CN106859666B - 一种血糖检测装置及其检测方法 - Google Patents
一种血糖检测装置及其检测方法 Download PDFInfo
- Publication number
- CN106859666B CN106859666B CN201710080593.0A CN201710080593A CN106859666B CN 106859666 B CN106859666 B CN 106859666B CN 201710080593 A CN201710080593 A CN 201710080593A CN 106859666 B CN106859666 B CN 106859666B
- Authority
- CN
- China
- Prior art keywords
- measuring signal
- signal
- blood glucose
- module
- human body
- 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
Classifications
-
- 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
-
- 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
- A61B5/14532—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 for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6825—Hand
Abstract
本发明公开了一种血糖检测装置及方法,该装置包括:第一测量信号发射模块,用于向人体某一部位发射第一测量信号;第一测量信号检测模块,用于检测获取经该人体部位反射回来的第一测量信号能量,以获得血糖信号;AD转换电路,用于筛选出与血糖分子相关的第一测量信号,得到与检测血糖浓度有关的有用信号,并将其转换为数字信号形式;数据处理单元,用于对获取的血糖信号,通过构建血糖系统的状态空间方程和观测方程,并结合系统噪声和观测噪声,采用扩展的卡尔曼滤波估计血糖值;MCU,用于实时控制其他模块,本发明利用扩展卡尔曼滤波估计技术,可对血糖信号实时估计血糖值,提高测量的准确度。
Description
技术领域
本发明涉及一种血糖检测装置及其检测方法,特别是涉及一种基于扩展卡尔曼滤波估计的血糖检测装置及其检测方法。
背景技术
糖尿病是目前较为普遍的一种内分泌疾病,据世界卫生组织估计,至2025年世界上的糖尿病患者将达到近3亿的人数总量,这巨大的潜在驱动力致使许多研究人员,致力于研究更为先进的血糖监测技术,其中无创血糖检测技术更受青睐。
无创血糖检测主要是通过各种传感器,从人体的皮肤表面获取各种微变的信号,继而通过特有的算法建立模型,间接得到相应的血糖浓度值。目前采用的连续血糖监测(Continuous Glucose Monitoring,CGM)设备,可以对血糖的浓度进行测量。但是,从CGM设备获取的数据通常伴随一些固有噪声和量化噪声,当这些噪声经过信号放大器扩大之后,将会对血糖浓度的预测降低准确性,同时也会对血糖决策报警起到误判作用。在以往的研究和专利中,对存在的物理干扰噪声,数据处理模块大多数利用单一的滤波器进行简单滤波,如维纳滤波,高通滤波。它们这种滤波方式完全抛弃了系统的状态和之前系统测量值的相关性,可能造成滤波后的值丢失固有成分的信息,致使最终的血糖浓度值偏高或偏低。
发明内容
为克服上述现有技术存在的不足,本发明之目的在于提供一种血糖检测装置及其检测方法,以利用扩展卡尔曼滤波估计技术,对血糖信号实时估计血糖值,提高测量的准确度。
为达上述及其它目的,本发明提出一种血糖检测装置,包括:
第一测量信号发射模块,用于向人体某一部位发射第一测量信号;
第一测量信号检测模块,用于检测获取经该人体部位反射回来的第一测量信号能量,以获得血糖信号;
AD转换电路,用于筛选出与血糖分子相关的第一测量信号,得到与检测血糖浓度有关的有用信号,并将其转换为数字信号形式;
数据处理单元,用于对获取的血糖信号,通过构建血糖系统的状态空间方程和观测方程,并结合系统噪声和观测噪声,采用扩展的卡尔曼滤波估计血糖值;
