CN104586371A - 一种脉搏波形的判别方法及装置 - Google Patents
一种脉搏波形的判别方法及装置 Download PDFInfo
- Publication number
- CN104586371A CN104586371A CN201510090183.5A CN201510090183A CN104586371A CN 104586371 A CN104586371 A CN 104586371A CN 201510090183 A CN201510090183 A CN 201510090183A CN 104586371 A CN104586371 A CN 104586371A
- Authority
- CN
- China
- Prior art keywords
- waveform
- pulse
- signal waveform
- characteristic point
- wave
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明提供了一种脉搏波形的判别方法,该判别方法包括:获取脉搏传感器采集到的信号波形,并根据预定特征点提取规则从所述信号波形中提取出多个特征点;加载并运行标准脉搏模型以根据所述多个特征点还原形成标准脉搏波形;将所述信号波形与所述标准脉搏波形进行比较,若比较结果满足预定条件,则判断所述信号波形是所述被测量对象的有效脉搏波形以及所述多个特征点是有效特征点。相应地,本发明还提供了一种脉搏波形的判别装置。实施本发明可以从脉搏传感器采集到的信号波形中有效地判别出被测量对象的有效脉搏波形。
Description
技术领域
本发明涉及生理参数测量技术领域,尤其涉及一种脉搏波形的判别方法及装置。
背景技术
现有技术中,通常通过脉搏传感器采集人体的脉搏波形并对该脉搏波形进行处理以得到多个特征点,其中,该多个特征点后续将用于计算人体的生理参数(例如血压等)以及衡量人体的身体状况。也就是说,后续人体生理参数的计算精确度以及人体身体状况的衡量准确度都取决于特征点的准确性,而特征点的准确性则取决于用于提取该特征点的脉搏波形是否是具有良好波形的人体脉搏波形。
在实际采集过程中,由于可能存在一定的干扰,又或者由于脉搏传感器的采集位置不正确,从而导致脉搏传感器采集到的信号波形往往不是具有良好波形的人体脉搏波形(下文称为有效脉搏波形),而是波形不佳的人体脉搏波形或者是非人体脉搏波形的杂波(下文称为无效脉搏波形)。在这种情况下,从该无效脉搏波形中提取出的多个特征点也是无效的,进而导致后续无法准确计算出人体的生理参数以及无法准确衡量人体的身体状况。因此,如何有效地判别出脉搏传感器所采集到的信号波形是否是人体的有效脉搏波形,对于后续生理参数的计算以及身体状况的衡量具有重要的意义,是本领域技术人员亟待解决的问题。
发明内容
为了克服现有技术中的上述缺陷,本发明提供了一种脉搏波形的判别方法,该判别方法包括:
获取脉搏传感器采集到的信号波形,并根据预定特征点提取规则从所述信号波形中提取出多个特征点;
加载并运行标准脉搏模型以根据所述多个特征点还原形成标准脉搏波形;
将所述信号波形与所述标准脉搏波形进行比较,若比较结果满足预定条件,则判断所述信号波形是所述被测量对象的有效脉搏波形以及所述多个特征点是有效特征点。
根据本发明的一个方面,该判别方法中,所述特征点包括波形起点、主波波峰、重搏波波谷、重搏波波峰以及波形结束点。
根据本发明的另一个方面,该判别方法中,所述标准脉搏模型包括回归方程,该回归方程通过对预先选取的标准脉搏波形及其多个特征点进行回归分析而得到。
根据本发明的又一个方面,该判别方法中,将所述信号波形与所述标准脉搏波形进行比较,若比较结果满足预定条件则判断所述信号波形是所述被测量对象的有效脉搏波形以及所述多个特征点是有效特征点包括:计算所述信号波形和所述标准脉搏波形的相关度,并将所述相关度与预设阈值进行比较;若所述相关度大于等于所述预设阈值,则判断所述信号波形是所述被测量对象的有效脉搏波形以及所述多个特征点是有效特征点。
根据本发明的又一个方面,该判别方法中,所述预设阈值等于95%。
本发明还提供了一种脉搏波形的判别装置,该判别装置包括脉搏传感器和处理模块,其中:
所述脉搏传感器,用于采集信号波形;
所述处理模块包括提取单元、还原单元以及判断单元;
所述提取单元,用于获取脉搏传感器采集到的信号波形并根据预定特征点提取规则从所述信号波形中提取出多个特征点;
所述还原单元,用于加载并运行标准脉搏模型以根据所述多个特征点还原形成标准脉搏波形;
