Motion-resilient and rapid contactless heart rate monitoring by overcoming dual physical barriers

Resumen Técnico: Monitoreo de Frecuencia Cardíaca Sin Contacto, Rápido y Resiliente al Movimiento

Planteamiento del Problema
El monitoreo sin contacto de signos vitales mediante radar ofrece una alternativa no intrusiva a los sensores cableados para aplicaciones que van desde el diagnóstico de la apnea del sueño hasta la detección de caídas. Sin embargo, la estimación rápida y fiable de la frecuencia cardíaca bajo movimiento corporal realista sigue siendo un desafío significativo debido a dos barreras físicas fundamentales:

1. Enmascaramiento de la Señal: Las señales de respiración suelen exhibir amplitudes un orden de magnitud mayores que las señales de los latidos del corazón. Los métodos convencionales de selección de rangos (range-bins), que se basan en la energía máxima, se bloquean invariablemente en estos componentes respiratorios dominantes en lugar de en las señales cardíacas más débiles.
2. Compromiso entre Resolución Temporal y de Frecuencia: Distinguir el latido del corazón de la interferencia espectral requiere normalmente ventanas de integración largas (20–60 segundos) para lograr una resolución de frecuencia suficiente. Sin embargo, tales duraciones extendidas hacen que el sistema sea altamente vulnerable a los artefactos de movimiento corporal, los cuales destruyen la integridad de la señal. Las estrategias de mitigación de movimiento existentes suelen depender de condiciones restrictivas (por ejemplo, periodos de inmovilidad o amplitudes de movimiento limitadas) o de soluciones de hardware costosas que sacrifican el campo de visión.

Metodología
Los autores proponen un marco completo de procesamiento de señales utilizando un radar FMCW (Onda Continua Modulada en Frecuencia) de canal único comercial estándar de 60 GHz en una configuración de 1 transmisor, 1 receptor (1T1R). El sistema supera las barreras mencionadas mediante tres técnicas algorítmicas sinérgicas:

1. Criterio de Energía-Varianza Máxima para la Selección de Rangos (Range-Bin Selection):

   • Base Física: Mientras que la respiración domina la energía promedio, la actividad mecánica cardíaca (balistocardiograma) contiene transitorios mecánicos agudos que generan una energía espectral significativa que se extiende hasta los 20 Hz. En contraste, la respiración y el movimiento corporal aleatorio son más suaves y de menor frecuencia en escalas de tiempo cortas.
   • Mecanismo: El sistema emplea ventanas adaptativas de sub-segundo (0.05–1 s) para "congelar" el movimiento macroscópico del cuerpo. Dentro de estas ventanas cortas, la varianza de la energía de la señal del latido del corazón es significativamente mayor que la de la respiración o el movimiento corporal. Se aplica un criterio de energía-varianza máxima para aislar de manera fiable los rangos dominados por el latido del corazón, rechazando eficazmente los rangos dominados por la respiración que serían seleccionados por los métodos convencales de energía máxima.

2. Diferenciación de Fase y Empalme de Segmentos Temporales (Temporal Bin Splicing):

   • Diferenciación de Fase: Una vez seleccionado el rango óptimo, se aplica la diferenciación de fase a los datos de tiempo lento (slow-time). Esta operación elimina el término de rango estático y atenúa la interferencia de baja frecuencia proveniente de la respiración y el movimiento corporal.
   • Empalme Temporal: Para resolver el compromiso entre robustez al movimiento (que requiere ventanas cortas) y resolución de frecuencia (que requiere ventanas largas), los segmentos de fase diferencial de múltiples ventanas cortas se concatenan (se empalman) para sintetizar una señal continua que abarque una duración mayor (por ejemplo, 5 segundos).
   • Supresión de Artefactos: Se aplica un filtro de mediana de 5 puntos a la señal empalmada para suprimir los artefactos de envoltura de fase (picos de alta amplitud) introducidos por el paso de diferenciación.

3. Estimación Espectral de Alta Resolución (MUSIC):

   • Se emplea el algoritmo de Clasificación de Múltiples Señales (MUSIC) en la señal empalmada. A diferencia de la Transformada Rápida de Fourier (FFT), MUSIC separa los subespacios de señal y ruido, permitiendo la discriminación de componentes de frecuencia muy cercanos. Esto permite la extracción precisa de la frecuencia cardíaca incluso cuando está oscurecida por armónicos respiratorios residuales dentro de una ventana de observación corta.

4. Análisis Adaptativo:

   • El sistema utiliza un marco adaptativo donde la longitud de la ventana de selección de rango se ajusta dinámicamente basándose en la frecuencia cardíaca estimada. Las frecuencias cardíacas más bajas utilizan ventanas más largas para asegurar una estimación de varianza estable, mientras que las frecuencias más altas utilizan ventanas más cortas para minimizar la influencia del movimiento no estacionario.

Result resultados Clave
La validación experimental se realizó con 10 participantes en 12 escenarios diversos de postura y movimiento, incluyendo ángulos de incidencia de radar variables, posiciones de decúbito supino, decúbito lateral y balanceo corporal activo.

• Precisión: El marco propuesto logró un Error Porcentual Absoluto Medio (MAPE) general del 4.4% en todos los escenarios.
• Resiliencia al Movimiento: Bajo condiciones de movimiento significativo, el sistema mantuvo un error máximo limitado al 5.4%.
• Comparación: La integración del criterio de energía-varianza máxima, el empalme temporal y el análisis MUSIC redujo significativamente las tasas de error en comparación con los métodos convencionales. Por ejemplo, el uso de una ventana de estimación de frecuencia de 3 segundos aumentó el MAPE al 6.1%, mientras que la ventana empalmada de 5 segundos mantuvo un rendimiento óptimo.
• Robustez: El criterio de energía-varianza máxima con una ventana de 0.1 segundos demostró una estabilidad de seguimiento superior durante el movimiento en comparación con el criterio de energía máxima, el cual exhibió una inestabilidad significativa y una selección errónea bajo las mismas condiciones.

Significancia y Reivindicaciones
El artículo afirma presentar una solución práctica y escalable para el monitoreo de la frecuencia cardíaca sin contacto, rápido y resiliente al movimiento. Al trasladar la carga de la robustez al movimiento del hardware (por ejemplo, antenas de haz estrecho) hacia los algoritmos, el marco permite el despliegue utilizando kits de radar comerciales estándar de bajo costo. Los autores sostienen que este enfoque facilita el despliegue práctico de un monitoreo de salud sin contacto, responsivo y a escala de habitación, en entornos no restringidos, como hogares residenciales, salas clínicas y centros de enfermería, sin requerir que los sujetos permanezcan estacionarios. Todo el proceso es puramente algorítmico, operando eficazmente en procesadores embebidos estándar, apoyando así la visión de un monitoreo de signos vitales ubicuo y multipersona.