CN105740627B - 一种心率计算方法及装置 - Google Patents
一种心率计算方法及装置 Download PDFInfo
- Publication number
- CN105740627B CN105740627B CN201610067934.6A CN201610067934A CN105740627B CN 105740627 B CN105740627 B CN 105740627B CN 201610067934 A CN201610067934 A CN 201610067934A CN 105740627 B CN105740627 B CN 105740627B
- Authority
- CN
- China
- Prior art keywords
- heart rate
- original data
- sequence
- rate value
- data
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 230000002087 whitening effect Effects 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 6
- 238000005316 response function Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 230000004048 modification Effects 0.000 description 8
- 238000012986 modification Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G06F19/34—
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明属于医疗设备领域，尤其涉及可穿戴设备中的心率计算方法及装置，方法包括对脉搏波进行采样，对采样后的脉搏波数据进行预处理，根据预处理后的脉搏波数据计算得到第一心率值，利用灰度算法对计算出的第一心率值进行修正，本发明心率计算方法利用灰度算法对计算出的第一心率值进行修正，使得在特殊情况下，特别是突然的佩戴抖动的情况下，方法能够剔除一些错误的计算值并输出比较一致的心率值，从而极大增加用户体验。
Description
技术领域
本发明属于医疗设备领域，尤其涉及可穿戴设备中的心率计算方法及装置。
背景技术
目前随着生活水平的提高和科技的进步，人们对自身生理状态的关注也越来越多。特别是身体健康相关的信息。比如，现在市场上以及在研的很多可穿戴设备大都具备基础的健康监测功能，像心率等。
已有可穿戴设备中的心率功能，一般来说，可以很好地实现个人日常心率的不间断测量，当佩戴者状态较为稳定时，心率的不间断测量较为稳定。但对非正常心率情况的容错能力较差，比如佩戴处的突然一个抖动，很大可能造成心率计算的突然失效，从而输出一个奇怪的心率值，从而给用户造成困惑甚至恐慌。
发明内容
本发明的目的在于提供一种心率计算方法及装置，旨在解决现有的心率计算方法及装置容错能力不强的问题。
本发明提供了一种心率计算方法，其特征在于，方法包括以下步骤：
对脉搏波进行采样；
对采样后的脉搏波数据进行预处理；
根据预处理后的脉搏波数据计算得到第一心率值；
利用灰度算法对计算出的第一心率值进行修正。
进一步的，利用灰度算法对计算出的第一心率值进行修正，包括：
获取N个单位时间内的预处理后的脉搏数据，并将获取的N个单位时间内的预处理后的脉搏数据作为原始数据；
将所述原始数据进行累加处理，并建立预测模型；
根据所述预测模型得到第二心率值；
根据所述第二心率值对所述第一心率值进行修正。
进一步的，将所述原始数据进行累加处理，并建立预测模型，包括以下步骤：
设所述原始数据序列为：X(0)＝[x(0)(1),x(0)(2),…,x(0)(n)] (1)
对原始数据序列进行累加处理得：
x(1)(k)＝x(0)(1)+x(0)(2)+…+x(0)(k)＝x(1)(k-1)+x(0)(k) (2)
即：
其中(k＝1,2,…,n)；
对累加后的原始数据序列进行变换后生成白化微分方程：
其中a为发展系数，u为灰作用量；
为所得的累加的预测；
利用最小二乘法求得：
其中