所述判断单元,用于将所述信号波形与所述标准脉搏波形进行比较,若比较结果满足预定条件则判断所述信号波形是所述被测量对象的有效脉搏波形以及所述多个特征点是有效特征点。
根据本发明的一个方面,该判别装置中,所述特征点包括波形起点、主波波峰、重搏波波谷、重搏波波峰以及波形结束点。
根据本发明的另一个方面,该判别装置还包括生成模块,用于建立所述标准脉搏模型,该标准脉搏模型包括回归方程,该回归方程通过对预先选取的标准脉搏波形及其多个特征点进行回归分析而得到。
根据本发明的又一个方面,该判别装置中,所述判断单元计算所述信号波形和所述标准脉搏波形的相关度,并将所述相关度与预设阈值进行比较;若所述相关度大于等于所述预设阈值,所述判断单元判断所述信号波形是所述被测量对象的有效脉搏波形以及所述多个特征点是有效特征点。
根据本发明的又一个方面,该判别装置中,所述预设阈值等于95%。
根据本发明的又一个方面,该判别装置集成在便携式设备上,该便携式设备具有腕式佩戴结构。
本发明提供的脉搏波形的判别方式及装置从脉搏传感器采集到的信号波形中提取多个特征点后将该多个特征点代入标准脉搏模型以还原得到标准脉搏波形,并将信号波形与标准脉搏波形进行比较,若比较结果显示所述信号波形与标准脉搏波形一致,则判断所述信号波形是被测量对象的有效脉搏波形以及判断所述多个特征点是有效特征点,该多个特征点将被保留用于后续对被测量对象生理参数的计算以及对被测量对象身体状况的衡量,否则判断所述信号波形是被测量对象的无效脉搏波形,该无效脉搏波形的多个特征点将被弃用。如此一来,可以有效地去除脉搏传感器所采集到的信号波形中的无效脉搏波形(包括脉搏波形以外的杂波以及波形不佳的脉搏波形)而保留有效脉搏波形(波形良好的脉搏波形),从而保证了通过该有效脉搏波形所得到的特征点的准确有效性,进而提高了后续通过该特征点计算得到的被测量对象的生理参数的精确度以及通过该特征点衡量被测量对象身体状况的准确度。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是根据本发明的脉搏波形的判别方法的一个具体实施方式的流程图;
图2是根据本发明的脉搏波形的判别装置的一个具体实施方式的结构示意图。
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
为了更好地理解和阐释本发明,下面将结合附图对本发明作进一步的详细描述。
在对本发明进行详细描述之前,需要说明的是,本发明所提供的脉搏波形的判别方法及装置主要的适用对象是人类,因此所述被测量对象在本文中主要指的是需要进行脉搏波形判别的人类。本领域技术人员应当理解,本发明所提供的方法及装置还可以应用于针对与人类具有相同或相似生理特性的哺乳动物的脉搏波形的判别。
本发明提供了一种脉搏波形的判别方法。请参考图1,图1是根据本发明的脉搏波形的判别方法的一个具体实施方式的流程图。如图所示,该判别方法包括:
在步骤S101中,获取脉搏传感器采集到的信号波形,并根据预定特征点提取规则从所述信号波形中提取出多个特征点;
在步骤S102中,加载并运行标准脉搏模型以根据所述多个特征点还原形成标准脉搏波形;
在步骤S103中,将所述信号波形与所述标准脉搏波形进行比较,若比较结果满足预定条件,则判断所述信号波形是所述被测量对象的有效脉搏波形以及所述多个特征点是有效特征点。
具体地,在步骤S101中,脉搏传感器用于采集被测量对象的脉搏波形。由于在采集过程中可能存在一定的干扰,又或者由于在采集过程中脉搏传感器的采集位置不正确,从而导致脉搏传感器采集到的信号波形不是具有良好波形的人体脉搏波形,而是波形不佳的人体脉搏波形或者是非人体脉搏波形的杂波。其中,通过波形不佳的人体脉搏波形无法得到准确的人体生理参数,而杂波则无法应用于人体生理参数的测量,因此需要对脉搏传感器采集到的信号波形进行判别。下文中,将具有良好波形的人体脉搏波形称为有效脉搏波形,将波形不佳的人体脉搏波形或者是非人体脉搏波形的杂波称为无效脉搏波形。在本实施例中,脉搏传感器采用光电传感器,利用反射原理采集被测量对象的脉搏波形。在采集被测量对象的脉搏波形时,光电传感器向被测量对象的体表皮肤发送至少一种波长的测量光并接收所述测量光的反射光,该反射光中携带有被测量对象的脉搏信息,对该反射光进行处理以得到该被测量对象的脉搏波形。优选地,所述体表皮肤是所述被测量对象的桡动脉所对应的腕部体表皮肤。所述至少一种波长的测量光包括红光和/或红外光。其中,所述红光的波长的范围是660nm±3nm,所述红外光的波长的范围是940nm±10nm。所述脉搏传感器的采集频率可以根据实际应用的需要进行设定,例如采集频率设定为100HZ等。
