CN101940476B - 一种血氧饱和度检测方法及系统 - Google Patents

Abstract

本发明公开了一种血氧饱和度检测系统及方法。该血氧饱和度检测系统中央处理器的数据处理单元包括：时域计算装置、频域计算装置、时域卡尔曼滤波装置、频域卡尔曼滤波装置、R值数据融合装置和血氧饱和度计算装置。采用了本发明技术方案一种血氧饱和度检测方法的血氧饱和度检测系统，由于分别从时域和频域计算R值，并分别进行时域和频域的卡尔曼滤波，后再进行数据融合，从而综合了时域和频域的优势，得出最终更为精确的R值，最后再根据该R值计算血氧饱和度，因而最终得出的血氧饱和度值更加精确。

Description

一种血氧饱和度检测方法及系统

技术领域

本发明涉及医疗器械技术领域，具体涉及血氧饱和度检测技术，特别涉及一种血氧饱和度检测方法及系统。

背景技术

无创血氧饱和度检测是基于动脉血液对光的吸收量随动脉波动而变化的原理。透射式血氧饱和度检测中，当透光区域动脉血管搏动时,动脉血液对光的吸收量将随之变化,称为脉动分量或交流量(AC)；而皮肤、肌肉、骨骼等其他组织对光的吸收是恒定不变的,称为直流量(DC)。如果忽略由于散射、反射等因素造成的衰减。根据比尔-朗伯定律(Beer-LambertLaw)可以知道，

$I_{out}=I_{in}{e}^{-CL\[{\mathrm{S\β}}_0+\[1-S\]{\mathrm{\β}}_r\]}$

其中，I_out是光电探测器的输出电流，I_in是二极管的输入电流(对应不同的红光和红外光)，C是血液的浓度，L是两个LED和探测器之间的距离，S是饱和度，β_o和β_r分别表示材料系数。

血氧饱和度计算中常常先计算比率值R(RatioofRatios)，再根据R来计算血氧饱和度，血氧饱和度测量的关键也就在于R值的计算。如果R值的计算精度得以提高，那么血氧饱和度的测量精度就相应地提高。

目前，对R值的计算广泛使用的是峰-峰值法。在每个脉搏期间红光/红外光的波形具有一个最大值和最小值，分别为R_H，R_L。其中，R_L对应的是心脏收缩时，即动脉血体积最大时的值；R_H对应的是心脏舒张时，即动脉血体积最小时的值。考虑到光通过均匀介质的延时系数，可以表示为：

$R_L=I_o{e}^{-\[\mathrm{\α}\left({\mathrm{\λ}}_R\right)d+{\mathrm{\α}}_A\left({\mathrm{\λ}}_R\right)\mathrm{\Δ}d\]}$

其中，I_o表示入射光强度，α表示组织吸光率，α_A表示动脉血吸光率，λ_R表示吸光系数，d表示穿透距离，Δd表示心脏收缩和舒张造成的变化量。

相似地，

$R_H=I_o{e}^{-{\mathrm{\α}}_A{\mathrm{\λ}}_{R}d}$

将以上两个等式作一个比值，得到

$\frac{R_L}{R_H}=e^{-{\mathrm{\α}}_A{\mathrm{\λ}}_R\mathrm{\Δ}d}$

两边取对数，得到

$ln\frac{R_L}{R_H}=-{\mathrm{\α}}_A{\mathrm{\λ}}_R\mathrm{\Δ}d$

同样地，红外光可以得到

$ln\frac{{\mathrm{IR}}_L}{{\mathrm{IR}}_H}=-{\mathrm{\α}}_A{\mathrm{\λ}}_{IR}\mathrm{\Δ}d$

其中，IR_L表示红外光最小值；IR_H表示红外光最大值。

通过以上公式，可以得到

$R=\frac{-{\mathrm{\α}}_A{\mathrm{\λ}}_R\mathrm{\Δ}d}{-{\mathrm{\α}}_A{\mathrm{\λ}}_{IR}\mathrm{\Δ}d}=\frac{ln\frac{R_L}{R_H}}{ln\frac{{\mathrm{IR}}_L}{{\mathrm{IR}}_H}}$

从以上公式描述中可以看出，采用峰-峰值法计算的比率值仅与脉搏信号的峰值点和谷值点信号相关，因此这种算法的信噪比不高，比率值容易受到干扰信号的影响。

为了提高信噪比，最近又出现了一种叫做微分法的方法，与峰-峰值法不同的是，微分法并不选择峰值点和谷值点进行计算，而是在峰值和谷值之间选取一段样本点进行微分计算，即分别计算相邻两点之间红光/红外光交流量的差值与其直流值的比值，两个比值再求比值。最后，将得到的所有比率值平均后得到该段数据的平均比率值。微分法计算公式如下：

