CN106681961A - 信号特征提取方法和设备 - Google Patents

信号特征提取方法和设备 Download PDF

Info

Publication number
CN106681961A
CN106681961A CN201610584251.8A CN201610584251A CN106681961A CN 106681961 A CN106681961 A CN 106681961A CN 201610584251 A CN201610584251 A CN 201610584251A CN 106681961 A CN106681961 A CN 106681961A
Authority
CN
China
Prior art keywords
signal
elemental signals
waveform
signals
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610584251.8A
Other languages
English (en)
Other versions
CN106681961B (zh
Inventor
朴昌淳
权义根
金尚骏
尹胜槿
崔昌穆
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics 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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN106681961A publication Critical patent/CN106681961A/zh
Application granted granted Critical
Publication of CN106681961B publication Critical patent/CN106681961B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/15—Correlation function computation including computation of convolution operations
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • 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
    • A61B5/026—Measuring blood flow
    • A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
    • 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
    • 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
    • A61B5/7239—Details of waveform analysis using differentiation including higher order derivatives
    • 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
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • 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
    • A61B5/026—Measuring blood flow
    • A61B5/0295—Measuring blood flow using plethysmography, i.e. measuring the variations in the volume of a body part as modified by the circulation of blood therethrough, e.g. impedance plethysmography
    • 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
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • General Physics & Mathematics (AREA)
  • Cardiology (AREA)
  • Hematology (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)

Abstract

公开信号特征提取方法和设备。信号特征提取设备使用由多个参数确定的信号模型来估计形成输入信号的多个元素信号，并使用估计的多个元素信号提取信号特征。提取信号特征的方法包括：从输入信号估计多个元素信号；使用估计的多个元素信号提取信号特征，其中，估计多个元素信号的步骤包括：估计输入信号的第一元素信号；基于第一中间信号的波形估计第二元素信号，其中，第一中间信号是从输入信号消除第一元素信号而得到的信号。