MCU,用于实时控制其他模块。
进一步地,所述第一测量信号发射模块与第一测量信号检测模块通过一触摸分隔层向人体部位发射及检测第一测量信号。
进一步地,该检测装置还包括放大滤波电路,连接于所述第一测量信号检测模块与AD转换电路之间,用于将所述第一测量信号检测模块输出的血糖信号进行放大滤波。
进一步地,所述数据处理单元包括:
观测结果获取模块,用于建立系统的状态空间模型,获取观测结果;
预测估计模块,用于根据当前时刻的系统状态获取下一时刻的预测估计结果;
校正模块,用于利用扩展卡尔曼滤波增益矩阵将所述观测结果获取模块的观测结果以及预测估计模块的预测估计结果结合获取最优估计的血糖估计值。
进一步地,所述检测装置还包括数据存储单元,用于存储和记忆前期获取的信号数据以及用于训练学习的数据。
进一步地,所述MCU为DSP处理单元。
为达到上述目的,本发明还提供一种血糖检测方法,包括:
步骤一,利用第一测量信号发射模块向人体某一部位发射第一测量信号,并利用第一测量信号检测模块检测经该人体部位反射回来的第一测量信号能量,以获得血糖信号;
步骤二,筛选出与血糖分子相关的第一测量信号,经信号放大后得到与检测血糖浓度有关的有用信号,并将其转换为数字信号形式;
步骤三,对获取的血糖信号,通过构建血糖系统的状态空间方程和观测方程,并结合系统噪声和观测噪声,采用扩展的卡尔曼滤波估计血糖值。
进一步地,于步骤一中,所述第一测量信号发射模块与第一测量信号检测模块通过一触摸分隔层向人体部位发射及检测第一测量信号。
进一步地,于步骤二之前还包括采用放大滤波电路对获取的血糖信号进行放大滤波的步骤。
进一步地,步骤三进一步包括:
建立系统的状态空间模型,获取观测结果;
根据当前时刻的系统状态获取下一时刻的预测估计结果;
利用扩展卡尔曼滤波增益矩阵将观测结果以及预测估计结果结合获取最优估计的血糖估计值。
与现有技术相比,本发明为一种血糖检测装置及其检测方法通过利用扩展卡尔曼滤波方法,构造信号与噪声的状态空间模型,能更佳的利用测量信号之间的相关性,且去除相关的干扰噪声,准确地预测出血糖的生理参数,实现了一种基于物理信号的无创血糖检测装置。
附图说明
图1为本发明一种血糖检测装置的结构示意图;
图2为本发明较佳实施例中数据处理单元104的细部结构图;
图3为本发明具体实施例之血糖监测装置的架构图;
图4为本发明一种血糖检测方法的步骤流程图;
图5为本发明较佳实施例中步骤403的细部流程图;
图6为本发明较佳实施例步骤403采用的扩展卡尔曼滤波方法的细节流程图。
具体实施方式
以下通过特定的具体实例并结合附图说明本发明的实施方式,本领域技术人员可由本说明书所揭示的内容轻易地了解本发明的其它优点与功效。本发明亦可通过其它不同的具体实例加以施行或应用,本说明书中的各项细节亦可基于不同观点与应用,在不背离本发明的精神下进行各种修饰与变更。
本实施例中所述的第一测量信号包括所有可通过光电获得测量数据的测量信号,如近红外,电磁波,超声波,生物阻抗,以及其它物理信号。以近红外光源信号举例,“第一测量信号”指“近红外光源”,“第一测量信号发射模块”指“近红外光源发射模块,“第一测量信号检测模块”指“近红外光源检测模块”。作为本实施例的一种举例,近红外光源采集模块所获取的近红外光源数据包括一个或多个不同的近红外光源的光波谱。
图1为本发明一种血糖检测装置的结构示意图。如图1所示,本发明一种血糖检测装置,包括:第一测量信号发射模块101、第一测量信号检测模块102、AD转换电路103、数据处理单元104以及MCU105。
其中,第一测量信号发射模块101,用于向人体某一部位发射第一测量信号,在本发明较佳实施例中,第一测量信号发射模块101采用第一测量信号发射器向人体某一部位发射第一测量信号,这里采用手掌作为测量部位,即第一测量信号发射模块101采用第一测量信号发射器向手掌发射第一测量信号,由于手掌部位的表层组织含有大量的毛细血管,通过第一测量信号的照射,一部分测量信号会被吸收,而大部分的测量信号因为手掌的阻挡作用被反射回去;第一测量信号检测模块102,用于检测经该人体部位反射回来的第一测量信号能量,以获得血糖信号,在本发明较佳实施例中,第一测量信号检测模块102通过测量信号探测器接收反射的第一测量信号,通过测量信号探测器接收经手掌反射回来的第一测量信号能量,以红外光为例,第一测量信号介于可见光(Vis)和中红外(MIR)之间的电磁辐射波,可以连续改变一定范围内第一测量信号照射的频率,通过测量信号探测器接收经手掌反射回来的第一测量信号,然后间接的计算血糖分子吸收第一测量信号能量的总和,实现连续检测。