1. 频谱图上那些不该出现的峰一个几乎人人都会遇到的怪象1.1 一次测试里的意外发现记得有一次在实验室调试某款基于多普勒原理的非接触式生命体征雷达把目标放在约80厘米外的椅子上采集了30秒胸腔回波。经过正交解调和相位解包缠之后我把频谱拉出来看预期应该只有两个清晰的峰呼吸基频大概在0.3Hz左右心率基频大概在1.1Hz左右。结果实际情况让我愣了一下——呼吸基频旁边站着一串兄弟姐妹0.6Hz、0.9Hz、1.2Hz谱线间隔几乎完全相等幅度依次递减而且1.2Hz附近那个峰恰好就落在心率频带内部。这个现象几乎所有做过生物雷达的人都会碰见只是新手往往会懵一圈呼吸明明应该是低频段的一个单频分量为什么屏幕上会出现这么多等间隔的假峰这些假峰就是呼吸谐波。更麻烦的是它们不是随机噪声不会因为平均时间加长、信噪比提高就自然消失。它也不像工频干扰那样可以从源头掐断因为它的来源就藏在信号本身和测量链路内部。我当时第一反应是怀疑系统硬件出问题电源纹波ADC采样整周期泄漏还是墙壁反射带来的多径抖动把这些因素挨个排除后我坐下来把数学重新推了一遍才确认一个反直觉的结论——呼吸谐波是物理上的必然不是工程上的偶然。这就引出了本文想真正拆解的问题呼吸谐波产生的本质到底是什么它到底从哪几个层面冒出来的为什么雷达系统拿它尤其头疼下面我把这几层机制一层层说清楚。1.2 谐波、基波、倍频先把频谱语言对齐在进入机制之前我必须先把术语对齐。很多朋友在讨论时把基波、谐波、倍频甚至高次间谐波混在一起说后面就会绕晕。一个周期信号如果严格是正弦波比如 x(t)A·sin(2π·f0·t)在频谱上只有一根谱线频率为f0这叫基波基频。但一个周期信号只要不是严格正弦哪怕只有一个周期波形也可以分解成基频正弦 整数倍频率正弦 直流分量的叠加这就是傅里叶级数最核心的结论。其中频率为2f0、3f0、4f0……的那些分量依次叫作二次谐波、三次谐波、四次谐波。谐波的频率一定是基频的整数倍不能单独存在并且幅度通常随阶数升高而递减。呼吸谐波的特殊性在于呼吸基频非常低。成年人安静呼吸大约每分钟12到24次也就是0.2到0.4Hz。这样一来呼吸的二次谐波是0.4到0.8Hz三次谐波是0.6到1.2Hz四次谐波是0.8到1.6Hz。而心率基频范围大约在0.8到2Hz也就是每分钟48到120次。一眼就能看出问题呼吸的二次、三次、四次谐波完全可以落在心率频带里而且是整片覆盖过去不是单独一个尖刺。这就意味着谐波只是个小干扰回头滤一下就行的想法根本不成立——它在频域上和目标信号发生了大面积重叠单纯从频率上切是切不干净的。另外还要区分一个概念谐波和间谐波不是一回事。谐波锁定在基频整数倍而间谐波是频率上不与基频成整数比的分量。实际测量中如果人咳嗽了、打哈欠了或者呼吸深度突然改变呼吸波形在短时间内不再是严格的周期信号谐波谱线会长胖、出现旁瓣甚至在一些时刻表现为非整数倍频率分量。这种非平稳性会让谐波识别算法更难做第4节我会专门展开这一段。2. 本质之一呼吸波形天生就不是正弦波2.1 一次呼吸的位移轨迹到底长什么样先看信号源侧。呼吸运动本身不是胸腔在某个平衡点附近做简谐振动这么简单。一次正常的呼吸周期可以分成吸气相和呼气相吸气时横膈膜收缩下移、肋间外肌收缩胸腔前后径和左右径同时扩大呼气时这些肌群放松胸腔在弹性回缩力作用下恢复。问题出在时间分配上——吸气和呼气并不对称一般吸气约占整个周期的1/3到2/5呼气占剩下的3/5到2/3。而且呼气末期往往还存在一个短暂的平台期医学上叫呼气末停顿。把这些特征画成胸腔表面位移随时间变化的曲线大致是这样的上升段吸气比较陡峭下降段呼气比较平缓末尾还有一段接近水平的平台然后进入下一次吸气。如果用波形形状来比划它更像一个被拉长下降沿的锯齿波或者一个带圆角的三角波距离标准正弦曲线有相当大的差距。有人可能会问医院里肺功能仪测出的呼吸流量曲线不是很圆滑吗这恰恰是问题所在。流量是位移的变化率位移曲线虽然流畅但吸气和呼气的斜率不同、吸呼比不等于1对时间积分后就已经偏离正弦了。而雷达测的是胸腔表面位移直接对应这条非对称的位移曲线。我曾在一组受试者数据里统计过用单频正弦模型去拟合单次呼吸位移残差能量经常占到信号总能量的10%到20%。这就是为什么谐波不是勉强能看到的微弱成分而是频谱上明摆着的第二、第三高谱线。2.2 傅里叶级数视角下的谐波来源把上面的话换算成数学语言就一目了然。假设理想情况下胸腔位移是周期为T0的波形y(t)基频f01/T0。由于波形不是理想正弦傅里叶级数可以写成y(t) a0 a1·cos(2π·f0·t φ1) a2·cos(2π·2f0·t φ2) a3·cos(2π·3f0·t φ3) ...这里a1就是呼吸基波幅度a2、a3就是二次谐波、三次谐波的幅度。a2/a1、a3/a1的比值完全由波形形状决定跟雷达系统没有任何关系纯粹是信号长成这样就必然携带这么多谐波能量。