CN102458246A - 运动确定设备 - Google Patents

运动确定设备 Download PDF

Info

Publication number
CN102458246A
CN102458246A CN2010800244650A CN201080024465A CN102458246A CN 102458246 A CN102458246 A CN 102458246A CN 2010800244650 A CN2010800244650 A CN 2010800244650A CN 201080024465 A CN201080024465 A CN 201080024465A CN 102458246 A CN102458246 A CN 102458246A
Authority
CN
China
Prior art keywords
motion
motor message
accelerometer
signal
confirmed
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.)
Granted
Application number
CN2010800244650A
Other languages
English (en)
Other versions
CN102458246B (zh
Inventor
G·G·G·莫伦
A·靳
B·尹
H·杜里克
R·M·阿尔特斯
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN102458246A publication Critical patent/CN102458246A/zh
Application granted granted Critical
Publication of CN102458246B publication Critical patent/CN102458246B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1102—Ballistocardiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/113—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing
    • A61B5/1135—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb occurring during breathing by monitoring thoracic expansion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Dentistry (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Cardiology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明涉及一种用于确定运动对象的运动的运动确定设备，其中，所述运动确定设备(1)包括用于定位在所述运动对象(4)处的多轴加速度计(2)，其中，所述多轴加速度计(2)适于生成指示沿不同空间轴的加速度的加速度计信号。所述运动确定设备还包括通过组合不同空间轴的加速度计信号生成指示对象(4)的运动的运动信号的运动信号生成单元(3)。即使轴接近运动的旋转轴，组合不同空间轴的加速度计信号也生成具有大的信噪比的运动信号。