Description

信号特征提取方法和设备
本申请要求于2015年11月9日提交到韩国知识产权局的第10-2015-0156348号韩国专利申请的权益，所述韩国专利申请的全部公开为了所有目的通过引用包含于此。
技术领域
以下描述涉及用于从输入信号提取信号特征的技术。
背景技术
正在对信息技术(IT)-医疗融合技术进行研究，在这种技术中，将IT应用于医疗技术。因此，监测个人的健康状况不再限于医院，现在能够在日常生活期间的任何地方(例如，家中和工作中)实现。例如，可通过移动健康来实现对用户的健康状况的监测。在移动健康中，可通过在没有时间和空间限制的情况下测量用户的生物信号并分析测量的生物信号来估计用户当前的健康状况。
发明内容
提供本发明内容以采用简化形式介绍将在以下具体实施方式中被进一步描述的构思的选择。本发明内容不意在确定要求保护的主题的关键特征或必要特征，也不意在用来帮助确定要求保护的主题的范围。
在一个总的方面，一种提取信号特征的方法包括：从输入信号估计多个元素信号；使用估计的多个元素信号提取信号特征，其中，估计多个元素信号的步骤包括：估计输入信号的第一元素信号；基于第一中间信号的波形估计第二元素信号，其中，第一中间信号是从输入信号消除第一元素信号而得到的信号。
估计第一元素信号的步骤可包括：基于用于对所述多个元素信号进行建模的信号模型以及输入信号的波形估计第一元素信号的参数；通过将估计的参数应用于所述信号模型来确定第一元素信号。
估计参数的步骤可包括：通过对输入信号的波形求微分确定不同阶的微分信号；使用确定的微分信号的特征点确定第一元素信号的参数。
确定参数的步骤可包括：基于与所述微分信号的峰值点相应的时间值以及输入信号在所述时间值的幅值确定第一元素信号的参数。
估计参数的步骤可包括：在第一元素信号的峰值点之前的时间间隔中估计第一元素信号的参数。
估计第二元素信号的步骤可包括：基于用于对所述多个元素信号进行建模的信号模型以及第一中间信号的波形估计第二元素信号的参数；通过将估计的参数应用于所述信号模型来确定第二元素信号。
估计参数的步骤可包括：通过对第一中间信号的波形求微分确定不同阶的微分信号；使用确定的微分信号的特征点确定第二元素信号的参数。
估计第二元素信号的步骤可包括：将第一中间信号确定为第二元素信号。
所述多个元素信号中的至少一个可具有高斯波形。
所述信号模型可通过叠加所述多个元素信号的波形来对输入信号的波形进行建模。
所述参数可包括平均值、标准偏差、幅度系数和偏移。
所述微分信号可包括与输入信号的波形相关的一阶微分函数和高阶微分函数中的至少一个。
估计多个元素信号的步骤可包括：基于第二中间信号的波形估计第三元素信号，其中，第二中间信号包括从第一中间信号消除的第二元素信号的信号。
估计多个元素信号的步骤可包括：基于用于对所述多个元素信号进行建模的信号模型按顺序估计所述多个元素信号，直到预定数量的元素信号被估计为止。
提取信号特征的步骤可包括：提取所述多个元素信号的最大值点、最小值点、峰值点、拐点、最大斜度点、最小斜度点和信号波形面积中的至少一个。
在另一总的方面，提供一种提取信号特征的方法，所述方法包括：使用由多个参数确定的信号模型来估计形成输入信号的多个元素信号；使用估计的多个元素信号提取信号特征。
估计多个元素信号的步骤可包括：基于所述信号模型以及输入信号的波形估计输入信号的第一元素信号；基于中间信号的波形估计输入信号的第二元素信号，其中，中间信号是从输入信号消除第一元素信号而得到的信号。
在另一总的方面，提供一种提取信号特征的设备，所述设备包括：至少一个处理器，被配置为从输入信号估计多个元素信号，并使用估计的多个元素信号提取信号特征，其中，基于以下操作估计所述多个元素信号：估计输入信号的第一元素信号；基于第一中间信号的波形估计第二元素信号，其中，第一中间信号是从输入信号消除第一元素信号而得到的信号。
可基于以下操作估计所述多个元素信号：基于第二中间信号的波形估计第三元素信号，其中，第二中间信号包括从第一中间信号消除的第二元素信号的信号。
在另一总的方面，提供一种提取信号特征的设备，所述设备包括：微分器，被配置为从输入信号确定一阶微分信号和高阶微分信号中的至少一个；参数确定器，被配置为基于用于对一阶微分信号或高阶微分信号进行建模的信号模型以及输入信号的波形确定元素信号的参数；元素信号估计器，被配置为通过将所述参数应用于所述信号模型来估计所述元素信号；中间信号确定器，被配置为通过从输入信号消除所述元素信号来确定中间信号；特征提取器，被配置为从所述元素信号提取特征点。
元素信号估计器可响应于元素信号的数量小于阈值从中间信号确定另一元素信号。
所述参数可包括所述元素信号的平均值、标准偏差、幅度系数和偏移中的至少一个。
其他特征和方面将通过以下具体实施方式、附图和权利要求而清楚。
附图说明
图1A至图1E是示出光电血管容积图(PPG)信号波形的示例的示图。
图2和图3是示出提取信号特征的方法的示例的示图。
图4是示出提取信号特征的设备的示例的示图。
图5A至图5C是示出估计元素信号的处理的示例的示图。
图6是示出输入信号的示例和微分信号的示例的示图。
图7是示出提取信号特征的方法的示例的示图。
图8A至图8D是示出从输入信号的波形估计元素信号的处理的示例的示图。
图9A至图9C是示出从输入信号估计的元素信号的示例的示图。
图10是示出提取信号特征的设备的另一示例的示图。
贯穿附图和具体实施方式，相同的参考标号表示相同的元件。附图可能并非按比例绘制，为了清楚、说明和方便，附图中的元件的相对大小、比例和描绘可能被夸大。
具体实施方式
提供以下具体实施方式以帮助读者获得对这里描述的方法、设备和/或系统的全面的理解。然而，在充分理解本公开之后，这里描述的方法、设备和/或系统的各种改变、修改和等同物对于本领域普通技术人员将会是清楚的。这里描述的操作的顺序仅为示例，并且除了必须以特定顺序发生的操作以外，不限于这里阐述的顺序，而是可以如本领域普通技术人员所清楚的那样改变。此外，为了更加清楚和简明，可省略本领域普通技术人员公知的功能和构造的描述。
这里描述的特征可以以不同形式来实施，而不应被解释为限于这里所描述的示例。相反，提供这里描述的示例以使本公开将是彻底的和完全的，并且将向本领域普通技术人员传达本公开的完整范围。
在这里使用的术语仅为了描述特定示例的目的，而并非意图限制本公开。如在这里使用的，除非上下文明确地另有指示，否则单数形式也意图包括复数形式。
此外，诸如第一、第二、A、B、(a)、(b)等的术语在这里可用于描述组件。这些术语中的每个术语不用于限定相应组件的本质、次序或顺序，而仅用于将相应组件与其他组件区分。
以下示例可用于监测用户的健康状况。示例可被实现为以各种形式(例如，个人计算机、膝上型计算机、平板计算机、移动装置、智能电话、电视、智能家电、智能车辆、可穿戴装置(例如，戒指、手表、眼镜、眼镜型装置、手环、脚环、腰带、项链、耳环、头戴听筒、头盔、嵌入到衣物中的装置)、家用电器、内容播放器、通信系统、图像处理系统、图形处理系统或任何消费电子/信息技术(CE/IT)装置)监测用户的健康状况。以下示例还可在智能家庭系统中实现，并可用于为用户提供医疗服务。
以下将被描述的示例可应用于确定形成输入信号的多个元素信号(elementsignal)，并使用确定的元素信号来提取信号特征。为了便于描述，假设输入信号是光电血管容积图(PPG)信号，并且示例描述从PPG信号提取信号特征。从其他类型的生物信号(例如，心电图(ECG)信号、心冲击描记图(BCG)信号或血氧饱和度(SpO2))提取信号特征被认为也落入本公开的范围之内。
图1A至图1E是示出PPG信号波形的示例的示图。
PPG信号是包括关于血流根据心跳的变化的信息的生物信号。PPG信号可以是传播波离开心脏并朝着身体的末端运动的形式。传播波与从身体的末端返回到心脏的反射波重叠。可从PPG信号提取与传播波或反射波的形式关联的多种特征，并且可基于提取的特征估计包括例如血压的心血管信息。
在示例中，可通过计算与传播波的最大幅度点相应的收缩峰值点和与反射波的最大幅度点相应的舒张峰值点之间的时间，并将用户的身高除以计算的时间差，来估计用户的血压。当传播波到达血管中的点的时间点与反射波到达血管中的该点的时间点之间的时间间隔减小时，血管硬化指数趋向于增大，并且血压趋向于增大。因此，可基于PPG信号中收缩峰值点和舒张峰值点之间的时间差来估计血管硬化指数，并且可基于估计的血管硬化指数来估计用户的血压。与用户相关的一种或多种信息(例如，用户血管硬化指数和血压)可被显示给用户，或者可被提供给监测用户的健康的其他组件。
图1A示出PPG信号110的期望波形的一部分的示例。在图1A的示例中，横轴指示时间轴，纵轴指示PPG信号110的幅度。在PPG信号110中，第一向上凸起部分指示传播波在时间轴上的波形分量，第二向上凸起部分指示反射波在时间轴上的波形分量。虽然反射波在图1A中被示出为单个反射波，但是反射波可以是多个反射波。特征点(例如，特征点122、特征点124、特征点126和特征点128)可以是用于从PPG信号110的波形得到各组信息的显著特征点。可使用特征点122至128的幅值或时间值来确定与用户的健康状况关联的特征。
