CN105640530A - 心率检测系统和方法 - Google Patents

心率检测系统和方法 Download PDF

Info

Publication number
CN105640530A
CN105640530A CN201510856817.3A CN201510856817A CN105640530A CN 105640530 A CN105640530 A CN 105640530A CN 201510856817 A CN201510856817 A CN 201510856817A CN 105640530 A CN105640530 A CN 105640530A
Authority
CN
China
Prior art keywords
heart rate
rate detection
sample
window
frequency
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.)
Pending
Application number
CN201510856817.3A
Other languages
English (en)
Inventor
V·R·帕姆拉
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.)
Katholieke Universiteit Leuven
Interuniversitair Microelektronica Centrum vzw IMEC
Original Assignee
Katholieke Universiteit Leuven
Interuniversitair Microelektronica Centrum vzw IMEC
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 Katholieke Universiteit Leuven, Interuniversitair Microelektronica Centrum vzw IMEC filed Critical Katholieke Universiteit Leuven
Publication of CN105640530A publication Critical patent/CN105640530A/zh
Pending legal-status Critical Current

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
    • A61B5/7271—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
    • 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
    • A61B5/02—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
    • A61B5/02405—Determining heart rate variability
    • 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
    • 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
    • A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1102—Ballistocardiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—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

Landscapes

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

Abstract

心率检测系统(100)包括：随机采样模块(10)，该随机采样模块被配置成用于低于Nyquist速率地提供生物信号的非均匀随机样本(S1)，该生物信号包含心率信息；以及，心率检测模块(30)，该心率检测模块被配置成用于在预定时间窗口期间接收多个所述非均匀随机样本(S1)、基于所述窗口样本的Lomb-Scargle周期图计算功率谱密度、并且基于与所计算的功率谱密度的最高功率峰相对应的频率计算心率值(S2)。本发明还涉及相应的心率检测方法以及计算机程序产品。

