)據(jù)的呼吸信號頻率均值、呼吸信號頻率均方值、呼吸信號幅度均值、呼吸信號幅度均方值、心跳信號頻率均值、心跳信號幅度均值、心跳信號幅度均方值作為極限學習機算法的輸入樣本，通過樣本學習訓(xùn)練直到滿足誤差要求范圍內(nèi)，得到輸出權(quán)值。在單片機系統(tǒng)對極限學習機進行算法實現(xiàn)，確定訓(xùn)練輸出權(quán)值，在駕駛員測試中，采集雷達信號，進行濾波提取信號特征，通過極限學習機進行分類，針對分類結(jié)果，給駕駛員不同提示。圖5至圖9是采集駕駛員不同程度疲勞的呼吸和心跳信號變化圖，從圖中看出，通過神經(jīng)網(wǎng)絡(luò)機器識別能夠很好的區(qū)分各級疲勞程度。

然而，人體正常呼吸和心跳引起的胸腔微動位移量范圍僅為4-15mm，而現(xiàn)有技術(shù)中多普勒雷達模塊在軍用和民用領(lǐng)域的應(yīng)用中，移動物體的分辨率至少為0.1米；同時，正常人的呼吸和心跳頻率分別為0.15～0.4Hz和0.83～1.5Hz，頻譜非常接近，在時域中很難將呼吸信號和心跳信號分辨出來。由式(4)可知，雖然人體正常呼吸和心跳引起的胸腔微動位移量范圍較小，只要選取合適的多普勒雷達工作頻率，能夠很好的檢測胸腔微動信號；雖然呼吸信號和心跳信號的頻率非常接近，只要選擇合適采樣頻率，依然能夠區(qū)分呼吸信號和心跳信號，由于信號微弱且頻率區(qū)分不是很明顯，如何濾除干擾信號提取有用數(shù)據(jù)信號是解決本發(fā)明技術(shù)問題的關(guān)鍵。

為了解決上述技術(shù)問題，參見圖10，所示為本發(fā)明中雷達信號處理的流程框圖，包括以下步驟：

步驟S11：通過多普勒雷達傳感器向人體胸腔發(fā)射連續(xù)波雷達信號；

步驟S12：將回波信號和發(fā)射震蕩頻率信號進行混頻處理并檢波后獲取反應(yīng)人體呼吸和心跳變化的低頻信號；

步驟S13：對多普勒雷達傳感器輸出端進行阻抗匹配并濾除低頻信號中的直流分量；

步驟S14：將經(jīng)步驟S3處理后的信號進行信號放大；

步驟S15：通過0.1Hz-10Hz的帶通濾波器對其輸入信號進行濾波處理；

步驟S16：采用數(shù)字濾波技術(shù)將經(jīng)步驟S5處理后的信號進行頻率濾波從而獲取呼吸信號和心跳信號。

其中，在步驟S11中，所述多普勒雷達傳感器采用工作頻段為10.525GHz的微波多普勒雷達探測器探頭傳感器HB100模塊。現(xiàn)有技術(shù)中，多普勒雷達工作頻率范圍為2～75GHz，本發(fā)明結(jié)合雷達分辨率、穿透障礙物能力、體積大小以及功耗等因素，選取工作頻率為10.525GHz的多普勒雷達傳感器。HB100微波模塊是利用多普勒雷達(Doppler Radar)原理設(shè)計的微波移動物體探測器，主要應(yīng)用于自動門控制開關(guān)、安全防范系統(tǒng)、ATM自動提款機的自動錄像控制系統(tǒng)、火車自動信號機等場所。HB100是標準的10.525GHz微波多普勒雷達探測器，內(nèi)部由FET介質(zhì)DRO微波震蕩源(10.525GHz)、功率分配器、發(fā)射天線、接收天線、混頻器、檢波器等電路組成，其在連續(xù)直流供電模式下工作電流為35mA，總輸出功率小于15mW。發(fā)射天線向外定向發(fā)射微波，遇到物體時被反射，反射波被接收天線接收，然后到混合器與振蕩波混合，混合、檢波后的低頻信號反應(yīng)了物體移動的速度。采用現(xiàn)有技術(shù)通用的探測模塊，大大降低了成本以及開發(fā)難度。現(xiàn)有技術(shù)，通常采用HB100模塊檢測人體移動，也即對其輸出的低頻信號進行直接放大并檢測該信號的頻率，從而根據(jù)頻率值計算出人體的移動速度，通常探測范圍超過20米。然而，本發(fā)明的應(yīng)用中，人體正常呼吸和心跳引起的胸腔微動位移量范圍僅為4-15mm，各種噪聲信號的強度遠遠超過有用信號，因此，采用傳統(tǒng)HB100模塊應(yīng)用方法無法檢測出生理信號。因此本發(fā)明提出了一種適用于生理信號檢測的三級濾波方法，從而實現(xiàn)呼吸信號和心跳信號的檢測，以下詳細介紹該方法應(yīng)用電路的設(shè)計原理。

在步驟S13中，采用通帶頻率為0.1Hz-150Hz的無源RC濾波器濾除低頻信號中的直流分量。

在步驟S13中，采用電壓跟隨器對多普勒雷達傳感器輸出端進行阻抗匹配。電壓跟隨器用于對輸入信號進行電壓跟隨，無源濾波器用于濾除輸入信號中的直流分量；人體胸腔微動變化引起多普勒雷達傳感器輸出信號變化幅值范圍1-20mV，具有幅度低、噪聲大，帶負載能力差等特點，對輸入信號進行電壓跟隨消除輸出阻抗影響，提高驅(qū)動能力；雷達信號為射頻信號，空間的雜散信號過大，會導(dǎo)致后端的放大器飽和甚至損壞，為了防止由于直流分量導(dǎo)致放大器飽和，采用無源濾波器將直流分量濾除。