获取脉搏传感器所采集到的信号波形之后,根据预定特征点提取规则从所述信号波形中提取出多个特征点。在本实施例中,所述预定特征点提取规则中涉及的特征点包括波形起点、主波波峰、重搏波波谷、重搏波波峰以及波形结束点,该特征点可以反映出脉搏波形的基本特征(下文中将波形起点、主波波峰、重搏波波谷、重搏波波峰以及波形结束点称为基本特征点)。需要说明的是,脉搏波形中的特征点不仅仅限于上述基本特征点,还包括其他特征点,其中,不同的特征点反映脉搏波形的不同特征,因此,特征点提取规则可以根据实际应用需要进行预先设定,也就是说,在其他实施例中,从信号波形中提取的除了基本特征点之外,还可以包括其他特征点(该其他特征点可以通过基本特征点计算得到)。从所述信号波形中提取的多个特征点后续将用于计算被测量对象的生理参数(例如血压参数等)以及用于衡量被测量对象的身体状况。
需要说明的是,利用反射原理获得被测量对象的脉搏波形和从脉搏波形中提取特征点是本领域技术人员所熟悉的技术手段,其中,特征点提取规则可能存在多种,在实际应用中可以根据需求选择一种提取规则作为预定特征点提取规则,为了简明起见,在此不再赘述。
在步骤S102中,从脉搏传感器采集的信号波形中提取出多个特征点以后,从模型库中加载标准脉搏模型。在本实施例中,所述标准脉搏模型包括回归方程,该回归方程通过对预先选取的标准脉搏波形及其多个特征点进行回归分析而得到。标准脉搏模型的建立方法如下:首先选取人体标准脉搏波形(即不含杂波以及具有良好波形的人体脉搏波形),接着提取标准脉搏波形的多个特征点,其中,提取规则和步骤S101中用于信号波形特征点提取的规则是一致的,然后对所述标准脉搏波形及其多个特征点进行回归分析以生成标准脉搏模型,该标准脉搏模型由回归方程构成,通过该回归方程可以描述一个完整的标准脉搏波形。在一个具体实施例中,所述回归方程为线性回归方程。
下面,以一个具体实施例对标准脉搏模型进行说明。预先选取人体标准脉搏波形,提取所述标准脉搏波形的基本特征点,包括波形起点、主波波峰、重搏波波谷、重搏波波峰以及波形结束点,其在所述标准脉搏波形所在坐标系中的坐标值分别是(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)以及(x5,y5)。通过对标准脉搏波形及其基本特征点的回归分析可以得到标准脉搏模型,该标准脉搏模型包括如下用于描述该标准脉搏波形的回归方程:
本领域技术人员可以理解的是,在实际应用中,标准脉搏模型的具体形式并不仅仅限于上述举例。上述标准脉搏模型是通过对标准脉搏波形及其基本特征点回归分析得到的,在其他实施例中,除了利用基本特征点之外,还可以利用更多其他特征点以得到更为精确的标准脉搏模型。此外,上述标准脉搏模型中的回归方程的形式是线性回归方程,在其他实施例中,还可以根据具体的回归分析方式生成其他形式的回归方程,为了简明起见,在此不再一一列举。
加载标准脉搏模型后运行该标准脉搏模型,将从信号波形中提取的多个特征点代入所述标准脉搏模型的回归方程中,如此一来,可以得到通过该多个特征点还原所形成的标准脉搏波形。
本领域的技术人员很容易可以理解的是,如果脉搏传感器所采集到的信号波形是被测量对象的有效脉搏波形,那么脉搏传感器所采集到的信号波形和将该有效脉搏波形的多个特征点代入标准脉搏模型所得到标准脉搏波形应该是一致的;如果脉搏传感器所采集到的信号波形是被测量对象的无效脉搏波形,那么脉搏传感器所采集到的信号波形和将该无效脉搏波形的多个特征点代入标准脉搏模型所得到的标准脉搏波形必然存在较大差异。因此,在接下来的步骤S103中需要对信号波形与标准脉搏波形进行比较。
在步骤S103中,将信号波形与标准脉搏波形进行比较,若比较结果满足预定条件,表明信号波形和标准脉搏波形其二者是一致的,则判断信号波形是被测量对象的有效脉搏波形,相应地该信号波形的多个特征点是有效特征点,该有效特征点将被保留用于后续对被测量对象生理参数的测量以及对被测量对象身体状况的衡量。具体地,首先计算信号波形和标准脉搏波形的相关度,并将所述相关度与预设阈值进行比较;然后根据比较结果进行判断,其中,如果其二者的相关度大于等于所述预设阈值,则认为信号波形和标准脉搏波形是一致的,在这种情况下,判断信号波形是被测量对象的有效脉搏波形以及判断该信号波形的多个特征点是有效特征点,如果其二者的相关度小于所述预设阈值,则认为信号波形和标准脉搏波形之间存在较大差异,在这种情况下,判断信号波形是被测量对象的无效脉搏波形以及判断该信号波形的多个特征点是无效的。优选地,所述预设阈值等于95%。需要说明的是,所述预设阈值是通过对大量信号波形和标准脉搏波形的比较结果进行统计分析所得到的经验值。此外,计算两个波形之间的相关度是本领域技术人员所熟悉的技术手段,为了简明起见,在此不再对如何计算信号波形和标准脉搏波形之间的相关度进行详细说明。