较佳地,第一测量信号发射模块101与第一测量信号检测模块102通过一触摸分隔层向人体部位发射及检测测量信号,在本发明较佳实施例中,触摸分隔层是特别材料制成的玻璃层,不同于普通材料玻璃,第一测量信号经过玻璃层穿透到手掌,不会将测量信号散射出来,而是把测量信号的大部分能量聚集于手掌某部位,便于手掌组织吸收部分测量信号或反射信号,当进行血糖检测时,将触摸分隔层与手掌紧密接触,发射的第一测量信号可以尽量避免外部信号的干扰,且反射的测量信号与发射信号无相互干扰,本发明这种设计方式具有较高的抗干扰性,获取第一测量信号数据准确率较高。
AD转换电路103,连接于第一测量信号检测模块102的输出端,获取与血糖分子相关的测量信号,经信号放大器后,得到与检测血糖浓度有关的有用信号,并将其转换为数字信号形式。具体地,接收的红外光能量会根据血糖分子吸收红外光能量(减少的红外光能量)获得血糖分子相关的测量信号。
数据处理单元104,对获取的血糖信号,通过构建血糖系统的状态空间方程和观测方程,并结合系统噪声和观测噪声,采用扩展的卡尔曼滤波估计血糖值。在本发明中,通过对获取的AD转换电路103输出的数字信号经过卡尔曼滤波估计后,得出相对应的血糖物质表征的浓度。
MCU105,为整个系统的核心部件,用于实时控制其他模块,在本发明较佳实施例中,MCU105采用DSP处理单元实现,本发明中,需要进行大量的实验,即先获取血糖真实浓度与红外反射光强度之间的关系,建立起函数模型,以便DSP处理器能简单转换数据。
较佳地,本发明之血糖检测装置还包括放大滤波电路106,连接该第一测量信号检测模块102与AD转换电路103之间,用于将第一测量信号检测模块102输出的血糖信号进行放大滤波。由于从测量信号探测传感器获取的血糖信号,含有物理固有的白噪声、加性噪声等各类噪声,因此必须采用放大滤波电路106去除这些噪声,在本发明较佳实施例中,放大滤波电路106采用将血糖信号与高通滤波器卷积的方法去除加性噪声,即假设有一序列血糖信号,如果某些序列的明显高于序列均值,则可以默认为由电子脉冲引起的物理脉冲噪声,应直接去除这些尖锐信号,为了避免与血糖信号无关的噪声,血糖信号应与合适的高通滤波器卷积,滤除不必要的加性噪声。
较佳地,本发明之血糖检测装置还包括数据存储单元107,其连接MCU105,用于存储和记忆前期获取的信号数据以及用于训练学习的数据,例如血糖真实浓度,红外反射光强度,函数模型,使用者资料等数据。
较佳地,本发明之血糖检测装置还包括显示单元108,其连接MCU105,用于显示数据处理单元104血糖估计的结果。
图2为本发明较佳实施例中数据处理单元104的细部结构图。如图2所示,数据处理单元104进一步包括:观测结果获取模块1041、预测估计模块1042以及校正模块1043。
其中,观测结果获取模块1041,用于建立系统的状态空间模型,获取观测结果yk。在本发明较佳实施例中,建立系统的状态空间模型,选定状态变量为xk(AD输入为xk模拟值),即在k时刻血糖的估计值。那么xk满足下面的状态公式:
xk+1=f(xk,uk)+wk (1)
系统测量方程为:
yk=g(xk,uk)+vk (2)
式中,wk和vk为系统噪声和测量噪声,假设二者均为零均值的白噪声,且互不相关;f(x,u)和g(x,u)为非线性函数;yk是血糖信号观测值,uk是k时刻对系统的控制量,uk为控制变量。
检测的血糖信号与血糖浓度成一定的比例关系:
yk=Z(kC) (3)
其中,Z为比例函数,k为系数变量,C代表血糖浓度值。
扩展卡尔曼滤波是在线性卡尔曼滤波基础上,围绕估计值将非线性函数f(x,u)和g(x,u)展成泰勒级数并略去二阶以上的项来进行线性化,从而得到非线性系统的近似线性化模型。
预测估计模块1042,用于根据当前时刻的系统状态获取下一时刻的预测估计结果。在本发明较佳实施例中
一步预测估计:
其中,代表k-1时段,最优状态变量,为k时段的系统状态值,这里没有wk是因为它是系统噪音,与xk无关,平均为0,右上角的‘-’代表先验,就是的数值来自先前时段的数据,右上角的‘+’代表后验,就是的数值会从后来的结果重新修正。
