CN103690169A - 呼吸信息检测方法及系统 - Google Patents
呼吸信息检测方法及系统 Download PDFInfo
- Publication number
- CN103690169A CN103690169A CN201310750413.7A CN201310750413A CN103690169A CN 103690169 A CN103690169 A CN 103690169A CN 201310750413 A CN201310750413 A CN 201310750413A CN 103690169 A CN103690169 A CN 103690169A
- Authority
- CN
- China
- Prior art keywords
- instantaneous
- signal
- respiration
- signal processing
- breath signal
- 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
Links
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种呼吸信号处理方法,其包括如下步骤:S101、对呼吸信号进行预处理,实现信号频带选择,获得限定带宽信号;S103、对所述限定带宽信号进行Teager能量算子变换,获得所述呼吸信号的瞬时幅值和瞬时频率;S105、对所述瞬时幅值和所述瞬时频率分别进行时域和频率变换,获得瞬时呼吸强度和瞬时呼吸率;S107、对所述瞬时呼吸强度和所述瞬时呼吸率分别进行滤波处理,得到平均呼吸强度和平均呼吸率。本发明另外提供一种呼吸信号处理系统。所述呼吸信号处理方法具有良好的抗运动干扰能力,能同时获取且可实现在线实时计算呼吸率和呼吸强度。
Description
技术领域
本发明涉及生物医学技术领域,尤其涉及一种呼吸信息检测方法及系统。
背景技术
呼吸是人体重要的生理过程,对人体呼吸的监护检测也是现代医学监护技术的一个重要组成部分。呼吸事件,例如呼吸暂停、低通气、打鼾、气流受限等在临床上具有重要的意义。而呼吸强度和呼吸频率(简称呼吸率)是呼吸行为表现的两项重要生理参数,通过对呼吸强度和呼吸率的动态分析,可以获得许多隐藏在其背后的内在的生理信息。因此,通过探究呼吸信号的强度(瞬时强度和平均强度)和呼吸率(瞬时呼吸率和平均呼吸率)对指导临床具有一定的价值。目前对于呼吸信号的检测多为呼吸率,下面是国内外一些相关的研究和专利。
中国专利CN101843489A中提到了一种呼吸信号处理方法,其将信号变换到频率域内,然后对信号的能量包络进行峰值检测,通过筛选出合适的波峰并将其转为呼吸率,结合既往呼吸率的测定值来确定当前时刻的呼吸率。由于需要将采集信号分段进行傅立叶变换来提取呼吸率,因此该方法无法实时计算呼吸率,计算量过多,同时,该技术只能提取呼吸率一个参数。
中国专利CN101087559A中提到了从呼吸信号中检测和区别呼吸模式的方法,具体是将采集信号分成相等间隔的单元,统计分析表征信号事件的单元(时元),得到主要特征和次要特征等,对次要特征采用一定的算法进行模式分组,进而实现区别呼吸模式的其他模式,例如呼吸暂停等。
中国专利CN103169449A中主要涉及一种在强噪声环境下(例如超宽带雷达应用于地质灾害废墟下生命搜救等)识别呼吸信号的方法,其中提到一种呼吸信号检测方法和装置,该专利采用呼吸信号的谐波结构确定滤波参数,进行滤波处理,从而确定是否存在呼吸信号,当呼吸信息存在时,该方法还包括后续的呼吸率计算和目标距离估算模块。但是,该专利提出的技术也只涉及呼吸率一个参数。
可以知道的是,对于目前的呼吸检测设备,主要检测的是呼吸频率,而很少涉及呼吸强度。而呼吸频率和呼吸强度本身包含有丰富的生理意义,特别是对于睡眠呼吸暂停等疾病,是重要的生理检测参数之一。目前现有技术对于呼吸信号的长时监测,多局限于呼吸频率信号,常用的方法是时域上的波形法,即通过一定的阈值来判断有效的波峰和波谷,并根据一段时间内波形的幅度平均值大小来进行呼吸窒息判断。但是呼吸信号是低频信号,极易受到运动或其他信号的干扰,因此采用波形法来检测呼吸信号的抗干扰能力还不够强。
发明内容
有鉴于此,有必要提供一种可以解决现有技术存在的上述问题的呼吸信息检测方法及系统。
一种呼吸信号处理方法,其包括如下步骤:
S101、对呼吸信号进行预处理,实现信号频带选择,获得限定带宽信号;
S103、对所述限定带宽信号进行Teager能量算子变换,获得所述呼吸信号的瞬时幅值和瞬时频率;
S105、对所述瞬时幅值和所述瞬时频率分别进行时域和频率变换,获得瞬时呼吸强度和瞬时呼吸率;
