CN106228005B - 数据处理方法及系统 - Google Patents

数据处理方法及系统 Download PDF

Info

Publication number
CN106228005B
CN106228005B CN201610570711.1A CN201610570711A CN106228005B CN 106228005 B CN106228005 B CN 106228005B CN 201610570711 A CN201610570711 A CN 201610570711A CN 106228005 B CN106228005 B CN 106228005B
Authority
CN
China
Prior art keywords
user
time
index
heartbeat
heart rate
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
CN201610570711.1A
Other languages
English (en)
Other versions
CN106228005A (zh
Inventor
陈远翔
马斌
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.)
Shenyang Weijin Gene Technology Co., Ltd
Original Assignee
Beijing Xinliang Technology Co Ltd
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 Beijing Xinliang Technology Co Ltd filed Critical Beijing Xinliang Technology Co Ltd
Priority to CN201610570711.1A priority Critical patent/CN106228005B/zh
Publication of CN106228005A publication Critical patent/CN106228005A/zh
Application granted granted Critical
Publication of CN106228005B publication Critical patent/CN106228005B/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
    • A61B5/02—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
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Cardiology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明实施例提供的数据处理方法及系统根据心跳间隔以及一系列公式获得与心跳间隔相关的窦性心搏间标准差、运动负荷指数、精神压力指数、心量指数、和谐指数、精神能量消耗指数、疲劳指数等数据。与现有的移动设备相比，改善了现有的移动设备不能获得与心率相关的其他数据的问题。