特征点126也被称为重搏切迹，并且对应于血管的压力在特征点124减小之后再次开始增加的点。特征点124对应于收缩峰值点。当这种重搏切迹在PPG信号110中清晰可辨时，传播波和反射波在PPG信号110中可以被容易地彼此区分。例如，在时间轴上第二次出现的通过对PPG信号110求微分获得的值为“0”的点可被确定为重搏切迹，并且PPG信号110的传播波和反射波可基于确定的重搏切迹被容易地区分。
然而，在PPG信号的实际测量的波形中，与重搏切迹相应的特征点可能由于各种因素而是不清晰的。因此，PPG信号的传播波和反射波不能被容易地彼此区分，从而不正确的信号特征可能被提取。图1B至图1E示出特征点不是清晰可辨的PPG信号的各种示例。
图1B和图1C示出传播波和反射波由于不清晰的重搏切迹而难以区分的PPG信号的波形的示例。图1D和图1E示出最大值不是在传播波分量中被指示而是在反射波分量中被指示的PPG信号的波形的示例。因此，在图1D和图1E中，收缩峰值点和舒张峰值点可能被不正确地确定。如图1B至图1E所示，可能发生特征点(例如，收缩峰值点或重搏切迹)在PPG信号的波形中被不正确地彼此区分的各种情况。此外，在PPG信号的波形中，虽然传播波可包括单个波形分量，但是反射波可包括彼此重叠的多个波形。在这种情况下，通过从PPG信号的波形中区分反射波的重叠的多个波形并且分析所述多个波形，可提取各种信号特征，并且可更正确地估计生物信息。
在下文中简称为信号特征提取方法的提取信号特征的方法和在下文中简称为信号特征提取设备的提取信号特征的设备可从输入信号(例如，PPG信号)的波形估计包括在输入信号中的多个元素信号，并且使用估计的多个元素信号提取信号特征。这里描述的信号特征可包括信号波形的特征点(例如，最大值点、最小值点、峰值点、拐点、最大斜度点、最小斜度点)或信号波形的面积。然而，其他形式的信号特征被认为也落入本公开的范围之内。
图2是示出信号特征提取方法的示例的示图。通过包括至少一个处理器的信号特征提取设备来执行图2的信号特征提取方法。虽然在不脱离描述的示意性实施例的精神和范围的情况下，图2中的某些操作的顺序可以改变或者某些操作可被省略，但是图2中的操作可以按照图中示出的顺序和方式来执行。图2中示出的许多操作可以并行或同时执行。除了以下图2的描述之外，以上图1A至图1E的描述也可适用于图2，并且通过引用包含于此。因此，这里不会重复以上描述。
参照图2，在210中，信号特征提取设备估计输入信号的多个元素信号。信号特征提取设备可基于用于对输入信号的波形行建模的信号模型来估计多个元素信号，在输入信号中，多个元素信号的波形彼此重叠。信号特征提取设备可基于输入信号的波形信息(例如，幅度随时间的变化)确定信号模型的参数，并且基于确定的参数估计形成输入信号的多个元素信号。信号模型可对输入信号的形式进行建模，在输入信号中，元素信号具有高斯波形，并且多个高斯波形彼此重叠。然而，元素信号的波形不限于高斯波形，元素信号的各种波形被认为也落入本公开的范围之内。
信号特征提取设备可从输入信号的波形按顺序估计多个元素信号。信号特征提取设备可从输入信号的波形估计一个元素信号，通过从输入信号消除估计的元素信号来产生中间信号，并从产生的中间信号的波形估计随后的元素信号。将参照图3和图4来描述通过信号特征提取设备从输入信号估计多个元素信号的处理。
在220中，信号特征提取设备使用在210中估计的多个元素信号来提取信号特征。例如，信号特征提取设备可从每个元素信号提取关于与最大值和最小值相应的点的信息(例如，幅度和时间)以及关于元素信号的波形的面积的信息。然而，将被提取的信号特征的类型不限于上述示例，在不脱离描述的示意性实施例的精神和范围的情况下，可提取各种其他类型的信号特征。基于提取的信号特征，可估计另外的信息。例如，从生物信号提取的信号特征可用于估计与用户的健康状况关联的信息。
图3是示出顺序地估计多个元素信号的处理的示例的示图。通过包括至少一个处理器的信号特征提取设备来执行图3的估计多个元素信号的方法。虽然在不脱离描述的示意性实施例的精神和范围的情况下，图3中的某些操作的顺序可以改变或者某些操作可被省略，但是图3中的操作可以按照图中示出的顺序和方式来执行。图3中示出的许多操作可以并行或同时执行。除了以下图3的描述之外，以上图1A至图2的描述也可适用于图3，并且通过引用包含于此。因此，这里不会重复以上描述。
参照图3，在310中，信号特征提取设备估计输入信号的第一元素信号。信号特征提取设备可基于用于对多个元素信号建模的信号模型和输入信号的波形来估计第一元素信号的参数。信号特征提取设备可通过对输入信号的波形求微分来确定不同阶的微分信号。信号特征提取设备可通过将与微分信号的特征点关联的信息应用于所述信号模型来确定第一元素信号的参数。信号特征提取设备可基于与微分信号的峰值点相应的时间值和输入信号在所述时间值的幅值来估计所述参数。信号特征提取设备可以在第一元素信号的峰值点出现之前的时间间隔中估计所述参数。在示例中，信号特征提取设备可基于所述信号模型和输入信号的波形确定在时间轴上第一次出现的元素信号的参数。
在320中，信号特征提取设备基于第一中间信号的波形来估计第二元素信号。当从输入信号消除第一元素信号时得到第一中间信号。第二元素信号指的是在时间轴上继第一元素信号之后出现的元素信号。与310相似，信号特征提取设备可通过对第一中间信号的波形求微分确定不同阶的微分信号并将与确定的微分信号的特征点关联的信息应用于所述信号模型，来确定第二元素信号的参数。信号特征提取设备可以在第二元素信号的峰值点出现之前的时间间隔中估计所述参数。在示例中，信号特征提取设备可基于所述信号模型和第一中间信号的波形确定在形成第一中间信号的多个元素信号中在时间轴上第一次出现的元素信号的参数。
在操作330中，信号特征提取设备基于第二中间信号的波形来估计第三元素信号。当从第一中间信号消除第二元素信号时得到第二中间信号。第二中间信号指的是从输入信号消除第一元素信号和第二元素信号二者的信号。与320相似，信号特征提取设备可通过基于所述信号模型和第二中间信号的波形确定将被应用于所述信号模型的参数并将确定的参数应用于所述信号模型，来确定第三元素信号。第三元素信号可具有与基于所述信号模型估计的第一元素信号和第二元素信号相同的波形。当第三元素信号是将被估计的最后的元素信号时，可在没有使用所述信号模型估计第三元素信号的处理的情况下，将第二中间信号确定为第三元素信号。
在另一示例中，在操作310至操作330中，信号特征提取设备可首先估计在时间轴上最后出现的元素信号。信号特征提取设备可首先估计具有与整个波形分量较高相似度的波形的元素信号。
从中间信号估计元素信号的处理可被反复执行，直到估计的元素信号的数量达到将从输入信号的波形估计的元素信号的数量为止。例如，当将从输入信号的波形估计的元素信号的数量为“L”时，信号特征提取设备可基于信号模型顺序地估计多个元素信号，直到L个元素信号被估计为止。在图3的示例中，假设L为3，因此第一元素信号、第二元素信号和第三元素信号从输入信号被估计。在L为2的情况下，可不执行操作330，并且可执行操作310和操作320。在这种情况下，如在操作330中所述，作为最后的元素信号的第二元素信号可基于信号模型在第一元素信号中被确定，或者第一中间信号可被确定为第二元素信号。
图4是示出信号特征提取设备400的示例的示图。参照图4，信号特征提取设备400包括微分器410、参数确定器420、元素信号估计器430、中间信号确定器440和特征提取器450。
微分器410通过对输入信号的波形求微分来确定微分信号。微分器410确定一阶微分信号和更高阶(例如，二阶或更高阶)的微分信号。在示例中，可通过在输入信号被输入到微分器410之前由信号特征提取设备400的滤波器(未示出)执行过滤来从输入信号消除噪声。参数确定器420基于微分器410确定的微分信号和信号模型来确定将被估计的元素信号的参数。元素信号估计器430通过将参数确定器420确定的参数应用于信号模型来估计元素信号。元素信号的波形可由将被应用于信号模型的各种参数来确定。
中间信号确定器440通过从输入信号消除元素信号估计器430估计的元素信号来确定中间信号。所得的中间信号被输入到微分器410，并且微分器410通过对中间信号求微分来确定微分信号。这样的处理可被反复执行，直到预设数量的元素信号被估计为止。例如，参数确定器420可基于微分信号和信号模型来确定随后的元素信号，并且元素信号估计器430可通过将确定的参数应用于信号模型来估计随后的元素信号。中间信号确定器440可通过从先前确定的中间信号消除估计的元素信号来产生另一中间信号，并且产生的中间信号可被输入到微分器410。当重复的处理终止时，形成输入信号的多个元素信号被确定，并且特征提取器450从确定的多个元素信号提取特征点。
以下将提供通过信号特征提取设备400使用信号模型从输入信号估计多个元素信号的处理的更详细的描述。
在将从输入信号估计的元素信号的数量为L并且元素信号具有高斯波形的示例中，由彼此重叠的L个时移的高斯波形形成的一个周期中的输入信号g(t)可被表示为等式1中定义的信号模型。
等式1：
在等式1中，g(t)指示由L个元素信号(例如，g1(t)、g2(t)、…、gL(t))的和形成的信号。第l个元素信号由gl(t)指示，并且t表示指示时间的变量。gl(t)的平均值由ml表示，并且σl表示gl(t)的标准偏差。Al和Bl分别表示gl(t)的幅度系数和偏移。信号特征提取设备400可通过基于输入信号的波形确定参数(例如，等式1中定义gl(t)的ml、σl、Al和Bl)来确定形成输入信号的多个元素信号的波形。