S107、对所述瞬时呼吸强度和所述瞬时呼吸率分别进行滤波处理,得到平均呼吸强度和平均呼吸率。
本发明一实施例中,步骤S101之前,还包括使用呼吸信号传感器采集所述呼吸信号。
本发明一实施例中,所述呼吸信号传感器为压电传感器、多模光纤及光栅传感器、热电阻传感器或红外传感器。
本发明一实施例中,步骤S101中,所述预处理为数字带通滤波处理。
本发明一实施例中,所述数字带通滤波处理采用通带范围在0.1~1.2Hz的3阶以上Butterworth带通滤波器。
本发明一实施例中,步骤S107中,所述滤波处理为低通滤波处理,其采用平均滤波技术或者等效的无限冲激响应低通滤波器。
本发明一实施例中,步骤S107中,所述滤波处理采用中值均滤波技术或者加权中值滤波技术。
本发明另外提供一种呼吸信号处理系统,其包括:
采集呼吸信号的呼吸信号传感器;及
对所述呼吸信号进行带通滤波、Teager能量算子变换及呼吸参数序列低通滤波处理,获得平均呼吸率和平均呼吸强度的信号处理单元。
本发明一实施例中,所述信号处理单元对所述呼吸信号进行带通滤波处理,获得限定带宽信号;所述信号处理单元对所述限定带宽信号进行Teager能量算子变换,获得所述呼吸信号的瞬时幅值和瞬时频率;所述信号处理单元对所述瞬时幅值和所述瞬时频率分别进行时域和频率变换,获得瞬时呼吸强度和瞬时呼吸率;所述信号处理单元对所述瞬时呼吸强度和所述瞬时呼吸率分别进行滤波处理,得到平均呼吸强度和平均呼吸率。
本发明一实施例中,所述呼吸信号传感器为压电传感器、多模光纤及光栅传感器、热电阻传感器或红外传感器。
本发明提出的基于Teager能量算子的呼吸信息检测方法,采用Teager能量算子来同时计算呼吸强度和呼吸率,本质上来讲是一种近似估计过程,这种估算是基于通常条件下硬件系统的信号采样频率远远大于呼吸信号所处的频段。由于Teager能量算子的计算只涉及极少数几个采样点,因而可以实现在线提取吸强度和呼吸率。相对于现有技术,所述呼吸信号处理方法具有如下优点:其一、采用“时间-频域”近似法计算呼吸率和呼吸强度,具有良好的抗运动干扰能力;其二、由于Teager能量算子的计算仅涉及极少数几个采样点,因此可以实现在线实时计算呼吸率和呼吸强度;其三、能够同时获取呼吸率和呼吸强度。
附图说明
图1为本发明第一实施例提供的呼吸信号处理方法的流程图;
图2a至图2g为采用图1所示呼吸信号处理方法处理呼吸信号的效
果图;
图3为本发明第二实施例提供的呼吸信号处理系统的硬件架构图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步详细的说明。
请参阅图1,本发明第一实施例提供一种呼吸信号处理方法,其包括如下步骤:
S101、对呼吸信号进行预处理,实现信号频带选择,获得限定带宽信号。
本实施例中,对呼吸信号进行预处理之前,先采用呼吸信号传感器进行呼吸信号采集。所述呼吸信号传感器主要采用压电传感器。压电传感器可以将动态的压力信号转换为电信号。由于具有线性响应机械振动强度的能力,高灵敏度的压电传感器可应用于人体躯干及器官如心、肺等微动信息的无失真传感。本实施例利用压电陶瓷传感器,在不影响人的正常活动的情况下,即探头与体表非接触、无束缚,可实现对呼吸信号如呼吸强度和呼吸率的采集。当然,呼吸信号传感器也可以使用多模光纤及光栅传感器、热电阻传感器或红外传感器等,只要能有效地对呼吸信号进行采集即可。
对呼吸信号进行预处理时,将呼吸信号经过一个通带范围在0.1~1.2Hz的3阶Butterworth带通滤波器进行滤波处理,以消除低频及高频噪声的干扰。本实施例中,采用数字带通滤波对呼吸信号进行处理。
S103、对所述限定带宽信号进行Teager能量算子变换,获得所述呼吸信号的瞬时幅值和瞬时频率。
本实施例中,带通滤波处理后的呼吸信号(即所述限定带宽信号)由Teager能量算子变换来获得瞬时呼吸率和瞬时呼吸强度。
Teager能量算子的理论部分描述如下:
对于给定的模拟(连续)信号x(t)Teager能量算子可表示为:
令余弦信号x(t)=Acos(ωt+φ),其中A为幅值,ω=2πf/fs为数字频率,f为信号固有频率,fs为采样频率,φ为运动的初始相位。
将x(t)代入(1)式得到:
Ψ(x(t))=(-Aωsin(ωt))2-Acos(ωt(-ω2Acos(ωt)))=ω2A2 (2)
可以看出,Teager能量算子给出的能量与频率和振幅的乘积成正比。
对于给定的数字(离散)信号x[n]=Acos(ωn+φ),考虑三个相邻的采样点x[n-1]、x[n]和x[n+1],得到
解方程组(3),可得:A2sin2(ω)=x[n]2-x[n+1]x[n-1]。