Description

运动确定设备
技术领域
本发明涉及一种运动确定设备以及一种用于确定运动对象的运动的方法。本发明还涉及一种对应的计算机程序。
背景技术
WO 2004/043263A2公开了一种用于人和动物身上的监测呼吸运动的装置，其用于控制呼吸运动，尤其是控制婴儿的呼吸暂停时间。该装置包括加速度计和微控制器，其中，加速度计包括运动探测器和多个输出插头，并且其中，微控制器包括多个输入插座。多个输出插头连接到所述多个输入插座，并且微控制器包括连接到报警模块(means)的信号输出。
发明内容
WO 2004/043263A2中公开的监测呼吸运动的装置依赖于沿单个空间轴的加速度计信号。由于该加速度计信号中与呼吸相关的变化是由相对于重力的取向变化导致的，所以当空间的单个轴相对于重力的取向未因呼吸而变化时会出现问题，因为在这种情况下，利用所述单个轴不能监测呼吸。例如，如果呼吸诱发的运动是绕着空间的单个轴自身的旋转，不管其相对于重力的取向如何，都可能发生这种情况。此外，如果呼吸诱发的运动是绕着接近加速度计的空间单个轴的旋转轴旋转，仅测量到具有低信噪比的小加速度计信号。这降低了呼吸导致的加速度计信号的质量。
本发明的目的是提供一种用于确定运动对象的运动的运动确定设备和方法，其中，通过利用加速度计生成指示运动的运动信号，并且其中，改善了运动信号的质量。
在本发明的第一方面中，提供了一种用于确定运动对象的运动的运动确定设备，其中，该运动确定设备包括：
-多轴加速度计，其用于定位在运动对象处，其中，所述多轴加速度计适于生成指示沿不同空间轴的加速度的加速度计信号，
-运动信号生成单元，其用于通过组合不同空间轴的加速度计信号来生成指示所述对象的运动的运动信号。
由于加速度计是多轴加速度计，所以作为绕多轴加速度计的轴中的一个旋转的运动产生多轴加速度计的轴中的另一个的加速度计信号变化。于是，即使轴接近应当由多轴加速度计探测的运动的旋转轴，组合不同空间轴的加速度计信号也产生大的并且具有大信噪比的运动信号。这样改善了信号，即运动信号的质量，并因此便于对信号的进一步处理。例如，用于从运动信号自动确定呼吸速率或心率的算法，如果该确定过程所依据的运动信号的质量得到改善，具体而言，如果增大了运动信号的信噪比，则生成改善的结果。
多轴加速度计优选是适于生成指示沿三个正交空间轴的加速度的三个加速度计信号的三轴加速度计，其中，运动信号生成单元适于组合这三个加速度计信号以生成指示对象的运动的运动信号。
优选地，所述多轴加速度计适于定位在人的身体部分上，其中，所述运动信号生成单元适于生成指示人的呼吸和心脏活动中的至少一项的运动信号。
为了生成指示呼吸的运动信号，多轴加速度计优选定位在下方肋骨处，大致在中央和侧位之间一半处。然而，多轴加速度计还可以位于其他位置，例如，在腹部，具体而言，如果由于像术后伤口的身体体格造成限制时。
为了生成指示心率的运动信号，多轴加速度计优选定位在腹部/胸廓的左侧。此外，优选将加速度计定位在下方肋骨处，具体而言，在肋骨左下方。用于生成指示心率的运动信号的多轴加速度计的另一优选位置是胸廓上更高的位置或腹部上更下的位置。具体而言，为了测量指示心率的运动信号，还优选用于确定指示呼吸的运动信号的优选位置。具体而言，为了生成指示呼吸和心率的运动信号，优选将多轴加速度计定位在下方肋骨处，左侧中央-侧位一半处。
优选地，所述运动确定设备还包括根据所生成的运动信号确定呼吸速率的呼吸速率确定单元和确定心率的心率确定单元。
这样允许对呼吸速率和/或心率进行舒适、低成本、连续并且流动的监测。
在实施例中，如果已经在屏息状态中生成加速度计信号，所生成的运动信号基频为心率。如果在人正在呼吸时生成加速度计信号，则认为运动信号的基频对应于呼吸速率。
优选地，所述运动确定设备还包括滤波(filtering)单元，其用于对加速度计信号进行滤波，使得对应于要确定的运动的可能频率的频率通过滤波单元。
这样降低了噪声以及可能不希望的对加速度计信号的环境影响。如果运动信号应当指示呼吸，滤波单元优选适于滤波加速度计信号，使得对应于呼吸运动的可能频率的频率通过滤波单元。在这种情况下，0.1到2Hz的频率范围内的频率优选通过滤波单元。如果运动信号生成单元适于生成指示人的心脏活动的运动信号，滤波单元优选适于滤波加速度计信号，使得对应于心脏活动的可能频率的频率通过滤波单元，例如，滤波单元可以适于滤波加速度计信号，使得0.5Hz到3Hz的频率范围内的频率通过滤波单元。
进一步优选地，所述运动信号生成单元适于基于时间上在先的时间帧中生成的加速度计信号重复地生成运动信号。
这样能够针对实际情况，例如，针对多轴加速度计的实际轴取向，来调整加速度计信号的组合。例如，即使人改变他的/她的姿势，这样也允许确定指示人的呼吸和心脏活动中的至少一项的运动信号。时间帧例如是20秒或更小的时间帧。
进一步优选地，所述运动信号生成单元适于组合加速度计信号，使得具有最大加速度变化的加速度计信号大部分贡献于运动信号。
由于具有最大加速度变化的加速度计信号被认为具有最大信噪比，通过组合加速度计信号，使得具有最大加速度变化的加速度计信号大部分贡献于运动信号，能够提高运动信号的信噪比。优选地，运动信号生成单元适于组合加速度计信号，使得在对应于要确定的运动的频率范围内具有最大加速度变化的加速度计信号大部分贡献于运动信号。
进一步优选地，所述运动信号生成单元适于线性组合不同空间轴的加速度计信号，其中，对加速度计信号进行加权，使得具有最大加速度变化的加速度计信号具有最大权重。
运动信号生成单元优选适于根据相应加速度计信号与具有最大加速度变化的加速度计信号的相关性来确定加速度计信号的权重，其中，如果相应的相关性更大，则相应加速度计信号的权重更大。
这样允许生成运动信号，使得具有最大加速度变化的加速度计信号大部分贡献于运动信号。
优选使用所谓的“样本相关系数”或“Pearson积矩相关系数”来确定相关性。
进一步优选地，所述运动信号生成单元适于根据相应加速度计信号与具有最大加速度变化的加速度计信号的相关性来确定加速度计信号的权重，其中，相应加速度计信号的权重为相关性的标志。
这样允许根据不同空间轴的加速度计信号的相位关系对其进行组合，使得具有最大加速度变化的加速度计信号大部分贡献于所生成的运动信号。
进一步优选地，所述运动信号生成单元适于对不同空间轴的加速度计信号应用主分量分析，并从应用主分量分析所得的主分量确定指示要确定的运动的运动分量作为运动信号。于是，选择主分量的分量作为运动分量，即运动信号。优选地，运动信号生成单元适于确定第一主分量作为所生成的运动信号。
而且，应用主分量分析，并使用，具体而言，所得第一主分量的所得分量作为生成的运动信号允许组合加速度计信号，使得具有最大加速度变化的加速度计信号大部分贡献于所生成的运动信号。
主分量分析优选是标准正交线性变换，其将加速度信号变换到新坐标系，使得由数据的任何投影导致的最大方差位于第一主分量上，第二大方差位于第二主分量上，而第三最大方差位于第三主分量上。
进一步优选地，所述运动信号生成单元适于针对加速度计的每个空间轴确定加速度变化的最大化投影信号，并通过组合最大化投影信号生成运动信号，其中，运动信号生成单元适于通过在重力矢量和加速度计的相应空间轴界定的子空间上投影重力矢量相对于加速度计的空间轴的运动以及变换所述子空间内的相应轴，使得已投影到子空间中的重力矢量的投影的运动在变换的相应轴上的投影最大化，来确定加速度计的空间轴的最大化投影信号。所述子空间优选为平面。标称重力矢量是这样取向的矢量，使其指示重力矢量相对于加速度计的不同空间轴的运动的平均值，即可以将重力矢量的运动描述为相对于标称重力矢量的变化。
进一步优选地，所述运动信号生成单元适于通过确定最大化投影信号的矢量大小以及通过组合所确定的矢量大小与最大化投影信号中的至少一个的符号来生成运动信号。优选地，将确定的矢量大小乘以最大化投影信号中的至少一个的符号。进一步优选地，将所确定的矢量大小乘以具有最大幅度的最大化投影信号的符号。
这样允许生成具有增大的信噪比的运动信号。
进一步优选地，所述运动信号生成单元适于对最大化投影信号应用主分量分析，其中，所得的第一主分量为所生成的运动信号。
这样还允许组合不同空间轴的加速度计信号，使得具有最大加速度变化的加速度计信号大部分贡献于所生成的运动信号。
进一步优选地，所述运动信号生成单元适于对不同空间轴的加速度计信号应用独立分量分析并根据应用独立分量分析所得的独立分量来确定指示要确定的运动的运动分量作为运动信号。于是，选择独立分量的分量作为运动分量，即作为运动信号。
这样也允许生成运动信号，使得具有最大加速度变化的加速度计信号大部分贡献于运动信号。
优选地，利用信号中的时间相关性的算法，例如所谓的SOBI算法，被用于对加速度计信号进行独立分量分析。在如下文章中公开了SOBI算法：“A blind source separation technique using second order statistics”，Belouchrani A.等人，IEEE Trans Signal Process，45(2)：434-444，1997年2月，在此通过引用将其并入。
可以通过确定在预定频率具有最大幅度的独立分量来确定来自应用独立分量分析所得的独立分量，其指示要确定的运动的运动分量。例如，如果应当基于运动信号确定呼吸速率或心率，将在对应于可能的呼吸速率或心率的频率间隔内具有最大幅度的独立分量确定为运动分量。
运动确定设备优选包括若干多轴加速度计，其用于以互补位置定位在对象上，其中，运动信号生成单元适于通过组合若干多轴加速度计的不同空间轴的加速度计信号来生成指示对象运动的运动信号。
这样允许进一步增大信噪比以及进一步减小未确定对象运动的概率。如果对象上的两个位置的运动不同，具体而言，如果在这两个位置处相对于重力的运动诱发的变化不同，优选把对象上的这两个位置认为是互补的。具体而言，如果由呼吸或由心脏活动诱发的运动在这些位置是不同的，尤其是如果相对于重力而言呼吸诱发的变化或心脏活动诱发的变化在这些位置是不同的，则认为对象上的这两个位置是互补的。
如果运动确定设备包括若干多轴加速度计，运动信号生成单元优选适于通过利用主分量分析或独立分量分析通过组合若干多轴加速度计的不同空间轴的加速度计信号来生成运动信号。
优选地，在对象上定位两个多轴加速度计，具体而言，优选在对象上定位两个三轴加速度计。第一加速度计优选如上所述位于例如下肋骨，而第二加速度计优选位于上方胸廓的中央，例如在胸骨处。
在本发明的另一方面中，提供了一种用于确定运动对象的运动的运动确定方法，其中，该运动确定方法包括以下步骤：
