CN105380630B - 心率路径优化器 - Google Patents

心率路径优化器 Download PDF

Info

Publication number
CN105380630B
CN105380630B CN201510518198.7A CN201510518198A CN105380630B CN 105380630 B CN105380630 B CN 105380630B CN 201510518198 A CN201510518198 A CN 201510518198A CN 105380630 B CN105380630 B CN 105380630B
Authority
CN
China
Prior art keywords
signals
fdhr
values
fourier
path
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
CN201510518198.7A
Other languages
English (en)
Other versions
CN105380630A (zh
Inventor
E·玛阿尼
D·J·卡伯特
I·R·夏皮罗
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.)
Apple Inc
Original Assignee
Apple Computer 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 Apple Computer Inc filed Critical Apple Computer Inc
Priority to CN201811134579.5A priority Critical patent/CN109106359B/zh
Publication of CN105380630A publication Critical patent/CN105380630A/zh
Application granted granted Critical
Publication of CN105380630B publication Critical patent/CN105380630B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • 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
    • 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
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/04—Constructional details of apparatus
    • A61B2560/0487—Special user inputs or interfaces
    • A61B2560/0493—Special user inputs or interfaces controlled by voice
    • 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
    • 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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Biomedical Technology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Cardiology (AREA)
  • Mathematical Physics (AREA)
  • Pulmonology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明公开了一种心率路径优化器。一种用于确定用户的心率的设备具有PPG传感器和加速度计以补偿PPG信号内的加速伪像。该设备使用傅立叶变换将时域PPG信号和加速度计信号变换到频域中，并且利用傅立叶系数幅值作为指示候选心率值的概率。在时间间隔期间的采样时间确定候选心率值，并且使用奖励/惩罚算法来确定该时间间隔期间的最可能的心率路径。