Description

数据处理方法及系统
技术领域
本发明涉及测量领域，具体而言，涉及一种数据处理方法及系统。
背景技术
随着社会的发展以及人们生活水平的提高，越来越多的人开始了运动健身的生活，随之产生了能够记录心率的移动设备，例如手机、手环等。
现有的移动设备往往功能单一，往往只能统计实时心率，而不能根据实时心率获得与心率相关的其他数据。
发明内容
有鉴于此，本发明实施例提供了一种数据处理方法及系统，以改善现有的移动设备不能获得与心率相关的其他数据的问题。
为实现上述目的，本发明实施例提供了一种数据处理方法，所述方法包括：服务器根据用户的心跳间隔数据，获得超过预定时长的心跳间隔的数量；根据所述用户的心跳间隔数据，获得该用户的实时心率、最大心率以及平均心率；根据所述心跳间隔数据，获得所述用户的第一预定时间段内的窦性心搏间标准差，以及所述用户的多个第二预定时间段内的窦性心搏间标准差；根据所述多个第二预定时间段内的窦性心搏间标准差、最大心率以及实时心率，获得运动负荷指数；获得所述用户的心跳间隔的功率谱，根据所述功率谱，获得所述用户的自律神经平衡性，并根据所述自律神经平衡性获得精神压力指数；根据所述功率谱，获得所述用户的心量指数；根据所述功率谱，获得所述用户的和谐指数；根据所述功率谱，获得所述用户的精神能量消耗指数，并根据精神能量消耗指数、运动负荷指数以及精神压力指数获得疲劳指数。
本发明实施例还提供了一种数据处理系统，所述系统包括：包括服务器以及用户终端，所述服务器与用户终端交互，所述用户终端用于获得用户的心跳间隔数据，并将所述心跳间隔数据发送至所述服务器；所述服务器用于根据所述用户的心跳间隔数据，获得超过预定时长的心跳间隔的数量；用于根据所述用户的心跳间隔数据，获得该用户的实时心率、最大心率以及平均心率；根据所述心跳间隔数据，获得所述用户的第一预定时间段内的窦性心搏间标准差，以及所述用户的多个第二预定时间段内的窦性心搏间标准差；根据所述多个第二预定时间段内的窦性心搏间标准差、最大心率以及实时心率，获得运动负荷指数；用于获得所述用户的心跳间隔的功率谱，根据所述功率谱，获得所述用户的自律神经平衡性，并根据所述自律神经平衡性获得精神压力指数；根据所述功率谱，获得所述用户的心量指数；根据所述功率谱，获得所述用户的和谐指数；根据所述功率谱，获得所述用户的精神能量消耗指数，并根据精神能量消耗指数、运动负荷指数以及精神压力指数获得疲劳指数。
本发明实施例提供的数据处理方法及系统的有益效果为：
本发明实施例提供的数据处理方法及系统根据心跳间隔以及一系列公式获得与心跳间隔相关的窦性心搏间标准差、运动负荷指数、精神压力指数、心量指数、和谐指数、精神能量消耗指数、疲劳指数等数据。与现有的移动设备相比，改善了现有的移动设备不能获得与心率相关的其他数据的问题。
附图说明
为了更清楚的说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明较佳实施例提供的服务器与用户终端进行交互的示意图；
图2示出了本发明较佳实施例提供的数据处理方法的流程图；
图3是图2示出的步骤S2的具体步骤的流程图；
图4是图2示出的步骤S3的具体步骤的流程图；
图5示出了本发明另一较佳实施例提供的数据处理方法的流程图；
图6示出了本发明较佳实施例提供的数据处理系统的示意图；
图7示出了本发明另一较佳实施例提供的数据处理系统的示意图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，是本发明较佳实施例提供的服务器100与用户终端200进行交互的示意图。所述服务器100通过网络300与一个或多个用户终端200进行通信连接，以进行数据通信或交互。所述服务器100可以是网络服务器、数据库服务器等。所述用户终端200可以是平板电脑、智能手机、个人数字助理(personal digital assistant，PDA)、可穿戴设备等。
