Presence Detectors and Remote Heartbeat Sensing Using Radar Technology

Abstract

Presence detectors based on different technologies have been around for many years now, with a constant expansion of situation implementations. In this thesis, an overview of the capabilities of different types of presence detectors has been done and the radar technology have been further investigated. A 60 GHz pulsed coherent radar has been used to measure the limits of the radar sensor’s distance and movement capabilities to extract motions originating from the heartbeat. With the radar set to a constant distance measurements of different aspects of the heart-beat characteristics as well as breathing pattern and its influence on the heart rate were performed.Measurements of the authors’ chest movement from breathing and heart beats have been performed to yield information about the morphology of the chest move-ment based on the characteristics of the heartbeats. A neural network was set upand trained by data sets from heartbeat movements while holding the breath to identify the small changes of heart beats from different persons and to classify and predict who the heartbeat belongs to. An average success rate of 90 % was achieved when predicting which person the heartbeat sequence belong to.The heart rate variability (HRV) has also been a subject to investigation where the breathing pattern is taken into account for changes in the heart rate through-out the breathing cycle. The results indicate a promising method of measuring breathing pattern, heart rate and corresponding heart rate variability needing no physical contact.

Popular Abstract (Swedish)

Detektering och igenkänning av hjärtslag med radar och maskininlärning. Att använda sitt egna hjärtslag för att kunna identifiera sig med kommer helt och hållet förändra sättet vi ser på biometrisk identifiering. Med hjälp av en radar med millimeter-stora vågor kan vi idag mäta otroligt små avståndsförändringar, och tillsammans med maskininlärning kan vi använda detta för att mäta hjärtslagets unika rörelser för att skilja på personer med upp till 97% säkerhet. Detta utförs dessutom av en väldigt energisnål och billig radarsensor som man kan implementeras i många olika typer av produkter.Man har nyligen börjat använda kontaktlösa metoder för att känna igen personer och ha möjligheten att logga in på en telefon med till exempel ansiktsigenkänning. Med radarteknik kan man dock göra detta på ett mycket längre avstånd då man inte behöver vara nära själva kameran. Detta gör så att man kan utöka detta system till större områden och därmed till nya användningsområden samtidigt som det ger ett alternativ för igenkänning på kortare avstånd.Radar är en relativt gammal teknik som använts framför allt av militären för att detektera objekt som man annars inte kunnat se. Efter närmare 100 år av utveckling har man idag möjligheten att detektera extremt små rörelser då vi idag använder oss av frekvenser på upp till hundratals GHz (hundratals miljarder svängningar per sekund), allt detta gjort möjligt på en yta som är mindre än nageln på ett lillfinger. Då radar använder sig av elektromagnetiska vågor krävs heller inget synligt ljus för att använda systemet, som många kameror för ansiktsigenkänning idag använder sig av. Att använda sig av hur hjärtats slag ser ut gör det även extremt svårt att göra en förfalskning av då det är något som är mycket svårt att alternera eller återskapa.För att kunna skilja på de olika hjärtslagen användes maskininlärning som genom klassificering av hjärtslagets form kan spara en matematisk representation av hjärtslaget som man senare kan jämföra med. Man börjar först med att bygga upp en databas av hjärtslag för att få en bra klassificering. Detta är inte något en människa kan göra genom att bara titta på datan utan det krävs artificiell intelligens (AI) för att hitta mönstren i datan. Vi lyckades här med att klassificera rätt hjärtslag till rätt person med upp till 97% säkerhet, med ett snitt på cirka 90%. Skillnaden beror mest på vilka hjärtslag som används för att bygga upp databasen och vilka som användes för att jämföra med databasen. Genom att utveckla maskininlärningen och använda lite mer sofistikerade metoder kan man troligen få ännu högre träffsäkerhet.Även andra användningsområden som Heart Rate Variability testades där vi kan se hur andningen påverkar hjärtats frekvens och rytm. Vi kunde se hur hjärtfrekvensen går ner vid utandning och går upp med inandning vilket gör att denna teknik även kan användas till olika hälsoundersökningar. Detta utan att vara i kontakt med personen vilket ökar bekvämligheten under en undersökning, något som kan uppskattas av många.

• author: Thorström, Mikael and Anderson, Gustaf
• supervisor: Daniel Sjöberg
• organization: Department of Electrical and Information Technology
• course: EITM01 20192
• year: 2020
• type: H2 - Master's Degree (Two Years)
• subject: Technology and Engineering
• report number: LU/LTH-EIT 2020-744
• language: English
• id: 9004389
• date added to LUP: 2020-02-10 11:02:21
• date last changed: 2020-02-10 11:02:21