信号特征提取设备400可使用微分函数确定元素信号的参数。在等式1中，可通过对gl(t)求微分使得等式1与偏移Bl无关，并且还可通过使用与微分函数的峰值相应的时间使得等式1与幅度系数Al无关。信号特征提取设备400可通过使用微分函数估计平均值ml和标准偏差σl并且不考虑平均值ml和标准偏差σl来估计幅度系数Al和偏移Bl，确定定义多个元素信号的信号模型的四个参数。信号特征提取设备400可在时间上在每个元素函数的峰值点之前的时间间隔中估计参数，以减小估计参数时的误差，将参照图5A至图5C对此进行描述。
图5A示出输入信号500的波形的示例。在图5A中，三个元素信号(例如，第一元素信号510、第二元素信号520和第三元素信号530)的波形彼此重叠。输入信号500的波形可被简单地表示为元素信号510至530的波形的和。参照图5A，输入信号500的波形的前部与第一元素信号510的波形具有较高的相似性。在时间轴上的前部中，其他元素信号520和530的波形的幅度与第一元素信号510的波形的幅度相比相对较小，因此输入信号500的波形和第一元素信号510的波形会彼此相似。
参照图5B，在时间间隔540中，与其他元素信号520和530的波形相比，输入信号500的波形与第一元素信号510的波形更相似。图5C示出从输入信号500消除第一元素信号510的中间信号550的波形的示例。参照图5C，在时间间隔560中，与第三元素信号530的波形相比，中间信号550的波形与第二元素信号520的波形更相似。
当估计时间上较早发生的元素信号以区分输入信号中的多个元素信号的波形时，信号特征提取设备400可在每个元素信号的波形的峰值点出现之间的时间间隔中估计多个元素信号，以减小估计时的误差。基于等式1的信号模型，在每个元素信号的波形的峰值点出现的时间点之前的时间间隔可对应于t<ml。
下面的表1指示在基于等式1中的信号模型的原始函数gl(t)、一阶微分函数g'l(t)、二阶微分函数g”l(t)和三阶微分函数g”'l(t)在时间(t)的值小于ml的值的时间间隔中的各个峰值点的t的值。
表1
图6示出分别与表1中gl(t)、g'l(t)、g”l(t)和g”'l(t)相应的信号波形的示例和在峰值点的t值。每个微分信号的波形的峰值点表示波形的斜度为0的点，并且可在t的值小于ml的值的时间间隔中被确定。
返回参照图4，微分器410通过对整个信号的波形求微分来确定不同阶的两个微分信号。所述整个信号可对应于输入信号，或者对应于从输入信号消除一个或多个估计的元素信号(例如，第一元素信号、第二元素信号和第三元素信号)的中间信号。当假设时间值在整个信号的波形函数g(t)中是按1增加的数字样本索引时，微分器410可使用“g'(t)＝g(t)-g(t-1)”的关系来确定一阶微分函数g'(t)。当将这样的关系扩展到n阶微分函数g(n)(t)时，微分器410可使用“g(n)(t)＝g(n-1)(t)-g(n-1)(t-1)”的关系来确定n阶微分函数。
参数确定器420基于确定的两个微分信号的峰值点的时间值来估计信号模型的参数ml和σl。此外，参数确定器420基于输入信号在所述时间值的幅度值来估计剩余的参数Al和Bl。
当使用整个信号的一阶微分函数和二阶微分函数来估计参数时，参数确定器420可使用表1中指示的每个微分函数的峰值点的时间值(例如，t1和t2)。虽然这里提供一阶微分函数和二阶微分函数作为示例，但是示例的范围不限于此。例如，可使用三阶微分函数或四阶微分函数来代替二阶微分函数，并且可基于三阶微分函数和四阶微分函数来确定参数。
根据表1，当使用一阶微分函数和二阶微分函数时，时间值t1和t2与参数ml和σl之间的关系可由等式2来表示。
等式2：
t1＝ml-σl
参数确定器420从等式2中的两个线性等式确定参数ml和σl，且参数ml和σl可由等式3来表示。
等式3：
σl＝ml-t1
如等式3所示，参数确定器420基于与不同阶的微分函数的峰值点相应的时间值来确定参数ml和σl。
参数确定器420使用整个信号在时间值t1和t2的幅度值g(t1)和g(t2)确定其他参数Al和Bl。幅度值g(t1)和g(t2)与参数Al和Bl之间的关系可由等式4来表示。
等式4
在等式4中，“g(t)”指示在估计第l个元素信号的处理中的整个信号，更详细地讲，指示从初始输入信号消除估计的多个元素信号(例如，g1(t)、g2(t)、…gl-1(t))的信号。
等式4中的关系(例如，和)可指示整个信号g(t)的波形和第一元素信号gl(t)的波形在估计第l个元素信号的处理中彼此相似。参数确定器420基于等式4，如等式5所示确定参数Al和Bl。
等式5
Bl＝gl(t1)-Alexp(-1/2)
元素信号估计器430通过应用已经如在等式1中的gl(t)中确定的参数(诸如ml、σl、Al和Bl)来确定第l个元素信号。当第l个元素信号被确定时，中间信号确定器440通过从整个信号消除第l个元素信号来产生新的中间信号，并且新的中间信号可被输入到微分器410，以用于估计第l+1个元素信号。因此，上述处理可迭代地执行。以上描述的处理可反复执行，直到多个元素信号从输入信号被估计为止。在示例中，将被估计的元素信号的数量可以预先设置。
图7是示出信号特征提取方法的另一示例的示图。通过包括至少一个处理器的信号特征提取设备来执行图7的信号特征提取方法。虽然在不脱离描述的示意性实施例的精神和范围的情况下，图7中的某些操作的顺序可以改变或者某些操作可被省略，但是图7中的操作可以按照图中示出的顺序和方式来执行。图7中示出的许多操作可以并行或同时执行。除了以下图7的描述之外，以上图1A至图6的描述也可适用于图7，并且通过引用包含于此。因此，这里不会重复以上描述。
参照图7，在710中，信号特征提取设备接收输入信号，并将l的值设置为1。这里，“l”指示将被估计的元素信号的索引。响应于l为1，将输入信号识别为整个信号g(t)。在720中，信号特征提取设备通过对整个信号g(t)求微分来计算不同阶的微分信号。
在730中，信号特征提取设备确定与微分函数的峰值点相应的时间值t1和t2以及幅度值g(t1)和g(t2)。在740中，信号特征提取设备通过将时间值t1和t2应用于等式3来估计与第l个元素信号gl(t)关联的信号模型的平均值和标准偏差，并通过将幅度值g(t1)和g(t2)应用于等式5来估计所述信号模型的幅度系数和偏移。在750中，信号特征提取设备基于估计的平均值、标准偏差、幅度系数和偏移来确定第l个元素信号gl(t)。信号特征提取设备通过将估计的平均值、标准偏差、幅度系数和偏移应用于等式1的信号模型来确定第l个元素信号gl(t)。在760中，信号特征提取设备将从整个信号g(t)消除第l个元素信号gl(t)的信号设置为新的整个信号g(t)，并将l的值增1。
在770中，信号特征提取设备确定l的值是否大于预设的L。响应于l的值不大于L，信号特征提取设备基于新设置的整个信号g(t)从操作720开始执行操作。信号特征提取设备反复执行720至770，以顺序地估计总共L个元素信号。在操作780中，响应于l的值大于L，信号特征提取设备使用在710至770中确定的L个元素信号来提取信号特征。
图8A至图8D是示出从输入信号的波形估计元素信号的处理的示例的示图。
在图8A中，左侧曲线图示出输入信号g(t)的波形，右上方的曲线图示出g(t)的一阶微分函数g'(t)的波形，右下方的曲线图示出g(t)的二阶微分函数g”(t)的波形。信号特征提取设备可通过对输入信号g(t)求微分来确定多个微分函数，例如，一阶微分函数g'(t)和二阶微分函数g”(t)。信号特征提取设备可确定关于一阶微分函数g'(t)和二阶微分函数g”(t)的第一最大值点的时间值t1和t2，并确定输入信号g(t)在时间值t1和t2的幅度值g(t1)和g(t2)。
信号特征提取设备可基于时间值t1和t2从等式3确定第一元素信号的参数：平均值和标准偏差。此外，信号特征提取设备可基于幅度值g(t1)和g(t2)从等式5确定第一元素信号的参数：幅度系数和偏移。
当在以上描述的处理中确定了平均值、标准偏差、幅度系数和偏移时，可确定基于等式1的信号模型gl(t)的第一元素信号。图8B示出在参照8A描述的处理中确定的第一元素信号g1(t)的波形的示例。
参照图8C，信号特征提取设备通过从左侧曲线图中示出的输入信号g(t)的波形消除中间曲线图中示出的第一元素信号g1(t)的波形产生右侧曲线图中示出的中间信号g(t)-g1(t)。信号特征提取设备可通过对右侧曲线图中示出的中间信号求微分来确定不同阶的微分函数，并通过上述处理估计第二元素信号。信号特征提取设备可重复上述处理，直到预设数量的元素信号被估计为止。
图8D示出通过信号特征提取设备从输入信号的波形确定三个元素信号的处理的示例。左侧曲线图示出输入信号g(t)的波形，右上方的曲线图、右侧中间的曲线图和右下方的曲线图分别示出第一元素信号g1(t)的波形、第二元素信号g2(t)的波形和第三元素信号g3(t)的波形。可通过叠加元素信号g1(t)、g2(t)和g3(t)来形成输入信号g(t)。信号特征提取设备可从元素信号g1(t)、g2(t)和g3(t)提取诸如最大值点、最小值点和波形面积的特征。