-由定位在所述运动对象处的多轴加速度计生成指示沿不同空间轴的加速度的加速度计信号，
-由运动信号生成单元通过组合不同空间轴的加速度计信号来生成指示所述对象的运动的运动信号。
在本发明的另一方面中，提供了一种用于确定运动对象的运动的计算机程序，其中，该计算机程序包括程序代码模块，当在控制运动确定设备的计算机上运行计算机程序时，其用于令根据权利要求1所述的运动确定设备执行根据权利要求14所述的运动确定方法。
应当理解，权利要求1的运动确定设备，权利要求14的运动确定方法和权利要求15的计算机程序具有类似和/或相同的优选实施例，具体而言，如从属权利要求中所限定的那些。
应当理解，本发明的优选实施例还可以是从属权利要求与相应的独立权利要求的任意组合。
附图说明
参考下文描述的实施例，本发明的这些和其他方面将显而易见并得以阐述。在下述附图中：
图1示意性和示范性示出了运动确定设备的实施例；
图2示范性示出了在对象改变姿势之前的三个加速度计信号和通过组合加速度计信号生成的运动信号；
图3示范性示出了在对象改变姿势之后的三个加速度计信号和组合加速度计信号生成的运动信号；
图4图示了重力矢量和加速度计的不同空间轴之间的空间关系；
图5图示了重力矢量相对于加速度计的不同空间轴的运动；
图6示出了加速度计的不同空间轴之一的子空间；
图7示出了运动确定设备的另一实施例；以及
图8示出了流程图，其示范性图示了运动确定方法的实施例。
具体实施方式
图1示意性和示范性示出了用于确定运动对象的运动的运动确定设备。运动确定设备1包括用于定位在运动对象4上的多轴加速度计2。多轴加速度计2适于生成指示沿不同空间轴的加速度的加速度计信号。在这一实施例中，多轴加速度计为三轴加速度计，其适于生成指示沿三个正交空间轴的加速度的三个加速度计信号。例如，可以使用名为ST Microelectronics LIS344ALH或Kionix KXM 52的三轴加速度计。然而，也可以使用其他种类的多轴加速度计来生成指示沿不同空间轴的加速度的加速度计信号。
运动确定设备1还包括运动信号生成单元3，其用于通过组合不同空间轴的加速度计信号来生成指示对象4的运动的运动信号。在这一实施例中，运动信号生成单元3适于组合三轴加速度计2的三个加速度计信号以生成指示对象4的运动的运动信号。
在这一实施例中，对象4为人的身体4，其中，多轴加速度计2定位在人的身体4上，并且其中，运动信号生成单元3适于生成指示人的呼吸和心脏活动中的至少一项的运动信号。
多轴加速度计2位于左下肋骨处，在中央和侧位之间大致一半处。然而，多轴加速度计2还可以位于其他位置，例如在腹部，具体而言，如果由于像术后伤口的身体体格造成限制时。
运动确定设备1还包括用于对加速度计信号进行滤波的滤波单元7，使得与要确定的运动可能频率对应的频率通过滤波单元7。这样减少了噪声以及可能不希望的对加速度计信号的环境影响。在这一实施例中，运动信号应当指示呼吸速率或心率。因此滤波单元7适于对加速度计信号进行滤波，使得与呼吸运动或由心脏活动导致的运动的可能频率对应的频率通过滤波单元。具体而言，滤波单元7可以适于滤波0.1到3Hz频率范围内的频率。还可以为了确定呼吸，滤波0.1到2Hz频率范围内的频率，为了确定心率，滤波0.5到3Hz频率范围内频率，即，通过滤波单元7。
运动确定设备还包括根据所生成的运动信号确定呼吸速率的呼吸速率确定单元5和根据所生成的运动信号确定心率的心率确定单元6。如果滤波单元7适于利用第一滤波器滤波加速度计信号，用于滤波加速度计信号以确定呼吸，并且如果滤波单元7适于利用第二滤波器单元滤波加速度计信号，用于滤波加速度计信号以确定心率，优选独立于利用第二滤波器滤波的加速度计信号组合利用第一滤波器滤波的加速度计信号，其中，通过组合由第一滤波器滤波的加速度计信号生成的运动信号被提供到呼吸速率确定单元5，而通过组合由第二滤波器滤波的加速度计信号生成的运动信号被提供到心率确定单元6。
优选由呼吸速率确定单元5确定提供到呼吸速率确定单元5的运动信号的基频作为呼吸速率。优选通过确定提供到心率确定单元6的运动信号的基频作为心率。
在另一优选实施例中，由呼吸速率确定单元5确定运动信号中相继峰值之间的时间间隔的倒数作为呼吸速率。可以通过识别运动信号一阶导数的过零来确定运动信号的峰值。为了避免检测到假峰值，可以对峰值施加额外的限制。例如，仅将运动信号中超过阈值的那些峰值用于确定呼吸速率。例如，可以通过校准来确定阈值。
运动信号生成单元3适于基于时间上在先的时间帧中生成的加速度计信号重复生成运动信号。这样能够针对实际情况，例如，针对多轴加速度计的实际取向，来调整加速度计信号的组合。例如，即使人改变其姿势，这样也允许确定指示人的呼吸和心脏活动中的至少一项的运动信号。时间帧优选为20秒或更小，进一步有选10秒或更小，更优选5秒或更小。
运动信号生成单元3适于组合加速度计信号，使得具有最大加速度变化的加速度计信号大部分贡献于运动信号。在这一实施例中，运动信号生成单元3适于对不同空间轴的加速度计信号进行主分量分析，其中，所得的第一主分量为生成的运动信号。
在下文中将参考图2和3描述组合三个加速度计信号的效果，具体而言，通过执行主分量分析以生成运动信号。
图2示意性和示范性示出了取决于时间t(秒)的任意单位的加速度计信号Sx，Sy，Sz。因为三轴加速度计相对于要确定的运动的取向的原因，加速度计信号Sx示出了在三轴加速度计2所在位置处由人的运动导致的最大变化，而加速度计信号Sz仅示出了小的变化。这些加速度计信号Sx，Sy，Sz的组合产生了运动信号M，其示出了较大的变化并因此具有较大的信噪比。
图3示出了在人4的姿势已变化之后的同样的加速度计信号。在这一姿势变化之后，加速度计信号Sz示出了最大的变化，而加速度计信号Sy示出了最小的变化。然而，由于运动信号生成单元3执行的三个加速度计信号的组合，生成了运动信号M，其仍然表现出较大的变化并且因此具有较大的信噪比。于是，即使在人的姿势已经改变之后，所生成的运动信号仍然表现出大的变化并具有大的信噪比。在图2和3中，在大约四秒时间的信号中的变化或波动是由呼吸导致的。于是，可以从图2和3所示的运动信号确定每分钟15次呼吸的呼吸速率。
在另一优选实施例中，运动信号生成单元适于线性组合不同空间轴的加速度计信号，其中，对加速度计信号进行加权，使得具有最大加速度变化的加速度计信号具有最大权重。例如，运动信号生成单元可以适于根据相应加速度计信号与具有最大加速度变化的加速度计信号的相关性来确定加速度计信号的权重，其中，如果相应的相关性更大，则相应加速度计信号的权重更大。
优选通过确定“样本相关系数”或“Pearson积矩相关系数”来确定相关性。
可以由如下方程来描述通过线性组合加速度计信号Sx，Sy，Sz生成运动信号M：
M＝wxSx+wySy+wzSz，                                    (1)
其中，wx，wy，wz表示相应的权重。
优选确定加权因子wx，wy，wz，使得运动信号具有最大的信噪比。这些加权因子取决于加速度计的取向，具体而言，取决于多轴加速度计所附接至的人的姿势，因此优选定期更新加权因子wx，wy，wz。基于特定在先时间帧(优选为20秒或更小)的加速度计信号，在定期时刻，例如每秒，来计算加权因子。优选地，如果加权因子在两个时刻之间已经变化，运动信号生成单元适于在第一时刻确定的加权因子和第二时刻确定的加权因子之间进行线性内插，以便确保平滑的运动信号波形。
在优选实施例中，根据加速度计信号之间的相位关系，加权因子为+1或-1。优选基于参考轴和其他两个轴之间的相关系数来确定符号，例如，如果x轴为参考轴，优选通过下列方程式定义加权因子：
wx＝1，                                                (2)
wy＝符号(C(Sx，Sy))，                                  (3)
wz＝符号(C(Sx，Sz))，                                  (4)
其中，符号(…)为符号函数，并且其中，C(…)表示相应加速度计信号之间的相关系数。优选地，将加速度计信号在对应于要确定的运动的可能频率飞频率范围中具有最大幅度的加速度计轴视为参考轴。
还可以将对三个加速度计信号应用主分量分析所确定的第一主分量视为三个加速度计信号的线性组合，因为主分量分析为正交线性变换，具体而言，在不相关分量，即所谓的主分量的线性混合中分解三个加速度计信号的旋转。通过三个加速度计信号的协方差矩阵的特征值分解获得主分量。第一主分量是对加速度计信号的最大变化有贡献的三个加速度计信号的线性组合。例如，如果呼吸是加速度计信号中变化的最大来源，对三个加速度计信号应用主分量分析生成使呼吸诱发的运动信号最大化的三个加速度计信号的组合作为第一主分量。为了确保呼吸是加速度计信号变化的最大来源，可以由滤波单元7滤波加速度计信号，使得加速度计信号限于与生理学上可能的呼吸速率对应的频带，例如，限于0.1到2Hz的频带，其对应于每分钟6到120次呼吸。
在另一实施例中，运动信号生成单元3适于对不同空间轴的加速度计信号应用独立分量分析，并根据应用独立分量分析获得的独立分量确定指示要确定的运动的运动分量作为运动信号。
可以将独立分量分析视为主分量分析的扩展，其找到不仅不相关而且统计独立的加速度计信号的线性组合。为此，独立分量分析算法采用协方差矩阵中未包含的额外信息，通常是更高阶的统计量。由于要确定的运动信号，具体而言，由呼吸和/或心脏活动导致的运动信号是瞬时相关的，优选使用SOBI算法执行独立分量分析，因为SOBI算法利用了加速度计信号的时间结构。SOBI算法基于在不同时滞下对一组协方差矩阵同时进行对角化。与主分量分析相反，不根据方差对利用独立分量分析获得的独立分量进行排序。于是，即使呼吸和/或心脏活动对加速度计信号的最大变化有贡献，与呼吸和/或心率相关的独立分量也未必是第一个。因此运动信号生成单元适于确定独立分量作为指示要确定的运动的运动信号。
运动信号生成单元可以适于通过确定在预定频率具有最大幅度的指示要确定的运动的独立分量，从应用独立分量分析获得的独立分量确定指示要确定的运动的运动分量。例如，如果应当基于运动信号确定呼吸速率或心率，将其功率谱在分别对应于可能的呼吸速率或可能的心率的频率间隔内具有最大峰值的独立分量确定为运动分量。
在另一实施例中，可以基于考虑了额外特征的分数来确定指示运动的独立分量。然后选择具有最小分数的独立分量作为指示运动的分量。例如，可以计算独立分量的若干特征之和作为分数：