Description

心率路径优化器
技术领域
本申请一般地涉及光电体积描记图(PPG)信号的处理以及用于确定在采样时间间隔内的各个时间的最可能的心率。
背景技术
光电体积描记图(PPG)信号可以从脉搏血氧仪获得，脉搏血氧仪利用发光器和光传感器来测量血液到用户的皮肤的灌注。由于运动(例如，加速)伪像，PPG信号可能因噪声而受损。也就是说，用户的身体的移动可能使皮肤和脉管系统扩张和收缩，将加速伪像引入到PPG信号中。虽然这样的加速伪像可以被至少部分地补偿，但是即使在这样的部分补偿之后，仍存在确定精确的心率测量的问题。当在时间间隔内的采样时间被呈现各种心率值时，通常难以确定对于每个采样时间最可能的心率，以及因此难以确定对于每个采样时间最可能的心率路径，所述最可能的心率路径考虑到全部时间间隔期间的从一个采样时间到下一个采样时间的多个可能的候选路径。
发明内容
光电体积描记图(PPG)信号可以从脉搏血氧仪获得，脉搏血氧仪利用发光器和光传感器来测量血液到用户的皮肤的灌注。由于运动伪像，尤其是由加速引起的伪像，PPG信号可能因噪声而受损。也就是说，用户的身体的移动可能使皮肤和脉管系统扩张和收缩，将噪声引入到信号中。为了解决运动伪像的存在，本公开的例子可以利用测量用户的移动的加速度计和与加速度计信号组合的PPG信号的信号处理来至少部分地补偿不想要的伪像。
虽然大多数加速伪像可以被考虑并且被补偿，但是它们有时难以完全消除。因此，因为可能难以确定时间间隔(例如锻炼时间间隔)期间的多个采样时间的精确的心率值，所以仍存在问题。
根据本公开的一些例子，可以数字化时域PPG和加速度信号，并且通过利用傅立叶变换(诸如快速傅立叶变换)提供频谱图来将该时域PPG和加速度信号变换到频域中。频率f的给定傅立叶系数的幅值(绝对值)表示该频率f在时域信号中的出现的概率。因此，最高傅立叶系数幅值的标识对应于频率f的频谱图中的峰值，并且对应于具有该频率f的最可能的心率。
每个采样时间段的心率的精确标识通常通过检查后续数据并且鉴于该后续数据重新估计早先确定的心率来改进。因此，早先的数据可以被视为候选心率，这些候选心率暂时被确定用于后来确认或选择更正确的心率。给定时间段期间的一系列候选心率呈现候选心率路径。根据本文中所公开的例子，可以根据某些规则来估计心率路径以确定最可能的心率路径，因此通过回溯，在暂时确定的候选心率之中做出心率的最可能的选择。用于估计候选心率路径的规则涉及与路径所取的傅立叶系数幅值的和成比例的路径的奖励(使得最可能的频率，即，心率被选择)以及对于与连续的采样时间之间的心率变化成比例的路径的惩罚(使得连续的采样时间之间的心率的大的跳跃的可能性较低)。
附图说明
图1示出在本公开的各种例子中使用的心率测量和路径优化设备的整体框图；
图2是示出根据所公开的各种例子的用于确定心率和路径优化的数据流程和计算步骤的整体流程图；
图3是根据某些例子的心率频谱图的三维图示；
图4是图3的频谱图到频率轴上的二维投影，该二维投影示出根据本公开的各种例子的心率分量和伪像分量两者；
图5是根据本公开的各种例子的示出由加速度计测量的加速伪像的加速度频谱图的三维图示；
图6是根据本公开的各种例子的补偿图5的加速伪像之后的心率频谱图的三维图示；
图7是示出加速伪像峰值的曲线图，并且用于描述根据本公开的各种例子的各种伪像补偿方法；
图8是类似于图4的曲线图，但是示出根据本公开的各种例子的伪像补偿技术的应用；
图9A例示根据本公开的各种例子的使用6个点的心率(HR)路径优化算法；
图9B例示根据本公开的各种例子的使用6个点的HR路径优化算法；
图9C例示根据本公开的各种例子的使用12个点的HR路径优化算法；
图10A示出根据本公开的各种例子的用于图9A的6点路径优化算法的路径长度的总结；
图10B示出根据本公开的各种例子的用于图9B的9点路径优化算法的路径长度的总结；
图10C示出根据本公开的各种例子的用于图9C的12点路径优化算法的路径长度的总结；
图11示出根据本公开的各种例子的用于使用先前确定的最佳候选路径确定总路径的对应表；
图12是示出根据本公开的各种例子的用于确定并输出心率和在锻炼时间段结束时确定的最佳路径的程序步骤的流程图；
图13是示出根据本公开的各种例子的用于确定并输出心率和在锻炼时间段期间的每个采样时间确定的最佳路径的程序步骤的流程图；
图14是示出根据本公开的各种例子的用于确定并输出锻炼时间段期间的每个采样时间的心率的程序步骤的流程图；
图15是示出根据本公开的各种例子的用于计算心率路径优化的奖励/惩罚算法的细节的流程图；以及
图16是例示根据本公开的例子的可以在任何便携式或非便携式设备内实施的系统架构的例子的框图。
具体实施方式
在以下的例子描述中，参照形成其一部分的附图，在附图中，以例示说明的方式示出了可以实施的特定例子。要理解，可以使用其它例子，并且在不脱离所公开的例子的范围的情况下，可以进行结构改变。
光电体积描记图(PPG)信号可以从脉搏血氧仪获得，脉搏血氧仪利用发光器和光传感器来测量血液到用户的皮肤的灌注。然而，由于运动伪像，尤其是由加速引起的伪像，PPG信号可能因噪声而受损。也就是说，用户的身体的移动可能使皮肤和脉管系统扩张和收缩，将噪声引入到信号中。为了解决运动伪像的存在，本公开的例子利用测量用户的移动的加速度计和与加速度计信号组合的PPG信号的信号处理来至少部分地补偿不想要的伪像。
图1是本公开的一些例子的整体框图，并且可以看到例示了发光器2、光传感器4、A/D转换器4a、加速度计6、处理器8以及I/O单元10。这些设备可以合并在用户佩戴或握住的(诸如固定到用户的皮肤(例如肢体)或者以其它方式附连到用户所穿的一件衣服的)物理设备12内，发光器2和光传感器4位于邻近用户的皮肤。可替代地，设备12可以整个地或部分地合并在智能电话内，以使得用户可以以使下述光束从用户的皮肤反射回到位于智能电话本身内的光传感器的方式握住智能电话。除了其它可能性之外，来自发光器2的光的一部分可以被皮肤、脉管系统和/或血液吸收，并且一部分可以反射回到与发光器位于一处的光传感器4。光传感器4可以坐置在与血液脉搏波平行的线上，并且来自传感器4的信号可以包括由于脉搏波而导致的心率(HR)信号。
加速度计6可以提供指示用户的加速移动的时域加速度输出信号。例如，设备12可以被佩戴在用户的手腕上，并且加速度计输出信号可以指示由用户做出的臂移动(即，臂摆动)。
在操作中，发光器2可以将光束传送到用户的皮肤14，并且该光束可以被用户的皮肤14反射并且被光传感器4接收。光传感器4可以将该光转换为指示其强度的电信号。该电信号可以是模拟形式，并且可以被A/D转换器4a转换为数字形式。来自A/D转换器4a的数字信号可以是馈送给处理器8的时域PPG心率(HR)信号。加速度计6的输出还可以使用A/D转换器4b被转换为数字形式。处理器8可以从光传感器4接收数字化的HR信号，并且数字化加速度计6的加速度计输出信号，并且可以处理这些信号以将HR输出信号提供给I/O单元10。I/O单元10可以采取以下中的一个或多个的形式：存储设备、视觉显示器、可听信号器、与设备12构成整体的触摸屏、或其它输出指示器。I/O单元10可以在处理器8的程序控制下提供在时间段期间检测的心率的视觉(数字、表格、图形)或可听(合成语音或音调)形式的历史信息。作为一个非限制例子，可以显示视觉曲线图，该视觉曲线图示出在先前的固定时间间隔(例如，1小时)期间或者在锻炼时间段已经结束(如由来自用户的其指示确定)之后每5分钟计算的HR。I/O单元10还可以在处理器8的控制下提供先前的一个时间段或多个时间段期间的平均心率信息或心率的统计信息。作为另一例子，I/O单元10可以将当前心率值提供为在进行中的锻炼计划的过程期间周期性地(例如，每一秒)显示给用户的“实时”心率值。
I/O单元10可以经由有线或无线通信链路24耦合到远程单元18、触摸屏20和麦克风/扬声器22中的一个或多个。远程单元18可以是用户智能电话或者被用户方便地携带或佩戴的其它I/O设备，或者可以是远程计算机或数据服务器，诸如用户的家用计算机或用户的云存储设备。I/O单元10可以从远程单元18接收输入，或者可以通过触摸屏20和/或麦克风/扬声器22从用户接收输入。
图2是可以包含在图1的处理器8内或者可以由图1的控制器8控制的示例功能单元的框图。这些功能单元可以实现为分立硬件单元，诸如，举例来说，数字信号处理器(DSP)、专用集成电路(AISC)、现场可编程逻辑阵列(FPGA)或专用的快速傅立叶变换(FFT)集成电路。功能单元可以组合到一个或多个互连的设备中。可替代地，这些功能单元可以以被配置为操作可编程处理器的软件或固件的形式实现。此外，功能单元可以是分立的硬件、软件和固件的组合。
图2被看到包括滤波器30、频谱图计算单元32和34、加速度补偿单元36、后处理单元38、路径优化单元40、输出单元42以及时序和控制单元44。
滤波器30可以从图1的光传感器4接收(原始)PPG信号，光传感器4可以作为可佩戴设备12的PPG传感器进行操作。这些PPG信号可以是具有指示用户的心率(HR)的时域HR分量和时域伪像分量的时域HR信号。滤波器30可以例如是具有与30-480bpm(每分钟心跳数)相应的0.5-8Hz的带通的三阶带通滤波器。滤波器30的一个目的可以是移除如下的信号，这些信号不具有落在对于各种预期的用户状况或活动水平下的心率监视预期的范围内或者该范围附近的频率分量。滤波器30的输出可以是过滤后的PPG信号，该信号可以被馈送到频谱图计算单元32。
频谱图计算单元32可以将从滤波器30输出的过滤后的PPG信号转换为频率，该转换可以使用快速傅立叶变换(FFT)来执行。频谱图计算单元32可以通过复共轭来获取FFT频率系数的绝对值以提供指示每个采样时间的频率系数的幅值的实值输出。因此，频谱图计算单元32的输出可以是频域HR信号幅值。采样时间可以例如是每秒。
以类似的方式，频谱图计算单元34可以使用快速傅立叶变换(FFT)来将来自图1的加速度计6的加速度计信号(x，y，z)转换到频域中，并且可以获取其绝对值以提供实值的系数幅值。因此，频谱图计算单元34的输出可以是频域加速度计(FDA)信号幅值。用于频谱图计算单元32和34两者的FFT可以例示由相同的硬件、固件和/或软件实现，并且可以被并行地计算，或者可以被时间复用以接收时域HR信号(PPG信号)和时域加速度计输出信号。
频谱图计算单元32和34可以将数字化的时域PPG信号转换到频域中。来自PPG传感器的时域信号可以被A/D转换器4a、4b周期性地采样，诸如，举例来说，以128Hz的采样频率。采样(滑动)窗口可以被建立为聚集固定数量的采样，并且在一些例子中，8秒窗口收集第一组数据点(即，128×8＝1024个采样点)以通过频谱图计算单元32、34馈送初始FFT运算。这样，FFT可以用值8秒的数据来执行。当新的数据采样(在时间t＝9秒时，128个采样)被获取时，可以丢弃值1秒的数据(128个采样)(因此，滑动窗口)，并且可以对第二组1028个数据点获取另一个FFT。该处理可以重复，以使得可以对于1028个时域数据点的滑动窗口获取每个FFT。如以下所使用的，“数据采样”一般是指频谱图32、34或36的输出(1024个数据点)，与A/D转换器的输出完全不同。也就是说，相关的(如在后面的图3-11中所使用的)数据采样是频域中的数据采样，这些采样例如每一秒产生。数据采样被各式各样地称为频谱图采样、时间采样，或者简称为采样。