Description

心率检测系统和方法
技术领域
本描述一般涉及生物信号采集系统，并且更具体地涉及通过随机采样的生物信号进行心率和/或心率变化检测的系统和方法。
背景
压缩感测或压缩采样(CS)是断言特定信号可从较少数量的样本或测量忠实恢复的新兴信号处理技术。CS依赖于作为其‘稀疏性’的表达术语的信号的底层结构以及与采样方案相关的‘不连贯性’(参见例如2008年3月IEEE信号处理杂志(IEEESignalProcessingMagazine)第25卷第21-30页E.J.Candès等的“AnIntroductiontocompressivesampling(压缩采样的介绍)”)。
为了检测特定生物信号特征(诸如举例而言心率(HR))，使用例如在2012年4月IEEE生物医学电路和系统会报(IEEETransactionsonBiomedicalCircuitsandSystems)第6卷第2号A.M.R.Dixon等的“CompressedSensingSystemConsiderationsforECGandEMGWirelessBiosensors(对ECG和EMG无线生物传感器的压缩感测系统考量)”中描述的技术的已知最先进的生物信号采集系统需要首先重建原始采样生物信号的近似。这意味着必须对接收到的样本运行复杂的信号重建算法以获取时域重建信号，并且随后对该时域信号执行已知的特征提取技术，诸如HR或心率变化(HRV)检测。此类重建过程和检测技术是计算密集的，并且因此不适合于低功率传感器节点。典型地，如在2010年电子健康联网应用和服务IEEE国际会议会议录(Proc.IEEEInt.Conf.e-HealthNetworkingApplicationsandServices)第338-344页H.Garudari等的“ArtifactsMitigationinAmbulatoryECGTelemetry(流动ECG遥测时的伪像消减)”中描述的，重建复杂处理从传感器卸载并且在分开的接收机节点或基站处执行。通过该技术，传感器可用低功率预算工作，而被假设具有较好电池预算或者对功耗没有限制的接收机节点执行计算密集型任务。描述使用CS技术的HR检测器的另一示例性系统在2009年美国伯克利市的2009年身体传感器网络(BodySensorNetworks)第144-148页P.K.Baheti等的文章“Anultralowpowerpulseoximetersensorbasedoncompressedsensing(基于压缩感测的超低功率脉冲血氧计)”中进行了描述。
存在改进当前最先进的系统和方法以降低HR和/或HRV检测复杂性和/或功耗的动机。
概述
本发明提供了一种用于根据随机采样的生物信号进行HR和/或HRV检测的新颖且改进的系统和方法，该随机采样的生物信号包含HR信息，诸如举例而言心电图(ECG)、心冲击图(BCG)或光电血管容积图(PPG)信号。
根据示例性实施例，HR和/或HRV检测系统和方法可根据接收到的随机采样的ECG、BCG或PPG生物信号的测量来评估HR和/或HRV，而不必重建原始时域信号。
根据示例性实施例，与最先进的CS技术相比，HR和/或HRV检测系统和方法有利地降低HR和/或HVR评估复杂性和/或功耗。
根据示例性实施例，与最先进的CS技术相比，HR和/或HRV检测系统和方法有利地减少忠实的HR和/或HRV提取所需的采样生物信号的样本数量。
根据示例性实施例，HR和/或HRV检测系统和方法可有利地在传感器节点处实现，而不显著地增加功耗。
根据示例性实施例，该系统是能够评估传感器节点上的HR和/或HRV而不必重建压缩或随机采样的数据的低功率和计算高效的ECG、BCG或脉搏血氧测定系统。
根据示例性实施例，提供了一种心率检测系统，包括：随机采样模块，该随机采样模块被配置成用于低于Nyquist速率地提供生物信号的非均匀随机样本，该生物信号包含心率信息；以及心率检测模块，该心率检测模块被配置成用于在预定时间窗口期间接收多个所述非均匀随机样本且基于接收到的时间窗口样本计算心率值；其中心率检测模块被配置成基于所述窗口样本的Lomb-Scargle周期图计算功率谱密度并且基于与所计算的功率谱密度的最高功率峰相对应的频率计算心率值。
根据示例性实施例，心率检测模块可被配置成将接收到的非均匀随机样本分配到多个样本窗口中并且计算所述多个窗口样本的心率值。
根据示例性实施例，心率检测模块可被配置成在基于多个窗口计算的平均最高功率峰频率周围的有限频率范围内搜索样本窗口的所计算功率谱密度的最高功率峰。
根据示例性实施例，心率检测模块可被配置成通过使用存储在查询表中的数据来计算样本窗口的功率谱密度，该数据表示三角计算。