一步预测估计的误差协方差矩阵为:
其中,是的误差协方差矩阵,Ak,AT分别为系统矩阵和它的转置矩阵,Ak是上一状态最优的结果和现在的预测结果间的关系矩阵,Qk是预测估计的协方差矩阵
校正模块1043,用于利用扩展卡尔曼滤波增益矩阵将观测结果获取模块1041的观测结果以及预测估计模块路1042的预测估计结果结合获取最优估计的血糖估计值。
扩展卡尔曼滤波增益矩阵为:
为k时刻的观测结果转置矩阵
扩展卡尔曼滤波估计为:
估计误差协方差矩阵为:
可见,本发明通过卡尔曼滤波方法进行血糖浓度的估计,能精准的测量血糖值,降低血糖不必要的误差。扩展卡尔曼滤波方法本身是一种自适应自回归迭代,通过考虑血糖整个系统的系统噪声和测量噪声,并且根据当前时刻的血糖和以前的状态,估计出最优的血糖值。
图3为本发明具体实施例之血糖监测装置的架构图。其中,1为手掌触摸分隔层,2为第一测量信号发射器,3为DSP处理单元,4为数据处理单元,5为数据存储单元,6为A/D模数转换电路,该手掌触摸分隔层1是特别材料制成的玻璃层,不同于普通材料玻璃,第一测量信号经过分隔层穿透到手掌,不会将第一测量信号散射出来,而是把第一测量信号的大部分能量聚集于手掌某部位,便于手掌组织吸收部分测量信号或反射信号。反射第一测量信号必须有第一测量信号探测器将其接收,并且经过放大滤波电路和A/D转换电路,把第一测量信号转换成电信号,然后传送至数据处理单元进行扩展卡尔曼滤波方法估计出血糖值。
图4为本发明一种血糖检测方法的步骤流程图。如图4所示,本发明一种血糖检测方法,包括如下步骤:
步骤401,利用第一测量信号发射模块向人体某一部位发射第一测量信号,并利用第一测量信号检测模块检测经该人体部位反射回来的第一测量信号能量,以获得血糖信号。在本发明较佳实施例中,第一测量信号发射模块采用第一测量信号发射器向人体某一部位发射第一测量信号,第一测量信号检测模块通过第一测量信号探测器接收经手掌反射回来的第一测量信号能量,这里采用手掌作为测量部位,即第一测量信号发射模块采用第一测量信号发射器向手掌发射第一测量信号,由于手掌部位的表层组织含有大量的毛细血管,通过第一测量信号的照射,一部分测量信号会被吸收,而大部分的测量信号因为手掌的阻挡作用被反射回去,第一测量信号,以红外光为例,是介于可见光(Vis)和中红外(MIR)之间的电磁辐射波,可以连续改变一定范围内第一测量信号照射的频率,通过第一测量信号探测器接收经手掌反射回来的第一测量信号能量,然后间接的计算血糖分子吸收第一测量信号能量的总和,实现连续检测,较佳地,第一测量信号发射模块与第一测量信号检测模块可通过一触摸分隔层向人体部位发射及检测第一测量信号,在本发明较佳实施例中,触摸分隔层是特别材料制成的玻璃层,不同于普通材料玻璃,第一测量信号经过分隔层穿透到手掌,不会将第一测量信号散射出来,而是把第一测量信号的大部分能量聚集于手掌某部位,便于手掌组织吸收部分测量信号或反射信号,当进行血糖检测时,将触摸玻璃层与手掌紧密接触,发射的第一测量信号可以尽量避免外部信号的干扰,且反射的第一测量信号与发射的第一测量信号无相互干扰,本发明这种设计方式具有较高的抗干扰性,获取第一测量信号数据准确率较高。
步骤402,筛选出与血糖分子相关的测量信号,经信号放大后得到与检测血糖浓度有关的有用信号,并将其转换为数字信号形式。
步骤403,对获取的血糖信号,通过构建血糖系统的状态空间方程(例如公式(1))和观测方程(例如公式(2)),并结合系统噪声和观测噪声,采用扩展的卡尔曼滤波估计血糖值。在本发明中,通过对获取的数字信号经过卡尔曼滤波估计后,得出相对应的血糖物质表征的浓度。
较佳地,在步骤402之前,还包括:采用放大滤波电路对获取的血糖信号进行放大滤波。由于从第一测量信号探测传感器获取的血糖信号,含有物理固有的白噪声、加性噪声等各类噪声,因此必须采用放大滤波电路去除这些噪声,在本发明较佳实施例中,放大滤波电路采用将血糖信号与高通滤波器卷积的方法去除加性噪声,即假设有一序列血糖信号,如果某些序列的明显高于序列均值,则可以默认为由电子脉冲引起的物理脉冲噪声,应直接去除这些尖锐信号,为了避免与血糖信号无关的噪声,血糖信号应与合适的高通滤波器卷积,滤除不必要的加性噪声