我拿一个快速吸气、慢呼气的理想三角波算过设周期4秒吸气占1.2秒呼气占2.8秒。对这个波形做谐波分解二次谐波幅度通常是基波的20%到35%三次谐波是10%到20%而且衰减速度比标准方波慢得多。真实胸腔位移波形比三角波平滑一点高次谐波衰减会快一些但二三次谐波的能量是跑不掉的。如果遇到更极端的情况比如呼吸中枢驱动减弱、呼气末平台期明显拉长波形会接近方波。方波的谐波含量大家都知道理想对称方波只有奇次谐波三次谐波可以达到基波的33%。也就是说哪怕前端链路完美、解调算法完美你从呼吸波形本身就能收获一个幅度不小的心率频带干扰源。2.3 呼吸深度调制让谐波从静止靶变成移动靶呼吸波形不仅形状非正弦幅度和频率还会随人的状态变化。正常静息状态下呼吸幅度比较稳定但人在睡眠中呼吸深度会随睡眠阶段波动甚至出现很低的潮气量周期性起伏。一旦呼吸深度被慢调制比如0.05Hz左右的慢波叠加到呼吸幅度上呼吸基波和谐波的谱线就会被涂宽两侧出现调制边带。我在实际数据里观察到这种边带展开之后谐波能量会进一步向心率频带内部扩散。原来1.0Hz处的三次谐波可能是一个细尖峰加上呼吸深度慢调制后变成一簇宽约0.3到0.5Hz的小峰群把真实心率峰完全盖在里面。更烦人的是这种状态下的干扰还会随着时间缓慢漂移固定频段的陷波器完全无能为力。这里有一个工程中常见的误区觉得只要在频谱上加一个呼吸基频陷波器而且把陷波带宽调宽一点就能把呼吸谐波也一起压掉。实际操作会发现基频陷波只能干掉基频附近那一小条对2f0、3f0位置的谐波几乎没有任何抑制如果把陷波带宽扩大到1Hz那心率峰也被误杀一大半。理解了呼吸深度调制之后你就能明白为什么传统滤波思路在生物雷达的生命体征提取里常常显得笨拙——因为干扰和目标在时频上纠缠在一起不是简单一个滤波器能隔离的。3. 本质之二雷达测量链路自身就是一台谐波制造机3.1 反正切解调被大多数教程忽略的第一个非线性环节如果说呼吸波形非正弦是信号源层面的谐波那雷达链路还会再贡献一层测量链路层面的谐波。几乎所有连续波多普勒雷达做生命体征测量时都是发射单频或窄带信号到人体表面胸腔位移会调制回波的相位。回波经过正交解调后得到I/Q两路基带信号位移信息藏在相位里。要从I/Q信号中把位移提出来最标准的做法是计算相位角φ(t) atan2(Q(t), I(t))然后做相位解包缠还原出胸腔微动位移。问题就出在这个atan2上。它是一个非线性函数。当胸腔位移很小比如只有1毫米左右在2.4GHz频段对应的相位变化只有零点几弧度atan2在这个区间近似线性相位输出基本正比于位移一切正常。但随着工作频率升高比如换成5.8GHz甚至毫米波频段同样的物理位移对应的相位摆幅翻倍再加上目标距离近、回波幅度强相位可能摆到好几个弧度。此时atan2早已明显偏离线性输入一个单频正弦输出信号里就会硬生生多出二倍频、三倍频分量。我有一次测试把同一个目标放在0.5米处先拍2.4GHz再拍5.8GHz。2.4GHz时呼吸二次谐波比基波低大约19dB换到5.8GHz后由于相位摆幅变大同样算法链路的呼吸二次谐波一下子抬高了6到8dB。链路其他环节没动就是频率升了一倍多谐波却被放大了。这说明在毫米波生命体征雷达里单纯照搬低频段反正切解调线性假设的做法是埋雷的必须在解调后增加非线性补偿或者做更精细的线性化处理。从数学上还可以换个视角看回波信号本质上是相位调制信号exp(j·θ(t))按第一类贝塞尔函数展开本身就含有丰富的频率分量。胸腔位移如果是单频正弦回波频谱也会出现以基频为间隔的多个边带峰。这个贝塞尔展开导致的边带和atan非线性导致的谐波会叠加在一起所以高频段雷达的谐波往往呈现为基波 一串旁瓣看起来比低频段更壮观。3.2 射频前端非线性与I/Q失衡谐波从天线口就开始了除了解调算法主动引入的atan射频前端本身也不是理想器件。混频器并非理想的乘法器它的变频转换特性在输入电平较高时会进入饱和产生三阶交调和谐波低噪声放大器和基带放大器同样存在增益压缩。这一串器件非线性作用在回波上会让回波的边带分量发生混频在基带输出端表现为额外的高次谐波和交调成分。工程上更隐蔽、也更常见的是I/Q失衡。理想正交解调要求I路与Q路幅度完全一致、相位差严格90度真实硬件做不到。一般零中频接收机的I/Q幅度失衡在0.3到1dB之间相位失衡在1到5度之间。这些失衡经过相位提取后最直接的效果就是一个纯呼吸正弦信号在正交解调输出端会携带明显镜像和偶次失真解包缠后的位移信号中出现二倍频谱峰幅度跟失衡程度基本成正比。所以我调试新雷达样机时有一条经验如果发现呼吸二次谐波异常地高先别急着怀疑算法和滤波先做一次I/Q校准。用单音信号或者直接用已知位移的反射目标测一遍算出幅相失衡系数把I/Q补偿写进解调链路。很多看起来像算法难题的谐波问题做完校准后能减轻一大半。