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！

龙图腾网获悉重庆邮电大学申请的专利一种基于Hilbert-Huang变换时频分析的呼吸频率检测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：CN118557173B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202410678353.0，技术领域涉及：A61B5/08；该发明授权一种基于Hilbert-Huang变换时频分析的呼吸频率检测方法是由杨小龙;张亭亭;童睿轩;周牧;谢良波;王勇;聂伟设计研发完成，并于2024-05-29向国家知识产权局提交的专利申请。

本一种基于Hilbert-Huang变换时频分析的呼吸频率检测方法在说明书摘要公布了：本发明提出了一种基于Hilbert‑Huang变换时频分析的呼吸频率检测方法。首先，选择对环境感知敏感度较强的WiFi链路构建信道状态信息ChannelStateInformation,CSI比值模型。其次，将滤波后的CSI比值时间序列进行投影，结合幅度和相位信息生成不同呼吸模式信号的候选集。再次，对选出来的呼吸模式进行信号变分模态分解VariationalModeDecomposition,VMD和Hilbert‑Huang变换时频分析，进而去除非人体呼吸频率分量。在此基础上，进行重构，并利用主成分分析PrincipalComponentAnalysis,PCA融合重构的信号。最后，通过假峰检测算法计算呼吸频率。本发明设计的呼吸频率检测算法，在去除时变相位偏移及高频噪声、选择最优子载波的同时，不仅扩大了传感范围、消除了“盲点”，还提高了呼吸频率检测精度，为非接触呼吸频率检测提供了更为精确的检测方法。

本发明授权一种基于Hilbert-Huang变换时频分析的呼吸频率检测方法在权利要求书中公布了：1.一种基于Hilbert-Huang变换时频分析的呼吸频率检测方法，包括以下步骤： 步骤一：发送设备发送射频信号至接收设备，数据通过正交频分复用Orthogonalfrequency-divisionmultiplexing,OFDM传输使信号能够被调制以实现多个子载波的并行传输；利用Intel5300网卡获取WiFi信号CSI信息，若WiFi设备天线个数为I，子载波个数为K，数据包个数为N；则CSI数据矩阵写为： 其中，Hi表示第i1≤i≤I条WiFi链路的CSI数据，表示第i1≤i≤I条WiFi链路的第k1≤k≤K个子载波的CSI数据，表示第n1≤n≤N个数据包中第i1≤i≤I条天线的第k1≤k≤K个子载波的CSI数据； 其中，和分别为第n个数据包中的第i个天线，第k子载波的实部和虚部，和表示第n个数据包中的第i个天线，第k子载波的幅值和相位； 步骤二：利用双方差，设置阈值挑选“敏感”的WiFi链路；具体算法流程如下： 首先，计算不同链路上各子载波的CSI幅值方差；I条天线，K个子载波的幅值方差表示为： 其中，Vi为第i1≤i≤I条天线的K个子载波的幅值方差的向量，为第i1≤i≤I条天线的第k1≤k≤K个子载波的幅值方差，表示为： 其中，μi,k为第i1≤i≤I条天线的第k1≤k≤K个子载波的N个数据包幅值的均值，表示为： 其次，设置阈值为εi＝0.7·max{Vi}1≤i≤I，其中，max{·}表示对{·}取最大值，选择每条WiFi链路幅值方差大于阈值的子载波，子载波个数为Ki，Ki＝card{k|{Vi}＞εi}，其中，card{·}表示计算{·}元素的个数；并对集合中子载波的幅值方差取平均值，则I条天线选择子载波的平均幅值方差记为：v＝[v1,…,vi,…,vI]；其中，vi表示第i1≤i≤I条WiFi链路选择子载波的平均幅值方差，是一个数值；表示为： 最后，挑选出平均幅值方差最大和次大的WiFi链路，重新命名为H1′和H2′； 步骤三：对于步骤二得到的两条“敏感”WiFi链路；首先，采用CSI比值法消除时变相位偏移，将两个接收天线子载波的CSI读数相除，CSI比值计算公式如下： 其中，xk表示第k个子载波的CSI比值数据，和分别为选出的两个WiFi链路H1′和H2′的第k个子载波的CSI数据； 其次，CSI比值仍然是复数，为了使采集的数据更加准确；首先，对原始数据进行线性插值；其次，将每个子载波经过Hampel去除异常值，并将去除异常值后的数据再次经过Savitzky-Golay滤波器平滑滤波；将处理过的CSI比值数据重构为： X′＝[x′1,…,x′k,…,x′K] 其中，xk′表示为xk滤波后的第k个子载波的CSI比值数据； 其中，和分别表示CSI比值数据的第k个子载波x′k的实部和虚部，和分别代表CSI比值数据的第k个子载波的第n个数据包的实部和虚部； 步骤四：投影CSI比值数据，提取呼吸特征短期呼吸噪声比Breathing-to-NoiseRatio,BNR，挑选满足BNR要求的子载波；具体算法流程如下： 对步骤三得到的滤波后的CSI比值信号进行投影，结合幅度和相位信息生成代表不同呼吸模式信号的候选集； 首先，将滤波后的CSI比值的时间序列x′k1≤k≤K投影到旋转轴[cosθsinθ]，从0逐渐增大参数θ，生成不同的候选序列： 其中，yk表示子载波x′k在投影坐标轴的旋转角度为θ时生成的候选序列；设置投影角度θ范围为[0,π]，步长设为πP，每一个子载波共生成P个候选时间序列；所有子载波投影后生成的不同候选序列表示如下： 其中，表示第k个子载波的第p0≤p≤P-1个候选序列，即：第k个子载波在投影角度为θ＝p-1·πP时，得到的候选时间序列； 其次，计算信号短期呼吸噪声比来提取呼吸特征用来衡量组合候选的性能；信号模式在一段时间内的周期性代表了其感知呼吸的能力，具体计算步骤如下： 首先，若采样率fs＝100Hz，采用12的窗长，对应1200个样本，用6992个零值样本加零填充，得到8192个样本，并对所有样本进行傅里叶变换；其次，在人体呼吸频率范围10-37bpm内筛选出最大能量，即为呼吸信号能量，将该能量与频域的总能量进行比值，得到短期呼吸噪声比； 求K个子载波的所有候选时间序列的呼吸特征BNR，表示如下： 其中，表示第k个子载波在投影角度为θ＝p-1·πP时，得到的候选时间序列的BNR值，是一个数值； 然后，寻找第k个子载波在不同投影轴下最大的BNR值，即组成集合{bk}；取集合{bk}中最大值为b，并设置阈值为δ＝0.7b，选择集合{bk}中大于该阈值的bk所对应的子载波候选序列；选择子载波的个数为：S＝card{k|{bk}＞δ}，并寻找对应集合{k|{bk}＞δ}中第k个子载波的候选时间序列；选择结果如下： Y′＝[y1′,…,ys′,…,y′S] 其中，ys′表示选择的第s1≤s≤S个子载波对应的候选时间序列； 步骤五：信号变分模态分解VariationalModeDecomposition,VMD和Hilbert-Huang变换时频分析，去除非人体呼吸频率分量进行重构；具体算法流程如下： 首先，将步骤四中挑选得到的S个子载波分别进行变分模态分解： 其中，ys′t为Y′内的第s个子载波，M为模态分量的数量，umt为第m1≤m≤M个模态分量信号； 其次，对每个模态分量构造其解析信号，解析信号是基于原信号和其希尔伯特变换的结合，根据解析信号得到瞬时频率和瞬时能量： 其中zm表示解析信号，表示希尔伯特变换，am和θm分别表示第m个模态分量的瞬时振幅和瞬时相位，|amt|2和wm分别表示第m个模态分量的瞬时能量和瞬时频率； 然后，通过上式求得的瞬时频率和瞬时能量对每个模态分量进行Hilbert-Huang变换时频分析，去掉前两个与呼吸频率无关的高频分量，对剩余呼吸范围内的模态分量进行重构，重构后的第s1≤s≤S个子载波时间序列表示为： 重构后的所有子载波组合记为Y″： Y″＝[y″1,…,y″s,…,y″S] 步骤六：信号融合；具体算法如下： 利用主成分分析PrincipalComponentAnalysis,PCA融合步骤五中重构之后的信号，PCA将原始特征向量变换成一组线性无关的主成分；该算法首先集中计算所有样本的协方差矩阵，然后通过奇异值分解求解特征值和特征向量；最后利用最大特征值和特征向量得到主呼吸信号，作为主成分分析信号： 其中，an表示融合后的主成分分析信号的第n1≤n≤N个数据包； 步骤七：对步骤六得到的主成分呼吸信号进行峰值检测，提取呼吸速率；具体算法流程如下： 首先，对主成分呼吸信号获取局部峰值集：Maxset＝{τj,1≤j≤J}，其中J为峰值点个数；验证窗口设为：M； 其次，对于每一个峰值点τj找到位置和峰值locs:＝locationτj；amp:＝amplitudeτj； 再次，对该范围的每个点首先判断n是否在1＜n＜N范围内；如果在，通过对比该范围的每一个点的值来判断是否有比当前峰值点更大的点，若：从Maxset中删除τj；并更新Maxset； 最后，由更新后的Maxset＝{τl,1≤l≤L}得到真峰相邻真峰之间的总时间间隔，记为sum； 其中L为更新后的峰值点个数；由公式：得到呼吸速率，fs为采样率。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区崇文路2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”。