CN103549942A - 通过光信号识别脉率和血氧饱和度的方法 - Google Patents

Abstract

本发明公开了一种通过光信号识别脉率和血氧饱和度的方法，包括步骤：S1、持续采集由血氧检测探头检测到的由红光光信号转化的红光电信号，并进行滤波，得到采样信号序列；S2、设定振幅阈值的初始化过程和自适应过程；S3、根据步骤S2得到的振幅阈值，找到所述采样信号序列的波峰、波谷；S4、根据所述采样信号序列的波峰、波谷计算脉率；S5、对血氧检测探头检测到的由红外光光信号转化的红外光电信号按照所述步骤S1到S3进行处理，以得到红外光电信号的波峰和波谷，并结合所述红光电信号的波峰和波谷计算血氧饱和度。采用本发明，即使在测量人的手运动或者探头松动等原因造成的信号波形基线漂移情况下，也能准确识别出脉率和血氧饱和度。

Description

通过光信号识别脉率和血氧饱和度的方法

技术领域

本发明涉及医疗检测领域，尤其涉及通过光信号识别脉率和血氧饱和度的方法。

背景技术

随着现代医疗技术和相关学科的不断发展，医用监护仪器已成为医用电子仪器不可缺少的一大类仪器，在医院中起着越来越重要的作用。监护仪器的使用，不仅减轻了医务人员的劳动，提高了护理工作的效率，更重要的是使医生能随时了解病情，当出现危急情况时可及时进行处理，提高了护理质量。在监护的生理参数中，除了心电、血压等之外，人体血液中的氧浓度即血氧饱和度和脉率的测定在临床上也有十分重要的意义。在外科手术或危重病人的监护中，避免病人缺氧，及时了解血液中氧含量是十分必要的。

血氧检测探头是用来检测脉率、血氧饱和度等指标，通常包括红光、红外光发射器和接收器。当手指夹在血氧检测探头里面时，红光、红外光发射器分别发射光线，光线透过手指到发射到接收器端，接收器将光信号强度转换成电信号强度（电压），再由模数据转换器采集该电压。

图1为不同的血氧饱和度下血液对红光和红外光的吸收率曲线，纵坐标是不同血氧饱和度下血液对红光和红外光的吸收率，横坐标是波长。图中HHb是脱氧血红蛋白，表示血氧饱和度为0%，O₂Hb是带氧血红蛋白，表示血氧饱和度为100%，虚线是50%血氧饱和度吸收率曲线，图中可以看出对于同一波长的光来说，不同的血氧饱和度下血液对于光线的吸收率不同。在心脏收缩时，血液会灌注到手指的末梢血管，由于此时的血液比较多，光线会被吸收得比较多，因此采集到的电压会比较低；心脏舒张时，血液会回流静脉，此时手指头的血液比较少，光线被吸收得相对较少，因此采集到的电压会变强。如图2所示，为红光的电信号强度波动情况。可以看出，图中的信号波形是周期性的，其中波形的频率就是脉率（脉搏每分钟的次数）。如果找出信号波形的波峰或者波谷，计算波峰间或者波谷间的时间间隔即可计算出周期。

现有技术采用基线法找波峰、波谷。基线可以是波形均值，也可以是其它方法设置的一条横线，如图3所示，其中横线为基线，越过基线向上走到最高点为波峰，越过基线向下走到最低点为波谷。但是由于病人手的运动或者探头松动等等原因，造成波形整体往上或往下走，这种现象被称为基线漂移，如图4所示波形就是整体向上走的。可以看出，在基线漂移的时候，基线法识别波峰、波谷的误判率很高，从而导致计算出的脉率和血氧饱和度也不准确。

发明内容

本发明实施例所要解决的技术问题在于，提供一种通过光信号识别脉率和血氧饱和度的方法。其目的在于通过正确识别信号波形中的波峰波谷，从而准确地确定每个周期，实现脉率和血氧饱和度的计算。