3.3 大位移瞬间的饱和削波一旦削平谐波直接爆表还有一种容易被忽略的工况当人体紧贴雷达比如距离小于30厘米或者发射功率被调得偏大时回波信号幅度会超过前端线性动态范围基带信号被削顶或削底。削波是一种极强的非线性输出波形直接产生大量奇次谐波。人在咳嗽、打喷嚏、身体前倾的瞬间胸腔位移可以在零点几秒内从几毫米蹿到十几毫米。前端如果没有AGC自动增益控制或者限幅机制那一帧数据几乎必然被削平。我一次调试时把发射功率比默认值临时调高6dB正常呼吸状态下二次谐波没多大变化结果测试者打了个哈欠频谱上1到3Hz之间刷刷刷冒出七八个峰算法把好几个峰都当成了心率候选差点造成误判。事后回看原始I/Q波形才发现那一小段时间里基带信号已经顶到满量程削成了平头。这个案例给了我一个教训排查呼吸谐波问题时射频链路的动态范围边界必须当成一个独立变量来对待。你得记录每一段时间里前端是否接近饱和、I/Q幅度是否触顶否则看到谐波爆表就直接套用谐波抑制算法很容易南辕北辙——真实原因是硬削波不是解调非线性。4. 真正让人头疼的后果谐波混进心率频带4.1 频带重叠的致命巧合一张表格看懂前面的机制分析已经反复提到频带重叠现在用一个具体表格把呼吸谐波 vs 心率频带的关系摆清楚。取典型呼吸基频范围0.2到0.4Hz分量典型频率范围是否落入心率主频带0.8-2Hz呼吸基波0.2 - 0.4Hz否二次谐波0.4 - 0.8Hz边界附近慢心率时可能重叠三次谐波0.6 - 1.2Hz大量重叠四次谐波0.8 - 1.6Hz完全重叠五次谐波1.0 - 2.0Hz完全重叠可以看到三四五次谐波几乎就是在心率频带里面安家。这不是巧合而是谐波本性的必然结果呼吸基频太低倍频一次就接近心率下限倍频两到四次正好覆盖正常心率的全范围。所以真实频谱上经常是这样的画面0.3Hz处一座大峰呼吸基频0.6Hz处一座小峰二次谐波0.9Hz处一座中等峰三次谐波1.2Hz处又一座小峰四次谐波而真实心率峰可能只有一个、幅度还不一定能压过旁边的谐波。如果显示界面的选峰逻辑只是简单地取幅度最大峰作为心率那么在安静坐着的时候测出的心率大概率是呼吸的三次或四次谐波误差动辄每分钟二三十次。4.2 谐波和心率峰为什么不能靠高度和位置区分既然知道谐波会落在心率频带里那能不能做一个简单的判别规则在心率频带内取一个峰检查它是否是呼吸基频的整数倍如果是就当成谐波剔除如果不是就当成真实心率这个思路方向对但实际应用时会踩坑。举个例子。呼吸频率0.35Hz时谐波位置分别是0.70Hz二次、1.05Hz三次、1.40Hz四次、1.75Hz五次。如果真实心率是0.9Hz用除频法一算0.9/0.35约等于2.57不是整数能正确保留。但如果真实心率是1.2Hz1.2/0.35约等于3.43也不是整数也能保留。真正怕的是呼吸频率恰好和心率成整数比关系比如呼吸0.4Hz、心率1.2Hz1.2就是0.4的三倍这时候真实心率和三次谐波完美同频任何基于频域整数倍关系的规则都会把心率峰误伤。而且谐波和真实心率还有一个本质区别谐波与呼吸基频在相位上是锁定的幅度随呼吸幅度同步变化真实心率峰和呼吸谐波没有这种固定关系。但实际算法拿到的都是短窗频谱窗长一缩短频率分辨率和相位估计精度都变差这种相位锁定关系很难稳定可靠地估出来。所以你不能指望一个纯频域规则就能把二者分干净必须在时域包络和信号建模上多下功夫。4.3 一个足以复现的干扰场景拆解我写一个典型的干扰场景方便大家自己去复盘。受试者静坐呼吸频率0.35Hz呼吸基波幅度归一化为1。实测频谱中二次谐波幅度约0.25三次谐波约0.12四次谐波约0.06。真实心率0.9Hz心率峰幅度约0.1。在这个频谱上使用心率频带内取最高峰的算法会得到什么结果0.9Hz处的真实心率峰幅度0.1而1.05Hz处的三次谐波幅度0.12反而更高。最终仪器显示的心率大约认定为1.05Hz也就是每分钟63次实际心率却是每分钟54次。如果此时再叠加I/Q失衡带来的偶次失真二次谐波可能从0.25涨到0.4频谱上低端会再冒出一座更高的假峰情况只会更差。还有一个反直觉的细节如果你为了压制这个问题把检测窗口从10秒加长到30秒谐波峰会变得更细更尖锐幅度相对平稳噪声反而更突出于是选最高峰的逻辑会更坚定地选错。这里想说明的是谐波处理不能寄希望于把峰做干净必须主动去识别谐波关系而且识别逻辑不能只依赖频率。5. 工程上怎么和呼吸谐波共存并过招5.1 频域识别先认出整数倍关系再决定是否剔除最直接的工程思路是在频域上主动识别谐波。假设已经通过峰值搜索找到了呼吸基频f0那么就在2f0、3f0、4f0附近搜索对应峰值。如果这些位置上的峰能量与基波能量满足预期的递减关系就标记为呼吸谐波在心率选峰阶段要么剔除要么大幅压低参与竞争的权重。