图9A至图9C是示出从输入信号估计的元素信号的示例的示图。在图9A至图9C的示例中，为了便于解释，假设输入信号的波形包括两个元素信号的波形。在不脱离描述的示意性实施例的精神和范围的情况下，输入信号的波形可包括其他数量的元素信号，例如，两个、三个、四个或更多个。这里，示出通过信号特征提取设备从不同形式的输入信号估计元素信号的结果。
在图9A至图9C的示例中，参考标号“910”、“940”和“970”指示不同形式的输入信号，参考标号“920”、“950”和“980”指示从输入信号910、940和970的各自波形估计的第一元素信号，参考标号“930”、“960”和“990”指示从输入信号910、940和970估计的第二元素信号。在示例中，第二元素信号可包括从输入信号消除第一元素信号的剩余波形分量。
如图9A至图9C所示，虽然输入信号具有输入信号的特征点不能被容易地提取的波形，但是信号特征提取设备可确定具有输入信号的特征点可以从输入信号的波形被容易地提取的波形的多个元素信号，从而可容易地从确定的多个元素信号容易地提取特征点。在图9B的示例中，在输入信号940是PPG信号的情况下，传播波和反射波由于PPG信号中的重搏切迹的不清晰的特征点而不能被容易地彼此区分。然而，这里描述的信号特征提取设备可使用这里描述的方法从输入信号940区分传播波和反射波。此外，在图9C的示例中，在输入信号970是PPG信号的情况下，在PPG信号中传播波的幅度大于反射波的幅度，因此特征点不能从输入信号970的波形被容易地提取。然而，信号特征提取设备可使用这里描述的方法从输入信号970区分传播波和反射波。
图10是示出信号特征提取设备1000的另一示例的示图。参照图10，信号特征提取设备1000包括至少一个处理器1010、至少一个存储器1020和至少一个显示器1030。
处理器1010执行参照图1至图9C描述的至少一个操作。例如，处理器1010可从输入信号估计多个元素信号，并使用估计的多个元素信号提取信号特征。处理器1010可被配置为逻辑门阵列，在不脱离描述的示意性实施例的精神和范围的情况下，处理器1010可被配置为另一种形式的硬件。
存储器1020存储用于执行参照图1至图9C描述的至少一个操作的指令，或者存储在信号特征提取设备1000的操作期间获得的数据和结果。在一些示例中，存储器1020可包括非暂时性计算机可读介质(例如，高速随机存取存储器)和/或非易失性计算机可读介质(例如，至少一个盘存储装置、闪存装置和其他非易失性固态存储装置)。
在示例中，处理器1010可确定例如用户的血压和血管硬化指数，并可将感测的血压或血管硬化指数输出到信号特征提取设备1000的显示器1030。显示器1030可以是包括提供用于渲染用户界面和/或接收用户输入的能力的一个或多个硬件组件的物理结构。显示器1030可包含显示区域、姿态捕捉区域、触摸感应显示和/或可配置区域的任何组合。显示器1030可嵌入信号特征提取设备1000，或者可以是可安装到信号特征提取设备1000和从信号特征提取设备1000拆卸的外围装置。显示器1030可以是单屏幕显示器或多屏幕显示器。单个物理屏幕可包括作为单独的逻辑显示器被管理的多个显示器，所述单独的逻辑显示器虽然作为同一物理屏幕的部分，但是允许不同的内容被显示在单独的显示器上。显示器1030还可被实现为眼镜显示器(EGD)，包括单片眼镜和双片眼镜。
虽然图10中未示出，但是信号特征提取设备1000还可包括输入或输出接口(例如，键盘、触摸屏和麦克风)、生物计量传感器或用于与外部源通信的网络通信接口。例如，输入或输出接口可从用户接收输入，并输出基于信号特征确定的附加信息。网络通信接口可向外部发送与元素信号关联的信息和与提取的信号特征关联的信息。
仅作为非详尽的说明，提取设备400和1000可表示或实现在移动装置(例如，移动电话、蜂窝电话、智能电话、可穿戴智能装置(诸如，戒指、手表、眼镜、眼镜型装置、手环、脚环、腰带、项链、耳环、头戴听筒、头盔、嵌入到衣物中的装置)、个人计算机(PC)、膝上型计算机、笔记本计算机、小型笔记本计算机、上网本或超级移动PC(UMPC)、平板个人计算机(平板)、平板手机、移动互联网装置(MID)、个人数字助理(PDA)、企业数字助理(EDA)、数码相机、数字摄像机、便携式游戏机、MP3播放器、便携式/个人多媒体播放器(PMP)、手持电子书、便携式膝上型PC、全球定位系统(GPS)导航、个人导航装置或便携式导航装置(PND)、手持游戏机、电子书、和诸如高清晰度电视机(HDTV)、光盘播放器、DVD播放器、蓝光播放器、机顶盒、清洁机器人、家用电器、内容播放器、通信系统、图像处理系统、图形处理系统、其他消费电子/信息技术(CE/IT)装置的装置、或能够进行与这里公开的装置一致的无线通信或网络通信的任何其他装置)中。移动装置可被实现在智能电器、智能车辆或智能家庭系统中。
移动装置还可被实现为穿戴在用户的身体上的可穿戴装置。在一个示例中，可穿戴装置可以在用户的身体上自己安装，例如，手表、手环或包括单片眼镜和双片眼镜的眼镜显示器(EGD)。在另一非详尽的示例中，可穿戴装置可以通过附连装置安装在用户的身体上，例如，使用臂环将智能电话或平板附连到用户的手臂，将可穿戴装置包含在用户的衣物中，或者使用系索将可穿戴装置挂在用户的颈部。
图4和图10中示出的执行这里针对图2、图3和图5A至图9C描述的操作的设备、单元、模块、装置和其他组件可由硬件组件实现。硬件组件的示例包括控制器、传感器、产生器、驱动器、存储器、比较器、算术逻辑单元、加法器、减法器、乘法器、除法器、积分器以及本领域普通技术人员已知的任何其他电子组件。在一个示例中，硬件组件通过计算硬件(例如，通过一个或多个处理器或计算机)来实现。处理器或计算机通过一个或多个处理元件(诸如逻辑门阵列、控制器和算术逻辑单元、数字信号处理器、微型计算机、可编程逻辑控制器、现场可编程门阵列、可编程逻辑阵列、微处理器或本领域普通技术人员已知的能够以限定方式响应并执行指令以实现期望结果的任何其他装置或装置的组合)来实现。在一个示例中，处理器或计算机包括(或连接到)存储由处理器或计算机执行的指令或软件的一个或多个存储器。通过处理器或计算机实现的硬件组件执行指令或软件(诸如操作系统(OS)和运行在OS上的一个或多个软件应用)以执行这里针对图2、图3和图5A至图9C描述的操作。硬件组件还响应于指令或软件的执行访问、操控、处理、创建和存储数据。为简单起见，单数术语“处理器”或“计算机”可在这里描述的示例的描述中使用，但是在其他示例中，多个处理器或计算机被使用，或者处理器或计算机包括多个处理元件或多种类型的处理元件，或者包括这两种形式。在一个示例中，硬件组件包括多个处理器，而在另一示例中，硬件组件包括处理器和控制器。硬件组件具有不同处理配置中的任何一个或多个，处理配置的示例包括单个处理器、独立处理器、并行处理器、单指令单数据(SISD)多处理、单指令多数据(SIMD)多处理、多指令单数据(MISD)多处理和多指令多数据(MIMD)多处理。
在图2、图3和图5A至图9C中示出的执行这里针对图2、图3和图5A至图9C描述的操作的方法通过如上所述的执行指令或软件以执行这里描述的操作的处理器或计算机执行。
控制处理器或计算机以实现硬件组件并执行如上所述的方法的指令或软件被写为计算机程序、代码段、指令或它们的任何组合，用于单独或共同指示或配置处理器或者计算机作为机器或专用计算机操作，以执行如上所述的由硬件组件所执行的操作和方法。在一个示例中，指令或软件包括被处理器或计算机直接执行的机器代码，如编译器产生的机器代码。在另一示例中，指令或软件包括被处理器或计算机使用解释器执行的高级代码。本领域普通编程技术人员能够容易地基于附图中示出的方框图或流程图以及说明书中的相应描述来编写指令或软件，这些方框图或流程图以及说明书中的相应描述公开了用于执行如上所述的由硬件组件所执行的操作和方法的算法。
控制处理器或计算机以实现硬件组件并执行如上所述的方法的指令或软件、以及任何关联数据、数据文件和数据结构被记录、存储或固定在一个或多个非暂时性计算机可读存储介质中。非暂时性计算机可读存储介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、闪存、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘以及本领域普通技术人员公知的任何装置，所述本领域普通技术人员公知的任何装置能够以非暂时性方式存储指令或软件以及任何关联数据、数据文件和数据结构，并能向处理器或计算机提供指令或软件以及任何关联数据、数据文件和数据结构，以使处理器或计算机能够执行指令。在一个示例中，指令或软件以及任何关联数据、数据文件和数据结构被分布在联网的计算机系统上，以使指令和软件以及任何关联数据、数据文件和数据结构被处理器或计算机以分布方式存储、访问和执行。
虽然本公开包括具体示例，但是本领域普通技术人员将清楚，在不脱离权利要求及其等同物的精神和范围的情况下，可以对这些示例进行形式和细节上的各种改变。这里描述的示例被视为只具有描述性意义，而不用于限制的目的。每个示例中的特征和方面的描述被视为可适用于其它示例中的类似特征或方面。如果以不同的顺序执行描述的技术和/或如果描述的系统、架构、装置或电路中的组件以不同的方式组合和/或由其他组件及其等同物替换或补充，则可以得到合适的结果。因此，本公开的范围不是由具体实施方式限定，而是由权利要求及其等同物限定，并且权利要求及其等同物的范围内的所有变化被解释为包括在本公开中。