为了解决上述技术问题，本发明提供了一种通过光信号识别脉率和血氧饱和度的方法，包括步骤：

S1、持续采集由血氧检测探头检测到的由红光光信号转化的红光电信号，并进行滤波，得到采样信号序列；

S2、设定振幅阈值的初始化过程和自适应过程，以在不同情况下得到不同的振幅阈值；

S3、根据步骤S2得到的振幅阈值，找到所述采样信号序列的波峰、波谷；

S4、根据步骤S3得到的所述采样信号序列的波峰、波谷计算脉率；

S5、对血氧检测探头检测到的由红外光光信号转化的红外光电信号按照所述步骤S1到S3进行处理，以得到红外光电信号的波峰和波谷，并结合所述红光电信号的波峰和波谷和所述红外光电信号的波峰和波谷计算血氧饱和度。

其中，所述振幅阈值的初始化过程为:

S211、采集一段时间的采样信号序列，所述一段时间优选为10秒；

S212、将振幅阈值amp设置为一个较小值，执行所述步骤S3以找到步骤S211中采集的采样信号序列的波峰、波谷，其中，所述较小值优选为amp=10000;

S213、将振幅阈值amp更新为上次设置值的1.5倍，并执行步骤S3找到步骤S211中采集的采样信号序列的波峰、波谷，之后重复执行步骤S213，直至找不到波峰波谷为止；

S214、提取倒数第二次找到的波峰、波谷，计算波峰与波谷的高度差均值，并优选所述高度差均值的0.6倍作为振幅阈值amp的初始值。

其中，所述振幅阈值的自适应过程为:

S221、采集所述采样信号序列，并每隔一个周期将当前周期内采集的采样信号序列按照步骤S3进行处理，得到当前周期内的采样信号序列的波峰和波谷，所述周期优选为2s；

S222、根据所述当前周期内的采样信号序列的波峰的x值序列{a_n}、y值序列{b_n}、波谷的x值序列{c_n}、y值序列{d_n}对应计算各序列的期望和方差；其中，

波峰的x值序列的期望 $E_1=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{a}_i-a_{i-1},$ 方差 $v_1=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{a}_i-a_{i-1}-E_1;$

波峰的y值序列的期望 $E_2=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{b}_i-b_{i-1},$ 方差 $v_2=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{b}_i-b_{i-1}-E_2;$

波谷的x值序列的期望 $E_3=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{c}_i-c_{i-1},$ 方差 $v_3=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{c}_i-c_{i-1}-E_3;$

波谷的y值序列的期望 $E_4=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{d}_i-d_{i-1},$ 方差 $v_4=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{d}_i-d_{i-1}-E_4;$

S223、根据所述当前周期内的采样信号序列的波峰、波谷的x值和y值信号序列的期望和方差计算当前周期评分

其中权重w_i全部设为1；

S224、根据所述当前周期评分V_c更新历史评分V_h，其中，

是前一个周期计算得到的历史评分；

S225、根据步骤S221得到的波峰和波谷计算当前周期振幅阈值amp_c，并根据当前周期评分V_c、前一个周期计算得到的历史评分

和更新前振幅阈值amp^-来更新振幅阈值amp，其中，

${\mathrm{amp}}_c=0.6\×(\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{b}_i-b_{i-1}-\frac{1}{m-1}\·\underset{i=2}{\overset{m}{\mathrm{\Σ}}}{d}_i-d_{i-1}),$

$\mathrm{amp}=\frac{V_c\·\mathrm{am}{p}^{-}+V_h^{-}\·{\mathrm{amp}}_c}{V_c+V_h^{-}}.$

进一步的，所述步骤S3具体包括步骤：

S31、根据步骤S2得到振幅阈值amp的大小；

S32、将所述采样信号序列在坐标系上表示出来，以x_n表示所述采样信号序列的第n个点在X轴的值，y_n表示第n个点在Y轴的值；那么如果y₂、y₃、y₄三个数各自与y₁的差的均值为正，则认为初始寻找方向为向上，否则为向下；

S33、将初始值设为lestX＝x₁、lestY＝y₁、hestX＝x₁、hestY＝y₁、preCut＝x₁、n=2，其中，点(lestX,lestY)表示寻找所述采样信号序列的波峰、波谷的过程中找到的最低点，点(hestX,hestY)表示最高点，preCut表示切割点，n表示采样信号序列的第n个点；