加速度计补偿单元36可以接收来自频谱图计算单元32的FDHR信号幅值以及来自频谱图计算单元34的FDA信号幅值，并且可以基于FDA信号幅值来补偿FDHR信号幅值以提供补偿后的FDHR分量幅值。本质上，加速度计补偿单元36的作用是鉴于可能存在于FDHR信号幅值中的加速度诱发的伪像来补偿FDHR信号幅值。这样的补偿趋向于减小或消除加速度诱发的伪像的影响，下面阐述这样的补偿的细节。补偿后的FDHR分量幅值可以被馈送给后处理单元38。后处理单元38可以执行几个功能中的一个或多个，诸如谐波提升和以下将说明的峰值提升。后处理单元38可以将其输出作为处理后的HR信号幅值(或者可替代地被称为处理后的PPG信号幅值)馈送给路径优化单元40。路径优化器单元40可以从处理后的HR信号幅值选择最可能的心率，并且可以将其输出提供给输出单元42。输出单元42可以包括存储器或缓冲器和相关联的I/O设备以提供适合于图1的I/O单元10的输出。时序和控制单元44根据需要将各种时序和控制信号提供给图2的其它组件。
在某些例子中，图2可以实现为软件程序，并且其中所示的各个方框可以被理解为示出根据本文中的描述的整个程序流程的流程图中的步骤。
图3示出了来自频谱图计算单元32的示例FDHR信号幅值的绘图。图3是三维(3-D)图示，其中，x、y坐标分别是时间(以秒为单位)和频率(以Hz为单位)，第三维由与每个x、y点处的傅立叶变换的幅值(绝对值)相应的点的大小表示(参见图3的放大部分)。可以看到，来自频谱图计算单元32的FDHR信号幅值的绘图包括两个分量幅值：(1)由区域HR1、HR2表示的频域心率(FDHR)分量幅值以及(2)由区域ART1、ART2、ART3表示的频域伪像(FDART)分量幅值。HR1区域表示基波频率，HR2区域是更弱的一次谐波。这些HR区域表示期望被测量的真实心率信号。一般地，也将存在更高阶次的谐波(诸如二次和三次谐波)，但是为了易于例示说明，同样地在最实用的应用中，基波和一次谐波是需要被考虑的，因为这些更高阶次的谐波的贡献和能量小于基波。ART1、ART2、ART3区域是由当设备12被进行某种锻炼或运动的用户佩戴时PPG传感器信号中固有的加速度诱发伪像造成的。这些加速度诱发伪像可以是周期性的或非周期性的。如果设备12被贴附到用户的手腕，则周期性的加速度诱发伪像可以例如由用户手臂的周期性摆动生成。当用户做出手波动运动或手势时，可以生成非周期性加速度伪像。非周期性加速度一般将不具有明确定义的谐波结构。伪像补偿可以根据本文中所描述的例子被应用于周期性加速度和非周期性加速度两者。在图3中，区域ART1、ART2、ART3可以对应于周期性的加速度影响，就这点而论，与这些区域相应的频率基本上是平直的，对应于例如用户在相关的时间间隔期间的固定频率的手臂运动。HR和ART区域中的每个均可以用上侧和下侧曲线或包络表示。对于HR1，上侧曲线和下侧曲线分别由C1和C2标识，类似的曲线(未被标记)限制HR和ART区域中的每个。
如本文中所使用的，在论述傅立叶系数时所使用的词语“幅值”是傅立叶系数的绝对值。例如，在术语FDHR信号幅值、FDA信号幅值、FDHR分量幅值、FDART分量幅值以及傅立叶系数幅值中，词语“幅值”意在对应于例如通过傅立叶系数的复共轭计算的傅立叶系数的绝对值，使得这些幅值是实数，通常用浮点值表示。
图3的时间轴例示了与用户慢跑相应的时间t1和t2之间的第一时间间隔的例子；与用户跑步相应的时间t2和t3之间的示例第二时间间隔；以及与用户走路相应的时间t3和t4之间的示例第三时间间隔。可以看到，通过简单地将y轴频率乘以60以将频率转换为每分钟心跳数，y轴上的傅立叶系数的频率与心率相关。
图3的放大部分以简化的形式示出了区域HR1内的代表性时间tr时的频谱图的傅立叶系数的幅值。可以看到，较大幅值系数(用较大的圆表示)出现在形成区域HR1的包络的上侧曲线C1和下侧曲线C2的中心附近。虽然示出傅立叶系数的相对幅值或值的放大部分在代表性时间tr时仅针对区域HR1示出，但是应理解，频谱图具有全都沿着代表性时间tr(也就是说，不仅在区域HR1内，而且还在区域HR2、ART1、ART2、ART3内，甚至在这些区域的外部)的系数幅值(值)，但是区域HR1、HR2、ART1、ART2、ART3外部的幅值比这些区域内部的幅值小得多，可以被认为是噪声信号的一部分。
在图3(以及相关的频谱图图5和6)中指出，包络曲线C1、C2内的傅立叶系数幅值包含峰值以及这些峰周围的值。理解在所示的每个主要区域之间存在附加的值较小的傅立叶系数幅值点。也就是说，在ART1和HR1之间、在HR1和ART2之间以及其它之间存在较小的傅立叶系数幅值点。这些较小的傅立叶系数幅值例如在图4的投影中被示出，通常是噪声信号的一部分或者靠近噪声信号。
为了更好地领会图3的3-D性质，图4中示出了在代表性时间tr时沿着频率(y)轴的FDHR信号幅值的示例2-D投影。因此，图4绘制了与沿着x轴的频率相对照的、y轴上的傅立叶系数的(归一化)幅值。因此，HR1的峰被看到具有大于1.8Hz的频率并且具有在代表性时间tr获取的频谱图的最高幅值。如从图3中的代表性时间tr时的HR2区域看到的大约4.2Hz处的一次谐波HR2峰的幅值也在图4中被示出。HR2处的峰的值比HR1处的峰的值小得多。图4还示出了与图3的在代表性时间tr时的区域ART1和ART2相应的ART1和ART2处的伪像分量。如图3中那样，可以看到，在图4中，频谱图的加速伪像分量很好地与真实心率分量分离。
由加速度计测量的加速伪像
图5示出了从频谱图计算单元34输出的示例加速度计FDA信号幅值的3-D绘图。这些频谱图可以由加速度计6的输出得到。在图5中，ART1是基波，ART2是一次谐波，ART3是二次谐波。在一些例子中，可以忽视二次谐波和更高阶次的谐波。图5的ART1、ART2、ART3区域对应于图3的ART1、ART2、ART3区域。在图5中，不存在心率分量，因为图5的频谱图是由仅从加速度计获取的信号得到的。图5的放大部分类似于图3的放大部分，因为它意在于示出图5的3-D方面，还有频谱图峰大致落在代表性时间tr时的区域ART1的中心部分处的事实。如图3中那样，频谱图点可以既存在于区域ART1、ART2、ART3内，又存在于区域ART1、ART2、ART3的外部。点A和B在图5中被标记，并且在下面被用于根据某些例子来说明如何执行伪像补偿。
补偿加速伪像的HR傅立叶系数幅值
图6例示了示例的补偿后的FDHR分量幅值。也就是说，图6是由加速度补偿单元36补偿之后的图3的频谱图。伪像ART1、ART2等可以容易地从图5标识，并且在被如此标识之后，对于标识的区域ART1、ART2的补偿可以应用于图3以得到图6。尽管图6没有示出任何定义的伪像区域(诸如ART1、ART2)，但是与这些区域相应的点一般为非零，并且可以接近噪声水平，就这点而论，在图6中未被明确地示出。(在这一点上，注意图3也没有明确地示出噪声区域，但是一般地，在图3和6中，将存在如图4所示的全部都沿着每个代表性时间采样tr的非零傅立叶系数幅值噪声值)。实际上，伪像的傅立叶系数幅值已经减小到这些幅值与噪声水平相当、因此在图6中未被明确示出的这样的程度。
图6的放大部分示出了三个标记点P1、P2和P3。这三个点被用在后面对如下面结合图9A-9C、10A-10C和11详细描述的奖励/惩罚算法或方法的描述中。
根据例子，伪像分量ART1、ART2的每个峰点和周围的峰点的FFT系数可以用基于该峰的任一侧的系数值的插入值取代。可以通过要求ART1、ART2等超过预定阈值来标识峰。可以通过获取伪像峰的任一侧的第一个局部极小值来选择峰的任一侧的点。对于ART1，代表性时间tr时的峰的任一侧的第一个局部极小值用图5的点A和B表示。下面更详细地说明该插值。
伪像补偿
可以参照图4、5、7和8来理解伪像补偿。图7示出了代表性时间tr时的、ART1区域的FDA信号幅值到y或频率轴上的示例投影。类似于图4的投影，图7在时间tr时将图5的区域ART1的3-D表示投影为2-D表示。参照图7，点A可以位于ART1峰的右边的第一个局部极小值处(朝向更高频率方向)，而点B可以位于ART1峰的左边的第一个局部极小值处(朝向更低频率方向)。根据某些例子，可以通过获取这两个点之间的均值或平均值来在点A和B之间进行插值，然后用该均值或平均值取代A和B之间的所有点。在其它例子中，可以通过绘制如图7中的点线所示的点A和B之间的直线并且使用沿着该线的值取代ART1峰的值来进行插值。这样的取代的结果是，ART1区域(以及所有的ART谐波区域)中的峰和周围的点被非零值取代，因此高效地补偿频域PPG信号中的加速伪像。
当然，如上所述的取代ART1的伪像峰的方法可以针对所有伪像峰(ART1、ART2、ART3等)、针对所有的在其期间数据在加速度补偿单元36中被处理的时间(例如，每一秒)执行。
在伪像补偿之后，频谱图可以采取图8所示的形式。图8类似于图4，但是现在加速度诱发伪像已经诸如通过减小幅值被补偿，以使得它们对HR基波峰和HR谐波峰的系数幅值的影响大幅减小或最小化。图8还可以依照图6的代表性时间tr时的频谱图到频率轴(y轴)上的2-D投影来理解。图8和图6的关系与图4和图3的关系相同。
将明白，补偿不想要的伪像信号ART1、ART2等以使得只有真实心率信号区域HR1、HR2等保留的其它方法对于本领域的技术人员可能是显而易见的。
在伪像区域为非周期性的情况下，将不存在谐波，并且在这种情况下，只有单个伪像峰被补偿。
图2的后处理单元38的一个功能是将一个或多个后处理过程应用于加速度补偿单元36的输出。
谐波提升(harmonic boost)
第一个后处理过程可以提供“谐波提升”，其是通过将一次谐波HRT2峰添加到基波HR1峰以及可选地通过更高阶次的谐波(如果需要)对基波HR1峰的展开。在一些例子中，图8的频谱图的高斯卷积可以在HRT2峰值被添加到HR1峰值之前获取。因此，可以通过下述方式来执行谐波提升，即，首先，将针对每个时间采样(诸如图6中的代表性时间采样tr)的图8的整个频谱图与高斯核卷积，并且对于频率f处的每个傅立叶系数幅值数据点(对于HR1的峰内的点)，将频率2f处的傅立叶系数幅值添加到该点。换句话说，可以将HR2的峰的点添加到HR1的峰的点，以使得可以通过将更高阶次的谐波的点(两倍的用于每个点的频率处的点)添加到HR1处的峰的点来“提升”这些点的新值。
图8的频谱图与高斯核的卷积用于提供频谱图的低通滤波。此外，高斯核卷积生成被卷积的点的加权平均值。因此，HR1和HR2峰中的较高值的点可以被给予较大的权重，而较低值的点可以被给予较小的权重。这可以具有增强峰点的最高值以使得峰本身被更容易地限定的效果。
峰提升
作为进一步的后处理步骤，可以进一步提升谐波区域HR1和HR2的峰值。峰提升过程可以涉及标识投影的频率2-D绘图(图8)中的每个局部极大值并且将每个峰乘以大于1的因子(例如，1.2)。这可以具有增强峰值的效果。每个区域HR1、HR2内只有最大单个值(对应于峰点)可以被乘。该提升可以通过提供HR1(最感兴趣的区域)内的峰值的进一步限定来进一步增强峰值。
在后处理单元38中，可以单个地执行谐波提升和峰提升的后处理步骤，而根本不执行另一个步骤或者可以按任何次序执行谐波提升和峰提升两者。在一些例子中，可以执行谐波提升和峰提升两者。
奖励/惩罚方法
图9A-9C、10A-10C和11例示了图2的路径优化单元40的示例操作。图9A-9C是后处理单元38的任何期望的后处理之后的、在特定时间采样处(诸如代表性时间tr时)的图6的频谱图的简化的高层次描述。图9A示出了时间t＝1时的被标记为P1、P2和P3的三个点以及时间t＝2时的被标记为P4、P5和P6的三个点。图9A的点P1、P2和P3分别对应于图6的放大部分的点P1、P2和P3。点P4、P5和P6将对应于tr+1的频谱图时间采样处的另一组三个点。因此，图9A、9B和9C直接等同于图6的简化版本，但是在图9A、9B和9C的情况下，y轴被标记以每分钟心跳数(bpm)为单位的心率值，与以Hz为单位的频率完全不同。此外，在图9A-9C中，在y轴上仅存在心率值的三个选择，即，110、112和114。再次，这样做是为了方便说明。