$\frac{{\mathrm{dI}}_{out}}{dt}=I_{in}{e}^{-CL\[{\mathrm{S\β}}_0+\[1-S\]{\mathrm{\β}}_r\]}(-CL(dL/dt)\[{\mathrm{S\β}}_0+\[1-S\]{\mathrm{\β}}_r\])$

其中，I_out是光电探测器的输出电流，I_in是二极管的输入电流(对应不同的红光和红外光)，C是血液浓度，L是LED灯与探测器之间的距离，S是饱和度，β₀和β_r分别表示材料系数。

又由

$I_{out}=I_{in}{e}^{-CL\[{\mathrm{S\β}}_0+\[1-S\]{\mathrm{\β}}_r\]}$

得到

$\frac{{\mathrm{dI}}_{out}/dt}{I_{out}}=-CL(dL/dt)\[{\mathrm{S\β}}_0+\[1-S\]{\mathrm{\β}}_r\]$

将两个波形相除，即可得到比率

$R=\frac{{\[{\mathrm{S\β}}_0+(1-{\mathrm{S\β}}_r)\]}_{{\mathrm{\λ}}_2}}{{\[{\mathrm{S\β}}_0+(1-{\mathrm{S\β}}_r)\]}_{{\mathrm{\λ}}_1}}=\frac{\frac{{\mathrm{dI}}_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}}{dt}*I_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}}{\frac{{\mathrm{dI}}_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}}{dt}*I_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}}$

即

$R^{`}=\frac{\frac{{\mathrm{dI}}_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}}{dt}*I_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}}{\frac{{\mathrm{dI}}_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}}{dt}*I_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}}$

求平均后得到

$\stackrel{\‾}{R}=\frac{1}{N-1}\underset{i=2}{\overset{N}{\Σ}}\frac{\frac{{\mathrm{dI}}_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}^i}{dt}*I_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}^{i-1}}{\frac{{\mathrm{dI}}_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}^i}{dt}*I_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}^{i-1}}=\frac{1}{N-1}\underset{i=2}{\overset{N}{\Σ}}\frac{(I_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}^{i-1}-I_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}^{i-1})*I_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}^{i-1}}{(I_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}^{i-1}-I_{{\mathrm{out}}_{{\mathrm{\λ}}_1}}^{i-1})*I_{{\mathrm{out}}_{{\mathrm{\λ}}_2}}^{i-1}}$

从以上微分法的计算公式中可以知道，比率值计算方式与选取的每个样本点的交流量相关，即通过增加样本点的方式，提高了算法的信噪比。但是，由于微分法是选取脉搏波形中任意一段数据，这样的方式没有考虑到脉搏波形各段在计算血氧饱和度时所占的权重，降低了血氧饱和度计算的精度。

此外，从人体采集到的脉搏信号，经前置通道进入处理器时，就伴随着各种各样的噪声和干扰，如工频干扰、基线漂移、运动干扰、低灌注等，这些都会影响到R值，最终影响血氧饱和度测量的准确性。

综上所述，目前为了能够提高血氧饱和度测量的精度，主要采用了峰-峰值法和微分法来计算比率值。对于峰-峰值法，当人体血氧饱和度低于80％时，峰-峰值法得到的血氧饱和度曲线峰值并不能够准确地表示血氧饱和度，因此并不能很好地解决低饱和度的问题。对于微分法，由于通过计算每相邻两点之间的比率值来求得该段样本点的比率值，虽然可以降低噪声对信号的影响，但是由于其比率值与每相邻的样本点的比率值相关，当出现一个或一组噪声信号时，最后通过计算得到的平均比率值将受到很大的影响。

现有技术还存在一个不那么引人注意的问题，那就是现有技术要么从时域计算出R值，要么从频域计算R值，然后就根据R值计算出血氧饱和度，最多在计算血氧饱和度之前再进行卡尔曼滤波。这就导致计算过程不能充分发挥时域和频域的优势，最终导致R值的计算结果不够精确。所以，现有检测血氧饱和度的方法均存在检测精度不高的问题，需要改进。