图5为本发明较佳实施例中步骤403的细部流程图。图6为本发明较佳实施例步骤403采用的扩展卡尔曼滤波方法的细节流程图。如图5及图6所示,步骤403进一步包括:
步骤S1,建立系统的状态空间模型,获取观测结果。在本发明较佳实施例中,建立系统的状态空间模型,选定状态变量为xk,即在k时刻血糖的估计值。那么xk满足下面的状态公式:
xk+1=f(xk,uk)+wk (1)
系统测量方程为:
yk=g(xk,uk)+vk (2)
式中,wk和vk为系统噪声和测量噪声,假设二者均为零均值的白噪声,且互不相关;f(x,u)和g(x,u)为非线性函数;yk是血糖信号观测值。
检测的血糖信号与血糖浓度成一定的比例关系:
yk=Z(kC) (3)
其中,Z为比例函数,k为系数变量,C代表血糖浓度值。
扩展卡尔曼滤波是在线性卡尔曼滤波基础上,围绕估计值将非线性函数f(x,u)和g(x,u)扩展成泰勒级数并略去二阶以上的项来进行线性化,从而得到非线性系统的近似线性化模型。
步骤S2,根据当前时刻的系统状态获取下一时刻的预测估计结果。在本发明较佳实施例中
一步预测估计:
其中,代表k-1时段,最优状态变量,为k时段的系统状态值,这里没有wk是因为它是系统噪音,与xk无关,平均为0,右上角的‘-’代表先验,就是的数值来自先前时段的数据,右上角的‘+’代表后验,就是的数值会从后来的结果重新修正。
一步预测估计的误差协方差矩阵为:
其中,是的误差协方差矩阵,Ak,AT分别为系统矩阵和它的转置矩阵,Ak是上一状态最优的结果和现在的预测结果间的关系矩阵,Qk是预测估计的协方差矩阵。
步骤S3,利用扩展卡尔曼滤波增益矩阵将观测结果以及预测估计结果结合获取最优估计的血糖估计值。
扩展卡尔曼滤波增益矩阵为:
其中,为k时刻的观测结果转置矩阵。
扩展卡尔曼滤波估计为:
估计误差协方差矩阵为:
综上所述,本发明一种血糖检测装置及检测方法通过利用扩展卡尔曼滤波方法,构造信号与噪声的状态空间模型,能更佳的利用测量信号之间的相关性,且去除相关的干扰噪声,准确地预测出血糖的生理参数,实现了一种基于第一测量信号的无创血糖检测装置。
本发明具有如下优点:
(1)本发明提出了一种手掌触摸分隔层且无创非侵入式的血糖检测装置及方法,其直接利用发射的第一测量信号穿透手掌触摸分隔层至手掌的掌心部分,该触摸分隔层不同于普通的玻璃,它对第一测量信号发射器发出的第一测量信号,经过触摸分隔层后,会将大部分有效的第一测量信号汇集射到手掌心位置,具有较高的抗干扰性,获取第一测量信号数据准确率高;
(2)本发明的血糖检测系统,可以在任何环境下使用,无需受外界环境的干扰。从人体安全健康的角度,血糖仪发射的第一测量信号对身体并没有损害,直接从第一测量信号获取血糖信号,简单易行,而无需刺破身体皮肤获取血糖信号,大大减轻病人的痛苦。
(3)本发明通过构建血糖系统的状态空间方程和观测方程,结合系统噪声和观测噪声,利用扩展的卡尔曼滤波算法,对血糖这种非线性动态系统的血糖值进行估计,能很好的去除一些系统固有干扰噪声,且能对现场采集的数据进行实时的更新和处理,从而直接输出较稳定的血糖值,保证了系统的稳定性。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下,对上述实施例进行修饰与改变。因此,本发明的权利保护范围,应如权利要求书所列。
Claims (8)
1.一种血糖检测装置,包括:
第一测量信号发射模块,用于向人体某一部位发射第一测量信号;
第一测量信号检测模块,用于检测获取经该人体部位反射回来的第一测量信号能量,以获得血糖信号;所述第一测量信号发射模块与第一测量信号检测模块通过一触摸分隔层向人体部位发射及检测第一测量信号;其中,所述触摸分隔层与所述人体部位紧密接触;所述触摸分隔层为玻璃层,所述第一测量信号经过玻璃层穿透到人体部位,把测量信号的大部分能量聚集于所述人体部位,便于所述人体部位的组织吸收部分测量信号或反射信号;其中,连续改变一定范围内第一测量信号照射的频率,通过第一测量信号探测器接收经人体部位反射回来的第一测量信号能量,然后计算血糖分子吸收第一测量信号能量的总和,实现连续检测;
AD转换电路,用于筛选出与血糖分子相关的第一测量信号,得到与检测血糖浓度有关的有用信号,并将其转换为数字信号形式;
数据处理单元,用于对获取的血糖信号,通过构建血糖系统的状态空间方程和观测方程,并结合系统噪声和观测噪声,采用扩展的卡尔曼滤波估计血糖值;其中,扩展的卡尔曼滤波是在线性卡尔曼滤波基础上,围绕估计值将非线性函数f(x,u)和g(x,u)展成泰勒级数并略去二阶以上的项来进行线性化,从而得到非线性系统的近似线性化模型;
MCU,用于实时控制其他模块。
2.如权利要求1所述的一种血糖检测装置,其特征在于:该检测装置还包括放大滤波电路,连接于所述第一测量信号检测模块与AD转换电路之间,用于将所述第一测量信号检测模块输出的血糖信号进行放大滤波。
3.如权利要求1所述的一种血糖检测装置,其特征在于,所述数据处理单元包括:
观测结果获取模块,用于建立系统的状态空间模型,获取观测结果;
预测估计模块,用于根据当前时刻的系统状态获取下一时刻的预测估计结果;
校正模块,用于利用扩展卡尔曼滤波增益矩阵将所述观测结果获取模块的观测结果以及预测估计模块的预测估计结果结合获取最优估计的血糖估计值。
4.如权利要求1所述的一种血糖检测装置,其特征在于:所述检测装置还包括数据存储单元,用于存储和记忆前期获取的信号数据以及用于训练学习的数据。
5.如权利要求1所述的一种血糖检测装置,其特征在于:所述MCU为DSP处理单元。
6.一种血糖检测方法,包括:
步骤一,利用第一测量信号发射模块向人体某一部位发射第一测量信号,并利用第一测量信号检测模块检测经该人体部位反射回来的第一测量信号能量,以获得血糖信号;所述第一测量信号发射模块与第一测量信号检测模块通过一触摸分隔层向人体部位发射及检测第一测量信号;其中,所述触摸分隔层与所述人体部位紧密接触;所述触摸分隔层为玻璃层,所述第一测量信号经过玻璃层穿透到人体部位,把测量信号的大部分能量聚集于所述人体部位,便于所述人体部位的组织吸收部分测量信号或反射信号;其中,连续改变一定范围内第一测量信号照射的频率,通过第一测量信号探测器接收经人体部位反射回来的第一测量信号能量,然后计算血糖分子吸收第一测量信号能量的总和,实现连续检测;
步骤二,筛选出与血糖分子相关的第一测量信号,经信号放大后得到与检测血糖浓度有关的有用信号,并将其转换为数字信号形式;
步骤三,对获取的血糖信号,通过构建血糖系统的状态空间方程和观测方程,并结合系统噪声和观测噪声,采用扩展的卡尔曼滤波估计血糖值;其中,扩展的卡尔曼滤波是在线性卡尔曼滤波基础上,围绕估计值将非线性函数f(x,u)和g(x,u)展成泰勒级数并略去二阶以上的项来进行线性化,从而得到非线性系统的近似线性化模型。
7.如权利要求6所述的一种血糖检测方法,其特征在于:于步骤一中,所述第一测量信号发射模块与第一测量信号检测模块通过一触摸分隔层向人体部位发射及检测第一测量信号。
8.如权利要求6所述的一种血糖检测方法,其特征在于,步骤三进一步包括:
建立系统的状态空间模型,获取观测结果;
根据当前时刻的系统状态获取下一时刻的预测估计结果;
利用扩展卡尔曼滤波增益矩阵将观测结果以及预测估计结果结合获取最优估计的血糖估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710080593.0A CN106859666B (zh) | 2017-02-15 | 2017-02-15 | 一种血糖检测装置及其检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710080593.0A CN106859666B (zh) | 2017-02-15 | 2017-02-15 | 一种血糖检测装置及其检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106859666A CN106859666A (zh) | 2017-06-20 |
CN106859666B true CN106859666B (zh) | 2018-12-04 |
Family
ID=59166643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710080593.0A Active CN106859666B (zh) | 2017-02-15 | 2017-02-15 | 一种血糖检测装置及其检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106859666B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116264967A (zh) * | 2021-12-17 | 2023-06-20 | 上海微创生命科技有限公司 | 降低血糖监测信号噪声的方法、可读存储介质及管理系统 |
CN116138771B (zh) * | 2023-04-18 | 2023-06-30 | 江西科技师范大学 | 用于多光谱血糖光声检测的能量修正方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1051297A (zh) * | 1989-10-28 | 1991-05-15 | 梁元锡 | 无创测量血糖浓度的方法和装置 |
CN103876749A (zh) * | 2014-04-04 | 2014-06-25 | 王素常 | 内置光谱法快速血糖检测系统 |
CN104000599A (zh) * | 2014-05-07 | 2014-08-27 | 辛勤 | 一种测量血糖浓度的方法及便携式设备 |
CN104921736A (zh) * | 2015-06-08 | 2015-09-23 | 浙江大学 | 一种包含参数估计功能滤波模块的连续血糖监测设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2597254A1 (en) * | 2005-02-09 | 2006-08-17 | Inlight Solutions, Inc. | Methods and apparatus for noninvasive determinations of analytes |
GB0719969D0 (en) * | 2007-10-12 | 2007-11-21 | Cambridge Entpr Ltd | Substance monitoring and control in human or animal bodies |
CN201522713U (zh) * | 2009-09-25 | 2010-07-07 | 海华科技股份有限公司 | 覆晶式的图像撷取模块 |
-
2017
- 2017-02-15 CN CN201710080593.0A patent/CN106859666B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1051297A (zh) * | 1989-10-28 | 1991-05-15 | 梁元锡 | 无创测量血糖浓度的方法和装置 |
CN103876749A (zh) * | 2014-04-04 | 2014-06-25 | 王素常 | 内置光谱法快速血糖检测系统 |
CN104000599A (zh) * | 2014-05-07 | 2014-08-27 | 辛勤 | 一种测量血糖浓度的方法及便携式设备 |
CN104921736A (zh) * | 2015-06-08 | 2015-09-23 | 浙江大学 | 一种包含参数估计功能滤波模块的连续血糖监测设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106859666A (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lazaro et al. | Techniques for clutter suppression in the presence of body movements during the detection of respiratory activity through UWB radars | |
KR20100065084A (ko) | 움직임 잡음에 강인한 맥파 측정 장치 및 그 방법 | |
CN105476602A (zh) | 非接触式人体生命体征测量方法及装置 | |
EP3828591A1 (en) | Systems and methods for high resolution distance sensing and applications | |
WO2016168980A1 (zh) | 一种生理体征信息获取方法和系统 | |