在图9A的例子中看到，点P1的傅立叶系数幅值为23；P2的傅立叶系数幅值为37，P3的傅立叶系数幅值为40。为了方便和例示说明，这三个幅值被归一化为100。归一化可以在每个频谱图采样时间时发生。在图9A-9C中的每个中，被示为与沿着任何时间t＝1、t＝2等的点相邻的以及这些点右边的值表示这些点处的傅立叶幅值。这些点是图6的频谱图的HR1区域的一部分的表示。这些幅值是傅立叶系数的绝对值(复共轭)，它们可以对应于与该系数相关联的概率。因此，参照图9A，点P3具有表示频谱图峰的40％的机会；点P2具有37％的机会，P1具有23％的机会。就心率而言，这意味着，时间t1时的心率为每分钟110跳(对应于与点P3相关联的y值)的概率为40％；心率为112bpm(对应于与点P2相关联的y值)的概率为37％；心率为114bpm(对应于与点P1相关联的y值)的概率为23％。因此可以看到，每个采样时间时的傅立叶系数幅值可以对应于存在于该点处的峰的相对概率，因此，最可能的路径可以至少部分地基于考虑到这些最高可能性的连续点的路径。
目的是找到每个采样时间的最有可能的、因此最佳地表示每个采样时间(例如，每秒或每个固定的时间间隔)的真实心率的点。通过确定每个时间的最可能的点(心率)的手拉手是找到在考虑之中的时间间隔内的所有时间期间最佳的路径。也就是说，目标可以是，找到例如锻炼时间段期间的心率最佳路径(例如，随着时间的过去的心率的最可能的或最佳的值)，以及能够提供指示该最佳路径的输出。这样，进行例行锻炼的用户可以能够在刚完成的或进行中的例行锻炼期间看到他/她的心率在每个时间间隔(一秒、五秒等)的诸如时间曲线图或图表的输出。指出，如下面将看到的，特定点被确定为具有给定采样时间的最高傅立叶系数幅值可能并不意味着这样的点最终是整个最可能的心率路径的一部分，并且有必要随着时间的推移保持对于早先最佳的心率路径的了解，因为最佳路径在每个采样时间动态地确定，并且还可以基于当前采样和过去的采样中的傅立叶系数确定。
在实践中，取代每个时间间隔(例如，一秒)三个点，通常可以有大约210个这样的点，这些点例如表示从大约30bpm至大约240bpm的可能的HR范围。也就是说，y轴通常可以跨越每分钟30-240跳的范围。
路径优选中所利用的算法被称为奖励/惩罚算法，并且被配置为使得，可以针对最佳路径通过的所有点对候选路径给予奖励，并且可以基于点之间的距离来评估惩罚。点之间的距离意图意指垂直距离(如图9A-9C中的y方向或心率距离)。在图9A-9C和10A-10C以及11中，当候选路径通过两个点时，可以将这两个点的傅立叶系数相加。因此，在图9A的例子中，如在图10A中P5-P2的交叉点处看到的，从路径P2行进到P5的候选路径的值将为37+39＝76。然而，在从点P2行进到P4中，(这种情况下的一个单位的垂直跳跃等于两个bpm)可以通过从相加的系数减去值“2”来施加惩罚。因此，再次如图10A所示，从P2行进到P4中的路径“长度”为37+23-2＝58。行进两个垂直跳跃(y方向上为4个bpm)中的惩罚为-4，使得从P3行进到P4中的“长度”将为40+23-4＝59。一般地，惩罚可以随着采样点之间的垂直距离增大而增大，并且可以从路径长度减去惩罚，给予它一个较低的总得分。这个惩罚增大可以被理解为心率可能不可能从一个采样时间(例如，一秒)到下一个采样时间大幅度变化。从一秒到下一秒的变化越大，这样的变化的概率越小。最佳路径选择算法可以通过施加上述惩罚来考虑这。该惩罚可以确保非平滑路径的可能性低于平滑路径。一般地，惩罚可以随着垂直距离增大而增大。通过实验确定的常数可以用作计算惩罚的2次多项式中的倍数。因此，如果该常数为1，则1、2和3的垂直跳跃(在图9A-9C中对应于每分钟2、4和6跳的跳跃)将对应于-2、-4、-9的惩罚。虽然图9A-9C的例子示出了垂直跳跃为两个bps，但是触发惩罚的垂直跳跃(阈值)可以被选为其它方式，并且可以被选为每分钟任何固定跳数，通常在2-10之间，优选地为5。因此，如果五个bps被选为惩罚阈值，则对于4bpm或更小的连续采样时间之间的心率变化(以上垂直跳跃)将没有惩罚；对于5bpm(或者5-9bpm之间)的心率变化，有惩罚(例如，-2)；对于10bpm(或者10-14之间)的两跳心率变化，惩罚为-4；对于15bpm(15-19之间)的三跳心率变化，惩罚为-9，依此类推。
图12-15中示出了示出用于计算最佳路径(在路径优化单元40中计算)的示例性算法的流程图，这些流程图将与图9A-9C、10A-10C和11结合使用。指出，根据一些例子，流程图可以表示被实现为实现路径优化单元40的功能的可编程计算设备的程序流程。该可编程计算设备还可以被编程为实现图2的其余单元30、32、34、36和38中的一个或多个的功能。
可以一开始按照图12的步骤120假定，时间t1时的最大傅立叶变换系数对应于时间t1时的最可能的心率。因此，在时间t1，心率110(对应于最高傅立叶系数幅值40)将是最可能的。然而，根据某些例子，将在附加时间时的附加系数也被考虑之后重新计算心率值。根据某些例子，可以针对每个新的采样时间段重新计算HR值，也就是说，例如，对于每秒，计算新的傅立叶系数，并且从后处理单元38输出这些新的傅立叶系数。
在时间t＝2时，可以如图12的步骤122所示那样获得第二组傅立叶系数幅值。对于每个采样点P4-P6，可以利用傅立叶系数幅值的总和减去如以上所说明的并且如图12的步骤124中所指示的惩罚(其为垂直跳跃的函数)来计算路径值(有时被称为路径“长度”)。图10A的例子中示出了这些结果。在图10A中看到，可以针对终结于点P4的所有点计算路径长度。存在从P1、P2和P3开始的三个这样的路径。路径长度P1-P4为23+23＝46。路径长度P2-P4为37+23-2(惩罚)＝58。路径长度P3-P4为40+23-4＝59。可以对于终结于点P5的所有路径执行相同的过程。P1-P5路径长度为23+39-2＝60；P2-P5路径长度为37+39＝76；P3-P5路径长度为40+39-2＝77。对于终结于点P6的最终路径，可以具有23+38-4＝57的路径长度P1-P6；37+38-2＝73的路径长度P2-P6；以及40+38＝78的路径长度P3-P6。根据图12的步骤126，可以针对每个端点选择并存储最高得分(路径长度)。因此，可以将得分78选择并记录为终结于P6的最高得分(路径长度)。它起始于P3。同样地，终结于P5的最高得分路径起始于P3，终结于P4的最高得分路径也起始于P3。在图10A中，这些最高得分被示为加圆圈。在某些例子中，在这些最高得分路径已经被确定之后，没有必要存储有损得分路径。在点P6处，可能仅有必要知道终结于P6的最佳路径起始于P3。
考虑时间t＝2，可以看到，最高评分路径是从P3到P6的路径。该路径用图9A的点线示出。指出，该路径对应于时间t＝2时的心率值110，与时间t＝1时的心率值相同。即使点P5处的傅立叶系数幅值的值(对应于心率值112)实际上大于点P6处的傅立叶系数幅值的值(对应于值110)，在时间t＝2，也可以做出这个确定。在这个例子中，因此可以看到，最佳心率不仅仅是鉴于傅立叶系数幅值的最近的频谱采样确定的，而且还鉴于先前的频谱图采样确定。
在图10A的例子中看到，最高得分59、77和78分别被示为在点P4-P6中的每个的下面。在这个例子中，不需要进一步考虑有损得分。
在图12中的步骤128，可以确定这个当前数据采样(傅立叶系数频谱图数据)是否是最后被分析的。如果存在更多数据，例如，如果用户的锻炼时间段仍然在进行中以使得更多数据进入设备12中，则程序流程返回到步骤122以得到下一个采样，这里是时间采样点t3时的采样。
图9B示出了用于时间t＝3时的紧接着的三个数据点的最佳路径算法的继续。这里，分别具有傅立叶系数幅值26、37和37的点P7-P9包含在下一采样时间中。再次，这些值被归一化到100。再次，根据图12的步骤124，可以针对终结于三个新数据点P7、P8和P9中的每个的所有路径计算路径长度。对于终结于点P7的路径，从P4-P7的路径值(路径长度)为59+26＝85。指出，这里代替值23使用值59，因为它是期望将被计算的总路径长度，并且值“23”已经在从按照图10A的始发最高值路径P3-P4确定通到点P4的路径长度时被考虑。因此，终结于P7的路径长度为P4-P7＝85；P5-P7被计算为77+26-2＝101(-2是惩罚)，并且P6-P7被计算为78+26-4＝100(-4是惩罚)。
以类似的方式，可以按照图12的步骤124计算路径长度，图10B中示出了结果，其中，终结于P8的路径为P4-P8，其被计算为59+37-2＝94；P5-P8，其被计算为77+37＝114；以及P6-P8，其被计算为78+37-2＝113。对于终结于点P9的路径，结果是P4-P9，其被计算为59+37-4＝92(-4是惩罚)；P5-P9，其被计算为77+37-2＝112(-2是惩罚)；以及P6-P9，其被计算为78+37＝115。图10B中示出了结果，其中，加圆圈的值标识时间t＝3时的最佳路径。再次，最高得分101、114和115被示为在它们各自的点P7、P8和P9的下面。
考虑时间t＝3，可以看到，最高评分路径是从P6到P9的路径。该路径用图9B的点线示出。图9B还示出了终结于点P6的最高评分或最佳路径，如图9A中那样，该路径是起始于P3的路径。因此，图9B示出了时间t＝3时的最佳路径是路径P3-P6-P9。该路径将对应于每个采样时间t＝1、2、3时的心率值110。
在图12的步骤128，可以再次确定附加频谱图采样是否将被考虑。这里，可以假定，在时间t＝4时存在一个更多的采样，该采样将如图9C所示那样被考虑。因此，程序再一次循环到步骤122以获得紧接着的数据采样。
t＝4时间采样包括傅立叶系数幅值分别为24、40和36的频谱图数据点P10、P11和P12。再次，根据步骤124，可以针对终结于三个端点P10、P11和P12的所有路径计算总路径长度或值。
对于终结于P10的路径，P7-P10的路径长度值可以被计算为101+24＝125；P8-P10的路径长度值可以被计算为114+24-2＝136(-2是惩罚)；P9-P10的路径长度值可以被计算为115+24-4＝135。对于终结于P11的路径，P7-P11的路径长度值可以被计算为101+40-2＝139(-2是惩罚)；P8-P11的路径长度值可以被计算为114+40＝154；P9-P11的路径长度值可以被计算为115+40-2＝153(-2是惩罚)。最后，对于终结于P12的路径，P7-P12的路径长度值可以被计算为101+36-4＝133(-4是惩罚)；P8-P12的路径长度值可以被计算为114+36-2＝148(-2是惩罚)；P9-P12的路径长度值可以被计算为115+36＝151。再次，终结于每个点P10、P11和P12的三个候选路径的最高值在图10C中被加圆圈，并且这些得分在图9C中被放置在它们各自的点P10、P11和P12的下面。
现在进入图12的步骤126，可以选择并存储端点P10、P11和P12中的每个的最高得分。这些点正好是图10C中的加圆圈的点。现在假定，不存在将被考虑的更多的数据采样点(频谱图)(例如，用户的锻炼计划已经完成)，使图12的步骤128中的决策为“是”，并且程序进入步骤130，在步骤130中，在最近分析的端点之中，即，在点P10、P11和P12之中，选择总最高得分。可以看到，最高得分是终结于P11的154。这个得分154指示，在时间t＝4，心率的最可能的值为112，因为该心率值是与点P11相关联的y坐标。
因此，点P11可以被确定为具有最高总路径长度得分，因此，对应于与该点相关联的最可能的心率值。程序接着进入图12中的步骤132，在步骤132，可以确定最佳路径。可以通过从时间t＝4时的最高评分点回溯到终结于该点P11的最高评分路径来确定该路径。从图10C的表可以看到，在终结于P11的点中，点P8具有最高得分，意味着路径P8-P11是馈送点P11的路径之中的最可能的路径。