当判断脉搏传感器所采集到的信号波形是有效脉搏波形以及判断该信号波形的多个特征点是有效特征点之后,可以根据该有效特征点计算被测量对象的生理参数、以及衡量被测量对象的身体状况。
需要说明的是,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。相反,流程图中描绘的步骤可以改变执行顺序。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
相应地,本发明还提供了一种脉搏波形的判别装置。请参考图2,图2是根据本发明的脉搏波形的判别装置的一个具体实施方式的结构示意图。如图所示,该判别装置10包括脉搏传感器200和处理模块300,其中:
所述脉搏传感器200,用于采集信号波形;
所述处理模块300包括提取单元310、还原单元320以及判断单元330;
所述提取单元310,用于获取所述脉搏传感器200采集到的信号波形并根据预定规则从所述信号波形中提取出多个特征点;
所述还原单元320,用于加载并运行标准脉搏模型以根据所述多个特征点构建形成标准脉搏波形;
所述判断单元330,用于将所述信号波形与所述标准脉搏波形进行比较并根据所述比较的结果判断所述信号波形是否是所述被测量对象的有效脉搏波形。
具体地,所述判别装置10包括脉搏传感器200,该脉搏传感器200用于采集被测量对象的脉搏波形。由于在采集过程中可能存在一定的干扰,又或者由于在采集过程中脉搏传感器200的采集位置不正确,从而导致脉搏传感器200采集到的信号波形不是具有良好波形的人体脉搏波形,而是波形不佳的人体脉搏波形或者是非人体脉搏波形的杂波。其中,通过波形不佳的人体脉搏波形无法得到准确的人体生理参数,而杂波则无法应用于人体生理参数的测量,因此需要对脉搏传感器200采集到的信号波形进行判别。下文中,将具有良好波形的人体脉搏波形称为有效脉搏波形,将波形不佳的人体脉搏波形或者是非人体脉搏波形的杂波称为无效脉搏波形。在本实施例中,脉搏传感器200采用光电传感器,利用反射原理采集被测量对象的脉搏波形。在采集被测量对象的脉搏波形时,光电传感器向被测量对象的体表皮肤发送至少一种波长的测量光并接收所述测量光的反射光,该反射光中携带有被测量对象的脉搏信息,对该反射光进行处理以得到该被测量对象的脉搏波形。优选地,所述体表皮肤是所述被测量对象的桡动脉所对应的腕部体表皮肤。所述至少一种波长的测量光包括红光和/或红外光。其中,所述红光的波长的范围是660nm±3nm,所述红外光的波长的范围是940nm±10nm。所述脉搏传感器200的采集频率可以根据实际应用的需要进行设定,例如采集频率设定为100HZ等。
所述处理模块300用于判断所述脉搏传感器采集到的信号波形是否是被测量对象的有效脉搏波形。进一步地,所述处理模块300包括提取单元310、还原单元320以及判断单元330。其中,所述提取单元310获取脉搏传感器所采集到的信号波形之后,根据预定特征点提取规则从所述信号波形中提取出多个特征点。在本实施例中,所述预定特征点提取规则中涉及的特征点包括波形起点、主波波峰、重搏波波谷、重搏波波峰以及波形结束点,该特征点可以反映出脉搏波形的基本特征(下文中将波形起点、主波波峰、重搏波波谷、重搏波波峰以及波形结束点称为基本特征点)。需要说明的是,脉搏波形中的特征点不仅仅限于上述基本特征点,还包括其他特征点,其中,不同的特征点反映脉搏波形的不同特征,因此,特征点提取规则可以根据实际应用需要进行预先设定,也就是说,在其他实施例中,所述提取单元310从信号波形中提取的除了基本特征点之外,还可以包括其他特征点(该其他特征点可以通过基本特征点计算得到)。从所述信号波形中提取的多个特征点后续将用于计算被测量对象的生理参数(例如血压参数等)以及用于衡量被测量对象的身体状况。
需要说明的是,利用反射原理获得被测量对象的脉搏波形和从脉搏波形中提取特征点是本领域技术人员所熟悉的技术手段,其中,特征点提取规则可能存在多种,在实际应用中可以根据需求选择一种提取规则作为预定特征点提取规则,为了简明起见,在此不再赘述。