详情请参见图2，图2是本发明实施例提供的一种数据处理方法的流程图，所述方法包括：
步骤S1，服务器根据用户的心跳间隔数据，获得超过预定时长的心跳间隔的数量。
具体的，预定时长可以设置为两秒以及五秒，分别对超过两秒的心跳间隔的数量以及超过五秒的心跳间隔的数量进行统计。
若一小时内，超过两秒的心跳间隔的数量超过十；或者半小时内，超过五秒的心跳间隔数量超过二，服务器则可以发送控制信号至用户终端。
步骤S2，根据所述用户的心跳间隔数据，获得该用户的实时心率、最大心率以及平均心率；根据所述心跳间隔数据，获得所述用户的第一预定时间段内的窦性心搏间标准差，以及所述用户的多个第二预定时间段内的窦性心搏间标准差；根据所述多个第二预定时间段内的窦性心搏间标准差、最大心率以及实时心率，获得运动负荷指数。
具体可以根据用户的心跳间隔，获得该用户的实时心率。并根据实时心率，统计最大心率以及平均心率。具体可以统计一整天(24小时)内的最大心率以及一整天内的平均心率。也可以设定统计的时间，例如统计运动期间的实时心率，并根据运动期间的实时心率统计运动期间的最大心率以及平均心率。
根据公式获得所述用户的第一预定时间段内的窦性心搏间标准差，以及所述用户的多个第二预定时间段内的窦性心搏间标准差。其中，SDNN为窦性心搏间标准差，RRi为预定时间段内心跳间隔，u为所述预定时间段内的全部RRi的平均值，N为所述预定时间段内的心跳间隔的数量。
SDNN(standard diviation of NN intervals)为窦性心搏间标准差，是心率变异性的一个指标，年龄越小，SDNN的值越大。
第一预定时间段具体可以为二十四小时，即获得用户第一预定时间段内的窦性心搏间标准差为获得用户二十四小时的SDNN。RRi为二十四小时内的心跳间隔，u为二十四小时内的全部RRi的平均值，N为二十四小时内的心跳间隔的数量。
第二预定时间段具体可以为五分钟，也可以将一整天(二十四小时)的时间以五分钟为一段，分为二百八十八个时间段。即可以分别求出所有五分钟时间段的窦性心搏间标准差的数据，以获得二百八十八个窦性心搏间标准差的数据。
接收运动开始指令，并统计接收到运动开始指令后的窦性心搏间标准差的数据，以及统计接收到运动开始指令后的实时心率。根据上述的实时心率对应的最大心率与接收到运动开始指令后的窦性心搏间标准差的最小值的比值来获得运动基数。
即根据公式Mb＝HRMAX/SDNNmin获得运动基数Mb，其中，HRMAX为最大心率，SDNNmin为接收到运动开始指令后的所述多个第二预定时间段内的窦性心搏间标准差的最小值。
根据公式EXEld＝(HRreal/SDNNreal)/EXEbe×10获得运动负荷指数EXEld，其中，HRreal为接收到运动开始指令后的实时心率，SDNNrael为与实时心率对应的SDNN数据，EXEbe为上述的运动基数。
步骤S3，获得所述用户的心跳间隔的功率谱，根据所述功率谱，获得所述用户的自律神经平衡性，并根据所述自律神经平衡性获得精神压力指数；根据所述功率谱，获得所述用户的心量指数；根据所述功率谱，获得所述用户的和谐指数；根据所述功率谱，获得所述用户的精神能量消耗指数，并根据精神能量消耗指数、运动负荷指数以及精神压力指数获得疲劳指数。
可以通过快速傅里叶变换获得用户的心跳间隔的功率谱。然后获得0.04Hz至0.15Hz之间的第一功率，并获得0.15Hz至0.4Hz之间的第二功率。通过第二功率与第一功率的比值获得自律神经平衡性。根据公式MeSr＝(NeB+5)/2获得精神压力指数MeSr，其中，NeB为自律神经平衡性。
可以获得所述功率谱对应的第一频率范围内的第一功率，所述功率谱对应的第二频率范围内的第二功率，所述功率谱对应的第三频率范围内的第三功率；并根据所述第一功率、第二功率、第三功率以及实时心率获得所述用户的心量指数。
具体可以获得功率谱对应的第四频率范围内的第四功率；以及所述功率谱对应的第五频率范围内的最大功率，其中，所述第五频率范围位于所述第四频率范围内；通过所述第五频率范围内的最大功率与所述第四功率的比值获得所述和谐指数。