现在考虑点P8作为终结点，图10B中的表可以用于确定从P5到P8的路径给予馈送到路径P8的所有路径之中的最高评分路径。因此，到目前为止的路径是P5-P8-P11。使最终时间回溯到t＝1，可以从图10A中的表确定馈送到点P5的所有点中的最高评分路径是起始于路径P3的路径。因此，如图9C中的实线所示，在时间t＝4时计算的整个路径为P3-P5-P8-P11。
不是存储给定时间时的在每个终结点终止并且在每个可能的开始点起始的所有路径得分，在一些例子中，而是可以通过仅考虑在考虑之中的时间(当前时间)时的点以及在该考虑之中的时间紧前面的点来保存最可能的路径。因此，不是存储图10A、10B和10C中的所有值，而是可以仅存储具有最高路径值的点。因此，图11示出了，对于当前点P11，前一点(具有到这个终结点的最高得分)是P8。类似地，如果当前点是P8，则前一点(具有到这个终结点的最高得分)是P5。从P5起，前一点是P3。总路径于是是P3-P5-P8-P11。事实上，图11是图10A、10B和10C的提炼合成，其仅示出在确定最佳路径时可能相关的数据。因此，根据本公开的例子，一般没有必要记录“有损”得分；也就是说，对于终结于点P5的路径，没有必要记录路径P1-P5和P2-P5。只有与每个采样时间点(t＝1、2、3、4)时的最高评分路径相关联的点需要被保留。因此，对于终结点P5，仅有必要知道馈送该点的最佳路径(在紧前面的时间采样处)来自P3。作为另一个例子，对于终结点P11，仅有必要知道馈送该点的最佳路径(在紧前面的时间采样处)来自P8。以这种方式，图11示出了确定馈送任何给定的当前点的最佳的前一点，并且在使用图11中，可以回溯以确定整个最佳的或最可能的路径。
一旦最佳路径点已经使用图11被标识，就检索与这些点中的每个相关联的心率值以供在图12的步骤134中进一步存储和/或输出。从从图11获取的最高评分点的数据以及输入到路径优化单元40的原始频谱图数据，可以确定与点P11、P8和P5(这些点的y坐标值)相应的心率为112，并且与点P3相关联的心率为110。因此，在时间t＝1至t＝4，心率历史被表示为110、112、112、112。在步骤132中，程序可以存储该心率历史和/或将该历史输出到输出设备，诸如I/O单元10和/或远程输出单元18和触摸屏20中的一个或多个。(参见图1)。代替心率历史或者除了心率历史之外，只有最终的心率值可以被输出，以使得设备的用户可以在锻炼计划结束时知道心率。该心率数据也可以被存储以供设备的用户以后检索和研究。
与图9C和9B相比，可以看到，作为在时间t＝4时引入新的采样数据(频谱图)的结果，与t＝3相比，最佳路径动态地改变。最佳路径从P3-P6-P9(在t＝3时)变为P3-P5-P8-P11(在t＝4时)。这个例子示出了为什么保持馈送到每个终结点中的最高评分点的标识起作用可能是重要的(图11)。按照图11保持这个回溯数据可以使得能够动态地确定以后被发现是最佳路径的路径，这些路径取代先前被确定为最佳的候选路径。
图13是类似于图12的流程图的示例流程图，但是示出了假定将在每个采样时间显示心率的程序流程。在图13中，步骤140、142、144、146、150、152和154分别与图12的步骤120、122、124、126、128、130、132和134相同。因此，在图13中，在步骤140，可以在时间t1时确定最高傅立叶系数幅值，这将对应于确定图9A的P3具有最高傅立叶系数幅值。在步骤142中，获取与检查图9A中的时间t-2时的点P4-P6相应的下一个采样。在步骤142中，可以针对终结于当前采样的每个端点的所有点计算总路径长度，这对应于确定如图10A中所示的并且说明的路径长度(得分)。在步骤150中，可以确定与图10A所示的加圆圈的端点相应的计算的得分中的最高得分。在步骤152中，可以执行到连续点的回溯以找到最佳路径。对于图9A，回溯可以是简单的，并且总计仅返回一步来标识最佳路径P3-P6。对于时间t＝4，按照图9C和11的回溯将诸如到标识路径P3-P5-P8-P11。在步骤154中，将针对最佳路径中的每个点检索心率值，并且可以存储和/或输出这些心率值。在步骤156，可以确定是否存在来自后处理单元38(图1)的任何另外的采样，如果是，程序再次进入步骤142，在步骤142，可以执行步骤144-154的另一次迭代。如果在步骤156中，确定最后一个采样已经被处理，则程序进入结束步骤158。因此，在图13中，可以将每个时间采样处的心率值显示或输出给用户，并且另外，最佳路径数据也是可供使用的，并且也可以显示或输出给用户。
图14是类似于图13的流程图，但是省略了在图13中找到的步骤152。因此，图14的步骤160、162、164、166、168、170、172和174分别与图13的步骤140、142、144、146、150、154、156和158相同。图14的程序对于在每个时间采样处将心率数据显示给用户可能是有用的，但是不提供关于最佳路径的输出数据。因此，虽然可以使用奖励/惩罚算法来计算傅立叶系数幅值的最高得分，但是该算法现在仅可以用于将每个采样时间时的计算的心率的指示显示或者以其它方式输出给用户。
应注意，设备12可以是用户可配置的，以使得用户可以选择与图12-14的流程图相应的几种程序操作模式之一。
图15更详细地示出了示例奖励/惩罚算法，并且可以被理解为从图12的步骤124、图13的步骤144以及图14的步骤164调用的子例程。在图15中，步骤180可以计算考虑初始的两个数据采样(初始的两个频谱图)的路径。因此，可以将i设置为1，并且可以计算在时间i＝2时到达端点的所有路径。作为例子，参照图9A和10A，可以通过将与P1相关联的傅立叶系数幅值(23)和与P4相关联的傅立叶系数幅值(23)一起相加来奖励终结于点P4并且起始于点P1的路径长度。这里，可以不应用惩罚，因为P1-P4路径不跨越垂直距离，例如，从110的HR到另一个HR不存在跳跃。可以用点P2的傅立叶系数幅值(37)和P4的傅立叶系数幅值(23)的总和的奖励来计算从P2到P4的路径，但是现在可以施加惩罚-2，该惩罚表示一个垂直跳跃(从心率114到心率112)。最后，可以通过将点P3的傅立叶系数幅值(40)与P4的傅立叶系数幅值(23)相加来计算从P3到P4的路径长度，但是现在应用惩罚-4。跳跃惩罚现在相对于在从点P2行进到P4中所应用的惩罚而言增大，因为从P3到P4的(垂直)跳跃现在是两步，其中，第一跳是从心率110到112，第二跳是从心率112到114。图10A中对结果进行了制表。
接着，在步骤182，可以基于步骤180的计算来选择表示最高得分的最大路径长度。参照图9A和10A，这些选定的最高得分是图10A中的加圆圈的得分，即，59、77和78被示为在图9A的它们各自的点P4、P5和P6的下面。
在步骤184中，可以获取下一个数据采样，并且可以将索引i加1。
在步骤186中，可以使用奖励/惩罚算法来通过下述方式对时间t(i+1)时的每个点确定最高得分傅立叶系数幅值，即，将时间t(i+1)时每个端点的傅立叶系数幅值和时间t(i)时的每个点的最高路径得分相加，并且对需要等于或高于预设值的心率跳跃的点应用惩罚，其中，惩罚随着跳跃的大小而增大。在一些例子中，对于一个垂直距离的跳跃，惩罚可以被选为-2，对于两个垂直距离，-4，对于三个垂直距离，-9。指出，在步骤180和186中的计算之间存在差值。在步骤180中，因为不存在已经确定的任何最高的先前的路径得分，所以可以简单地对限定远点和终点的两个点的傅立叶系数幅值进行求和。在步骤186中，已经存在在时间t(i)时计算的最高路径得分(对应于图10A、10B和10C中的加圆圈的值)，因此可以将时间t(i)时的这些先前确定的最高得分与时间t(i+1)时的端点处的傅立叶系数幅值相加。
作为特定例子，并且参照图9B和10B，可以将步骤186的奖励/惩罚算法应用于在时间t＝3时终结并且在时间t＝2时起始的时间采样的点。
以端点P7作为代表性例子，馈送P7的三个起始点的路径长度为：
P4-P7，其被计算为以前的终结于P4的最高得分(59)和点P7处的傅立叶系数幅值(26)的总和(奖励)，总共为85；
P5-P7，其被计算为以前的终结于P5的最高得分(77)和点P处的傅立叶系数幅值(26)的总和(奖励)减去表示一个垂直跳跃的惩罚2，总共为101；以及
P6-P7，其被计算为以前的终结于P6的最高得分(78)和点P处的傅立叶系数幅值(26)的总和(奖励)减去表示两个垂直跳跃的惩罚4，总共为100。
在步骤188中，可以确定当前数据采样是否是最后一个或者是否将考虑附加采样。如果存在附加采样，则程序返回到步骤184，在步骤184，获得新采样，并且将索引i加1。
如果在步骤188中对最后一个采样进行了处理，则程序返回到与图12的步骤124、图13的步骤144以及图14的步骤164之一相应的调用程序。
系统架构
现在关注在任何便携式或非便携式设备内可以实施的系统架构的例子，所述便携式或非便携式设备包括但不限于可佩戴设备(智能带、健康带、智能手表)；通信设备(例如，移动电话、智能电话)、多媒体设备(例如，MP3播放器、TV、无线电)、便携式或手持计算机(例如，平板、上网本、膝上型计算机)、台式计算机、一体化台式机、外围设备、或可适于包括系统架构2000的任何其它的系统或设备，包括这些类型的设备中的两个或更多个的组合。图16是系统2000的一个例子的框图，系统2000一般包括一个或多个计算机可读介质2001、处理系统2004、I/O子系统2006、射频(RF)电路系统2008、音频电路系统2010以及传感器电路系统2011。这些组件可以由一个或多个通信总线或信号线2003耦合。
应明白，图16中所示的架构仅仅是系统架构2000的一个示例架构，并且系统架构2000可以具有比所示的组件多或少的组件，或不同的组件配置。图16中所示的各种组件可以用硬件、软件、固件或它们的任何组合实现，包括一个或多个信号处理和/或专用集成电路。
RF电路系统2008可以用于通过无线链路或网络与一个或多个其它设备发送和接收信息，并且包括公知的用于执行该功能的电路系统。RF电路系统2008和音频电路系统2010可以经由外围接口2016耦合到处理系统2004。接口2016可以包括各种已知的用于建立和维持外设和处理系统2004之间的通信的组件。音频电路系统2010可以耦合到音频扬声器2050和麦克风2052，并且可以包括已知的用于处理从接口2016接收的语音信号以使得用户能够实时地与其他用户进行通信的电路系统。在一些例子中，音频电路系统2010可以包括手机插口(未示出)。传感器电路系统2011可以耦合到各种传感器，包括但不限于一个或多个发光二极管(LED)或其它发光器、一个或多个光电二极管或其它光传感器、一个或多个光热传感器、磁力计、加速度计、陀螺仪、气压计、指南针、接近传感器、照相机、周围光传感器、温度计、GPS传感器以及可以感测剩余电池寿命、功耗、处理器速度、CPU负荷等的各种系统传感器。
外围接口2016可以经由控制器2020将系统2000的输入外设和输出外设耦合到一个或多个处理器2018以及一个或多个计算机可读介质2001。所述一个或多个处理器2018经由控制器2020与所述一个或多个计算机可读介质2001进行通信。所述一个或多个计算机可读介质2001可以是可以存储供所述一个或多个处理器2018使用的代码和/或数据的任何设备或介质。在一些例子中，介质2001可以是非暂时性计算机可读存储介质。介质2001可以包括存储器分层结构，包括但不限于高速缓存、主存储器和辅助存储器。作为非限制例子，存储器分层结构可以使用RAM(例如，SRAM、DRAM、DDRAM)、ROM、FLASH、磁性和/或光学存储设备(诸如硬盘驱动器、磁带、CD(压缩盘)和DVD(数字视频盘))来实现。介质2001还可以包括用于传载指示计算机指令或数据的信息承载信号的传输介质(有或没有这些信号在其上被调制的载波)。例如，传输介质可以包括通信网络，包括但不限于互联网(其也被称为万维网)、内联网、局域网(LAN)、广局域网(WLAN)、存储区域网(SAN)、城域网(MAN)等。