Figure BDA0000115485840000111
其中，分数(ICx)表示第x个独立分量的分数，N表示使用的特征的数目，Fi(ICx)表示针对第x个独立分量的第i个特征的值，而wi表示对应于第i个特征的权重。例如，优选特征基于独立分量的基频、独立分量的混合权重、独立分量的谱形状等。由于呼吸、心率和姿势的改变通常是随着时间逐渐发生的，所以也可以使用考虑到先前时段中的呼吸、心率和/或姿势的知识的特征。例如，可以将独立分量的基频和先前时段中独立分量的基频的绝对差别用作特征。对于分析的第一个时段，指示运动的独立分量的选择可以基于(1)仅仅不依赖于来自先前时段的知识的那些特征，或者(2)针对先前数据的特征估计初始值。
在实施例中，还可以应用上述将指示要确定的运动的独立分量确定为运动信号的方法来确定从主分量分析获得的指示要确定的运动的主分量作为运动信号。
在另一实施例中，运动信号生成单元3适于针对加速度计的每个空间轴确定加速度变化的最大化投影信号以及通过组合最大化的投影信号生成运动信号，其中，运动信号生成单元适于通过在标称重力矢量和加速度计的相应空间轴限定的子空间上投影重力矢量相对于加速度计的空间轴的运动以及通过变换子空间内的相应轴，使得已投影到子空间中的重力矢量在变换的相应轴上的投影运动的投影最大化，来确定加速度计的空间轴的最大化投影信号。
由于因运动，例如因呼吸或心脏活动导致的惯性加速度比重力加速度小得多，所以轴，具体而言，加速度计的三个正交轴，表示重力矢量在每个轴x，y，z上的投影。在图4中示范性图示了这种情况。
加速度计的每个轴x，y，z上的值是重力矢量在相应轴上的投影。这一值由重力矢量和相应轴之间的角，即分别由角α，β，γ以及如下方程确定：
Sx＝G·cosα，                                        (6)
Sy＝G·cosβ，                                        (7)
Sz＝G·cosγ，                                        (8)
其中，G表示重力矢量的绝对值。
如果假设由于例如呼吸或心脏活动导致的加速度计运动发生在平面中，可以在重力矢量G绕任意平面8中的标称位置前后运动时在传感器坐标系中表示这种运动。在图5中示范性图示了这种情况。在图5中，
Figure BDA0000115485840000121
表示重力矢量G的标称位置的每侧上的完整角跨度。
对于每个空间轴x，y，z，由重力矢量G和相应的空间轴x，y，z界定子空间，即二维平面。在图6中针对z轴示意性和示范性示出了这样的子空间9。在图6中，γ表示在标称位置处的重力矢量和加速度计的相应空间轴之间的角，而是重力矢量x坐标和y坐标的矢量和，即Sx和Sy的矢量和。
对于每个空间轴，首先向相应的空间轴和重力矢量的标称位置所界定的对应子空间上投影重力矢量的运动。接下来，在这一子空间中，旋转z轴，使得在这一新的Z轴中由于重力矢量的运动导致的幅度变化最大化。
在其标称位置中，可以将重力矢量在旋转轴上的投影写为：
Figure BDA0000115485840000131
Figure BDA0000115485840000132
Figure BDA0000115485840000133
在其最极限位置中，可以将重力矢量在旋转轴上的投影写为：
P最大，z(Δγ)＝-G·cos(γ+Δγ)·sinγ+G·sin(γ+Δγ)·cosγ，(10)
其中，Δγ表示重力矢量在相应子空间中的标称位置的每侧上的角跨度，而γ表示γ的标称值。
利用三角和公式组合方程(9)和(10)表明，重力矢量的旋转投影的所得幅度与角跨度Δγ相关：
ΔP最大，z＝G·sin(Δγ)。                                      (11)
“sin(Δγ)”项是加速度变化，即运动的加速度变化在子空间中的最大化投影，该变化优选由呼吸或心脏活动导致。为了利用方程(9)确定最大化投影信号，即为了确定G·sin(Δγ)，必须要确定sinγ或cosγ。可以根据以下方程确定值cosγ，从而也确定值sinγ：
Figure BDA0000115485840000134
其中，平均(Sz)是z轴的加速度计信号在例如20秒或更小时段上的平均值，
其中，平均(最大(Sz))是z轴的加速度计信号Sz的峰值幅度的平均值，并且
其中，平均(最小(Sz))是z轴的加速度计信号Sz的谷值幅度的平均值。方程(12)是利用理想运动信号的投影的泰勒展开式导出的。
针对其他轴，即x轴和y轴，相应地执行针对z轴的最大化投影信号的上述确定过程，使得对于加速度计的每个空间轴，确定最大化的投影信号。
在这一实施例中，运动信号生成单元适于组合三个空间轴x，y，z的最大化投影信号P最大，x，P最大，y，P最大，z，用于生成运动信号。运动信号生成单元可以适于通过利用主分量分析来执行这种组合，其中，第一主分量为生成的运动信号。运动信号生成单元还可以适于确定三个最大化投影信号的矢量大小以生成运动信号。优选根据以下方程执行矢量大小的这种确定：
Figure BDA0000115485840000141
其中，符号(…)表示符号函数，而P最大，i最大是具有最大运动信号幅度的最大化投影，即，其中，索引i最大指示具有最大信号幅度的最大化投影，即x，y或z。
图7示出了运动确定设备的另一实施例，其包括若干多轴加速度计2、10，具体而言，是两个三轴加速度计，用于以互补位置定位在人4身上，其中，滤波单元7适于滤波这些多轴加速度计2、10的加速度计信号，并且其中，运动信号生成单元适于通过组合若干多轴加速度计2、10的不同空间轴的加速度计信号生成指示人4的运动，具体而言，指示由人4的呼吸和/或心脏活动导致的运动的运动信号。在这一实施例中，运动信号生成单元优选适于通过利用上述主分量分析或上述独立分量分析通过组合若干多轴加速度计2、10的不同空间轴的加速度计信号来生成运动信号。具体而言，每个三轴加速度计2、10生成三个正交的加速度计信号，即生成六个加速度计信号，其中，向这六个加速度计信号应用主分量分析或独立分量分析。
第一加速度计2位于左下肋骨处，第二加速度计10位于上方胸廓的中央，例如在胸骨处。
在下文中，将参考图8中所示的流程图示范性地描述用于确定运动对象的运动的运动确定方法。
在步骤201中，通过位于人4身上的多轴加速度计生成指示沿不同空间轴的加速度的加速度计信号。在步骤202中，滤波单元7滤波所生成的加速度计信号，而在步骤203中，运动信号生成单元通过组合不同空间轴的加速度计信号来生成指示人4的运动的运动信号，具体而言，生成指示由呼吸和/或心脏活动导致的运动的运动信号。
在步骤204中，根据所生成的运动信号，由呼吸速率确定单元5确定呼吸速率和/或由心率确定单元6确定心率。
运动确定设备包括一个或多个多轴加速度计，优选将其定位在人的胸部和/或腹部，以便具体而言在流动条件下监测呼吸和/或心率。与已知基于加速度计的呼吸监测系统(其依赖于单个轴的加速度计数据)相反，根据本发明的运动确定设备同时利用了不同空间轴的加速度计信号。这在流动条件下尤其有帮助，其中，加速度计的取向不仅因为呼吸或心脏活动而改变，而且因为姿势和患者运动而改变。
多轴加速度计被用作倾斜计以反映对象的运动，具体而言，反映由呼吸和/或心脏活动导致的腹部或胸部运动。由定位多轴加速度计的对象表面的倾斜变化反映所述运动。多轴加速度计的若干空间轴优选是三个正交轴，记录加速度计信号，其等于重力矢量在这些轴中的每个上的投影。由于重力矢量的分量Sx，Sy，Sz是由重力矢量和每个相应轴之间的夹角确定的，所以可以由加速度计信号Sx，Sy，Sz的变化反映由对象的运动导致的加速度计倾斜的改变，其中，假设与重力相比，对象的另一外部加速度也对加速度计信号Sx，Sy，Sz有贡献。至少在必须要在流动环境中生成指示由呼吸和/或心脏活动导致的运动的运动信号的情况下，这种假设是成立的。
运动确定设备可以用于患者监测，具体而言，以辅助检测重病特别护理区域之外的重病患者。
运动确定设备以最佳和自动化方式组合不同空间轴的加速度计信号，使得运动信号(优选用于确定呼吸速率和/或心率)的信噪比具有优化的信噪比。具体而言，即使对象的姿势，例如，被监测人的姿势发生改变，运动确定设备也允许自动跟踪不同空间轴加速度计信号的最优组合。具体而言，生成的运动信号的幅度一般大于加速度计的不同空间轴的加速度计信号中的每个的幅度。优选在使用一个或多个多轴加速度计在流动环境中监测呼吸和/或心率的设置中使用所述运动确定设备。
不同空间轴中的噪声一般不相关，而运动信号一般是相关的。通过组合不同空间轴的加速度计信号来生成运动信号，因此能够提高信噪比。具体而言，优选调整运动信号生成单元，使得无论对象和运动的取向如何，与运动相关的变化和与噪声相关的变化之比至少与具有最大的运动相关变化与噪声相关变化比值的各个空间轴中一样大。
尽管在上述实施例中，多轴加速度计优选具有三个正交轴，但多轴加速度计也可以具有两个正交轴或超过三个轴。此外，空间轴也可以包括另一角度，即，在另一实施例中轴可以是不正交的。
尽管在上述实施例中，使用了一个或两个多轴加速度计，也可以使用超过两个加速度计来确定对象的运动，具体而言，用于确定指示对象运动的运动信号以及根据所确定的运动信号确定呼吸速率和/或心率。
通过研究附图、说明书和权利要求书，本领域技术人员能够在实践所要求保护的本发明的过程当中理解并实施针对所公开的实施例的其他变型。
在权利要求中，“包括”一词不排除其他元件或步骤，不定冠词“一”或“一个”不排除多个元件或步骤。
单个单元或装置可以实现权利要求中列举的几项的功能。在互不相同的从属权利要求中陈述某些措施不表示不能有利地采用这些措施的组合。
可以任何其他数量的单元或装置执行由一个或几个单元或装置执行的确定，例如确定运动信号、呼吸速率或心率以及加速度计信号的滤波。例如，可以由单个单元或由任何其他数量的不同单元执行运动信号的确定以及根据运动信号对呼吸速率和/或心率的确定。可以将根据运动确定方法的运动确定设备的确定和/或滤波和/或控制实现为计算机程序的程序代码和/或专用硬件。
可以将计算机程序存储/分布在适当的介质当中，例如，所述介质可以是光存储介质或者与其他硬件一起提供的或作为其他硬件的部分的固体介质，但是，也可以使所述计算机程序通过其他形式分布，例如，通过因特网或者其他有线或无线电子通信系统。
权利要求中的任何附图标记不应被视为对范围的构成限制。