S34、计算当前点幅度与最低点的幅度差值dL和与最高点的幅度差值dH，其中，dL＝y_n-lestY，dH＝y_n-hestY，(x_n,y_n)表示当前点；

S35、将所述幅度差值dL和dH与所述振幅阈值ampamp比较，并根据不同的比较结果进行不同的处理；

S36、将n的值加1，并判断点(x_n,y_n)是否为所述采样信号序列的最后一个点，如果是则执行步骤S4，否则返回执行步骤S34。

进一步的，所述步骤S35具体包括步骤：

S351、如果dL＞amp，且寻找方向为向上，则将点(lestX,lestY)标记为波谷，将当前点(x_n,y_n)标记为波峰，将最高点(hestX,hestY)和最低点(lestX,lestY)都更新为(x_n,y_n)，将切割点preCut更新为preCut＝x_n，之后返回执行步骤S34；否者执行步骤S352；

S352、如果dL＞amp，且寻找方向为向下，则将点(lestX,lestY)标记为波谷，将最高点(hest,Xhes)tY和最低点(lest,Xles)tY都更新为(x_n,y_n)，将切割点preCut更新为preCut＝x_n，将寻找方向更新为向上，之后返回执行步骤S34；否者执行步骤S353；

S353、如果dH＞amp，且寻找方向为向下，则将点(hestX,hestY)标记为波峰，将当前点(x_n,y_n)标记为波谷，将最高点(hestX,hestY)和最低点(lestX,lestY)都更新为(x_n,y_n)，将切割点preCut更新为preCut＝x_n，之后返回执行步骤S34；否者执行步骤S354；

S354、如果dH＞amp，且寻找方向为向上，则将点(hestX,hestY)标记为波峰，将最高点(hestX,hestY)和最低点(lestX,lestY)都更新为(x_n,y_n)，将切割点preCut更新为preCut＝x_n，将寻找方向更新为向下，之后返回执行步骤S34；否者执行步骤S355；

S355、如果y_n＞hestY，则将最高点(hestX,hestY)更新为(x_n,y_n)，之后返回执行步骤S34；否者执行步骤S356；

S356、如果y_n＜lestY，则将最低点(lestX,lestY)更新为(x_n,y_n)，之后返回执行步骤S34。

进一步的，所述步骤S4具体包括步骤：

S41、根据所述步骤S3中找到的波峰或波谷，计算相邻波峰或波谷的间隔，并将所述波峰间隔的均值或者波谷间隔的均值作为计算周期T；

S42、根据所述计算周期T计算脉率，其中，脉率

进一步的，所述步骤S5具体包括步骤：

S5、对血氧检测探头检测到的由红外光光信号转化的红外光电信号按照所述步骤S1到S3进行处理，得到红外光电信号的波峰和波谷；

S52、将红光电信号的波峰、波谷幅度值序列分别记为{Rp_n}、{Rv_n}，红外光电信号的波峰、波谷幅度值序列分别记为{IRp_n}、{IRv_n}；

S53、计算红光交流值R_AC，红外光交流值IR_AC，红光直流值R_DC，红外光直流值IR_DC和R值，其中，

$R_{\mathrm{AC}}=\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{Rp}}_i-\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{Rv}}_i,$

${\mathrm{IR}}_{\mathrm{AC}}=\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}I{\mathrm{Rp}}_i-\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}I{\mathrm{Rv}}_i,$

$R_{\mathrm{DC}}=\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{Rv}}_i,$

$I{R}_{\mathrm{DC}}=\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{IRv}}_i,$

$R=\left(\frac{R_{\mathrm{AC}}}{R_{\mathrm{DC}}}\right)/\left(\frac{{\mathrm{IR}}_{\mathrm{AC}}}{{\mathrm{IR}}_{\mathrm{DC}}}\right);$

S54、根据计算得到的R值查找已建立好的R值/血氧饱和度映射表，得到血氧饱和度。

其中，所述R值/血氧饱和度映射表的建立过程为：

S541、采集样本数据，所述样本数据包括血氧检测探头检测到的电信号和对应的血氧饱和度；

S542、对所述样本数据的电信号按照所述步骤S1到S5进行处理，以得到样本数据的R值；

S543、将样本数据中同一血氧饱和度对应的所有R值求均值，则血氧饱和度和R值均值一一对应，并采用线性插值补充血氧饱和度和R值使血氧饱和度间距为1%，从而得到所述R值/血氧饱和度映射表。