所述提取单元310从脉搏传感器采集的信号波形中提取出多个特征点以后,还原单元320从模型库中加载标准脉搏模型。在本实施例中,所述判别装置10还包括生成模块(未示出),该生成模块用于建立所述标准脉搏模型,该标准脉搏模型包括回归方程,该回归方程通过对预先选取的标准脉搏波形及其多个特征点进行回归分析而得到。所述生成模块建立标准脉搏模型的方法如下:首先选取人体标准脉搏波形(即不含杂波以及具有良好波形的人体脉搏波形),接着提取标准脉搏波形的多个特征点,其中,提取规则和提取单元310在对信号波形进行特征点提取时使用的规则是一致的,然后对所述标准脉搏波形及其多个特征点进行回归分析以生成标准脉搏模型,该标准脉搏模型由回归方程构成,通过该回归方程可以描述一个完整的标准脉搏波形。在一个具体实施例中,所述回归方程为线性回归方程。
下面,以一个具体实施例对标准脉搏模型进行说明。生成模块预先选取人体标准脉搏波形,提取所述标准脉搏波形的基本特征点,包括波形起点、主波波峰、重搏波波谷、重搏波波峰以及波形结束点,其在所述标准脉搏波形所在坐标系中的坐标值分别是(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)以及(x5,y5)。通过对标准脉搏波形及其基本特征点的回归分析可以得到标准脉搏模型,该标准脉搏模型包括如下用于描述该标准脉搏波形的回归方程:
本领域技术人员可以理解的是,在实际应用中,标准脉搏模型的具体形式并不仅仅限于上述举例。上述标准脉搏模型是通过对标准脉搏波形及其基本特征点回归分析得到的,在其他实施例中,除了利用基本特征点之外,生成模块还可以利用更多其他特征点以得到更为精确的标准脉搏模型。此外,上述标准脉搏模型中的回归方程的形式是线性回归方程,在其他实施例中,生成模块还可以根据其所采用的具体的回归分析方式生成其他形式的回归方程,为了简明起见,在此不再一一列举。
还原单元320加载标准脉搏模型后运行该标准脉搏模型,将从信号波形中提取的多个特征点代入所述标准脉搏模型的回归方程中,如此一来,可以得到通过该多个特征点还原所形成的标准脉搏波形。
本领域的技术人员很容易可以理解的是,如果脉搏传感器200所采集到的信号波形是被测量对象的有效脉搏波形,那么脉搏传感器200所采集到的信号波形和将该有效脉搏波形的多个特征点代入标准脉搏模型所得到标准脉搏波形应该是一致的;如果脉搏传感器200所采集到的信号波形是被测量对象的无效脉搏波形,那么脉搏传感器200所采集到的信号波形和将该无效脉搏波形的多个特征点代入标准脉搏模型所得到的标准脉搏波形必然存在较大差异。因此,在接下来需要对信号波形与标准脉搏波形进行比较。
所述判断单元330将信号波形与标准脉搏波形进行比较,若比较结果满足预定条件,表明信号波形和标准脉搏波形其二者是一致的,则判断信号波形是被测量对象的有效脉搏波形,相应地该信号波形的多个特征点是有效特征点,该有效特征点将被保留用于后续对被测量对象生理参数的测量以及对被测量对象身体状况的衡量。具体地,判断单元330首先计算信号波形和标准脉搏波形的相关度,并将所述相关度与预设阈值进行比较;然后判断单元330根据比较结果进行判断,其中,如果其二者的相关度大于等于所述预设阈值,则认为信号波形和标准脉搏波形是一致的,在这种情况下,判断单元330判断信号波形是被测量对象的有效脉搏波形以及判断该信号波形的多个特征点是有效特征点,如果其二者的相关度小于所述预设阈值,则认为信号波形和标准脉搏波形之间存在较大差异,在这种情况下,判断单元330判断信号波形是被测量对象的无效脉搏波形以及判断该信号波形的多个特征点是无效的。优选地,所述预设阈值等于95%。需要说明的是,所述预设阈值是通过对大量信号波形和标准脉搏波形的比较结果进行统计分析所得到的经验值。此外,计算两个波形之间的相关度是本领域技术人员所熟悉的技术手段,为了简明起见,在此不再对如何计算信号波形和标准脉搏波形之间的相关度进行详细说明。
当判断单元330判断脉搏传感器200所采集到的信号波形是有效脉搏波形以及判断该信号波形的多个特征点是有效特征点之后,该有效特征点可以被用于计算被测量对象的生理参数、以及衡量被测量对象的身体状况。
所述判别装置10优选地集成在便携式设备上,如此一来,便于被测量对象随时随地自行采集脉搏波形并进行判别。更优选地,基于便携式设备易于佩戴和佩戴稳定性考虑,该便携式设备设计为具有腕式佩戴结构,例如智能手表等。在佩戴具有腕式佩戴结构的便携式设备时,需要将脉搏传感器200设置在贴近被测量对象的腕部体表皮肤的位置。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他部件、单元或步骤,单数不排除复数。系统权利要求中陈述的多个部件、单元或装置也可以由一个部件、单元或装置通过软件或者硬件来实现。