根据示例性实施例，心率检测模块可被配置成在0.5和5Hz之间的频带中且通过0.08Hz的频率分辨率计算样本窗口的功率谱密度。
根据示例性实施例，时间区间或样本窗口为至少4秒。
根据示例性实施例，心率检测模块可进一步被配置成计算作为两个连续样本窗口的心率值之间的差值的心率变化值。
还提供了一种包括根据本文中所描述的示例性实施例中的任一者的用于心率检测的ECG、BCG或脉搏血氧测定系统的电子设备。
还提供了一种心率检测方法，包括：低于Nyquist速率地接收生物信号的多个非均匀随机样本，该生物信号包含心率信息；基于所述接收到的多个样本的Lomb-Scargle周期图计算功率谱密度；寻找与计算出的功率谱密度的最高功率峰相对应的频率；以及基于寻找到的最高峰功率频率计算心率值。
根据示例性实施例，该方法可进一步包括：将多个接收到的非均匀随机样本分配到多个样本窗口中并且计算至少两个连续样本窗口的心率值；以及计算作为所述两个连续样本窗口的心率值之间的差值的心率变化值。
还提供了根据本发明的实施例的计算机程序产品和计算机可读存储介质。
附图简述
将参考下文中所描述的非限制性示例实施例示出和解释根据本描述的系统和方法的以上及其他方面。
图1示出根据本发明的示例性心率检测系统的一般框图。
图2A和2B分别示出根据本发明的示例性实施例的在四个时域PPG信号窗口是以12Hz的平均采样速率(与为10的压缩比相对应)被随机采样的时，这四个时域PPG信号窗口以及相应的四次PSD计算的示例性示图。
图3A和3B分别示出以4Hz的平均采样速率(与为30的压缩比相对应)被随机采样的时域PPG信号窗口以及对应的PSD计算的示例性图形。
图4示出使用根据本发明的实施例的方法以及常规时域方法计算的HRV值的示例性图形。
图5示出根据本发明的示例性实施例的用于计算HR的方法的流程图。
图6示出根据本发明的示例性实施例的用于计算HRV的方法的流程图。
详细描述
在下文中，在示例性实施例的描述中，出于流线型化本公开和辅助对各个发明性方面中的一个或多个方面的理解的目的，各种特征可被一起归组在单一实施例、附图或其描述中。然而，这不应被解释为本发明需要比在主要权利要求中明确叙述的特征更多的特征。此外，不同实施例的特征的组合意指在本发明的范围内，如本领域技术人员可清楚理解的。另外，在其他实例中，为了不混淆描述的简洁性，尚未详细地示出公知电路、结构和技术。
图1示出示例性心率检测系统100的一般框图，心率检测系统100包括提供随机采样的生物信号S1的随机采样模块10、信号调理模块20、以及提供关于对象的HR和/或HRV的信息S2的HR检测模块30。随机采样模块10可包括生成特定感测生物信号的模拟版本(例如，ECG、BCG或PPG)的传感器，并且所述信号随后根据当前最先进的非均匀随机采样技术(低于Nyquist采样速率地)被采样以使感测生物信号的随机采样版本S1被提供给下一信号调理、传输和/或处理阶段。可在2009年10月关于成像科学的SIAM期刊(SIAMJournalonImagingSciences)第2卷第4号J.Romberg的“CompressiveSensingbyRandomConvolution(通过随机卷积的压缩感测)”以及2007年反问题(InverseProb.)第23卷第3号第969-985页E.Candes和J.Romberg的“SparsityandIncoherenceinCompressiveSamplin(g压缩采样时的稀疏性和不相干性)”中寻找到对非均匀随机样本技术的参考。替换地，随机采样模块10可根据当前最先进的非均匀随机采样技术(低于Nyquist采样速率地)触发或激活传感器以使所述传感器直接生成感测生物信号的随机采样版本S1。信号调理模块20可以是任选的并且包括模数转换器和/或用于调理到传输装置的随机采样的信号S1的任何其他元件。HR检测模块30被适配成接收关于随机采样的信号S1的信息(例如，该信号被采样时的值和时间戳)，并且处理所述接收到的样本以计算HR和/或HRVS2的估计值。根据实施例，HR检测模块30基于随机采样的信号S1的谱信息计算HR的估计值。根据示例性实施例，HR检测模块30执行对随机采样的信号S1的最小二乘频率分析以计算HR的估计值。最小二乘谱分析(LSSA)或Lomb-Scargle周期图是一种估计不等间隔数据的频谱的方法，如例如在1976年天体物理和空间科学(AstrophysicsandSpaceScience)第39期第447-462页N.R.Lomb的“Least-squaresFrequencyAnalysisofUnequallySpacedData(对不等间隔数据的最小二乘频率分析)”中所描述的，其中样本的功率谱密度(PSD)是使用以下公式计算的。