Claims (15)

1.一种用于确定运动对象的运动的运动确定设备，其中，所述运动确定设备(1)包括：
-多轴加速度计(2)，其用于定位在所述运动对象(4)处，其中，所述多轴加速度计(2)适于生成指示沿不同空间轴的加速度的加速度计信号，
-运动信号生成单元(3)，其用于通过组合不同空间轴的所述加速度计信号来生成指示所述对象(4)的所述运动的运动信号。
2.根据权利要求1所述的运动确定设备，其中，所述多轴加速度计(2)适于定位在人的身体(4)处，其中，所述运动信号生成单元(3)适于生成指示所述人的呼吸和心脏活动中的至少一项的运动信号。
3.根据权利要求2所述的运动确定设备，其中，所述运动确定设备(1)还包括用于根据所生成的运动信号确定呼吸速率的呼吸速率确定单元(5)和确定心率的心率确定单元(6)中的至少一个。
4.根据权利要求1所述的运动确定设备，其中，所述运动确定设备(1)还包括滤波单元(7)，其用于对所述加速度计信号进行滤波，使得与要确定的所述运动的可能频率对应的频率通过所述滤波单元(7)。
5.根据权利要求1所述的运动确定设备，其中，所述运动信号生成单元(3)适于基于时间上在先的时间帧中生成的加速度计信号重复生成所述运动信号。
6.根据权利要求1所述的运动确定设备，其中，所述运动信号生成单元(3)适于组合所述加速度计信号，使得具有最大加速度变化的加速度计信号对所述运动信号贡献最多。
7.根据权利要求1所述的运动确定设备，其中，所述运动信号生成单元(3)适于线性地组合不同空间轴的所述加速度计信号，其中，对所述加速度计信号进行加权，使得具有最大加速度变化的加速度计信号具有最大权重。
8.根据权利要求7所述的运动确定设备，其中，所述运动信号生成单元(3)适于根据加速度计信号与具有最大加速度变化的加速度计信号的相关性来确定相应加速度计信号的权重，其中，所述相应加速度计信号的权重是所述相关性的符号。
9.根据权利要求1所述的运动确定设备，其中，所述运动信号生成单元(3)适于对所述不同空间轴的所述加速度计信号应用主分量分析以及从应用所述独立分量分析所得到的主分量确定指示要确定的所述运动的运动分量作为所述运动信号。
10.根据权利要求1所述的运动确定设备，其中，所述运动信号生成单元(3)适于针对所述加速度计的每个空间轴确定所述加速度变化的最大化投影信号以及通过组合所述最大化投影信号来生成所述运动信号，其中，所述运动信号生成单元适于通过以下方式确定所述加速度计的空间轴的所述最大化投影信号：在由标称重力矢量和所述加速度计的相应空间轴界定的子空间上投影重力矢量相对于所述加速度计的所述空间轴的运动以及变换所述子空间内的相应轴，使得已投影到所述子空间中的所述重力矢量的所投影的运动在所变换的相应轴上的投影最大化。
11.根据权利要求10所述的运动确定设备，其中，所述运动信号生成单元(3)适于通过确定所述最大化投影信号的矢量大小以及通过组合所确定的矢量大小与所述最大化投影信号中的至少一个的符号来生成所述运动信号。
12.根据权利要求10所述的运动确定设备，其中，运动信号生成单元(3)适于对所述最大化投影信号应用主分量分析，其中，所得到的第一主分量为所生成的运动信号。
13.根据权利要求1所述的运动确定设备，其中，运动信号生成单元(3)适于对所述不同空间轴的所述加速度计信号应用独立分量分析以及从应用所述独立分量分析所得到的独立分量确定指示要确定的所述运动的运动分量作为所述运动信号。
14.一种用于确定运动对象(4)的运动的运动确定方法，其中，所述运动确定方法包括如下步骤：
-由定位在所述运动对象(4)处的多轴加速度计(2)生成指示沿不同空间轴的加速度的加速度计信号，
-由运动信号生成单元(3)通过组合不同空间轴的所述加速度计信号来生成指示所述对象(4)的所述运动的运动信号。
15.一种用于确定运动对象(4)的运动的计算机程序，其中，所述计算机程序包括当在控制根据权利要求1所述的运动确定设备(1)的计算机上运行所述计算机程序时，用于令所述运动确定设备(1)执行根据权利要求14所述的运动确定方法的步骤的程序代码模块。
CN201080024465.0A 2009-06-05 2010-06-02 运动确定设备 Active CN102458246B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP09162004A EP2263532A1 (en) 2009-06-05 2009-06-05 Motion determination apparatus
EP09162004.7 2009-06-05
PCT/IB2010/052466 WO2010140130A1 (en) 2009-06-05 2010-06-02 Motion determination apparatus