将计算得到的a、u值,代入所述白化微分方程，于是可得到灰色预测的离散时间响应函数为：
其中(t＝1,2,…n)
为所得的累加的预测值,将预测值还原即为：
其中(t＝1,2,…n)。
进一步的，获取N个单位时间内的预处理后的脉搏数据，具体为：通过长度为N的滑动窗口获取N个单位时间内的预处理后的脉搏数据。
进一步的，根据所述第二心率值对所述第一心率值进行修正，包括：
计算原始数据序列与所述预测模型得到第二心率值数据序列的残差，得到残差序列；
根据所述原始数据序列与所述残差序列计算得出相对误差序列，并根据所述相对误差序列，计算平均相对误差；
计算原始数据序列的方差S1以及残差序列的方差S2；
将残差序列的方差S2与原始数据序列的方差S1做比值得到后验差比C；
计算所述残差序列的均值；
根据所述残差序列、残差序列的均值以及原始数据序列的方差S1，得到对应第二心率值数据序列的小误差概率；
根据所述后验差比C、小误差概率以及相对误差对所述第一心率值进行修正。
进一步的，根据所述后验差比C、小误差概率以及相对误差对所述第一心率值进行修正，包括：
若所述后验差比C大于预设的后验差比阈值且所述小误差概率p小于预设的小误差概率阈值，同时相对误差w大于预设的相对误差阈值时，则将上次的预测数据替换对应的原始数据。
本发明实施例还提供了一种心率计算装置，装置包括：
采样模块，用于对脉搏波进行采样；
预处理模块，用于对采样后的脉搏波数据进行预处理；
计算模块，用于根据预处理后的脉搏波数据计算得到第一心率值；
修正模块，用于利用灰度算法对计算出的第一心率值进行修正。
进一步的，修正模块，包括第一获取模块、建模模块、第二获取模块以及修正子模块，具体的：
第一获取模块，用于获取N个单位时间内的预处理后的脉搏数据，并将获取的N个单位时间内的预处理后的脉搏数据作为原始数据；
建模模块，用于将所述原始数据进行累加处理，并建立预测模型；
第二获取模块，用于根据所述预测模型得到第二心率值；
修正子模块，用于根据所述第二心率值对所述第一心率值进行修正。
进一步的，建模模块还用于：
设所述原始数据序列为：X(0)＝[x(0)(1),x(0)(2),…,x(0)(n)] (1)
对原始数据序列进行累加处理得：
x(1)(k)＝x(0)(1)+x(0)(2)+…+x(0)(k)＝x(1)(k-1)+x(0)(k) (2)
即：
其中(k＝1,2,…,n)；
对累加后的原始数据序列进行变换后生成白化微分方程：
其中a为发展系数，u为灰作用量；
为所得的累加的预测；
利用最小二乘法求得：
其中
将计算得到的a、u值,代入所述白化微分方程，于是可得到灰色预测的离散时间响应函数为：
其中(t＝1,2,…n)
为所得的累加的预测值,将预测值还原即为：
其中(t＝1,2,…n)。
进一步的，获取模块，具体用于：通过长度为N的滑动窗口获取N个单位时间内的预处理后的脉搏数据。
本发明心率计算方法有益效果:方法中利用灰度算法对计算出的第一心率值进行修正，使得在特殊情况下，特别是突然的佩戴抖动的情况下，方法能够剔除一些错误的计算值并输出比较一致的心率值，从而极大增加用户体验。
附图说明
图1是本发明实施例提供的心率计算方法的实现流程图；
图2是本发明实施例提供的步骤S104的实现流程图；
图3是本发明实施例提供的心率计算装置的结构框图；
图4是本发明实施例提供的修正模块的结构框图。
具体实施方式
为了使本实用新型的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施方式对本发明作进一步详细说明。
图1是本发明实施例提供的心率计算方法的实现流程图。参考图1，本发明实施例提供了一种心率计算方法，方法包括以下步骤：
步骤S101,对脉搏波进行采样。
本实施例以手环的形式，通过手环内侧安装940纳米波长红外光LED作为光发射源，手环内侧正对红外光LED安装光接收芯片。红外光LED在手环处理器的控制下以PWM(脉宽调制)的形式驱动，发出恒定功率的红外光，同时，光接收芯片也在PWM信号的同步下采集单点的光，产生电流强度，连续时间内不断进行，得到的点值连接成曲线，即是此段时间内脉搏波影响(调制)下的光信号强度，也即电信号强度。这些电信号的采样数字值。
步骤S102,对采样后的脉搏波数据进行预处理。
步骤S101采样得到的脉搏波的数字信号，由于系统可能处于不同的采样模式下获得的数字信号，因此需要进一步做归一化，滤波等预处理。这里主要是做采样值的归一化和滤波，从而提供单一域的采样信号，并滤除环境杂波。