以上发明实施例通过正确识别光信号波形转化的电信号波形中的波峰波谷，从而准确地确定每个周期，实现脉率和血氧饱和度的准确识别，即使在测量人的手运动或者探头松动等等原因造成的信号波形基线漂移情况下，也能准确识别出脉率和血氧饱和度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是不同的血氧饱和度下血液对红光和红外光的吸收率曲线图；

图2是红光电信号波形示意图；

图3是基线法识别波峰波谷示意图；

图4是基线漂移时信号波形示意图；

图5是本发明实施例提供的通过光信号识别脉率和血氧饱和度的方法的流程示意图；

图6是振幅阈值的初始化过程示意图；

图7是振幅阈值的自适应过程示意图；

图8是图5中步骤S3的具体步骤流程示意图；

图9是图8中步骤S35的具体步骤流程示意图；

图10是图5中步骤S4的具体步骤流程示意图；

图11是图5中步骤S5的具体步骤流程示意图；

图12是R值/血氧饱和度映射表的建立过程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例提供了一种通过光信号识别脉率和血氧饱和度的方法，如图5所示，包括步骤：

S1、持续采集由血氧检测探头检测到的由红光光信号转化的红光电信号，并进行滤波，得到采样信号序列；

S2、设定振幅阈值的初始化过程和自适应过程，以在不同情况下得到不同的振幅阈值；

S3、根据步骤S2得到的振幅阈值，找到所述采样信号序列的波峰、波谷；

S4、根据步骤S3得到的所述采样信号序列的波峰、波谷计算脉率；

S5、对血氧检测探头检测到的由红外光光信号转化的红外光电信号按照所述步骤S1到S3进行处理，以得到红外光电信号的波峰和波谷，并结合所述红光电信号的波峰和波谷和所述红外光电信号的波峰和波谷计算血氧饱和度。

在一开始接上探头使用时，即从检测不到波形到有波形之后的一段时间内，要计算振幅阈值的初始值。如图6所示，所述振幅阈值的初始化过程为:

S211、采集一段时间的采样信号序列，所述一段时间优选为10秒；

S212、将振幅阈值amp设置为一个较小值，执行所述步骤S3以找到步骤S211中采集的采样信号序列的波峰、波谷，其中，所述较小值优选为amp=10000;

S213、将振幅阈值amp更新为上次设置值的1.5倍，并执行步骤S3找到步骤S211中采集的采样信号序列的波峰、波谷，之后重复执行步骤S213，直至找不到波峰波谷为止；

S214、提取倒数第二次找到的波峰、波谷，计算波峰与波谷的高度差均值，并优选所述高度差均值的0.6倍作为振幅阈值amp的初始值。

其中，0.6倍这个值为实验统计的最优值，决定该值的因素是干扰波和待检测波的幅度，该值应该大于干扰波的幅度并小于待检测波的幅度。

在使用的过程中，会由于探头的松紧程度变化或人体运动等等原因造成波形振幅的变化，因此振幅阈值需要有自适应的能力，如图7所示，所述振幅阈值的自适应过程为:

S221、采集所述采样信号序列，并每隔一个周期将当前周期内采集的采样信号序列按照步骤S3进行处理，得到当前周期内的采样信号序列的波峰和波谷，所述周期优选为2s；

S222、根据所述当前周期内的采样信号序列的波峰的x值序列{a_n}、y值序列{b_n}、波谷的x值序列{c_n}、y值序列{d_n}对应计算各序列的期望和方差；

其中，

波峰的x值序列的期望 $E_1=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{a}_i-a_{i-1},$ 方差 $v_1=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{a}_i-a_{i-1}-E_1;$

波峰的y值序列的期望 $E_2=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{b}_i-b_{i-1},$ 方差 $v_2=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{b}_i-b_{i-1}-E_2;$

波谷的x值序列的期望 $E_3=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{c}_i-c_{i-1},$ 方差 $v_3=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{c}_i-c_{i-1}-E_3;$

波谷的y值序列的期望 $E_4=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{d}_i-d_{i-1},$ 方差 $v_4=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{d}_i-d_{i-1}-E_4;$