P ( ω ) = 1 2 { ( Σ x ( t j ) cos ω ( t j - τ ) ) 2 Σ cos 2 ω ( t j - τ ) + ( Σ x ( t j ) sin ω ( t j - τ ) ) 2 Σ sin 2 ω ( t j - τ ) } - - - ( 1 )
t a n ( 2 ω τ ) = Σ s i n 2 ω t j Σ cos 2 ω t j - - - ( 2 )
其中x(tj)是在时刻tj处的信号(该信号的第j个样本)，且ω是估计PSD的频率(以rad/sec(弧度/秒)为单位)。
根据示例性实施例，HR检测模块30计算接收到的随机采样的信号S1的多个样本的PSD并且从其推断HR信息。根据示例性实施例，某个预定时间区间或窗口(例如，4秒)上的平均HR是通过以下方式来计算的：寻找与在该时间段或窗口期间接收到的样本的PSD中的最高功率峰相对应的频率(fpk)，并随后将HR(以次/分(bpm)为单位)计算成：
HR＝60xfpk(3)
根据示例性实施例，HR检测模块30可基于对包括随机采样的信号S1的样本的多个(例如，至少两个)连续时间窗口的分析来计算HRV。每一窗口包含在特定时间段(例如，4秒)中接收到的样本，并且HR检测模块30计算那些样本的谱密度(PSD)并推断每一窗口的HR。然后，计算作为所述连续窗口上的HR之间的差值的HRV。多个连续时间窗口可以是重叠或不重叠的时间窗口。
根据示例性实施例，根据本发明的心率检测系统100有利地根据随机采样的生物信号数据S1提供和准确得出HR/HRV估计值S2，而不必重建对原始连续时间生物信号(在时域中)的近似。
根据示例性实施例，根据本发明的心率检测系统100可有利地用于根据随机采样的PPG数据S1准确得出HR/HRV估计值S2，由此导致低复杂性、低功率的脉搏血氧测定仪系统。应当注意，常规脉搏血氧测定仪可采用均匀采样并且根据(以Nyquist采样速率)采集的那些均匀样本估计HR和HRV。另一方面，对于采用压缩采样技术的脉搏血氧测定仪，当前最先进的技术还依赖于对原始时域信号的完全重建以执行对HR和/或HVR信息的后续提取。此类最先进的方法是计算密集的，并且不适合于在具有小形状因子的低功率传感器节点上实现。此外，在特定应用中，倘若可提取重要信息(诸如HR/HRV)，不需要原始感测生物信号的完全重建，如针对本发明的实施例所解释的。
根据示例性实施例，根据本发明的心率检测系统100可甚至在随机采样的生物信号数据S1的非常高的压缩比(例如，大于30)处也以高置信度有利地估计出HR和/或HRV，其中常规重建方法无法准确地重建该信号。应当注意，基于压缩采样的重建技术需要最少数量的样本或测量以能够忠实地重建原始时域生物信号。CS理论断言，倘若M＝O(Klog(N/K)<<N，其对可实现的压缩比(CR＝N/M)(其保证忠实重建)加以限制，N个样本中的M个样本足以使K稀疏信号忠实地重建。通过本发明的实施例克服此类限制。应当注意，在随机采样矩阵中必须有最少数量的条目以能够估计PSD。同一条目上的界限取决于生物信号的类型和所需HR/HRV检测精度，这可由本领域技术人员确定。附加信息可在1986年3月天体物理期刊(AstrophysicalJounal)第302期第757-763页J.H.Horne和S.L.Baliunas的“APrescriptionforPeriodAnalysisofUnevenlySampledTimeSeries(不均采样时间序列的周期分析的配方)”的中获取。
与基于时域分析的HR估计相比，根据本发明的示例性实施例估计的HR提供了约±5bpm的精度。根据本发明的示例性实施例计算的HRV示出与基于时域信号分析的HRV估计的相关性，其中对于压缩比10而言相关系数大于0.95，而对于压缩比30而言相关系数大于0.9。
根据示例性实施例，HR检测模块30可被适配成跨所计算PSD的整个频带进行搜索以寻找最高功率峰频率(fpk)。根据另一示例性实施例，HR检测模块30可进一步被适配成在基于多个窗口计算的平均最高功率峰频率(afpk)周围的较窄频带中进行搜索。根据示例性实施例，HR检测模块30可被适配成计算PSD并寻找与四个样本窗口的最高功率峰(fpk)相对应的频率，并且随后基于先前的四个最高功率峰频率计算平均最高功率峰频率(afpk)。随后，对于相继的样本窗口，HR检测模块30可被适配成仅仅在所计算平均最高功率峰频率(afpk)的±1Hz内搜索最高PSD功率峰频率(fpk)。根据示例性实施例，四个样本窗口是连续且不重叠的样本窗口。通过该自适应峰/频率搜索方案，在存在运动伪像的情况下，该系统有利地降低对HR/HRV的错误估计，这使得该系统更加稳健和准确。