進一步的，通過有源帶通濾波器對輸入信號進行放大并消除差模噪聲；雷達信號經(jīng)過差分放大器后，共模干擾噪聲能得到很好的消除。然而還有很大一部分的噪聲是以差模的形式進入后級電路。這些噪聲包含啟動時的電源噪聲、直流基線漂移噪聲、以及工頻干擾噪聲。所以需要選擇合適的濾波器對初級放大后的信號進行濾波，為了克服無源濾波電路消耗信號能量的缺點，使用由放大器和阻容網(wǎng)絡(luò)組成的有源濾波，來提高濾波性能。相對于無源濾波而言，由于有運放的加入，有源濾波器不僅能進行功率補償，還能在濾波的同時對信號進行放大，同時運放也能起到緩沖和隔離的效果。結(jié)合呼吸和心跳信號的頻率以及人體擾動頻率，本發(fā)明采用有源低通濾波器以及高通濾波器構(gòu)成頻率為0.1Hz-10Hz的帶通濾波器。

根據(jù)濾波器幅頻以及相頻特性的不同，根據(jù)有源濾波器傳輸特性主要分為以下幾類：

巴特沃斯濾波器：在通帶以內(nèi)幅頻曲線的幅度最平坦，由通帶到阻帶衰減陡度較緩，相頻特性是非線性的，是最平幅度濾波器。

切比雪夫濾波器：在通帶內(nèi)，具有相等的波紋。截頻衰減陡度比同階數(shù)的巴特沃斯特性更陡相位響應(yīng)是非線性，但較之比巴特沃斯為差。

貝塞爾濾波器：延時特性最平坦，幅頻特性最平坦區(qū)較小，從通帶到阻帶衰減緩慢。貝塞爾濾波器的幅頻特性比巴特沃斯或切比雪夫濾波器都差。

橢圓函數(shù)濾波器：在通帶和阻帶內(nèi)均出現(xiàn)相等的紋波。橢圓函數(shù)濾波器較其他類型的濾波器具有最陡的截頻衰減陡度。但它的延時特性不如前三種好。

本發(fā)明設(shè)計要求濾波器幅頻曲線在通頻帶盡可能平坦，并且具有良好的過渡帶特性。在比較上述濾波器實際性能的基礎(chǔ)上，最終選擇，巴特沃茲濾波器是全極點濾波器，在所以n階全極點濾波器中，當論靠近w＝0處的幅頻特性，則巴特沃斯濾波器最平直，因此巴特沃斯濾波器稱為最平響應(yīng)濾波器具有通帶內(nèi)最大平坦，巴特沃斯濾波器的相位特性比同階數(shù)的切比雪夫、反切比雪夫和橢圓函數(shù)濾波器都好相移和頻率的線性關(guān)系影響的比較小，可以實現(xiàn)更好的信號濾波效果和更小的信號衰減，適用于雷達呼吸心跳信號中噪聲的去除。

在步驟S15中，采用二階巴特沃斯高通濾波器以及四階巴特沃斯低通濾波器構(gòu)成濾波器組對信號進行放大濾波。

在步驟S16中，采用數(shù)字濾波技術(shù)實現(xiàn)呼吸信號和心跳信號的分離，可以采用FIR濾波器、IIR濾波器或者零相位IIR濾波器中的任一種。FIR濾波器、IIR濾波器的設(shè)計，將在實現(xiàn)本發(fā)明方法的系統(tǒng)中詳述，在此不再贅述。

為了克服FIR濾波器和IIR濾波器的缺陷，本發(fā)明提出了一種零相位IIR濾波器，參見圖11，所示為零相位IIR濾波器的實現(xiàn)流程圖，具體包括以下步驟：

步驟S161：根據(jù)呼吸信號和心跳信號的特征分別設(shè)計呼吸信號IIR濾波器和心跳信號IIR濾波器；

步驟S162：將輸入信號進行信號采樣存儲為數(shù)字信號序列；

步驟S163：將該數(shù)字信號序列分別輸入到呼吸信號IIR濾波器和心跳信號IIR濾波器進行第一次濾波處理；

步驟S164：將經(jīng)上述第一次濾波處理輸出的信號執(zhí)行第一次時域翻轉(zhuǎn)；

步驟S165：將步驟S64輸出信號再次輸入到呼吸信號IIR濾波器和心跳信號IIR濾波器進行第二次濾波處理；

步驟S166：將經(jīng)上述第二次濾波處理輸出的信號執(zhí)行第二次時域翻轉(zhuǎn)，從而得到濾波后的呼吸信號和心跳信號；

步驟S167：對濾波后的呼吸信號和心跳信號進行FFT變換后分別求出頻譜從而實現(xiàn)呼吸信號和心跳信號的分離。

在一種優(yōu)選實施方式中，上述采用的數(shù)字濾波器通過程序?qū)崿F(xiàn)。

以下詳細描述下實現(xiàn)本發(fā)明方法的系統(tǒng)架構(gòu)，參見圖12和圖13，所示為實現(xiàn)本發(fā)明非接觸式生理信號檢測方法的系統(tǒng)框圖，該系統(tǒng)包括多普勒雷達傳感器、電源模塊、信號預(yù)處理模塊、差分放大器、有源帶通濾波器、呼吸和心跳信號分離模塊和MCU模塊，其中，電源模塊用于系統(tǒng)供電；多普勒雷達傳感器用于向人體胸腔發(fā)射連續(xù)波雷達信號并接收回波信號進行處理后輸出反應(yīng)人體呼吸和心跳變化的低頻信號，低頻信號依次經(jīng)信號預(yù)處理模塊、差分放大器、有源帶通濾波器、呼吸和心跳信號分離模塊和MCU模塊信號處理后，MCU模塊獲取人體呼吸信號和心跳信號。