本发明提供的脉搏波形的判别方式及装置从脉搏传感器采集到的信号波形中提取多个特征点后将该多个特征点代入标准脉搏模型以还原得到标准脉搏波形,并将信号波形与标准脉搏波形进行比较,若比较结果显示所述信号波形与标准脉搏波形一致,则判断所述信号波形是被测量对象的有效脉搏波形以及判断所述多个特征点是有效特征点,该多个特征点将被保留用于后续对被测量对象生理参数的计算以及对被测量对象身体状况的衡量,否则判断所述信号波形是被测量对象的无效脉搏波形,该无效脉搏波形的多个特征点将被弃用。如此一来,可以有效地去除脉搏传感器所采集到的信号波形中的无效脉搏波形(包括脉搏波形以外的杂波以及波形不佳的脉搏波形)而保留有效脉搏波形(波形良好的脉搏波形),从而保证了通过该有效脉搏波形所得到的特征点的准确有效性,进而提高了后续通过该特征点计算得到的被测量对象的生理参数的精确度以及通过该特征点衡量被测量对象身体状况的准确度。
以上所揭露的仅为本发明的一些较佳实施例而已,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 (11)
1.一种脉搏波形的判别方法,该判别方法包括:
获取脉搏传感器采集到的信号波形,并根据预定特征点提取规则从所述信号波形中提取出多个特征点;
加载并运行标准脉搏模型以根据所述多个特征点还原形成标准脉搏波形;
将所述信号波形与所述标准脉搏波形进行比较,若比较结果满足预定条件,则判断所述信号波形是所述被测量对象的有效脉搏波形以及所述多个特征点是有效特征点。
2.根据权利要求1所述的判别方法,其中,所述特征点包括波形起点、主波波峰、重搏波波谷、重搏波波峰以及波形结束点。
3.根据权利要求1所述的判别方法,其中:
所述标准脉搏模型包括回归方程,该回归方程通过对预先选取的标准脉搏波形及其多个特征点进行回归分析而得到。
4.根据权利要求1所述的判别方法,其中,将所述信号波形与所述标准脉搏波形进行比较,若比较结果满足预定条件则判断所述信号波形是所述被测量对象的有效脉搏波形以及所述多个特征点是有效特征点包括:
计算所述信号波形和所述标准脉搏波形的相关度,并将所述相关度与预设阈值进行比较;
若所述相关度大于等于所述预设阈值,则判断所述信号波形是所述被测量对象的有效脉搏波形以及所述多个特征点是有效特征点。
5.根据权利要求4所述的判别方法,其中,所述预设阈值等于95%。
6.一种脉搏波形的判别装置,该判别装置包括脉搏传感器和处理模块,其中:
所述脉搏传感器,用于采集信号波形;
所述处理模块包括提取单元、还原单元以及判断单元;
所述提取单元,用于获取脉搏传感器采集到的信号波形并根据预定特征点提取规则从所述信号波形中提取出多个特征点;
所述还原单元,用于加载并运行标准脉搏模型以根据所述多个特征点还原形成标准脉搏波形;
所述判断单元,用于将所述信号波形与所述标准脉搏波形进行比较,若比较结果满足预定条件则判断所述信号波形是所述被测量对象的有效脉搏波形以及所述多个特征点是有效特征点。
7.根据权利要求6所述的判别装置,其中,所述特征点包括波形起点、主波波峰、重搏波波谷、重搏波波峰以及波形结束点。
8.根据权利要求6所述的判别装置,该判别装置还包括:
生成模块,用于建立所述标准脉搏模型,该标准脉搏模型包括回归方程,该回归方程通过对预先选取的标准脉搏波形及其多个特征点进行回归分析而得到。
9.根据权利要求6所述的判别装置,其中:
所述判断单元计算所述信号波形和所述标准脉搏波形的相关度,并将所述相关度与预设阈值进行比较;
若所述相关度大于等于所述预设阈值,所述判断单元判断所述信号波形是所述被测量对象的有效脉搏波形以及所述多个特征点是有效特征点。
10.根据权利要求7所述的判别装置,其中,所述预设阈值等于95%。
11.根据权利要求6至10所述的判别装置,其中:
所述判别装置集成在便携式设备上,该便携式设备具有腕式佩戴结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510090183.5A CN104586371B (zh) | 2015-02-27 | 2015-02-27 | 一种脉搏波形的判别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510090183.5A CN104586371B (zh) | 2015-02-27 | 2015-02-27 | 一种脉搏波形的判别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104586371A true CN104586371A (zh) | 2015-05-06 |
CN104586371B CN104586371B (zh) | 2017-09-29 |
Family