Claims (22)

1.一种提取信号特征的方法，所述方法包括：
估计形成输入信号的多个元素信号；
使用估计的多个元素信号提取信号特征，
其中，估计多个元素信号的步骤包括：估计输入信号的第一元素信号；基于第一中间信号的波形估计第二元素信号，其中，第一中间信号包括从输入信号消除第一元素信号而得到的信号。
2.如权利要求1所述的方法，其中，估计第一元素信号的步骤包括：
基于用于对所述多个元素信号进行建模的信号模型以及输入信号的波形估计第一元素信号的参数；
通过将估计的参数应用于所述信号模型来确定第一元素信号。
3.如权利要求2所述的方法，其中，估计参数的步骤包括：
通过对输入信号的波形求微分确定不同阶的微分信号；
使用确定的微分信号的特征点确定第一元素信号的参数。
4.如权利要求3所述的方法，其中，确定参数的步骤包括：基于与所述微分信号的峰值点相应的时间值以及输入信号在所述时间值的幅值确定第一元素信号的参数。
5.如权利要求2所述的方法，其中，估计参数的步骤包括：在第一元素信号的峰值点之前的时间间隔中估计第一元素信号的参数。
6.如权利要求1所述的方法，其中，估计第二元素信号的步骤包括：
基于用于对所述多个元素信号进行建模的信号模型以及第一中间信号的波形估计第二元素信号的参数；
通过将估计的参数应用于所述信号模型来确定第二元素信号。
7.如权利要求6所述的方法，其中，估计参数的步骤包括：
通过对第一中间信号的波形求微分确定不同阶的微分信号；
使用确定的微分信号的特征点确定第二元素信号的参数。
8.如权利要求1所述的方法，其中，估计第二元素信号的步骤包括：
将第一中间信号确定为第二元素信号。
9.如权利要求1所述的方法，其中，第一元素信号和第二元素信号中的至少一个具有高斯波形。
10.如权利要求2所述的方法，其中，所述信号模型通过叠加所述多个元素信号的波形来对输入信号的波形进行建模。
11.如权利要求2所述的方法，其中，所述参数包括平均值、标准偏差、幅度系数和偏移。
12.如权利要求3所述的方法，其中，所述微分信号包括与输入信号的波形相关的一阶微分函数和高阶微分函数中的至少一个。
13.如权利要求1所述的方法，其中，估计多个元素信号的步骤还包括：
基于第二中间信号的波形估计第三元素信号，其中，第二中间信号包括从第一中间信号消除第二元素信号而得到的信号。
14.如权利要求1所述的方法，其中，估计多个元素信号的步骤包括：
基于用于对所述多个元素信号进行建模的信号模型按顺序估计所述多个元素信号，直到预定数量的元素信号被估计为止。
15.如权利要求1所述的方法，其中，提取信号特征的步骤包括：
提取所述多个元素信号的最大值点、最小值点、峰值点、拐点、最大斜度点、最小斜度点和信号波形面积中的至少一个。
16.一种提取信号特征的方法，所述方法包括：
使用由多个参数确定的信号模型来估计形成输入信号的多个元素信号；
使用估计的多个元素信号提取信号特征。
17.如权利要求16所述的方法，其中，估计多个元素信号的步骤包括：
基于所述信号模型以及输入信号的波形估计输入信号的第一元素信号；
基于中间信号的波形估计输入信号的第二元素信号，其中，中间信号包括从输入信号消除第一元素信号而得到的信号。
18.一种提取信号特征的设备，所述设备包括：
至少一个处理器，被配置为：
从输入信号估计多个元素信号；
使用估计的多个元素信号提取信号特征，
其中，基于以下操作估计所述多个元素信号：
估计输入信号的第一元素信号；
基于第一中间信号的波形估计第二元素信号，其中，第一中间信号包括从输入信号消除第一元素信号而得到的信号。
19.如权利要求18所述的设备，其中，基于以下操作估计所述多个元素信号：
基于第二中间信号的波形估计第三元素信号，其中，第二中间信号包括从第一中间信号消除第二元素信号而得到的信号。
20.一种提取信号特征的设备，所述设备包括：
微分器，被配置为从输入信号确定一阶微分信号和高阶微分信号中的至少一个；
参数确定器，被配置为基于用于对一阶微分信号或高阶微分信号进行建模的信号模型以及输入信号的波形确定元素信号的参数；
元素信号估计器，被配置为通过将所述参数应用于所述信号模型来估计所述元素信号；
中间信号确定器，被配置为通过从输入信号消除所述元素信号来确定中间信号；
特征提取器，被配置为从所述元素信号提取特征点。
21.如权利要求20所述的设备，其中，元素信号估计器还被配置为响应于元素信号的数量小于阈值而从中间信号确定另一元素信号。
22.如权利要求20所述的设备，其中，所述参数包括所述元素信号的平均值、标准偏差、幅度系数和偏移中的至少一个。
CN201610584251.8A 2015-11-09 2016-07-22 信号特征提取方法和设备 Active CN106681961B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2015-0156348 2015-11-09
KR1020150156348A KR102501837B1 (ko) 2015-11-09 2015-11-09 신호 특징 추출 방법 및 장치

Publications (2)

Publication Number Publication Date
CN106681961A true CN106681961A (zh) 2017-05-17
CN106681961B CN106681961B (zh) 2021-09-21

Family

ID=57123782

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610584251.8A Active CN106681961B (zh) 2015-11-09 2016-07-22 信号特征提取方法和设备

Country Status (5)

Country Link
US (1) US10152574B2 (zh)
EP (1) EP3165158B1 (zh)
JP (1) JP6869691B2 (zh)
KR (1) KR102501837B1 (zh)
CN (1) CN106681961B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110327055A (zh) * 2019-07-29 2019-10-15 桂林电子科技大学 一种基于高阶谱和卷积神经网络的心冲击信号的分类方法
CN113017613A (zh) * 2021-03-03 2021-06-25 四川大学华西医院 基于人工智能的心冲击波信号处理方法及计算机设备
CN115795283A (zh) * 2023-02-07 2023-03-14 华南理工大学 一种基于迭代学习跟踪微分器的微分信号提取方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11330986B2 (en) * 2017-06-28 2022-05-17 Rutgers, The State University Of New Jersey Evaluation system for cardiovascular health assessment and individualized health and fitness interventions
KR102480197B1 (ko) * 2017-09-13 2022-12-21 삼성전자주식회사 생체정보 추정 장치 및 방법
CN109711355A (zh) * 2018-12-28 2019-05-03 深圳职业技术学院 一种物流包装冲击信号识别与提取方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100014724A1 (en) * 2008-07-15 2010-01-21 Nellcor Puritan Bennett Ireland, Mervue Signal processing systems and methods using basis functions and wavelet transforms
WO2010024418A1 (ja) * 2008-09-01 2010-03-04 学校法人同志社 動脈硬化評価装置
CN102307520A (zh) * 2009-02-03 2012-01-04 欧姆龙健康医疗事业株式会社 脉搏波分析装置以及脉搏波分析方法
CN102512178A (zh) * 2011-12-23 2012-06-27 深圳市理邦精密仪器股份有限公司 一种血氧测量装置和方法
WO2015049150A1 (en) * 2013-10-01 2015-04-09 Koninklijke Philips N.V. Improved signal selection for obtaining a remote photoplethysmographic waveform

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5651363A (en) * 1996-02-16 1997-07-29 Orthologic Corporation Ultrasonic bone assessment method and apparatus
JP3616061B2 (ja) * 2002-03-01 2005-02-02 コーリンメディカルテクノロジー株式会社 動脈硬化検査装置
JP4581496B2 (ja) 2004-06-14 2010-11-17 オムロンヘルスケア株式会社 脈波解析装置および脈波解析プログラム
JP2006043146A (ja) 2004-08-04 2006-02-16 Sony Corp 脈波解析方法及び装置
JP4568074B2 (ja) 2004-10-06 2010-10-27 株式会社東芝 超音波診断装置および送信装置
US7720530B2 (en) * 2005-08-02 2010-05-18 Brainscope Company, Inc. Field-deployable concussion detector
US20070149952A1 (en) * 2005-12-28 2007-06-28 Mike Bland Systems and methods for characterizing a patient's propensity for a neurological event and for communicating with a pharmacological agent dispenser
SG136813A1 (en) * 2006-04-11 2007-11-29 Sony Corp A method for estimating one or more parameters of a ultra wideband signal and a receiver system for receiving ultra wideband signals
KR101002365B1 (ko) 2009-05-19 2010-12-17 동서대학교산학협력단 맥파 전달시간 계측 시스템 및 그 방법
JP5328613B2 (ja) * 2009-11-10 2013-10-30 シャープ株式会社 脈波伝播速度測定装置および脈波伝播速度測定プログラム
CA2785764C (en) 2009-12-28 2020-04-07 Gambro Lundia Ab Monitoring a property of the cardiovascular system of a subject
CN102917661B (zh) 2010-01-14 2015-09-23 风险获利有限公司 基于多变量残差的用于人体健康监视的健康指数
WO2012018157A1 (ko) 2010-08-01 2012-02-09 연세대학교 산학협력단 생체신호 기반 자동 수면단계 분류시스템
KR101210828B1 (ko) 2011-03-24 2012-12-11 주식회사 누가의료기 다중 생체 신호 측정을 이용하여 손목혈압의 정확도를 향상시키는 방법 및 장치
WO2012140510A2 (en) * 2011-04-12 2012-10-18 Orsan Medical Technologies, Ltd. Devices and methods for monitoring intracranial pressure and additional intracranial hemodynamic parameters
KR101337342B1 (ko) 2011-11-01 2013-12-06 경북대학교 산학협력단 심음 분석 장치 및 그 방법
WO2014085910A1 (en) * 2012-12-04 2014-06-12 Interaxon Inc. System and method for enhancing content using brain-state data
KR101503604B1 (ko) 2013-09-30 2015-03-17 길영준 착용형 실시간 혈압 추정 모니터링 시스템 및 그의 제어 방법
TWI551266B (zh) 2013-12-30 2016-10-01 財團法人工業技術研究院 動脈波分析方法及其系統
WO2015117049A2 (en) 2014-01-31 2015-08-06 Cline Benjamin Kahn Devices and methods for monitoring pregnancy
KR102198953B1 (ko) * 2014-03-12 2021-01-05 삼성전자주식회사 병렬 생체 신호 프로세서 및 병렬 생체 신호 프로세서의 제어 방법
WO2016033121A1 (en) * 2014-08-25 2016-03-03 Georgia Tech Research Corporation Noninvasive systems and methods for monitoring health characteristics
US9629564B2 (en) * 2014-09-26 2017-04-25 Intel Corporation Electrocardiograph (ECG) signal processing
JP6871673B2 (ja) * 2015-03-31 2021-05-12 学校法人東日本学園 血液検体を判定するための方法、装置及びコンピュータプログラム、並びに血液検体分析装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100014724A1 (en) * 2008-07-15 2010-01-21 Nellcor Puritan Bennett Ireland, Mervue Signal processing systems and methods using basis functions and wavelet transforms
WO2010024418A1 (ja) * 2008-09-01 2010-03-04 学校法人同志社 動脈硬化評価装置
CN102307520A (zh) * 2009-02-03 2012-01-04 欧姆龙健康医疗事业株式会社 脉搏波分析装置以及脉搏波分析方法
CN102512178A (zh) * 2011-12-23 2012-06-27 深圳市理邦精密仪器股份有限公司 一种血氧测量装置和方法
WO2015049150A1 (en) * 2013-10-01 2015-04-09 Koninklijke Philips N.V. Improved signal selection for obtaining a remote photoplethysmographic waveform

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110327055A (zh) * 2019-07-29 2019-10-15 桂林电子科技大学 一种基于高阶谱和卷积神经网络的心冲击信号的分类方法
CN113017613A (zh) * 2021-03-03 2021-06-25 四川大学华西医院 基于人工智能的心冲击波信号处理方法及计算机设备
CN113017613B (zh) * 2021-03-03 2022-05-06 四川大学华西医院 基于人工智能的心冲击波信号处理方法及计算机设备
CN115795283A (zh) * 2023-02-07 2023-03-14 华南理工大学 一种基于迭代学习跟踪微分器的微分信号提取方法

Also Published As

Publication number Publication date
EP3165158B1 (en) 2022-07-13
US20170132384A1 (en) 2017-05-11
KR102501837B1 (ko) 2023-02-21
CN106681961B (zh) 2021-09-21
EP3165158A1 (en) 2017-05-10
JP6869691B2 (ja) 2021-05-12
JP2017086894A (ja) 2017-05-25
US10152574B2 (en) 2018-12-11
KR20170053887A (ko) 2017-05-17

Similar Documents

Publication Publication Date Title
CN106681961A (zh) 信号特征提取方法和设备
US10866637B2 (en) Gesture classification apparatus and method using EMG signal
EP3189779A2 (en) Electrocardiogram (ecg) authentication method and apparatus
JP6519798B2 (ja) 情報処理装置、情報処理方法、及び、情報処理システム
Huang et al. A dataset of daily interactive manipulation
Wang et al. Identification of the normal and abnormal heart sounds using wavelet-time entropy features based on OMS-WPD
Islam et al. HBS: a novel biometric feature based on heartbeat morphology
CN105637502B (zh) 用于确定数据点流内被平滑数据点的方法和设备
US20170205468A1 (en) Battery management apparatus and method
EP3300657A1 (en) Wrist temperature rhythm acquisition apparatus and method, core temperature rhythm acquisition apparatus and method, and wearable device
Guo et al. A supervised machine learning semantic segmentation approach for detecting artifacts in plethysmography signals from wearables
CN107111443A (zh) 电子设备及其显示方法
CN110352035A (zh) 经由信号变化放大的静脉穿刺和动脉线引导
US20220165417A1 (en) Population-level gaussian processes for clinical time series forecasting
CN108363487A (zh) 梦境重现模型的构建方法、梦境重现方法及装置
Antink et al. Detection of heart beats in multimodal data: a robust beat-to-beat interval estimation approach
CN106951063A (zh) 数据管理方法和使用缓存的设备
Chaichulee et al. Localised photoplethysmography imaging for heart rate estimation of pre-term infants in the clinic
Raeiatibanadkooki et al. Real time processing and transferring ECG signal by a mobile phone
US11911189B2 (en) Biosignal processing method and apparatus
Kwon et al. Sinabro: A smartphone-integrated opportunistic electrocardiogram monitoring system
CN105147247B (zh) 用户健康识别方法和移动终端
EP3165155B1 (en) Method and apparatus for extracting feature of biosignal
Konstantinidis et al. A deep network for automatic video-based food bite detection
Fouladvand et al. Session Introduction: Artificial Intelligence in Clinical Medicine: Generative and Interactive Systems at the Human-Machine Interface

Legal Events

Date Code Title Description
PB01 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