Radar2PCG Dataset

该数据集包含从FMCW毫米波雷达中提取的非接触式心脏机械活动数据，用于非接触式心音图(PCG)重建。数据集是论文中描述方法的部分数据，包含通过MDACM相位提取、微运动放大和小波包分解处理的干净心脏机械活动信号。

This dataset contains non-contact cardiac mechanical activity data extracted from FMCW millimeter-wave radars, which is intended for non-contact phonocardiogram (PCG) reconstruction. It is a subset of the data used for the method described in the paper, and includes clean cardiac mechanical activity signals processed via MDACM phase extraction, micro-motion amplification, and wavelet packet decomposition.

原始信息汇总

Radar2PCG数据集概述

数据集名称

Radar2PCG-A-Non-contact-phonocardiogram-PCG-measurement-method-using-mmWave-radar

数据集来源

该数据集来源于论文《A Deep Learning-based Non-contact Phonocardiogram Measurement Method Using mmWave Radar》（作者：Haozhe Liu等，2026年，稿件在审）。

数据集内容

• 包含用于从调频连续波毫米波雷达中非接触式提取心脏机械活动的心脏信号提取（MATLAB）代码和部分数据集。
• 信号处理流程旨在从雷达回波中重建非接触式心音图，通过整合基于MDACM的相位提取、微运动放大和小波包分解，从原始雷达数据中提取干净的心脏机械活动信号。

采集硬件

• 雷达设备： TI IWR1843毫米波雷达 + DCA1000EVM
• 参考设备： Eko Core 500数字听诊器

使用要求

• 软件环境： MATLAB 2022b或更高版本
• 必要工具箱： Signal Processing Toolbox、Wavelet Toolbox

相关论文状态

稿件在准备中。

搜集汇总

数据集介绍

构建方式

在非接触式生理信号监测领域，Radar2PCG数据集的构建体现了毫米波雷达技术在心脏机械活动捕捉方面的创新应用。该数据集通过集成德州仪器IWR1843毫米波雷达与DCA1000EVM数据采集卡，同步采集人体胸部的雷达回波信号，同时利用Eko Core 500数字听诊器作为参考设备记录标准心音图。信号处理流程融合了基于MDACM的相位提取、微运动放大与小波包分解技术，从原始雷达数据中提取出清晰的心脏机械活动信号，从而构建出与心音图对应的非接触式心音图重建数据集。

使用方法

研究人员可利用该数据集开发与评估非接触式心音图重建算法，特别是在深度学习模型的训练与测试中发挥关键作用。使用前需配置MATLAB 2022b及以上版本，并安装信号处理与小波工具箱以运行提供的信号处理流程。数据集支持从原始雷达回波到心音图信号的重建全流程分析，用户可基于提取的心脏机械活动信号，进一步探索心音分类、异常检测或与其他生理参数的融合分析，为心血管疾病的早期筛查与监测提供技术支撑。

背景与挑战

背景概述

毫米波雷达技术在非接触式生理信号监测领域展现出巨大潜力，Radar2PCG数据集应运而生，旨在探索通过雷达回波重建心音图（PCG）的创新方法。该数据集由Haozhe Liu等研究人员于2026年前后构建，依托TI IWR1843毫米波雷达与Eko Core 500数字听诊器作为参考设备，核心研究问题聚焦于如何从雷达采集的人体微动信号中提取并重构高质量的心音信号，以推动远程医疗与智能健康监护系统的发展，为心血管疾病的早期筛查提供新的技术路径。

当前挑战

在非接触式心音图测量领域，主要挑战在于如何从复杂的雷达回波中分离出微弱的心脏机械活动信号，并克服环境噪声与人体呼吸运动带来的干扰。数据集构建过程中，研究人员需解决雷达原始数据中低频运动伪影的抑制、信号相位精确提取以及多尺度特征融合等难题，同时确保重构的心音图在临床诊断中具有足够的可靠性与准确性，这对信号处理算法的鲁棒性与泛化能力提出了较高要求。

常用场景

经典使用场景

在远程健康监测领域，Radar2PCG数据集为毫米波雷达非接触式心音图测量提供了关键数据支撑。该数据集通过融合毫米波雷达回波信号与数字听诊器采集的参考心音信号，构建了从雷达原始数据到心音图重建的映射关系。研究人员利用该数据集训练深度学习模型，实现对人体心脏机械活动的无感捕捉与心音信号的高保真重建，为心血管疾病的早期筛查与长期监护开辟了新的技术路径。

解决学术问题

该数据集有效解决了传统心音检测依赖接触式设备、易受环境干扰的学术难题。通过提供同步的雷达回波与心音信号对，它支持研究者探索基于毫米波雷达的相位提取、微运动放大与小波包分解等信号处理技术，从而在复杂生理噪声中分离出纯净的心脏机械活动信号。这一突破不仅推动了非接触式生理信号检测方法的发展，也为心血管功能的无创评估提供了新的理论依据与技术范式。

实际应用

在实际医疗与健康监护场景中，Radar2PCG数据集支持开发无需皮肤接触的连续心音监测系统。此类系统可部署于家庭、养老院或临床环境中，实现对患者心脏状态的长期、无扰式跟踪，尤其适用于婴幼儿、烧伤患者或运动状态下难以使用传统听诊器的群体。通过实时分析重建的心音图，系统能够辅助识别心杂音、心律异常等病理特征，提升心血管疾病的早期预警与干预能力。

数据集最近研究

最新研究方向

在非接触式生理监测领域，毫米波雷达技术因其穿透性强、隐私保护性好等优势，正成为心脏机械活动检测的前沿工具。Radar2PCG数据集通过融合MDACM相位提取、微运动放大与小波包分解等信号处理技术，从雷达回波中重建心音图，为深度学习模型提供了关键训练数据。这一研究方向紧密关联远程医疗与可穿戴健康监测的热点事件，推动了心血管疾病早期筛查的智能化发展，其非接触特性在传染病防控与日常健康管理中展现出深远意义。