为了提高频率估计精度我建议先做高分辨率频谱处理比如用更长的时域窗或者频谱插值把f0估计到0.01Hz量级然后以k·f0为中心、±0.1Hz为半径检查能量。这个逻辑用伪码写出来大概是# 谐波候选识别伪代码 peaks find_peaks(spectrum, band(0.1, 5.0)) f0 estimate_resp_base_freq(peaks, candidate_band(0.15, 0.45)) for k in [2, 3, 4]: center k * f0 if has_peak_near(peaks, center, tol0.1): ratio peak_amplitude_near(peaks, center) / base_amplitude if ratio 0.5: # 谐波幅度不应超过基波过多 mark_as_harmonic(center)但是前面也说过逆命题不成立真实心率峰也可能恰好落在k·f0附近。因此我的建议是把这套逻辑做成确认逻辑而不是删除逻辑。具体来说一个峰要被认定为谐波需要同时满足三个条件一是频率在整数倍位置二是幅度随阶数呈现单调递减的趋势三是该峰的幅度包络与呼吸基波包络高度相关。时域包络相关性这个条件尤其关键它能避免误杀真实心率代价是算法复杂度上升——但生命体征产品本来就应该宁可少报一点也不能让错误数据吓到用户。5.2 时域建模把呼吸谐波组当成一个整体减掉频域剔除存在一些固有缺陷另一种更精巧的做法是在时域建模。思路是既然呼吸谐波是同一周期波形下的必然成分那就用一组正弦分量把呼吸基波 谐波组一起拟合出来再从原始位移信号中减去。公式上就是估计s_resp(t) a1·cos(2π·f0·t φ1) a2·cos(2π·2f0·t φ2) a3·cos(2π·3f0·t φ3) ...其中a1、a2、a3和φ1、φ2、φ3通过最小二乘法整体拟合。拟合完成后把s_resp(t)从总信号里减掉剩下的残差里呼吸基波和谐波都被大幅抑制而心率由于不满足这个同一基频整数倍的模型框架会被较完整地保留。我在一组实测数据上验证过呼吸谐波组抵消后心率频带内的谐波能量下降了20到30dB原本被淹没的心率峰变得清晰可辨。需要提醒三个注意点。第一模型阶数不要太高三四阶内足够阶数太高会把心率本身的频点也当成谐波分量拟合进去连真信号一起压掉。第二拟合窗口至少覆盖2个完整呼吸周期否则频率和幅度估计都不稳。第三呼吸频率发生漂移时模型要能做分段更新比如每2到4秒重新拟合一次否则一段数据里的频率变化会让拟合残差大幅增大。5.3 从前端开始治理I/Q校准、频段选择与动态余量谐波问题说到底是一个信号采集质量问题。如果前端能少贡献一点非线性后端的压力就会小很多。我按收益从高到低排一下第一优先级是I/Q校准。幅度失衡和相位失衡会直接产生二倍频假峰而这种失衡是相对稳定的系统误差完全可以通过标定系数在解调前补偿。只要硬件连接不变校准一次能用很久。第二优先级是频段选择。如果产品不依赖高距离分辨力2.4GHz这类较低频段在呼吸谐波抑制上比毫米波频段有天然优势。同样的毫米级位移在2.4GHz对应的相位摆幅只有毫米波频段的十分之一左右atan非线性和前端非线性都会被大幅缓解。做高频段产品时就必须把非线性补偿当成强制项去做而不是可选的优化项。第三优先级是动态余量管理。发射功率和接收增益应当留足余量最好增加AGC。当I/Q信号接近满量程上限时自动降增益避免削波产生的高次谐波爆发。还要加削波检测任何一种信号触到天花板的情况都应在数据质量标记里打点以便算法端动态剔除坏帧。此外我看到过一些研究团队用高阶多项式对解调后的相位做逆映射试图还原理想线性位移信号。这个方法在固定距离、固定目标下效果不错但换一个人或者换一个距离就很容易过拟合。我倾向于把它当辅助调试工具而不是产品化的主方案。5.4 最重要的一件事把呼吸谐波当成系统指标来管理最后想跟做产品开发的同行们说一句心里话呼吸谐波不是一个需要在算法里一次性消灭的敌人而是一个需要理解、识别、陪它共存的信号成分。它来源复杂既有生理波形本身的贡献又有解调非线性的贡献还有射频前端失真的贡献不可能靠一个万能滤波器解决。我在实际项目中踩过几次坑之后形成的做法是在设计阶段就把谐波当作一项明确的技术指标来管理。先明确目标频段和呼吸频率范围画一张呼吸谐波可能覆盖的频带表再对前端做I/Q校准和饱和测试确定谐波预算然后在算法端建立谐波候选识别时域呼吸模型对消双通道处理链路最后在验证阶段用包含咳嗽、打哈欠、深呼吸等非平稳动作的数据集做压力测试而不是只用静坐数据打分。这样做下来你会发现困扰很久的读数飘忽心率突然翻倍等问题很多都能解释清楚也基本都能找到对应环节的修复手段。整个过程比单纯纠结某一个滤波系数、某一段窗函数要重要得多。毕竟理解了谐波从哪里来你才真正知道该往哪里去拦它。 