步骤S103,根据预处理后的脉搏波数据计算得到第一心率值。
步骤S102已经得到较好的脉搏波数字信号，因此这里可以使用多种数学方法得到单位时间内的脉搏数。这里使用数峰值的方法获得脉率。在正常情况下，可以得到比较准确且稳定的个人心率值。
但是，突然的佩戴抖动的情况下，对应系统信号的突变而带来的采样值突变，进而造成心率计算的异常。
步骤S104,利用灰度算法对计算出的第一心率值进行修正。
针对步骤S103指出的采样值突变的问题，本步骤S104利用灰度算法对计算出的第一心率值进行修正。
图2是本发明实施例提供的步骤S104的实现流程图。参考图2，步骤S104,包括：
步骤S1041,获取N个单位时间内的预处理后的脉搏数据，并将获取的N个单位时间内的预处理后的脉搏数据作为原始数据。
真正有实际意义且精度较高的是最近的数据，随着时间的推移,未来的一些不确定的扰动因素将不断地对系统产生影响，所以,用已知序列建立模型进行预测时,不能用这个模型一直预测下去。
所以具体为：通过长度为N的滑动窗口获取N个单位时间内的预处理后的脉搏数据。
用上述方法去预测下一个数值，预测要更合理，预测精度更高，且更接近实际数据。
优选的，本发明采用滑动窗口为4，即采用4个数据作为原始数据进行预测。
步骤S1042,将所述原始数据进行累加处理，并建立预测模型。
步骤S1042,包括以下步骤：
设所述原始数据序列为：X(0)＝[x(0)(1),x(0)(2),…,x(0)(n)] (1)
对原始数据序列进行累加处理得：
x(1)(k)＝x(0)(1)+x(0)(2)+…+x(0)(k)＝x(1)(k-1)+x(0)(k) (2)
即：
其中(k＝1,2,…,n),n为所述原始数据序列中原始数据的个数；
本发明实施例采用最初、的连续的4个单位时间内的脉搏数作为灰色预测所需的原始数据。
对累加后的原始数据序列进行变换后生成白化微分方程：
其中a为发展系数，u为灰作用量；
为所得的累加的预测；
利用最小二乘法求得：
其中
将计算得到的a、u值,代入所述白化微分方程，于是可得到灰色预测的离散时间响应函数为：
其中(t＝1,2,…n)
为所得的累加的预测值,将预测值还原即为：
其中(t＝1,2,…n)。
便是我们所预测的脉搏数值。
步骤S1043,根据所述预测模型得到第二心率值。
大量实验数据表明滑动窗口越小，精度越高，预测的数据越接近实际值。滑动窗口越大，残差的标准差、平均相对误差越大，预测数据越偏离实际值。因此在实际应用时，尽量选用滑动窗口比较小的模型进行预测。一般采用4至8个数据进行预测，数据太多则会带来相对大的拟合误差，从而使精度降低。
步骤S1044,根据所述第二心率值对所述第一心率值进行修正。
步骤S1044,包括：
计算原始数据序列与所述预测模型得到第二心率值数据序列的残差，得到残差序列。
设原始数据序列X(0)＝[x(0)(1),x(0)(2),…,x(0)(n)]
按GM(1,1)建模法已经求出并将进行一次累减转化为即
计算残差为：
其中，
根据所述原始数据序列与所述残差序列计算得出相对误差为：
其中k＝1,2,…n。
并根据所述相对误差，计算平均相对误差为:
其中k＝1,2,…n。
计算原始数据序列的方差S1以及残差序列的方差S2。
按GM(1,1)建模法已经求出残差E＝[e(1),e(2),…e(n)]。原始序列X(0)及残差序列E的方差分别为则：
其中k＝1,2,…n
其中k＝1,2,…n
其中为原始序列X(0)的均值。
将残差序列的方差S2与原始数据序列的方差S1做比值得到后验差比C为
计算所述残差序列的均值其中k＝1,2,…n。
根据所述残差序列、残差序列的均值以及原始数据序列的方差S1，得到对应第二心率值数据序列的小误差概率其中k＝1,2,…n。
根据所述后验差比C、小误差概率p以及相对误差w对所述第一心率值进行修正。
具体地包括：
若所述后验差比C大于预设的后验差比阈值且所述小误差概率p小于预设的小误差概率，同时相对误差w大于预设的相对误差阈值时，则将上次的预测数据替换对应的原始数据。
按照后验差比C，小误差概率p，相对误差w三个指标可综合评定预测模型的精度，一般的将预测模型分为四个等级，如下表1所示:
表1为精度检验等级参照表