根据示例性实施例，HR检测模块30可进一步被适配成基于存储在查询表中的值计算窗口样本的PSD。根据示例性实施例，心率检测系统100已经通过设计随机采样实例(tj)和术语τ、ω具有知识，并且因此cosω(τ-tj)和sinω(τ-tj)可被提前计算并且被存储在查询表中。所述预计算基于该系统期望在HR的已知范围(30bpm-300bpm)上工作的事实，因此只跨从0.5HZ至5Hz的窄频带范围估计PSD。频率分辨率还由估计HR时的期望精度确定，该精度通常为±5bpm(如根据ANSI-AAMI标准)，由此要求0.08Hz的频率分辨率。此后，频率区间[0.5,5]可被分成线性步骤，其步长为0.08Hz。根据本发明的示例性实施例的该技术有利地简化了对PSD的计算，因为它消除了对使用基于CORDIC的方法计算复杂三角数据量的需求。这增加了吞吐量，并且进一步降低了复杂性和传感器节点处的功耗。
图2A示出4秒的四个叠加时域PPG信号窗口的示例性图形。每一PPG信号窗口是16秒的时域PPG信号的一部分，该时域PPG信号已经被切割成根据本发明的示例性实施例的四个连续的4秒信号窗口。图2B示出在图2A的四个PPG信号窗口是以12Hz的平均速率(与CR10相对应)被随机采样的时，所述时域信号窗口的四次叠加PSD计算。根据示例性实施例，然后，通过寻找与PSD中的最高峰相对应的频率(fpk)且随后将以bpm为单位的HR计算为HR＝60×fpk来计算在每一个4秒周期上计算的HR估计值。应当注意，用于HR/HRV计算的时间周期可变化，例如每5或10秒计算一次，并且可由设计者或用户取决于期望实现设置。
根据示例性实施例，HR检测模块30基于在至少4秒的时间窗口期间接收到的样本的PSD计算HR值。这有利地表示生物信号的至少两个周期，其最小HR为30bpm(周期为2秒)。为了更好地评估HR，两个以上的周期是合乎需要的。因此，可使用用于HR估计的较长时间窗口(例如，16秒)，但是这意味着较大的延迟和较低的更新速率，即该系统只能每16秒提供一次HR和/或HRV信息。可计算作为在图2A的两个连续窗口中计算的HR之间的差值的HRV。
估计PSD时的置信水平由1-α由给出，其中α是估计错误的概率。在图2B中可观察到估计PSD时的置信水平甚至在CR为10时也在99％以上。
图3A示出根据为30的CR随机采样的4秒的时域PPG信号窗口的示例性示图。图3B示出对图3A的随机采样的时域PPG信号窗口的PSD计算。可见在PSD中存在与平均HR相对应的突出的峰。虽然PSD估计中的置信水平(95％)低于对于CR为10的图2A和2B的示例，但是它可能对特定应用仍然是足够的。然后，所描述的用于估计HR的示例性方法可延伸到高压缩比(例如，30)，在高压缩比的情况下，基于时域信号重建的常规方法无法给出令人满意的重建信号质量。此外，根据示例性实施例，心率检测系统100可被自适应地设计成在压缩比与估计PSD时的期望置信水平之间达成某种折衷。
图4示出用于在HRV是使用根据本发明的实施例的方法或者常规时域方法计算的时比较因变于示例性测量PPG信号的时间的HRV值的示例性图形。根据示例性实施例，原始PPG信号是以125Hz采样的，而所提议的HR计算方法是在对原始信号随机采样以获取与12Hz的平均采样速率相对应的为10的CR之后对该原始信号实现的。用于计算PSD的时间窗口为4秒，并且HRV是基于不重叠的窗口计算的。
图5示出根据本发明的示例性实施例的用于计算HR的方法的流程图。在步骤500中，在为T秒的时间区间或窗口期间采集生物信号S1的多个随机样本。在步骤510中，计算Lomb-Scargle周期图，如用等式(1)和(2)(参考图1所解释的)计算Lomb-Scargle周期图。根据示例性实施例，针对0.5至5Hz之间的频率范围且用0.08Hz的分辨率计算Lomb-Scargle周期图。在步骤520中，完成搜索以定位Lomb-Scargle周期图的最高功率峰和相应的频率(fpk)。根据示例性实施例，在存在运动伪像的情况下，搜索最高功率峰频率(fpk)可限于在基于多个窗口样本先前计算的平均最高功率峰频率(afpk)的±1Hz周围。在步骤530中，基于最高功率峰频率(fpk)计算HR，如用等式(3)(参考图1所解释的)计算HR。只要应当计算和提供HR信息S2，就可重复步骤500至530。
图6示出根据本发明的示例性实施例的HRV计算方法的流程图。在步骤600中，根据图5所示的示例性方法计算HR值。然后，在步骤610中，计算作为两个连续样本窗口的HR之间的差值的HRV值。只要应当计算和提供HRV信息S2，就可重复步骤610。
应当注意，可根据硬件和/或软件最先进的技术实现HR检测模块30，这些技术包括例如可理解和执行软件程序指令的微处理器、微控制器、或者数据信号处理器。还可设计一些可编程硬件逻辑和存储器装置用于执行根据本发明的示例性实施例的方法或其一部分。

