基于超寬帶沖激雷達的人體動作識別和心率估計數據集

鄭銘凱，饒彬*，王偉

1.中山大學，電子與通信工程學院，廣東深圳 518107

引 言

非接觸式醫療健康監測，通常指不直接接觸人體，隔著衣服、空氣和障礙物等實現人體監測。相較于傳統的接觸式系統，它解決了用戶依從性問題，避免了佩戴電極、傳感設備進行監測帶來的不舒適感，更有助于將健康監測融入日常生活[1]。除此之外，非接觸式的醫療健康監測系統還可以對不適用于傳統醫療監測手段的人員如燒傷、化學感染和受到核污染的病人進行醫學診斷和監測，是對傳統醫學診療手段的有益補充[2]。

超寬帶沖激（Impulse-Radio Ultra-Wideband, IR-UWB）雷達技術是非接觸式醫療健康監測系統中使用廣泛且極具潛力的一項技術[3]，能發射極窄（納秒級）的電磁脈沖信號，并通過記錄分析人體目標所反射的電磁波信號得到被測人體生命特征相關的參數，從而實現對人體生理活動的監測。相較基于氣味[4]、聲學[5-6]、光學[7-8]的非接觸式醫療健康監測系統，基于IR-UWB 雷達的系統在保護用戶隱私的同時具備強抗干擾能力、較高精度等優點；而相較基于其他類型射頻信號如毫米波、Wi-Fi 等的系統，其分辨力更高，穿透能力強，且能對多個人體目標進行有效區分篩選[9]，在非接觸醫療和智慧健康等領域內有著極大的應用價值和廣闊的前景。

然而，目前缺乏健康監測相關的公開數據集，很多研究缺乏實測數據支撐和驗證，這嚴重限制了IR-UWB 雷達技術的實用化進程。而人體動作數據和心跳數據分別作為非接觸式醫療健康監測領域中典型的多點散射疊加運動數據和典型的近距離、低速度、小尺寸目標數據，更是需要重點研究的內容。為了促進其研究和發展，本研究使用單個IR-UWB 雷達設備，構建了超寬帶沖激雷達人體動作識別和心率估計數據集，記錄多組人體動作以及心跳信息，可為相關研究提供基礎數據。

1 數據采集和處理方法

1.1 數據采集方法

1.1.1 數據采集設備

本研究的數據采集過程所使用的主要設備有IR-UWB 雷達設備和心率帶，分別負責記錄人體目標的雷達回波數據和心率參考數據。

(1) IR-UWB 雷達

本研究使用的IR-UWB 雷達基于Novelda 公司的XeThru X4 超寬帶沖激雷達芯片設計封裝而成，其外觀和內部結構如圖1 所示。該設備由外部電源供電，使用TCP 協議實現與控制終端之間的通信。實驗時，控制終端發送啟動指令開始信號發射、采集和處理，并通過TCP 協議實時回傳雷達回波數據到終端進行記錄保存。

圖1 IR-UWB 雷達實物圖Figure 1 Physical image of IR-UWB radar

該雷達所發射的信號是高斯頻移脈沖信號，在時域上的持續時間為ns 級，而頻帶極寬，理論上有極高的距離分辨力，能有效捕捉人體目標的變化，從而實現動作識別和心率估計。其歸一化時域波形和功率譜示意圖如圖2 所示。

圖2 IR-UWB 雷達發射信號時域波形和功率譜Figure 2 Time domain waveform and power spectrum of IR-UWB radar transmission signal

發射信號經雷達天線發射后，經過人體目標和背景的反射，最終被雷達接收機接收。為盡可能完整地保留回波信息，便于后端從數據中挖掘出所需人體目標信息，通常使用高速采樣接收機設計，該設計在對連續信號進行接收和處理后做離散采樣，形成一系列的采樣點。將采樣點按照時間順序排列成數組，稱為一個雷達幀，在不考慮單次采樣過程中目標運動的前提下，可以認為該雷達幀反映了當前時刻雷達探測范圍內人和物的分布情況。將多個雷達幀也按照時間順序排列在一起，如圖3 所示，即可構成時間-距離二維雷達數據矩陣，圖中每個雷達幀之間的間隔為1/FPS，其中FPS為雷達幀采集幀率。由于人體目標在做動作時，其四肢、軀干、頭頸等部位都會相對于雷達發生位移，而呼吸心跳所引起的胸腔起伏也會導致雷達回波信號發生變化，反映在數據中即為雷達幀隨時間不斷變化，因此可以通過分析不同雷達幀之間的變化情況，實現人體目標的動作識別和心率估計。