S223、根据所述当前周期内的采样信号序列的波峰、波谷的x值和y值信号序列的期望和方差计算当前周期评分

其中权重w_i全部设为1；

S224、根据所述当前周期评分V_c更新历史评分V_h，其中，

是前一个周期计算得到的历史评分；

具体推导过程为：由于评分值越大说明越不可信，因此当前周期评分V_c应占更新后历史评分比例为

前一个周期计算得到的历史评分比例为

因此推导出 $V_h=\frac{1}{V_h^{-}}/(\frac{1}{V_c}+\frac{1}{V_h^{-}})\·V_c+\frac{1}{V_c^{-}}/(\frac{1}{V_c}+\frac{1}{V_h^{-}})\·V_h^{-}=\frac{{2V}_c\·V_h^{-}}{V_c+V_h^{-}}.$

S225、根据步骤S221得到的波峰和波谷计算当前周期振幅阈值amp_c，并根据当前周期评分V_c、前一个周期计算得到的历史评分和更新前振幅阈值amp^-来更新振幅阈值amp，其中，

${\mathrm{amp}}_c=0.6\×(\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{b}_i-b_{i-1}-\frac{1}{m-1}\·\underset{i=2}{\overset{m}{\mathrm{\Σ}}}{d}_i-d_{i-1}),$

$\mathrm{amp}=\frac{V_c\·\mathrm{am}{p}^{-}+V_h^{-}\·{\mathrm{amp}}_c}{V_c+V_h^{-}}.$

下一周期再从步骤S221开始执行，如此持续循环，振幅阈值将逐渐收敛于实际正确的值。

进一步的，如图8所示，所述步骤S3具体包括步骤：

S31、根据步骤S2得到振幅阈值amp的大小；

S32、将所述采样信号序列在坐标系上表示出来，以x_n表示所述采样信号序列的第n个点在X轴的值，y_n表示第n个点在Y轴的值；那么如果y₂、y₃、y₄三个数各自与y₁的差的均值为正，则认为初始寻找方向为向上，否则为向下；

S33、将初始值设为lestX＝x₁、lestY＝y₁、hestX＝x₁、hestY＝y₁、preCut＝x₁、n=2，其中，点(lestX,lestY)表示寻找所述采样信号序列的波峰、波谷的过程中找到的最低点，点(hestX,hestY)表示最高点，preCut表示切割点，n表示采样信号序列的第n个点；

S34、计算当前点幅度与最低点的幅度差值dL和与最高点的幅度差值dH，其中，dL＝y_n-lestY，dH＝y_n-hestY，(x_n,y_n)表示当前点；

S35、将所述幅度差值dL和dH与所述振幅阈值ampamp比较，并根据不同的比较结果进行不同的处理；

S36、将n的值加1，并判断点(x_n,y_n)是否为所述采样信号序列的最后一个点，如果是则执行步骤S4，否则返回执行步骤S34。

进一步的，如图9所示，所述步骤S35具体包括步骤：

S351、如果dL＞amp，且寻找方向为向上，则将点(lestX,lestY)标记为波谷，将当前点(x_n,y_n)标记为波峰，将最高点(hestX,hestY)和最低点(lestX,lestY)都更新为(x_n,y_n)，将切割点preCut更新为preCut＝x_n，之后返回执行步骤S34；否者执行步骤S352；

S352、如果dL＞amp，且寻找方向为向下，则将点(lestX,lestY)标记为波谷，将最高点(hest,Xhes)tY和最低点(lest,Xles)tY都更新为(x_n,y_n)，将切割点preCut更新为preCut＝x_n，将寻找方向更新为向上，之后返回执行步骤S34；否者执行步骤S353；

S353、如果dH＞amp，且寻找方向为向下，则将点(hestX,hestY)标记为波峰，将当前点(x_n,y_n)标记为波谷，将最高点(hestX,hestY)和最低点(lestX,lestY)都更新为(x_n,y_n)，将切割点preCut更新为preCut＝x_n，之后返回执行步骤S34；否者执行步骤S354；