发明内容

本发明所要解决的技术问题之一是提供一种血氧饱和度检测系统，解决现有技术中血氧饱和度检测精度不够高的问题。

为解决上述技术问题，本发明采用如下技术方案：

一种血氧饱和度检测系统，包括中央处理器，所述中央处理器包括数据处理单元，其特征在于，所述数据处理单元包括：时域计算装置、频域计算装置、时域卡尔曼滤波装置、频域卡尔曼滤波装置、R值数据融合装置和血氧饱和度计算装置；所述频域计算装置，用于根据输入数据处理单元的检测数据，从频域计算出频域R值FR；所述时域计算装置，用于根据输入数据处理单元的检测数据，从时域计算出时域R值TR；所述时域卡尔曼滤波装置，用于对所述TR值进行卡尔曼滤波，得出卡尔曼时域R值KTR；所述频域卡尔曼滤波装置，用于对FR值进行卡尔曼滤波，得出卡尔曼频域R值KFR；所述R值数据融合装置，用于将KTR和KFR进行数据融合，计算出最终的R值；所述血氧饱和度计算装置，用于根据最终的R值计算出血氧饱和度。

优选的技术方案中，所述血氧饱和度检测系统还包括脉率数据融合装置；所述时域计算装置，还用于根据输入数据处理单元的检测数据，从频域计算出频域脉率值FPR；所述时域计算装置，还用于根据输入数据处理单元的检测数据，从时域计算出时域脉率值TPR；所述时域卡尔曼滤波装置，还用于对所述TPR值进行卡尔曼滤波，得出卡尔曼时域脉率值KTPR；所述频域卡尔曼滤波装置，还用于对FPR值进行卡尔曼滤波，得出卡尔曼频域脉率值KFPR；所述脉率数据融合装置，用于将KTPR和KFPR进行数据融合，计算出最终的PR值。

优选的技术方案中，所述数据融合的公式如下：

$Y=\frac{A^2}{A^2+B^2}X1+\frac{B^2}{A^2+B^2}X2$

其中， $A={\left(\frac{TD}{TSQI}\right)}^2;$

$B={\left(\frac{FD}{FSQI}\right)}^2;$

式中，TD是时域的卡尔曼滤波的残差，FD是频域卡尔曼滤波的残差，TSQI是时域的信号质量指数，FSQI是频域的信号质量指数，Y是数据融合的结果，X1是进行数据融合的频域部分，X2是进行数据融合的时域部分。

进一步优选的技术方案中，所述R值数据融合装置进行R值数据融合时，公式中的X1和X2分别表示FR和TR，而FD和TD分别表示FR和TR在卡尔曼滤波中的残差。

进一步优选的技术方案中，所述脉率数据融合装置进行脉率值数据融合时，公式中的X1和X2分别表示FPR和TPR，而FD和TD分别表示FPR和TPR在卡尔曼滤波中的残差。

本发明所要解决的技术问题之二是提供一种血氧饱和度检测方法，解决现有技术中血氧饱和度检测精度不够高的问题。

为解决上述技术问题，本发明采用如下技术方案：

一种血氧饱和度检测方法，其包括运算处理的步骤，所述运算处理具体包括如下步骤：

S1)、分别从时域和频域计算R值，得出时域R值TR和频域R值FR；

S2)、对TR和FR分别进行时域和频域的卡尔曼滤波，得出卡尔曼时域R值KTR和卡尔曼频域R值KFR；

S3)、通过R值数据融合装置将KTR和KFR进行R值数据融合，得出最终的R值；

S4)、根据R值，经过血氧饱和度计算装置计算的出血氧饱和度。

优选的技术方案中，所述步骤S1)、还分别从时域和频域计算脉率值，得出时域脉率值TPR和频域脉率值FPR；所述步骤S2)、还对TPR和FPR分别进行时域和频域的卡尔曼滤波，得出卡尔曼时域脉率值KTPR和卡尔曼频域脉率值KFPR；所述步骤S3)、还通过脉率数据融合装置将KTPR和KFPR进行脉率值数据融合，得出最终的脉率值PR。

优选的技术方案中，所述数据融合的公式如下：

$Y=\frac{A^2}{A^2+B^2}X1+\frac{B^2}{A^2+B^2}X2$

其中， $A={\left(\frac{TD}{TSQI}\right)}^2;$

$B={\left(\frac{FD}{FSQI}\right)}^2;$

式中，TD是时域的卡尔曼滤波的残差，FD是频域卡尔曼滤波的残差，TSQI是时域的信号质量指数，FSQI是频域的信号质量指数，Y是数据融合的结果，X1是进行数据融合的频域部分，X2是进行数据融合的时域部分。