得到数据检验结果后就可以判断本次采集的脉搏实际数据是否可靠，可靠采取后继续预测，不可靠剔除掉，用上次预测的结果替换脉搏实际数据接着进行下次预测,本发明对脉搏数据精度检验采用1级和2级，即如果采集的脉搏数据检验结果是1级，2级就接着作为灰色预测的原始数据接着进行下次预测，如果采集的脉搏数据检验结果为3级，4级，就将此数据剔除掉，用上次预测的结果作为原始数据进行下次预测，这样得到的脉搏数据非常平缓，系统因此能够输出比较一致的心率，从而极大增加用户体验。
图3是本发明实施例提供的心率计算装置的结构框图；图4是本发明实施例提供的修正模块4的结构框图。参考图3、4，本发明实施例还提供了一种心率计算装置，其特征在于，所述装置包括：
采样模块1，用于对脉搏波进行采样；
预处理模块2，用于对采样后的脉搏波数据进行预处理；
计算模块3，用于根据预处理后的脉搏波数据计算得到第一心率值；
修正模块4，用于利用灰度算法对计算出的第一心率值进行修正。
其中，修正模块4，包括第一获取模块41、建模模块42、第二获取模块43以及修正子模块44，具体的：
第一获取模块41，用于获取N个单位时间内的预处理后的脉搏数据，并将获取的N个单位时间内的预处理后的脉搏数据作为原始数据；
建模模块42，用于将所述原始数据进行累加处理，并建立预测模型；
第二获取模块43，用于根据所述预测模型得到第二心率值；
修正子模块44，用于根据所述第二心率值对所述第一心率值进行修正。
其中，建模模块42还用于：
设所述原始数据序列为：X(0)＝[x(0)(1),x(0)(2),…,x(0)(n)] (1)
对原始数据序列进行累加处理得：
x(1)(k)＝x(0)(1)+x(0)(2)+…+x(0)(k)＝x(1)(k-1)+x(0)(k) (2)
即：
其中(k＝1,2,…,n)，n为所述原始数据序列中原始数据的个数；
对累加后的原始数据序列进行变换后生成白化微分方程：
其中a为发展系数，u为灰作用量；
为所得的累加的预测；
利用最小二乘法求得：
其中
将计算得到的a、u值,代入所述白化微分方程，于是可得到灰色预测的离散时间响应函数为：
其中(t＝1,2,…n)
为所得的累加的预测值,将预测值还原即为：
其中(t＝1,2,…n)。
其中，第一获取模块41，具体用于：通过长度为N的滑动窗口获取N个单位时间内的预处理后的脉搏数据。
本实施例中的心率计算装置与前述实施例中的心率计算方法是基于同一发明构思下的两个方面，在前面已经对方法实施过程作了详细的描述，所以本领域技术人员可根据前述描述清楚地了解本实施中的装置的结构及实施过程，为了说明书的简洁，在此就不再赘述。本发明实施例提供的一个或多个技术方案，至少有以下技术效果：
1)本发明心率计算方法采用了步骤S104,利用灰度算法对计算出的第一心率值进行修正，使得在特殊情况下，特别是突然的佩戴抖动的情况下，方法能够剔除一些错误的计算值并输出比较一致的心率值，从而极大增加用户体验。
2)本发明通过长度为N的滑动窗口获取N个单位时间内的预处理后的脉搏数据，用上述方法去预测下一个数值，预测要更合理，预测精度更高，且更接近实际数据。
3)本发明通过后验差比C大于预设的后验差比阈值且所述小误差概率p小于预设的小误差概率，同时相对误差w大于预设的相对误差阈值时，则将上次的预测数据替换对应的原始数据，这样得到的脉搏数据非常平缓，系统因此能够输出比较一致的心率，从而极大增加用户体验。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其它各种相应的改变以及形变，而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。
Claims (8)
1.一种心率计算方法，其特征在于，方法包括以下步骤：
对脉搏波进行采样；
对采样后的脉搏波数据进行预处理；
根据预处理后的脉搏波数据计算得到第一心率值；
利用灰度算法对计算出的第一心率值进行修正；
所述利用灰度算法对计算出的第一心率值进行修正，包括：
获取N个单位时间内的预处理后的脉搏数据，并将获取的N个单位时间内的预处理后的脉搏数据作为原始数据；
将所述原始数据进行累加处理，并建立预测模型；
根据所述预测模型得到第二心率值；
根据所述第二心率值对所述第一心率值进行修正。
2.根据权利要求1所述的方法，其特征在于，所述将所述原始数据进行累加处理，并建立预测模型，包括以下步骤：
设原始数据序列为：X(0)＝[x(0)(1),x(0)(2),…,x(0)(n)] (1)