為了提高系統(tǒng)的檢測精度，在電源模塊設(shè)計中需要充分考慮電壓的波動性，以及起動時強大電流對系統(tǒng)的干擾。故需要選取寬電壓輸入穩(wěn)壓芯片，雷達信號輸出很微弱，電源模塊中需要特別注意電源紋波以及噪聲問題，由于系統(tǒng)不僅包括數(shù)字電路部分，也包含A/D轉(zhuǎn)換、小信號放大等模擬部分，需要隔離數(shù)字電源和模擬電源，故分別設(shè)計雷達電源、運放電源、數(shù)字電源以及ADC基準電源。

參見圖14，所示為電源模塊中雷達電源的電路原理圖，包括第一電源接口P1、第一保險絲F1、第一瞬態(tài)二極管TVS1、第一二極管D1、第六電解電容C6、第七電容C7、第二電容C2、第五電源芯片U5、第十四電容C14、第十五鉭電容C15，其中，電源接口P1的第二腳與第一保險絲F1的一端相連接，第一保險絲的另一端與第一瞬態(tài)二極管TVS1的一端和第一二極管D1的正端相連接，第一二極管D1的負端與第六電解電容C6的正端、第七電容C7的一端、第五電源芯片第五管腳、第八管腳相連，電源接口P1的第一管腳與第一瞬態(tài)二極管TVS1的另一端、第六電解電容C6的負端、第七電容C7的另一端、第五電源芯片U5的第六管腳和第七管腳以及第三管腳共同與模擬地端相連接，第二電容C2的第一管腳與第五電源芯片U5的第四管腳相連接，第二電容C2的另一端與第五電源芯片U5的第一管腳以及第二管腳相連接，第十四電容C14的第一腳與第十五鉭電容C15的正端相連、第五電源芯片U5的第一管腳以及第二管腳相連接，第十四電容C14的另一端與第十五鉭電容C15的負端共同與模擬地端相連接。

在上述電路中，第五電源芯片U5采樣LT1763CS8-5，輸出5V電源給雷達芯片供電，該芯片是一款低噪聲、低壓差微功率穩(wěn)壓器。在10Hz-100KHz輸出噪聲為20μVRMS，寬電壓輸入范圍1.8V到20V，具有非常低的待機電流1μA，內(nèi)部具有過流和過熱保護功能，與開關(guān)電源相比，具有紋波噪聲小的特點。在電源接口端采用MF-R09009對電路進行過流保護，并且端口處并聯(lián)一顆TVS管，對電源過壓脈沖起到很好的保護作用，電源端串聯(lián)一顆二極管防止電源反接，對后級整個系統(tǒng)起保護作用。為減少紋波干擾，在每個電源芯片加上一顆高頻去耦電容，在每個電解電容旁邊加一個高頻旁路電容。

由于單電源供電運放會降低低頻特性，單電源放大器輸入輸出信號范圍會縮小，放大器對內(nèi)部和外部誤差源變得更敏感，同時在低壓單電源器件中，增益精度也會有所降低，本發(fā)明綜合考慮并通過實驗驗證，最終采樣選擇雙電源給運放供電。參見圖15，所示為電源模塊中運放電源的電路原理圖，包括第十三電容C13、第三電源芯片U3、第十八電容C18、第四電阻R4、第五電阻R5、第十六電容C16、第十七電容C17、第十九電容C19、第六電阻R6、第三電阻R3、第二十電解電容C20、第二十一電容C21、第一電阻R1、第四電源芯片U4、第一電容C1、第二電感L2、第二二極管D2、第十一電解電容C11、第十二電容C12，其中，第十三電容C13一端與第三電源芯片U3的第一腳、第三腳、第五腳相連接，第十八電容的一端與第三電源芯片U3的第四腳相連接，第十六電容C16的一端與第十七電容C17的一端、第三電源芯片的第十腳、第十一腳相連接，第四電阻R4的一端與第三電源芯片的第九腳相連接，第五電阻R5的一端與第四電阻R4的另一端、第三電源芯片U3的第八腳相連接，第十三電容C13的另一端與第十八電容C18的另一端、第五電阻R5的另一端、第十六電容C16的另一端、第十七電容C17的另一端共同和模擬地相連接；第十九電容C19一端與第三電阻R3的一端、第六電阻R6的一端、第四電源芯片U4第三腳相連接，第三電阻R3的另一端與第二十電解電容C20的正端、第四電源芯片U4的第二腳相連接，第二十一電容C21的一端與第四電源芯片U4的第四腳相連接，第一電阻R1的一端與第四電源芯片U4的第八角、第一電容C1的一端相連接，第二二極管D2的正端與第四電源芯片U4的第五腳、第十一電容C11的負端、第十二電容的一端相連接，第二二極管D2的負端與第四電源芯片U4的第七腳、第二電感L2的一端相連接，第十九電容C19的另一端與第六電阻R6的另一端、第二十電解C20的負端、第二十一C21的另一端、第一電容C1的另一端、第二電感L2的另一端、第十一電容C11的正端、第十二電容C12的另一端共同與模擬地相連接。

上述電路中，第三電源芯片U3采用LP38798SDX_ADJ以及第四電源芯片U4采用TPS6735穩(wěn)壓芯片，從而實現(xiàn)輸出正負5V電源供給運放，其中正5V電源同時給A/D芯片供電。LP38798SDX_ADJ是一款寬電壓輸入3.0V-20V，在10Hz-100KHz輸出噪聲為5μVRMS，TPS6735輸入電壓范圍4V-6.2V，靜態(tài)功耗達到1μA。所以可以滿足運放電源精度要求。