人的呼吸波形呈现出正弦波形或者余弦波形的特点,但并非严格意义上的正弦波或者余弦波。这是因为人的呼吸易受主观因素影响;再者,一般人的吸气过程持续时间短但强度大,而呼气过程持续时间长但强度小。为计算方便,在睡眠状况下,健康者的呼吸波形近似的认为正弦波形或者余弦波形。本实施例中,信号采样频率一般高于100Hz(fs≥100Hz),呼吸信号的频率f一般小于1Hz;可得如下关系:
因而可定义离散形式的Teager能量算子:
为简化运算,令φ=0,x[n]=Acos(ωn)。
通过(5)式可得:
Ψ(x[n]-x[n-1])=4A2sin2(ω/2)sin2ω (6)
由(5)、(6)式可得,
通过(5)、(6)和(7)式,可得任意时刻呼吸信号的瞬时频率和瞬时幅值:
S105、对所述瞬时幅值和所述瞬时频率分别进行时域和频率变换,获得瞬时呼吸强度和瞬时呼吸率。
对于呼吸信号而言,通过(8)式,可得任意时刻的瞬时呼吸率:
对应地,瞬时呼吸强度由(9)式给出。
S107、对所述瞬时呼吸强度和所述瞬时呼吸率分别进行滤波处理,得到平均呼吸强度和平均呼吸率。
为提高计算精度,也可使用信号的非连续采样值,即是指间隔为ΔT的呼吸信号来计算瞬时频率和幅值及对应的瞬时呼吸率。因此,(8)、(9)和(10)式也可表述为,
由于Teager能量能同时跟踪呼吸信号的瞬时幅度和瞬时呼吸率,因而在睡眠过程中的异常扰动事件(例如睡眠呼吸暂停、呼吸方式欠佳和呼吸窘迫等)均会在瞬时幅度和瞬时呼吸率中得到反映。
本实施例中,对瞬时幅值分布序列和呼吸率分布序列分别进行数字低通滤波,得到平均幅值序列和平均呼吸率分布序列。
可以看出,由Teager能量算子推导出呼吸瞬时强度和瞬时呼吸率是基于两个条件:(a)将呼吸信号近似认为正弦信号或者余弦信号;(b)0<ω=2πf/fs<<π/6。
因此,通过(8)、(10)式来计算呼吸强度和呼吸率会产生误差。为减小误差,可取当前时刻之前一段时间内瞬时呼吸率和瞬时呼吸强度来表征当前时刻的平均呼吸率和平均呼吸强度。另一方面,呼吸强度和呼吸率在一段时间内的整体特征在临床上也具有重要的价值。具体地,对于呼吸暂停事件而言,由于一般呼吸暂停的持续时间通常在10~120s以内;可取当前时刻至之前的10s或者多于10s以内的采样点(m≥10fs)的平均值,如(12)和(13)式:
由于存在多种因素,例如呼吸信号自身的特点、系统噪声(仪器硬件噪声和运动干扰等)以及不同原理获取的源信号等,(8)~(11)式可能出现一些极值点。经前期评估若信号可能出现较多的极值点,则可由中值滤波(14)和(15)式分别代替均值滤波(12)和(13)式来获得呼吸强度和呼吸率在过去一段时间内的整体特征。中值滤波的窗口宽度为m≥10fs,表述如下:
本实施例中,进行数字低通滤波时采用信号平均滤波技术或者等效的无限冲激响应低通滤波器。可以理解的是,所述滤波处理也可以采用中值均滤波技术或者加权中值滤波技术,或者一般低通滤波技术。
请参阅图2a至图2g,为利用所述呼吸信号处理方法进行呼吸信号处理的效果图。本发明利用压电陶瓷传感器,在不影响人的正常活动情况下(即探头与体表非接触、无束缚)的情况下,采集呼吸信号,并且基于Teager能量算子对所获取的呼吸信号进行分析。其中,图2a为压电陶瓷传感器所采集的原始呼吸信号;图2b为原始呼吸信号经过一个通带范围在0.1~1.2Hz的3阶Butterworth带通滤波器进行滤波处理后的呼吸信号图,可以理解的是,经过带通滤波器进行滤波处理可以消除低频及高频噪声的干扰;图2c为对限定带宽的呼吸信号,由Teager能量算子,即式(8)计算出的瞬时信号强度分布;图2d为对限定带宽的呼吸信号,由Teager能量算子,即式(9)计算出的瞬时信号频率分布;图2e为对图2d所示的瞬时信号频率分布,由式(10)计算出对应的呼吸率分布;图2f为对图2c所示的瞬时信号强度分布,由中值滤波器即式(14)算出的信号平均强度分布;图2g为对图2d所示的瞬时呼吸率分布,由中值滤波器即式(15)计算出的平均呼吸率分布。
请参阅图3,本发明第二实施例提供一种呼吸信号处理系统100,其包括呼吸信号传感器10及信号处理单元20。所述呼吸信号传感器10用于采集呼吸信号;所述信号处理单元20用于对所述呼吸信号进行带通滤波、Teager能量算子变换及呼吸参数序列低通滤波处理,以获得平均呼吸率和平均呼吸强度。
可以理解的是,所述呼吸信号传感器10和所述信号处理单元20之间信号连接。
本实施例中,所述呼吸信号传感器10为压电传感器、多模光纤及光栅传感器、热电阻传感器或红外传感器等。优选为压电传感器。压电传感器可以将动态的压力信号转换为电信号。由于具有线性响应机械振动强度的能力,高灵敏度的压电传感器可应用于人体躯干及器官如心、肺等微动信息的无失真传感。本实施例利用压电陶瓷传感器,在不影响人的正常活动的情况下,即探头与体表非接触、无束缚,可实现对呼吸信号如呼吸强度和呼吸率的采集。也可以使用多模光纤及光栅传感器,热电阻传感器及红外传感器等对呼吸信号进行采集。