获得0Hz至0.4Hz的总功率，该总功率为精神能量消耗指数。
然后根据精神能量消耗指数、运动负荷指数以及精神压力指数获得疲劳指数。即根据公式FaIn＝[(MeSr+EXEld)/2]/SpEn获得疲劳指数FaIn。其中，MeSr为精神压力指数；EXEld为运动负荷指数；SpEn为精神能量消耗指数。
本实施例可以通过如上述的计算过程获得与实施心率以及心跳间隔相关的数据，并将这些数据呈现给用户，以使用户除了可以获得实时心率数据，还可以获得其他的数据例如精神压力指数、运动负荷指数等。
详情请参见图3，图3示出了图2示出的步骤S2的具体步骤：
步骤S21，根据所述用户的心跳间隔，获得该用户的实时心率、最大心率以及平均心率。
具体可以根据用户的一段时间内的心跳间隔获得用户在该段时间的实时心率，并根据实时心率，统计该段时间的最大心率以及平均心率。
步骤S22，根据公式获得所述用户的第一预定时间段内的窦性心搏间标准差，以及所述用户的多个第二预定时间段内的窦性心搏间标准差。
窦性心搏间标准差(standard diviation of NN intervals)是心率变异性的一个指标，可以用英文缩写SDNN表示。
第一预定时间段具体可以为二十四小时，即获得用户第一预定时间段内的窦性心搏间标准差为获得用户二十四小时的SDNN。RRi为二十四小时内的心跳间隔，u为二十四小时内的全部RRi的平均值，N为二十四小时内的心跳间隔的数量。
第二预定时间段具体可以为五分钟，也可以将一整天(二十四小时)的时间以五分钟为一段，分为二百八十八个时间段。即可以分别求出所有五分钟时间段的窦性心搏间标准差的数据，获得二百八十八个窦性心搏间标准差的数据。
步骤S23，接收运动开始指令。
可以是用户从用户终端输入一个运动开始指令，用户终端将该运动开始指令发送至服务器，以使服务器接收该运动开始指令。
用户具体可以通过声控、点触等方式通过用户终端输入运动开始指令。用户终端也可以根据用户实时心率的变化来出发运动开始指令，例如当实时心率超过A值时，则用户终端就发送运动开始指令至服务器。
步骤S24，获得接收到运动开始指令后的所述多个第二预定时间段内的窦性心搏间标准差的最小值，根据所述窦性心搏间标准差的最小值以及最大心率获得运动基数。
服务器接收运动开始指令，并统计接收到运动开始指令后的窦性心搏间标准差的数据，以及统计接收到运动开始指令后的实时心率。根据上述的实时心率对应的最大心率与接收到运动开始指令后的窦性心搏间标准差的最小值的比值来获得运动基数。
即根据公式Mb＝HRMAX/SDNNmin获得运动基数Mb，其中，HRMAX为最大心率，SDNNmin为接收到运动开始指令后的所述多个第二预定时间段内的窦性心搏间标准差的最小值。
步骤S25，根据所述实时心率、与所述实时心率对应的窦性心搏间标准差以及所述运动基数获得运动负荷指数。
根据公式EXEld＝(HRreal/SDNNreal)/EXEbe×10获得运动负荷指数EXEld，其中，HRreal为接收到运动开始指令后的实时心率，SDNNrael为与实时心率对应的SDNN数据，EXEbe为上述的运动基数。
详情请参见图4，图4示出了图2示出的步骤S3的具体步骤：
步骤S31，获得所述用户的心跳间隔的功率谱，根据所述功率谱，获得所述用户的自律神经平衡性，并根据所述自律神经平衡性获得精神压力指数。
具体可以通过快速傅里叶变换获得用户的心跳间隔的功率谱。然后获得0.04Hz至0.15Hz之间的第一功率，并获得0.15Hz至0.4Hz之间的第二功率。通过第二功率与第一功率的比值获得自律神经平衡性。
根据公式MeSr＝(NeB+5)/2获得精神压力指数MeSr，其中，NeB为自律神经平衡性。
步骤S32，获得所述功率谱对应的第一频率范围内的第一功率。
具体可以获得0.04Hz至0.15Hz之间的第一功率LF。即第一频率范围对应的频率范围为0.04Hz至0.15Hz。
步骤S33，获得所述功率谱对应的第二频率范围内的第二功率。
具体可以获得0.15Hz至0.4Hz之间的第二功率HF，即第二频率范围对应的频率范围为0.15Hz至0.4Hz。
步骤S34，获得所述功率谱对应的第三频率范围内的第三功率。
具体可以获得0.0033Hz至0.04Hz之间的第三功率VLF，即第三频率范围对应的具体频率范围为0.0033Hz至0.04Hz。
步骤S35，根据所述第一功率、第二功率、第三功率以及实时心率获得所述用户的心量指数。
根据公式HRindex＝1000×HF/[(VLF+LF)/2]×HRreal。心量指数可以反映人的灵活度。指数越高意味着用户的灵活度越高。
步骤S36，获得所述功率谱对应的第四频率范围内的第四功率。
具体可以获得0.003Hz至0.4Hz的第四功率。
步骤S37，获得所述功率谱对应的第五频率范围内的最大功率。
获得0.04Hz至0.26Hz之间的最大功率。在最大功率的左侧和右侧各取0.015Hz，并将这段频率范围内的功率累加起来，可以获得与该最大功率对应的峰值窗口。
步骤S38，通过所述第五频率范围内的最大功率与所述第四功率的比值获得所述和谐指数。
和谐指数(coherence index)具体反映心率的高度相干性，自律神经平衡性的指数，心血管、神经、激素以及免疫系统的运行状况。和谐指数越高，人的呼吸、血压、脉搏震动越统一。
步骤S39，根据所述功率谱，获得所述用户的精神能量消耗指数，并根据精神能量消耗指数、运动负荷指数以及精神压力指数获得疲劳指数。
获得0Hz至0.4Hz的总功率，该总功率为精神能量消耗指数。将0Hz至0.4Hz之间的功率值进行累加，以获得0Hz至0.4Hz的总功率。该总功率即为精神能量消耗指数。
根据公式FaIn＝[(MeSr+EXEld)/2]/SpEn可以获得疲劳指数FaIn。其中，MeSr为精神压力指数；EXEld为运动负荷指数；SpEn为精神能量消耗指数。
详情请参见图5，图5示出的数据处理方法还包括：
步骤S4，所述服务器根据位移数据以及自律神经平衡性，获得所述用户的睡眠状态。
具体地，若身体在一分钟以内有位移，自律神经平衡性的数值在-1至1之间，并且实时心率大于或等于静息心率，则该用户处于浅睡眠状态。
若身体在一分钟以上无位移，自律神经平衡性的数值在-3至-2之间，并且实时心率小于或等于静息心率与数值十之和，则该用户处于NREM睡眠状态。
若身体在五分钟以上无位移，自律神经平衡性的数值在-5至-4之间，并且实时心率小于或等于静息心率与数值十之和，则该用户处于深睡眠状态。
若身体在十分钟以上无位移，自律神经平衡性的数值在-4至-3之间，并且实时心率小于或等于静息心率与数值十之和，则该用户处于REM睡眠状态。
REM(rapid eyes movement)也称为异相睡眠(Para－sleep)、快相睡眠、异相睡眠或快波睡眠，是一个睡眠的阶段，眼球在此阶段时会呈现不由自主的快速移动。除了REM睡眠以外的睡眠阶段均为NON-REM(NREM)睡眠。
NREM睡眠又分为浅睡眠和深睡眠，深睡眠和浅睡眠交替反复进行，直到清醒。研究表明，在深睡眠期，人的大脑皮层细胞处于充分休息状态，对稳定情绪、平衡心态、恢复精力极为重要。
本发明实施例还可以获得精神散乱程度，先获得频率范围为0Hz至0.04Hz的总功率，再获得频率范围为0Hz至0.4Hz的总功率，通过频率范围为0Hz至0.04Hz的总功率与频率范围为0Hz至0.4Hz的总功率的比值，获得精神散乱程度。
详情请参见图6，图6示出了本发明实施例提供的数据处理系统，包括服务器100以及用户终端200，服务器100与用户终端200通过网络300交互。
服务器100获得的心跳间隔数据可以为用户终端200检测到的，也可以为用户从用户终端200输入的。用户终端200可以包括可穿戴设备210以及移动终端220，详情请参见图7。
可以通过可穿戴设备210获得用户的心跳间隔数据以及位移数据，并将上述数据发送至移动终端220，移动终端220将心跳间隔数据以及位移数据通过网络300发送至服务器100，服务器100获得心跳间隔数据以及位移数据后，对心跳间隔数据以及位移数据进行处理，以获得运动负荷指数、疲劳指数等数据。然后服务器100可以将处理后获得的数据再发送至移动终端220。
其中，可穿戴设备210可以为智能手环、运动文胸等。移动终端220可以为手机、平板电脑等。
所述用户终端200用于获得用户的心跳间隔数据，并将所述心跳间隔数据发送至所述服务器100；所述服务器100用于根据所述用户的心跳间隔数据，获得超过预定时长的心跳间隔的数量；用于根据所述用户的心跳间隔数据，获得该用户的实时心率、最大心率以及平均心率；根据所述心跳间隔数据，获得所述用户的第一预定时间段内的窦性心搏间标准差，以及所述用户的多个第二预定时间段内的窦性心搏间标准差；根据所述多个第二预定时间段内的窦性心搏间标准差、最大心率以及实时心率，获得运动负荷指数；用于获得所述用户的心跳间隔的功率谱，根据所述功率谱，获得所述用户的自律神经平衡性，并根据所述自律神经平衡性获得精神压力指数；根据所述功率谱，获得所述用户的心量指数；根据所述功率谱，获得所述用户的和谐指数；根据所述功率谱，获得所述用户的精神能量消耗指数，并根据精神能量消耗指数、运动负荷指数以及精神压力指数获得疲劳指数。
服务器100用于根据所述用户的心跳间隔数量，获得超过两秒的心跳间隔的数量以及超过五秒的心跳间隔的数量。若一小时内，服务器100获得的超过两秒的心跳间隔的数量大于十；或半小时内，服务器100获得的超过五秒的心跳间隔的数量大于二，服务器100可以发送控制信号至用户终端200，以使用户终端200发出警示信号。
服务器100用于根据公式获得所述用户的第一预定时间段内的窦性心搏间标准差，以及所述用户的多个第二预定时间段内的窦性心搏间标准差，其中，SDNN为窦性心搏间标准差，RRi为预定时间段内心跳间隔，u为所述预定时间段内的全部RRi的平均值，N为所述预定时间段内的心跳间隔的数量。
服务器100用于接收运动开始指令；获得接收到运动开始指令后的所述多个第二预定时间段内的窦性心搏间标准差的最小值，根据所述窦性心搏间标准差的最小值以及最大心率获得运动基数；根据所述实时心率、与所述实时心率对应的窦性心搏间标准差以及所述运动基数获得运动负荷指数。具体可以根据根据公式Mb＝HRMAX/SDNNmin获得运动基数Mb，其中，HRMAX为最大心率，SDNNmin为接收到运动开始指令后的所述多个第二预定时间段内的窦性心搏间标准差的最小值。
服务器100可以获得所述功率谱对应的第一频率范围内的第一功率；获得所述功率谱对应的第二频率范围内的第二功率；获得所述功率谱对应的第三频率范围内的第三功率；根据所述第一功率、第二功率、第三功率以及实时心率获得所述用户的心量指数。
服务器100还可以获得所述功率谱对应的第四频率范围内的第四功率；获得所述功率谱对应的第五频率范围内的最大功率，其中，所述第五频率范围位于所述第四频率范围内；通过所述第五频率范围内的最大功率与所述第四功率的比值获得所述和谐指数。
用户终端200可以发送位移数据至服务器100，服务器100可以根据位移数据、实时心率以及自律神经平衡性，获得所述用户的睡眠状态。
上述的数据处理系统与数据处理方法相对应，在此便不做赘述。
与现有的移动设备相比，本发明实施例提供的数据处理方法及系统改善了现有的移动设备不能获得与心率相关的其他数据的问题，以使用户获得更多地数据。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，也可以通过其它的方式实现。以上所描述的系统实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read－Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (9)

