Core Concepts
Ein variationelles Encoder-Decoder-Neuronales Netzwerk kann die Extraktion von Vitalzeichen aus Radar-Signalen in Gegenwart von Interferenzbewegungen verbessern.
Abstract
Der Beitrag präsentiert einen neuartigen Ansatz zur Entfernung von Interferenzbewegungen in der Radar-basierten Vitalzeichenerfassung. Dafür wird ein variationelles Encoder-Decoder-Neuronales Netzwerk verwendet.
Der Ansatz wurde in einer semi-experimentellen Umgebung evaluiert, bei der echte Vitalzeichen-Daten mit simulierten Bewegungsinterferenzen kombiniert wurden. Die Ergebnisse zeigen, dass das Netzwerk in der Lage ist, die Vitalzeichen-Beiträge aus dem Mischsignal zu extrahieren, auch bei unterschiedlichen Leistungsverhältnissen zwischen Vitalzeichen und Interferenz. Insbesondere konnte die Extraktion der Mikro-Doppler-Frequenz, die der Atemfrequenz entspricht, verbessert werden.
Der vorgestellte Ansatz stellt den ersten Einsatz eines variationellen Encoder-Decoder-Netzwerks für die Interferenzentfernung in der Radar-basierten Vitalzeichenerfassung dar. Der probabilistische Charakter des Netzwerks ermöglicht es, realistischere Signalrepräsentationen zu lernen, als dies mit deterministischen Ansätzen möglich wäre.
Stats
Die Vitalzeichen-Beiträge haben eine deutlich geringere Leistung als die Interferenzbewegungen.
Die Interferenzbewegungen können eine komplexe Struktur aufweisen, was ihre Modellierung und Entfernung erschwert.
Quotes
"Der Ansatz präsentiert den ersten Einsatz eines variationellen Encoder-Decoder-Netzwerks für die Interferenzentfernung in der Radar-basierten Vitalzeichenerfassung."
"Der probabilistische Charakter des Netzwerks ermöglicht es, realistischere Signalrepräsentationen zu lernen, als dies mit deterministischen Ansätzen möglich wäre."