对原始数据序列进行累加处理得：
x(1)(k)＝x(0)(1)+x(0)(2)+…+x(0)(k)＝x(1)(k-1)+x(0)(k) (2)
即：
其中k＝1,2,…,n，n为所述原始数据序列中原始数据的个数；
对累加后的原始数据序列进行变换后生成白化微分方程：
其中a为发展系数，u为灰作用量；
为所得的累加的预测；
利用最小二乘法求得：
其中
将计算得到的a、u值,代入所述白化微分方程，于是可得到灰色预测的离散时间响应函数为：
其中t＝1,2,…n
为所得的累加的预测值,将预测值还原即为：
其中t＝1,2,…n。
3.根据权利要求1或2所述的方法，其特征在于，所述获取N个单位时间内的预处理后的脉搏数据，具体为：通过长度为N的滑动窗口获取N个单位时间内的预处理后的脉搏数据。
4.根据权利要求1或2所述的方法，其特征在于，所述根据所述第二心率值对所述第一心率值进行修正，包括：
计算原始数据序列与所述预测模型得到第二心率值数据序列的残差，得到残差序列；
根据所述原始数据序列与所述残差序列计算得出相对误差序列，并根据所述相对误差序列，计算平均相对误差；
计算原始数据序列的方差S1以及残差序列的方差S2；
将残差序列的方差S2与原始数据序列的方差S1做比值得到后验差比C；
计算所述残差序列的均值；
根据所述残差序列、残差序列的均值以及原始数据序列的方差S1，得到对应第二心率值数据序列的小误差概率；
根据所述后验差比C、小误差概率以及相对误差对所述第一心率值进行修正。
5.根据权利要求4所述的方法，其特征在于，所述根据所述后验差比C、小误差概率以及相对误差对所述第一心率值进行修正，包括：
若所述后验差比C大于预设的后验差比阈值且所述小误差概率p小于预设的小误差概率阈值，同时相对误差w大于预设的相对误差阈值时，则将上次的预测数据替换对应的原始数据。
6.一种心率计算装置，其特征在于，所述装置包括：
采样模块，用于对脉搏波进行采样；
预处理模块，用于对采样后的脉搏波数据进行预处理；
计算模块，用于根据预处理后的脉搏波数据计算得到第一心率值；
修正模块，用于利用灰度算法对计算出的第一心率值进行修正；
所述修正模块，包括第一获取模块、建模模块、第二获取模块以及修正子模块，具体的：
所述第一获取模块，用于获取N个单位时间内的预处理后的脉搏数据，并将获取的N个单位时间内的预处理后的脉搏数据作为原始数据；
所述建模模块，用于将所述原始数据进行累加处理，并建立预测模型；
所述第二获取模块，用于根据所述预测模型得到第二心率值；
所述修正子模块，用于根据所述第二心率值对所述第一心率值进行修正。
7.根据权利要求6所述的心率计算装置，其特征在于，所述建模模块还用于：
设原始数据序列为：X(0)＝[x(0)(1),x(0)(2),…,x(0)(n)] (1)
对原始数据序列进行累加处理得：
x(1)(k)＝x(0)(1)+x(0)(2)+…+x(0)(k)＝x(1)(k-1)+x(0)(k) (2)
即：
其中k＝1,2,…,n，n为所述原始数据序列中原始数据的个数；
对累加后的原始数据序列进行变换后生成白化微分方程：
其中a为发展系数，u为灰作用量；
为所得的累加的预测；
利用最小二乘法求得：
其中
将计算得到的a、u值,代入所述白化微分方程，于是可得到灰色预测的离散时间响应函数为：
其中t＝1,2,…n
为所得的累加的预测值,将预测值还原即为：
其中t＝1,2,…n。
8.根据权利要求6所述的心率计算装置，其特征在于，所述获取模块，具体用于：通过长度为N的滑动窗口获取N个单位时间内的预处理后的脉搏数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610067934.6A CN105740627B (zh) | 2016-01-29 | 2016-01-29 | 一种心率计算方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610067934.6A CN105740627B (zh) | 2016-01-29 | 2016-01-29 | 一种心率计算方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105740627A CN105740627A (zh) | 2016-07-06 |
| CN105740627B true CN105740627B (zh) | 2019-02-26 |