长河君 · 2026/10/20 10:13:11 · 阅读 1.2k 生物雷达中呼吸谐波的产生机理与工程应对策略
1. 频谱图上那些不该出现的峰一个几乎人人都会遇到的怪象1.1 一次测试里的意外发现记得有一次在实验室调试某款基于多普勒原理的非接触式生命体征雷达把目标放在约80厘米外的椅子上采集了30秒胸腔回波。经过正交解调和相位解包缠之后我把频谱拉出来看预期应该只有两个清晰的峰呼吸基频大概在0.3Hz左右心率基频大概在1.1Hz左右。结果实际情况让我愣了一下——呼吸基频旁边站着一串兄弟姐妹0.6Hz、0.9Hz、1.2Hz谱线间隔几乎完全相等幅度依次递减而且1.2Hz附近那个峰恰好就落在心率频带内部。这个现象几乎所有做过生物雷达的人都会碰见只是新手往往会懵一圈呼吸明明应该是低频段的一个单频分量为什么屏幕上会出现这么多等间隔的假峰这些假峰就是呼吸谐波。更麻烦的是它们不是随机噪声不会因为平均时间加长、信噪比提高就自然消失。它也不像工频干扰那样可以从源头掐断因为它的来源就藏在信号本身和测量链路内部。我当时第一反应是怀疑系统硬件出问题电源纹波ADC采样整周期泄漏还是墙壁反射带来的多径抖动把这些因素挨个排除后我坐下来把数学重新推了一遍才确认一个反直觉的结论——呼吸谐波是物理上的必然不是工程上的偶然。这就引出了本文想真正拆解的问题呼吸谐波产生的本质到底是什么它到底从哪几个层面冒出来的为什么雷达系统拿它尤其头疼下面我把这几层机制一层层说清楚。1.2 谐波、基波、倍频先把频谱语言对齐在进入机制之前我必须先把术语对齐。很多朋友在讨论时把基波、谐波、倍频甚至高次间谐波混在一起说后面就会绕晕。一个周期信号如果严格是正弦波比如 x(t)A·sin(2π·f0·t)在频谱上只有一根谱线频率为f0这叫基波基频。但一个周期信号只要不是严格正弦哪怕只有一个周期波形也可以分解成基频正弦 整数倍频率正弦 直流分量的叠加这就是傅里叶级数最核心的结论。其中频率为2f0、3f0、4f0……的那些分量依次叫作二次谐波、三次谐波、四次谐波。谐波的频率一定是基频的整数倍不能单独存在并且幅度通常随阶数升高而递减。呼吸谐波的特殊性在于呼吸基频非常低。成年人安静呼吸大约每分钟12到24次也就是0.2到0.4Hz。这样一来呼吸的二次谐波是0.4到0.8Hz三次谐波是0.6到1.2Hz四次谐波是0.8到1.6Hz。而心率基频范围大约在0.8到2Hz也就是每分钟48到120次。一眼就能看出问题呼吸的二次、三次、四次谐波完全可以落在心率频带里而且是整片覆盖过去不是单独一个尖刺。这就意味着谐波只是个小干扰回头滤一下就行的想法根本不成立——它在频域上和目标信号发生了大面积重叠单纯从频率上切是切不干净的。另外还要区分一个概念谐波和间谐波不是一回事。谐波锁定在基频整数倍而间谐波是频率上不与基频成整数比的分量。实际测量中如果人咳嗽了、打哈欠了或者呼吸深度突然改变呼吸波形在短时间内不再是严格的周期信号谐波谱线会长胖、出现旁瓣甚至在一些时刻表现为非整数倍频率分量。这种非平稳性会让谐波识别算法更难做第4节我会专门展开这一段。2. 本质之一呼吸波形天生就不是正弦波2.1 一次呼吸的位移轨迹到底长什么样先看信号源侧。呼吸运动本身不是胸腔在某个平衡点附近做简谐振动这么简单。一次正常的呼吸周期可以分成吸气相和呼气相吸气时横膈膜收缩下移、肋间外肌收缩胸腔前后径和左右径同时扩大呼气时这些肌群放松胸腔在弹性回缩力作用下恢复。问题出在时间分配上——吸气和呼气并不对称一般吸气约占整个周期的1/3到2/5呼气占剩下的3/5到2/3。而且呼气末期往往还存在一个短暂的平台期医学上叫呼气末停顿。把这些特征画成胸腔表面位移随时间变化的曲线大致是这样的上升段吸气比较陡峭下降段呼气比较平缓末尾还有一段接近水平的平台然后进入下一次吸气。如果用波形形状来比划它更像一个被拉长下降沿的锯齿波或者一个带圆角的三角波距离标准正弦曲线有相当大的差距。有人可能会问医院里肺功能仪测出的呼吸流量曲线不是很圆滑吗这恰恰是问题所在。流量是位移的变化率位移曲线虽然流畅但吸气和呼气的斜率不同、吸呼比不等于1对时间积分后就已经偏离正弦了。而雷达测的是胸腔表面位移直接对应这条非对称的位移曲线。我曾在一组受试者数据里统计过用单频正弦模型去拟合单次呼吸位移残差能量经常占到信号总能量的10%到20%。这就是为什么谐波不是勉强能看到的微弱成分而是频谱上明摆着的第二、第三高谱线。2.2 傅里叶级数视角下的谐波来源把上面的话换算成数学语言就一目了然。假设理想情况下胸腔位移是周期为T0的波形y(t)基频f01/T0。由于波形不是理想正弦傅里叶级数可以写成y(t) a0 a1·cos(2π·f0·t φ1) a2·cos(2π·2f0·t φ2) a3·cos(2π·3f0·t φ3) ...这里a1就是呼吸基波幅度a2、a3就是二次谐波、三次谐波的幅度。a2/a1、a3/a1的比值完全由波形形状决定跟雷达系统没有任何关系纯粹是信号长成这样就必然携带这么多谐波能量。我拿一个快速吸气、慢呼气的理想三角波算过设周期4秒吸气占1.2秒呼气占2.8秒。对这个波形做谐波分解二次谐波幅度通常是基波的20%到35%三次谐波是10%到20%而且衰减速度比标准方波慢得多。真实胸腔位移波形比三角波平滑一点高次谐波衰减会快一些但二三次谐波的能量是跑不掉的。如果遇到更极端的情况比如呼吸中枢驱动减弱、呼气末平台期明显拉长波形会接近方波。方波的谐波含量大家都知道理想对称方波只有奇次谐波三次谐波可以达到基波的33%。也就是说哪怕前端链路完美、解调算法完美你从呼吸波形本身就能收获一个幅度不小的心率频带干扰源。2.3 呼吸深度调制让谐波从静止靶变成移动靶呼吸波形不仅形状非正弦幅度和频率还会随人的状态变化。正常静息状态下呼吸幅度比较稳定但人在睡眠中呼吸深度会随睡眠阶段波动甚至出现很低的潮气量周期性起伏。一旦呼吸深度被慢调制比如0.05Hz左右的慢波叠加到呼吸幅度上呼吸基波和谐波的谱线就会被涂宽两侧出现调制边带。我在实际数据里观察到这种边带展开之后谐波能量会进一步向心率频带内部扩散。原来1.0Hz处的三次谐波可能是一个细尖峰加上呼吸深度慢调制后变成一簇宽约0.3到0.5Hz的小峰群把真实心率峰完全盖在里面。更烦人的是这种状态下的干扰还会随着时间缓慢漂移固定频段的陷波器完全无能为力。这里有一个工程中常见的误区觉得只要在频谱上加一个呼吸基频陷波器而且把陷波带宽调宽一点就能把呼吸谐波也一起压掉。实际操作会发现基频陷波只能干掉基频附近那一小条对2f0、3f0位置的谐波几乎没有任何抑制如果把陷波带宽扩大到1Hz那心率峰也被误杀一大半。理解了呼吸深度调制之后你就能明白为什么传统滤波思路在生物雷达的生命体征提取里常常显得笨拙——因为干扰和目标在时频上纠缠在一起不是简单一个滤波器能隔离的。3. 本质之二雷达测量链路自身就是一台谐波制造机3.1 反正切解调被大多数教程忽略的第一个非线性环节如果说呼吸波形非正弦是信号源层面的谐波那雷达链路还会再贡献一层测量链路层面的谐波。几乎所有连续波多普勒雷达做生命体征测量时都是发射单频或窄带信号到人体表面胸腔位移会调制回波的相位。回波经过正交解调后得到I/Q两路基带信号位移信息藏在相位里。要从I/Q信号中把位移提出来最标准的做法是计算相位角φ(t) atan2(Q(t), I(t))然后做相位解包缠还原出胸腔微动位移。问题就出在这个atan2上。它是一个非线性函数。当胸腔位移很小比如只有1毫米左右在2.4GHz频段对应的相位变化只有零点几弧度atan2在这个区间近似线性相位输出基本正比于位移一切正常。但随着工作频率升高比如换成5.8GHz甚至毫米波频段同样的物理位移对应的相位摆幅翻倍再加上目标距离近、回波幅度强相位可能摆到好几个弧度。此时atan2早已明显偏离线性输入一个单频正弦输出信号里就会硬生生多出二倍频、三倍频分量。我有一次测试把同一个目标放在0.5米处先拍2.4GHz再拍5.8GHz。2.4GHz时呼吸二次谐波比基波低大约19dB换到5.8GHz后由于相位摆幅变大同样算法链路的呼吸二次谐波一下子抬高了6到8dB。链路其他环节没动就是频率升了一倍多谐波却被放大了。这说明在毫米波生命体征雷达里单纯照搬低频段反正切解调线性假设的做法是埋雷的必须在解调后增加非线性补偿或者做更精细的线性化处理。从数学上还可以换个视角看回波信号本质上是相位调制信号exp(j·θ(t))按第一类贝塞尔函数展开本身就含有丰富的频率分量。胸腔位移如果是单频正弦回波频谱也会出现以基频为间隔的多个边带峰。这个贝塞尔展开导致的边带和atan非线性导致的谐波会叠加在一起所以高频段雷达的谐波往往呈现为基波 一串旁瓣看起来比低频段更壮观。3.2 射频前端非线性与I/Q失衡谐波从天线口就开始了除了解调算法主动引入的atan射频前端本身也不是理想器件。混频器并非理想的乘法器它的变频转换特性在输入电平较高时会进入饱和产生三阶交调和谐波低噪声放大器和基带放大器同样存在增益压缩。这一串器件非线性作用在回波上会让回波的边带分量发生混频在基带输出端表现为额外的高次谐波和交调成分。工程上更隐蔽、也更常见的是I/Q失衡。理想正交解调要求I路与Q路幅度完全一致、相位差严格90度真实硬件做不到。一般零中频接收机的I/Q幅度失衡在0.3到1dB之间相位失衡在1到5度之间。这些失衡经过相位提取后最直接的效果就是一个纯呼吸正弦信号在正交解调输出端会携带明显镜像和偶次失真解包缠后的位移信号中出现二倍频谱峰幅度跟失衡程度基本成正比。所以我调试新雷达样机时有一条经验如果发现呼吸二次谐波异常地高先别急着怀疑算法和滤波先做一次I/Q校准。用单音信号或者直接用已知位移的反射目标测一遍算出幅相失衡系数把I/Q补偿写进解调链路。