ID=53112674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510090183.5A Active CN104586371B (zh) | 2015-02-27 | 2015-02-27 | 一种脉搏波形的判别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104586371B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106527106A (zh) * | 2015-09-14 | 2017-03-22 | 深圳市美达尔前海医疗科技有限公司 | 一种智能手表及血压检测方法 |
WO2018010107A1 (zh) * | 2016-07-13 | 2018-01-18 | 悦享趋势科技(北京)有限责任公司 | 判断脉搏波是否有效的方法及装置 |
CN108926330A (zh) * | 2018-08-10 | 2018-12-04 | 沈阳星泽健康科技有限公司 | 一种基于腕带充气式压力传感器的智能中医脉诊分析系统 |
CN110279404A (zh) * | 2019-06-17 | 2019-09-27 | 清华大学 | 一种脉搏波采集装置及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040228217A1 (en) * | 2003-05-13 | 2004-11-18 | Century Ocean Corporation Limited | Devices and methods for heart rate measurement and wrist-watch incorporating same |
CN101933811A (zh) * | 2010-09-03 | 2011-01-05 | 深圳市纽泰克电子有限公司 | 一种血氧饱和度检测方法及系统 |
CN103020472A (zh) * | 2012-12-27 | 2013-04-03 | 中国科学院深圳先进技术研究院 | 基于约束估计的生理信号质量评估方法和系统 |
CN103976721A (zh) * | 2014-04-22 | 2014-08-13 | 辛勤 | 血压测量方法以及用于实现该方法的嵌入式装置 |
CN104116503A (zh) * | 2014-07-16 | 2014-10-29 | 华中科技大学 | 一种无创连续血压的测量方法及装置 |
-
2015
- 2015-02-27 CN CN201510090183.5A patent/CN104586371B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040228217A1 (en) * | 2003-05-13 | 2004-11-18 | Century Ocean Corporation Limited | Devices and methods for heart rate measurement and wrist-watch incorporating same |
CN101933811A (zh) * | 2010-09-03 | 2011-01-05 | 深圳市纽泰克电子有限公司 | 一种血氧饱和度检测方法及系统 |
CN103020472A (zh) * | 2012-12-27 | 2013-04-03 | 中国科学院深圳先进技术研究院 | 基于约束估计的生理信号质量评估方法和系统 |
CN103976721A (zh) * | 2014-04-22 | 2014-08-13 | 辛勤 | 血压测量方法以及用于实现该方法的嵌入式装置 |
CN104116503A (zh) * | 2014-07-16 | 2014-10-29 | 华中科技大学 | 一种无创连续血压的测量方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106527106A (zh) * | 2015-09-14 | 2017-03-22 | 深圳市美达尔前海医疗科技有限公司 | 一种智能手表及血压检测方法 |
WO2018010107A1 (zh) * | 2016-07-13 | 2018-01-18 | 悦享趋势科技(北京)有限责任公司 | 判断脉搏波是否有效的方法及装置 |
CN109843158A (zh) * | 2016-07-13 | 2019-06-04 | 悦享趋势科技(北京)有限责任公司 | 判断脉搏波是否有效的方法及装置 |