本实施例中,所述信号处理单元20对所述呼吸信号进行带通滤波处理,获得限定带宽信号;然后对所述限定带宽信号进行Teager能量算子变换,获得所述呼吸信号的瞬时幅值和瞬时频率;接着对所述瞬时幅值和所述瞬时频率分别进行时域和频率变换,获得瞬时呼吸强度和瞬时呼吸率;最后对所述瞬时呼吸强度和所述瞬时呼吸率分别进行滤波处理,得到平均呼吸强度和平均呼吸率。具体过程请参阅前述呼吸信号处理方法部分,此处不再赘述。
相对于现有技术,所述呼吸信号处理方法具有如下优点:其一、采用“时间-频域”近似法计算呼吸率和呼吸强度,具有良好的抗运动干扰能力;其二、由于Teager能量算子的计算仅涉及极少数几个采样点,因此可以实现在线实时计算呼吸率和呼吸强度;其三、能够同时获取呼吸率和呼吸强度。
虽然本发明参照当前的较佳实施方式进行了描述,但本领域的技术人员应能理解,上述较佳实施方式仅用来说明本发明,并非用来限定本发明的保护范围,任何在本发明的精神和原则范围之内,所做的任何修饰、等效替换、改进等,均应包含在本发明的权利保护范围之内。
Claims (10)
1.一种呼吸信号处理方法,其特征在于,包括如下步骤:
S101、对呼吸信号进行预处理,实现信号频带选择,获得限定带宽信号;
S103、对所述限定带宽信号进行Teager能量算子变换,获得所述呼吸信号的瞬时幅值和瞬时频率;
S105、对所述瞬时幅值和所述瞬时频率分别进行时域和频率变换,获得瞬时呼吸强度和瞬时呼吸率;
S107、对所述瞬时呼吸强度和所述瞬时呼吸率分别进行滤波处理,得到平均呼吸强度和平均呼吸率。
2.根据权利要求1所述的呼吸信号处理方法,其特征在于,步骤S101之前,还包括使用呼吸信号传感器采集所述呼吸信号。
3.根据权利要求2所述的呼吸信号处理方法,其特征在于,所述呼吸信号传感器为压电传感器、多模光纤及光栅传感器、热电阻传感器或红外传感器。
4.根据权利要求1所述的呼吸信号处理方法,其特征在于,步骤S101中,所述预处理为数字带通滤波处理。
5.根据权利要求4所述的呼吸信号处理方法,其特征在于,所述数字带通滤波处理采用通带范围在0.1~1.2Hz的3阶以上Butterworth带通滤波器。
6.根据权利要求1所述的呼吸信号处理方法,其特征在于,步骤S107中,所述滤波处理为低通滤波处理,其采用平均滤波技术或者等效的无限冲激响应低通滤波器。
7.根据权利要求1所述的呼吸信号处理方法,其特征在于,步骤S107中,所述滤波处理采用中值均滤波技术或者加权中值滤波技术。
8.一种呼吸信号处理系统,其特征在于,包括:
采集呼吸信号的呼吸信号传感器;及
对所述呼吸信号进行带通滤波、Teager能量算子变换及呼吸参数序列低通滤波处理,获得平均呼吸率和平均呼吸强度的信号处理单元。
9.如权利要求8所述的呼吸信号处理系统,其特征在于,所述信号处理单元对所述呼吸信号进行带通滤波处理,获得限定带宽信号;所述信号处理单元对所述限定带宽信号进行Teager能量算子变换,获得所述呼吸信号的瞬时幅值和瞬时频率;所述信号处理单元对所述瞬时幅值和所述瞬时频率分别进行时域和频率变换,获得瞬时呼吸强度和瞬时呼吸率;所述信号处理单元对所述瞬时呼吸强度和所述瞬时呼吸率分别进行滤波处理,得到平均呼吸强度和平均呼吸率。
10.如权利要求8所述的呼吸信号处理系统,其特征在于,所述呼吸信号传感器为压电传感器、多模光纤及光栅传感器、热电阻传感器或红外传感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310750413.7A CN103690169B (zh) | 2013-12-31 | 2013-12-31 | 呼吸信息检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310750413.7A CN103690169B (zh) | 2013-12-31 | 2013-12-31 | 呼吸信息检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103690169A true CN103690169A (zh) | 2014-04-02 |
CN103690169B CN103690169B (zh) | 2015-12-30 |
Family
ID=50351955