S354、如果dH＞amp，且寻找方向为向上，则将点(hestX,hestY)标记为波峰，将最高点(hestX,hestY)和最低点(lestX,lestY)都更新为(x_n,y_n)，将切割点preCut更新为preCut＝x_n，将寻找方向更新为向下，之后返回执行步骤S34；否者执行步骤S355；

S355、如果y_n＞hestY，则将最高点(hestX,hestY)更新为(x_n,y_n)，之后返回执行步骤S34；否者执行步骤S356；

S356、如果y_n＜lestY，则将最低点(lestX,lestY)更新为(x_n,y_n)，之后返回执行步骤S34。

进一步的，如图10所示，所述步骤S4具体包括步骤：

S41、根据所述步骤S3中找到的波峰或波谷，计算相邻波峰或波谷的间隔，并将所述波峰间隔的均值或者波谷间隔的均值作为计算周期T；

S42、根据所述计算周期T计算脉率，其中，脉率

进一步的，如图11所示，所述步骤S5具体包括步骤：

S5、对血氧检测探头检测到的由红外光光信号转化的红外光电信号按照所述步骤S1到S3进行处理，得到红外光电信号的波峰和波谷；

S52、将红光电信号的波峰、波谷幅度值序列分别记为{Rp_n}、{Rv_n}，红外光电信号的波峰、波谷幅度值序列分别记为{IRp_n}、{IRv_n}；

S53、计算红光交流值R_AC，红外光交流值IR_AC，红光直流值R_DC，红外光直流值IR_DC和R值，其中，

$R_{\mathrm{AC}}=\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{Rp}}_i-\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{Rv}}_i,$

${\mathrm{IR}}_{\mathrm{AC}}=\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}I{\mathrm{Rp}}_i-\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}I{\mathrm{Rv}}_i,$

$R_{\mathrm{DC}}=\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{Rv}}_i,$

$R_{\mathrm{DC}}=\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{Rv}}_i,$

$R=\left(\frac{R_{\mathrm{AC}}}{R_{\mathrm{DC}}}\right)/\left(\frac{{\mathrm{IR}}_{\mathrm{AC}}}{{\mathrm{IR}}_{\mathrm{DC}}}\right);$

S54、根据计算得到的R值查找已建立好的R值/血氧饱和度映射表，得到血氧饱和度。

其中，如图12所示，所述R值/血氧饱和度映射表的建立过程为：

S541、采集样本数据，所述样本数据包括血氧检测探头检测到的电信号和对应的血氧饱和度；

S542、对所述样本数据的电信号按照所述步骤S1到S5进行处理，以得到样本数据的R值；

S543、将样本数据中同一血氧饱和度对应的所有R值求均值，则血氧饱和度和R值均值一一对应，并采用线性插值补充血氧饱和度和R值使血氧饱和度间距为1%，从而得到所述R值/血氧饱和度映射表。

以上发明实施例通过正确识别光信号波形转化的电信号波形中的波峰波谷，从而准确地确定每个周期，实现脉率和血氧饱和度的准确识别，即使在测量人的手运动或者探头松动等等原因造成的信号波形基线漂移情况下，也能准确识别出脉率和血氧饱和度。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (8)

1.一种通过光信号识别脉率和血氧饱和度的方法，其特征在于，包括步骤：

S1、持续采集由血氧检测探头检测到的由红光光信号转化的红光电信号，并进行滤波，得到采样信号序列；

S2、设定振幅阈值的初始化过程和自适应过程，以在不同情况下得到不同的振幅阈值；

S3、根据步骤S2得到的振幅阈值，找到所述采样信号序列的波峰、波谷；

S4、根据步骤S3得到的所述采样信号序列的波峰、波谷计算脉率；

S5、对血氧检测探头检测到的由红外光光信号转化的红外光电信号按照所述步骤S1到S3进行处理，以得到红外光电信号的波峰和波谷，并结合所述红光电信号的波峰和波谷和所述红外光电信号的波峰和波谷计算血氧饱和度。

2.如权利要求1所述的通过光信号识别脉率和血氧饱和度的方法，其特征在于，所述振幅阈值的初始化过程为:

S211、采集一段时间的采样信号序列，所述一段时间优选为10秒；

S212、将振幅阈值amp设置为一个较小值，执行所述步骤S3以找到步骤S211中采集的采样信号序列的波峰、波谷，其中，所述较小值优选为amp=10000;

