学习评估毫米波心率感知中的心跳可观测性

毫米波（mmWave）雷达进行非接触式心率感知时，需要评估单次测量是否支持可靠估计。我们研究学习评估心跳可观测性，即在获取的相位谱中判定心跳成分的可读性，以实现选择性心率估计。散射体回波的相干叠加可能会抑制该成分，即使宏观观测几何条件相似也是如此，因此有必要直接根据获取的测量结果进行评估。为了在不同可观测性条件下获得训练监督信号，我们开发了一种可控的多散射体调频连续波（FMCW）模拟器。主导心跳频段峰值与已知心率之间的一致性，为每次模拟测量提供自动可观测性标签。我们提出 HEAR（Heartbeat Estimation with Assessed Reliability），一种紧凑的双任务 Transformer，可联合预测可观测性得分和心率。其输入将频谱幅值与相对于呼吸基频的频率相结合，为呼吸谐波提供上下文信息。HEAR 仅在模拟观测上训练，即可零样本迁移到两个公开的真实世界数据集，这些数据集以 60 和 120 GHz 的频率采集自 134 名受试者。同一个学习得到的得分既可与 HEAR 自身的心率预测头配合，也可与多个现有估计器配合，实现选择性预测。在 120 GHz 数据集上，基于得分进行筛选后，在 50% 覆盖率下，心率预测头的平均绝对误差从全覆盖时的 17.9 BPM 降至 1.6 BPM。完整流程在边缘设备上的端到端处理延迟为 50.8 ms。项目主页：https://yuxuanhu9.github.io/HEAR/。