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310750413.7A Active CN103690169B (zh) | 2013-12-31 | 2013-12-31 | 呼吸信息检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103690169B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104068849A (zh) * | 2014-07-02 | 2014-10-01 | 西安交通大学 | 一种自动识别和提取睡眠脑电中k复合波的方法 |
CN106510665A (zh) * | 2016-12-08 | 2017-03-22 | 浙江伽奈维医疗科技有限公司 | 一种可穿戴式远程穿刺用呼吸门控系统及其软件设计方法 |
CN108451532A (zh) * | 2018-04-28 | 2018-08-28 | 杜乙 | 呼吸信息的获取方法及系统 |
CN109350024A (zh) * | 2018-12-20 | 2019-02-19 | 广东医科大学附属医院 | 一种基于物联网的可穿戴式呼吸疾病监测系统及方法 |
CN110115583A (zh) * | 2018-02-07 | 2019-08-13 | 普天信息技术有限公司 | 呼吸监测的方法和装置 |
CN111938584A (zh) * | 2020-07-21 | 2020-11-17 | 深圳数联天下智能科技有限公司 | 一种睡眠监测方法与设备 |
CN112137620A (zh) * | 2020-08-27 | 2020-12-29 | 广东省地震局 | 一种基于超宽带雷达的人体微弱呼吸信号检测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102608419A (zh) * | 2012-03-31 | 2012-07-25 | 上海无线电设备研究所 | 具有噪声抑制性能的自适应瞬时频率测量方法 |
CN103153184A (zh) * | 2010-08-13 | 2013-06-12 | 呼吸运动公司 | 用于通过呼吸量、运动和变化性的测量进行呼吸振动监视的设备和方法 |
CN203149027U (zh) * | 2013-02-06 | 2013-08-21 | 湖南大学 | 一种基于能量算子和频谱校正的电压波动与闪变检测装置 |
-
2013
- 2013-12-31 CN CN201310750413.7A patent/CN103690169B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103153184A (zh) * | 2010-08-13 | 2013-06-12 | 呼吸运动公司 | 用于通过呼吸量、运动和变化性的测量进行呼吸振动监视的设备和方法 |
CN102608419A (zh) * | 2012-03-31 | 2012-07-25 | 上海无线电设备研究所 | 具有噪声抑制性能的自适应瞬时频率测量方法 |
CN203149027U (zh) * | 2013-02-06 | 2013-08-21 | 湖南大学 | 一种基于能量算子和频谱校正的电压波动与闪变检测装置 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104068849A (zh) * | 2014-07-02 | 2014-10-01 | 西安交通大学 | 一种自动识别和提取睡眠脑电中k复合波的方法 |
CN106510665A (zh) * | 2016-12-08 | 2017-03-22 | 浙江伽奈维医疗科技有限公司 | 一种可穿戴式远程穿刺用呼吸门控系统及其软件设计方法 |
CN110115583A (zh) * | 2018-02-07 | 2019-08-13 | 普天信息技术有限公司 | 呼吸监测的方法和装置 |
CN108451532A (zh) * | 2018-04-28 | 2018-08-28 | 杜乙 | 呼吸信息的获取方法及系统 |
WO2019205841A1 (zh) * | 2018-04-28 | 2019-10-31 | 吴昊 | 呼吸信息的获取方法及系统 |
CN108451532B (zh) * | 2018-04-28 | 2020-05-01 | 杜乙 | 呼吸信息的获取方法及系统 |
CN109350024A (zh) * | 2018-12-20 | 2019-02-19 | 广东医科大学附属医院 | 一种基于物联网的可穿戴式呼吸疾病监测系统及方法 |