Publications (2)

Publication Number Publication Date
CN102458246A true CN102458246A (zh) 2012-05-16
CN102458246B CN102458246B (zh) 2014-09-17

Family

ID=41362532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080024465.0A Active CN102458246B (zh) 2009-06-05 2010-06-02 运动确定设备

Country Status (7)

Country Link
US (1) US9510775B2 (zh)
EP (2) EP2263532A1 (zh)
JP (1) JP5784590B2 (zh)
CN (1) CN102458246B (zh)
BR (1) BRPI1008187A2 (zh)
RU (1) RU2546407C2 (zh)
WO (1) WO2010140130A1 (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103845079A (zh) * 2014-02-14 2014-06-11 广东工业大学 一种基于盲分离的多普勒胎心音瞬时心率的检测方法
CN104056445A (zh) * 2014-07-01 2014-09-24 杭州攻壳科技有限公司 一种基于心率和加速度传感器的人体运动分析方法及其装置
CN105074381A (zh) * 2013-01-21 2015-11-18 可信定位股份有限公司 确定设备与行人之间的未对准的方法和装置
CN105188521A (zh) * 2013-03-14 2015-12-23 皇家飞利浦有限公司 用于获得对象的生命体征信息的设备和方法
CN105828707A (zh) * 2013-12-19 2016-08-03 皇家飞利浦有限公司 用于心率监测器的相对的加速度计
CN105980007A (zh) * 2014-02-06 2016-09-28 美敦力公司 选择最佳加速度计感测轴用于无导线起搏器中速率响应
CN105982658A (zh) * 2015-02-13 2016-10-05 华硕电脑股份有限公司 生理信息侦测方法及装置
CN106456051A (zh) * 2014-11-21 2017-02-22 深圳迈瑞生物医疗电子股份有限公司 一种呼吸监测设备、方法和装置
CN106963350A (zh) * 2017-03-22 2017-07-21 深圳大学 一种同时监测呼吸和体温的方法和系统
CN107750139A (zh) * 2015-06-12 2018-03-02 皇家飞利浦有限公司 用于区分对象的活动时间段和不活动时间段的装置、系统、方法和计算机程序
CN108542369A (zh) * 2018-04-16 2018-09-18 华南师范大学 一种心率呼吸检测方法及系统
CN111629666A (zh) * 2017-11-16 2020-09-04 皇家飞利浦有限公司 用于感测生理参数的系统和方法
WO2022111203A1 (zh) * 2020-11-25 2022-06-02 安徽华米健康科技有限公司 心率检测方法和装置