參見圖16，所示為電源模塊中數(shù)字電源的電路原理圖，包括第三電容C3、第一電源芯片U1、第一電感L1、第二電阻R2、第八電容C8、第九電容C9，其中，第三電容C3一端與第一電源芯片U1的第二腳、第三腳相連接，第二電阻R2一端與第一電源芯片U1的第八腳和第十腳、第一電感L1的一端、第八電容的一端、第九電容的一端相連接，第一電感L1的另一端與第一電源芯片U1的第九腳相連接，第三電容C3的另一端與第一電源芯片U1的第四腳、第九腳、第十腳、第七腳、第二電阻R2的另一端、第八電容的另一端、第九電容的另一端共同與數(shù)字地相連接。

第一電源芯片U1采用Ti芯片TPS62177DGCR芯片，給單片機以及無線模塊NRF24L01供電。該芯片輸入電壓范圍4.7V-28V，輸入電流可達500mA，在睡眠模式下，靜態(tài)電流僅有4.8μA，內(nèi)部有過熱保護、短路保護等。

參見圖17，所示為電源模塊中ADC基準模塊的電路原理圖，包括第四電容C4、第五電容C5、第二基準電源芯片U2、第十電容C10，其中，第四電容C4的一端與第五電容C5的一端、第二基準電源芯片U2第二腳相連接，第十電容C10的一端與第二基準電源芯片U2第六腳相連接，第四電容C4的另一端與第五電容C5的另一端、第二基準電源芯片U2的第四腳、第十電容的另一端共同與模擬地相連接。

第二基準電源芯片U2采用16位精度ADC轉(zhuǎn)換器，數(shù)字量輸出變化1LSB，對應(yīng)模擬電壓變化為76μV。故需要較高的基準電壓源，ADR445基準電壓芯片具有超低噪聲、高精度和低溫度漂移性能。電源變化峰峰值只有2.25μV，能滿足本數(shù)據(jù)采集系統(tǒng)。

參見圖18，所示為本發(fā)明信號預(yù)處理模塊一種實施方式的電路原理圖，包括：第二雷達模塊P2、第十三電阻R13、第三十三電容C33、第九集成運放U9、第二十六電阻R26、第二十九電容C29、第二十五電阻R25、第十九電阻R19、第三十四電解電容C34，其中，第二雷達模塊P2采用HB100模塊，第二雷達模塊P2的第三腳與第十三電阻R13的一端、第九集成運放U9的第二腳相連接，第二雷達模塊P2的第二腳與第三十三電容C33的一端相連接，第二十六電阻一端與第九集成運放U9的第四腳相連接，第二十六電阻的另一端與第九集成運放U9的第一腳、第二十九電容C29的一端相連接，第二十九電容C29的另一端與第二十五電阻R25的一端、第十九電阻R19的一端、第三十四電解電容的正端相連接，第三雷達模塊P3的第三腳與第三十三電容的另一端、第九集成運放U9的第二腳、第二十五電阻R25的另一端、第三十四電解電容的負端共同與模擬地相連接。

上述電路的原理如下，由于雷達信號輸出阻抗高，帶負載能力低，為了阻抗更容易匹配，前端采用TLV2631構(gòu)成電壓跟隨器不但提供了高的輸入阻抗和低的輸出阻抗。同時也起到一個隔離緩沖作用，降低了信號處理對微波前端的影響，保證了輸入信號的信噪比，也為后級設(shè)計的時候可以更方便的設(shè)計濾波器來抗混疊。而雷達發(fā)射電磁波到固定物體上時，電磁波回波不會產(chǎn)生多普勒頻率，其回波信號出現(xiàn)在零頻率處，體現(xiàn)在接收到的信號直流分量上，此外，雷達為射頻信號，空間的雜散信號過大，會導(dǎo)致后端的放大器飽和甚至損壞，為了防止由于直流分量導(dǎo)致放大器飽和，必須將直流分量濾除。為了進一步保證信號具有高的信噪比，在跟隨輸出端設(shè)計頻率為0.1Hz-150Hz無源RC濾波器，由于雷達呼吸心跳信號頻率要高于0.1Hz，設(shè)計RC頻率點要低于0.1Hz，而RC電阻的選取也需要特別注意，如果選取的輸入電阻過大，那么這時候電阻的熱噪聲就會很大，會超過運放的輸入電壓噪聲水平，對后級放大干擾較大，所以要盡可能選取大的輸入電容，然后大的輸入電容，漏電流較大，會造成后級放大電路直接飽和。所以此處電容需要選取漏電流較小的瓷片電容。

進一步的，差分放大器用于對輸入信號進行放大并消除共模噪聲；雷達信號經(jīng)過初級放大時，中間夾雜了大量噪聲。如果初級放大器放大倍數(shù)過大的話，容易造成信號的飽和。另一方面為了減少信號源的影響，必須提高放大器的輸入阻抗，對于雷達信號干擾主要來源于共模干擾，初級放大器主要作用是消除共模噪聲。本發(fā)明中采用差分輸入方式，在實際系統(tǒng)中，噪聲大多以共模的形式存在。對于差分輸入來說，能夠有效消除共模噪聲，從而可以去除信號中很大一部分噪聲。

對于集成運放而言，一個很重要的性能指標就是共模抑制比CMRR。其定義如下：

其中Avd和Avs分別代表運放對差模信號和共模信號的放大倍數(shù)。在本發(fā)明一種優(yōu)選實施方式中，采用儀器儀表放大器。和普通的集成運放相比，儀器儀表放大器具有更高的共模抑制比。生理放大器的CMRR一般要求60dB-80dB，具體選用Analog Device公司的儀器儀表放大器AD627的CMRR達83dB。AD627提供靈活用戶選擇，通過一個外部電阻，就可以設(shè)置增益，最大編程增益可達到1000，是一款軌到軌低功耗儀表放大器，具有很高共模抑制比，具有很寬的供電范圍(±18V)，工作在雙電源時，能夠滿電源幅度輸出，是信號放大的理想選擇。在低電源電壓下工作時，滿電源幅度輸出級使動態(tài)范圍達到最大。超低的功耗，適用于便攜式低功耗設(shè)備的應(yīng)用場合。

參見圖19，所示為本發(fā)明差分放大器一種實施方式的電路原理圖，包括：第二十四電阻R24、第三十六電容C36、第三十九電容C39、第二十九電阻R29、第十二集成儀放U12、第三十七電容C37、第三十八電容C38、第十八電阻R18、第二十四電容C24、第二十五電容C25、第十八電阻R18、第三十八電容C38，其中，第二十四電阻R24一端與第三十一電容C31的一端、第十二集成儀放U12的第三腳、第三十六電容C36一端相連接，第三十六電容C36另一端與第十二集成儀放U12的第二腳、第三十九電容C39的一端、第二十九電阻的一端相連接，第十八電阻R18的一端與第十二集成儀放U12的第八腳相連接，第十八電阻R18的另一端與第十二集成儀放U12的第一腳相連接，第二十四電容C24一端與第二十五電容C25一端相連接、第十二集成儀放U12第七腳相連接，第三十七電容C37一端與第三十八電容C38一端、第十二集成儀放U12的第四腳相連接，第三十九電容C39另一端與第二十九電阻R29的另一端、第二十四電容C24的另一端、第二十五電容C25的另一端、第三十九電容C39的另一端、第三十八電容C38的另一端共同與模擬地相連接。由此，AD627輸出電壓公式:V_O＝(5+(200KΩ/R18))V_i，實現(xiàn)信號放大。

參見圖20，所示為本發(fā)明有源帶通濾波器一種實施方式的電路原理圖，包括：第二十電阻R20、第三十電阻R30、第九電阻R9、第二十七電阻R27、第十六電阻R16、第十七電阻R17、第七電阻R7、第二十一電阻R21、第二十二電阻R22、第八電阻R8、第二十六電容C26、第二十六電容C26、第二十七電容C27、第三十二電容C32、第二十二電容C22、第三十五電容C35、第二十三電容C23、第電容C、第八集成運放U8、第十集成運放U10、第十一集成運放U11，其中，第二十六電容C26一端與第二十七電容C27的一端、第九電阻R9的一端相連接，第二十七電容C27的另一端與第八集成運放U8的第三腳、第二十電阻R20的一端相連接，第九電阻R9的另一端與第八集成運放U8的第一腳、第二十七電阻R27一端、第十六電阻R16的一端相連接，第二十七電阻R27的另一端與第八集成運放U8的第四腳、第三十電阻R30的一端相連接，第十六電阻R16的另一端與第三十二電容C32一端、第七電阻R7的一端、第十七電阻R17一端相連接、第十七電阻R17與第十集成運放U10的第四腳、第二十二電容C22的一端相連接，第七電阻R7的另一端與第二十二電容C22的另一端、第十集成運放U10的第一腳、第二十一電阻R21一端相連接，第二十一電阻R21的另一端與第三十五電容C35一端、第二十二電阻R22一端、第八電阻R8的一端相連接、第二十二電阻R22的另一端與第十一集成運放U11的第四腳、第二十三電容C23的一端相連接，第八電阻R8的另一端與第二十三電容C23的另一端、第十一集成運放U11的第一腳相連接，第二十電阻R20另一端與第三十電阻另一端、第三十二電容C32另一端、第三十五電容C35另一端共同與模擬地相連接。

上述電路中，利用兩個二階多端反饋(MFB)低通濾波器級聯(lián)構(gòu)成四階低通濾波器。對于單個二階多端反饋(MFB)低通濾波器，根據(jù)基爾霍夫定理以及負反饋運放特性可得：

其中K為濾波器增益，ω_c為濾波器截止頻率，B和C是歸一化系數(shù)。

根據(jù)無限增益多路反饋電路拓撲結(jié)構(gòu)可得歸一化系數(shù)B＝1.414，C＝1，由經(jīng)驗規(guī)則選定C₃₂近似于10/f_c，由設(shè)計指標截止頻率f_c＝10Hz，可得C₃₂＝1uF，濾波器增益分別1和10，低通濾波電路器件參數(shù)如表2所示。仿真分析可得低通濾波器幅頻特性響應(yīng)，其3dB截頻為8.237Hz，滿足設(shè)計要求。具體涉及參數(shù)如下表所示。

表2低通濾波電路元器件參數(shù)選型

壓控電壓源高通濾波器電路設(shè)計原理為，利用RC濾波電路和同相比例放大電路組成二階壓控電壓源高通濾波器，該濾波器具有輸入阻抗高，輸出阻抗低的特點。巴特沃斯高通濾波器的傳遞函數(shù)如為

其中K為濾波器增益，ω_c為濾波器截止頻率。

根據(jù)設(shè)計指標，截止頻率f_c＝0.1Hz，濾波器增益K＝10，在f＝0.1f_c時，要求幅度衰減大于30dB，令R₉＝R₂₀＝R，C₂₆＝C₂₇＝C，f_c＝1/(2πRC)。高通濾波電路元器件參數(shù)如表3所示。仿真結(jié)果為壓控電壓源高通濾波器的幅頻響應(yīng)，其3dB截頻為0.099Hz，通帶特性滿足設(shè)計要求，具體電路器件參數(shù)如下表3所示。

表3高通濾波電路元器件參數(shù)選型

進一步的，呼吸和心跳信號分離模塊包括電平搬移電路、模數(shù)轉(zhuǎn)換器和數(shù)字濾波器。由于放大電路采用雙電源運放，信號的擺幅變大，輸出信號也出現(xiàn)正負電平，不可避免的為后級ADC轉(zhuǎn)換器采樣帶來不便，所以需要通過電平搬移電路將信號電平搬移到ADC轉(zhuǎn)換器允許的信號輸入范圍。

參見圖21，所示為電平搬移電路的電路原理圖，包括：第二十八電容C28、第三十電容C30、第十電阻R10、第十四電阻R14、第十二電阻R12、第二十三電阻R23、第二十八電阻R28、第十一電阻R11、第十五電阻R15、第六集成運放U6、第七集成運放U7、第三二極管D3、第四二極管D4，其中，第十電阻R10一端與第十四電阻R14的一端、第二十八電容C28的一端、第六集成運放U6的第三腳相連接，第六集成運放U6第四腳與第六集成運放U6第一腳、第十二電阻R12的一端相連接，第十二電阻R12的另一端與第十一電阻R11的一端、第七集成運放U7的第三腳相連接，第二十三電阻R23一端與第二十八電阻R28的一端、第七集成運放U7的第四腳相連接，第二十八電阻R28的另一端與第七集成運放U7的第一腳、第十五電阻R15的一端相連接，第十五電阻R15的另一端與第三十電容C30的一端、第三二極管D3的正端、第四二極管D4的負端相連接，第十四電阻R14的另一端與第二十八電容C28的另一端、第十一電阻R11的另一端、第三十電容C30的另一端、第四二極管D4的正端共同與模擬地相連接。

上述電路中，經(jīng)過帶通濾波器濾波后的雷達信號采樣運放OPA188構(gòu)成差分運算電路，在運放的正向輸入端疊加恒定電壓源，構(gòu)成電平搬移電路，其中電壓源采用運放TLV2631構(gòu)成電壓跟隨器產(chǎn)生基準2.5V電壓源。其中這樣通過電平搬移可將輸出負電平信號搬移到正電平。輸出信號加上D3、D4兩顆二極管，防止信號過大對運放造成損壞，也保證輸出信號在ADC轉(zhuǎn)換器輸入電壓范圍內(nèi)。

模數(shù)轉(zhuǎn)換器用于將模擬量轉(zhuǎn)換成離散的數(shù)字量，本系統(tǒng)設(shè)計雷達信號輸出信號頻率遠低于20Hz，采樣頻率設(shè)置為50Hz，轉(zhuǎn)換速度較低，可以使用普通轉(zhuǎn)換速率的AD轉(zhuǎn)換器。雷達信號放大輸出包含呼吸和心跳信號，為保證后續(xù)數(shù)字濾波處理能夠很好的分離呼吸和心跳信號，這就需要選擇較高分辨率以及多通道的AD轉(zhuǎn)換器。

參見圖22，所示為模數(shù)轉(zhuǎn)換器的電路原理圖，包括：第四十三電容C43、第四十二電容C42、第四十四電容C44、第四十八電容C48、第四十九電容C49、第四十電容C40、第三十五電阻R35、第三十二電阻R32、第十三AD轉(zhuǎn)換芯片U13，其中，第四十三電容C43的一端與第四十二電容C42的一端、第十三AD轉(zhuǎn)換芯片U13的第九腳相連接，第四十四電容C44的一端與第十三AD轉(zhuǎn)換芯片U13的第十腳相連接，第四十八電容C48一端與第四十九電容C49的一端、第三十五電阻的一端、第十三AD轉(zhuǎn)換芯片U13的第十三腳相連接，第四十電容C40一端與第十三AD轉(zhuǎn)換芯片U13的第十六腳相連接，第三十二電阻R32的一端與第十三AD轉(zhuǎn)換芯片U13的第一腳相連接，第四十三電容C43的另一端與第四十二電容C42的另一端、第四十四電容的另一端、第十三AD轉(zhuǎn)換芯片U13的第十一腳、第十二腳、第四十八電容C48的另一端、第四十九電容的另一端共同與模擬地相連接。第四十電容C40的另一端與數(shù)字地相連接。

其中，采用美信公司MAX1167模數(shù)轉(zhuǎn)換器，該芯片為低功耗、多通道、16位逐次逼近型模數(shù)轉(zhuǎn)換器(ADC)，在10kps時，電流僅185μA。具有內(nèi)部基準以及外部基準可供選擇并帶有一個高速SPI/QSPI/兼容的接口。MAX1167采用單+5V模擬電源工作，且具有獨立的數(shù)字電源，允許直接與+2.7V至+5.5V的數(shù)字邏輯接口。MAX1167外部參考電壓源為高精度ADR445，具有很高的穩(wěn)定度。MAX1167優(yōu)異的動態(tài)性能及低功耗，足以滿足當前系統(tǒng)A/D轉(zhuǎn)換器的要求。

數(shù)字濾波器采用數(shù)字濾波技術(shù)在頻域?qū)粑盘柡托奶盘栠M行分離。在本發(fā)明一種優(yōu)選實施方式中，數(shù)字濾波器采用FIR濾波器、IIR濾波器或者零相位IIR濾波器中的任一種。下面分別詳述三種數(shù)字濾波器的設(shè)計原理。

FIR(Finite Impulse Response)濾波器是有限長單位沖激響應(yīng)濾波器，它可以在保證任意幅頻特性的同時具有嚴格的線性相頻特性，同時其單位抽樣響應(yīng)是有限長的，因而濾波器是穩(wěn)定的系統(tǒng)。由于生理信號中的呼吸、心跳信號，能量主要集中在零頻附近，采用傳統(tǒng)的數(shù)字濾波器必須滿足以下要求：

(1)呼吸、心跳信號的頻帶范圍主要集中在0.1Hz-4Hz，因此濾波器的帶寬必須非常窄，以檢測能量集中在低頻段的目標信號；

(2)為了濾除有用信號頻帶范圍之外的雜波干擾與噪聲，在頻域，濾波器的過渡帶降落速度要非常快，以獲得較陡的過渡帶，盡量減少濾波器的波尾。

本發(fā)明中，生理信號濾波器的設(shè)計指標如下表4所示。

表4：生理信號濾波器設(shè)計指標

FIR濾波器的兩種直接設(shè)計方法是加窗傅里葉級數(shù)法和頻率抽樣法。在設(shè)計濾波器過程中，選定數(shù)字濾波器的類型后，接下來就要估計滿足給定濾波器指標所需要的濾波器的階數(shù)。為了降低計算的復(fù)雜度，濾波器階數(shù)應(yīng)該選為大于或等于該估計值得最小整數(shù)。

用窗函數(shù)法設(shè)計的濾波器性能取決于窗函數(shù)w(n)的類型及窗口長度N的取值。在濾波器設(shè)計過程中，選定數(shù)字濾波器的類型后，接下來就要估算滿足給定濾波器指標所需要的濾波器階數(shù)。為降低計算的復(fù)雜度，濾波器階數(shù)應(yīng)該選為大于或者等于該估計值得最小整數(shù)。一些學者提出了從下面的數(shù)字濾波器的指標直接估計濾波器階數(shù)為N的最小方程如Kaiser方程：設(shè)歸一化通帶邊界角頻率ω_p，歸一化阻帶邊界角頻率ω_s，峰值通帶波紋δ_p，以及峰值阻帶波紋δ_s。Kaiser方程：

其中，頻率ω_p和ω_s分別稱為通帶邊界頻率和阻帶邊界頻率。δ_p和δ_s稱為通帶和阻帶的誤差容值即波紋峰值。

而峰值通帶波紋值α_p＝-20lg(1-δ_p)dB，最小阻帶衰減α_s＝-20lg(δ_s)dB。

設(shè)采樣頻率為ft，fp和fs為通帶和阻帶邊界頻率，則以弧度為單位的歸一化邊界角頻率可以表示為：

由此可以根據(jù)Kaiser估算出實際濾波器的窗口長度，然后可以按照過渡帶及阻帶衰減情況，選擇窗函數(shù)形式。窗函數(shù)的選取應(yīng)滿足：在保證阻帶衰減滿足要求的情況下，盡量選擇主瓣窄的窗函數(shù)以獲取較陡的過渡帶；盡量減少窗譜最大旁瓣的相對幅度以減小波紋峰值。表5為各種窗口函數(shù)的性能指標。

表5窗函數(shù)性能指標

根據(jù)Kaiser方程可以計算出呼吸和心跳信號窗函數(shù)長度N最小整數(shù)值分別為：227和302。依據(jù)阻帶最大增益可以滿足接近滿足的窗函數(shù)有漢寧窗和漢明窗，由于呼吸信號和心跳信號在頻域的譜峰離得非常近，因此需要選取一款頻率分辨率高的窗函數(shù)。漢寧窗和漢明窗都屬于升余弦窗，其特點是旁瓣泄露少。二者相比較而言，漢明窗的主瓣稍窄于漢寧窗，且漢明窗的第一旁瓣衰減速度快于漢寧窗，上述兩點都致使?jié)h明窗的頻率分辨率優(yōu)于漢寧窗，因此選用漢明窗作為濾波器窗函數(shù)。

IIR數(shù)字濾波器稱之為遞歸濾波器，采用遞歸型結(jié)構(gòu)，即結(jié)構(gòu)上帶有反饋環(huán)路。IIR濾波器運算結(jié)構(gòu)通常由延時、乘以系數(shù)和相加等基本運算組成，可以組合成直接型、正準型、級聯(lián)型、并聯(lián)型四種結(jié)構(gòu)形式，都具有反饋回路。對于IIR數(shù)字濾波器，最常用的設(shè)計手段是將數(shù)字濾波器的設(shè)計指標轉(zhuǎn)化成模擬濾波器設(shè)計指標，從而確定滿足這些指標的模擬濾波器的傳遞函數(shù)，然后再講它轉(zhuǎn)換為所求的數(shù)字濾波器的傳遞函數(shù)。其優(yōu)勢是可以利用一些經(jīng)典的模擬濾波器形式快速完成設(shè)計。常用的模擬濾波器有巴特沃斯(Butterworth)濾波器、切比雪夫(Chebyshev)濾波器、橢圓(Ellipse)濾波器、貝塞爾(Bessel)濾波器等。數(shù)字濾波器和模擬濾波器有千絲萬縷的聯(lián)系，它們之間的轉(zhuǎn)換是s平面和z平面的轉(zhuǎn)換，轉(zhuǎn)換的基本方式就是沖激響應(yīng)不變法和雙線性變換法。橢圓濾波器，它是采用橢圓法設(shè)計出低通的模擬濾波器，然后采用變換的方法得到數(shù)字的高通、低通、帶通和帶阻的濾波器。在模擬濾波器的設(shè)計中，橢圓濾波器的設(shè)計是幾種濾波器設(shè)計方法中最為復(fù)雜的一種方法，但是它設(shè)計出的濾波器的階數(shù)最小，而且它的過渡帶比較窄。橢圓濾波器相比其他類型的濾波器，在階數(shù)相同的條件下有著最小的通帶和阻帶波動，在通帶和阻帶的波動相同。

采用橢圓濾波器，可以得最小的階數(shù)，實現(xiàn)給定的濾波器技術(shù)指標，橢圓濾波器需要的計算量最小。基于Matlab濾波器設(shè)計工具箱FDATOOL，濾波器參數(shù)同上一節(jié)設(shè)計參數(shù)一致的情況下，提取呼吸信號的橢圓濾波器階數(shù)最小僅需要8階，用于提取心跳信號的橢圓濾波器階數(shù)最小只需要14階，可以看出運算量遠遠小于FIR濾波器階數(shù)。

參見圖23和圖24，所示為分別采用FIR濾波器和IIR濾波器進行濾波分離呼吸信號時域和頻域?qū)Ρ葓D，從實驗結(jié)果來看，在時域和頻域的信號對比中，F(xiàn)IR濾波器和IIR濾波器都可以有效的分離出呼吸信號，F(xiàn)IR濾波后信號相頻特性好，易實現(xiàn)線性相位，但所需濾波器階數(shù)高，運算存儲單元多，信號延遲較大。IIR濾波器實現(xiàn)相同設(shè)計指標參數(shù)，具有濾波器階數(shù)少，所需運算存儲單元少，運算量少等特點，但濾波后的信號存在嚴重相位失真。

針對上述兩種濾波方法的優(yōu)缺點，本發(fā)明在IIR濾波方法基礎(chǔ)上進行優(yōu)化并改進后提出零相位IIR濾波器，從而達到完全消除信號相位失真。

零相位IIR濾波器的基本原理如下：首先根據(jù)呼吸和心跳信號分別設(shè)計IIR濾波器，然后使信號序列正向通過濾波器得到第一次濾波的輸出，然后將第一次濾波的輸出序列進行時域翻轉(zhuǎn)，將時域翻轉(zhuǎn)后的序列通過同樣的濾波器進行二次濾波，二次濾波后的輸出再次進行時域翻轉(zhuǎn)，這樣可以利用正向時間序列和翻轉(zhuǎn)時間序列通過濾波器時的相移相互抵消，從而實現(xiàn)濾波結(jié)果的零相移。假設(shè)濾波函數(shù)為H(z)，輸入序列的z變化為X(z)，那么零相位濾波過程可以表示如下：

Y₁(e^jω)＝X(e^jω)H(e^jω)；

Y₂(e^jω)＝e-^jω(N-1)Y₁(e-^jω)；

Y₃(e^jω)＝Y(jié)₂(e^jω)H(e^jω)；

Y₄(e^jω)＝e-^jω(N-1)Y₃(e-^jω)；

有上式推導(dǎo)可得，最終輸入輸出可以表示為：

Y(e^jω)＝X(e^jω)|H(e^jω)|²

由此可以實現(xiàn)零相移濾波，從公式可以看出x序列是和濾波函數(shù)的平方相乘，因此濾波器的階數(shù)會加倍，并且因為平方相乘，相比于其他濾波相比，信號的幅度會有所降低。

參見圖25和26，所示為零相位濾波后呼吸信號和心跳信號時域圖，圖27為呼吸信號和心跳信號分離頻域圖，從圖中可以看出，零相位濾波一方面信號幅度比原始信號有部分衰減，另一方面濾波器的階數(shù)也會加倍，然而相對于FIR濾波計算階數(shù)的幾百階而言，階數(shù)還是很小的，計算量會顯著減小，再者由于濾波時對信號時域截斷，會導(dǎo)致信號邊界失真，對于呼吸信號而言使用8階濾波器后，再使用零相位濾波階數(shù)會增加到16階，信號兩邊信號失真，各損失16點數(shù)據(jù)。但總的來說幅度衰減不是很明顯，兩邊信號邊界損失對整個信號影響不是很大，對呼吸幅度頻率的提取沒有很大影響，能夠有效的提取信號特征。

在一種優(yōu)選實施方式中，數(shù)字濾波器通過所述MCU模塊中的程序?qū)崿F(xiàn)。

以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以對本發(fā)明進行若干改進和修飾，這些改進和修飾也落入本發(fā)明權(quán)利要求的保護范圍內(nèi)。

對所公開的實施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對這些實施例的多種修改對本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。

在一種優(yōu)選實施方式中，還包括將所獲取的呼吸信號和心跳信號發(fā)送到車載電腦的步驟，通過無線通訊模塊以無線的方式將獲取人體呼吸信號和心跳信號發(fā)送到車載電腦。無線通訊模塊與所述MCU模塊相連接，用于將所述MCU模塊獲取人體呼吸信號和心跳信號發(fā)送到車載電腦，進一步的，無線通訊模塊采用2.4G無線模塊NRF24L01。通過車載電腦存儲和處理患者呼吸和心跳變化的情況，借助車載電腦大數(shù)據(jù)處理和存儲的功能提高生理信號的檢測精度，并能夠?qū)崟r顯示。

以上實施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。應(yīng)當指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以對本發(fā)明進行若干改進和修飾，這些改進和修飾也落入本發(fā)明權(quán)利要求的保護范圍內(nèi)。

對所公開的實施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對這些實施例的多種修改對本領(lǐng)域的專業(yè)技術(shù)人員來說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實施例中實現(xiàn)。因此，本發(fā)明將不會被限制于本文所示的這些實施例，而是要符合與本文所公開的原理和新穎特點相一致的最寬的范圍。