S213、将振幅阈值amp更新为上次设置值的1.5倍，并执行步骤S3找到步骤S211中采集的采样信号序列的波峰、波谷，之后重复执行步骤S213，直至找不到波峰波谷为止；

S214、提取倒数第二次找到的波峰、波谷，计算波峰与波谷的高度差均值，并优选所述高度差均值的0.6倍作为振幅阈值amp的初始值。

3.如权利要求1所述的通过光信号识别脉率和血氧饱和度的方法，其特征在于，所述振幅阈值的自适应过程为:

S221、采集所述采样信号序列，并每隔一个周期将当前周期内采集的采样信号序列按照步骤S3进行处理，得到当前周期内的采样信号序列的波峰和波谷，所述周期优选为2s；

S222、根据所述当前周期内的采样信号序列的波峰的x值序列{a_n}、y值序列{b_n}、波谷的x值序列{c_n}、y值序列{d_n}对应计算各序列的期望和方差；其中，

波峰的x值序列的期望 $E_1=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{a}_i-a_{i-1},$ 方差 $v_1=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{a}_i-a_{i-1}-E_1;$

波峰的y值序列的期望 $E_2=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{b}_i-b_{i-1},$ 方差 $v_2=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{b}_i-b_{i-1}-E_2;$

波谷的x值序列的期望 $E_3=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{c}_i-c_{i-1},$ 方差 $v_3=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{c}_i-c_{i-1}-E_3;$

波谷的y值序列的期望 $E_4=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{d}_i-d_{i-1},$ 方差 $v_4=\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{d}_i-d_{i-1}-E_4;$

S223、根据所述当前周期内的采样信号序列的波峰、波谷的x值和y值信号序列的期望和方差计算当前周期评分

其中权重w_i全部设为1；

S224、根据所述当前周期评分V_c更新历史评分V_h，其中， 是前一个周期计算得到的历史评分；

S225、根据步骤S221得到的波峰和波谷计算当前周期振幅阈值amp_c，并根据当前周期评分V_c、前一个周期计算得到的历史评分

和更新前振幅阈值amp^-来更新振幅阈值amp，其中，

${\mathrm{amp}}_c=0.6\×(\frac{1}{n-1}\·\underset{i=2}{\overset{n}{\mathrm{\Σ}}}{b}_i-b_{i-1}-\frac{1}{m-1}\·\underset{i=2}{\overset{m}{\mathrm{\Σ}}}{d}_i-d_{i-1}),$

$\mathrm{amp}=\frac{V_c\·\mathrm{am}{p}^{-}+V_h^{-}\·{\mathrm{amp}}_c}{V_c+V_h^{-}}.$

4.如权利要求1所述的通过光信号识别脉率和血氧饱和度的方法，其特征在于，所述步骤S3具体包括步骤：

S31、根据步骤S2得到振幅阈值amp的大小；

S32、将所述采样信号序列在坐标系上表示出来，以x_n表示所述采样信号序列的第n个点在X轴的值，y_n表示第n个点在Y轴的值；那么如果y₂、y₃、y₄三个数各自与y₁的差的均值为正，则认为初始寻找方向为向上，否则为向下；

S33、将初始值设为lestX＝x₁、lestY＝y₁、hestX＝x₁、hestY＝y₁、preCut＝x₁、n=2，其中，点(lestX,lestY)表示寻找所述采样信号序列的波峰、波谷的过程中找到的最低点，点(hestX,hestY)表示最高点，preCut表示切割点，n表示采样信号序列的第n个点；

S34、计算当前点幅度与最低点的幅度差值dL和与最高点的幅度差值dH，其中，dL＝y_n-lestY，dH＝y_n-hestY，(x_n,y_n)表示当前点；

S35、将所述幅度差值dL和dH与所述振幅阈值ampamp比较，并根据不同的比较结果进行不同的处理；

S36、将n的值加1，并判断点(x_n,y_n)是否为所述采样信号序列的最后一个点，如果是则执行步骤S4，否则返回执行步骤S34。

5.如权利要求4所述的通过光信号识别脉率和血氧饱和度的方法，其特征在于，所述步骤S35具体包括步骤：

S351、如果dL＞amp，且寻找方向为向上，则将点(lestX,lestY)标记为波谷，将当前点(x_n,y_n)标记为波峰，将最高点(hestX,hestY)和最低点(lestX,lestY)都更新为(x_n,y_n)，将切割点preCut更新为preCut＝x_n，之后返回执行步骤S34；否者执行步骤S352；

