1. 概述

1.1. 简介

本文提出了一种非接触性的心跳监测技术。该方法只使用现成的智能手机，不需要用户携带任何体内/体内设备，并使用人耳听不见的声信号来感知心跳，并生成Acousticcardiogram(ACG)，如图1所示。该方法的关键是将手机变成一种有源声纳，它可以传输听不见的高频信号，并捕捉从人类胸部反射的回信号。这些反射被呼吸和心跳引起的胸部运动调制，可进行解调，以用于生命体征监测。
在这里插入图片描述

1.2. 难点及其解决方案

商用智能设备上的扬声器和麦克风为通用设备，从扬声器直接传到麦克风的“功率泄露”成分很大，这将严重影响实际反射信号的识别。为了克服这一问题，ACG利用了普通智能设备上可用的两个麦克风来实现自干扰消除（共模干扰）。由于从扬声器到两个麦克风的直接功率泄漏比从人类胸部的反射要强得多，因此它能够通过计算两个麦克风的信号之差来校准，以减小功率泄露的影响；
正常情况下，人类胸部的运动很微小，心跳产生的运动更弱。之前的工作采用啁啾信号将人类胸部的反射从其他环境反射中分离出来，并跟踪胸部运动引起的频率变化。然而，它仍然不能从整体反射中识别出心跳信号，因为由心跳引起的频移通常都小于FMCW声纳的分辨率。相反，我们跟踪目标空间范围内的信号相位变化。为了获得相位信息，作者引入了将接收到的带通信号转换为基带复信号的FMCW前端；
胸部运动不仅由心跳引起，还由人体呼吸引起。然而，心跳信号比呼吸信号弱一个数量级，因此信干比很小。然而，心脏信号是准周期的，且心率通常高于呼吸率，因此在足够的数据量下，可以在频域准确估计心率。于是作者提出了一种新的适应心率实时估计的梳状滤波器，它将心脏信号的基频及谐波从带外噪声和呼吸信号中分离出来。

2. FMCW SONAR

2.1. 原理

在这里插入图片描述

FMCW发射频率呈线性增加，声纳从而可以通过比较接收和发射的信号频率来确定时延。大致过程为：k = (Fh?Fl)/Ts，Δt = Δf/k ，则距离d = vΔt /2。FMCW的时域信号可表示为：
在这里插入图片描述

当多个反射体与麦克风位置不同时，反射将产生不同的频移，这可以通过在信号的扫描周期内进行傅里叶变换来区分。本质上，FMCW就是一个可以分离空间上不同的反射的空间滤波器。

2.2. 采用双麦克风以消除直射干扰

在这里插入图片描述
严重的自干扰可能导致目标反射的错误识别。图5显示了由单个麦克风捕获的原始蓝色声信号。由于扬声器和麦克风之间存在较强的直射路径，很难发现微弱的呼吸信号。
考虑到实际情况，作者利用智能手机上可用的两个麦克风来实现直射干扰消除。假设一个扬声器播放FMCW信号，两个麦克风的接收信号分别为r1(t)和r2(t)，ACG估计δt，并进一步计算两个接收信号之间的相关性c，并在r1(t)中减去时移（和r1对其）后的加权r2(t)信号。
在这里插入图片描述

完成直射信号成分消除后，如图5红色的输出信号所示，其中可以清楚地识别出呼吸波形。

2.3. 基带信号处理

由2.1容易推得，FMCW声纳的距离分辨率为δd = v/2B。以比较正常的数值进行计算，可得分辨率为2×343m/s/2×2000Hz =8.6cm，怕是心肺复苏都没这么夸张。
由于商业音频系统的声音带宽有限，不可能直接测量呼吸和心跳运动。为了解决这个问题，ACG将FMCW信号变频至基带，并连续提取信号相位。经过 τt (< Ts/2 ) 的延时和 α < 1的衰减，反射信号可被表示为：
在这里插入图片描述
经过下变频（其实就是乘以一个exp(-j2pi*fc)再经过LPF），得到基带信号rb(t)（其中P1、P2分别对应不同的时间范围）：通过对rb(t)进行频谱分析，得到频移为f = τ(t)B/Ts的成分。（其中第二项是频率跳变产生的）
在这里插入图片描述

φ(t)为信号的相位，其中第二项可忽略（远小于第一项）。
对啁啾信号的多次扫频分组进行傅里叶变换，以减轻高频随机噪声。然后，ACG对所选的时间差最大的成分进行PCA分析。图8显示了PCA第一成分的相位，其中可以发现呼吸产生的胸部运动和心跳产生的身体振动。
在这里插入图片描述

3. 生命体征监测

在这里插入图片描述

呼吸是周期性的，可以在信号相位的频谱图中清晰地看到，并预定义的频率范围内搜索最显著的峰值(文中使用0~60BPM)。此外，采样信号的时间决定了FFT分辨率。为了获得更准确的测量值，ACG对主峰及其相邻的两个峰进行IFFT，获得一个复杂的时域信号φ’(t)。φ’(t)只包含单个主导呼吸频率，因此其相位为准线性，其斜率对应于呼吸速率。因此，可以得到更精确的估计为（反归一化）：
在这里插入图片描述
提取个体心跳比估计呼吸和心率会带来更多的挑战。首先，心跳信号被强数量级的呼吸信号所混淆，且呼吸信号不是完美的正弦波，可能包含强谐波分量。其次，心跳波形缺乏心电信号那样的峰值，使得准确识别心跳间隔更加困难。RF传感领域现有技术通过两步法实现准确的心跳提取（这个没看懂，P5最后）。然而，由于其信噪比显著较低，该方法不能直接应用于声学信号。差分器同时也会放大高频噪声，从而淹没了心跳信号的谐波分量。

但是由于心跳信号是准周期的，其功率应集中在基频和谐波分量上。因此，ACG采用适应心率的IIR梳状滤波器，从噪声背景中提取心跳信号。滤波器的阶数设置为：采样率/心率。将滤波器表示为h(t)，然后将心率信号φh(t)表示为：
在这里插入图片描述
接着利用RF传感领域现有技术。（二阶噪声鲁棒性差分器滤波+EM算法提取个人心跳。