CN111938584A (zh) * | 2020-07-21 | 2020-11-17 | 深圳数联天下智能科技有限公司 | 一种睡眠监测方法与设备 |
CN111938584B (zh) * | 2020-07-21 | 2023-03-10 | 深圳数联天下智能科技有限公司 | 一种睡眠监测方法与设备 |
CN112137620A (zh) * | 2020-08-27 | 2020-12-29 | 广东省地震局 | 一种基于超宽带雷达的人体微弱呼吸信号检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103690169B (zh) | 2015-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103690169B (zh) | 呼吸信息检测方法 | |
CN108388912B (zh) | 基于多传感器特征优化算法的睡眠分期方法 | |
CN111481184A (zh) | 基于毫米波雷达技术的多目标呼吸心率监测方法与系统 | |
WO2003055395A1 (en) | Analysis of acoustic medical signals | |
Zhu et al. | Heart rate estimation from FBG sensors using cepstrum analysis and sensor fusion | |
JP2015508693A (ja) | 生理的リズムを表す信号を処理する方法 | |
CN112998689B (zh) | 非接触式多人实时呼吸状况评估系统、设备和存储介质 | |
CN111358464A (zh) | 一种针对卧床病人的非接触式生命体征监测方法 | |
CN108992053A (zh) | 一种实时的无束缚检测心率和心跳间隔的方法 | |
CN113854992A (zh) | 基于77GHz毫米雷达的非接触式精确心率检测方法 | |
Liu et al. | Human biometric signals monitoring based on wifi channel state information using deep learning | |
CN112244794A (zh) | 基于周期性特征的生命体征检测方法、装置和存储介质 | |
US9706945B2 (en) | Respiration rate determination in impedance pneumography | |
CN111685760B (zh) | 一种基于雷达测量的人体呼吸频率计算方法 | |
CN106913335B (zh) | 一种呼吸暂停检测系统 | |
Vasu et al. | Signal processing methods for non-contact cardiac detection using Doppler radar | |
Bobrova et al. | Mathematical methods of fetal activity signal processing | |
Zhang et al. | The separation of the heartbeat and respiratory signal of a doppler radar based on the lms adaptive harmonic cancellation algorithm | |
Zhuang et al. | SleepSense: Non-invasive sleep event recognition using an electromagnetic probe | |
CN204246115U (zh) | 一种生理信息采集和处理装置 | |
CN115015867B (zh) | 一种基于超宽带雷达的身份识别和跌倒检测方法 | |
CN113729677B (zh) | 一种智能生命体征监护方法 | |
CN116269413A (zh) | 利用智能腕带运动传感器的连续心电波形重构系统及方法 | |
Vasu et al. | Using the Lomb periodogram for non-contact estimation of respiration rates | |
CN108577804A (zh) | 一种面向高血压病人监测的bcg信号分析方法及系统 |
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 |