Family
ID=56247263
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610067934.6A Active CN105740627B (zh) | 2016-01-29 | 2016-01-29 | 一种心率计算方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105740627B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106383808B (zh) * | 2016-09-18 | 2019-08-02 | 时瑞科技（深圳）有限公司 | 心率心电信号的处理系统及方法 |
| WO2018126367A1 (zh) * | 2017-01-04 | 2018-07-12 | 上海温尔信息科技有限公司 | 数据清洗方法及装置 |
| TWI657794B (zh) | 2017-01-09 | 2019-05-01 | 財團法人工業技術研究院 | 生理資訊偵測裝置及使用其之生理資訊偵測方法 |
| 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 |
| CN115444685A (zh) * | 2022-09-16 | 2022-12-09 | 喜临门家具股份有限公司 | 一种过久离床提醒控制方法、系统、智能床和存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102488508A (zh) * | 2011-12-29 | 2012-06-13 | 哈尔滨工业大学 | 一种基于图像捕获的心率测量方法 |
| CN103271743A (zh) * | 2012-12-10 | 2013-09-04 | 中国人民解放军第一五二中心医院 | 一种基于成像设备的非接触式血氧饱和度测量装置 |
| CN103271734A (zh) * | 2012-12-10 | 2013-09-04 | 中国人民解放军第一五二中心医院 | 一种基于低端成像设备的心率测量方法 |
| CN103815890A (zh) * | 2014-03-08 | 2014-05-28 | 哈尔滨工业大学 | 一种利用智能手机摄像头检测心率的方法 |
| CN103914948A (zh) * | 2014-04-23 | 2014-07-09 | 西安电子科技大学 | 基于智能移动终端的老人看护系统及其方法 |
| CN104382575A (zh) * | 2014-11-20 | 2015-03-04 | 惠州Tcl移动通信有限公司 | 一种基于移动终端的心律检测方法及移动终端 |
-
2016
- 2016-01-29 CN CN201610067934.6A patent/CN105740627B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102488508A (zh) * | 2011-12-29 | 2012-06-13 | 哈尔滨工业大学 | 一种基于图像捕获的心率测量方法 |
| CN103271743A (zh) * | 2012-12-10 | 2013-09-04 | 中国人民解放军第一五二中心医院 | 一种基于成像设备的非接触式血氧饱和度测量装置 |
| CN103271734A (zh) * | 2012-12-10 | 2013-09-04 | 中国人民解放军第一五二中心医院 | 一种基于低端成像设备的心率测量方法 |
| CN103815890A (zh) * | 2014-03-08 | 2014-05-28 | 哈尔滨工业大学 | 一种利用智能手机摄像头检测心率的方法 |
| CN103914948A (zh) * | 2014-04-23 | 2014-07-09 | 西安电子科技大学 | 基于智能移动终端的老人看护系统及其方法 |
| CN104382575A (zh) * | 2014-11-20 | 2015-03-04 | 惠州Tcl移动通信有限公司 | 一种基于移动终端的心律检测方法及移动终端 |
Non-Patent Citations (2)