1.一种数据处理方法，其特征在于，所述方法包括：
服务器根据用户的心跳间隔数据，获得超过预定时长的心跳间隔的数量；
根据所述用户的心跳间隔数据，获得该用户的实时心率、最大心率以及平均心率；根据所述心跳间隔数据，获得所述用户的第一预定时间段内的窦性心搏间标准差，以及所述用户的多个第二预定时间段内的窦性心搏间标准差；根据所述多个第二预定时间段内的窦性心搏间标准差、最大心率以及实时心率，获得运动负荷指数；其中，包括：接收运动开始指令；获得接收到运动开始指令后的所述多个第二预定时间段内的窦性心搏间标准差的最小值，根据所述窦性心搏间标准差的最小值以及最大心率获得运动基数；根据所述实时心率、与所述实时心率对应的窦性心搏间标准差以及所述运动基数获得运动负荷指数；
获得所述用户的心跳间隔的功率谱，根据所述功率谱，获得所述用户的自律神经平衡性，并根据所述自律神经平衡性获得精神压力指数；根据所述功率谱，获得所述用户的心量指数；根据所述功率谱，获得所述用户的和谐指数；根据所述功率谱，获得所述用户的精神能量消耗指数，并根据精神能量消耗指数、运动负荷指数以及精神压力指数获得疲劳指数。
2.根据权利要求1所述的方法，其特征在于，所述根据所述用户的心跳间隔，获得超过预定时长的心跳间隔的数量，包括：
根据所述用户的心跳间隔数量，获得超过两秒的心跳间隔的数量以及超过五秒的心跳间隔的数量。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
若一小时内，服务器获得的超过两秒的心跳间隔的数量大于十；或半小时内，服务器获得的超过五秒的心跳间隔的数量大于二，服务器发送控制信号至用户终端。
4.根据权利要求1所述的方法，其特征在于，所述根据所述心跳间隔数据，获得所述用户的第一预定时间段内的窦性心搏间标准差，以及所述用户的多个第二预定时间段内的窦性心搏间标准差，包括：
根据公式获得所述用户的第一预定时间段内的窦性心搏间标准差，以及所述用户的多个第二预定时间段内的窦性心搏间标准差，其中，SDNN为窦性心搏间标准差，RRi为预定时间段内的N个心跳间隔中的每个，u为所述预定时间段内的N个RRi之和的平均值，N为所述预定时间段内的心跳间隔的数量。
5.根据权利要求4所述的方法，其特征在于，所述获得接收到运动开始指令后的所述多个第二预定时间段内的窦性心搏间标准差的最小值，根据所述窦性心搏间标准差的最小值以及最大心率获得运动基数，包括：
根据公式Mb＝HRMAX/SDNNmin获得运动基数Mb，其中，HRMAX为最大心率，SDNNmin为接收到运动开始指令后的所述多个第二预定时间段内的窦性心搏间标准差的最小值。
6.根据权利要求1所述的方法，其特征在于，所述根据所述功率谱，获得所述用户的心量指数，包括：
获得所述功率谱对应的第一频率范围内的第一功率；
获得所述功率谱对应的第二频率范围内的第二功率；
获得所述功率谱对应的第三频率范围内的第三功率；
根据所述第一功率、第二功率、第三功率以及实时心率获得所述用户的心量指数。
7.根据权利要求1所述的方法，其特征在于，所述根据所述功率谱，获得所述用户的和谐指数，包括：
获得所述功率谱对应的第四频率范围内的第四功率；
获得所述功率谱对应的第五频率范围内的最大功率，其中，所述第五频率范围位于所述第四频率范围内；
通过所述第五频率范围内的最大功率与所述第四功率的比值获得所述和谐指数。
8.根据权利要求1所述的方法，其特征在于，所述方法还包括：
所述服务器根据位移数据、实时心率以及自律神经平衡性，获得所述用户的睡眠状态。
9.一种数据处理系统，其特征在于，所述系统包括服务器以及用户终端，所述服务器与用户终端交互，
所述用户终端用于获得用户的心跳间隔数据，并将所述心跳间隔数据发送至所述服务器；
所述服务器用于根据所述用户的心跳间隔数据，获得超过预定时长的心跳间隔的数量；
用于根据所述用户的心跳间隔数据，获得该用户的实时心率、最大心率以及平均心率；根据所述心跳间隔数据，获得所述用户的第一预定时间段内的窦性心搏间标准差，以及所述用户的多个第二预定时间段内的窦性心搏间标准差；根据所述多个第二预定时间段内的窦性心搏间标准差、最大心率以及实时心率，获得运动负荷指数；其中，包括：接收运动开始指令；获得接收到运动开始指令后的所述多个第二预定时间段内的窦性心搏间标准差的最小值，根据所述窦性心搏间标准差的最小值以及最大心率获得运动基数；根据所述实时心率、与所述实时心率对应的窦性心搏间标准差以及所述运动基数获得运动负荷指数；
用于获得所述用户的心跳间隔的功率谱，根据所述功率谱，获得所述用户的自律神经平衡性，并根据所述自律神经平衡性获得精神压力指数；根据所述功率谱，获得所述用户的心量指数；根据所述功率谱，获得所述用户的和谐指数；根据所述功率谱，获得所述用户的精神能量消耗指数，并根据精神能量消耗指数、运动负荷指数以及精神压力指数获得疲劳指数。
CN201610570711.1A 2016-07-19 2016-07-19 数据处理方法及系统 Active CN106228005B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610570711.1A CN106228005B (zh) 2016-07-19 2016-07-19 数据处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610570711.1A CN106228005B (zh) 2016-07-19 2016-07-19 数据处理方法及系统