Claims (13)

1.一种心率检测系统(100)，包括：
随机采样模块(10)，所述随机采样模块(10)被配置成用于低于Nyquist速率地提供生物信号的非均匀随机样本(S1)，所述生物信号包含心率信息；以及
心率检测模块(30)，所述心率检测模块(30)被配置成用于在预定时间窗口期间接收多个所述非均匀随机样本(S1)且基于接收到的时间窗口样本计算心率值(S2)，并且被配置成基于所述窗口样本的Lomb-Scargle周期图计算功率谱密度且基于与所计算的功率谱密度的最高功率峰相对应的频率计算所述心率值(S2)。
2.根据权利要求1所述的心率检测系统(100)，其特征在于，所述心率检测模块(30)被配置成将接收到的非均匀随机样本(S1)分配到多个样本窗口中并且计算所述多个窗口样本的心率值(S2)。
3.根据任一在前权利要求所述的心率检测系统(100)，其特征在于，所述心率检测模块(30)被配置成在基于多个窗口计算的平均最高功率峰频率周围的有限频率范围内搜索样本窗口的所计算的功率谱密度的最高功率峰。
4.根据任一在前权利要求所述的心率检测系统(100)，其特征在于，所述心率检测模块(30)被配置成通过使用存储在查询表中的数据来计算样本窗口的功率谱密度，所述数据表示三角计算。
5.根据任一在前权利要求所述的心率检测系统(100)，其特征在于，所述心率检测模块(30)被配置成在0.5和5Hz之间的频带中且通过0.08Hz的频率分辨率计算样本窗口的功率谱密度。
6.根据任一在前权利要求所述的心率检测系统(100)，其特征在于，所述样本窗口是至少4秒的时间窗口。
7.根据任一在前权利要求所述的心率检测系统(100)，其特征在于，所述心率检测模块(30)进一步被配置成计算作为两个连续样本窗口的心率值之间的差值的心率变化值(S2)。
8.根据任一在前权利要求所述的心率检测系统(100)，其特征在于，包含心率信息的生物信号是ECG、BCG或PPG信号。
9.一种包括根据在前权利要求中的任一项所述的用于心率检测的ECG、BCG或脉搏血氧测定系统(100)的电子设备。
10.一种心率检测方法，包括：
低于Nyquist速率地接收生物信号的多个非均匀随机样本(500)，所述生物信号包含心率信息；
基于所述接收到的多个样本的Lomb-Scargle周期图计算功率谱密度(510)；
寻找与所计算的功率谱密度的最高功率峰相对应的频率(520)；以及
基于所述寻找到的最高峰功率频率计算心率值(530)。
11.根据权利要求10所述的心率检测方法，其特征在于，进一步包括：
将多个接收到的非均匀随机样本分配到多个样本窗口中并且计算至少两个连续样本窗口的心率值(600)；以及
计算作为所述两个连续样本窗口的心率值之间的差值(610)的心率变化值。
12.一种包括计算机程序代码装置的计算机程序产品，当所述程序在计算机上运行时，所述计算机程序代码装置被适配成根据权利要求10或11所述的方法计算为心率变化(S2)的心率。
13.一种包括根据权利要求12所述的计算机程序的计算机可读存储介质。
CN201510856817.3A 2014-12-01 2015-11-30 心率检测系统和方法 Pending CN105640530A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
EP14195689 2014-12-01
EP14195689.6 2014-12-01
EP15151890.9 2015-01-21
EP15151890.9A EP3028629A1 (en) 2014-12-01 2015-01-21 System and method for heart rate detection