S352、如果dL＞amp，且寻找方向为向下，则将点(lestX,lestY)标记为波谷，将最高点(hest,Xhes)tY和最低点(lest,Xles)tY都更新为(x_n,y_n)，将切割点preCut更新为preCut＝x_n，将寻找方向更新为向上，之后返回执行步骤S34；否者执行步骤S353；

S353、如果dH＞amp，且寻找方向为向下，则将点(hestX,hestY)标记为波峰，将当前点(x_n,y_n)标记为波谷，将最高点(hestX,hestY)和最低点(lestX,lestY)都更新为(x_n,y_n)，将切割点preCut更新为preCut＝x_n，之后返回执行步骤S34；否者执行步骤S354；

S354、如果dH＞amp，且寻找方向为向上，则将点(hestX,hestY)标记为波峰，将最高点(hestX,hestY)和最低点(lestX,lestY)都更新为(x_n,y_n)，将切割点preCut更新为preCut＝x_n，将寻找方向更新为向下，之后返回执行步骤S34；否者执行步骤S355；

S355、如果y_n＞hestY，则将最高点(hestX,hestY)更新为(x_n,y_n)，之后返回执行步骤S34；否者执行步骤S356；

S356、如果y_n＜lestY，则将最低点(lestX,lestY)更新为(x_n,y_n)，之后返回执行步骤S34。

6.如权利要求1所述的通过光信号识别脉率和血氧饱和度的方法，其特征在于，所述步骤S4具体包括步骤：

S41、根据所述步骤S3中找到的波峰或波谷，计算相邻波峰或波谷的间隔，并将所述波峰间隔的均值或者波谷间隔的均值作为计算周期T；

S42、根据所述计算周期T计算脉率，其中，脉率

7.如权利要求1所述的通过光信号识别脉率和血氧饱和度的方法，其特征在于，所述步骤S5具体包括步骤：

S5、对血氧检测探头检测到的由红外光光信号转化的红外光电信号按照所述步骤S1到S3进行处理，得到红外光电信号的波峰和波谷；

S52、将红光电信号的波峰、波谷幅度值序列分别记为{Rp_n}、{Rv_n}，红外光电信号的波峰、波谷幅度值序列分别记为{IRp_n}、{IRv_n}；

S53、计算红光交流值R_AC，红外光交流值IR_AC，红光直流值R_DC，红外光直流值IR_DC和R值，其中，

$R_{\mathrm{AC}}=\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{Rp}}_i-\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{Rv}}_i,$

${\mathrm{IR}}_{\mathrm{AC}}=\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}I{\mathrm{Rp}}_i-\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}I{\mathrm{Rv}}_i,$

$R_{\mathrm{DC}}=\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{Rv}}_i,$

$I{R}_{\mathrm{DC}}=\frac{1}{n}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{IRv}}_i,$

$R=\left(\frac{R_{\mathrm{AC}}}{R_{\mathrm{DC}}}\right)/\left(\frac{{\mathrm{IR}}_{\mathrm{AC}}}{{\mathrm{IR}}_{\mathrm{DC}}}\right);$

S54、根据计算得到的R值查找已建立好的R值/血氧饱和度映射表，得到血氧饱和度。

8.如权利要求7所述的通过光信号识别脉率和血氧饱和度的方法，其特征在于，所述R值/血氧饱和度映射表的建立过程为：

S541、采集样本数据，所述样本数据包括血氧检测探头检测到的电信号和对应的血氧饱和度；

S542、对所述样本数据的电信号按照所述步骤S1到S5进行处理，以得到样本数据的R值；

S543、将样本数据中同一血氧饱和度对应的所有R值求均值，则血氧饱和度和R值均值一一对应，并采用线性插值补充血氧饱和度和R值使血氧饱和度间距为1%，从而得到所述R值/血氧饱和度映射表。

Images