进一步优选的技术方案中，所述数据融合装置进行R值数据融合时，公式中的X1和X2分别表示FR和TR，而FD和TD分别表示FR和TR在卡尔曼滤波中的残差。

进一步优选的技术方案中，所述数据融合装置进行脉率值数据融合时，公式中的X1和X2分别表示FPR和TPR，而FD和TD分别表示FPR和TPR在卡尔曼滤波中的残差。

本发明的有益效果是：

采用了本发明技术方案的一种血氧饱和度检测方法的一种血氧饱和度检测系统，由于分别从时域和频域计算R值，并分别进行时域和频域的卡尔曼滤波，后再进行数据融合，从而综合了时域和频域的优势，得出最终更为精确的R值，最后再根据该R值计算血氧饱和度，因而最终得出的血氧饱和度值更加精确。

附图说明

图1是本发明具体实施方式一中血氧饱和度检测系统的电路结构示意图。

图2是本发明具体实施方式一中数据处理单元的组成原理示意框图。

图3是本发明具体实施方式一血氧饱和度检测方法中数据处理的流程图。

图4是本发明具体实施方式二中数据处理单元的组成原理示意框图。

图5是本发明具体实施方式二血氧饱和度检测方法中数据处理的流程图。

下面将结合附图对本发明作进一步详述。

具体实施方式

如图1所示，本具体实施方式提供的一种血氧饱和度检测系统，包括：探头、差分放大电路、AD采样、中央处理器、电源电路和光电驱动电路。

其中中央处理器在本具体实施方式中采用MCU(微处理器)，MCU又具体包括：数据处理单元、逻辑控制单元、数据存储器、临时存储器和数据接口。

数据处理单元用于进行数据运算等数据处理。逻辑控制单元与光电驱动电路连接，用于输出控制信号，对光电驱动电路进行逻辑控制。其实本具体实施方式中，MCU对血氧饱和度检测系统各个部分的控制，都是通过逻辑控制部分来实现的，比如：探头发光的时序控制、驱动电流控制、偏置电流控制、背景光剪除控制、信号A/D转换控制等。

数据接口用于与外界上位机等进行数据交换。本处的数据接口采用串口，当然也可以采用其它常用的数据接口。数据存储器用于存储数据，本处采用Flash(闪存)作为数据存储器，当然也可以采用微硬盘等其它数据存储器。临时存储器用于临时存储数据，本处采用RAM(randomaccessmemory，随机存取存储器)临时存储数据。电源电路用于为血氧饱和度检测系统提供电力驱动，具体而言除了为光电驱动电路提供电力之外，还能为MCU提供数字+3.3V，以及模拟±3.3V的电力。

所述探头用于产生检测信号，其包括至少一个红光发射器和一个红外光发射器，以及一个探测器(即光敏二极管)。光电驱动电路与探头的红光发射器和红外光发射器分别连接，在MCU中逻辑控制单元的控制下，输出相应参数的电流，驱动红光发射器和红外光发射器工作而交替发射红光和红外光，以保证探测器能输出一定规格的检测电信号。本处的红光发射器和红外光发射器分别为红光LED(发光二极管)和红外光LED，且所述红光LED和红外光LED交替设置。

所述探测器与前述红光发射器和红外光发射器相对设置，其间间隔大约一个手指宽的距离，使用时被测者以其手指头伸入到探头内，且位于红光发射器和红外光发射器与探测器之间，红光发射器和红外光发射器发射的红光和红外光透过手指后被探测器接收，即产生了检测电信号。

探测器通过差分放大电路、AD采样电路与MCU连接。差分放大电路用于对探头产生的检测电信号进行差分放大处理，然后送入到AD采样电路进行进一步处理。AD采样电路用于将差分放大电路传送过来的模拟检测电信号，通过AD采样转换成数字信号的检测数据，送给后续的MCU进行进一步处理及运算，最终生成血氧饱和度数据存储在RAM中，然后通过通信接口传输给上位机。优选的技术方案中，通信接口还不直接与上位机连接，而是通过光耦进行了隔离。

本发明的改进之处主要在中央处理器内的数据处理单元中，该数据处理单元的原理如图2所示，包括：时域计算装置、频域计算装置、频域卡尔曼滤波装置、时域卡尔曼滤波装置、R值数据融合装置和血氧饱和度计算装置。