US20170296093A1 (en) | Monitoring and diagnostics systems and methods | |
CN108186000A (zh) | 基于心冲击信号与光电信号的实时血压监测系统及方法 | |
CN110338813A (zh) | 一种基于频谱分析的无创血糖检测方法 | |
US20140180044A1 (en) | Methods and systems for determining signal quality of a physiological signal | |
CN106264504A (zh) | 基于手指动脉波的无创血压检测系统及方法 | |
CN103245976A (zh) | 基于uwb生物雷达的人体目标与周围环境结构兼容探测方法 | |
CN104055498A (zh) | 一种基于红外序列图像的人体呼吸和心率信号非接触式检测方法 | |
WO2013063540A1 (en) | Methods and systems for continuous non-invasive blood pressure measurement using photoacoustics | |
CA2728609A1 (en) | Signal processing systems and methods for determining slope using an origin point | |
CN109414207A (zh) | 胎动监测系统和方法 | |
CN106859666B (zh) | 一种血糖检测装置及其检测方法 | |
CN106037696A (zh) | 一种基于光电容积传感器的连续血压测量设备 | |
CN115500800A (zh) | 一种穿戴式生理参数检测系统 | |
EP3393345B1 (en) | Method and apparatus for detecting live tissues using signal analysis | |
Hu et al. | Remote vital signs measurement of indoor walking persons using mm-Wave FMCW radar | |
CN112244794A (zh) | 基于周期性特征的生命体征检测方法、装置和存储介质 | |
CN107495939B (zh) | 活体生物特征监控方法、装置以及系统 | |
Liu et al. | Non-contact human fatigue assessment system based on millimeter wave radar | |
CN103610454B (zh) | 一种血压测量方法及系统 | |
CN109805922A (zh) | 非接触式心电测量系统 |
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 | ||
CP02 | Change in the address of a patent holder |
Address after: 518000 Building No. 1, Changfu Jinmao Building, South Side of Hualu, Fubao Street, Futian District, Shenzhen City, Guangdong Province, 1903 Patentee after: Shutang Information Technology (Shenzhen) Co., Ltd. Address before: 518000 Ying-Rui Business Room 310, 3 Seaside Business Center, Shekou Xinghua Road, Nanshan District, Shenzhen City, Guangdong Province Patentee before: Shutang Information Technology (Shenzhen) Co., Ltd. |
|
CP02 | Change in the address of a patent holder |