圖3 IR-UWB 雷達回波數據樣式Figure 3 Echo data format of IR-UWB radar

為方便數據使用者對本數據集進行進一步分析，深入挖掘隱藏在回波信號中的人體目標信息，本研究所用雷達設備主要指標總結在表1 中。

表1 IR-UWB 雷達主要系統參數Table 1 Main indicators of IR-UWB radar

(2) 心率帶

本研究所使用的心率帶由Chileaf 公司生產，型號為CL806，支持藍牙5.0 協議和ANT +協議，可通過這兩種方式將心率數據進行傳輸和記錄，其實物圖如圖4 所示。心率帶的心率測試范圍為40-220 bpm，覆蓋正常心率范圍，在開放環境下最大傳輸距離為80 m，心率測試精度為±1 bpm，可滿足基本的評估和測試精度要求。

圖4 心率帶實物圖Figure 4 Physical image of the heart rate band

1.1.2 數據采集過程

本研究所面向的應用場景是室內的人體目標動作識別和心率估計，將雷達放置在室內桌面上，朝向目標活動區域，通過雷達回波數據分析人體動作和生命體征，從而實現長時間的目標監測。為貼合應用場景，本研究選擇在室內的一些典型場景中完成采集數據，包括客廳、臥室、飯廳等；同時為了增加數據的多樣性，本數據集囊括了來自多位不同性別、體型和年齡的測試目標的實驗數據，參與實驗采集的測試目標相關信息如表2 所示。

表2 人體目標基本信息Table 2 Basic information of human target

(1) 人體動作識別數據采集

人體活動識別可以用于對目標當前的狀態做出基本的判斷，在智能家居領域用戶也可以借助特定的動作向監測設備傳遞控制信息。本研究選取了幾種具有典型特征的肢體動作和手勢動作進行數據采集，同時采集了部分無人場景的數據。有人場景下幾個人體動作的示意圖如圖5 所示。

圖5 人體動作示意圖Figure 5 Schematic diagram of human action

確定實驗所需采集的動作數據后，搭建數據采集實驗場景并開始數據采集。首先將雷達水平放置在桌面上，實驗場景中包含家庭中常見的家具包括餐桌、沙發和茶幾等，場景中留有足夠大的空間供測試目標完成上述動作。實驗采集的基本信息如表3 所示，對于單次數據采集實驗，一位測試目標順次完成上述動作，每個動作重復多次，動作之間留有3 s 以上的時間間隔以方便后續數據裁剪，并保證每一段數據中僅包含一個動作，實驗過程中同步使用攝像頭錄制實驗過程，方便數據標注。每一位測試目標都進行了2–3 次數據采集實驗。

表3 動作數據采集實驗基本信息Table 3 Basic information of the action data collection experiments

(2) 心率估計數據采集

進行心率數據采集時，為了減小身體隨機運動帶來的干擾，選擇使用坐姿進行心率數據的采集。實驗場景及雷達設置與動作數據采集實驗保持一致。測試過程中，測試目標靜坐在椅子上，胸部與雷達天線中心平齊，天線正對目標胸腔。雷達測量距離范圍設置為0.5–2 m，單次數據采集實驗時長為500 s，心率帶在實驗過程中同步記錄目標心率信息。每名測試目標重復完成2 次數據采集實驗。

1.2 數據處理與標注

為了盡可能多地保留數據信息，避免不合適的數據預處理對數據使用者后續的處理造成影響，本數據集提供雷達原始回波數據，僅經過簡單的裁剪與標注，下面將分別介紹動作識別數據和心率估計數據的處理與標注。

1.2.1 動作識別數據處理與標注

本研究經過多次數據采集實驗，確定所需采集的動作完成時間均在2–3 s 內，因此將動作數據統一裁剪成時間長度為3 s 的數據片段，裁剪過程結合實驗過程中錄制的視頻進行。首先利用標志動作完成雷達數據和視頻數據的時間同步，本研究選擇目標向前走并在雷達前停住那一刻作為同步時間點，同步精度在一個脈沖重復周期內，即0.05 s；之后依次標記出每一段雷達數據對應的動作類型，確保目標動作完整地保留在所裁剪的數據內，并處在數據的中間，目標動作完成前后目標處于靜止站立狀態；最后根據表4 所示的數據序號進行標注。

表4 動作識別數據集基本信息Table 4 Basic information of the action recognition dataset

1.2.2 心率估計數據處理與標注

對于心率數據，考慮到心率估計需要結合長時間的雷達回波數據進行判斷，本研究將心率估計數據統一裁剪為時間長度10 s 的數據片段，包括當前這1 s 和此前的9 s 雷達回波數據，并將當前時刻對應的心率帶數據記錄下來作為數據標簽，其處理與標注過程如圖6 所示。

圖6 心率估計數據處理與標注示意圖Figure 6 Schematic diagram for the processing and labeling of heart rate estimation data