所述时域计算装置，用于根据前端输入数据处理单元的检测数据(包括红光和红外光的检测数据)，从时域计算出时域R值，时域R值即TR。

所述频域计算装置，用于根据前端输入数据处理单元的检测数据(包括红光和红外光的检测数据)，从频域计算出频域R值，频域R值即FR。

所述时域卡尔曼滤波装置，用于对从时域计算出的时域R值进行卡尔曼滤波，得出经过卡尔曼滤波后的R值，卡尔曼时域R值即KTR。

所述频域卡尔曼滤波装置用于对从频域计算出的频域R值进行卡尔曼滤波，得出经过卡尔曼滤波后的R值，即卡尔曼频域R值KFR。

所述R值数据融合装置，用于将KTR和KFR融合，计算出最终的R值。

所述血氧饱和度计算装置，用于根据最终的R值计算出血氧饱和度。

本发明的关键首先就在于同时包含了时域计算装置和频域计算装置，另外一个关键就在于增设了数据融合装置。本具体实施方式的血氧饱和度检测方法，其流程如图3所示：

首先，分别从时域和频域计算R值，得出时域R值TR和频域R值FR；然后对TR和FR分别进行时域和频域的卡尔曼滤波，得出卡尔曼时域R值KTR和卡尔曼频域R值KFR；再通过R值数据融合装置将KTR和KFR进行融合，从而综合了时域和频域的优势，得出最终更为精确的R值，最后根据R值，经过血氧饱和度计算装置计算出血氧饱和度，因而最终得出的血氧饱和度值更加精确。时域计算和频域计算以及卡尔曼滤波均属于现有技术，只是之前没有在一个血氧饱和度检测系统中同时进行时域和频域计算，所以本文不再详述，以下重点介绍数据融合装置的原理。

数据融合的原理是，分别利用卡尔曼滤波的残差和信号质量指数进行数据融合，公式如下：

$Y=\frac{A^2}{A^2+B^2}X1+\frac{B^2}{A^2+B^2}X2$ (公式1)

$A={\left(\frac{TD}{TSQI}\right)}^2$ (公式2)

$B={\left(\frac{FD}{FSQI}\right)}^2$ (公式3)

其中，TD是时域的卡尔曼滤波的残差；FD是频域卡尔曼滤波的残差；TSQI是时域的信号质量指数；FSQI是频域的信号质量指数；Y是数据融合的结果；X1是进行数据融合的频域部分；X2是进行数据融合的时域部分。信号质量指数的计算属于现有技术，本文不再详述。

进行R值的数据融合时，X1和X2分别表示频域和时域的R值(FR和TR)，而FD和TD分别表示频域和时域的R值在卡尔曼滤波中的残差。从以上的公式中可以看出，如果时域的残差小且信号质量指数大时，使用频域的权重小些，而如果频域的残差小且信号质量指数大时，使用时域的权重小些，因而通过数据融合，可以充分综合时域和频域计算的优势，得出更为精确的R值，进而得到更为精确的血氧饱和度值。

实施例二

如图4和图5所示，本具体实施方式与实施例一的最为明显的不同之处在于，数据处理单元中增加了脉率数据融合装置；除了进行如实施例一相同的R值数据融合，并计算出血氧饱和度之外，还独立的进行脉率值的数据融合，最终计算出更为精确的脉率值。

因此，频域计算装置和时域计算装置，不仅计算R值，还计算脉率值PR。时域计算装置计算出的脉率值为TPR，频域计算装置计算出的脉率值为FPR。同理，经过时域卡尔曼滤波之后的脉率值为KTPR，经过频域卡尔曼滤波之后的脉率值为KFPR。KTPR和KFPR在脉率数据融合装置中进行脉率数据融合，从而得出最终的脉率值。

对脉率进行数据融合的方法与对R值进行数据融合的方法和公式是一样的，在此不再详述。而进行脉率的数据融合时，X1和X2分别表示频域和时域的脉率(FPR和TPR)，而FD和TD分别表示频域和时域的脉率在卡尔曼滤波中的残差。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种血氧饱和度检测系统，包括中央处理器，所述中央处理器包括数据处理单元，其特征在于，所述数据处理单元包括：时域计算装置、频域计算装置、时域卡尔曼滤波装置、频域卡尔曼滤波装置、R值数据融合装置和血氧饱和度计算装置；