一个或多个处理器2018可以运行存储在介质2001中的对系统架构2000执行各种功能的各种软件组件。在一些例子中，软件组件可以包括操作系统2022、通信模块(或指令集)2024、触摸处理模块(或指令集)2026、图形模块(或指令集)2028、以及一个或多个应用程序(或指令集)2023。这些模块和以上提及的应用程序中的每个可以对应于用于执行上述一个或多个功能以及本申请中描述的方法(例如，本文中所描述的计算机实现方法和其它信息处理方法)的指令集。这些模块(即，指令集)无需实现为单独的软件程序、过程或模块，因此，在各种例子中，这些模块的各种子集可以被组合或以其它方式重新布置。在一些例子中，介质2001可以存储以上标识的模块和数据结构的子集。此外，介质2001可以存储以上没有描述的附加的模块和数据结构。
操作系统2022可以包括用于控制并管理一般系统任务(例如，存储器管理、存储设备控制、功率管理等)的各种过程、指令集、软件组件和/或驱动器，并且促使各个硬件和软件组件之间的通信。
通信模块2024可以促使通过一个或多个外部端口2036或者经由RF电路系统2008与其它设备的通信，并且可以包括用于处理从RF电路系统2008和/或外部端口2036接收的数据的各种软件组件。
图形模块2028可以包括各种已知的用于在显示表面上渲染、动画化和显示图形对象的软件组件。在触摸I/O设备2012是触摸感测显示器(例如，触摸屏)的例子中，图形模块2028可以包括用于在触摸感测显示器上渲染、显示和动画化对象的组件。触摸I/O设备2012和/或其它I/O设备2014可以包括图1的I/O单元10或图2的输出单元42，并且在当I/O设备合并到图1的设备12中时，还可以合并允许用户在显示心率数据的可编程模式之中选择的UI界面。此外，与图1相关地，发光器和光传感器4可以是I/O设备2014的一部分，并且触摸屏20可以对应于图16的触摸I/O设备2012。集成在设备12内的或者通过耦合到麦克风/扬声器22的I/O单元10还可以将音频输出提供作为与图16的音频电路系统2010相应的用户通信信息的一部分。图16的麦克风2052对应于图1的麦克风/扬声器单元22。
一个或多个应用程序2023可以包括安装在系统2000上的任何应用程序，包括但不限于，浏览器、地址簿、联系人列表、电子邮件、即时通讯、字处理、键盘仿真、小窗口、启用JAVA的用程序、加密、数字版权管理、语音识别、语音复制、位置确定能力(诸如由全球定位系统(GPS)提供的位置确定能力)、音乐播放器等。
触摸处理模块2026可以包括用于执行与触摸I/O设备2012相关联的各种任务的各种软件组件，所述任务包括但不限于从触摸I/O设备2012接收触摸输入并且经由触摸I/O设备控制器2032对从触摸I/O设备2012接收的触摸输入进行处理。
I/O子系统2006可以耦合到触摸I/O设备2012以及用于控制或执行各种功能的一个或多个其它的I/O设备2014。触摸I/O设备2012可以经由触摸I/O设备控制器2032与处理系统2004进行通信，触摸I/O设备控制器2032可以包括用于对用户触摸输入进行处理的各种组件(例如，扫描硬件)。一个或多个其它的输入控制器2034可以从其它I/O设备2014接收电信号/将电信号发送到其它I/O设备2014。其它I/O设备2014可以包括物理按钮、转盘、滑动开关、操纵杆、键盘、触控板、附加的显示屏幕或它们的任何组合。
如果实施为触摸屏，触摸I/O设备2012可以在GUI中将视觉输出显示给用户。视觉输出可以包括文本、图形、视频和它们的任何组合。视觉输出中的一些或全部可以对应于用户界面对象。触摸I/O设备2012可以形成从用户接收触摸输入的触摸感测表面。触摸I/O设备2012和触摸屏控制器2032(连同任何相关联的模块和/或介质2001中的指令集)可以检测并跟踪触摸I/O设备2012上的触摸或邻近的触摸(以及触摸的任何移动或释放)，并且可以将检测到的触摸输入转换为与图形对象(诸如一个或多个用户界面对象)的交互。在设备2012被实施为触摸屏的情况下，用户可以直接与显示在触摸屏上的图形对象进行交互。可替代地，在设备2012被实施为除了触摸屏之外的触摸设备(例如，触控板)的情况下，用户可以间接地与显示在被实施为I/O设备2014的单独的显示屏幕上的图形对象进行交互。
触摸I/O设备2012可以类似于以下美国专利中所描述的多触摸感测表面：6,323,846(Westerman等人)、6,570,557(Westerman等人)和/或6,677,932(Westerman)和/或美国专利公开2002/0015024A1。
在触摸I/O设备2012是触摸屏的例子中，触摸屏可以使用LCD(液晶显示)技术、LPD(发光聚合物显示)技术、OLED(有机LED)或OEL(有机电致发光)，但是在其它例子中可以使用其它显示技术。
反馈可以由触摸I/O设备2012基于用户的触摸输入以及什么正被显示的和/或计算系统的一种状态或多种状态来提供。反馈可以以下述方式发送：光学地(例如，光信号或显示的图像)、机械地(例如，触觉反馈、触摸反馈、力反馈等)、电地(例如，电激励)、嗅觉地、声学地(例如，哔哔声等)等、或它们的任何组合，以及以可变的或不可变的方式。
系统架构2000还可以包括用于给各种硬件组件供电的功率系统2044，并且可以包括功率管理系统、一个或多个电源、再充电系统、功率故障检测电路、功率转换器或反相器、功率状态指示器以及通常与便携式设备中的功率的产生、管理和配送相关联的任何其它组件。
在一些例子中，处理系统2004的外围接口2016、一个或多个处理器2018以及存储器控制器2020可以在单个芯片上实现。在一些其它的例子中，它们可以在单独的芯片上实现。
本公开的例子可以有利于允许电子设备从PPG信号获得呼吸频率信号，在不直接监视呼吸的情况下更精确地读取呼吸频率。
本公开的例子可以被表征为一种用于确定用户的心率(HR)的设备。该设备可以包括：(HR)传感器，其被配置为提供HR信号；加速度计，其耦合到用户的身体；以及处理电路系统，其能够：从由加速度计测量的HR信号上的加速度提供伪像已经被补偿的HR值；HR值针对时间间隔期间的多个时间中的每个提供；并且选择整个所述时间间隔上的最佳HR值的路径，选定路径实现基于候选路径的连续点之间的最可能的路径的概率的总和对候选路径的奖励，并且实现基于沿着候选路径的连续点的HR值之间的差值的惩罚。
所述设备的处理电路系统可以进一步将HR值变换为频域HR信号(FDHR信号)，并且至少将与HR信号相应的FDHR信号的傅立叶分量幅值的基波和一次谐波一起相加以提供谐波提升。傅立叶分量幅值是FDHR信号的傅立叶系数的绝对值。滤波器可以用于提供FDHR信号的傅立叶分量幅值的低通滤波，并且可以利用高斯卷积来执行低通滤波。此外，处理电路系统可以能够将峰提升提供给FDHR信号的傅立叶分量幅值，并且峰提升可以诸如是将傅立叶分量幅值的每个局部极大值乘以大于1的数。
傅立叶分量幅值是FDHR信号的傅立叶系数的绝对值。
处理电路系统提供HR值，并且能够将HR信号变换为频域HR信号(FDHR信号)，将来自加速度计的信号变换到频域中以提供频域伪像信号(FDART信号)。基于FDHR信号的傅立叶变换系数的复共轭以及FDART信号的傅立叶变换系数的复共轭来计算HR值。模数转换器可以被配置为将HR信号和来自加速度计的信号转换为数字信号，或者该转换可以在处理电路系统内执行。
处理电路系统标识FDART的傅立叶系数幅值中的峰值，用基于标识的峰值的相对侧的值的插入值取代标识的峰值，并且利用插入值来补偿来自加速度的伪像。
本公开的例子可以被表征为一种用于确定用户的心率HR的设备。该设备包括：HR传感器，其被配置为提供时域HR信号，时域HR信号具有指示用户的HR的时域HR信号以及指示用户加速移动的时域伪像分量。该设备还包括提供时域加速度计输出信号的加速度计和处理电路系统。处理电路系统能够将时域HR信号转换为频域HR(FDHR)信号幅值，并且将时域加速度计输出信号转换为频域加速度计(FDA)信号幅值，FDHR信号幅值具有与用户的心率相应的频域HR(FDHR)分量幅值以及与FDA信号相应的频域伪像(FDART)分量幅值。处理电路系统进一步能够补偿FDHR信号幅值中的FDART分量幅值以为时间间隔期间的多个时间中的每个提供补偿后的FDHR分量幅值；并且基于针对所述多个时间中的每个的补偿后的FDHR分量幅值来选择整个所述时间间隔上的最佳HR值的路径，路径选择实现基于候选路径通过的所有点的补偿后的FDHR分量幅值的总和对候选路径的奖励、以及基于沿着候选路径的连续的补偿后的FDHR分量幅值之间的距离的总和的惩罚，该距离用与连续的路径点相关联的HR值之间的差值测量。
处理电路系统进一步能够通过至少将补偿后的FDHR分量幅值的基波和一次谐波一起相加来将谐波提升提供给补偿后的FDHR分量幅值。处理电路系统进一步能够提供补偿后的FDHR分量幅值的低通滤波。可通过利用高斯卷积来提供低通滤波。处理电路系统进一步能够将峰提升提供给补偿后的FDHR分量幅值的每个峰。峰提升可以例如将补偿后的FDHR分量幅值的每个局部极大值乘以大于1的数。
所述设备可以使用模数转换器来数字化时域HR信号和时域加速度计输出信号，并且随后可以利用傅立叶变换来将数字化的时域HR信号转换为FDHR信号幅值，并且将数字化的时域加速度计输出信号转换为FDA信号幅值。
所述设备的处理电路系统能够补偿FDART分量幅值以通过下述方式来为所述时间间隔期间的多个时间中的每个提供FDHR分量幅值，即，标识FDART分量幅值中的超过第一阈值的峰值，用基于标识的峰值的相对侧的值的插入值取代标识的峰值，并且利用插入值来补偿来自加速度的伪像。
本公开的例子可以被看到包含一种通过下述方式来确定用户的HR的方法，即，从被配置为定位在用户的皮肤上的或者紧邻用户的皮肤的心率(HR)传感器提供HR信号；从耦合到用户身体的加速度计提供加速度计输出信号；基于补偿HR信号中的伪像来提供HR值，所述伪像从加速度计输出信号确定，所述HR值针对时间间隔期间的多个时间中的每个提供；并且选择整个所述时间间隔上的最佳HR值的路径，选定路径实现基于候选路径的连续点之间的最可能的路径的概率的总和对候选路径的奖励、以及基于沿着候选路径的连续点的HR值之间的差值的惩罚。
本公开还可以被看到包含一种非暂时性计算机可读介质，该计算机可读介质包含当被执行时执行用于操作电子设备的方法的指令，所述电子设备包括处理器、所述非暂时性计算机可读介质、至少一个发光器、至少一个光接收器和加速度计。该方法可以包括：从所述至少一个发光器发射光；所述至少一个光接收器接收光；接收基于所述至少一个光接收器接收的光的心率(HR)信号；从加速度计接收加速度计输出信号；基于补偿HR信号中的伪像来提供HR值，所述伪像从加速度计输出信号确定，所述HR值针对时间间隔期间的多个时间中的每个提供；并且选择整个所述时间间隔上的最佳HR值的路径，选定路径实现基于候选路径的连续点之间的最可能的路径的概率的总和对候选路径的奖励、以及基于沿着所述候选路径的连续点的HR值之间的差值的惩罚。
尽管已经参照附图充分地描述了所公开的例子，但是要指出，各种改变和修改将变得对于本领域技术人员是显而易见的。这样的改变和修改要被理解为包括在如由所附权利要求限定的所公开的例子的范围内。

