0 引 言
雷达起源于二战，主要用于军事目标探测。二战后雷达被广泛应用于民用领域，包括地面测绘、导航、天气预报等。传统雷达体积庞大，作用距离远，不利于携带，虽然在人们的日常生活中起着重要作用，但一般作为一种普惠性质的公共服务出现，不与人们直接接触。近年来，随着芯片集成技术的不断发展，雷达不断小型化，雷达进入我们的日常生活成为可能。小型化的车载毫米波雷达已经在自动驾驶领域得到广泛应用[1-4]，其作用距离一般为几十到几百米，体积大小一般为手掌大小。随着雷达的进一步小型化，基于毫米波雷达的各种近距消费级应用如无接触手势交互、生命体征探测、室内定位、血压监测等逐渐成为研究热点[5-12]。这类雷达产品针对的是小于10 m的近距消费级应用。因此雷达的小型化至关重要，以便能搭载于各种消费电子产品中。如Google公司于2019年发布的Pixel4手机上搭载的60 GHz手势雷达，其体积仅为半块指甲盖大小。华为公司在其Mate40手机同样搭载了类似的毫米波雷达手势交互模块。
在生命体征探测方面，早在1975年Lin教授就提出了一种基于单频连续波雷达的无创微波呼吸测量系统[13]，常用于地震搜救工作[14]。但这类雷达系统体积依然很大，无法搭载于消费电子产品。近年来，随着雷达小型化，应用于一般生活场景的消费级健康监测雷达逐渐成为了研究热点，许多难题被攻克[7-12, 15-19]。然而，由于车内环境比一般室内环境更为复杂，目前基于毫米波雷达的车内乘员健康监测依然面临严峻挑战。车内空间狭小，座椅、车体框架反射带来的环境杂波更多、更强。此外，在车辆行进过程中，引擎振动和路面的微小起伏引起车体的振动，也会使得乘员的呼吸心跳监测变得更为困难。
本文提出了基于微型化调频连续波(FMCW)雷达的抗车体振动乘员健康监测方法。对仅有引擎振动和既有引擎振动又有路面振动两种情况分别作了研究。该方法利用FMCW雷达将不同距离物体的运动信息转化为相位信息加载于中频信号的不同频率成分中的特点以及车内乘员位置相对固定的特点，仅取乘员位置对应中频频率成分的相位信息，有效隔绝了车体其他部分的振动对乘员健康监测的干扰。仿真和实验结果均表明，该方法可以在车体振动情况下有效工作。
1 抗车体振动的乘员健康监测方法
对于一个锯齿调制的FMCW雷达系统，发射(TX)天线发射的信号可以建模如下[7]：
st(t)= A0exp(j(2πfct+πkt2+φ0))
(1)
式中： k=B/t0，B为扫描带宽；t0为扫频周期；A0为幅度；fc为载波的中心频率；φ0 为初始相位；t为“快时间”[7]，并且t∈(-t0/2,t0/2)。发射信号碰到物体反射回来，反射信号由接收 (RX) 天线接收，可建模如下：
sr(t)=ρA0st(t-Δt)
(2)
式中：ρ为st(t)和sr(t)的幅度关系系数，主要与目标的雷达散射面积(RCS)和电磁波传播损耗有关；Δt为电磁波到达目标表面并返回雷达收发器的往返时间间隔，Δt=2R(τ)/c，c为光速，R(τ)为天线与物体的距离，τ是“慢时间”[7]。st(t)和sr(t)经过混频器输出，得到拍频信号：
(3)
式中，
表示sr(t)的复共轭。 sb(t)的完整表示为
(4)
对式(4)作傅里叶变换，可得sb(t)的频域形式：
Sb(f)=
(5)
Sb(f)中有两个重要部分，分别是最大值点的频率fd(τ)和最大值点的相位φ(τ)。由最大值点的频率fd(τ)可求得目标物体的距离R(τ)：
(6)
因为相位值φ(τ)只能在[-π,π]之间，所以由最大值点的相位只能求得目标物体的运动x(τ)：
(7)
图1展示了基于微型化FMCW雷达的健康监测算法框图。首先取一个周期的中频信号sb(t)，对其作快速傅里叶变换(FFT)得到频谱Sb(f)；然后取频谱上目标所在频点的相位φ(τ)，将其换算为一个运动点x(τ)；再取下一个周期的中频信号，重复以上步骤，得到下一个运动点；如此继续下去，将所有运动点连起来，最后得到完整的人体胸腔的起伏轨迹。根据文献[20-21]的研究，虽然由相位值无法求得目标物体的绝对距离，但相位值求得的运动的精度远高于由频率值求得的绝对距离。
图1 微型化FMCW雷达健康监测算法框图
传统雷达在车内探测时，车内环境复杂，座椅、车体金属框架的反射杂波将严重干扰乘员的健康状态监测。且由于车辆引擎的振动和路面起伏带来的振动，杂波也处于振动中，无法采用一般的动目标显示方法(Moving Target Indicator, MTI)去除环境杂波的影响，为雷达的车内探测带来了更大的困难。然而对于毫米波FMCW雷达探测而言，参考(式(5))，不同反射物体在中频信号中的反映是不同频率的拍频信号(式(5))，且频率fd(τ)与其所对应物体的距离成正比例。因此在求乘员的呼吸心跳时，只取乘员位置对应频率的相位，有效隔绝了环境杂波对应频率的相位对乘员生命体征探测的影响。
2 仿真及分析
本节通过仿真验证了基于微型化FMCW雷达的抗振乘员健康监测方法应用于车内乘员呼吸心跳监测的潜力。
2.1 仿真设置
仿真设置如图2所示。一个120 GHz FMCW雷达探测距离雷达40 cm处的目标物体的运动。在距离雷达60 cm和80 cm处还存在两个运动的环境物体，用于模拟车内环境杂波。目标物体作频率1 Hz、幅度1 cm的正弦运动。杂波1物体作频率0.5 Hz、幅度1.5 cm的正弦运动，杂波2物体作频率2 Hz、幅度0.5 cm的正弦运动。雷达的带宽设置为4 GHz，扫频周期设置为6 ms，中频信号采样率为100 kHz。
图2 微型化雷达探测仿真设置
2.2 仿真结果
图3～5展示了仿真结果。图3为仿真的中频信号，叠加有3个物体的拍频信号。图4为中频信号的频谱，可以看到3个峰，分别为目标物体、杂波物体1和杂波物体2。由于物体在振动，所以可以看到3个物体的峰值也在微动。图5展示了从图4中3个峰上提取的运动。可以看到，图5(a)提取自第1个峰，对应目标物体的运动，运动符合1cm@1Hz的标准正弦运动。图5(b)提取自第2个峰，对应杂波物体1的运动，符合1.5cm@0.5Hz的标准正弦运动。图5(c)提取自第3个峰，对应杂波物体2的运动，符合0.5cm@2Hz的标准正弦运动。综上，FMCW雷达可以在距离向上有效隔绝环境杂波对目标物体探测的干扰，因此其适用于车上的乘员健康状态监测。
图3 仿真的中频信号
图4 仿真的中频信号的频谱(50个扫频周期)
(a) 目标物体的运动
(b) 杂波物体1的运动
(c) 杂波物体2的运动
图5 仿真探测到的运动
3 实验及分析
本节将一个实际的微型化120 GHz FMCW雷达系统应用于车上的乘员健康监测。分别验证了所提出的基于FMCW雷达的乘员健康状态监测方法在仅有引擎振动时和既有引擎振动又有路面振动时的效果。
3.1 微型化FMCW雷达硬件介绍
图6展示了所用的微型化120 GHz雷达系统框图。主要包括1个120 GHz片上雷达芯片，其内部集成有功率放大器(PA)、低噪声放大器(LNA)、压控振荡器(VCO)、混频器、分频器、片上发射天线(TX)、片上接收天线(RX)，1个锁相环芯片PLL4159和1个中频放大器作为雷达芯片的外围电路。PLL芯片与雷达芯片相连，通过编程设置驱动压控振荡器产生相应的锯齿扫频信号。中频放大器与雷达芯片输出相连，将输出的中频信号充分放大。放大后的中频信号通过数据采集卡(DAQ)采入笔记本电脑(PC)中，并经过进一步处理、解调得到目标的运动信息。可以看到，片上雷达芯片几乎集成了雷达所需的所有射频模块。它的使用，极大简化了雷达系统的电路设计，使得雷达系统得以微型化，具备了作为消费电子产品的可能。
图6 微型化120 GHz FMCW雷达系统框图
图7中的插图展示了微型化120 GHz FMCW雷达系统的实物细节，整个雷达板尺寸约3 cm×4 cm。雷达板所用的雷达芯片为Silicon Radar公司的TRA-120-01，所用的PLL芯片为亚德诺半导体公司的ADF4159，USB用于雷达的供电。I/Q两路信号为正交的中频信号。中频信号经过放置于方向盘后的数据采集卡采入旁边的笔记本电脑中。
图7 雷达实物与乘员健康状态监测实验设置
3.2 实验设置及实验结果
图7整体地展示了车内乘员健康状态监测的实验设置。可以看到，雷达通过胶带固定于方向盘上，距离乘员的胸口约40 cm。雷达扫频带宽设置为2 GHz，扫频周期设置为6 ms，数据采集卡采样率设置为10 kHz。
图8、图9为车辆静止，仅有引擎振动时的乘员呼吸心跳监测结果。图10、图11为车辆行驶在水泥路面时的呼吸心跳监测结果。图8展示了车辆仅引擎振动时中频信号频谱(100个周期)，其中第1个峰为收发链路的直接耦合，占了中频信号能量的大部分。第2个峰是受监测的乘员，第3个峰是后车壁的反射，因其正对雷达且为铁质，能量反射相对四周环境强得多。图9展示了车辆仅引擎振动时乘员呼吸心跳监测结果。乘员首先正常呼吸，然后屏住呼吸。从图9(a)呼吸心跳波形可以看到，监测结果前65 s为正常呼吸时的呼吸心跳监测结果，后15 s为屏息时心跳监测结果。图9(b)展示了正常呼吸时的呼吸心跳波形频谱，分析得知呼吸频率约为14.8次/分钟，心跳频率约为61.5次/分钟。图9(c)展示了屏息时心跳波形的频谱，分析得知，此时心跳的频率约为63.2次/分钟。在心跳频谱中还存在多个高次谐波，说明心跳波形保存较为完好。综上，当车辆静止，仅有引擎振动时，所提出的基于FMCW雷达的乘员健康状态监测方法完全隔绝了环境杂波的影响，非常好地记录下了乘员的呼吸心跳情况。
图8 车辆仅引擎振动时中频信号谱(100个扫频周期)
(a) 呼吸心跳波形
(b) 正常呼吸时呼吸心跳波形的频谱 (c) 屏息时呼吸心跳的频谱
图9 车辆仅引擎振动时乘员呼吸心跳监测结果
图10展示了车辆行驶于水泥路面时中频信号频谱(100个扫频周期)。第1个峰依然为收发泄露且占据了中频信号能量的大部分，第2个峰为乘员，此时由于路面的起伏，车辆振动较大，代表乘员的峰产生了较大的波动。第3个峰为车辆后壁，由于车体振动的影响，第3个峰的波峰也产生了恶化。图11展示了车辆行驶于水泥路面时的呼吸心跳监测结果。乘员首先正常呼吸，然后屏息。图11(a)为车辆行驶过程中监测到的呼吸心跳波形，可以看到，乘员前38 s处于正常呼吸状态，后10 s处于屏息状态。对比图9(a)，发现路面带来的振动严重影响了乘员生命体征监测，但由于FMCW雷达的杂波隔绝能力，此时呼吸波形依然可以清晰见到。图11(b)和图11(c)从频谱上进一步分析了监测结果。图11(b)展示了正常呼吸时的呼吸心跳波形频谱，可以看到，此时呼吸频率约为16.3次/分钟，心跳情况难以分辨。图11(c)为屏息时呼吸心跳波形，此时波形主要频率成分在4 Hz左右，这不是心跳波形，而是由车体振动带来的乘员身体振动和雷达的振动。这是因为心跳的起伏相对呼吸小很多，而路面起伏带来的振动远大于引擎引起的振动，使得心跳波形被车体振动淹没。综上，在车辆行进过程中，路面起伏引起的振动的影响远大于引擎振动的影响，在此情况下，所提出的基于FMCW雷达的抗车体振动乘员健康状态监测方法能比较好地监测乘员呼吸情况，但难以监测心跳的情况。
图10 车辆行驶于水泥路面时中频信号谱(100个扫频周期)
(a) 呼吸心跳波形
(b) 正常呼吸时呼吸心跳波形的频谱 (c) 屏息时呼吸心跳的频谱
图11 车辆行驶于水泥路面时乘员呼吸心跳监测结果
4 结束语
本文提出了基于微型化调频连续波(FMCW)雷达的抗车体振动的乘员健康监测方法。利用FMCW雷达将不同距离物体的运动信息转化为相位信息加载于中频信号的不同频率成分中的特点以及车内乘员位置相对固定的特点，仅取乘员位置对应中频频率成分的相位信息，有效隔绝了车体其他部分的振动对乘员健康监测的干扰。通过仿真，验证了基于微型化FMCW雷达的抗振乘员健康监测方法应用于车内呼吸心跳监测的潜力。通过车辆静止和车辆行驶两个实验，验证了基于微型化FMCW雷达的抗振乘员健康监测方法应用于车内乘员健康监测的效果。结果表明，该方法在车辆静止，仅有引擎振动时，可有效隔绝车体振动的影响，记录下清晰的呼吸心跳波形；在车辆行驶，有路面起伏振动时，心跳波形遭到破坏，但呼吸波形依然可以清晰记录。
[1] HASCH J, TOPAK E, SCHNABEL R, et al. Millimeter-Wave Technology for Automotive Radar Sensors in the 77 GHz Frequency Band[J]. IEEE Trans on Microwave Theory and Technique,2012,60(3):845-860.
[2] 曹孟德，张铖，黄永明，等. FMCW车载毫米波雷达空时码信号处理方案[J]. 雷达科学与技术，2019, 17(5):493-498.
[3] WALDSCHMIDT C, HASCH J, MENZEL W. Automotive Radar — From First Efforts to Future Systems[J]. IEEE Journal of Microwaves, 2021,1(1):135-148.
[4] PATOLE S M, TORLAK M, WANG D, et al. Automotive Radars: A Review of Signal Processing Techniques[J]. IEEE Signal Processing Magazine, 2017, 34(2):22-35.
[5] LI C Z, LUBECKE V M, BORIC-LUBECKE O, et al. Sensing of Life Activities at the Human-Microwave Frontier[J]. IEEE Journal of Microwaves, 2021,1(1):66-78.
[6] LIEN J, GILLIAN N, KARAGOZLER M E, et al. Soli: Ubiquitous Gesture Sensing with Millimeter-Wave Radar[J]. ACM Trans on Graphics, 2016, 35(4):1-19.
