雷达检测人体呼吸心率时，呼吸谐波产生的本质是什么？

第一部分：通俗解释

先抛开复杂的公式，我们从信号的源头看起。

1. 你的胸腔不是弹簧：波形非正弦化

我们在做仿真的时候，喜欢把呼吸模拟成一个完美的正弦波（Sine Wave）。但实际上，人体胸腔的运动是极其复杂的。

• 非对称性：你吸气通常比较快且有力，呼气则比较缓慢放松。
• 非线性运动：胸腔和腹腔的起伏并不是简单的简谐振动。

呼吸对心率波形的影响直观图

根据傅里叶级数（Fourier Series）的原理，任何非正弦的周期信号，在频域上都会分解出基波（基频）和无穷多个高次谐波。

所以，光是你的呼吸动作本身，就已经自带了 2次、3次谐波了。

呼吸、呼吸谐波和心率

2. 雷达的“非线性视角”

相位调制效应这是更关键的一点。雷达探测的不是“位移”本身，而是“相位变化”。雷达波打到你的胸口再弹回来，这是一个角度（相位）的变化过程。即使你的胸腔运动是完美的正弦波 ，雷达接收到的信号却是 。

请注意，这是一个指数函数套三角函数。这种变换是高度非线性的！正是这种非线性映射，无中生有地造出了大量的谐波分量。第二部分：硬核推导（本质原理）对于做算法的同学，我们深入到公式层面，看看这些谐波到底是怎么算出来的。这涉及到 FMCW 雷达的中频信号模型 与 贝塞尔函数展开。假设人体胸腔的微动位移为 ，雷达发射信号波长为 。

经过混频和距离维 FFT（Range-FFT）后，在这个距离单元（Range Bin）上的复数信号 可以表示为：

其中 是幅度， 是静态相位。1. 物理源头的谐波（Fourier Series）如第一部分所述，真实的呼吸位移 本身就是一个非正弦周期信号，展开为傅里叶级数：

这里 的项就是物理动作带来的谐波。即便我们忽略这一项，假设呼吸是完美正弦波 ，雷达依然会产生谐波。2. 调制带来的谐波（Jacobi-Anger Expansion）将完美正弦位移代入雷达接收信号模型：

令调制指数 ，根据 Jacobi-Anger 展开式（第一类贝塞尔函数展开）：

于是雷达信号变成了：

看到了吗？公式里的 意味着，信号中直接包含了呼吸频率 的 倍频分量！而且，这些谐波的幅度由 第一类贝塞尔函数 决定。推论： 当呼吸幅度 较大（深呼吸）或者雷达波长 较短（比如 77GHz 或 120GHz 雷达）时，调制指数 变大， 在高阶项上的能量显著增强。这就是为什么在 77GHz 毫米波雷达上，呼吸谐波常常强到能淹没心跳信号（Heart Rate often overlaps with the 2nd or 3rd harmonic of Respiration）。

3.写在最后：如何解决？

既然知道了本质是非线性相位调制和生理非平稳性，那么传统的带通滤波器（Bandpass Filter）往往就失效了，因为心跳频率很容易和呼吸的 3 次、4 次谐波重叠（Intermodulation）。

解决这个问题的关键在于非线性信号的分解能力。在我的研究中，我发现利用 EEMD（集合经验模态分解） 结合相位解缠绕算法（这个是一个基础的baseline模型），能非常有效地把这些“虚假谐波”和真实的心跳微动分离开。为了方便大家复现和研究，我把这套包含 相位提取、EEMD 分解、谐波抑制 的完整流程整理成了一个纯 Matlab 的开源工具箱。附带完整示例数据，不需要配置复杂的环境，Clone 下来就能跑 TI 的雷达数据。感兴趣的同学可以参考一下：
GitHub: mmWave-Heartbeat-Toolboxhttps://link.zhihu.com/?target=https%3A//github.com/phish-tech/mmWave-Heartbeat-Dataset-Preprocessing-Toolbox-

(毫米波雷达心跳呼吸检测工具箱) 希望这个从原理到代码的回答能帮到你。