Families Citing this family (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2433565B1 (de) * 2010-09-28 2015-06-03 BIOTRONIK SE & Co. KG Implantierbares medizinischen Gerät
JP5588563B2 (ja) * 2011-06-07 2014-09-10 株式会社日立製作所 情報処理システム及び情報処理方法
CN103027684B (zh) * 2011-10-08 2016-07-06 皇家飞利浦电子股份有限公司 用于去除在呼吸运动监测中由身体运动引起的噪声的装置和方法
JP5751162B2 (ja) * 2011-12-27 2015-07-22 トヨタ自動車株式会社 呼吸検出装置
JP5978687B2 (ja) * 2012-03-22 2016-08-24 富士ゼロックス株式会社 移動状況判定プログラム及び移動状況判定装置
US9566442B2 (en) * 2012-11-19 2017-02-14 Pacesetter, Inc. Systems and methods for using pulmonary artery pressure from an implantable sensor to detect mitral regurgitation and optimize pacing delays
JP5900655B2 (ja) * 2012-12-12 2016-04-06 富士通株式会社 加速度センサ出力処理プログラム，処理方法，処理装置及び歩行評価プログラム
WO2015018752A1 (en) * 2013-08-09 2015-02-12 Koninklijke Philips N.V. Processing apparatus and processing method for determining a respiratory signal of a subject
JP6183906B2 (ja) * 2013-08-28 2017-08-23 日本電信電話株式会社 歩容推定装置とそのプログラム、転倒危険度算出装置とそのプログラム
US9028407B1 (en) 2013-12-13 2015-05-12 Safer Care LLC Methods and apparatus for monitoring patient conditions
US10512424B2 (en) 2013-12-23 2019-12-24 Medtronic, Inc. Method and apparatus for selecting activity response vector
US9452292B2 (en) 2014-02-24 2016-09-27 Medtronic, Inc. Method and apparatus for detecting loss of capture
EP3161415A2 (en) 2014-06-26 2017-05-03 Lumedyne Technologies Incorporated System and methods for determining rotation from nonlinear periodic signals
US10758133B2 (en) * 2014-08-07 2020-09-01 Apple Inc. Motion artifact removal by time domain projection
US10201286B2 (en) * 2014-08-22 2019-02-12 Apple Inc. Frequency domain projection algorithm
US9724518B2 (en) 2014-11-25 2017-08-08 Medtronic, Inc. Dynamic patient-specific filtering of an activity signal within a beating heart
EP3298414A1 (en) 2015-05-20 2018-03-28 Lumedyne Technologies Incorporated Extracting inertial information from nonlinear periodic signals
US9937352B2 (en) 2015-10-22 2018-04-10 Medtronic, Inc. Rate responsive cardiac pacing control using posture
TWI568414B (zh) * 2015-12-31 2017-02-01 Respiratory signal acquisition method and its fetching device
CN107405106B (zh) 2016-01-29 2020-06-16 松下知识产权经营株式会社 呼吸次数检测装置、呼吸次数检测方法及程序存储介质
JP6146519B2 (ja) * 2016-07-06 2017-06-14 セイコーエプソン株式会社 生体情報測定装置、生体情報測定方法、及び生体情報測定システム
US10234477B2 (en) 2016-07-27 2019-03-19 Google Llc Composite vibratory in-plane accelerometer
CN110022758B (zh) 2016-11-25 2022-06-07 皇家飞利浦有限公司 用于确定心力衰竭风险的确定系统
US20180344170A1 (en) * 2017-05-30 2018-12-06 Qualcomm Incorporated Heart rate determination in power-constrained environment
AU2018285963A1 (en) * 2017-06-16 2020-02-06 Soter Analytics Pty Ltd Method and system for monitoring core body movements
US11234640B2 (en) * 2017-06-28 2022-02-01 The Nemours Foundation Non-invasive pulmonary function assessment and treatment of respiratory fatigue
CA3075930A1 (en) 2017-09-19 2019-03-28 Ausculsciences, Inc. System and method for detecting decoupling of an auscultatory sound sensor from a test-subject
FR3080929B1 (fr) * 2018-05-02 2021-04-30 Fivefive Procede de traitement d'un signal accelerometrique.
WO2020028747A1 (en) * 2018-08-02 2020-02-06 The Johns Hopkins University Safety feature for use with robotically manipulated endoscopes and other tools in otolaryngology and neurosurgery
DE102019000608A1 (de) 2019-01-30 2020-07-30 Drägerwerk AG & Co. KGaA Verfahren, tragbares Gerät und System zum Auswerten von Vektordaten
US11733781B2 (en) * 2019-04-02 2023-08-22 Project Dasein Llc Leveraging machine learning and fractal analysis for classifying motion
CN114401665A (zh) * 2019-07-25 2022-04-26 启迪医疗仪器公司 呼吸检测
JP7056633B2 (ja) * 2019-09-18 2022-04-19 カシオ計算機株式会社 判定装置、判定方法及びプログラム
CN115175608A (zh) * 2019-12-18 2022-10-11 皇家飞利浦有限公司 用于使用接触传感器来检测呼吸信息的系统和方法
EP3888549A1 (de) * 2020-04-02 2021-10-06 BIOTRONIK SE & Co. KG Bestimmung der atmung mit hilfe eines beschleunigungssensors
EP3973866A1 (en) * 2020-09-25 2022-03-30 Koninklijke Philips N.V. A processor and method for determining a respiratory rate
CA3200940A1 (en) * 2020-11-04 2022-05-12 The Alfred E. Mann Foundation For Scientific Research Sensors and methods for determining respiration

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040039420A1 (en) * 2002-08-26 2004-02-26 Medtronic Physio-Control Manufacturing Corp. Apparatus, software, and methods for cardiac pulse detection using accelerometer data
JP2004192362A (ja) * 2002-12-12 2004-07-08 Akoozu:Kk 体動検出装置
JP2005034364A (ja) * 2003-07-14 2005-02-10 Hosiden Corp 体動検出装置
CN1798521A (zh) * 2003-09-02 2006-07-05 松下电器产业株式会社 生物传感器和利用它的支持系统
JP2007151617A (ja) * 2005-11-30 2007-06-21 Medical Electronic Science Inst Co Ltd 生体情報モニタシステム
CN101209205A (zh) * 2007-12-21 2008-07-02 热映光电股份有限公司 呼吸感测装置
KR100870961B1 (ko) * 2007-01-30 2008-12-01 연세대학교 산학협력단 휴대용 신체활동 모니터링 시스템
US20090062628A1 (en) * 2005-05-18 2009-03-05 Matsushita Electric Works, Ltd. Sleep diagnosis device

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AR039364A1 (es) 2002-11-07 2005-02-16 Carlos Daniel Silva Monitor de movimientos respiratorios
US7445605B2 (en) * 2003-01-31 2008-11-04 The Board Of Trustees Of The Leland Stanford Junior University Detection of apex motion for monitoring cardiac dysfunction
FR2860700B1 (fr) * 2003-10-10 2005-12-09 Commissariat Energie Atomique Dispositif de controle de foulee
US20070293781A1 (en) * 2003-11-04 2007-12-20 Nathaniel Sims Respiration Motion Detection and Health State Assesment System
AU2004290588A1 (en) * 2003-11-18 2005-06-02 Vivometrics, Inc. Method and system for processing data from ambulatory physiological monitoring
RU2264164C2 (ru) * 2003-12-01 2005-11-20 Государственное образовательное учреждение высшего профессионального образования "Ивановская государственная медицинская академия" Министерства здравоохранения РФ Устройство для вибрационной резонансной диагностики и определения объема движений ключицы
US20070118054A1 (en) * 2005-11-01 2007-05-24 Earlysense Ltd. Methods and systems for monitoring patients for clinical episodes
US7805185B2 (en) * 2005-05-09 2010-09-28 Cardiac Pacemakers, In. Posture monitoring using cardiac activation sequences
CA2863933C (en) * 2004-12-22 2018-08-07 Ossur Hf Systems and methods for processing limb motion
US7827011B2 (en) * 2005-05-03 2010-11-02 Aware, Inc. Method and system for real-time signal classification
JP3809847B1 (ja) * 2005-05-18 2006-08-16 松下電工株式会社 睡眠診断装置および睡眠時無呼吸検査装置
JP4862469B2 (ja) * 2006-04-21 2012-01-25 パナソニック電工株式会社 加速度センサのデータ処理方法、及び呼吸運動検出方法、並びに呼吸運動検出装置。
JP4518048B2 (ja) * 2006-06-30 2010-08-04 パナソニック電工株式会社 睡眠検査装置および睡眠時無呼吸検査装置
RU75293U1 (ru) * 2008-03-25 2008-08-10 Государственное образовательное учреждение высшего профессионального образования "Санкт-Петербургский государственный электротехнический университет "ЛЭТИ" им. В.И. Ульянова (Ленина) (СПбГЭТУ) Телеметрическая система для мониторинга физиологических параметров
US8103304B1 (en) * 2008-11-07 2012-01-24 Sprint Communications Company L.P. Determining presence status using heat and motion detection

