买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉合肥工业大学申请的专利基于视频和调频连续波雷达信息融合的非接触式人体呼吸率测量方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116530967B 。

龙图腾网通过国家知识产权局官网在2025-12-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310510531.4，技术领域涉及：A61B5/08；该发明授权基于视频和调频连续波雷达信息融合的非接触式人体呼吸率测量方法是由宋仁成;任聪;杨学志;李畅;成娟;陈勋设计研发完成，并于2023-05-08向国家知识产权局提交的专利申请。

本基于视频和调频连续波雷达信息融合的非接触式人体呼吸率测量方法在说明书摘要公布了：本发明公开了一种基于视频和调频连续波雷达信息融合的非接触式人体呼吸率测量方法，包括：1分别处理视频和雷达双模态数据得到像素运动轨迹和距离角度图时间序列；2视频测量部分采用谱减法和主成分分析技术进行预处理，雷达测量部分采用静态杂波去除和平均滤波技术进行预处理，两种模态均采用经验模态分解技术进行单一模态测量；3特征级融合，将预处理后的双模态信号采用多元奇异谱分析提取共享的呼吸信号；4决策级融合，根据特征级融合结果和单一模态测量结果的信噪比加权频域估计值求和得到最终测量结果。本发明可在多种自发运动场景下进行呼吸测量，测量结果相比单一模态方法有显著提升，能有效地拓展视频和雷达融合测量的应用范围。

本发明授权基于视频和调频连续波雷达信息融合的非接触式人体呼吸率测量方法在权利要求书中公布了：1.一种基于视频和调频连续波雷达信息融合的非接触式人体呼吸率测量方法，其特征在于，包括以下步骤： 步骤一、双模态数据生成； 步骤1.1、视频测量部分； 从受试者的J帧视频图像中提取左右两个肩部感兴趣区域的特征点运动轨迹时间序列；其中，令第j帧肩部感兴趣区域的N个特征点的坐标信息记为其中，表示第j帧视频图像中肩部感兴趣区域的第n个特征点的坐标信息，j∈[2，J]； 由J帧肩部感兴趣区域的第n个特征点的坐标信息分别生成垂直像素运动轨迹和水平像素运动轨迹n＝1，...，N；其中，和分别表示第j帧肩部感兴趣区域的第n个特征点的横坐标和纵坐标； 步骤1.2、雷达测量部分； 从受试者T帧雷达原始数据中获取探测区域内的距离角度图时间序列{RMt，t＝1,2，...，T}；其中，RMt表示第t帧的距离角度图； 步骤二、双模态数据预处理与单一模态测量； 步骤2.1、视频测量部分； 步骤2.1.1、对垂直像素运动轨迹Yn和水平像素运动轨迹Xn分别进行带通滤波后，再采用快速傅里叶变换分别计算出Xn的频谱fXn、Yn的频谱fYn，从而采用谱减法得到去噪后垂直像素运动轨迹Yn的剩余频谱f′Yn；若f′Yn的振幅为负值，则令f′Yn＝0；否则，采用快速傅里叶变换的逆变换将f′Yn转换为时域信号Y′n； 步骤2.1.2、采用主成分分析提取Y′n中累计贡献率大于阈值的波形并在时域求和，得到左、右肩部的求和结果，相应记为X1和X2； 步骤2.1.3、采用串行自适应噪声的完全集合经验模态分解方法对波形进行分解，得到若干个本征模态函数；选取信噪比最高的若干个本征模态函数采用快速傅里叶变换分别求取其主频，最后选取出现次数最多的主频记为RR1，其对应的信噪比记为SNR1； 步骤2.2、雷达测量部分； 步骤2.2.1、采用静态杂波去除方法对距离角度图时间序列{RMt，t＝1,2，...，T}进行处理，得到静态杂波去除后的T帧距离角度图{RM′t，t＝1,2，...，T}；其中，RM′t为静态杂波去除后的第t帧的距离角度图； 步骤2.2.2、采用恒虚警检测器对{RM′t，t＝1,2，...，T}进行处理，得到目标位置坐标集合{PXt，PYt，t＝1,2，...，T}，PXt，PYt表示RM′t的目标位置坐标集合； 令目标位置坐标集合{PXt，PYt，t＝1,2，...，T}所对应的幅值集合为其中，表示PX，PY对应的幅值集合； 步骤2.2.3、将RM′的目标位置坐标集合PX，PY内每个坐标点沿距离方向取其相邻的两个点，并取三个坐标点的均值后作为每个坐标点的新幅值，从而得到PX，PY对应的新幅值集合进而得到新的距离角度图RM″ 步骤2.2.4、根据新幅值集合计算新的距离角度图RM″中每个目标位置的相位值，并将T帧的第i个目标位置的相位值按帧连接后，得到第i段相位变化信号共获取I段相位变化信号其中，表示第t帧的第i个目标位置的相位值，且每段相位变化信号含T帧； 步骤2.2.5、采用相位解缠绕将每一帧的相位值缩小在-π至π的范围内，再采用差分、平滑、带通滤波对缩小后的相位值进行处理，得到去除噪声后的I段相位变化信号； 步骤2.2.6、选取处理后的I段相位变化信号中信噪比最高的两段信号记为X3和X4； 步骤2.2.7、按照步骤2.1.3的过程对去除噪声后的I段相位变化信号进行处理，得到主频RR6及其对应的信噪比SNR6； 步骤三、特征级融合； 步骤3.1、将视频预处理结果X1和X2与雷达预处理结果X3和X4进行归一化操作后，得到归一化后的四个输入信号，并将其中第r个输入信号记为其中，表示第r个输入信号在第F个点的取值，F表示样本量，r＝1,2,3,4； 步骤3.2、令M为嵌入的窗口长，且将第r个输入信号X′r嵌入到汉克尔轨迹矩阵中，得到维数为M×K的第r个嵌入后的汉克尔轨迹矩阵Hr，其中，K表示构成子序列的数量，且K＝F-M+1； 利用多元奇异谱分析法将所有嵌入后的汉克尔轨迹矩阵{Hr，r＝1,2，...，4}嵌入为维数为M×K×4的垂直形式H； 步骤3.3、对H进行奇异值分解，得到4×M个特征值记为λ1，λ2，...，λe，...，λ4M及其对应的特征向量U1，U2，...，Ue，...，I4M；其中，λe表示第e个特征值，Ue表示第e个特征值λe对应的特征向量； 设H秩为k，计算第g个特征值λg对应的右奇异向量并计算第g个降维矩阵Hg的秩为1，Hg的维度为4M×K； 步骤3.4、采用反对角平均计算法将Hg转换为第g段呼吸脉冲信号从而得到k段呼吸脉冲信号其中，表示第g段呼吸脉冲信号第F个点对应的幅值； 将k段呼吸脉冲信号分为其中，表示第w段呼吸脉冲信号；表示将k4的结果进行向下取整的操作； 选择第一组呼吸脉冲信号作为特征级融合结果； 步骤3.5、采用快速傅里叶变换分别计算的主频RR2、的主频RR3、的主频RR4、的主频RR5，的信噪比SNR2、的信噪比SNR3、的信噪比SNR4、的信噪比SNR 步骤四、决策级融合； 将信噪比{SNR，s＝1,2，...，6}求和后，得到信噪比之和记为SNRsum；其中，SNR表示第s种呼吸信号对应的信噪比； 对于第s种呼吸信号对应的主频RR，第s种呼吸信号对应的权值为SNRSNRsum，s＝1,2，...，6；从而计算两级融合结果

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。