《Scientific Reports》：A radar vital signs detection method in complex environments
编辑推荐：
本文针对复杂环境中FMCW雷达生命体征检测面临的距离估计误差和呼吸谐波干扰两大难题，提出了矩阵系数选择方法(MCSM)和递归最小二乘呼吸谐波抑制(RLSRHS)算法。研究表明，MCSM将距离检测MAE降低约40%，RLSRHS使心率估计准确率达到83%，与实际接触式仪器误差仅约4%，为非接触式医疗监护提供了可靠技术方案。
在现代医疗健康监测领域，非接触式生命体征检测技术正掀起一场静默的革命。想象一下，无需佩戴任何设备，仅通过雷达波就能精准捕捉一个人的呼吸和心跳——这不仅是医疗监护的梦想，更是自动驾驶、老年看护、灾难救援等众多场景的迫切需求。频率调制连续波(FMCW)雷达因其高分辨率和灵敏度，成为实现这一愿景的有力工具。然而，当雷达从实验室走向真实世界时，复杂的室内或车载环境带来了严峻挑战：强反射体的遮蔽效应会让真实目标的距离判断失误，而呼吸产生的谐波会悄然潜入心跳频率范围，导致心率估计出现严重偏差。
传统方法在面对这些难题时显得力不从心。距离检测方面，基于平均功率或幅度相位乘积的方法在复杂 clutter（杂波）环境中性能急剧下降；而呼吸谐波抑制方面，固定带宽的滤波器无法适应动态变化的呼吸频率，模态分解等方法又计算复杂难以实时应用。正是这些技术瓶颈，促使厦门大学的研究团队在《Scientific Reports》上提出了一种创新性的解决方案。
为了攻克这些技术难关，研究团队开发了两大核心算法：矩阵系数选择方法(MCSM)用于提升复杂环境下的距离检测精度，以及递归最小二乘呼吸谐波抑制(RLSRHS)算法用于消除呼吸谐波对心率估计的干扰。MCSM算法通过低频置零和自相关处理，有效抑制静态杂波和非周期性动态干扰；而RLSRHS则借鉴电力系统谐波治理思路，首次将递归最小二乘(RLS)自适应滤波引入生命体征检测任务，实现了呼吸谐波的自动精准消除。
关键技术方法主要包括：基于距离-多普勒谱分析的MCSM距离选择技术，通过低频置零和自相关处理实现目标精确定位；RLS自适应陷波滤波技术，利用呼吸基频估计构建参考信号进行谐波抑制；实验验证采用77GHz毫米波雷达(IWR1443)与DCA1000EVM数据采集板搭建平台，通过与心电图仪、小米手环等接触式设备对比验证性能，并利用来自复旦大学附属中山医院的不同年龄段人群生理参数数据进行算法参数优化。
MCSM实验
仿真实验结果表明，在单目标和多目标场景下，MCSM算法在不同信噪比(SNR)条件下均保持较高的距离检测精度。
特别是在多目标定位场景中，该方法的平均绝对误差(MAE)显著低于对比算法。实际环境验证实验在多种场景下展开，采集了数百个数据样本，结果显示MCSM在单目标和双目标情况下的检测准确率均达到约98%，且在不同距离上均表现出优异的稳定性。
RLSRHS实验
仿真实验展示了RLSRHS算法在呼吸谐波抑制方面的卓越性能。
与传统的频域重构方法相比，RLSRHS在不同信噪比条件下均能更有效地抑制谐波干扰，且收敛速度更快。与LMS自适应滤波器对比，RLSRHS将心率估计准确率从57%提升至83%，显著提高了心率监测的可靠性。
实际环境测试进一步验证了算法的实用性，RLSRHS在保留心率成分的同时有效消除了呼吸谐波干扰。
综合实验
场景1实验将雷达监测结果与心电图仪进行对比，在静止状态下雷达估计的心率(58.7bpm)和呼吸频率(17.1brpm)与心电图仪结果(60bpm, 18brpm)高度一致。
长期监测数据显示，呼吸频率估计的平均相对误差(MRE)为4.47%，心率估计经中值滤波后MRE从5.79%降至4.60%，满足临床监护精度要求。
即使在呼吸模式变化的条件下，算法仍能保持稳定性能。
场景2实验在运动条件下将雷达与小米手环和呼吸传感器进行对比，结果显示雷达估计的心率(68.03bpm)与手环测量值(67bpm)高度吻合，误差率仅为1.4%，验证了算法在动态环境下的有效性。
场景3实验成功实现了多目标生命体征同时监测，能够清晰区分不同距离、不同呼吸模式下两个目标的生理参数变化趋势，展现了算法在实际应用场景中的强大潜力。
该研究通过创新性地提出MCSM和RLSRHS两大算法，有效解决了FMCW雷达生命体征检测中的核心难题。MCSM方法显著提升了复杂环境下目标距离检测的准确性和鲁棒性，而RLSRHS算法则实现了呼吸谐波的自适应抑制，大幅提高了心率估计的可靠性。大量实验证明，与现有方法相比，该方案在静止、运动和多目标场景下均表现出优异性能，误差控制在4%左右，达到了临床监护的精度要求。这项工作不仅推动了非接触式监测技术的发展，更为智慧医疗、智能家居、车载监控等应用场景提供了可靠的技术支撑，标志着雷达生理监测技术向实用化迈出了关键一步。随着算法的进一步优化和集成，未来有望在医疗健康、公共安全等领域发挥更加重要的作用。