| Title |
|---|
| "基于灰色系统理论的预测模型的研究";张永波;《中国优秀硕士学位论文全文数据库 信息科技辑》;20051215(第8期);正文第27-37页，第45页 |
| "非接触式生理信号检测关键技术研究";孔令琴;《中国博士学位论文全文数据库 信息科技辑》;20150415(第4期);正文第29页，第43页 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105740627A (zh) | 2016-07-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105740627B (zh) | 一种心率计算方法及装置 | |
| US10852357B2 (en) | System and method for UPS battery monitoring and data analysis | |
| CN117349778B (zh) | 一种基于物联网的用电设备在线实时监测系统 | |
| CN117421610B (zh) | 一种用于电能表运行状态预警的数据异常分析方法 | |
| RU2642142C2 (ru) | Способ и система для измерения со множеством датчиков | |
| CN116070163B (zh) | 一种室内有害气体浓度异常监测数据处理方法 | |
| EP2996158A1 (en) | Solar power system, anomaly determination processing device, anomaly determination processing method, and program | |
| EP3100138B1 (en) | System for a brain-computer interface | |
| CN103533883A (zh) | 生物节律紊乱程度计算装置、生物节律紊乱程度计算系统、生物节律紊乱程度计算方法、程序及记录介质 | |
| CN117310348B (zh) | 一种电源适配器故障实时监测方法及系统 | |
| CN103892830A (zh) | 一种基于人体皮肤电阻变化的情绪检测方法及系统 | |
| CN112416662A (zh) | 多时间序列数据异常检测方法与装置 | |
| CN118280606B (zh) | 智能陪护设备控制方法及其系统 | |
| CN118070195B (zh) | 一种矿用交流变频器异常数据状态监测系统 | |
| CN117668684A (zh) | 基于大数据分析的电网电能数据异常检测方法 | |
| RU2601186C2 (ru) | Проверка тока контура управления процессом | |
| WO2019214825A1 (en) | Transmission of sensor data from sensor devices | |
| US9608563B2 (en) | Method for detecting the degree of soiling of PV modules | |
| CN107638174B (zh) | 一种提升准确度的心率检测方法和装置 | |
| CN117668427A (zh) | 一种基于数据分析的用电信息系统温度监控预测方法及设备 | |
| CN102928014A (zh) | 电力系统数字测量或遥测处理的方法及装置 | |
| JP5442704B2 (ja) | 人間活動検知システム、人間活動検知方法および人間活動検知プログラム | |
| JP2010501855A (ja) | 信号変化を特定する方法、および同方法を実現するように配設された回路を含む装置 | |
| CN110866652B (zh) | 一种基于lstm模型的在线pmu数据纠错方法及系统 | |
| Poh et al. | Anomaly detection for home activity based on sequence pattern |
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 |