Claims (47)

1.一种用于确定用户的心率HR的设备，包括：
包括光电体积描记图PPG传感器的HR传感器，所述HR传感器被配置为提供HR信号；
加速度计，所述加速度计耦合到所述用户；和
处理电路系统，所述处理电路系统能够：
从由所述加速度计测量的所述HR信号上的加速度提供伪像已经被补偿的HR值；所述HR值针对一段时间间隔期间的多个时间中的每个提供；和
选择整个所述时间间隔上的最佳HR值的路径，选定路径实现基于候选路径的连续点之间的最可能的路径的概率的总和对候选路径的奖励，并且实现基于沿着所述候选路径的连续点的HR值之间的差值的惩罚。
2.根据权利要求1所述的设备，其中，提供HR值包括：将所述HR信号变换为频域心率FDHR信号，并且至少将与所述HR信号相应的FDHR信号的傅立叶分量幅值的基波和一次谐波相加以提供谐波提升。
3.根据权利要求2所述的设备，其中，所述傅立叶分量幅值是所述FDHR信号的傅立叶系数的绝对值。
4.根据权利要求1所述的设备，其中，提供HR值包括：将所述HR信号变换为频域心率FDHR信号，并且对所述FDHR信号的傅立叶分量幅值进行低通滤波。
5.根据权利要求4所述的设备，其中，通过利用高斯卷积来提供所述低通滤波。
6.根据权利要求1所述的设备，其中，提供HR值包括：将所述HR信号变换为频域心率FDHR信号，并且将峰提升提供给所述FDHR信号的傅立叶分量幅值。
7.根据权利要求6所述的设备，其中，所述峰提升将所述傅立叶分量幅值的每个局部极大值乘以大于1的数。
8.根据权利要求7所述的设备，其中，所述傅立叶分量幅值是所述FDHR信号的傅立叶系数的绝对值。
9.根据权利要求1所述的设备，其中，提供HR值包括：将所述HR信号变换为频域心率FDHR信号，并且将来自所述加速度计的信号变换到频域中以提供频域伪像FDART信号，并且其中，基于所述FDHR信号的傅立叶变换系数的复共轭以及所述FDART信号的傅立叶变换系数的复共轭来计算所述HR值。
10.根据权利要求1所述的设备，还包括被配置用于将所述HR信号和来自所述加速度计的信号转换为数字信号的模数转换器。
11.根据权利要求10所述的设备，其中，提供HR值包括在应用所述模数转换之后将傅立叶变换应用于所述HR信号和来自所述加速度计的信号以获得傅立叶系数。
12.根据权利要求11所述的设备，其中，提供HR值包括在应用所述傅立叶变换和模数转换之后获取所述傅立叶系数的绝对值以获得傅立叶系数幅值。
13.根据权利要求12所述的设备，其中，提供HR值包括：标识所述傅立叶系数幅值中的峰值，用基于所标识的峰值的相对侧的值的插入值取代所标识的峰值，并且利用所述插入值来补偿来自加速度的伪像。
14.根据权利要求1所述的设备，
其中，提供HR值包括：将所述HR信号变换为频域心率FDHR信号，并且将来自所述加速度计的信号变换到频域中以提供频域伪像FDART信号；
其中，基于提供HR傅立叶系数幅值的所述FDHR信号的傅立叶变换系数的复共轭以及提供加速度傅立叶系数幅值的所述FDART信号的傅立叶变换系数的复共轭来计算所述HR值，并且
其中提供HR值包括：标识所述HR傅立叶系数幅值中的与加速度傅立叶系数幅值相应的峰值，并且用基于所标识的峰值的相对侧的值的插入值取代所标识的峰值。
15.根据权利要求14所述的设备，其中，所述处理电路系统还能够至少将与所述HR信号相应的FDHR信号的傅立叶分量幅值的基波和一次谐波相加以提供谐波提升，并且还通过将所述傅立叶分量幅值的局部极大值乘以大于1的数来将峰提升提供给所述FDHR信号的傅立叶分量幅值。
16.根据权利要求1所述的设备，其中，提供HR值包括：将所述HR信号变换为频域心率FDHR信号，并且至少将与所述HR信号相应的FDHR信号的傅立叶分量幅值的基波和一次谐波相加以提供谐波提升，并且还通过将所述傅立叶分量幅值的局部极大值乘以大于1的数来将峰提升提供给所述FDHR信号的傅立叶分量幅值。
17.一种用于确定用户的心率HR的设备，包括：
包括光电体积描记图PPG传感器的HR传感器，所述HR传感器被配置为提供时域HR信号，所述时域HR信号具有指示所述用户的HR的时域HR分量以及指示所述用户的加速移动的时域伪像分量；
加速度计，所述加速度计提供时域加速度计输出信号；
处理电路系统，所述处理电路系统能够：
将所述时域HR信号转换为频域心率FDHR信号幅值，并且将所述时域加速度计输出信号转换为频域加速度计FDA信号幅值，所述FDHR信号幅值具有与所述用户的心率相应的频域心率FDHR分量幅值以及与所述FDA信号相应的频域伪像FDART分量幅值；
补偿所述FDHR信号幅值中的所述FDART分量幅值以为一段时间间隔期间的多个时间中的每个提供补偿后的FDHR分量幅值；和
基于针对所述多个时间中的每个的补偿后的FDHR分量幅值来选择整个所述时间间隔上的最佳HR值的路径，所述路径选择通过以下操作而执行：实现基于候选路径通过的所有点的补偿后的FDHR分量幅值的总和对所述候选路径的奖励、以及基于沿着所述候选路径的连续的补偿后的FDHR分量幅值之间的距离的总和的惩罚，所述距离用与连续的路径点相关联的HR值之间的差值测量。
18.根据权利要求17所述的设备，其中，所述处理电路系统还能够通过至少将所述补偿后的FDHR分量幅值的基波和一次谐波相加来将谐波提升提供给所述补偿后的FDHR分量幅值。
19.根据权利要求18所述的设备，其中，所述处理电路系统还能够提供对所述补偿后的FDHR分量幅值的低通滤波。
20.根据权利要求19所述的设备，其中，通过利用高斯卷积来提供所述低通滤波。
21.根据权利要求17所述的设备，其中，所述处理电路系统对所述补偿后的FDHR分量幅值提供高斯卷积，并且还至少将所述补偿后的FDHR分量幅值的基波的一部分和一次谐波相加。
22.根据权利要求17所述的设备，其中，所述处理电路系统还能够将峰提升提供给所述补偿后的FDHR分量幅值的每个峰。
23.根据权利要求22所述的设备，其中，所述峰提升将所述补偿后的FDHR分量幅值的每个局部极大值乘以大于1的数。
24.根据权利要求17所述的设备，其中，所述处理电路系统还能够提供对所述补偿后的FDHR分量幅值的低通滤波。
25.根据权利要求24所述的设备，其中，通过利用高斯卷积来提供所述低通滤波。
26.根据权利要求24所述的设备，其中，所述处理电路系统还能够将峰提升提供给所述补偿后的FDHR分量幅值的每个峰。
27.根据权利要求26所述的设备，其中，所述峰提升将所述补偿后的FDHR分量幅值的每个局部极大值乘以大于1的数。
28.根据权利要求17所述的设备，其中，基于所述时域HR信号的傅立叶变换的复共轭来计算所述FDHR信号幅值。
29.根据权利要求17所述的设备，其中，将时域HR信号转换为FDHR信号幅值包括将模数转换应用于所述时域HR信号。
30.根据权利要求29所述的设备，其中，将时域HR信号转换为FDHR信号幅值并且将时域加速度计输出信号转换为FDA信号幅值还包括在应用模数转换之后将傅立叶变换应用于所述时域HR信号和所述时域加速度计输出信号。
31.根据权利要求30所述的设备，其中，通过在应用傅立叶变换和模数转换之后获取傅立叶系数的绝对幅值来计算所述FDHR信号幅值和所述FDA信号幅值。
32.根据权利要求31所述的设备，其中，补偿FDART分量幅值以为所述时间间隔期间的多个时间中的每个提供FDHR分量幅值包括：标识所述FDART分量幅值中的超过第一阈值的峰值，用基于所标识的峰值的相对侧的值的插入值取代所标识的峰值，并且利用所述插入值来补偿来自加速度的伪像。
33.根据权利要求17所述的设备，其中，补偿FDART分量幅值以为所述时间间隔期间的多个时间中的每个提供FDHR分量幅值包括：标识所述FDART分量幅值中的超过第一阈值的峰值，用基于所标识的峰值的相对侧的值的插入值取代所标识的峰值，并且利用所述插入值来补偿来自加速度的伪像。
34.一种确定用户的心率HR的方法，包括：
从被配置为定位在所述用户的皮肤上的或者紧邻所述用户的皮肤的包括光电体积描记图PPG传感器的HR传感器提供HR信号；
从耦合到所述用户的身体的加速度计提供加速度计输出信号；
基于补偿所述HR信号中的伪像来提供HR值，所述伪像从所述加速度计输出信号确定，所述HR值针对一段时间间隔期间的多个时间中的每个提供；和
选择整个所述时间间隔上的最佳HR值的路径，选定路径实现基于候选路径的连续点之间的最可能的路径的概率的总和对所述候选路径的奖励、以及基于沿着所述候选路径的连续点的HR值之间的差值的惩罚。
35.根据权利要求34所述的方法，其中，提供HR值包括至少将与所述HR信号相应的傅立叶分量幅值的基波和一次谐波相加。
36.根据权利要求35所述的方法，其中，提供HR值包括对所述傅立叶分量幅值的低通滤波。
37.根据权利要求36所述的方法，其中，通过利用高斯卷积来提供所述低通滤波。
38.根据权利要求35所述的方法，其中，提供HR值包括将峰提升提供给所述傅立叶分量幅值的每个峰。
39.根据权利要求38所述的方法，其中，提供峰提升包括将所述傅立叶分量幅值的每个局部极大值乘以大于1的数。
40.根据权利要求34所述的方法，其中，提供HR值包括提供对与所述HR信号相关联的傅立叶分量幅值的低通滤波。
41.根据权利要求40所述的方法，其中，通过利用高斯卷积来提供所述低通滤波。
42.根据权利要求34所述的方法，其中，基于所述HR信号和来自所述加速度计的信号的傅立叶变换的复共轭来计算所述HR值。
43.根据权利要求34所述的方法，其中，提供HR值包括将模数转换应用于所述HR信号和来自所述加速度计的信号。
44.根据权利要求43所述的方法，其中，提供HR值包括在应用模数转换之后将傅立叶变换应用于所述HR信号和加速度计输出信号。
45.根据权利要求43所述的方法，其中，提供HR值包括：标识来自所述加速度计的伪像中的超过第一阈值的峰值，并且用基于所标识的峰值的相对侧的值的插入值取代所标识的峰值。
46.根据权利要求34所述的方法，其中，提供HR值包括：标识来自所述加速度计的伪像中的超过第一阈值的峰值，并且用基于所标识的峰值的相对侧的值的插入值取代所标识的峰值。
47.一种非暂时性计算机可读介质，所述计算机可读介质包含当被执行时执行用于操作电子设备的方法的指令，所述电子设备包括处理器、所述非暂时性计算机可读介质、加速度计、以及包括至少一个发光器的光电体积描记图PPG传感器、以及至少一个光接收器，所述方法包括：
从所述至少一个发光器发射光；
由所述至少一个光接收器接收光；
接收基于所述至少一个光接收器接收的光的心率HR信号；
从所述加速度计接收加速度计输出信号；
基于补偿所述HR信号中的伪像来提供HR值，所述伪像从所述加速度计输出信号确定，所述HR值针对一段时间间隔期间的多个时间中的每个提供；和
选择整个所述时间间隔上的最佳HR值的路径，选定路径实现基于候选路径的连续点之间的最可能的路径的概率的总和对候选路径的奖励、以及基于沿着所述候选路径的连续点的HR值之间的差值的惩罚。
CN201510518198.7A 2014-08-22 2015-08-21 心率路径优化器 Active CN105380630B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811134579.5A CN109106359B (zh) 2014-08-22 2015-08-21 心率路径优化器