很多看起来像算法难题的谐波问题做完校准后能减轻一大半。3.3 大位移瞬间的饱和削波一旦削平谐波直接爆表还有一种容易被忽略的工况当人体紧贴雷达比如距离小于30厘米或者发射功率被调得偏大时回波信号幅度会超过前端线性动态范围基带信号被削顶或削底。削波是一种极强的非线性输出波形直接产生大量奇次谐波。人在咳嗽、打喷嚏、身体前倾的瞬间胸腔位移可以在零点几秒内从几毫米蹿到十几毫米。前端如果没有AGC自动增益控制或者限幅机制那一帧数据几乎必然被削平。我一次调试时把发射功率比默认值临时调高6dB正常呼吸状态下二次谐波没多大变化结果测试者打了个哈欠频谱上1到3Hz之间刷刷刷冒出七八个峰算法把好几个峰都当成了心率候选差点造成误判。事后回看原始I/Q波形才发现那一小段时间里基带信号已经顶到满量程削成了平头。这个案例给了我一个教训排查呼吸谐波问题时射频链路的动态范围边界必须当成一个独立变量来对待。你得记录每一段时间里前端是否接近饱和、I/Q幅度是否触顶否则看到谐波爆表就直接套用谐波抑制算法很容易南辕北辙——真实原因是硬削波不是解调非线性。4. 真正让人头疼的后果谐波混进心率频带4.1 频带重叠的致命巧合一张表格看懂前面的机制分析已经反复提到频带重叠现在用一个具体表格把呼吸谐波 vs 心率频带的关系摆清楚。取典型呼吸基频范围0.2到0.4Hz分量典型频率范围是否落入心率主频带0.8-2Hz呼吸基波0.2 - 0.4Hz否二次谐波0.4 - 0.8Hz边界附近慢心率时可能重叠三次谐波0.6 - 1.2Hz大量重叠四次谐波0.8 - 1.6Hz完全重叠五次谐波1.0 - 2.0Hz完全重叠可以看到三四五次谐波几乎就是在心率频带里面安家。这不是巧合而是谐波本性的必然结果呼吸基频太低倍频一次就接近心率下限倍频两到四次正好覆盖正常心率的全范围。所以真实频谱上经常是这样的画面0.3Hz处一座大峰呼吸基频0.6Hz处一座小峰二次谐波0.9Hz处一座中等峰三次谐波1.2Hz处又一座小峰四次谐波而真实心率峰可能只有一个、幅度还不一定能压过旁边的谐波。如果显示界面的选峰逻辑只是简单地取幅度最大峰作为心率那么在安静坐着的时候测出的心率大概率是呼吸的三次或四次谐波误差动辄每分钟二三十次。4.2 谐波和心率峰为什么不能靠高度和位置区分既然知道谐波会落在心率频带里那能不能做一个简单的判别规则在心率频带内取一个峰检查它是否是呼吸基频的整数倍如果是就当成谐波剔除如果不是就当成真实心率这个思路方向对但实际应用时会踩坑。举个例子。呼吸频率0.35Hz时谐波位置分别是0.70Hz二次、1.05Hz三次、1.40Hz四次、1.75Hz五次。如果真实心率是0.9Hz用除频法一算0.9/0.35约等于2.57不是整数能正确保留。但如果真实心率是1.2Hz1.2/0.35约等于3.43也不是整数也能保留。真正怕的是呼吸频率恰好和心率成整数比关系比如呼吸0.4Hz、心率1.2Hz1.2就是0.4的三倍这时候真实心率和三次谐波完美同频任何基于频域整数倍关系的规则都会把心率峰误伤。而且谐波和真实心率还有一个本质区别谐波与呼吸基频在相位上是锁定的幅度随呼吸幅度同步变化真实心率峰和呼吸谐波没有这种固定关系。但实际算法拿到的都是短窗频谱窗长一缩短频率分辨率和相位估计精度都变差这种相位锁定关系很难稳定可靠地估出来。所以你不能指望一个纯频域规则就能把二者分干净必须在时域包络和信号建模上多下功夫。4.3 一个足以复现的干扰场景拆解我写一个典型的干扰场景方便大家自己去复盘。受试者静坐呼吸频率0.35Hz呼吸基波幅度归一化为1。实测频谱中二次谐波幅度约0.25三次谐波约0.12四次谐波约0.06。真实心率0.9Hz心率峰幅度约0.1。在这个频谱上使用心率频带内取最高峰的算法会得到什么结果0.9Hz处的真实心率峰幅度0.1而1.05Hz处的三次谐波幅度0.12反而更高。最终仪器显示的心率大约认定为1.05Hz也就是每分钟63次实际心率却是每分钟54次。如果此时再叠加I/Q失衡带来的偶次失真二次谐波可能从0.25涨到0.4频谱上低端会再冒出一座更高的假峰情况只会更差。还有一个反直觉的细节如果你为了压制这个问题把检测窗口从10秒加长到30秒谐波峰会变得更细更尖锐幅度相对平稳噪声反而更突出于是选最高峰的逻辑会更坚定地选错。这里想说明的是谐波处理不能寄希望于把峰做干净必须主动去识别谐波关系而且识别逻辑不能只依赖频率。5. 工程上怎么和呼吸谐波共存并过招5.1 频域识别先认出整数倍关系再决定是否剔除最直接的工程思路是在频域上主动识别谐波。假设已经通过峰值搜索找到了呼吸基频f0那么就在2f0、3f0、4f0附近搜索对应峰值。如果这些位置上的峰能量与基波能量满足预期的递减关系就标记为呼吸谐波在心率选峰阶段要么剔除要么大幅压低参与竞争的权重。为了提高频率估计精度我建议先做高分辨率频谱处理比如用更长的时域窗或者频谱插值把f0估计到0.01Hz量级然后以k·f0为中心、±0.1Hz为半径检查能量。这个逻辑用伪码写出来大概是# 谐波候选识别伪代码 peaks find_peaks(spectrum, band(0.1, 5.0)) f0 estimate_resp_base_freq(peaks, candidate_band(0.15, 0.45)) for k in [2, 3, 4]: center k * f0 if has_peak_near(peaks, center, tol0.1): ratio peak_amplitude_near(peaks, center) / base_amplitude if ratio 0.5: # 谐波幅度不应超过基波过多 mark_as_harmonic(center)但是前面也说过逆命题不成立真实心率峰也可能恰好落在k·f0附近。因此我的建议是把这套逻辑做成确认逻辑而不是删除逻辑。具体来说一个峰要被认定为谐波需要同时满足三个条件一是频率在整数倍位置二是幅度随阶数呈现单调递减的趋势三是该峰的幅度包络与呼吸基波包络高度相关。时域包络相关性这个条件尤其关键它能避免误杀真实心率代价是算法复杂度上升——但生命体征产品本来就应该宁可少报一点也不能让错误数据吓到用户。5.2 时域建模把呼吸谐波组当成一个整体减掉频域剔除存在一些固有缺陷另一种更精巧的做法是在时域建模。思路是既然呼吸谐波是同一周期波形下的必然成分那就用一组正弦分量把呼吸基波 谐波组一起拟合出来再从原始位移信号中减去。公式上就是估计s_resp(t) a1·cos(2π·f0·t φ1) a2·cos(2π·2f0·t φ2) a3·cos(2π·3f0·t φ3) ...其中a1、a2、a3和φ1、φ2、φ3通过最小二乘法整体拟合。拟合完成后把s_resp(t)从总信号里减掉剩下的残差里呼吸基波和谐波都被大幅抑制而心率由于不满足这个同一基频整数倍的模型框架会被较完整地保留。我在一组实测数据上验证过呼吸谐波组抵消后心率频带内的谐波能量下降了20到30dB原本被淹没的心率峰变得清晰可辨。需要提醒三个注意点。第一模型阶数不要太高三四阶内足够阶数太高会把心率本身的频点也当成谐波分量拟合进去连真信号一起压掉。第二拟合窗口至少覆盖2个完整呼吸周期否则频率和幅度估计都不稳。第三呼吸频率发生漂移时模型要能做分段更新比如每2到4秒重新拟合一次否则一段数据里的频率变化会让拟合残差大幅增大。5.3 从前端开始治理I/Q校准、频段选择与动态余量谐波问题说到底是一个信号采集质量问题。如果前端能少贡献一点非线性后端的压力就会小很多。我按收益从高到低排一下第一优先级是I/Q校准。幅度失衡和相位失衡会直接产生二倍频假峰而这种失衡是相对稳定的系统误差完全可以通过标定系数在解调前补偿。只要硬件连接不变校准一次能用很久。第二优先级是频段选择。如果产品不依赖高距离分辨力2.4GHz这类较低频段在呼吸谐波抑制上比毫米波频段有天然优势。同样的毫米级位移在2.4GHz对应的相位摆幅只有毫米波频段的十分之一左右atan非线性和前端非线性都会被大幅缓解。做高频段产品时就必须把非线性补偿当成强制项去做而不是可选的优化项。第三优先级是动态余量管理。发射功率和接收增益应当留足余量最好增加AGC。当I/Q信号接近满量程上限时自动降增益避免削波产生的高次谐波爆发。还要加削波检测任何一种信号触到天花板的情况都应在数据质量标记里打点以便算法端动态剔除坏帧。此外我看到过一些研究团队用高阶多项式对解调后的相位做逆映射试图还原理想线性位移信号。这个方法在固定距离、固定目标下效果不错但换一个人或者换一个距离就很容易过拟合。我倾向于把它当辅助调试工具而不是产品化的主方案。5.4 最重要的一件事把呼吸谐波当成系统指标来管理最后想跟做产品开发的同行们说一句心里话呼吸谐波不是一个需要在算法里一次性消灭的敌人而是一个需要理解、识别、陪它共存的信号成分。它来源复杂既有生理波形本身的贡献又有解调非线性的贡献还有射频前端失真的贡献不可能靠一个万能滤波器解决。我在实际项目中踩过几次坑之后形成的做法是在设计阶段就把谐波当作一项明确的技术指标来管理。先明确目标频段和呼吸频率范围画一张呼吸谐波可能覆盖的频带表再对前端做I/Q校准和饱和测试确定谐波预算然后在算法端建立谐波候选识别时域呼吸模型对消双通道处理链路最后在验证阶段用包含咳嗽、打哈欠、深呼吸等非平稳动作的数据集做压力测试而不是只用静坐数据打分。这样做下来你会发现困扰很久的读数飘忽心率突然翻倍等问题很多都能解释清楚也基本都能找到对应环节的修复手段。整个过程比单纯纠结某一个滤波系数、某一段窗函数要重要得多。毕竟理解了谐波从哪里来你才真正知道该往哪里去拦它。