Publications (1)

Publication Number Publication Date
CN105640530A true CN105640530A (zh) 2016-06-08

Family

ID=52006864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510856817.3A Pending CN105640530A (zh) 2014-12-01 2015-11-30 心率检测系统和方法

Country Status (3)

Country Link
US (1) US20160151023A1 (zh)
EP (1) EP3028629A1 (zh)
CN (1) CN105640530A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112603287A (zh) * 2020-12-16 2021-04-06 南昌逸勤科技有限公司 应用于可穿戴设备的心率曲线修正方法及装置
CN113925496A (zh) * 2021-10-20 2022-01-14 中国人民解放军海军特色医学中心 一种疲劳睡眠分析方法及装置
CN115969390A (zh) * 2021-10-15 2023-04-18 中国科学院沈阳自动化研究所 一种基于深度置信网络的非完整运动想象脑电解码方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10709390B2 (en) 2017-03-02 2020-07-14 Logos Care, Inc. Deep learning algorithms for heartbeats detection
US10709389B2 (en) 2017-03-28 2020-07-14 Imec Vzw System and method for heart rate detection with motion artifact reduction
US10589109B2 (en) * 2017-04-10 2020-03-17 West Affum Holdings Corp. Wearable cardioverter defibrillator (WCD) system computing patient heart rate by multiplying ECG signals from different channels
CN110151156B (zh) * 2019-04-07 2021-10-29 西安电子科技大学 一种基于窗内自动加权平均算法的胎心率提取方法及系统
CN114521880B (zh) * 2022-01-21 2023-09-01 中国人民解放军陆军军医大学 一种运动状态下心率计算方法、系统及计算机存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8475387B2 (en) * 2006-06-20 2013-07-02 Adidas Ag Automatic and ambulatory monitoring of congestive heart failure patients
US7738949B2 (en) * 2008-02-26 2010-06-15 Welch Allyn, Inc. Method and apparatus for spectrum estimation
US9526429B2 (en) * 2009-02-06 2016-12-27 Resmed Sensor Technologies Limited Apparatus, system and method for chronic disease monitoring
US20120130645A1 (en) * 2010-06-30 2012-05-24 Qualcomm Incorporated Method and apparatus for measuring body impedance based on baseband signal detection
WO2015077366A1 (en) * 2013-11-20 2015-05-28 Basis Science, Inc. Binarized frequency transform
US20160007864A1 (en) * 2014-07-11 2016-01-14 Kadence Lab, Llc System and method for lactic threshold and entrainment detection

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112603287A (zh) * 2020-12-16 2021-04-06 南昌逸勤科技有限公司 应用于可穿戴设备的心率曲线修正方法及装置
CN115969390A (zh) * 2021-10-15 2023-04-18 中国科学院沈阳自动化研究所 一种基于深度置信网络的非完整运动想象脑电解码方法
CN113925496A (zh) * 2021-10-20 2022-01-14 中国人民解放军海军特色医学中心 一种疲劳睡眠分析方法及装置
CN113925496B (zh) * 2021-10-20 2023-12-19 中国人民解放军海军特色医学中心 一种疲劳睡眠分析方法及装置

Also Published As

Publication number Publication date
EP3028629A1 (en) 2016-06-08
US20160151023A1 (en) 2016-06-02

Similar Documents

Publication Publication Date Title
CN105640530A (zh) 心率检测系统和方法
US10722182B2 (en) Method and apparatus for heart rate and respiration rate estimation using low power sensor
Mannini et al. Activity recognition using a single accelerometer placed at the wrist or ankle
Alqaraawi et al. Heart rate variability estimation in photoplethysmography signals using Bayesian learning approach
Udhayakumar et al. Approximate entropy profile: a novel approach to comprehend irregularity of short-term HRV signal
JP2017519548A (ja) マルチチャネルｐｐｇ信号を使用するモーションアーチファクト低減
Jiang et al. Entropy-based method for COP data analysis
US20180000424A1 (en) On-demand heart rate estimation based on optical measurements
CN105832289A (zh) 用于使用希尔伯特变换估计生物生理速率的设备和方法
US11890092B2 (en) Low power receiver for in vivo channel sensing and ingestible sensor detection with wandering frequency
Antink et al. Detection of heart beats in multimodal data: a robust beat-to-beat interval estimation approach
Rhudy et al. A comprehensive comparison of simple step counting techniques using wrist-and ankle-mounted accelerometer and gyroscope signals
CN106798552A (zh) 具有状态序列优化的心率估计设备
Park et al. Prediction of daily mental stress levels using a wearable photoplethysmography sensor
CN105962945B (zh) 一种计算步频的方法与装置以及包含该装置的可穿戴设备
CN109567780A (zh) 逐拍心率计算方法、装置、电子设备及存储介质
Fotouhi-Ghazvini et al. Wearable wireless sensors for measuring calorie consumption
Dell’Agnola et al. Mbiotracker: Multimodal self-aware bio-monitoring wearable system for online workload detection
Bisi et al. Changes of human movement complexity during maturation: Quantitative assessment using multiscale entropy
Mesin Heartbeat monitoring from adaptively down-sampled electrocardiogram
Karmakar et al. Entropy profiling: A reduced—parametric measure of kolmogorov—sinai entropy from short-term HRV signal
JP2022521409A (ja) 高調波関係を使用した分析対象物濃度モニタリングの方法および装置
Ayache et al. Discretization error of wavelet coefficient for fractal like processes
WO2018086321A1 (zh) 一种计步方法及装置
Ahmed et al. Architecture and design of real-time system for elderly health monitoring

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160608

WD01 Invention patent application deemed withdrawn after publication