所述频域计算装置，用于根据输入数据处理单元的检测数据，从频域计算出频域R值FR；

所述时域计算装置，用于根据输入数据处理单元的检测数据，从时域计算出时域R值TR；

所述时域卡尔曼滤波装置，用于对所述TR值进行卡尔曼滤波，得出卡尔曼时域R值KTR；

所述频域卡尔曼滤波装置，用于对FR值进行卡尔曼滤波，得出卡尔曼频域R值KFR；

所述R值数据融合装置，用于将KTR和KFR进行数据融合，计算出最终的R值；

所述血氧饱和度计算装置，用于根据最终的R值计算出血氧饱和度。

2.如权利要求1所述的一种血氧饱和度检测系统，其特征在于，所述血氧饱和度检测系统还包括脉率数据融合装置；

所述频域计算装置，还用于根据输入数据处理单元的检测数据，从频域计算出频域脉率值FPR；

所述时域计算装置，还用于根据输入数据处理单元的检测数据，从时域计算出时域脉率值TPR；

所述时域卡尔曼滤波装置，还用于对所述TPR值进行卡尔曼滤波，得出卡尔曼时域脉率值KTPR；

所述频域卡尔曼滤波装置，还用于对FPR值进行卡尔曼滤波，得出卡尔曼频域脉率值KFPR；

所述脉率数据融合装置，用于将KTPR和KFPR进行数据融合，计算出最终的PR值。

3.如权利要求2所述的一种血氧饱和度检测系统，其特征在于，所述数据融合的公式如下：

$Y=\frac{A^2}{A^2+B^2}X1+\frac{B^2}{A^2+B^2}X2$

其中， $A={\left(\frac{TD}{TSQI}\right)}^2;$

$B={\left(\frac{FD}{FSQI}\right)}^2;$

式中，TD是时域的卡尔曼滤波的残差，FD是频域卡尔曼滤波的残差，TSQI是时域的信号质量指数，FSQI是频域的信号质量指数，Y是数据融合的结果，X1是进行数据融合的频域部分，X2是进行数据融合的时域部分。

4.如权利要求3所述的一种血氧饱和度检测系统，其特征在于，所述R值数据融合装置进行R值数据融合时，公式中的X1和X2分别表示FR和TR，而FD和TD分别表示FR和TR在卡尔曼滤波中的残差。

5.如权利要求3所述的一种血氧饱和度检测系统，其特征在于，所述脉率数据融合装置进行脉率值数据融合时，公式中的X1和X2分别表示FPR和TPR，而FD和TD分别表示FPR和TPR在卡尔曼滤波中的残差。

6.一种血氧饱和度检测方法，其包括运算处理的步骤，其特征在于，所述运算处理具体包括如下步骤：

S1)、分别从时域和频域计算R值，得出时域R值TR和频域R值FR；

S2)、对TR和FR分别进行时域和频域的卡尔曼滤波，得出卡尔曼时域R值KTR和卡尔曼频域R值KFR；

S3)、通过R值数据融合装置将KTR和KFR进行R值数据融合，得出最终的R值；

S4)、根据R值，经过血氧饱和度计算装置计算的出血氧饱和度。

7.如权利要求6所述的一种血氧饱和度检测方法，其特征在于，

所述步骤S1)、还分别从时域和频域计算脉率值，得出时域脉率值TPR和频域脉率值FPR；

所述步骤S2)、还对TPR和FPR分别进行时域和频域的卡尔曼滤波，得出卡尔曼时域脉率值KTPR和卡尔曼频域脉率值KFPR；

所述步骤S3)、还通过脉率数据融合装置将KTPR和KFPR进行脉率值数据融合，得出最终的脉率值PR。

8.如权利要求7所述的一种血氧饱和度检测方法，其特征在于，

所述数据融合的公式如下：

$Y=\frac{A^2}{A^2+B^2}X1+\frac{B^2}{A^2+B^2}X2$

其中， $A={\left(\frac{TD}{TSQI}\right)}^2;$

$B={\left(\frac{FD}{FSQI}\right)}^2;$

式中，TD是时域的卡尔曼滤波的残差，FD是频域卡尔曼滤波的残差，TSQI是时域的信号质量指数，FSQI是频域的信号质量指数，Y是数据融合的结果，X1是进行数据融合的频域部分，X2是进行数据融合的时域部分。

9.如权利要求8所述的一种血氧饱和度检测方法，其特征在于，所述数据融合装置进行R值数据融合时，公式中的X1和X2分别表示FR和TR，而FD和TD分别表示FR和TR在卡尔曼滤波中的残差。

10.如权利要求8所述的一种血氧饱和度检测方法，其特征在于，所述数据融合装置进行脉率值数据融合时，公式中的X1和X2分别表示FPR和TPR，而FD和TD分别表示FPR和TPR在卡尔曼滤波中的残差。