Publications (2)

Publication Number Publication Date
CN106228005A CN106228005A (zh) 2016-12-14
CN106228005B true CN106228005B (zh) 2019-07-12

Family

ID=57531681

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610570711.1A Active CN106228005B (zh) 2016-07-19 2016-07-19 数据处理方法及系统

Country Status (1)

Country Link
CN (1) CN106228005B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107705009B (zh) * 2017-09-28 2021-02-09 京东方科技集团股份有限公司 运动场地管理系统和运动场地管理方法
CN109044296A (zh) * 2018-09-03 2018-12-21 深圳市尼欧科技有限公司 一种智能生理疲劳度检测的驾驶疲劳提醒手环
CN114098686A (zh) * 2020-08-31 2022-03-01 棋展电子股份有限公司 用于团队活动的穿戴式生理感测系统
CN112965060A (zh) * 2021-02-19 2021-06-15 加特兰微电子科技(上海)有限公司 生命特征参数的检测方法、装置和检测体征点的方法
US20240156413A1 (en) * 2022-11-08 2024-05-16 Wistron Corporation Systems and methods for touchless detection of heart rate variability

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1903117A (zh) * 2005-07-27 2007-01-31 孙德铨 非侵入性桡动脉血压波型量测系统及其应用
CN104323759A (zh) * 2014-11-05 2015-02-04 中国科学院合肥物质科学研究院 基于运动心率和跑步机的心肺耐力测试方法
CN104490390A (zh) * 2014-12-30 2015-04-08 天津大学 基于神经电生理信号联合分析的人体运动能力判别方法
CN104720783A (zh) * 2013-12-24 2015-06-24 中国移动通信集团公司 一种运动心率监控方法及设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1903117A (zh) * 2005-07-27 2007-01-31 孙德铨 非侵入性桡动脉血压波型量测系统及其应用
CN104720783A (zh) * 2013-12-24 2015-06-24 中国移动通信集团公司 一种运动心率监控方法及设备
CN104323759A (zh) * 2014-11-05 2015-02-04 中国科学院合肥物质科学研究院 基于运动心率和跑步机的心肺耐力测试方法
CN104490390A (zh) * 2014-12-30 2015-04-08 天津大学 基于神经电生理信号联合分析的人体运动能力判别方法

Also Published As

Publication number Publication date
CN106228005A (zh) 2016-12-14

Similar Documents

Publication Publication Date Title
CN106228005B (zh) 数据处理方法及系统
CN105748043B (zh) 睡眠质量监测方法及装置、可穿戴设备
CN106202953B (zh) 一种数据分析方法及系统
US20220265208A1 (en) Methods and systems for labeling sleep states
CN103632055A (zh) 数据采集方法和装置
CN106730812A (zh) 一种基于多生理参数情绪量估的游戏调控系统及调控方法
CN104898941A (zh) 基于用户生理状态调节学习或娱乐项目的方法、装置及系统
CN103892796A (zh) 腕带式睡眠监测系统
CN109285606A (zh) 一种基于大数据智能算法的健康管理方法和系统
CN203408041U (zh) 基于物联网技术的健康监护系统
WO2020187144A1 (zh) 一种心理压力评估方法及相关设备
Jiang et al. Entropy-based method for COP data analysis
CN109199336A (zh) 一种基于机器学习的睡眠质量量化方法、装置和设备
CN107767965A (zh) 多因素关联比对的健康监测系统及方法
CN106264451B (zh) 运动热量来源分析方法及装置
CN107773967B (zh) 一种基于智能手表数据的人体运动特征分析方法
WO2020211702A1 (zh) 压力评估校准方法、装置及存储介质
CN103870667A (zh) 管理食物摄入量的系统和方法
CN111180042A (zh) 一种基于标准营养素指标评价个人饮食的方法
CN106250685A (zh) 一种显示用户健康参数的方法及装置
CN109243610A (zh) 评估用户生理状态的方法及装置
CN202665522U (zh) 智能体征腕带
CN106503444A (zh) 运动量的获取方法及装置
CN207909205U (zh) 一种可记录考勤信息的智能手表
US10966665B2 (en) Method and apparatus for calculating biometric index using biometric information

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20200610

Address after: No. 15-6, Susheng street, Linsheng village, Linsheng Town, Sujiatun District, Shenyang City, Liaoning Province

Patentee after: Shenyang Weijin Gene Technology Co., Ltd

Address before: 100000, Qinghe Road, Qinghe, Beijing, No. 20, building 18, 4, 4051, Haidian District

Patentee before: BEIJING XINLIANG TECHNOLOGY Co.,Ltd.