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/466,890 2014-08-22
US14/466,890 US9867575B2 (en) 2014-08-22 2014-08-22 Heart rate path optimizer

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN201811134579.5A Division CN109106359B (zh) 2014-08-22 2015-08-21 心率路径优化器

Publications (2)

Publication Number Publication Date
CN105380630A CN105380630A (zh) 2016-03-09
CN105380630B true CN105380630B (zh) 2018-10-12

Family

ID=53773368

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201510518198.7A Active CN105380630B (zh) 2014-08-22 2015-08-21 心率路径优化器
CN201811134579.5A Active CN109106359B (zh) 2014-08-22 2015-08-21 心率路径优化器

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201811134579.5A Active CN109106359B (zh) 2014-08-22 2015-08-21 心率路径优化器

Country Status (4)

Country Link
US (2) US9867575B2 (zh)
EP (1) EP2987453A1 (zh)
CN (2) CN105380630B (zh)
AU (2) AU2015215845B2 (zh)

Families Citing this family (34)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5756752B2 (ja) 2008-07-03 2015-07-29 セルカコール・ラボラトリーズ・インコーポレイテッドＣｅｒｃａｃｏｒ Ｌａｂｏｒａｔｏｒｉｅｓ， Ｉｎｃ． センサ
US8515509B2 (en) 2008-08-04 2013-08-20 Cercacor Laboratories, Inc. Multi-stream emitter for noninvasive measurement of blood constituents
US20110082711A1 (en) 2009-10-06 2011-04-07 Masimo Laboratories, Inc. Personal digital assistant or organizer for monitoring glucose levels
US9408542B1 (en) 2010-07-22 2016-08-09 Masimo Corporation Non-invasive blood pressure measurement system
EP3222210B1 (en) 2011-08-02 2024-09-25 Yukka Magic LLC Systems and methods for variable filter adjustment by heart rate metric feedback
US9867575B2 (en) 2014-08-22 2018-01-16 Apple Inc. Heart rate path optimizer
US10285627B2 (en) * 2015-04-15 2019-05-14 Pixart Imaging Inc. Action recognition system and method thereof
US10448871B2 (en) 2015-07-02 2019-10-22 Masimo Corporation Advanced pulse oximetry sensor
US10945618B2 (en) 2015-10-23 2021-03-16 Valencell, Inc. Physiological monitoring devices and methods for noise reduction in physiological signals based on subject activity type
WO2017070463A1 (en) 2015-10-23 2017-04-27 Valencell, Inc. Physiological monitoring devices and methods that identify subject activity type
KR20170060499A (ko) * 2015-11-24 2017-06-01 현대자동차주식회사 배터리의 출력을 제어하는 방법
US10321831B2 (en) 2015-11-25 2019-06-18 Texas Instruments Incorporated Heart rate estimation apparatus with state sequence optimization
US10758185B2 (en) 2015-11-25 2020-09-01 Texas Instruments Incorporated Heart rate estimation apparatus using digital automatic gain control
EP3181038A1 (en) * 2015-12-14 2017-06-21 Cheng Uei Precision Industry Co., Ltd. Heart rate measurement method and heart rate measurement device applying the same
US10176100B1 (en) * 2015-12-21 2019-01-08 Cadence Design Systems, Inc. Cache coherency process
KR102635868B1 (ko) * 2016-01-26 2024-02-14 삼성전자주식회사 전자 장치 및 그의 제어방법
US20170220752A1 (en) * 2016-02-01 2017-08-03 Verily Life Sciences Llc Systems and methods for probabilistic pulse rate estimation from photoplethysmographic measurements in the presence of nonstationary and nontrivial signal and noise spectra
WO2018009736A1 (en) 2016-07-08 2018-01-11 Valencell, Inc. Motion-dependent averaging for physiological metric estimating systems and methods
US20180035924A1 (en) * 2016-08-02 2018-02-08 Medtronic, Inc. Accelerometer signal change as a measure of patient functional status
US11419509B1 (en) * 2016-08-18 2022-08-23 Verily Life Sciences Llc Portable monitor for heart rate detection
KR20180057868A (ko) 2016-11-23 2018-05-31 삼성전자주식회사 심박수 획득 방법 및 이를 구현한 전자 장치
CN107289951B (zh) * 2017-07-31 2020-05-12 电子科技大学 一种基于惯性导航的室内移动机器人定位方法
JP6620999B2 (ja) * 2017-11-30 2019-12-18 国立大学法人東北大学 生体情報計測装置、生体情報計測プログラム、及び生体情報計測方法
CN110141203A (zh) * 2018-02-12 2019-08-20 光宝新加坡有限公司 心率侦测系统与使用其的穿戴式装置
WO2019158704A1 (en) 2018-02-15 2019-08-22 Biosency Monitoring device for monitoring a physiological parameter and methods thereof
CN112203584A (zh) * 2018-06-05 2021-01-08 深圳迈瑞生物医疗电子股份有限公司 一种基于运动传感器的生理参数优化方法及监护装置
CN108992053B (zh) * 2018-06-21 2020-10-23 河北工业大学 一种实时的无束缚检测心率和心跳间隔的方法
CN109044316B (zh) * 2018-07-11 2021-02-02 歌尔科技有限公司 纯净动态心率信号计算方法、装置及智能穿戴设备
CN109480815B (zh) * 2018-12-29 2021-10-29 出门问问信息科技有限公司 心率测量方法及装置
US11826129B2 (en) * 2019-10-07 2023-11-28 Owlet Baby Care, Inc. Heart rate prediction from a photoplethysmogram
US12114974B2 (en) 2020-01-13 2024-10-15 Masimo Corporation Wearable device with physiological parameters monitoring
CN113749626B (zh) * 2020-06-04 2024-02-13 安徽华米健康科技有限公司 心率检测方法、装置、可穿戴设备及存储介质
CN115245320A (zh) * 2021-04-26 2022-10-28 安徽华米健康医疗有限公司 可穿戴设备及其心率追踪方法和心率追踪装置
CN117643461B (zh) * 2024-01-30 2024-04-02 吉林大学 基于人工智能的心率智能监测系统及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101803925A (zh) * 2010-03-31 2010-08-18 上海交通大学 运动状态下的血氧饱和度监测装置
CN103781414A (zh) * 2011-09-16 2014-05-07 皇家飞利浦有限公司 用于估计运动期间的心率的设备和方法

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5483261A (en) 1992-02-14 1996-01-09 Itu Research, Inc. Graphical input controller and method with rear screen image detection
US5488204A (en) 1992-06-08 1996-01-30 Synaptics, Incorporated Paintbrush stylus for capacitive touch sensor pad
US5880411A (en) 1992-06-08 1999-03-09 Synaptics, Incorporated Object position detector with edge motion feature and gesture recognition
US5825352A (en) 1996-01-04 1998-10-20 Logitech, Inc. Multiple fingers contact sensing method for emulating mouse buttons and mouse operations on a touch sensor pad
US5835079A (en) 1996-06-13 1998-11-10 International Business Machines Corporation Virtual pointing device for touchscreens
US6310610B1 (en) 1997-12-04 2001-10-30 Nortel Networks Limited Intelligent touch display
US7663607B2 (en) 2004-05-06 2010-02-16 Apple Inc. Multipoint touchscreen
US8479122B2 (en) 2004-07-30 2013-07-02 Apple Inc. Gestures for touch sensitive input devices
EP1717679B1 (en) 1998-01-26 2016-09-21 Apple Inc. Method for integrating manual input
US6188391B1 (en) 1998-07-09 2001-02-13 Synaptics, Inc. Two-layer capacitive touchpad and method of making same
JP4542637B2 (ja) 1998-11-25 2010-09-15 セイコーエプソン株式会社 携帯情報機器及び情報記憶媒体
US6677932B1 (en) 2001-01-28 2004-01-13 Finger Works, Inc. System and method for recognizing touch typing under limited tactile feedback conditions
US6570557B1 (en) 2001-02-10 2003-05-27 Finger Works, Inc. Multi-touch system and method for emulating modifier keys via fingertip chords
JP3800984B2 (ja) 2001-05-21 2006-07-26 ソニー株式会社 ユーザ入力装置
JP2003173237A (ja) 2001-09-28 2003-06-20 Ricoh Co Ltd 情報入出力システム、プログラム及び記憶媒体
US6690387B2 (en) 2001-12-28 2004-02-10 Koninklijke Philips Electronics N.V. Touch-screen image scrolling system and method
US11275405B2 (en) 2005-03-04 2022-03-15 Apple Inc. Multi-functional hand-held device
US6931269B2 (en) 2003-08-27 2005-08-16 Datex-Ohmeda, Inc. Multi-domain motion estimation and plethysmographic recognition using fuzzy neural-nets
ES2703605T3 (es) 2009-09-03 2019-03-11 Csem Ct Suisse Delectronique Microtechnique Sa Rech Developpement Dispositivo de monitoreo y método para estimar la concentración de constituyentes sanguíneos para tejidos con baja perfusión
CN201664305U (zh) * 2010-01-28 2010-12-08 深圳市索莱瑞医疗技术有限公司 一种高精度血氧探头
BR112012019853A8 (pt) 2010-02-12 2018-06-26 Koninl Philips Electronics Nv metodo de processamento de um sinal fisiológico cíclico e aparelho para monitorar um sinal fisiológico cíclico
US9717423B2 (en) 2013-01-28 2017-08-01 Texas Instruments Incorporated Low-complexity sensor displacement tolerant pulse oximetry based heart rate measurement
TWI541004B (zh) * 2013-12-30 2016-07-11 財團法人工業技術研究院 光學生理訊號量測裝置以及訊號處理方法
US9867575B2 (en) 2014-08-22 2018-01-16 Apple Inc. Heart rate path optimizer

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101803925A (zh) * 2010-03-31 2010-08-18 上海交通大学 运动状态下的血氧饱和度监测装置
CN103781414A (zh) * 2011-09-16 2014-05-07 皇家飞利浦有限公司 用于估计运动期间的心率的设备和方法

Also Published As

Publication number Publication date
AU2015215845A1 (en) 2016-03-10
US9867575B2 (en) 2018-01-16
CN105380630A (zh) 2016-03-09
AU2015101130A4 (en) 2015-10-01
AU2015101130B4 (en) 2016-06-09
CN109106359B (zh) 2022-03-01
CN109106359A (zh) 2019-01-01
US20180110469A1 (en) 2018-04-26
EP2987453A1 (en) 2016-02-24
US11986322B2 (en) 2024-05-21
AU2015215845B2 (en) 2017-02-02
US20160051201A1 (en) 2016-02-25

Similar Documents

Publication Publication Date Title
CN105380630B (zh) 心率路径优化器
EP4056110A1 (en) Method and apparatus for adjusting blood flow velocity in largest congestion state on basis of microcirculation resistance index
CN105813558A (zh) 用于基于睡眠周期确定睡眠阶段的系统和方法
CN110461215A (zh) 使用便携式设备确定健康标志
JP2016083349A (ja) 運動管理方法及び運動管理装置
US20220261997A1 (en) Method and apparatus for acquiring blood vessel evaluation parameter based on physiological parameter, and storage medium
CN108475536A (zh) 用于提供活动指导信息的方法和支持所述方法的电子装置
KR20210034724A (ko) 생체 신호를 추정하는 전자 장치 및 그 방법
CN108024741A (zh) 用于获得血压测量值的系统和方法
CN110352035A (zh) 经由信号变化放大的静脉穿刺和动脉线引导
CN108968972B (zh) 柔性疲劳检测装置以及信息处理方法及装置
JP2018531668A (ja) 血圧測定値を取得するためのシステムおよび方法
JP2015210539A (ja) 電子機器、健康支援システム及び健康支援方法
JP2017205145A (ja) 脈拍推定装置、脈拍推定システム、脈拍推定方法および脈拍推定プログラム
JP5488135B2 (ja) 生体情報処理装置
JP7557550B2 (ja) 高血圧監視のためのシステムおよび方法
JP2011212383A (ja) 生体情報処理装置
WO2019202971A1 (ja) 生体情報評価装置および生体情報評価方法
WO2023124979A1 (zh) 肺部支气管镜导航方法、电子装置及计算机可读存储介质
US20240346649A1 (en) Vessel path identification from extravascular image or images
JP2019122447A (ja) 脈波解析装置、光学装置および脈波解析方法
JP2016123733A (ja) 携帯機器
CN114098689A (zh) 脉搏波分析方法和设备
CN118430774A (zh) 心脏衰老程度预测方法、电子设备及可读存储介质
JP2019097735A (ja) 信号処理装置、脈拍解析装置、信号処理方法およびプログラム

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