2 數據樣本描述

本數據集共包含 2 個數據文件，數據格式為.mat 文件。其中人體動作識別數據集Dataset_HumanAction.mat 包含原始回波數據Data、數據標簽Label 和數據描述Description 共三個變量；心率估計數據集Dataset_HeartRate.mat 包含原始回波數據Data 和心率參考值HeartRate_Ref 共兩個變量。下面將分別介紹：

2.1 動作識別數據樣本描述

動作識別原始回波數據Data 變量是一個大小為1629×1 的cell 類型變量，其中每一行都是一個大小為463（距離單元）×60（雷達幀）的二維矩陣樣本數據。為清晰展示數據樣式，選擇了向后走、彎腰拾物和揮手3 個典型動作的雷達回波數據進行展示，如圖7 所示。向后走的動作數據顯示目標回波與雷達之間的距離隨時間增大；彎腰拾物的動作數據中存在明顯的回波峰值靠近雷達又遠離的特征，對應于該動作中目標上半身靠近雷達又遠離的過程；揮手的動作數據則有明顯的周期峰值。雷達回波數據能較好地反映人體目標運動信息。

圖7 動作識別數據示例Figure 7 Data example of action recognition

動作數據標簽Label 變量是一個大小為1629×1 的列向量，每一行是一個動作標簽，對應于相同行的動作數據。數據描述Description 變量是一個動作數據標簽和動作類型的對應表，供使用者隨時查閱。

2.2 心率估計數據樣本描述

心率估計原始回波數據Data 變量是一個大小為4670×1 的cell，其中每一行都是一個大小為234（距離單元）×200（雷達幀）的二維矩陣樣本數據。與上一節類似，圖8 中是一個數據樣本示例。

圖8 心率估計數據示例Figure 8 Data example of heart rate estimation

心率參考數據HeartRate_ref 變量是一個大小為4670×1 的列向量，每一行是一個由心率帶采集得到的心率參考數據，對應于同一行的心率估計原始回波數據，范圍為50108 bpm。

3 數據質量控制和評估

本數據集中的所有雷達回波數據都是通過超寬帶沖激雷達在專門設計的實驗中實測采集得到，通過合理設置實驗條件、場景和動作類型，保證雷達回波數據真實可靠實用。每個數據對應的數據標簽都由人工結合視頻文字信息進行標注，并經過人工核驗審查，確保數據標注無誤。

4 數據價值

本研究針對IR-UWB 雷達在室內人體感知領域公開數據集匱乏、仿真數據難以充分體現實際數據特征的問題，設計了10 種典型動作，包括全身運動動作和上肢單獨運動動作，還設計了較為純凈的心跳數據采集環境，構建了人體動作識別數據集和心率估計數據集，為IR-UWB 雷達人體感知研究提供了單獨的、具有針對性的大幅度動作數據和微動數據。相較于目前公開的類似數據集[10-11]，本數據集提供了更加豐富的人體動作數據，還提供了首個心率估計公開數據集，為IR-UWB 雷達室內人體感知領域相關數據做了有益補充。

本數據集涵蓋了室內人體典型運動，可用于分析人體目標動作和微動在IR-UWB 雷達回波信號中產生影響的規律，研究真實回波數據中的人體目標特征提取算法，評估室內人體感知方案效果，并最終實現對目標用戶的心率監測、睡眠分析、跌倒檢測、慢性病監測和情緒感知等，從而推動IRUWB 雷達在健康監護、運動分析、智能家居、場景監控等領域的應用。

5 數據使用方法和建議

本數據集是基于數學軟件MATLAB 生成的.mat 格式文件，主要包含原始回波數據和標注文件。在使用本數據集時有兩種推薦使用方法：

① 首先基于原始數據進行分析，分析不同動作數據和心率數據在時域、頻域、時頻域或其他特征空間中的特點，設計合理的數據分析方法進行動作識別和心率估計，最后再用本數據集驗證算法性能；

② 對本數據集經過合理的預處理后，按照6：2：2 的比例劃分成訓練集、驗證集和測試集，把訓練集數據作為單通道的灰度圖像輸入到神經網絡中進行訓練，用驗證集進一步調整超參數，最后用測試集驗證網絡性能。

數據作者分工職責

鄭銘凱（1999—），男，廣東省汕頭市人，碩士研究生，研究方向為組網融合和信號處理。主要承擔工作：數據采集方案制定，數據采集，數據加工與標注，數據集制作。

饒彬（1980—），男，四川省成都市人，博士，副教授，研究方向為目標跟蹤與數據融合、認知電子戰、電子信息系統建模與仿真。主要承擔工作：數據采集方案制定，數據集制作。

王偉（1970—），男，安徽省巢湖市人，博士，教授，研究方向為信號處理、電磁環境效應、電子信息系統建模與仿真。主要承擔工作：數據采集方案制定，數據集制作。