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040039420A1 (en) * 2002-08-26 2004-02-26 Medtronic Physio-Control Manufacturing Corp. Apparatus, software, and methods for cardiac pulse detection using accelerometer data
JP2004192362A (ja) * 2002-12-12 2004-07-08 Akoozu:Kk 体動検出装置
JP2005034364A (ja) * 2003-07-14 2005-02-10 Hosiden Corp 体動検出装置
CN1798521A (zh) * 2003-09-02 2006-07-05 松下电器产业株式会社 生物传感器和利用它的支持系统
US20090062628A1 (en) * 2005-05-18 2009-03-05 Matsushita Electric Works, Ltd. Sleep diagnosis device
JP2007151617A (ja) * 2005-11-30 2007-06-21 Medical Electronic Science Inst Co Ltd 生体情報モニタシステム
KR100870961B1 (ko) * 2007-01-30 2008-12-01 연세대학교 산학협력단 휴대용 신체활동 모니터링 시스템
CN101209205A (zh) * 2007-12-21 2008-07-02 热映光电股份有限公司 呼吸感测装置

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105074381B (zh) * 2013-01-21 2018-12-14 可信定位股份有限公司 确定设备与行人之间的未对准的方法和装置
CN105074381A (zh) * 2013-01-21 2015-11-18 可信定位股份有限公司 确定设备与行人之间的未对准的方法和装置
CN105188521A (zh) * 2013-03-14 2015-12-23 皇家飞利浦有限公司 用于获得对象的生命体征信息的设备和方法
CN105828707A (zh) * 2013-12-19 2016-08-03 皇家飞利浦有限公司 用于心率监测器的相对的加速度计
CN105828707B (zh) * 2013-12-19 2019-11-01 皇家飞利浦有限公司 用于心率监测器的相对的加速度计
CN105980007A (zh) * 2014-02-06 2016-09-28 美敦力公司 选择最佳加速度计感测轴用于无导线起搏器中速率响应
CN105980007B (zh) * 2014-02-06 2019-04-19 美敦力公司 选择最佳加速度计感测轴用于无导线起搏器中速率响应
CN103845079B (zh) * 2014-02-14 2015-12-30 广东工业大学 一种基于盲分离的多普勒胎心音瞬时心率的检测方法
CN103845079A (zh) * 2014-02-14 2014-06-11 广东工业大学 一种基于盲分离的多普勒胎心音瞬时心率的检测方法
CN104056445A (zh) * 2014-07-01 2014-09-24 杭州攻壳科技有限公司 一种基于心率和加速度传感器的人体运动分析方法及其装置
CN106456051A (zh) * 2014-11-21 2017-02-22 深圳迈瑞生物医疗电子股份有限公司 一种呼吸监测设备、方法和装置
US10342455B2 (en) 2015-02-13 2019-07-09 Asustek Computer Inc. Method and device for detecting physiological information
CN105982658B (zh) * 2015-02-13 2019-04-23 华硕电脑股份有限公司 生理信息侦测方法及装置
CN105982658A (zh) * 2015-02-13 2016-10-05 华硕电脑股份有限公司 生理信息侦测方法及装置
CN107750139A (zh) * 2015-06-12 2018-03-02 皇家飞利浦有限公司 用于区分对象的活动时间段和不活动时间段的装置、系统、方法和计算机程序
CN107750139B (zh) * 2015-06-12 2021-10-29 皇家飞利浦有限公司 用于区分对象的活动时间段和不活动时间段的装置、系统、方法和计算机程序
CN106963350A (zh) * 2017-03-22 2017-07-21 深圳大学 一种同时监测呼吸和体温的方法和系统
CN111629666A (zh) * 2017-11-16 2020-09-04 皇家飞利浦有限公司 用于感测生理参数的系统和方法
CN111629666B (zh) * 2017-11-16 2023-08-08 皇家飞利浦有限公司 用于感测生理参数的系统和方法
CN108542369A (zh) * 2018-04-16 2018-09-18 华南师范大学 一种心率呼吸检测方法及系统
CN108542369B (zh) * 2018-04-16 2024-03-26 华南师范大学 一种心率呼吸检测方法及系统
WO2022111203A1 (zh) * 2020-11-25 2022-06-02 安徽华米健康科技有限公司 心率检测方法和装置

Also Published As

Publication number Publication date
EP2263532A1 (en) 2010-12-22
US9510775B2 (en) 2016-12-06
US20120065524A1 (en) 2012-03-15
WO2010140130A1 (en) 2010-12-09
EP2437662A1 (en) 2012-04-11
EP2437662B1 (en) 2019-09-11
RU2011152964A (ru) 2013-07-20
JP5784590B2 (ja) 2015-09-24
BRPI1008187A2 (pt) 2020-09-15
JP2012528657A (ja) 2012-11-15
RU2546407C2 (ru) 2015-04-10
CN102458246B (zh) 2014-09-17

Similar Documents

Publication Publication Date Title
CN102458246B (zh) 运动确定设备
JP5437549B2 (ja) 活動パターンの監視方法及びその装置
CN101969848B (zh) 对外部运动因素引起的加速度不敏感的活动监视系统
CN102753095B (zh) 用于确定呼吸信号的方法和设备
JP5874130B2 (ja) 人の歩行を検出するためのシステムおよび方法
US20140278208A1 (en) Feature extraction and classification to determine one or more activities from sensed motion signals
CN106388831B (zh) 基于样本加权算法的检测摔倒动作的方法
Lai et al. Adaptive body posture analysis using collaborative multi-sensors for elderly falling detection
CN105832315A (zh) 不受个体运动状态与环境位置影响的远程监测系统
JP2012513227A (ja) 歩行モニタ
EP3298955A1 (en) Method and system for determining postural balance of a person
Yang et al. A wearable real-time fall detector based on Naive Bayes classifier
CN106650300B (zh) 一种基于极限学习机的老人监护系统及方法
CN109414174A (zh) 用于在存在非平稳和非平凡信号和噪声频谱的情况下从光电容积脉搏测量进行概率性脉搏率估计的系统和方法
Hamdi et al. Lower limb motion tracking using IMU sensor network
Wu et al. A multi-sensor fall detection system based on multivariate statistical process analysis
CN114267430A (zh) 基于路线及环境对游客体能及其消耗推算的方法及系统
CN109758737A (zh) 水中运动的姿势矫正装置及方法
CN114341947A (zh) 用于使用可穿戴设备的锻炼类型辨识的系统和方法
WO2014191803A1 (en) Acceleration-based step activity detection and classification on mobile devices
Oguchi et al. Human localization in the home by using floor-mounted acceleration sensors
Ong et al. BrainSmart: Ambient Assisted Living System Smartphone App Prototype for Parkinson's Disease Patients
Christ et al. An approach for determining linear velocities of athletes from acceleration measurements using a neural network
Lee et al. A novel wireless 3D monitoring system for physical rehabilitation
JP2020137801A (ja) 人等の姿勢推定装置

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