毫米波雷达呼吸与生命体征监测技术原理与应用
毫米波雷达利用电磁波的多普勒特性来监测人体呼吸和心跳。当电磁波照射到人体胸部时，由于呼吸和心跳引起的微小位移会导致反射波频率发生偏移。呼吸检测相对容易，因为腹部运动幅度较大；而心跳检测较为困难，因为心跳引起的体表变动更加微小，约为呼吸的十分之一或百分之一。
真实人体的呼吸和心率具有不规律性，表现为频率快慢变化、幅度深浅不一以及节律变化。睡眠监测主要依靠分析睡眠时呼吸和心率呈现的特征，如深睡时呼吸周期呈现稳定变化。毫米波雷达检测存在局限性，当人体正对雷达时检测较准确，但侧身、背身或者环境有干扰时，准确率会下降，特别是心跳信号更加容易受到干扰。
呼吸周期包含呼气和吸气两个阶段，当人体活动或讲话时呼吸会呈现明显不规律性。通过分析呼吸或心跳的变化特征，尤其是节律变化，可用于人体清醒或者睡眠的区分。
万蕴呼吸监测雷达技术的定位和特点
万蕴的呼吸监测雷达方案基于成熟的24发22收单芯片成像模组，采用了自研的射频成像芯片SoC，具有非常高的角度分辨率和性价比。目前我们提供了两套与呼吸监测相关的算法方案：
多功能监测方案
面向空间监测，可同时支持输出人体跟踪、跌倒、呼吸频率、睡眠分析和人体点云数据。支持顶装或墙装，覆盖面积可达20平方米，适用于养老监测和智能家居场景。
专业级呼吸体征监测方案
专注于呼吸监测，能输出准确的、实时连续的呼吸波形、体动、离床指示数据。主要安装方式支持床头柜或床头上方，监测范围约1.5米，适用于专业睡眠监测或者异常呼吸监测。
我们今天重点介绍的专业级呼吸体征监测方案，相比传统PSG多导睡眠监测中使用的呼吸胸腹带相比，能达到99%以上的准确率，同时得益于高分辨率雷达硬件的优势和先进的算法、对于各种不同的睡眠姿态都能实现稳定监测，不受被子、电风扇等环境的干扰。
之所以能达到这么高的准确率，其原理在于我们的高分辨率成像雷达能够同时检测人体约20个不同部位的微动信号，经过算法处理后输出最优检测点（通常是胸腔位置）的呼吸信号，从而减少环境或其他身体部位活动的干扰。同时，方案还提供置信度、呼吸监测点坐标、体动等数据输出，主要定位于专业级睡眠监测和异常呼吸监测应用。
目前该方案没有提供心跳数据，主要是由于相对于呼吸波形，雷达稳定监测心跳微动信号的难度相对比较高，尤其是如果输出类似心电图的连续数据，而专业的睡眠监测如心肺耦合算法，恰恰需要连续的心跳数据来分析心跳与呼吸的耦合关系，而非单一离散的心率统计值。
另一方面，呼吸波形或心跳波形的周期变异性与睡眠阶段都密切相关，都可以比较好的反映不同的睡眠状态。
睡眠监测技术简介
人体睡眠具有周期性特征，通常包含5-6个阶段：清醒期、REM（快速眼动期）、入睡期、浅睡期、深睡期。
不同睡眠阶段具有不同功能：深睡期对身体修复最为重要，REM期则与创造力相关。睡眠对人体健康至关重要，特别是30-40岁以后的人群，关系到生理修复、情绪调节等方面。对于儿童青少年，充足睡眠不仅能保证次日的精神状态，还能巩固白天学习的知识，通过夜间”幻灯片”般的过程强化记忆。
睡眠质量评估可以依靠主观感受，但更准确的方法是专业监测，主要包括：
多导睡眠监测（PSG）技术
目前最专业的睡眠评估方法，缺点是需要佩戴多种传感器（脑电、眼电、呼吸、心率等），由专业医生解读数据判断睡眠阶段和质量。
心肺耦合技术
通过简化传感器，利用核心的心电数据（ECG）即可实现高准确率的睡眠分期监测。
其睡眠分期方面监测精度略低于多导睡眠监测（PSG），被专业领域广泛认可。
穿戴式或者无感监测技术
主要是手表、手环、床垫和新的雷达技术，特点是使用方便，适用于日常监测，但是这类产品在睡眠监测准确度方面存在非常大的差异。
毫米波雷达在睡眠监测中的原理与实现
毫米波雷达通过监测呼吸在不同睡眠阶段的的特性来估算睡眠阶段，尤其是呼吸节律的稳定性，即每个呼吸周期的变化曲线（R-R间期），与睡眠阶段具有非常高的相关性，深睡时周期变化均匀，浅睡时抖动稍大，清醒和REM时抖动显著。
此外，呼吸幅度、体动和与睡眠阶段也有一定相关性，可以用于辅助睡眠阶段的判断。专业级毫米波雷达或手表通过连续的呼吸波形或心率变异性数据可以实现比较准确的睡眠监测，而离散的呼吸频率数据（如RPM）虽可用于趋势统计，但准确率较低。
Halo Rise智能睡眠监测和唤醒灯
亚马逊Halo Rise是一款典型的基于雷达的睡眠监测产品，发布于2022，核心功能包括睡眠监测和智能唤醒，用户设定闹钟后，设备会在预设时间前30分钟开始实时监测当前睡眠阶段，当检测到用户处于浅睡阶段时，设备正面的灯光会逐渐亮起唤醒被监测的人员。
Halo Rise主要实现的下面四个方面的创新:
主监测对象跟踪
（支持双人床场景）、实时数据过滤（确保仅监测目标对象的数据）、以及应对夜间离床等复杂情况的处理能力。通过底层雷达数据（如离床指标和位置信息），设备可动态识别被监测目标，避免同床人员的数据混淆。
睡眠意图监测
通过算法分析呼吸波形的平稳程度来判断用户入睡意图的强弱，可以和智能家居系统形成良好的互动，比如当监测到入睡意图时，自动调节灯光、音乐等环境因素，为用户创造更好的入睡条件。
睡眠周期算法
睡眠周期算法利用雷达模块提供的呼吸波形数据估算睡眠阶段。由于雷达模块提供的呼吸波形和PSG采用的胸腹部带波形数据兼容，因此算法可以利用现有的睡眠数据库数据进行预训练，从而大大减少算法的开发周期和数据采集工作量，后期再结合雷达数据进行后训练提高准确率。中国睡眠数据库中也有大量标准化PSG数据可供开发使用。
智能唤醒功能实现
系统通过实时监测用户的浅睡状态，结合日出灯实现智能唤醒功能。
毫米波雷达在呼吸异常识别与慢病管理中的应用
毫米波雷达技术可用于呼吸异常模式识别和呼吸慢病监测管理。通过分析呼吸波形特征变化，能够识别异常呼吸模式。
比如这里我们演示了通过我们的呼吸雷达方案监测到的四种典型的异常呼吸波形，包括呼吸暂停（呼吸曲线中出现平直线段）、低通气（呼吸幅度减小）、气体陷闭（呼气不完全）和潮式呼吸（呼吸强弱周期性变化伴随长暂停）。这些异常呼吸模式对于特定人群的健康监测具有重要意义，可以用于实时监测和异常报警。