[7] PENG Z, RAN L, LI C . A K-Band Portable FMCW Radar with Beamforming Array for Short-Range Localization and Vital-Doppler Targets Discrimination[J]. IEEE Trans on Microwave Theory and Techniques, 2017, 65(9):3443-3452.
[8] WEN Li, GAO Yue, GU Changzhan, et al. PhysioChair: A Dual-Frequency Radar System for Noninvasive and Continuous Detection of Physiological Signatures[J]. IEEE Sensors Journal, 2022, 22(8):8224-8233.
[9] LIU Jingtao, LI Yuchen, LI Changzhi, et al. Accurate Measurement of Human Vital Signs with Linear FMCW Radars under Proximity Stationary Clutters[J]. IEEE Trans on Biomedical Circuits and Systems, 2021, 15(6):1393-1404.
[10] DONG Shuqin, WEN Li, ZHANG Zhi, et al. Contactless Measurement of Human Systolic Time Intervals Based on Differential Doppler Cardiogram in Clinical Environment[J]. IEEE Microwave and Wireless Components Letters, 2022, 32(6):796-799.
[11] LI Yuchen, GU Changzhan, MAO Junfa. 4-D Gesture Sensing Using Reconfigurable Virtual Array Based on a 60-GHz FMCW MIMO Radar Sensor[J]. IEEE Trans on Microwave Theory and Techniques, 2022, 70(7):3652-3665.
[12] DONG Shuqin, GU Changzhan, RAN Lixin, et al. Doppler Cardiogram Detection in the Presence of Respiration with a K-Band Radar Sensor [C]∥2022 IEEE Radio and Wireless Symposium (RWS), Las Vegas, NV, USA:IEEE,2022:45-48.
[13] LIN J C. Noninvasive Microwave Measurement of Respiration[J]. Proceedings of the IEEE, 1975, 63(10):1530.
[14] CHEN Kunmu, HUANG Yong, ZHANG Jianping, et al. Microwave Life-Detection Systems for Searching Human Subjects Under Earthquake Rubble or Behind Barrier[J]. IEEE Trans on Biomedical Engineering, 2000, 47(1):105-114.
[15] MERCURI M, LORATO I R, LIU Y H. et al. Vital-Sign Monitoring and Spatial Tracking of Multiple People Using a Contactless Radar-Based Sensor[J]. Nature Electronic, 2019(6):252-262.
[16] TURPPA E, KORTELAINEN J M, ANTROPOV O, et al. Vital Sign Monitoring Using FMCW Radar in Various Sleeping Scenarios[J]. Sensors, 2020, 20(22):6505-6520.
[17] ALIZADEH M, SHAKER G, DE ALMEIDA J C M, et al. Remote Monitoring of Human Vital Signs Using mm-Wave FMCW Radar[J]. IEEE Access, 2019, 7:54958-54968.
[18] VODAI T K, OLEKSAK K,KVELASHVILI T, et al. Enhancement of Remote Vital Sign Monitoring Detection Accuracy Using Multiple-Input Multiple-Output 77 GHz FMCW Radar[J]. IEEE Journal of Electromagnetics, RF and Microwaves in Medicine and Biology, 2021,6(1):111-122.
[19] MERCURI M, LU Yiting, POLITO S, et al. Enabling Robust Radar-Based Localization and Vital Signs Monitoring in Multipath Propagation Environments [J]. IEEE Trans on Biomedical Engineering, 2021, 68(11):3228-3240.
[20] PIOTROWSKY L, JAESCHKE T, KUEPPERS S, et al. Enabling High Accuracy Distance Measurements with FMCW Radar Sensors[J]. IEEE Trans on Microwave Theory and Techniques, 2019, 67(12):5360-5371.
[21] SCHERR S, AYHAN S, FISCHBACH B. et al. An Efficient Frequency and Phase Estimation Algorithm with CRB Performance for FMCW Radar Applications[J]. IEEE Trans on Instrumentation and Measurement, 2015, 64(7):1868-1875.