CN108926330A (zh) * | 2018-08-10 | 2018-12-04 | 沈阳星泽健康科技有限公司 | 一种基于腕带充气式压力传感器的智能中医脉诊分析系统 |
CN110279404A (zh) * | 2019-06-17 | 2019-09-27 | 清华大学 | 一种脉搏波采集装置及方法 |
CN110279404B (zh) * | 2019-06-17 | 2020-07-28 | 清华大学 | 一种脉搏波采集装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104586371B (zh) | 2017-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103976721B (zh) | 血压测量方法以及用于实现该方法的嵌入式装置 | |
EP2074945B1 (en) | Sleep evaluation device and sleep evaluation method therefor | |
Artyushenko et al. | Statistical characteristics of envelope outliers duration of non-Gaussian information processes | |
Wang et al. | Arrhythmia classification algorithm based on multi-head self-attention mechanism | |
CN102512158B (zh) | 一种基于高维模糊识别的心电信号质量评估方法和装置 | |
CN104586371A (zh) | 一种脉搏波形的判别方法及装置 | |
CN103750820B (zh) | 一种睡眠质量监测方法及装置 | |
CN104374447B (zh) | 基于一阶导数并结合参考曲线的导波式雷达物位计回波信号处理方法 | |
CN103989462A (zh) | 一种脉搏波形第一特征点和第二特征点的提取方法 | |
Banerjee et al. | PhotoECG: Photoplethysmographyto estimate ECG parameters | |
CN105997043A (zh) | 一种基于腕式可穿戴设备的脉率提取方法 | |
JP2008073077A (ja) | データ処理装置,データ処理方法及びデータ処理プログラム | |
CN101251445A (zh) | 旋转机械碰摩声发射信号的分形特征分析方法 | |
CN101637394A (zh) | 一种心音信号定位、分段方法 | |
Kang et al. | Phase permutation entropy: A complexity measure for nonlinear time series incorporating phase information | |
Xu et al. | Multiscale analysis of financial time series by Rényi distribution entropy | |
CN114052693A (zh) | 心率分析方法、装置及设备 | |
CN113729653A (zh) | 一种人体脉搏波信号采集方法 | |
CN108338777A (zh) | 一种脉搏信号检测分析方法及装置 | |
Ledezma et al. | Data fusion for QRS complex detection in multi-lead electrocardiogram recordings | |
CN109567869A (zh) | 一种处理胎心率曲线上加速活动的方法及系统 | |
Uchaipichat et al. | Development of QRS detection using short-time fourier transform based technique | |
CN104000572B (zh) | 一种用于实现血压测量的嵌入式装置 | |
CN106355142A (zh) | 一种人体跌倒状态识别方法及装置 | |
KR101453644B1 (ko) | 피크 검출 방법, 피크 검출 장치 및 태아 심박 검출 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |