CN102165698B - 用于光电容积描记器(ppg)数据的欠采样获取和传输及在接收机处的全频带ppg数据的重建的方法和装置 - Google Patents

用于光电容积描记器(ppg)数据的欠采样获取和传输及在接收机处的全频带ppg数据的重建的方法和装置 Download PDF

Info

Publication number
CN102165698B
CN102165698B CN200980137507.9A CN200980137507A CN102165698B CN 102165698 B CN102165698 B CN 102165698B CN 200980137507 A CN200980137507 A CN 200980137507A CN 102165698 B CN102165698 B CN 102165698B
Authority
CN
China
Prior art keywords
signal
heterogeneous
sample
sampling
devices
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN200980137507.9A
Other languages
English (en)
Other versions
CN102165698A (zh
Inventor
H·加鲁达德里
P·K·巴赫蒂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Qualcomm Inc
Original Assignee
Qualcomm Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Qualcomm Inc filed Critical Qualcomm Inc
Publication of CN102165698A publication Critical patent/CN102165698A/zh
Application granted granted Critical
Publication of CN102165698B publication Critical patent/CN102165698B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7232Signal processing specially adapted for physiological signals or for diagnostic purposes involving compression of the physiological signal, e.g. to extend the signal recording period
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0006ECG or EEG signals
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0024Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/145Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01RMEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R13/00Arrangements for displaying electric variables or waveforms
    • G01R13/02Arrangements for displaying electric variables or waveforms for displaying measured electric variables in digital form
    • G01R13/0218Circuits therefor
    • G01R13/0272Circuits therefor for sampling
    • HELECTRICITY
    • H03ELECTRONIC CIRCUITRY
    • H03MCODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • HELECTRICITY
    • H03ELECTRONIC CIRCUITRY
    • H03MCODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3059Digital compression and data reduction techniques where the original information is represented by a subset or similar information, e.g. lossy compression
    • H03M7/3062Compressive sampling or sensing
    • HELECTRICITY
    • H03ELECTRONIC CIRCUITRY
    • H03MCODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/60General implementation details not specific to a particular type of compression
    • H03M7/6047Power optimization with respect to the encoder, decoder, storage or transmission
    • HELECTRICITY
    • H03ELECTRONIC CIRCUITRY
    • H03MCODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/70Type of the data to be coded, other than image and sound
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W84/00Network topologies
    • H04W84/18Self-organising networks, e.g. ad-hoc networks or sensor networks
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02Operational features
    • A61B2560/0204Operational features of power management
    • A61B2560/0209Operational features of power management adapted for power saving
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021Measuring pressure in heart or blood vessels
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physiology (AREA)
  • Theoretical Computer Science (AREA)
  • Signal Processing (AREA)
  • Optics & Photonics (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Cardiology (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Telephone Function (AREA)

Abstract

本申请的特定方案涉及一种用于压缩感测(CS)的方法。CS是一种信号处理概念,其中,可以使用比香农/尼奎斯特采样定理所提出的少得多的传感器测量值来以任意高分辨率恢复信号。在本申请中,将CS架构应用于传感器信号处理,以便支持在用于护理和健康应用的体域网(BAN)中的低功率且鲁棒的传感器和可靠的通信。

Description

用于光电容积描记器(PPG)数据的欠采样获取和传输及在接收机处的全频带PPG数据的重建的方法和装置
根据35U.S.C.§119的优先权要求
本专利申请要求于2008年9月26日提交的临时申请No.61/100,654和于2008年9月29日提交的临时申请No.61/101,056的优先权,其被转让给其受让人,并借以通过参考明确地并入本文。
技术领域
本申请的特定方案总体上涉及信号处理,更具体的,涉及用于信号的欠采样获取、传输和重建的方法。
背景技术
压缩感测(CS)是新兴的信号处理概念,其中,可以使用比香农/尼奎斯特(Shannon/Nyquist)采样定理所提出的少得多的传感器测量值来回复具有任意高分辨率的信号。这在被感测的信号在特定域中固有的是可压缩的或稀疏的情况下是可能的。考虑具有M个非零频谱成分的一类有限带宽的信号,其中,M<<fs/2,fs是建议的采样速率,例如尼奎斯特采样速率。传统上,这种信号能够在获得之后进行压缩,以实现更有效的传输和/或存储。
在CS架构中,获取处理(即,感测)可以与源压缩相组合,并可以与信号的稀疏本质无关。然而,在接收机端会需要这个稀疏性信息,以便执行信号重建。通常将在CS架构中的测量值定义为信号与随机基础函数的内积。如果在接收机可以获得至少2·M个样本,则就可以准确地恢复这些信号,虽然在接收机处存在某些额外的运算复杂性。这在体域网(body areanetwork,BAN)中是有用的,因为将运算复杂性转移到具有灵活功率预算的节点,以便增加在BAN中所用的传感器的使用寿命。
CS范例可以用于与信号探测/分类、成像、数据压缩和磁共振成像(MRI)有关的应用。报道了CS在改进的信号保真度和较好的识别性能方面的优点。在本申请中,提出了基于CS的信号处理,用于在护理和健康应用的BAN内提供低功率的传感器。
BAN在护理应用中的重要方案是在传感器(即发射机)与聚集器(即接收机)之间提供可靠的通信链路,同时使传感器功率和通信等待时间最小。以前报道了包括多跳无线网络在内可以观测到高达50%的分组丢失率。然而,可以通过使用服务质量(QoS)感知网络来改进分组丢失性能。可以应用双信道方案,其中,可以保留一条信道用于紧急警告消息。结果,可以实现5%到25%的较低分组丢失率。然而,分组丢失率会随着网络拥塞而增大。
此外,研究了在BAN情况中的前向纠错(FEC)编码的实用。通过使用FEC方案,对于在秒数量级上的通信等待时间可以观测到较小的残余分组丢失率。此外,研究了在通用分组无线业务(GPRS)链路上的心电图(ECG)信号的传输,对于在秒数量级上的通信等待时间获得了较小的丢失率。使用FEC的优点是以增加传输带宽和传感器复杂性为代价的。另一方面,与FEC方案相比,基于重传的技术具有较小的带宽损失,但由于需要在发射机处缓冲分组,因此传感器的复杂性相当大。还存在与往返时间成正比的等待时间损失。
因此,本领域中需要一种方法,其在发射机处具有较低带宽开销和较低运算复杂性,从而实现较长的传感器寿命,同时不会损害给定分组丢失率情况下的特定应用的目标质量度量。
发明内容
特定方案提供了一种用于信号处理的方法。所述方法总体上包括以下步骤:在一装置处产生非均匀的采样时间(sampling instance);以及在多个所述非均匀的采样时间期间感测信号的样本。
特定方案提供了一种用于信号处理的装置。所述装置总体上包括:产生器,被配置为产生非均匀的采样时间;以及传感器,被配置为在多个所述非均匀的采样时间期间感测信号的样本。
特定方案提供了一种用于信号处理的装置。所述装置总体上包括:用于产生非均匀的采样时间的模块;以及用于在多个所述非均匀的采样时间期间感测信号的样本的模块。
特定方案提供了一种用于信号处理的计算机程序产品。所述计算机程序产品包括具有指令的计算机可读介质,所述指令可执行以:产生非均匀的采样时间;并在多个所述非均匀的采样时间期间感测信号的样本。
特定方案提供了一种感测设备。所述感测设备总体上包括:产生器,被配置为产生非均匀的采样时间;传感器,被配置为至少在多个所述非均匀的采样时间期间感测信号的样本;以及发射机,被配置为发送所述感测的样本。
特定方案提供了一种用于信号处理的方法。所述方法总体上包括以下步骤:在一装置处接收从另一装置发送信号的样本;确定一组非均匀的采样时间,其中,在所述另一装置处是在该组非均匀的采样时间期间对信号进行采样的;并且使用所确定的该组非均匀的采样时间来从所述接收的样本中重建所述信号。
特定方案提供了一种用于信号处理的装置。所述装置总体上包括:接收机,被配置为接收从另一装置发送的信号的样本;被配置为确定一组非均匀的采样时间的电路,其中,在所述另一装置处是在该组非均匀的采样时间期间对信号进行采样的;以及重建器,被配置为使用所确定的该组非均匀的采样时间来从所述接收的样本中重建所述信号。
特定方案提供了一种用于信号处理的装置。所述装置总体上包括:用于接收从另一装置发送的信号的样本的模块;用于确定一组非均匀的采样时间的模块,其中,在所述另一装置处是在该组非均匀的采样时间期间对信号进行采样的;以及用于使用所确定的该组非均匀的采样时间来从所述接收的样本中重建所述信号的模块。
特定方案提供了一种用于信号处理的计算机程序产品。所述计算机程序产品包括具有指令的计算机可读介质,所述指令可执行以:接收从一装置发送的信号的样本;确定一组非均匀的采样时间,其中,在所述装置处是在该组非均匀的采样时间期间对信号进行采样的;并且使用所确定的该组非均匀的采样时间来从所述接收的样本中重建所述信号。
特定方案提供了一种耳机。所述耳机总体上包括:接收机,被配置为接收从一装置发送的信号的样本;被配置为确定一组非均匀的采样时间的电路,其中,在所述装置处是在该组非均匀的采样时间期间对信号进行采样的,重建器,被配置为使用所确定的该组非均匀的采样时间来从所述接收的样本中重建所述信号;以及换能器,被配置为根据所述重建的信号来提供音频输出。
特定方案提供了一种手表。所述手表总体上包括:接收机,被配置为接收从一装置发送的信号的样本;被配置为确定一组非均匀的采样时间的电路,其中,在所述装置处是在该组非均匀的采样时间期间对信号进行采样的;重建器,被配置为使用所确定的该组非均匀的采样时间来从所述接收的样本中重建所述信号;以及用户界面,被配置为根据所述重建的信号来提供指示。
特定方案提供了一种监控设备。所述监控设备总体上包括:连接器;接收机,被配置为通过所述连接器接收从一装置发送的信号的样本;被配置为确定一组非均匀的采样时间的电路,其中,在所述装置处是在该组非均匀的采样时间期间对信号进行采样的;重建器,被配置为使用所确定的该组非均匀的采样时间来从所述接收的样本中重建所述信号;以及用户界面,被配置为根据所述重建的信号来提供指示。
特定方案提供了一种用于信号处理的方法。所述方法总体上包括以下步骤:在多个非均匀的采样时间期间开启光源;并且在所述多个非均匀的采样时间之间关闭所述光源。
特定方案提供了一种用于信号处理的装置。所述装置总体上包括:开启电路,被配置为在多个非均匀的采样时间期间开启光源;以及关闭电路,被配置为在所述多个非均匀的采样时间之间关闭所述光源。
特定方案提供了一种用于信号处理的装置。所述装置总体上包括:用于在多个非均匀的采样时间期间开启光源的模块;以及用于在所述多个非均匀的采样时间之间关闭所述光源的模块。
特定方案提供了一种用于信号处理的计算机程序产品。所述计算机程序产品包括具有指令的计算机可读介质,所述指令可执行以:在多个非均匀的采样时间期间开启光源;并且在所述多个非均匀的采样时间之间关闭所述光源。
特定方案提供了一种感测设备。所述感测设备总体上包括:开启电路,被配置为在多个非均匀的采样时间期间开启光源;传感器,被配置为在所述多个非均匀的采样时间期间感测信号的样本;以及关闭电路,被配置为在所述多个非均匀的采样时间之间关闭所述光源。
附图说明
所以通过参考多个方案可以获得详细地理解本申请的上述特征的方式、以上概述的更具体的描述,在附图中示出了其中一些方案。然而应当注意,附图仅示出了本申请的特定典型方案,因此不应认为是其范围的限制,因为本描述承认其它等效的方案。
图1示出了根据本申请的特定方案的示例性无线通信系统。
图2示出了根据本申请的特定方案的可以用于无线设备中的各种组件。
图3示出了根据本申请的特定方案的可以用于无线通信系统中的示例性发射机和示例性接收机。
图4示出了根据本申请的特定方案的示例性体域网(BAN)。
图5示出了根据本申请的特定方案的用于BAN内的传感器阵列的示例性方框图。
图6示出了根据本申请的特定方案的用于BAN内的聚集器的示例性方框图。
图7示出了根据本申请的特定方案的时域光电容积描记器(PPG)信号及其频谱的示例。
图8示出了根据本申请的特定方案的时域心电图(ECG)信号及其频谱的示例。
图9示出了根据本申请的特定方案的PPG信号的频谱的另一个示例。
图10示出了根据本申请的特定方案的PPG信号的示例及其在Gabor空间中的变换。
图11示出了根据本申请的特定方案,对于使用不同欠采样比值(under-sampling ratio,USR)获得的重建信号的比较。
图12示出了根据本申请的特定方案,对于基于用于不同USR的压缩感测(compressed sensing,CS)架构的心率(HR)估计的比较。
图13示出了根据本申请的特定方案,对于基于用于不同USR的CS架构的PPG信号重建的比较。
图14示出了根据本申请的特定方案的基于ECG和PPG信号峰值的脉冲到达时间(PAT)和HR的示例性测量值。
图15示出了根据本申请的特定方案的用于收缩压(SBP)估计误差和舒张压(DBP)估计误差的标准偏差。
图16示出了根据本申请的特定方案的基于CS的分组丢失隐藏(PLC)方法的示例性操作。
图16A示出了能够执行图16中所示操作的示例性组件。
图17示出了根据本申请的特定方案的示例性ECG信号,其在Gabor空间中的变换及该ECG信号的预编码形式。
图18示出了根据本申请的特定方案的基于交织的CS-PLC方法的示例性操作。
图18A示出了能够执行图18中所示的操作的示例性组件。
图19示出了根据本申请的特定方案,对于不同数量的传输分组,CS-PLC的示例性均方根误差(RMSE)性能的曲线图。
图20示出了根据本申请的特定方案的使用CS-PLC方法和没有PLC的方案的信号重建的示例。
图21示出了根据本申请的特定方案的用于各种PLC方案的示例性归一化RMSE性能的曲线图。
图22示出了根据本申请的特定方案的用于各种PLC方案的心跳检测性能比较。
图23示出了根据本申请的特定方案的使用CS-PLC方案的恢复的音频信号的示例。
图24示出了根据本申请的特定方案的使用CS-PLC方案的恢复的音频信号的另一个示例。
图25示出了根据本申请的特定方案的用于欠采样获取和重建的示例性操作。
图25A示出了能够执行图25中所示的操作的示例性组件。
图26示出了根据本申请的特定方案的传感器和重建器的示例性方框图。
图27示出了根据本申请的特定方案的在非均匀的采样时间感测的信号的示例。
图28示出了根据本申请的特定方案的用于对在传感器处的光源进行开启和关闭的示例性操作。
图28A示出了能够执行图28中所示的操作的示例性组件。
具体实施方式
下文中参考附图更充分地说明本申请的各种方案。然而,本申请可以以不同形式体现,并且不应解释为局限于在本申请通篇中提出的任何具体结构或功能。相反,提供这些方案的目的是使得本申请全面和完整,并完整地向本领域技术人员传达本申请的范围。根据本文的教导,本领域技术人员应意识到本申请的范围旨在覆盖本文公开的本申请的任何方案,无论是独立于本申请的任何其它方案实施的方案还是与之相结合实施的方案。例如,可以使用本文提出的任意数量的方案来实现装置或实施方法。另外,本申请的范围旨在覆盖作为本文阐述的本申请的各个方案的补充或者替代本文阐述的本申请的各个方案而使用其它结构、功能或结构及功能来实现的装置或方法。应理解,本文公开的本申请的任何方案都可以由权利要求中的一个或多个要素来体现。
本文使用词语“示例性的”表示充当实例、例子或举例说明。本文中被描述为“示例性的”任何方案并非必然解释为对于其它方案而言是优选的或是有优势的。
尽管本文描述了多个具体方案,但这些方案的许多变化和置换也属于本申请的范围内。尽管提及了优选方案的一些益处和优点,但本申请的范围不是旨在局限于具体的益处、使用或目标。相反,本申请的方案旨在广泛地应用于不同无线技术、系统结构、网络和传输协议,其中的一些在优选方案的附图和以下的描述中作为示例加以示出。详细描述和附图对于本申请仅是示例性的,而不是限制性的,本申请的范围由所附权利要求及其等价物来定义。
示例性无线通信系统
本文描述的技术可以用于各种宽带无线通信系统中,包括基于正交复用方案和信号载波传输的通信系统。这种通信系统的示例包括正交频分多址(OFDMA)系统、单载波频分多址(SC-FDMA)、码分多址(CDMA)等等。OFDMA系统使用正交频分复用(OFDM),它是将总系统带宽分割为多个正交的子载波的调制技术。这些子载波也可以称为音调(tone)、频段(bin)等。使用OFDM,每一个子载波都可以以数据单独地进行调制。SC-FDMA系统可以使用交织的FDMA(IFDMA)来在分布在系统带宽上的多个子载波上进行发送,使用集中式FDMA(localized FDMA,LFDMA)来在一块相邻子载波上进行发送,或者使用增强FDMA(EFDMA)来在多块相邻子载波上进行发送。通常,在频域中以OFDM及在时域中以SC-FDMA发送调制符号。CDMA系统使用扩展频谱技术和编码方案,其中,为每一个发射机(即,用户)分配代码,以便允许在相同物理信道上复用多个用户。
基于正交复用方案的通信系统的一个具体示例是WiMAX系统。WiMAX代表微波接入全球互操作,它是在远距离上提供高吞吐量宽带连接的一种基于标准的宽带无线技术。当前存在两种主要的WiMAX应用:固定WiMAX和移动WiMAX。例如,固定WiMAX应用是一点对多点的,能够实现对家庭和商业的宽带接入。移动WiMAX以宽带速度提供蜂窝网络的完全移动性。
IEEE 802.16x是新兴的标准组织,其定义用于固定和移动宽带无线接入(BWA)系统的空中接口。IEEE 802.16x在2004年5月批准了用于固定BWA系统的“IEEE P802.16d/D5-2004”,并在2005年10月公布了用于移动BWA系统的“IEEE P802.16e/D12”。IEEE 802.16的最新版本,“IEEEP802.16Rev2/D8December 2008”,草案标准,现在合并了来自IEEE 802.16e和勘误表(corrigendum)的资料。该标准定义了四个不同物理层(PHY)和一个介质接入控制(MAC)层。这四个物理层中的OFDM和OFDMA物理层分别在固定BWA和移动BWA领域中最普遍。
本文的教导可以包含(例如,在其内实现或由其执行)在各种有线或无线装置(例如,节点)中。在一些方案中,根据本文的教导实现的节点可以包括接入点或接入终端。
接入点(“AP”)可以包括、实现为或者被称为节点B、无线网络控制器(“RNC”)、eNodeB、基站控制器(“BSC”)、基础收发机站(“BTS”)、基站(“BS”)、收发机功能实体(“TF”)、无线电路由器、无线电收发机、基本服务集(“BSS”)、扩展服务集(“ESS”)、无线电基站(“RBS”),或者一些其它的术语。
接入终端(“AT”)可以包括、实现为或者被称为接入终端、用户站、用户单元、移动站、远程站、远程终端、用户终端、用户代理、用户设备、用户装置,或者一些其它的术语。在一些实现方式中,接入终端可以包括蜂窝电话、无绳电话、会话发起协议(“SIP”)电话、无线本地环路(“WLL”)站、个人数字助理(“PDA”)、具有无线连接能力的手持设备,或者连接到无线调制解调器的一些其他适合的处理设备。因此,本文教导的一个或多个方案可以包含在电话(例如,蜂窝电话或智能电话)、计算机(例如,膝上型电脑)、便携式通信设备、便携式计算设备(例如,个人数字助理)、娱乐设备(例如,音乐或视频设备,或者卫星无线电接收机)、全球定位系统设备、或者被配置为经由无线或有线介质进行通信的任何其它适合的设备中。在一些方案中,节点是无线节点。这种无线节点例如可以提供经由有线或无线通信链路对或到网络(例如,诸如互联网或蜂窝网络的广域网)的连通性。
图1示出了可以在其中使用本申请的方案的无线通信系统100的示例。无线通信系统100可以是宽带无线通信系统。无线通信系统100可以为多个小区102提供通信,每一个小区都由一个基站104服务。基站104可以是与用户终端106进行通信的固定站。基站104可以可替换地称为接入点、节点B或一些其它术语。
图1示出了散布遍及系统100的多个用户终端106。用户终端106可以是固定的(即静止的)或移动的。用户终端106可以可替换地称为远程站、接入终端、终端、用户单元、移动站、站、用户装置等。用户终端106可以是无线设备,诸如蜂窝电话、个人数字助理(PDA)、手持设备、无线调制解调器、膝上型电脑、个人计算机等。
可以将多种算法和方法用于在无线通信系统100中在基站104与用户终端106之间的传输。例如,可以根据OFDM/OFDMA技术在基站104与用户终端106之间发送和接收信号。如果是这种情况,就可以将无线通信系统100称为OFDM/OFDMA系统。可替换的,可以根据CDMA技术在基站104与用户终端106之间发送和接收信号。如果是这种情况,就可以将无线通信系统100称为CDMA系统。
可以将用于从基站104到用户终端106的传输的通信链路称为下行链路(DL)108,将用于从用户终端106到基站104的传输的通信链路称为上行链路(UL)110。可替换的,可以将下行链路108称为前向链路或前向信道,可以将上行链路110称为反向链路或反向信道。
可以将小区102分割为多个扇区112。扇区112是在小区102内的物理覆盖区域。在无线通信系统100内的基站104可以利用能够将功率流集中在小区102的某个特定扇区112内的天线。可以将这种天线称为定向天线。
图2示出了可以用于无线设备202中的多个组件,无线设备202可以在无线通信系统100内使用。无线设备202是可以被配置为实施本文所述的各种方法的设备的示例。无线设备202可以是基站104或用户终端106。
无线设备202可以包括处理器204,其控制无线设备202的操作。还可以将处理器204称为中央处理单元(CPU)。存储器206可以包括只读存储器(ROM)和随机存取存储器(RAM),其向处理器204提供指令和数据。存储器206的一部分还可以包括非易失性随机存取存储器(NRAM)。处理器204通常根据存储在存储器206内的程序指令来执行逻辑和数学运算。存储器206中的指令可以执行来实施本文所述的方法。
无线设备202还可以包括外壳208,其可以包括发射机210和接收机212,以允许在无线设备202与远程地点之间的数据发送与接收。可以将发射机210和接收机212合并到收发机214中。天线216可以附着在外壳208上,并电耦合到收发机214。无线设备202还可以包括(未示出)多个发射机、多个接收机、多个收发机,和/或多个天线。
无线设备202还可以包括信号检测器218,它可以用于检测并量化由收发机214接收到的信号的电平。信号检测器218可以按照总能量、每个符号每个子载波的能量、功率谱密度和其它信号来检测这种信号。无线设备202还可以包括数字信号处理器(DSP)220,用于处理信号。
无线设备202的多个组件可以由总线系统222耦合在一起,除了数据总线之外,总线系统222还可以包括电源总线、控制信号总线和状态信号总线。
图3示出了可以在利用OFDM/OFDMA的无线通信系统100内使用的发射机302的示例。发射机302的多个部分可以实现在无线设备202的发射机210中。发射机302可以实现在基站104中,用于在下行链路108上向用户终端106发送数据306。发射机302还可以实现在用户终端106中,用于在上行链路110上向基站104发送数据306。
将要发送的数据306显示为用作串并(S/P)转换器308的输入。S/P转换器308可以将发送数据分割为M个并行数据流310。
随后可以将这N个并行数据流310用作映射器312的输入。映射器312可以将这N个并行数据流310映射到N个星座点上。可以用诸如二相相移键控(BPSK)、正交相移键控(QPSK)、8相相移键控(8PSK)、正交调幅(QAM)等的一些调制星座来进行映射。因此,映射器312可以输出N个并行符号流316,每一个符号流316都对应于快速傅立叶逆变换(IFFT)320的N个正交子载波中的一个。这N个并行符号流316是在频域中呈现的,并可以由IFFT组件320转换为N个并行时域样本流318。
现在将提供与术语有关的简要注释。在频域中的N个并行调制等于在频域中的N个调制符号,所述N个调制符号等于在频域中的N映射和N点IFFT,所述N映射和N点IFFT等于在时域中的一个(有用的)OFDM符号,所述一个(有用的)OFDM符号等于在时域中的N个样本。时域中的一个OFDM符号NS等于NCP(每个OFDM符号的循环前缀(CP)数)+N(每个OFDM符号的有用样本数)。
可以由并串(P/S)转换器324将N个并行时域样本流318转换为OFDM/OFDMA符号流322。循环前缀插入组件326可以在OFDM/OFDMA符号流322中的连续的OFDM/OFDMA符号之间插入CP。随后可以由射频(RF)前端328将CP插入组件326的输出上变频到预期的发射频带。天线330随后可以发射所产生的信号322。
图3还示出了可以在利用OFDM/OFDMA的无线设备202内使用的接收机304的示例。接收机304的多个部分可以实现在无线设备202的接收机212中。接收机304可以实现在用户终端106中,用于在下行链路108上从基站104接收数据306。接收机304还可以实现在基站104中,用于在上行链路110上从用户终端106接收数据306。
所发送的信号332显示为通过无线信道334传输。当由天线330’接收到信号332’时,可以由RF前端328’将接收信号332’下变频到基带信号。CP去除组件326’随后可以去除由CP插入组件326插入在OFDM/OFDMA符号之间的CP。
可以将CP去除组件326’的输出提供给S/P转换器324’。S/P转换器324’可以将OFDM/OFDMA符号流322’划分为N个并行时域符号流318’,其每一个都对应于N个正交子载波中的一个。快速傅立叶变换(FFT)组件320’可以将这N个并行时域符号流318’变换到频域,并输出N个并行频域符号流316’。
去映射器312’可以执行由映射器312执行的符号映射操作的逆操作,从而输出N个并行数据流310’。P/S转换器308’可以将这N个并行数据流310’合并为单个数据流306’。理论上,这个数据流306’对应于被提供作为发射机302的输入的数据306。注意,元件308’、310’、312’、316’、320’、318’和324’都可以存在于基带处理器340’中。
体域网概念
图4示出了体域网(BAN)400的示例,其对应于图1中所示的无线系统100。体域网代表用于诸如为了诊断目的的连续监控、慢性病的药效等等之类的护理应用的有前景的概念。
BAN可以由几个获取电路组成。每一个获取电路都可以包括无线传感器,其感测一个或多个生命体征并将它们传输到聚集器(即,接入终端),例如移动手机、无线手表,或者个人数据助理(PDA)。用于获得各种生物医学信号并通过无线信道将它们发送到聚集器410的传感器402、404、406和408可以具有与接入点104相同的功能。图5示出了生物医学传感器510a-510k的阵列的方框图,其中生物医学传感器510a-510k可以对应于BAN 400内的传感器402-408。每一个传感器510a-510k都可以是图2的发射机210和图3的发射机302的示例。
图4中示出的聚集器410可以接收并处理通过无线信道从传感器402-408发送的各种生物医学信号。聚集器410可以是移动手机或PDA,并可以具有与图1的移动设备106相同的功能。图6示出了聚集器610的详细方框图,其中聚集器610可以对应于BAN 400内的聚集器410。聚集器610可以是图2的接收机212和图3的接收机304的示例。
希望在BAN中所使用的传感器是非插入式的并且是耐用的。在本申请中可以考虑光电容积描记器(PPG)和心电图(ECG)信号,来说明用于传感器信号处理的压缩感测(CS)技术的益处。PPG、ECG和机能感测(activitysensing)涵盖了大部分人中的很大比例的慢性病,因此为BAN中的无线技术以及具有无线区域网(WAN)连通性的移动设备提供了相当大的机会。
脉搏氧饱和度仪传感器可以产生PPG波形,其能够对血氧(也称为SpO2)进行连续监控,血氧是包括肺和呼吸在内的肺部系统的一个关键指标。血液将氧气、营养和化学药品运送到身体细胞,以便确保它们的存活、适当地工作,并去除细胞废物。在诊断、外科手术、长期监控等的临床背景下,大量使用了SPO2。图7示出了时域PPG信号及其频谱的示例。
ECG是用于评价心血管系统的另一个重要生命体征。心脏是最努力工作的身体部分之一,其每分钟泵送大约6公升的血液通过人体。在每一个心动周期中产生的电信号构成了ECG,并且其易于由Ag/AgCl电极传感器捕获。ECG通常在用于诊断与心脏有关的疾病的临床背景下使用,并且对ECG的连续监控可以实现许多慢性疾病的早期诊断。图8示出了时域ECG信号及其频谱的示例。
血压(BP)是具有极大临床价值的另一个生命体征。可以用ECG和PPG信号来估计收缩压(SBP)和舒张压(DBP)。
所提出的方法的概述
本申请的特定方案涉及用于减小脉搏氧饱和度仪传感器的功耗的方法。商业脉搏氧饱和度仪通常会消耗20-60mW数量级的功率。红色和红外发光二极管(LED)占这个功率的大部分。对PPG传感器的高效功率设计可以使这个功耗降低到1.5mW。对于一个给定的均匀采样速率,可以减小与LED发光相关的占空比。在其他优化方案中可以使用快速检测器和较高的时钟频率。因此,可以在T·fs持续时间中开启LED,其中,fs和T分别表示获得每一个样本所必需的采样速率和发光持续时间。
PPG信号在谱域中可以是稀疏的,因此是可压缩的。这可以实现使用压缩感测(CS)架构来获得PPG信号。可以在非均匀(即,随机的)时间间隔上采样PPG信号,但具有平均采样速率Fs。在CS方法中,采样速率Fs可以比均匀采样速率fs小得多。系数fs/Fs可以称为欠采样比值(USR)。会注意到,由于仅会在T·fs/USR(而不是T·fs)持续时间中点亮LED,这个采样方法会实现用于PPG获取的脉搏氧饱和度仪的功耗的减小(即,大约除以系数USR)。
与低通滤波及在fs/USR处进行采样相比,基于CS的方法的益处在于不会丢失高于fs/USR的信号内容。类似的,可以以高USR获得在高频处的窄带信号。图9示出了在fs=125Hz处采样的PPG信号的示例性频谱。可以观察到,如果仅将低通滤波器用于PPG信号并在USR为40的fs/40=3.125Hz处进行采样,就会丢失相当多的频谱内容。
使用CS架构的另一个益处在于,测量值可以与在重建时使用的变换空间无关,所述变换空间包括如在传统尼奎斯特速率的采样中的傅立叶空间。为了重建PPG信号的近似值,CS测量架构可以以增大在接收机侧的运算开销为代价,转换为在传感器侧实现相当大的功率节省。
同样让人感兴趣的是针对一个给定任务来评价接收机的复杂度,因为所需的计算可能要在移动手机或PDA上进行。例如,心率(HR)估计任务可以无需来自CS样本的PPG信号的中间表示,因此对于诸如PPG信号重建和HR估计之类的任务而言,后端处理的复杂度就会是不同的。
可以使用用于重病特别护理的多参数智能监控(MIMIC)数据库来证明HR和BP的估计精度在具有不同USR值的CS架构中不会受损。MIMIC数据库由跨度超过24小时的来自几个血液动力学不稳定对象(即,其ECG、PPG和BP图形在一个给定观察时间段期间会发生改变的对象)的ECG、PPG和BP的同时记录组成。
本申请的特定方案支持将CS架构用于在信号传输期间减小分组丢失。这是可行的,因为可以配备接收机以便依据稀疏表示来重建信号。考虑从感测模块到聚集器的生物医学信号的无线传输。例如,可以用随机投影(例如,Rademacher模式)对原始ECG数据进行编码,并对所得到的随机系数进行分组以便通过空中进行传输。
编码的ECG信号的稀疏本质可以允许使用这些随机系数的子集来执行重建,其中,该子集的基数可以取决于稀疏性信息。这暗示尽管由于信道错误而丢失了一些分组,但在接收机处仍可以重建ECG信号并执行HR估计。这个方法的益处在于无需进行重传,从而在传感器处实现了较低的等待时间和较简单的协议栈。另一个显著的方面在于,可以根据信道状况来调整随机投影的数量(即,压缩感测带宽)。
基于压缩感测的获取和重建
图26示出了用于生物医学信号的感测和重建的示例性方框图。用于获得诸如PPG信号之类的生物医学信号的传感器2602可以包括三个主要组件:LED 2606、光电检测器2610和分别用于LED和光电检测器的发光序列和采样序列2604和2612。LED 2606可以发出具有在600nm到1000nm之间的波长的光,它还包括光谱中的红色和红外部分。来自LED 2606的光会从组织2608(例如,人手指或耳朵,如图26所示)发射/反射,并可以在光电检测器2610上收集。在光电检测器处所测量的对应于LED的平均强度的比率可以用于确定血液中的氧含量(SpO2)。因此,SpO2可以是PPG信号的平均值(DC成分)的函数。
可以用由种子产生器2614根据规定的欠采样比值(USR)2616而产生的随机种子来获得发光序列2604和采样序列2612。可以在传输之前向媒体接入控制/物理层(MAC/PHY)处理2620发送来自光电检测器2610的采样数据2618。经处理的样本随后可以进行分组,并由一个或多个天线2622发射。
在接收机侧,如图26所示,可以在一个或多个天线2624处接收到发送的样本,并由MAC/PHY块2626进行处理。随后可以将数据传送到重建器2628,用于获得原始感测的生物医学信号。为了准确地进行重建,会需要用于产生采样序列2632的随机种子产生器2630与传感器的随机种子产生器2614同步。
在本申请的一个方案中,可以通过使用例如用于11-范数的改进的Gabor稀疏基正则化向量(modified-Gabor sparsity basis regularizing vector for11-norm)2638,来将基于梯度的稀疏重建2636应用于采样的数据2634。随后可以由单元2642将估计的信号2640用于特定任务的处理,以便获得例如血压估计值、血氧水平和心率。可以由单元2648将实际信号2644与目标信号2646进行比较,以便更新用于产生采样时间的USR。在单元2650的输出处的更新后的USR值2652可以由随机种子产生器2630使用,并可以被反馈回传感器,用于调整传感器的USR 2616。除了USR,还可以向传感器发送其他反馈信息,以便调整一些其它参数,例如:在传感器处的多个测量值、测量值矩阵的系数、所发送的信号样本的数量以及在每一个所发送的分组中的样本数量。
在(与红色或红外LED相关的)PPG波形中的变化(modulation)可以与瞬时的血流有关。可以将瞬时心率(HR)估计为在波形峰值之间的距离的倒数。用于LED的发光序列可以取决于PPG信号的预期采样速率。其可以采用均匀的尼奎斯特采样速率。此外,会注意到,LED的频繁发光会造成脉搏氧饱和度仪传感器的相当大的功耗。
本申请的特定方案支持利用PPG信号的稀疏本质并进行较少的测量,以便节省传感器功率。可以将Gabor基(Gabor basis)用作变换空间,其包括具有由不同尺度的高斯窗函数限制的时间支持的各种余弦波。
将原始采样的PPG信号用N维向量x来表示,稀疏域变换基用N×N矩阵W来表示。可以将矩阵W的(i,j)项给出为:
[ W ] i , j = cos ( 2 π ( i - 1 ) ( j - 1 ) 2 N ) × exp ( - ( i - 1 ) 2 ( j - N / 2 ) 2 w N 2 ) - - - ( 1 )
等式(1)的项w可以与Gabor基中的高斯内核的宽度相关联。可以归一化矩阵W的每一行,以使得相应的12-范数等于1,并且可以将矩阵W称为稀疏基(sparse-basis)。可以将PPG信号x投影到该稀疏基上,以产生在Gabor变换空间中的相应的N维表示,其可以给出为:
y=W·x    (2)
图10示出了根据本申请的特定方案的一小段PPG信号以及在Gabor变换空间中的相应的表示y的示例。图10示出了在125Hz处采样的8秒的段(即,总共N=1000个样本)。可以观察到,信号x在变换域中是稀疏的并是可压缩的,并且在绝对量值方面大约有30个大于0.2的系数。这表示大部分PPG信号特性可以位于与N相比维数低得多的空间中,因此PPG信号是可压缩的。
因此,可以利用CS原理,其允许进行K<<N次测量(即,对原始数据进行严重欠采样),并仍能够以高保真度来估计x。如果信号x是明显稀疏的且在变换空间中仅具有M个非零元素,那么从x中随机选择K≥MlogN/M个样本就极有可能提供足够的信息来实现以零误差进行信号重建。
在实际情形下,该信号从不会是真正稀疏的,一些信息内容会存在于整个变换空间中。然而,量值大于ε的重要成分的数量会比N小得多,其中ε<<max(y)。在图10中,ε的值是0.2。这个方法可以扩展到x不是明显稀疏的情况,并且该CS范例仍保持有效。然而,重建误差不会精确地等于零。
可以以数学方式来表示对x的感测过程。让P表示K维向量,该K维向量包含多个唯一性的项(例如,随机选择的),且每一个元素都在1与N之间。这基本上可以提供K个随机位置来从x中选择元素。可以在传感器本地处或接收机处产生用于构建向量P的随机数产生的种子。该种子可以是基于在通信链路安全性协议中所使用的密钥。从x中获得的K维测量值向量r可以记为:
r=H·x    (3)
其中,H表示K×N测量值矩阵。
依据等式(3)的矩阵H的第i行可以是全零向量,且在由P的第i个元素所给定的位置处是1。会注意到,在CS架构中,可以将测量值矩阵定义为包含多个随机独立且相同分布(i.i.d)的元素的矩阵。在预先不知道输入信号在时域中是稀疏的还是在变换域中是稀疏的情况下,这个测量值矩阵是必需的。
可以将匹配追踪(MP)算法用于基于测量值向量r的信号重建。MP技术表示一种贪婪算法,其通过做出局部最优化决策来迭代地构造信号的近似值。可以通过定义K×N维的修改基V=H·W以使得V=[V1…VN],来进行MP算法的初始化,其中,Vj是V的第j列向量。随后,可以将残差初始化为r0=r,近似值与y(即N)相同。还可以将迭代计数器初始化为i=1。
此后,可以在V中找到使残差ri-1与V的内积最大的列向量:
n i = arg max j = 1 . . . N < r i - 1 , V j > | | V j | | L 2 - - - ( 4 )
随后,可以更新残差,并可以按如下来估计系数向量y:
r i = r i - 1 - < r i - 1 , V n i > | | V n i | | l 2 2 V n i - - - ( 5 )
y ^ n i = y ^ n i + < r i - 1 , V n i > | | V n i | | l 2 2 - - - ( 6 )
此后,可以递增迭代计数值i,并可以定义如果i<m且Δi>ε,
那么就可以重复由等式(4)定义的算法步骤。否则,并且算法可以前进到由等式(5)和(6)定义的步骤。最后,获得的原始估计值。
项m表示允许用于重建的迭代次数的上限,项ε定义了收敛标准。在MP算法背后的直觉是双重的。在每一次迭代的步骤中,算法都尝试找到V中与残差r最强烈相关的列,随后可以从r中减去这列的影响。这个算法本质上是贪婪的,因为在每一步骤中它都会在投影空间W中估计原始信号x的最主要成分。还会注意到,MP算法的主要复杂性在于等式(4)中,其对单次迭代耗费了O(K·N)次数学运算。
本申请的特定方案使用了基于梯度投影的稀疏重建(gradient-projectionbased sparse reconstruction,GPSR)方法来从测量值向量r中获得重建信号。这个方法可以通过在不受任何约束的情况下使变换空间中的数据保真度项(即,误差的12范数)和11范数(稀疏性的测量值)共同最小来估计原始信号x。在本申请中提出了通过使用加权的11范数来改进这个优化问题。可以将重建算法给出为:
min x | | Hx - r | | 2 + &tau; &Sigma; i = 1 N | [ f ] i [ W &CenterDot; x ] i | - - - ( 7 )
其中,f是用于在变换空间中为计算稀疏性测量值(即,11范数)而提供系数的相对重要性的N维向量。量τ是非负参数,其表示在代价函数中的12范数和11范数的相对权重。项[f]i和[W·x]i分别表示向量f和[W·x]i的第i个元素。
向量f的第i个元素由以下给出:
[ f ] i = 1 [ W &CenterDot; x &OverBar; ] i + &sigma; - - - ( 8 )
其中,σ是一个较小的正则化参数。量表示原始信号向量x的总体平均值,并可以通过求训练示例向量的平均值来对其进行估计。MIMIC数据库中的一个段可以用于估计随后可以从以下所述的实验性确认中排除该段。
图25示出了根据本申请的特定方案的示例性操作2500,用于在传感器侧的欠采样获取和在接收机侧的重建。图28示出了用于在传感器处开启和关闭光源的示例性操作2800。在2510处,可以根据随机种子在传感器处产生非均匀的采样时间。在2520处,可以在多个非均匀的采样时间期间感测信号的样本。在2810处,在传感器处可以例如通过在多个所产生的非均匀的采样时间期间开启一个或多个LED来开启所述光源,在2820处,可以在所述多个非均匀的采样时间之间关闭所述光源。
随后可以对信号的感测样本进行分组,以获得感测样本的至少一个分组,并可以通过无线信道发送所获得的至少一个分组。在2530处,可以在重建器处从传感器接收信号的样本。在2540处,可以在重建器处确定一组非均匀的采样时间,其中在传感器处是在该组非均匀的采样时间期间按照所述随机种子而对信号进行采样的。在一个方案中,可以基于在传感器与重建器之间的通信链路的安全性协议中所使用的密钥,来在重建器处产生用于非均匀采样序列的种子。在另一个方案中,可以在传感器处确定用于非均匀采样序列的种子,并将其传送到重建器(即,传送到接收机)。在再另一个方案中,可以在接收机处确定用于非均匀采样序列的种子,并将其传送到传感器。在2550处,可以例如根据由等式(7)-(8)定义的改进的GPSR算法,使用所确定的非均匀采样序列来从所接收的样本中重建信号。
非均匀的采样时间可以与信号的接收样本同步,以便实现信号的准确重建。可以通过将在重建期间所观察到的信息经由反馈机制传送到传感器,来使用该观察信息(例如,以下至少一个:与重建的信号有关的系数、在传输期间丢失的分组数量、信道信噪比或变量)调整各种传感器参数(例如,USR、测量值K的数量、信号N的所发送样本的数量、在每一个所发送的分组P中的信号的样本数量和测量值矩阵H)。随后,在传感器处可以根据接收到的反馈信息,来调整非均匀的采样时间。
在本申请中提供了基于CS方法产生的一些重建示例。可以在以125Hz采样的MIMIC数据库中选择8秒的段(即,N=1000个样本)。可以想起,CS样本数是K,其将欠采样比值(USR)定义为N/K。图11示出了对于USR为10、20和30的情况而获得的CS-PPG信号重建的示例,并且MP迭代次数m的上限等于500。曲线1110表示均匀采样的原始信号,曲线1120、1130和1140分别表示对于10、20和30的USR值的重建信号。图27示出了在USR为40的情况下在非均匀的采样时间感测的信号的示例。将采样时间显示为竖线。
可以从图11观察到,信号的完整性一直到USR为20都可以很好地保持,并且随后开始下降。然而,会注意到,即使在高USR(即USR值为30)的情况下,也可以很好地保持信号峰值位置。在此情况下,可以将LED功耗(作为PPG信号获取的一部分)极大地减小了系数USR倍,因为LED可以在短得多的持续时间内点亮,具体地,仅在T·fs/USR秒而不是在T·fs秒内点亮。
心率和PPG重建
可以从等式(1)和(2)想起,系数向量y的每一个元素都可以近似地表示采样信号x的余弦(具有特定频率)的强度。还会注意到,PPG信号本质上是振荡的,其主要频率与HR信号成正比。因此,可以根据CS重建估计HR信号,CS重建可以通过MP算法来获得,如:
H ^ R = 60 &CenterDot; ( n max - 1 ) &CenterDot; f s 2 N bpm - - - ( 9 )
其中, 是向量的第j个元素,bmp表示每分钟跳动的单位。
可以注意到,由等式(9)给出的HR估计值可以是在N·fs秒的持续时间中获得的平均值。此外,该估计值的分辨率可以由给出,对于N=1000且fs=125Hz的情况,它等于3.75bpm。可以观察到,可以以更小的N来改进这个分辨率,并且对于N=1000的选择是任意的。
用于HR估计的MP算法的复杂性可以与PPG重建的复杂性进行比较。可以考虑图10中所示的示例性PPG信号段,对于该信号段,nmax等于23,这意味着所估计的HR是82.5bmp。此外,可以想起,MP算法在本质上是贪婪的,这意味着可以在初次迭代中估计在投影空间W中的PPG信号的主要成分。在此情况下,两个最主要的成分可以是DC成分和具有对应于HR的频率的余弦。因此,希望在MP算法的几次迭代内获得HR的可靠估计值,这也意味着不必产生对完整PPG信号的中间表示。
另一方面,会需要为信号重建任务而在投影空间W中重建更多的系数,这也导致基于MP的后端处理的迭代次数大量增加。可以注意到,MP算法的m次迭代大约会耗费O(m·K·N)次数学运算。因此,在与PPG信号重建相比时,HR估计(例如,依据CS测量值)在接收机处会需要较少的计算复杂性。此外,可以想起,与N维信号x相对应的CS样本数量可以是K,其将欠采样比值(USR)定义为N/K。在增大的USR的情况下,会预期到在接收机处的计算复杂性增加,以便获得特定的性能级别。这表示在传感器功率(在发射机处的较少的测量)与在聚集器功率(在接收机处的更多的迭代和计算)之间的折衷。
可以引入对于HR估计和PPG信号重建的性能度量。对于HR估计,该度量可以是被定义为的均方根误差(RMSE)。对于PPG重建的度量可以是被定义为的归一化RMSE。项E[·]表示针对PPG信号的各种实现x和不同测量值基数H而求Monte-Carlo平均值的预期算子。可以从MIMIC数据库中取得PPG信号实现x。可以如等式(9)提出的,从原始信号x中提取真实的心率。可以将每一个信号段x取为8秒长并以125Hz采样。
图12示出了相对于USR为10和20时基于MP的后端处理迭代次数m而言的HR估计RMSE。可以观察到,RMSE随着m的增大而减小,因为估计精度随着迭代次数的增大而改善。此外,获得特定RMSE所需的迭代次数会随着USR的增大而增大。可以注意到,在m=50时,HR估计RMSE等于1bmp,其小于分别针对USR为10和20的情况而考虑的分辨率3.75bmp和4bmp。
因此,为了在USR为10时获得1bmp的HP估计RMSE,需要约在每秒625000次数量级上的数学运算(即,其中fs=125Hz)。类似的,对于在USR=10时以RMSE≈0.1重建信号,会需要约在每秒3875000次数量级上的数学运算(即,)。这意味着所述的估计方法能够由当前智能电话或PDA中的计算资源来处理。
图13示出了相对于USR为10和20时的算法迭代次数m而言的归一化重建RMSE。可以观察到,RMSE会随着m的增大而减小。然而,会注意到,与HR估计RMSE相反,这个减小是随着m而渐进的。这是因为,与在HR估计情况下的单一主要成分相反,重建任务会需要对在稀疏空间W中的多个系数的估计。
因此,接收机的复杂性会取决于USR值、感兴趣的任务和预期的性能级别。对于诸如HR估计任务之类的特定任务而言,可能无需PPG信号的中间表示(这会需要完整的重建)。而且,人们在重建期间可以监控MP算法中定义的变量的值。这个信息可以用于修改在传感器侧的USR的值以适应于信号变化。
无套囊式(CUFFLESS)血压估计
可以用脉搏达到时间(PAT)和心率(HR)来估计SBP和DBP,其中,可以将PAT定义为在ECG波形中的准随机信号峰值与PPG波形中相应峰值之间的延迟。图14示出了根据一个示例性ECG与PPG波形的PAT和HR的定义。
在血压(BP)估计算法中包含的第一个步骤可以是分割ECG和PPG信号,以便可以信号中提取感兴趣的峰值及其他点。第二个步骤可以是依据PAT和HR估计BP。
可以通过使用在8Hz与15Hz之间的低通滤波器,之后进行平方,然后在具有可变持续时间的段中进行处理,来完成ECG分割。初始段的持续时间可以是2秒。对于每一个段,可以计算阈值,并可以定位所有高于这个阈值的峰值。随后,可以去除在0.17秒距离内的所有峰值,总是保留具有最高振幅的峰值。为了分割PPG信号,可以分析在两个连续ECG峰值之间的段。可以通过查找每一段内的最大值点和最小值点来检测峰值和谷值。为了在任意时刻提供可靠的PAT和HR估计值,就需要在附近的信号峰值也是可靠的。
可以如下表述BP估计模型:
SBP=a1·PAT+b1·HR+c1
DBP=a2·PAT+b2·HR+c2                  (10)
其中,可以在训练过程期间估计校准参数ai、bi和ci,i=1,2,并在每一个重新校准机会中使用递归最小二乘法(RLS)算法对其进行调整。
在本申请的一个方案中,可以每一个小时执行一次重新校准。重新校准的持续时间实质上意味着会需要以频繁程度来估计或调整模型参数。在实际应用中会需要该重新校准步骤,以便解决偏离和漂移。会希望重新校准的时间段较长,以便可以在较长的时间段中以无套囊的方式连续地且非侵入式地测量血压。较为频繁的重新校准可以减小BP估计误差,而较为不频繁的重新校准会使得系统更经得起日常使用的检验。
给出了使用CS-PPG的BP估计的结果,并将其与使用尼奎斯特-PPG的结果进行比较。例如,可以将来自MIMIC数据库的对应于13个病人的记录用于这个评价,其中,该记录的长度平均在38小时的数量级上。可以使用基于梯度投影的稀疏重建(GPSR)方法来为整个病人记录产生CS-PPG。
图15示出了基于对所提出的方法的ECG和CS-PPG信号的使用的BP估计结果。对于PPG信号的基于CS架构的测量,可以将USR的值取为40。从BP监控的观点来看,重要的是计算报告/产生BP估计值的频率。可以引入项NBP,作为使用CS-PPG和尼奎斯特-PPG基线算法在每分钟产生的BP估计值的平均数。
图15还示出了SBP和DBP估计误差的标准偏差,以及在USR为40的情况下尼奎斯特-PPG和CS-PPG的NBP。用于BP估计的医疗器械发展协会(AAMI)要求指出,误差的标准偏差对于SBP和DBP两者而言都必须低于8mmHg。可以从图15观察到对于SBP和DBP估计误差的平均标准偏差可以小于8mmHg。而且,在与尼奎斯特-PPG相比时,通过使用CS-PPG不会降低精度。在这个示例性模拟中,相比于使用尼奎斯特-PPG的每分钟平均51次BP估计,在USR为40时可以每分钟估计平均8.85次BP测量值。
在本申请中提出了基于CS的低功率解决方案,用于获得PPG信号,而使用提出的CS-PPG方法又不会使HR和BP估计精度受损。还表明了可以以任意高分辨率来重建整个PPG信号,只要获得了至少K≥MlogN/M个样本并且在接收机侧有足够的计算资源可用。
基于压缩感测的分组丢失隐藏
在本申请中处理了由于在发送机与接收机之间的较差信道状况、拥塞和移动性所造成的分组丢失问题。尤其感兴趣的是利用生物医学信号(即,PPG信号、ECG信号等)的稀疏本质,以便提高在通信链路中相对于分组丢失的鲁棒性。当通过空中发送的信号在本质上是稀疏的(即,它具有冗余度)时,可以将分组丢失不严格地视为由信道执行的压缩。
本申请的特定方案支持基于CS的方法,以便在远距离医疗中降低功耗并获得ECG信号的鲁棒通信。相比于PPG信号,ECG信号在傅立叶/Gabor空间中是不太稀疏的。如图17所示,在0.05Hz到40Hz频带内存在许多成分,这些成分可以被认为是对于ECG信号而言在临床上相关的。在本申请中提出的基于CS的PLC方法也完全可以应用于PPG及其他信号,只要在接收机侧有至少K≥MlogN/M个测量值可用于重建。
可以假定可以从发送机(即,传感器)向接收机(即,聚集器)以分组方式无线发送数据。依据传统术语,每一个分组都包含服务数据单元(SDU)和应用数据单元(ADU)。ADU可以包含应用层的ECG有效负荷,可以将有效负荷定义为包含通常具有8到12位的位分辨率的P个ECG样本。可以假定,在较低层中会遗漏具有信道误差的SDU,在应用层中可以借助于在正确接收到的分组的报头中的序列编号字段来确定丢失分组的位置。
可以不以原始ECG样本的形式来发送数据。作为替代,可以对该数据执行应用层预编码。这个想法是在发送之前通过使用在等式(3)中定义的随机测量值矩阵H来对原始ECG信号进行预编码。结果产生的预编码数据可以用于构成n>1个(即,多个)分组,随后可以顺序地将这些分组发送到接收机。这个操作可以确保在分组丢失的情况下,可以推导出与原始信号有关的一些信息。可以将基于CS的重建原理应用于接收到的数据,以便获得ECG信号估计、HR估计等。这个过程类似于卷积编码,其中,在被定义为约束长度的一个较长时间期间上散布要发送的每一个信息位。以P表示在每一个ADU中的样本数量。可以从MIMIC数据库中取得ECG信号,并且采样速率可以是fs=125Hz。
图16示出了根据本申请的特定方案的用于基于CS的分组丢失隐藏(PLC)的示例性操作1600。操作1610-1640可以在发送机(例如,诸如PPG传感器和ECG传感器的生物医学传感器)处执行,而操作1650-1670可以在接收机(例如,移动手机或PDA)处执行。
在1610处,获得监控的生物医学信号的样本。例如,可以产生包括N个连续ECG样本的向量x,其中,N=n·P。此后,可以创建K×N维的测量值矩阵H。在一个方案中,该矩阵H的元素可以从对称Bernoulli分布Pr(Hi,j=-1或1)=1/2中独立地选出。在另一个方案中,该测量值矩阵的行可以从2K个沃尔什序列中随机地选出。在再另一个方案中,该测量值矩阵的行可以从大小为N×N的Haar矩阵中随机地选出。
在1620处,可选地,处理监控的生物医学信号的获得样本,以获得感兴趣的经处理的信号。例如,如图14所示,ECG和PPG信号可以用于获得脉冲到达时间(PAT)和心率(HR)可变性,以及获得血液中的氧含量。还可以将HR可变性和PAT用于计算血压,如等式(10)所定义的。在1630处,可以使用该测量值矩阵对原始信号x(例如,ECG信号和PPG信号)或者经处理的信号(例如,PAT、HR可变性、氧含量等)进行预编码,以获得预编码信号。
在1640处,可以对预编码信号进行分组,以获得预编码信号的至少一个分组。例如,在发送前,可以将K个预编码样本分组到n=K/P个分组中。如果信道会丢失一些分组,那么可以使用该监控的生物医学信号的基础变换域稀疏性来从正确接收到的预编码数据分组中重建原始信号。可以注意到,该重建的保真度会取决于分组丢失率和信号稀疏性结构。在1650处,可以通过无线信道发送预编码信号的所述至少一个分组。因为可以预编码并发送N个样本,因此就会在该系统中引入N/fs(或)秒的恒定端对端等待时间。可以将参数K设定为N(即,为n·P)。可以想起,对于PPG获取,可以将参数K设定为比N和杠杆作用稀疏性(leverage sparsity)小得多,以便节省获取功率。
在1660处,可以在聚集器处接收通过无线信道发送的所述至少一个分组。在1670处,可以确定在传输过程中受损或丢失的分组的索引。在1680处,这些索引随后可以用于重建所发送的信号的原始样本。
传感器可以利用随机种子来产生非均匀的采样时间的序列。可以将这个随机种子传送到接收机,以便可以在重建过程中重新产生并使用该采样时间序列。另一方面,接收机可以基于安全通信中所使用的密钥来选择随机种子。在此情况下,接收机可以通知传感器使用哪一个随机种子,以便在传感器与接收机两者处可以使用相同的采样时间序列。
以K×K维对角矩阵Hc来表示无线信道。S是包含被丢失且在应用层无法用于重建的分组的索引的集合。集合S的基数可以表示丢失的分组的数量。可以如下定义在对角矩阵Hc中的元素:
Hc与r的左乘(pre-multiplication)基本上可以提供成功接收到的预编码数据样本。可以将结果产生的向量表示为其由Hc·H·x给出。如果集合S的基数是n,那么这意味着在传输期间丢失了全部分组,在此情况下,可以将在接收机处的所估计信号设定为0。如果集合S的基数是0(即,Hc是单位矩阵),那么这可以意味着没有丢失分组。在此情况下,可以简单地将ECG信号估计为其中H#是H的伪逆矩阵。如果S的基数大于0且小于n,那么就可以使用前述的MP算法来根据接收到的向量获得信号估计值可以注意到,在这个具体情况下,需要用Hc·H来代替在MP算法中的项H。
在等式(1)中定义的Gabor基W可以用于在CS重建期间加强稀疏性。可以将这个特定的基于CS的PLC方案称为CS-PLC。图15示出了一小段ECG信号x的示例及其在Gabor变换空间中相应的表示y(即,W·x)。在图17中还示出了由r=H·x给出的x的预编码形式。
可以注意到,在CS-PLC方法内的预编码可以包括n·P内积,并且每一个内积都需要在n·P数量级上的数学运算。因此,该预编码的复杂性在O(n2·P2)数量级上。为了减小该预编码的复杂性,在本申请中还提出了基于交织的另一种基于CS的PLC方法。
图18示出了根据本申请的特定方案的用于基于交织的CS-PLC的示例性操作1800。操作1810-1850可以在发送机(例如,诸如PPG传感器和ECG传感器的生物医学信号传感器)处执行。操作1860-1890可以在接收机(例如移动手机或PDA)处执行。
在1810处,可以获得监控的生物医学信号的样本。在1820处,可以对规定数量的所获得的样本进行预编码,以获得一组预编码样本。在1830处,可以对该组预编码样本执行样本级的交织,以获得交织信号。在1840处,可以对交织的信号进行分组以获得交织信号的至少一个分组。在1850处,可以通过无线信道发送交织信号的所述至少一个分组。
在1860处,可以接收通过无线信道发送的所述至少一个分组。在1870处,可以确定在传输期间受损或丢失的分组的索引。这些索引随后可以用于重建所发送的信号的原始样本。在1880处,可以对所接收的信号进行解交织,以获得解交织信号。最后,在1890处,可以例如通过使用MP算法来处理解交织信号,以便估计所发送的信号的原始样本。
与图16中所示的CS-PLC方案1600相比的主要差别在于,现在可以对P个ECG样本而不是n·P个样本执行预编码,这将预编码的复杂性减小了系数n2倍。这之后可以是对预编码数据进行横跨n·P个样本长度的样本级交织。尽管与图16的CS-PLC方案1600相比,可以在较短的持续时间内对原始ECG数据进行预编码,但交织步骤1830可以允许在较长的持续时间上散布信号信息。交织过程可以用于突发信道误差的处理(即,连续地丢失多个分组)。还可以注意到,可以基于在接收机处的Hc的观测值来调整参数USR、n、K和H,以便获得在传感器寿命与重建保真度之间的最佳折衷。
可以将所提出的CS-PLC方案与基于重传的方法进行比较,其中可以对在接收机处没有成功接收到的分组进行高达k-1次重传尝试。因此,k=1表示仅能够从发送机发送一次数据,并且如果丢失了分组,那么就可以由接收机将相应的信号位置设定为零。与前向纠错(FEC)相比,重传可以具有较小的带宽损失,但却是以在传感器处的相当大的复杂性为代价的,因为会需要在发送机处对分组进行缓冲。而且,系统等待时间会较大,其正比于往返时间(RTT)。出于这些原因,对于较低功率的传感器而言,CS-PLC方法是优选于FEC和基于重传的方法的。
针对分组丢失率提供了上述各种PLC方案的定量比较。分组丢失率可以是信道状况、拥塞等的一个指标,它可以表示在传输期间丢失分组的比率。分组丢失率可以在0与1之间,其中0可以表示信道是干净的,而1可以表示信道是完全不可靠的。将在本申请中提供的所有比较都在20,000个Monte-Carlo信道实现上求平均值。
首先根据被定义为的归一化RMSE来评价PLC方案的性能。项E[·]表示在ECG信号的各种实现x和不同信道实现Hc上求Monte-Carlo平均值的预期算子。可以从以125Hz采样的MIMIC数据库中取得ECG信号实现x。
图19比较了对于不同参数值n的CS-PLC方案的归一化RMSE性能。对于每一个所提出的定量分析,将K的值设定为每个分组20个样本。所考虑的n的示例性值是5、10和20,分别对应于0.8、1.6和2.4的等待时间。可以从图19观察到,归一化RMSE会随着分组丢失率的增大而降级。这是可以预期的,因为较高的分组丢失率意味着可在接收机处用于估计的可靠数据的数量减少了。此外,可以注意到,归一化的RMSE性能可以随着分组数量n的增大而提高。使用较高的n,可以在较长的ECG信号持续时间上加强稀疏性,从而提高了重建保真度。
图20示出了在无线信道丢失了4个分组的情况下,在接收机处的示例性信号重建。在这个具体示例中,将n设定为15个分组。曲线2010表示原始信号。曲线2020表示k-传输方案,其中k=1(即,单次传输),曲线2030表示基于CS-PLC的信号估计。在对应于曲线2020的1-传输方案中没有包括分组丢失隐藏,即,如果丢失了分组,那么就可以在接收机处将零代入到适当的信号位置处。可以注意到,使用1-传输方案,在这个具体示例中会丢失两个ECG峰值,而使用CS-PLC则可以以高保真度估计完整的ECG信号。还可以注意到,在关键位置处丢失的信号内容对于像连续的HR监控的医学应用会具有严重的影响。
图21示出了CS-PLC方案、具有交织的CS和重传方案的对比。曲线2110和2120分别表示CS-PLC方案和“CS与交织”方案。将n的值设定为15个分组。可以注意到,使用“CS与交织”技术获得的重建保真度完全可以与CS-PLC方法相比。尽管在“CS与交织”方案中可以在较小的信号支持上(即,在每一个分组内)执行预编码,但交织过程可以允许将信息散布在N个样本的长度上。使用“CS与交织”技术的主要益处是减小了在传感器侧的预编码复杂性,传感器侧通常是功率更为受限的一侧。图21中的曲线2130表示1-传输方案。可以注意到,在10-2的中等分组丢失率的情况下,在RMSE性能方面,与CS-PLC方案相比,1-传输方法的性能会大约差5倍。
在1-传输方案中可以使用先前提出的样本级交织。可以观察到,使用交织,对于10-2的分组丢失率,1-传输方法的性能与CS-PLC相比会仅差3倍(曲线2140相对于曲线2110)。提供了对于不使用交织的k-传输方法中的不同k值的RMSE性能。曲线2150、2160和2170分别表示k=2、3和4的情况。可以观察到,使用两次或三次重传,可以在重建RMSE中实现相当大改进。然而,这会以增大的传输带宽、端对端系统等待时间和在传感器处的较高的协议复杂性为代价。
可以针对心跳检测精度来比较以上提出的不同PLC方案。可以将这个量定义为在ECG信号中正确识别的峰值的比率。该值为100%可以表示理想的心跳检测,而该值为0%可以表示没有心跳检测。根据AAMI标准,如果心跳在可以预先从数据库获得的注释心跳索引的150ms内,就可以认为正确地检测到心跳。
图22示出了对于根据本申请的特定方案的各种PLC方案的心跳检测性能对比。图22中所示的用于Monte-Carlo模拟的假设参数与用于图21中所示的模拟的参数相同。依据图22中所示的模拟结果存在几个观察结果。首先,心跳检测率会如预期的随着分组丢失率的增大而降低。其次,随着重传次数k的增加,k-传输方案的性能会提高。这再一次是以增大的传输带宽和端对端系统等待时间为代价而获得的。第三,即使在非常高的分组丢失率的情况下,所提出的基于CS的PLC方案(即,曲线2210和2220)的性能也会比3-传输方法表现更好。可以注意到,在0.5的分组丢失率的情况下,与可以获得87%的检测精度的3-传输方法(即,曲线2260)相比,基于CS与交织的PLC方法(即,曲线2220)可以获得96%的检测精度。使用单次传输和无交织(即,曲线2230),在0.5的分组丢失率的情况下获得的检测精度可以等于55%。
图23-24示出了使用所提出的CS-PLC方案恢复的音频信号的示例。可以观察到,对于非生物医学信号,CS-PLC方案也可以提供足够准确的估计结果。
总之,在本申请中提出了压缩感测(CS)的不同应用,其与用于护理和健康应用的体域网中的低功率且鲁棒的传感器有关。证明了可以显著地减小脉搏氧饱和度仪传感器的获取功率,同时又不使其在临床应用中的效用受损。具体而言,使用来自MIMIC数据库中许多对象的长期数据,将基于CS的获取方法与尼奎斯特采样进行比较,其表明HR和BP估计可以满足可接受的精度标准。
基于CS的方法可以用于以在接收机处的额外复杂性为代价,增加传感器的寿命。对于一个给定任务而言,在传感器侧的欠采样与接收机的复杂性之间存在折衷。对于在BAN中的许多护理和健康应用,接收机的复杂性完全在当前移动手机和PDA平台的能力内。诸如心率估计之类的应用无需完全重建,并且可以进一步减小接收机的复杂性。最后,对于存在分组丢失情况下进行鲁棒的通信,基于CS的信号处理具有益处。示出了重建精度随着分组丢失率的增大而适度地减小。可以证明,即使在存在高分组丢失率状况的情况下,也可以以高保真度恢复ECG信号。基于来自MIMIC数据库的ECG数据所提供的模拟可以证明即使在分组丢失率高达0.5的情况下,也可以保持高达96%的心跳检测精度。
可以由能够执行相应功能的任何适合的模块来执行上述方法的各种操作。所述模块可以包括各种硬件和/或软件组件和/或模块,包括但不限于:电路、专用集成电路(ASIC)或处理器。通常,在图中示出了操作的情况下,这些操作会具有以相似编号标记的相应的配对功能性模块组件。例如,在图16、18、25和28中示出的块1610-1680、1810-1890、2510-2550和2810-2820对应于在图16A、18A、25A和28A中示出的电路块1610A-1680A、1810A-1890A、2510A-2550A和2810A-2820A。
如本文所用的,术语“确定”包含各种操作。例如,“确定”可以包括计算、运算、处理、推导、调查、查找(例如,在表、数据库或其他数据结构中查找)、查明等等。此外,“确定”可以包括接收(例如,接收信息)、存取(例如,存取存储器中的数据)等等。此外,“确定”可以包括求解、选择、选定、建立等等。
如本文所用的,指代由多个项构成的列表中的“至少一个”的短语是指这些项的任何组合,包括单个成员。作为示例,“a、b或c中的至少一个”旨在包括:a、b、c、a-b、a-c、b-c和a-b-c。
上述方法的各种操作可以由能够执行这些操作的任何适合的模块,例如各种硬件和/或软件组件、电路和/或模块,来执行。通常,图中所示的任何操作都可以由能够执行这些操作的相应的功能模块来执行。
可以用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其它可编程逻辑器件(PLD)、分立门或晶体管逻辑电路、分立硬件组件,或者被设计为执行本文所述功能的它们的任何组合来实现或执行结合本申请所述的各种示例性逻辑块、模块和电路。通用处理器可以是微处理器,但可替换地,该处理器可以是任何商业上可获得的处理器、控制器、微控制器或者状态机。处理器还可以实现为计算器件的组合,例如,DSP和微处理器的组合、多个微处理器、多个DSP内核、一个或多个微处理器结合DSP内核,或者任何其它这种结构。
结合本申请所述的方法或算法的步骤可以直接包含在硬件中、由处理器执行的软件模块中,或者二者的组合中。软件模块可以位于本领域中已知的任何形式的存储介质中。可以使用的存储介质的一些示例包括随机存取存储器(RAM)、只读存储器(ROM)、闪存存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM等等。软件模块可以包括单条指令,或者许多条指令,并可以分布在几个不同代码段上、不同程序之间和多个存储介质上。一种存储介质可以耦合到处理器,使得处理器可以从存储介质读取信息,并向该存储介质写入信息。可替换的,存储介质可以集成到处理器中。
本文所公开的方法包括一个或多个步骤或操作,用于实现所述的方法。在不背离权利要求的范围的情况下,方法的步骤和/或操作可以彼此互换。换句话说,除非指定了步骤或操作的特定顺序,否则在不背离权利要求的范围的情况下,可以修改特定步骤和/或操作的顺序和/或使用。
所述的功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现,则所述功能可以作为一条或多条指令存储在计算机可读介质上。存储介质可以是可由计算机访问的任何可用的介质。示例性地而非限制性地,这种计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储器、磁盘存储器或其它磁性存储设备或者可用于以指令或数据结构的形式承载或存储预期程序代码并且可由计算机访问的任意其它介质。本文使用的磁盘(disk)和光盘(disc)包括紧致光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光盘,其中磁盘常常以磁性方式复制数据,而光盘通过激光以光学方式来复制数据。
因此,特定的方案可以包括用于执行本文提出的操作的计算机程序产品。例如,这种计算机程序产品可以包括计算机可读介质,该计算机可读介质包括存储(和/或编码)在其上的指令,所述指令可由一个或多个处理器执行以便执行本文所述的操作。对于特定的方案,计算机程序产品可以包括封装材料。
还可以通过传输介质来发送软件或指令。例如,如果使用同轴电缆、纤维光缆、双绞线、数字用户线路(DSL)或例如红外、无线电和微波的无线技术将软件从网站、服务器或其它远程源进行发送,则同轴电缆、纤维光缆、双绞线、DSL或例如红外、无线电和微波的无线技术包括在传输介质的定义中。
此外,应当理解,按照应用情况,可以由接入终端和/或接入点来下载和/或获取用于执行本文所述的方法和技术的模块和/或其它适当的模块。例如,可以将这种设备耦合到服务器以便于对用于执行本文所述方法的模块的传送。可替换地,可以经由存储装置(例如:RAM、ROM、诸如紧致光盘(CD)或软盘的物理存储介质等)来提供本文所述的各种方法,以使得当将该存储装置耦合或提供到该设备之后,接入终端和/或接入点可以获取所述的各种方法。此外,可以利用用于将本文所述的方法和技术提供给设备的任何其它合适的技术。
应当理解,权利要求并不受限于上述的精确的结构和组件。在不背离权利要求的范围的情况下,可以在上述方法和装置的排列、操作和细节中进行各种更改、变化和改变。
本申请中的无线设备可以包括各种组件,其根据由无线设备发送和/或在无线设备处接收的信号执行多种功能。无线设备还可以指代可佩戴的无线设备。在一些方案中,所述可佩戴的无线设备可以包括无线耳机或无线手表。例如,无线耳机可以包括换能器,其适于根据通过接收机接收到的数据来提供音频输出。无线手表可以包括用户界面,其适于根据通过接收机接收到的数据来提供指示。无线感测设备可以包括传感器,其适于提供要通过发射机发送的数据。
无线设备可以通过根据或支持任何适合的无线通信技术的一条或多条无线通信链路进行通信。例如,在一些方案中,无线设备可以与网络相连。在一些方案中,所述网络可以包括用超宽带技术或一些其他适合的技术实现的个域网(例如,支持在30米数量级上的无线覆盖区域)或者体域网(例如,支持在10米数量级上的无线覆盖区域)。在一些方案中,所述网络可以包括局域网或广域网。无线设备可以支持或使用各种无线通信技术、协议或标准中的一个或多个,例如,CDMA、TDMA、OFDM、OFDMA、WiMAX和Wi-Fi。类似的,无线设备可以支持或使用各种相应的调制或复用方案中的一个或多个。无线设备因此可以包括适当的组件(例如,空中接口),以便使用上述或其他无线通信技术建立一条或多条无线通信链路并通过这些无线通信链路进行通信。例如,设备可以包括无线收发机,具有相关联的发射机和接收机组件(例如,发射机210或302和接收机212或304),所述发射机和接收机组件可以包括用于通过无线介质进行通信的各种组件(例如,信号产生器和信号处理器)。
本文的教导可以结合(例如,在其中实现或由其执行)在各种装置(例如设备)中。例如,本文教导的一个或多个方案可以结合在电话(例如,蜂窝电话)、个人数字助理(“PDA”)或所谓的智能电话、娱乐设备(例如,包括音乐播放器和视频播放器在内的便携式媒体设备)、耳机(例如,头戴式耳机、耳塞式耳机等)、麦克风、医学感测设备(例如,生物测定传感器、心率监视器、计步器、EKG设备、智能绷带等)、用户I/O设备(例如,手表、遥控器、电灯开关、键盘、鼠标等)、环境感测设备(例如,胎压监视器)、可以从医学或环境感测设备接收数据的监控设备(例如,台式机、移动计算机等)、护理点设备、助听器、机顶盒,或者任何其他适合的设备。监控设备还可以通过与网络的连接来访问来自不同感测设备的数据。
这些设备可以具有不同的功率和数据要求。在一些方案中,本文的教导适于在低功率应用(例如,通过使用基于脉冲的信号传送方案和低占空比模式)中使用,并可以支持包括相对较高的数据速率的各种数据速率(例如,通过使用高带宽脉冲)。
在一些方案中,无线设备可以包括用于通信系统的接入设备(例如,接入点)。这种接入设备例如可以经由有线或无线通信链路提供与另一个网络(例如,诸如互联网或蜂窝网络之类的广域网)的连通性。因此,接入设备可以使另一个设备(例如,无线站)能够接入另一个网络或一些其他功能。另外,应理解,这两个设备中的一个或两者可以是便携式的,或者在一些情况下是相对非便携式的。此外,应理解,无线设备还能够通过适当的通信接口以非无线方式(例如,通过有线连接)发送和/或接收信息。

Claims (68)

1.一种用于信号处理的方法,包括以下步骤:
在一装置处基于T·fs/USR产生非均匀的采样时间,其中,fs和T分别表示获得每一个样本所必需的均匀采样速率和发光持续时间,并且USR表示欠采样比值;并且
在多个所述非均匀的采样时间期间感测信号的样本。
2.如权利要求1所述的方法,还包括以下步骤:
在所述装置处在所述多个非均匀的采样时间期间开启光源;并且
在所述多个非均匀的采样时间之间关闭所述光源。
3.如权利要求2所述的方法,其中,开启所述光源包括:在所述多个非均匀的采样时间期间开启一个或多个发光二极管(LED)。
4.如权利要求3所述的方法,其中,每一个LED都发出具有在600nm到1000nm之间的波长的光。
5.如权利要求1所述的方法,其中,产生所述非均匀的采样时间包括:根据种子来产生所述非均匀的采样时间。
6.如权利要求5所述的方法,其中,将相同的非均匀的采样时间用于感测所述信号的样本以及用于由另一装置重建所述信号。
7.如权利要求6所述的方法,其中,基于在所述装置与所述另一装置之间的通信链路的安全性协议中所使用的密钥来产生所述种子。
8.如权利要求1所述的方法,还包括以下步骤:
对所述信号的感测样本进行分组,以获得所述感测样本的至少一个分组;并且
通过无线信道发送所述至少一个分组。
9.如权利要求1所述的方法,还包括以下步骤:
接收与所述非均匀的采样时间有关的反馈信息;并且
根据所述接收的反馈信息来调整所述非均匀的采样时间。
10.如权利要求9所述的方法,其中,所述接收的反馈信息包括与所述信号的重建有关的系数和至少一个参数,并且其中,调整所述非均匀的采样时间包括调整欠采样比值或所述采样时间的数量中的至少一个。
11.如权利要求1所述的方法,其中,所述信号包括光电容积描记器(PPG)信号或心电图(ECG)信号。
12.一种用于信号处理的装置,包括:
产生器,被配置为基于T·fs/USR产生非均匀的采样时间,其中,fs和T分别表示获得每一个样本所必需的均匀采样速率和发光持续时间,并且USR表示欠采样比值;以及
传感器,被配置为在多个所述非均匀的采样时间期间感测信号的样本。
13.如权利要求12所述的装置,还包括:
光源;
开启电路,被配置为在所述多个非均匀的采样时间期间开启所述光源;以及
关闭电路,被配置为在所述多个非均匀的采样时间之间关闭所述光源。
14.如权利要求13所述的装置,其中,所述光源包括一个或多个发光二极管(LED),并且其中,所述开启电路被配置为在所述多个非均匀的采样时间期间开启所述一个或多个LED。
15.如权利要求14所述的装置,其中,每一个LED都发出具有在600nm到1000nm之间的波长的光。
16.如权利要求12所述的装置,其中,被配置为产生非均匀的采样时间的所述产生器包括:被配置为根据种子来产生所述非均匀的采样时间的电路。
17.如权利要求16所述的装置,其中,将相同的非均匀的采样时间用于感测所述信号的样本以及用于由另一装置重建所述信号。
18.如权利要求17所述的装置,其中,基于在所述装置与所述另一装置之间的通信链路的安全性协议中所使用的密钥来产生所述种子。
19.如权利要求12所述的装置,还包括:
被配置为对所述信号的感测样本进行分组,以获得所述感测样本的至少一个分组的电路;以及
发射机,被配置为通过无线信道发送所述至少一个分组。
20.如权利要求12所述的装置,还包括:
接收机,被配置为接收与所述非均匀的采样时间有关的反馈信息;以及
适配器,被配置为根据所述接收的反馈信息来调整所述非均匀的采样时间。
21.如权利要求20所述的装置,其中,所述接收的反馈信息包括与所述信号的重建有关的系数和至少一个参数,并且其中,调整所述非均匀的采样时间包括调整欠采样比值或所述采样时间的数量中的至少一个。
22.如权利要求12所述的装置,其中,所述信号包括光电容积描记器(PPG)信号或心电图(ECG)信号。
23.一种用于信号处理的装置,包括:
用于基于T·fs/USR产生非均匀的采样时间的模块,其中,fs和T分别表示获得每一个样本所必需的均匀采样速率和发光持续时间,并且USR表示欠采样比值;以及
用于在多个所述非均匀的采样时间期间感测信号的样本的模块。
24.如权利要求23所述的装置,还包括:
光源;
用于在所述多个非均匀的采样时间期间开启所述光源的模块;以及
用于在所述多个非均匀的采样时间之间关闭所述光源的模块。
25.如权利要求24所述的装置,其中,所述光源包括一个或多个发光二极管(LED),并且其中,用于开启所述光源的所述模块包括用于在所述多个非均匀的采样时间期间开启所述一个或多个LED的模块。
26.如权利要求25所述的装置,其中,每一个LED都发出具有在600nm到1000nm之间的波长的光。
27.如权利要求23所述的装置,其中,用于产生非均匀的采样时间的所述模块包括用于根据种子来产生所述非均匀的采样时间的模块。
28.如权利要求27所述的装置,其中,将相同的非均匀的采样时间用于感测所述信号的样本以及用于由另一装置重建所述信号。
29.如权利要求28所述的装置,其中,基于在所述装置与所述另一装置之间的通信链路的安全性协议中所使用的密钥来产生所述种子。
30.如权利要求23所述的装置,还包括:
用于对所述信号的感测样本进行分组,以获得所述感测样本的至少一个分组的模块;以及
用于通过无线信道发送所述至少一个分组的模块。
31.如权利要求23所述的装置,还包括:
用于接收与所述非均匀的采样时间有关的反馈信息的模块;以及
用于根据所述接收的反馈信息来调整所述非均匀的采样时间的模块。
32.如权利要求31所述的装置,其中,所述接收的反馈信息包括与所述信号的重建有关的系数和至少一个参数,并且其中,调整所述非均匀的采样时间包括调整欠采样比值或所述采样时间的数量中的至少一个。
33.如权利要求23所述的装置,其中,所述信号包括光电容积描记器(PPG)信号或心电图(ECG)信号。
34.一种感测设备,包括:
产生器,被配置为基于T·fs/USR产生非均匀的采样时间,其中,fs和T分别表示获得每一个样本所必需的均匀采样速率和发光持续时间,并且USR表示欠采样比值;以及
传感器,被配置为在多个所述非均匀的采样时间期间感测信号的样本;以及
发射机,被配置为发送所述感测的样本。
35.一种用于信号处理的方法,包括以下步骤:
在一装置处接收从另一装置发送的信号的样本;
基于T·fs/USR确定一组非均匀的采样时间,其中,在所述另一装置处是在该组非均匀的采样时间期间对信号进行采样的,其中,fs和T分别表示获得每一个样本所必需的均匀采样速率和发光持续时间,并且USR表示欠采样比值;并且
使用所确定的该组非均匀的采样时间,来从所述接收的样本中重建所述信号。
36.如权利要求35所述的方法,其中,重建所述信号包括根据改进的基于梯度投影的稀疏重建(GPSR)算法来重建所述信号。
37.如权利要求36所述的方法,其中,所述改进的GPSR算法包括使用加权因子,并且其中,所述加权因子包括原始信号的所估计的总体平均值。
38.如权利要求37所述的方法,其中,通过求一组训练信号的平均值来估计所述总体平均值。
39.如权利要求35所述的方法,其中,确定一组非均匀的采样时间包括以下步骤:
根据种子来产生该组非均匀的采样时间。
40.如权利要求39所述的方法,其中,基于在涉及所述接收所述样本的装置的通信链路的安全性协议中所使用的密钥来在所述接收所述样本的装置处产生所述种子。
41.如权利要求40所述的方法,还包括以下步骤:
将与所述种子有关的信息发送回所述另一装置。
42.一种用于信号处理的装置,包括:
接收机,被配置为接收从另一装置发送的信号的样本;
被配置为基于T·fs/USR确定一组非均匀的采样时间的电路,其中,在所述另一装置处是在该组非均匀的采样时间期间对信号进行采样的,其中,fs和T分别表示获得每一个样本所必需的均匀采样速率和发光持续时间,并且USR表示欠采样比值;以及
重建器,被配置为使用所确定的该组非均匀的采样时间,来从所述接收的样本中重建所述信号。
43.如权利要求42所述的装置,其中,被配置为重建所述信号的所述重建器包括:被配置为根据改进的基于梯度投影的稀疏重建(GPSR)算法来重建所述信号的电路。
44.如权利要求43所述的装置,其中,所述改进的GPSR算法包括使用加权因子,并且其中,所述加权因子包括原始信号的所估计的总体平均值。
45.如权利要求44所述的装置,其中,通过求一组训练信号的平均值来估计所述总体平均值。
46.如权利要求42所述的装置,其中,被配置为确定一组非均匀的采样时间的所述电路包括:
产生器,被配置为根据种子来产生该组非均匀的采样时间。
47.如权利要求46所述的装置,其中,基于在涉及所述用于信号处理的装置的通信链路的安全性协议中所使用的密钥来在所述用于信号处理的装置处产生所述种子。
48.如权利要求47所述的装置,还包括:
发射机,被配置为将与所述种子有关的信息发送回所述另一装置。
49.一种用于信号处理的装置,包括:
用于接收从另一装置发送的信号的样本的模块;
用于基于T·fs/USR确定一组非均匀的采样时间的模块,其中,在所述另一装置处是在该组非均匀的采样时间期间对信号进行采样的,其中,fs和T分别表示获得每一个样本所必需的均匀采样速率和发光持续时间,并且USR表示欠采样比值;以及
用于使用所确定的该组非均匀的采样时间,从所述接收的样本中重建所述信号的模块。
50.如权利要求49所述的装置,其中,用于重建所述信号的所述模块包括:用于根据改进的基于梯度投影的稀疏重建(GPSR)算法来重建所述信号的模块。
51.如权利要求50所述的装置,其中,所述改进的GPSR算法包括使用加权因子,并且其中,所述加权因子包括原始信号的所估计的总体平均值。
52.如权利要求51所述的装置,其中,通过求一组训练信号的平均值来估计所述总体平均值。
53.如权利要求49所述的装置,其中,用于确定一组非均匀的采样时间的所述模块包括:
用于根据种子来产生该组非均匀的采样时间的模块。
54.如权利要求53所述的装置,其中,基于在涉及所述用于信号处理的装置的通信链路的安全性协议中所使用的密钥来在所述用于信号处理的装置处产生所述种子。
55.如权利要求54所述的装置,还包括:
用于将与所述种子有关的信息发送回所述另一装置的模块。
56.一种耳机,包括:
接收机,被配置为接收从一装置发送的信号的样本;
被配置为基于T·fs/USR确定一组非均匀的采样时间的电路,其中,在所述装置处是在该组非均匀的采样时间期间对信号进行采样的,其中,fs和T分别表示获得每一个样本所必需的均匀采样速率和发光持续时间,并且USR表示欠采样比值;
重建器,被配置为使用所确定的该组非均匀的采样时间来从所述接收的样本中重建所述信号;以及
换能器,被配置为根据所述重建的信号来提供音频输出。
57.一种手表,包括:
接收机,被配置为接收从一装置发送的信号的样本;
被配置为基于T·fs/USR确定一组非均匀的采样时间的电路,其中,在所述装置处是在该组非均匀的采样时间期间对信号进行采样的,其中,fs和T分别表示获得每一个样本所必需的均匀采样速率和发光持续时间,并且USR表示欠采样比值;
重建器,被配置为使用所确定的该组非均匀的采样时间来从所述接收的样本中重建所述信号;以及
用户界面,被配置为根据所述重建的信号来提供指示。
58.一种监控设备,包括:
连接器;
接收机,被配置为通过所述连接器接收从一装置发送的信号的样本;
被配置为基于T·fs/USR确定一组非均匀的采样时间的电路,其中,在所述装置处是在该组非均匀的采样时间期间对信号进行采样的,其中,fs和T分别表示获得每一个样本所必需的均匀采样速率和发光持续时间,并且USR表示欠采样比值;
重建器,被配置为使用所确定的该组非均匀的采样时间来从所述接收的样本中重建所述信号;以及
用户界面,被配置为根据所述重建的信号来提供指示。
59.一种用于信号处理的方法,包括以下步骤:
在多个非均匀的采样时间期间开启光源,其中,所述多个非均匀的采样时间是基于T·fs/USR来确定的,其中,fs和T分别表示获得每一个样本所必需的均匀采样速率和发光持续时间,并且USR表示欠采样比值;并且
在所述多个非均匀的采样时间之间关闭所述光源。
60.如权利要求59所述的方法,其中,开启所述光源包括在所述多个非均匀的采样时间期间开启一个或多个发光二极管(LED)。
61.如权利要求60所述的方法,其中,每一个LED都发出具有在600nm到1000nm之间的波长的光。
62.一种用于信号处理的装置,包括:
开启电路,被配置为在多个非均匀的采样时间期间开启光源,其中,所述多个非均匀的采样时间是基于T·fs/USR来确定的,其中,fs和T分别表示获得每一个样本所必需的均匀采样速率和发光持续时间,并且USR表示欠采样比值;以及
关闭电路,被配置为在所述多个非均匀的采样时间之间关闭所述光源。
63.如权利要求62所述的装置,其中,所述光源包括一个或多个发光二极管(LED),并且其中,所述开启电路被配置为在所述多个非均匀的采样时间期间开启所述一个或多个LED。
64.如权利要求63所述的装置,其中,每一个LED都发出具有在600nm到1000nm之间的波长的光。
65.一种用于信号处理的装置,包括:
用于在多个非均匀的采样时间期间开启光源的模块,其中,所述多个非均匀的采样时间是基于T·fs/USR来确定的,其中,fs和T分别表示获得每一个样本所必需的均匀采样速率和发光持续时间,并且USR表示欠采样比值;以及
用于在所述多个非均匀的采样时间之间关闭所述光源的模块。
66.如权利要求65所述的装置,其中,所述光源包括一个或多个发光二极管(LED),并且其中,用于开启光源的所述模块包括用于在所述多个非均匀的采样时间期间开启所述一个或多个LED的模块。
67.如权利要求66所述的装置,其中,每一个LED都发出具有在600nm到1000nm之间的波长的光。
68.一种感测设备,包括:
开启电路,被配置为至少在多个非均匀的采样时间期间开启光源,其中,所述多个非均匀的采样时间是基于T·fs/USR来确定的,其中,fs和T分别表示获得每一个样本所必需的均匀采样速率和发光持续时间,并且USR表示欠采样比值;
传感器,被配置为在所述多个非均匀的采样时间期间感测信号的样本;以及
关闭电路,被配置为至少在所述多个非均匀的采样时间之间关闭所述光源。
CN200980137507.9A 2008-09-26 2009-09-25 用于光电容积描记器(ppg)数据的欠采样获取和传输及在接收机处的全频带ppg数据的重建的方法和装置 Active CN102165698B (zh)

Applications Claiming Priority (7)

Application Number Priority Date Filing Date Title
US10065408P 2008-09-26 2008-09-26
US61/100,654 2008-09-26
US10105608P 2008-09-29 2008-09-29
US61/101,056 2008-09-29
US12/512,480 US10213164B2 (en) 2008-09-26 2009-07-30 Method and apparatus for under-sampled acquisition and transmission of photoplethysmograph (PPG) data and reconstruction of full band PPG data at the receiver
US12/512,480 2009-07-30
PCT/US2009/058383 WO2010036894A2 (en) 2008-09-26 2009-09-25 Method and apparatus for under-sampled acquisition and transmission of photoplethysmograph (ppg) data and reconstruction of full band ppg data at the receiver

Publications (2)

Publication Number Publication Date
CN102165698A CN102165698A (zh) 2011-08-24
CN102165698B true CN102165698B (zh) 2014-08-13

Family

ID=42058357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200980137507.9A Active CN102165698B (zh) 2008-09-26 2009-09-25 用于光电容积描记器(ppg)数据的欠采样获取和传输及在接收机处的全频带ppg数据的重建的方法和装置

Country Status (7)

Country Link
US (3) US10213164B2 (zh)
EP (2) EP3672084A1 (zh)
JP (1) JP5415544B2 (zh)
KR (2) KR101271577B1 (zh)
CN (1) CN102165698B (zh)
TW (1) TW201110569A (zh)
WO (1) WO2010036894A2 (zh)

Families Citing this family (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9131892B2 (en) * 2006-07-25 2015-09-15 Gal Markel Wearable items providing physiological, environmental and situational parameter monitoring
US10213164B2 (en) 2008-09-26 2019-02-26 Qualcomm Incorporated Method and apparatus for under-sampled acquisition and transmission of photoplethysmograph (PPG) data and reconstruction of full band PPG data at the receiver
US8644244B2 (en) * 2008-12-12 2014-02-04 Research In Motion Limited Sensor-based wireless communication systems using compressive sampling
US8787186B2 (en) 2008-12-12 2014-07-22 Blackberry Limited Mobility in a distributed antenna system
US8693597B2 (en) * 2008-12-12 2014-04-08 Blackberry Limited Sensor-based wireless communication systems using compressive sampling
US20100290395A1 (en) * 2009-04-15 2010-11-18 Research In Motion Ltd Sensor-based wireless communication systems using compressive sampling
US7916052B2 (en) * 2009-07-13 2011-03-29 L3 Communications Integrated Systems, L.P. Compressed sensing characterization system and method
US20110134906A1 (en) 2009-12-03 2011-06-09 Qualcomm Incorporated Method and apparatus for distributed processing for wireless sensors
US20120130645A1 (en) * 2010-06-30 2012-05-24 Qualcomm Incorporated Method and apparatus for measuring body impedance based on baseband signal detection
US9294179B2 (en) 2012-02-07 2016-03-22 Google Technology Holdings LLC Gain normalization correction of PMI and COI feedback for base station with antenna array
JP5669982B2 (ja) 2012-03-05 2015-02-18 エンパイア テクノロジー ディベロップメント エルエルシー 一体化された占有センサおよび環境光センサ
KR101311279B1 (ko) * 2012-06-25 2013-09-25 인텔렉추얼디스커버리 주식회사 Ecg 신호 검출 시스템 및 방법
CA2897403A1 (en) * 2013-01-08 2014-07-17 Steven FASTERT Application for monitoring a property of a surface
CN103107815B (zh) * 2013-01-09 2016-03-02 华为技术有限公司 一种信号重建方法及设备
US9351688B2 (en) * 2013-01-29 2016-05-31 Covidien Lp Low power monitoring systems and method
US8774338B1 (en) * 2013-02-13 2014-07-08 Lookout, Inc. Method and system for providing a bit string on electronic devices
US10052038B2 (en) * 2013-03-14 2018-08-21 Koninklijke Philips N.V. Device and method for determining vital signs of a subject
US9642543B2 (en) 2013-05-23 2017-05-09 Arizona Board Of Regents Systems and methods for model-based non-contact physiological data acquisition
CN103347268B (zh) * 2013-06-05 2016-03-30 杭州电子科技大学 认知传感器网络中基于能量有效性观测的自适应压缩重构方法
GB2516865A (en) * 2013-08-02 2015-02-11 Nokia Corp Method, apparatus and computer program product for activity recognition
CN103781116B (zh) * 2013-11-01 2017-02-15 上海交通大学 一种基于分布式存储的无线传感网的数据融合方法
US9626521B2 (en) 2014-04-16 2017-04-18 Arizona Board Of Regents On Behalf Of Arizona State University Physiological signal-based encryption and EHR management
CN104682964B (zh) * 2015-03-15 2017-10-24 西安电子科技大学 一种半确定压缩感知测量矩阵的构造方法
US10682082B2 (en) * 2015-06-30 2020-06-16 Koninklijke Philips N.V. Sensor system and method which makes use of multiple PPG sensors
KR102486700B1 (ko) * 2015-08-11 2023-01-11 삼성전자주식회사 혈압 추정 방법 및 장치
CN105430347A (zh) * 2015-11-30 2016-03-23 燕山大学 一种基于压缩感知的无线传感器图像采集传输系统
US11801381B2 (en) * 2015-12-09 2023-10-31 Lawrence Livermore National Security, Llc Implantable neuromodulation system for closed-loop stimulation and recording simultaneously at multiple brain sets
KR102454895B1 (ko) * 2015-12-14 2022-10-14 삼성전자주식회사 연속적인 생체 신호 모니터링 방법 및 시스템
US10608780B2 (en) * 2016-02-02 2020-03-31 Massachusetts Institute Of Technology Methods, apparatus and systems for transmission and reception of sparse signals in wireless sensor networks
US10667690B2 (en) * 2016-04-02 2020-06-02 Intel Corporation Compressive sensing sparse sampling photoplethysmogram (PPG) measurement
US10128897B2 (en) * 2016-05-26 2018-11-13 Huawei Technologies Co., Ltd. Two-phase transmission for machine-type communication
CN106037706A (zh) * 2016-07-11 2016-10-26 天津大学 一种基于光电容积法的心率监测可穿戴设备及监测方法
US9986069B2 (en) 2016-09-28 2018-05-29 Intel Corporation Devices and methods to compress sensor data
JP2018068428A (ja) * 2016-10-25 2018-05-10 ソニー株式会社 情報処理装置、情報処理方法及びプログラム
US10020930B2 (en) * 2016-11-04 2018-07-10 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method of non-uniform wavelet bandpass sampling
EP3538854A4 (en) * 2016-11-10 2020-06-10 Continuse Biometrics Ltd. SYSTEM AND METHOD FOR MONITORING PERIODIC SIGNALS
US11841424B2 (en) * 2017-11-28 2023-12-12 Texas Instruments Incorporated Methods and electronic device for dynamic distance measurements
CN108259095B (zh) * 2018-01-29 2020-10-27 中国科学技术大学 联合sfft与coa的无线传感器网络部署结构及频谱重建方法
CN108802687A (zh) * 2018-06-25 2018-11-13 大连大学 混响房间内分布式麦克风阵列多声源定位方法
US11463522B1 (en) * 2019-07-31 2022-10-04 United Services Automobile Association (Usaa) System and method for efficiently transmitting signals with repeating structures
CN110623651B (zh) * 2019-09-25 2020-11-27 江苏盖睿健康科技有限公司 一种对袖带压力振荡波的测量数据处理方法及装置
EP3829138A1 (en) * 2019-11-28 2021-06-02 Bayer AG A data processing method and system
CN113069089B (zh) * 2020-01-06 2022-08-26 华为技术有限公司 电子设备
CN111443641B (zh) * 2020-04-20 2021-03-02 英华达(上海)科技有限公司 采样率校正方法、系统、设备及存储介质
US11790385B2 (en) * 2021-04-13 2023-10-17 S&P Global Inc. ESG forecasting
US11488075B1 (en) * 2021-04-13 2022-11-01 S&P Global Inc. ESG supply chain forecasting
US20220414560A1 (en) * 2021-06-10 2022-12-29 Impact Cubed Limited, a Registered Private Company of the Bailiwick of JERSEY System and Method for Performing Environmental, Social, and Governance (ESG) Rating Across Multiple Asset Classes
GB2619737A (en) * 2022-06-14 2023-12-20 Univ Essex Body sensor network

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1550204A (zh) * 2003-05-09 2004-12-01 ���ǵ�����ʽ���� 测量生物信号的耳式装置及其测量方法
US7018338B2 (en) * 2001-09-28 2006-03-28 Csem Centre Suisse D'electronique Et De Microtechnique Sa Method and device for pulse rate detection

Family Cites Families (43)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4869262A (en) * 1987-02-02 1989-09-26 Pulse Time Products Limited Device for displaying blood pressure
US5511553A (en) * 1989-02-15 1996-04-30 Segalowitz; Jacob Device-system and method for monitoring multiple physiological parameters (MMPP) continuously and simultaneously
JPH08317912A (ja) 1995-03-23 1996-12-03 Seiko Instr Inc 脈拍計
US5961577A (en) * 1996-12-05 1999-10-05 Texas Instruments Incorporated Random binary number generator
US7996187B2 (en) * 2005-02-16 2011-08-09 Card Guard Scientific Survival Ltd. Method and system for health monitoring
US20020052539A1 (en) * 1999-07-07 2002-05-02 Markus Haller System and method for emergency communication between an implantable medical device and a remote computer system or health care provider
US7051203B1 (en) * 1999-11-08 2006-05-23 International Business Machines Corporation Data watermarks created by using an uneven sampling period
DE10040988A1 (de) * 2000-08-22 2002-03-21 Evotec Biosystems Ag Verfahren und Vorrichtung zum Messen chemischer und/oder biologischer Proben
DE60136387D1 (de) * 2000-12-29 2008-12-11 Ares Medical Inc Risikobewertung von schlafapnoe
US6650918B2 (en) 2002-02-22 2003-11-18 Datex-Ohmeda, Inc. Cepstral domain pulse oximetry
JP4857434B2 (ja) * 2002-09-20 2012-01-18 クィーンズ ユニバーシティー アット キングストン 酵素基質および酵素生成物の分配差による生体分子の検出
US8771183B2 (en) * 2004-02-17 2014-07-08 Abbott Diabetes Care Inc. Method and system for providing data communication in continuous glucose monitoring and management system
JP3696209B2 (ja) * 2003-01-29 2005-09-14 株式会社東芝 シード生成回路、乱数生成回路、半導体集積回路、icカード及び情報端末機器
US7158899B2 (en) * 2003-09-25 2007-01-02 Logicvision, Inc. Circuit and method for measuring jitter of high speed signals
EP1596219A1 (en) * 2004-05-13 2005-11-16 Mitsubishi Electric Information Technology Centre Europe B.V. Signal processing circuit for time delay determination
US7091894B2 (en) * 2004-06-12 2006-08-15 L-3 Integrated Systems Company Systems and methods for analog to digital conversion
JP4579618B2 (ja) * 2004-08-16 2010-11-10 ビットワレット株式会社 決済サーバ及び決済依頼サーバ
EP1880524B1 (en) * 2005-04-21 2013-10-30 William Marsh Rice University Method and apparatus for compressive imaging device
JP2007075372A (ja) 2005-09-14 2007-03-29 Mitsuba Corp 生体信号監視装置
EP1935156B1 (en) * 2005-10-11 2012-02-22 L-3 Communications Integrated Systems L.P. Nyquist folded bandpass sampling receivers and related methods
WO2007050593A2 (en) * 2005-10-25 2007-05-03 William Marsh Rice University Method and apparatus for signal detection, classification, and estimation from compressive measurements
US7729889B2 (en) * 2005-11-15 2010-06-01 Agilent Technologies, Inc. Random sample timing method and system using same
JP4714025B2 (ja) 2006-01-06 2011-06-29 株式会社日立製作所 センサノード、基地局、センサネット及びセンシングデータの送信方法
US9133506B2 (en) * 2006-01-10 2015-09-15 Applied Spectral Imaging Ltd. Methods and systems for analyzing biological samples
US7403875B2 (en) * 2006-04-12 2008-07-22 Infineon Technologies Ag System for reconstruction of non-uniformly sampled signals
EP2049013B1 (en) * 2006-07-29 2013-09-11 Cardicell Ltd. Device for mobile electrocardiogram recording
CN101506084B (zh) 2006-08-15 2012-04-18 奥蒂斯电梯公司 带有一体式轴承和制动表面的电梯曳引机制动器
US7878030B2 (en) * 2006-10-27 2011-02-01 Textronics, Inc. Wearable article with band portion adapted to include textile-based electrodes and method of making such article
US20080104163A1 (en) * 2006-10-30 2008-05-01 Barford Lee A Non-Uniform Sampling To Avoid Aliasing
KR100843081B1 (ko) * 2006-12-06 2008-07-02 삼성전자주식회사 보안 제공 시스템 및 방법
US8147416B2 (en) * 2007-08-31 2012-04-03 Pacesetter, Inc. Implantable systemic blood pressure measurement systems and methods
US8218496B2 (en) * 2007-10-26 2012-07-10 Texas Instruments Incorporated Random access cyclic prefix dimensioning in wireless networks
US7916303B2 (en) * 2007-11-13 2011-03-29 Optoplan As Non-uniform sampling to extend dynamic range of interferometric sensors
KR100956795B1 (ko) * 2007-12-14 2010-05-11 한국전자통신연구원 생체 신호 측정 장치
US8326580B2 (en) * 2008-01-29 2012-12-04 Qualcomm Incorporated Sparse sampling of signal innovations
US8843069B2 (en) * 2008-02-01 2014-09-23 Qualcomm Incorporated Interference reduction request in a wireless communication system
BRPI0907279A8 (pt) * 2008-04-15 2018-12-18 E Trolz Inc sistema de monitoramento fetal e método para o monitoramento fetal.
US8265098B2 (en) * 2008-07-11 2012-09-11 Qualcomm Incorporated Flash position signaling: multiplexing and interference management
DE102008032735A1 (de) 2008-07-11 2010-01-14 Forschungszentrum Karlsruhe Gmbh Verfahren zur Digitalisierung analoger Signale und Rekonstruktion des jeweiligen Signals daraus sowie Signalverarbeitungsstrecke zur Durchführung des Verfahrens
US10213164B2 (en) * 2008-09-26 2019-02-26 Qualcomm Incorporated Method and apparatus for under-sampled acquisition and transmission of photoplethysmograph (PPG) data and reconstruction of full band PPG data at the receiver
US20100081946A1 (en) * 2008-09-26 2010-04-01 Qualcomm Incorporated Method and apparatus for non-invasive cuff-less blood pressure estimation using pulse arrival time and heart rate with adaptive calibration
US8644244B2 (en) * 2008-12-12 2014-02-04 Research In Motion Limited Sensor-based wireless communication systems using compressive sampling
KR101653433B1 (ko) * 2009-02-27 2016-09-01 이카노스 커뮤니케이션스, 인크. 자기-유도 원단 크로스토크를 완화시키는 시스템 및 방법

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7018338B2 (en) * 2001-09-28 2006-03-28 Csem Centre Suisse D'electronique Et De Microtechnique Sa Method and device for pulse rate detection
CN1550204A (zh) * 2003-05-09 2004-12-01 ���ǵ�����ʽ���� 测量生物信号的耳式装置及其测量方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JASON LASKA ET AL.Random Sampling for Analog-to-Information Conversion of Wideband Signals.《DESIGN, APPLICATIONS, INTEGRATION AND SOFTWARE, 2006 IEEE DALLAS/CAS W ORKSHOP ON, IEEE》.2006,119-122.
Random Sampling for Analog-to-Information Conversion of Wideband Signals;JASON LASKA ET AL;《DESIGN, APPLICATIONS, INTEGRATION AND SOFTWARE, 2006 IEEE DALLAS/CAS W ORKSHOP ON, IEEE》;20061001;119-122 *

Also Published As

Publication number Publication date
CN102165698A (zh) 2011-08-24
KR20120123158A (ko) 2012-11-07
US11819343B2 (en) 2023-11-21
KR101271574B1 (ko) 2013-07-30
JP5415544B2 (ja) 2014-02-12
KR20110076971A (ko) 2011-07-06
WO2010036894A2 (en) 2010-04-01
EP2345165A2 (en) 2011-07-20
US10939873B2 (en) 2021-03-09
US20190125271A1 (en) 2019-05-02
EP3672084A1 (en) 2020-06-24
US10213164B2 (en) 2019-02-26
TW201110569A (en) 2011-03-16
US20210169426A1 (en) 2021-06-10
JP2012504022A (ja) 2012-02-16
WO2010036894A3 (en) 2010-07-08
KR101271577B1 (ko) 2013-07-30
US20100082302A1 (en) 2010-04-01

Similar Documents

Publication Publication Date Title
CN102165698B (zh) 用于光电容积描记器(ppg)数据的欠采样获取和传输及在接收机处的全频带ppg数据的重建的方法和装置
US20100246651A1 (en) Packet loss mitigation in transmission of biomedical signals for healthcare and fitness applications
CN103168425B (zh) 用于对信号进行低复杂度压缩的方法和装置
CN102640437B (zh) 用于无线传感器的分布式处理的方法和装置
JP6038981B2 (ja) データを処理および再構成するための方法および装置
EP2475293B1 (en) Method and apparatus for artifacts mitigation with multiple wireless sensors
Naganawa et al. Simulation-based scenario-specific channel modeling for wban cooperative transmission schemes
KR20180016624A (ko) 웨어러블 디바이스에서 데이터 압축을 위한 장치 및 방법
Polanía et al. Compressed sensing ECG using restricted Boltzmann machines
Sakkattu et al. Performance evaluation of IEEE 802.15. 6 in wireless body area networks
Tsouri et al. Respiration rate estimation from channel state information in wireless body area networks
Gangwar et al. Arrogyam: Arrhythmia detection for ambulatory patient monitoring
Alloulah et al. A Cross-Layer Coding for Scalable ECG streaming.
Castanie et al. End-to-end signal processing from the embedded body sensor to the medical end user through QoS-less public communication channels: the UR-SAFE experience
Wickrema Seneviratne Statistical Approaches for Data Aggregation in Wireless Sensor Networks

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant