CN107049293A - 传感器信息处理设备 - Google Patents

传感器信息处理设备 Download PDF

Info

Publication number
CN107049293A
CN107049293A CN201710061817.3A CN201710061817A CN107049293A CN 107049293 A CN107049293 A CN 107049293A CN 201710061817 A CN201710061817 A CN 201710061817A CN 107049293 A CN107049293 A CN 107049293A
Authority
CN
China
Prior art keywords
sensor
heart rate
heartbeat
processor
detection signal
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
CN201710061817.3A
Other languages
English (en)
Other versions
CN107049293B (zh
Inventor
山地隆行
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.)
Fujitsu Ltd
Original Assignee
Fujitsu 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 Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of CN107049293A publication Critical patent/CN107049293A/zh
Application granted granted Critical
Publication of CN107049293B publication Critical patent/CN107049293B/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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
    • 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
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • 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
    • A61B5/103—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
    • 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
    • A61B5/1118—Determining activity level
    • 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
    • A61B5/112—Gait analysis
    • 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]
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/002—Monitoring the patient using a local or closed circuit, e.g. in a room or building
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A61B5/02427—Details of sensor
    • A61B5/02433—Details of sensor for infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Pulmonology (AREA)
  • Power Engineering (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种传感器信息处理设备。根据惯性传感器的检测信号来控制心跳传感器的检测信号中要处理的目标频带。

Description

传感器信息处理设备
技术领域
本文讨论的实施方式涉及传感器信息处理设备。
背景技术
存在通过使用心跳传感器来检测生物体的心跳的技术。带通滤波器(BPF)被应用于心跳传感器的检测信号以从心跳传感器的检测信号检测与心跳对应的信号分量。
此外，生物体的心跳的一次心跳的时间长度根据每单位时间的心率是高还是低而变化。因此，BPF特性(例如，通带中心频率(pass center frequency)和通带宽度)可以根据心率是高还是低而变化。
(相关技术文献列表)
专利文献1 JP2009-72417 A
专利文献2 JP2012-130391 A
专利文献3 JP1-115344 A
专利文献4 JP2011-115459 A
专利文献5 JP2008-125595 A
专利文献6 JP2014-94043 A
当生物体发生运动时，除了源于心跳的信号分量(在下文中，其可以被称为“心跳信号”)以外，心跳传感器的检测信号中会包括源于身体运动的信号分量(在下文中，其可以被称为“源于身体运动的信号分量”)。源于身体运动的信号分量可以是要检测的心跳信号的噪声分量。
因此，即使当BPF特性根据从心跳传感器的检测信号检测到的心率是高还是低而变化时，BPF特性仍然不适于检测源于心跳的信号分量。因此，对心跳信号的检测精度会降低。
发明内容
根据一方面，本文中所讨论的技术的目的之一是提高由心跳传感器检测到的心跳信号的检测精度。
在一方面中，传感器信息处理设备可以包括接收器和处理器。接收器可以接收心跳传感器的检测信号和惯性传感器的检测信号。处理器可以根据惯性传感器的检测信号来控制心跳传感器的检测信号中要处理的目标频带。
根据一方面，可以提高由心跳传感器检测到的心跳信号的检测精度。
附图说明
图1是示出了根据实施方式的传感器系统的示例的框图；
图2和图3是示出了根据实施方式的生命传感器的配置示例的框图；
图4是示出了根据实施方式的信息处理设备的配置示例的框图；
图5是示出了根据实施方式的心率测量的结果的示例的图；
图6是示出了根据第一实施方式的传感器系统的操作示例的流程图；
图7是示出了图6中所示的心率估计过程的第一方面的流程图；
图8是示出了根据一个实施方式的步行步频与心率之间的关系的示例的图；
图9是示出了图6中所示的心率估计过程的第二方面的流程图；
图10是示出了根据一个实施方式的步行步频与步行速度之间的关系的示例的图；
图11是示出了根据一个实施方式的步行速度与运动强度(MET值)之间的关系的示例的图；
图12是示出了根据第二实施方式的传感器系统的操作示例的流程图；
图13是示出了根据一个实施方式的BPF的设置示例的图；
图14是示出了根据一个实施方式的BPF的通带的示例的图；
图15是示出了根据一个实施方式的BPF的带宽的设置示例的图；
图16和图17是示出了根据实施方式的心率分布的示例的图；
图18和图19是示出了根据实施方式的心率的统计过程的示例的图；
图20和图21是示出了根据一个实施方式的BPF的带宽的设置示例的图；以及
图22是示出了根据实施方式的BPF的带宽信息的示例的图。
具体实施方式
在下文中，将参照附图描述示例性实施方式。然而，下面描述的实施方式仅是示例，并且不旨在排除未在下面明确描述的各种修改或技术的应用。此外，可以适当地组合和执行下面描述的各种示例性方面。除非另有说明，否则在用于以下实施方式的附图中被赋予相同附图标记的元件或部件将表示相同或相似的元件或部件。
图1是示出了根据实施方式的传感器系统的示例的框图。图1所示的传感器系统1可以示例性地包括生命传感器2、信息处理设备3和网络(NW)4。
生命传感器2可以示例性地通过通信装置6连接到网络4，并且可以用于通过网络4与信息处理设备3通信。
生命传感器2可用于感测生物体的信息(在下文中可以被称为“生命信息”)。生物体是感测目标的示例。术语“感测”可以被称为“检测”或“测量”。
“生命信息”的非限制性示例是指示生物体的心跳的信息。由于生物体的血管根据心跳而搏动，所以指示心跳的信息可以被认为等同于指示脉搏跳动的信息。
生物体的心跳或脉搏跳动可以示例性地获取为与心跳对应的电磁波、压力或声音的变化。
例如，当用如红外线的光照射手指或耳垂的血管时，反射光将根据血流的节律性变化和光吸收特性而周期性地变化。因此，可以根据血流的变化来将心跳或脉搏跳动光学地测量为反射光的波动。
可替选地，当用无线电波例如微波照射生物体时，根据心跳在生物体的表面(例如，皮肤)中会发生节律性运动。因此，皮肤与无线电波发射源之间的距离根据运动而改变，并且在反射波中会发生由于多普勒效应而引起的变化。因此，还可以将心跳或脉搏跳动测量为由照射在生物体上的反射波的多普勒效应引起的波动。
此外，当心脏节律性地收缩和放松时，血管的压力(下文中可以被称为“血压”)也会波动。因此，还可以通过使用压力传感器或压电传感器将心跳或脉搏跳动测量为血压的节律性波动。
此外，还可以通过使用心电图仪或心音图仪来将心跳测量为与心脏脉搏对应的心肌的电势变化或声音变化。
可用于使用上述测量方案中的任一个来测量心跳的传感器可以被称为“心跳传感器”或“心跳计”。如上所述，由于指示“心跳”的信息可以在某些情况下被认为等同于指示“脉搏跳动”的信息，所以“心跳传感器”或“心跳计”可以被称为“脉搏跳动传感器”或“脉搏跳动计”。
在本实施方式中，出于说明的目的，将描述作为心跳传感器的示例的下述示例，在该示例中，将可用于通过使用多普勒效应来测量心跳的“无线传感器”应用于生命传感器2。“无线传感器”可以被称为“微波传感器”、“RF(射频)传感器”或“多普勒传感器”。
生命传感器2可以示例性地附接成与人体的皮肤接触，或者可以附接到人体的衣服。生命传感器2无需通过严格固定(可以被称为“约束”)的方式而被附接到人体。可以根据衣服与人体表面的运动之间的不匹配而允许在生命传感器2与人体之间发生相对运动(其可以被称为“异步运动”)。
例如，生命传感器2可以被附接到人体，使得生物传感器2被允许相对于人体沿三维方向之一移动。示例性地，生命传感器2可以放入衣服的口袋例如夹克的胸袋中，或者可以通过使用附接工具例如吊带附接在衣服上。
接下来，图1所示的通信装置6可用于通过例如网络4向信息处理设备3发送生命传感器2的感测结果(例如，指示心跳的信息)。因此，通信装置6可以使用有线电缆或无线电与网络4连接。
换言之，通信装置6可以设置有支持无线和有线通信二者中的一者或两者的通信接口(IF)。示例性地，基于3GPP(第三代合作伙伴计划)的LTE(长期演进)或LTE-A的通信方案可用于通信装置6的无线通信。
此外，卫星通信可以应用于通信装置6的无线通信。当应用卫星通信时，通信装置6能够在不通过网络4进行路由的情况下通过通信卫星与信息处理设备3通信。
生命传感器2的感测结果不仅可以包括生命信息，而且可以包括指示基于生命信息获得的算术运算或确定的结果的信息。出于描述的目的，感测结果可以被称为“传感器信息”或“传感器数据”。
通信装置6可以如图1所示在外部附接到生命传感器2，或者可以内建于生命传感器2中。在外部附接到生命传感器2的通信装置6可以是例如由附接有生命传感器2的人携带的装置。出于描述的目的，附接有生命传感器2的人可以被称为“用户”、“对象”或“被观察者”。
由用户携带的通信装置6可以示例性地为移动电话(其可以包括智能电话)、笔记本PC或平板PC。“PC”是“个人计算机”的缩写。
有线连接或无线连接可以应用于生命传感器2与通信装置6之间的连接。换言之，生命传感器2可以设置有支持无线和有线通信中的一者或两者的通信IF。“WiFi(无线保真)”(注册商标)或“蓝牙”(注册商标)也可以应用于无线连接。
在外部附接到生命传感器2的通信装置6可以是路由器或网络交换机。如图1所示，通信装置6可以与空调7和照明装置8在通信上连接，使得空调7和照明装置8能够通过网络4与信息处理设备3通信。
网络4可以示例性地是WAN(广域网)、LAN(局域网)或因特网。此外，网络4可以包括无线接入网。无线接入网可以符合上述LTE或LTE-A。
信息处理设备3通过网络4(或者可以通过通信卫星)接收生命传感器2的传感器信息，并且处理所接收的传感器信息。因此，信息处理设备3可以被称为传感器信息处理设备3。
处理传感器信息可以包括存储和管理传感器信息，以及基于传感器信息估计用户的心率。因此，例如，信息处理设备3可用于监视用户的活动状态。换言之，传感器系统1能够提供用户“监视(或观看)功能”。
管理传感器信息可以包括在数据库(DB)中编译传感器信息。在DB中编译的数据可以被称为“云数据”或“大数据”。
信息处理设备3可以由一个或多个服务器示例性地实现。换言之，由生命传感器2获得的传感器信息可以由单个服务器处理或管理，或者可以由信息处理设备3中的多个服务器分布式处理或管理。服务器可以对应于例如云数据传感器中提供的云服务器。
信息处理设备3可以在不通过网络4进行路由的情况下与生命传感器2通信上连接。例如，信息处理设备3可用于通过有线电缆或者通过无线电从生命传感器2直接接收传感器信息。
(生命传感器2的配置示例)
接下来，参照图2和图3来描述生命传感器2的配置示例。如图2和图3所示，生命传感器2可以示例性地包括无线传感器21、惯性传感器22、处理器23、存储器24和通信IF 25。
生命传感器2可以被称为传感器单元2。在下文中，出于描述的目的，生命传感器2或传感器单元2将被简称为“传感器2”。
如图3所示，无线传感器21、惯性传感器22、处理器23、存储器24和通信IF 25可以示例性地连接到总线26以通过处理器23彼此通信。
无线传感器21是如上所述的心跳传感器的示例并且示例性地可以是多普勒传感器。无线传感器21可以对发射到空间的无线电波以及所发射的无线电波的反射波执行相位检测并且生成差拍信号(beat signal)。差拍信号可以作为无线传感器21的输出信号被提供给处理器23。
如图2所示，无线传感器21可以包括例如天线211、本地振荡器(OSC)212、MCU(微控制单元)213、检测电路214、运算放大器(OP)215和电源单元(或电源电路)216。
天线211向空间发射具有由OSC 212生成的振荡频率的无线电波，并且接收由定位于空间的用户反射的所发射的无线电波的反射波。在图2的示例中，天线211是发射和接收共用的，但是发射天线和接收天线可以单独设置。
OSC 212响应于MCU 213的控制而示例性地振荡以输出具有预定频率的信号(出于描述的目的，其可以被称为“本地信号”)。本地信号作为发射无线电波从天线211发射，并且被输入到检测电路214。
OSC 212的振荡频率(换言之，由无线传感器21发送的无线电波的频率)可以示例性地为微波频带中的频率。微波频带可以示例性地为2.4GHz频带或24GHz频带。
这些频带是其室内使用由日本的“无线电法”授权的示例。可以使用未被“无线电法”规定的频带用于无线传感器21的发送无线电波。
MCU 213响应于处理器23的控制来示意性地控制OSC 212的振荡操作。
检测电路214示例性地对由天线211接收的反射波和来自OSC 212的本地信号(换言之，发射无线电波)执行相位检测以输出差拍信号。检测电路214可以用将发射无线电波和反射波进行混合的混合器来代替。由混合器执行的混合可以被认为等同于相位检测。
在这点上，由于根据用户的心跳的多普勒效应，因此在由检测电路214获得的差拍信号中发生振幅变化和频率变化。换言之，差拍信号包括指示用户的心跳的信息。
运算放大器215示例性地放大从检测电路214输出的差拍信号。经放大的差拍信号被输入到处理器23。
电源单元216示例性地向MCU 213、检测电路214和运算放大器215提供驱动电力。
同时，惯性传感器22可以示例性地检测传感器单元2的运动。惯性传感器22可以是加速度传感器或陀螺仪。压电型传感器和电容型传感器中的任一种可以示例性地应用于加速度传感器。自旋转子(飞轮)型、光学型传感器和振动结构型传感器中的任一种可以应用于陀螺仪。
惯性传感器22可以包括一个或更多个检测轴。例如，在沿检测轴之一的方向上的重力分量可以被检测为“加速度”分量。惯性传感器22的检测信号可以被输入到处理器23。
处理器23是具有算术处理能力的算术处理设备的示例。算术处理设备可以被称为算术处理装置或算术处理电路。集成电路(IC)例如MPU(微处理单元)或DSP(数字信号处理器)可以示例性地应用于作为算术处理设备的示例的处理器23。“处理器”可以被称为“处理单元”、“控制器”或“计算机”。
处理器23可用于基于无线传感器21的检测信号来检测用户的心跳。滤波器可以示例性地应用于无线传感器21的检测信号以从无线传感器21的检测信号检测源于心跳的信号分量(其可以被称为“心跳分量”或“心跳信号”)。非限制性示例的滤波器可以是带通滤波器(BPF)。处理器23可以基于检测到的心跳来确定与用户的睡眠相关的状态。
惯性传感器22的检测信号可以用于控制上述BPF的滤波器特性(示例性地为通带中心频率(pass center frequency)和通带宽度)。控制滤波器特性可以被认为是控制无线传感器21的检测信号中要处理的目标频带。下面将描述滤波器特性的控制的示例。
BPF的“通带中心频率”和“通带宽度”可以分别被简称为“中心频率”和“带宽”。
无线传感器21的检测信号和惯性传感器22的检测信号均可以被称为“检测值”或“输出值”。出于描述的目的，无线传感器21的检测值可以被称为“无线传感器值”，并且惯性传感器22的检测值可以被称为“惯性传感器值”。
此外，可以通过(下面参照图4描述的)信息处理设备3的处理器31而不是传感器单元2的处理器23来执行上述的心跳的检测和滤波器特性的控制。
接下来，在图3中，存储器24是设置在传感器单元2中的存储单元或存储介质的示例，并且可以是RAM(随机存取存储器)或闪存。
由处理器23读取和使用以操作的程序和数据可以存储在存储器24中。“程序”可以被称为“软件”或“应用程序”。“数据”可以包括根据处理器23的操作生成的数据。
通信IF 25是传感器单元2的通信单元的示例，并且示例性地与通信装置6(参见图1)连接，并且能够通过网络4与信息处理设备3进行通信。
例如，通信IF 25可以发送无线传感器21和惯性传感器22的检测信号，并且将基于检测到的信号中的一个或两个获得的信息发送到信息处理设备3。
换言之，从生命传感器2发送到信息处理设备3的传感器信息可以包括无线传感器21和惯性传感器22的测量值，或者可以包括基于测量值中的一个或两个而获得的信息。
通信IF 25可以在不通过通信装置6和/或网络4来进行路由的情况下与信息处理设备3连接以与信息处理设备3直接进行通信。
(信息处理设备3的配置示例)
接下来，将参照图4描述图1所示的信息处理设备3的配置示例。如图4所示，信息处理设备3可以示例性地包括处理器31、存储器32、存储装置33、通信接口(IF)34和外围IF35。
处理器31、存储器32、存储装置33、通信IF 34和外围IF 35可以示例性地连接到通信总线36以通过处理器31彼此通信。
处理器31是具有算术处理能力的算术处理设备的示例。算术处理设备可以被称为算术处理装置或算术处理电路。IC如CPU或MPU或DSP可以示例性地应用于作为算术处理设备的示例的处理器31。“处理器”可以被称为“处理单元”、“控制器”或“计算机”。
处理器31示例性地控制信息处理设备3的整个操作。由处理器31执行的控制可以包括对通过网络4执行的通信的控制。通过控制通信，可以例如通过网络4远程地控制空调7和照明装置8。
示例性地，处理器31可以基于由通信IF 34接收的生命传感器2的传感器信息来如上所述地检测心跳或控制滤波器特性。
此外，处理器31可以示例性地生成控制信号例如控制空调7和照明装置8的操作的控制信号，以控制生命传感器2的用户所处的空间环境。
可以示例性地基于以下来生成控制信号：基于从生命传感器2获得的传感器信息检测到的用户的心率以及与基于心率所估计或确定的用户的睡眠相关的状态。
由处理器31生成的控制信号可以示例性地通过通信IF 34发送到空调7和照明装置8。
存储器32是存储介质的示例，并且可以是RAM或闪存。由处理器31读取和使用以操作的程序和数据可以存储在存储器32中。
存储装置33可以存储各种数据和程序片段。硬盘驱动器(HDD)、固态驱动器(SSD)或闪存可以应用于存储装置33。
存储在存储装置33中的数据可以示例性地包括：由通信IF 34接收的传感器2的传感器信息、基于传感器信息检测的心率、以及与基于心率所估计或确定的用户的睡眠相关的状态。
存储在存储设备33中的数据可以可选地编译在数据库(DB)中。DB中编译的数据可以被称为“云数据”或“大数据”。存储装置33和存储器32可以被统称为信息处理设备3的“存储单元”。
存储在存储装置33中的程序可以包括用于执行参照图6和图12描述的过程的程序。
出于描述的目的，执行以下参照图6和图12描述的过程的程序可以被称为“传感器信息处理程序”。
构成程序的程序代码的全部或一部分可以存储在存储单元中，或者可以被描述为操作系统(OS)的一部分。
程序和数据可以记录在要设置的计算机可读非暂态记录介质中。记录介质的示例包括软盘、CD-ROM、CD-R、CD-RW、MO、DVD、蓝光盘和便携式硬盘。此外，半导体存储器例如USB(通用串行总线)存储器是记录介质的示例。
可替选地，程序和数据可以通过网络4从服务器提供(或下载)到信息处理设备3。例如，程序和数据可以通过通信IF 34提供给信息处理设备3。此外，程序和数据可以从连接到外围IF 35的在下文中描述的输入装置输入到信息处理设备3。
通信IF 34是设置在信息处理设备3中的通信单元的示例，并且示例性地连接到网络4以使得能够通过网络4进行通信。
在专注于接收过程时，通信IF 34是接收从生命传感器2发送到信息处理设备3的信息的接收器(其可以被称为“获取单元”)的示例。
同时，在专注于发送过程时，通信IF 34是例如将由处理器31生成的控制信号发送到生命传感器2、空调7和照明装置8的发送器的示例。以太网(注册商标)卡可以示例性地应用于通信IF 34。
通信IF 34可以在不通过网络4进行路由的情况下与生命传感器2的通信IF 25连接以使得能够与生命传感器2直接通信。
示例性地，外围IF 35是将外围装置连接到信息处理设备3的接口。
外围装置可以包括向信息处理设备3输入信息的输入装置和输出由信息处理设备3生成的信息的输出装置。
输入装置可以包括键盘、鼠标和/或触摸面板。输出装置可以包括显示器和/或打印机。
顺便说一下，例如，当通过使用无线传感器21在不接触用户的情况下测量用户的心跳时并且当用户的物理运动(可以被称为“身体运动”)变得大到某种程度时，则难以从无线传感器21的检测信号检测心跳分量。
例如，在用户的运动或活动期间，由于会发生大于休息期间的运动的运动，所以生命传感器2与皮肤之间的距离根据身体运动而改变。
示例性地，当生命传感器2被放置在用户的衣服口袋中时，或者当生命传感器2利用吊带(harness)附接在用户的衣服上时，生命传感器2与皮肤之间的距离容易根据身体运动而改变。
因此，除了与距离变化对应的源于心跳的信号分量之外，还将与距离变化对应的源于身体运动的信号分量作为噪声分量添加到无线传感器21的检测信号。因此，随着用户的身体运动变大，心跳分量的检测目标的噪声分量容易混入无线传感器21的检测信号中，因此难以在检测信号中检测到心跳分量。
不仅在无线传感器21的情况下，而且在光学地测量血流变化的传感器例如耳夹式传感器(earclip)的情况下，血流量由于身体运动而变化。因此，除了源于心跳的信号分量之外，还将源于身体运动的信号分量作为噪声分量混入传感器检测信号中。
此外，当血流量由于身体运动而变化时，血压变化。因此，在使用压力传感器或压电传感器的心跳传感器中，源于身体运动的信号分量变成源于心跳的信号分量的噪声分量。
在测量心肌的电势变化或声音变化的传感器如心音图仪或心电图仪中，由于用户的肌肉由于身体运动而移动，因此源于身体运动的信号分量变成源于心跳的信号分量的噪声分量。
简言之，独立于心跳传感器的测量方案，换言之，独立于心跳传感器的类型，当在用户的运动或活动期间发生身体运动时，容易将与身体运动对应的信号分量作为噪声分量混入传感器检测信号中。
通过将上述BPF应用于无线传感器21的检测信号，可以消除不是待检测的源于心跳的信号分量的噪声分量。
在这点上，如图5所示，例如，每跳的心跳时间长度(或时间间隔)往往根据每单位时间的心率的程度而变化。在图5中，横轴指示在给定时刻的心率x(n)(n是正整数)，以及纵轴指示随后的心率x(n+1)。下面将描述图5中的附图标记122、124、126和“d”的含义。
例如，随着每单位时间的心率增加，每跳的时间长度的变化趋于减小。相反，随着每单位时间的心率下降，每跳的时间长度的变化趋于下降。
示例性地，在心跳分量可能在其中出现的平均频带(对于非限制性示例，0.8Hz至4.0Hz)中，在每单位时间50跳的每跳的时间长度(例如，一分钟)中可能出现±20％的变化。同时，在高于50跳的120跳的每跳的时间长度可能出现±5％的变化。这样的“变化”可以被认为是生物体的“心跳特性”。
因此，当BPF的滤波器特性(例如，通带宽度)被静态地设置为特定心率例如60跳或120跳时，根据心率的程度，心跳分量可能缺失或者噪声分量的消除可能不足。因此，可能降低心率的检测精度。
因此，在本实施方式中，BPF的滤波器特性根据心率的程度自适应地改变。例如，随着每单位时间的心率增加，BPF的通带宽度被设置得较窄。相反，随着每单位时间的心率减小，BPF的通带宽度被设置得较宽。
出于描述的目的，其中可能出现心跳分量的平均频带将被称为“心跳出现频带”。下面将参照图13至图22来描述针对心跳出现频带的BPF的通带宽度的可变设置示例。
根据BPF的通带宽度的这样的可变设置，可以减少错过的心跳分量，并且提高对其中可能出现心跳分量的平均频带中的噪声分量的消除效率。可以根据对无线传感器21的检测信号进行频率分析的结果中具有峰值的频率的程度来确定心率的程度。
然而，当用户的身体运动发生时，由于源于身体运动的信号分量变大，所以基于源于身体运动的信号分量的峰值容易被检测为心跳分量的峰值，所以错误检测的概率变高。
例如，随着无线传感器21与用户之间的距离变化增加，由无线传感器21检测到的检测信号的幅度趋于增加。同时，随着距离变化的速度增加，检测信号的频率趋于增加。
因此，在对无线传感器21的检测信号进行频率分析的结果中，大于心跳分量的源于身体运动的信号分量容易出现在心跳出现频带中。因此，源于身体运动的信号分量的峰值，换言之，待检测的心跳分量的噪声分量的峰值被错误地检测为心跳分量。
当发生这样的错误检测时，基于噪声分量的频率来设置BPF的通带宽度。因此，心跳分量缺失或者噪声分量的消除可能不足。因此，心率的检测精度将降低。
可以例如通过下述方法防止或抑制心率的检测精度的降低：通过使用与无线传感器21不同的装置来估计用户的心率以基于估计的心率来设置并且控制BPF的滤波器特性。
可用于估计用户的心率的不同手段的示例是例如基于用户的身体运动来估计用户的心率。可以通过惯性传感器22检测用户的身体运动。
例如，与身体运动的幅度和速度对应的变化出现在惯性传感器22的检测信号中。随着身体运动的幅度和身体运动的速度增加，用户的运动强度增加。此外，随着运动强度增加，用户的心率趋于增加。
因此，可以基于惯性传感器22的检测信号来估计用户的心率。因此，在本实施方式中，基于惯性传感器22的检测信号来估计用户的心率，并且根据估计的心率来自适应性地控制应用于无线传感器21的检测信号的BPF的滤波器特性。
因此，可以提高心跳出现频带中的心跳信号的检测精度。因此，即使在无线传感器21的检测信号中在用户的运动或活动期间比在休息时间期间出现更多的源于身体运动的噪声分量的情况下，仍然可以准确地测量用户的心率。
由于提高了用户的心率的测量精度，因此，还可以提高例如控制用户所处的空间环境的精度和效率。
(操作示例)
将描述根据本实施方式的传感器系统1的一些操作示例。在下面描述的示例中，由信息处理设备3对生命传感器2的无线传感器值和惯性传感器值进行处理。然而，下面描述的相同处理可以由生命传感器2(例如，处理器23)来执行。
(第一示例)
图6是示出了根据第一示例的传感器系统1的操作示例的流程图。如图6所示，信息处理设备3从传感器单元2接收无线传感器值和惯性传感器值(处理P11和P21)。
例如，响应于接收到惯性传感器值，信息处理设备3的处理器31基于惯性传感器值来估计用户的心率(处理P22)。图7和图8示出了心率估计过程的第一方面，并且图9至图11示出了心率估计过程的第二方面。
(心率估计过程的第一方面)
如图7所示，处理器31可以基于惯性传感器值来计算用户每单位时间(例如，在一秒期间)的步数(其可以被称为“步行步频”)(处理P221)。与一般的计步器相类似，例如，可以通过在处理器31中对惯性传感器值超过阈值的次数进行计数来获得步数。
在此，可以通过关系式来将步行步频和心率联系起来。例如，示例性地，可以通过对多个实际测量值执行曲线拟合来得到关系式。
如图8所示，可以通过以下多项式等式(1)来表示步行步频与心率之间的关系式的非限制性示例。
y＝8E-05x3-0.0011x2-0.0855x+61.597...(1)
在图8中，横轴“x”表示步行步频[步数/秒]，并且纵轴“y”表示每单位时间(例如，1分钟)的心率[每分钟的心跳数，bpm]。此外，“8E-05”表示“8×10-5”。
处理器31可以通过基于在处理P221中计算的步行步频来计算式(1)以计算心率(图7中的处理P224)。出于描述的目的，计算的心率可以被称为“估计的心率”。
例如，图8中所示的关系可以由表格格式(其可以被称为“表格数据”)中的数据来表示。例如，表格数据可以被存储在信息处理设备3的存储器32或存储装置33(参见图4)中。处理器31可以参考表格数据而不执行算术处理来确定针对步行步频的估计的心率。
(心率估计过程的第二方面)
接下来，将参照图9至图11来描述图6中的心率估计过程(P22)的第二方面。在上述第一方面中，基于用户的步行步频来计算心率。相比之下，在第二方面中，可以基于用户的运动强度来计算心率。
如图9所示，处理器31可以以与第一方面相类似的方式(参见图7)基于无线传感器值来计算用户的步行步频(处理P221)。
处理器31可以根据计算出的步行步频来计算基于步行步频的步行速度(处理P222)。
在这点上，可以通过关系式来将步行步频和步行速度联系起来。可以通过对多个实际测量值执行曲线拟合来导出该关系式。
步行步频和步行速度的关系式的非限制性示例可以通过以下如图10所示的多项式等式(2)来表示。
y＝1E-05x3-0.0014x2+0.0725x-0.0119...(2)
在图10中，横轴“x”表示步行步频[步数/秒]，并且纵轴“y”表示每单位时间(示例性地，1小时)的步行速度[km/h]。此外，“1E-05”表示“1×10-5”。
随着每单位时间的步行距离增加，每步的步长距离和步数也趋于增加。例如，当用户每分钟步行70m(＝每小时4.2km)时，步长＝身高×0.37是适用的；当用户每分钟步行90m(＝每小时5.4km)时，步长＝身高×0.45是适用的；以及当用户每分钟步行110m(＝每小时6.6km)时，步长＝身高×0.5是适用的。因此，可以基于上述步长和步行步频来近似计算与每单位时间的步行距离对应的步行速度。
处理器31可以基于在处理P221中计算的步行步频通过计算式(2)来计算步行速度。
例如，与图8中所示的关系相类似，图10中所示的关系可以由表格数据来表示并且可以被存储在存储器32或存储装置33(参见图4)中。处理器31可以参考表格数据而不执行算术处理来确定针对步行步频的步行速率。
响应于计算出步行速度，处理器31可以基于计算的步行速度来计算用户的运动强度(图9中的处理P223)。运动强度是指示人的活动量的指标值，并且可以由MET值来表示。
MET是“代谢当量”的缩写。MET值可以是表示在人活动期间的代谢率(或卡路里消耗量)相对于在休息期间的代谢率的相对值(例如，倍数值)的数值。将MET值与人的每个活动相关联的表格被称为“MET表格”。例如，MET表格由国家健康和营养研究所公布。
图11示出了步行速度与MET值之间的关系的示例。步行速度＝0[km/h]与MET值＝1相关联，并且与在休息期间的参考运动强度对应。如图11所示，随着步行速度增加，MET值也增加。
例如，在步行速度＝2.5[km/h]的情况下，MET值是参考MET值(＝1)的三倍。在步行速度＝4[km/h]的情况下，MET值是参考MET值的五倍。
例如，当确定出MET值时，可以基于用户的年龄和在休息期间的心率来确定当前心率。例如，可以通过以下等式(3)来表示MET值。
MET值＝(心率－在休息期间的心率)/(最大心率－在休息期间的心率)×10...(3)
等式(3)中的“最大心率”可以被计算为“220-年龄”的简化式。
因此，处理器31可以通过计算式(3)而基于MET值来计算当前心率(图9中的处理P224)。换言之，即使当难以在用户的运动或活动期间准确地检测心率时，仍然可以通过计算式(3)而基于MET值来估计心率。
如图6所示，当通过上述心率估计过程的第一方面或第二方面来计算估计的心率时，处理器31可以确定要应用于无线传感器值的与估计的心率对应的BPF的滤波器特性(处理P23)。在下文中，BPF的滤波器特性可以缩写为“BPF特性”。
例如，处理器31可以将估计的心率转换为频率，并且将转换的频率设置为要应用于无线传感器值的BPF的中心频率。例如，通过将心率除以60(秒)，可以将心率转换为频率。此外，当估计的心率较高时，处理器31可以对BPF设置较窄的带宽。下面将描述BPF特性的详细确定示例。
处理器31可以将具有确定的BPF特性的BPF应用于在处理P11中接收到的无线传感器值以对无线传感器值进行滤波(处理P12)。根据滤波，从无线传感器值中去除源于身体运动的噪声分量。
处理器31可以从已滤波的无线传感器值中检测指示与心跳对应的区别性变化的心跳分量作为“特征点”(处理P13)。例如，“特征点”可以是在已滤波的无线传感器值的信号波形中一阶导数变为零的点。
响应于检测到“特征点”，处理器31可以通过计算特征点处的时间间隔(例如，“秒”)并用计算出的时间间隔除一分钟(＝60秒)来计算每分钟的心率(处理P14)。
计算的心率可以被用作参数以控制生命传感器2的用户所处的空间环境(处理P15)。此外，如图6中的虚线所示，可选地，可以将计算的心率输出至诸如显示器或打印机的输出装置(处理P16)。
可选地，可以将在处理P23中确定的BPF特性的信息以及在处理P13中检测到的特征点的信息输出至诸如显示器或打印机的输出装置。在这种情况下，例如，可以检查BPF特性的设置状态和设置是否正确。
如上所述，根据第一实施方式，根据与基于惯性传感器值估计的心率相关联的频率来控制应用于无线传感器值的BPF特性。因此，可以高效地消除出现在心跳出现频带中的噪声分量。
因此，可以基于无线传感器值来提高心跳信号的检测精度。例如，可以提高对1.5Hz至4.0Hz的频带中的心跳信号的检测精度，该频带被认为容易受到0.8Hz至4.0Hz的频带(其是心跳出现频带的示例)内的源于身体运动的噪声分量的影响。
(第二示例)
在第一示例中，基于估计的心率而不依赖于基于惯性传感器值来估计心率的程度来确定BPF特性。然而，可以基于无线传感器值而不依赖于根据估计的心率的惯性传感器值来确定BPF特性。
例如，当基于惯性传感器值估计的心率高时，作为与估计的心率对应的运动强度的指标的MET值也趋向于高。因此，当估计的心率或MET值等于或大于阈值时，可以如第一示例中基于根据惯性传感器值估计的心率来确定BPF特性。
当估计的心率较高时，换言之，当MET值较高时，可以认为源于身体运动的噪声分量将容易地混入无线传感器值的心跳出现频带中。
相反，当基于惯性传感器值估计的心率或MET值小于阈值时，即使基于无线传感器值来确定BPF特性，仍然可以充分地去除源于身体运动的噪声分量。
换言之，当基于惯性传感器值估计的心率或MET值小于阈值时，可以认为由源于身体运动的噪声分量而将会对心跳分量的检测有些许影响。
因此，在第二示例中，如图12所示，可以根据针对估计的心率(或MET值)的阈值的确定(处理P22a)来控制惯性传感器值和无线传感器值中的哪一个被用于确定BPF特性。
例如，当估计的心率(或MET值)等于或大于阈值时(在处理P22a中为“是”)，信息处理设备3的处理器31可以基于与以与第一示例相类似的方式基于惯性传感器值估计的心率对应的频率来确定BPF特性(处理P23)。出于描述的目的，与心率对应的频率可以被称为“心跳频率”。
同时，当估计的心率(或MET值)小于阈值时(在处理P22a中为“否”)，处理器31可以基于无线传感器值来检测心率，并且基于检测到的心跳频率来确定BPF特性(处理P31和P32)。
频率分析(处理P31)可以被用于根据无线传感器值检测心率。快速傅立叶变换(FFT)或离散傅里叶变换(DFT)适用于频率分析。
通过FFT或DFT将无线传感器值从时域信号转换成频域信号(出于描述的目的，频域信号可以被称为“频率信号”)。
例如，处理器31可以检测在无线传感器值的频率信号中具有峰值的频率(这种频率可以被称为“峰值频率”)作为上述“特征点”。峰值频率是指示与心跳对应的区别性变化的频率分量的示例。
处理器31可以基于检测到的峰值频率来确定BPF特性(处理P32)。例如，处理器31可以将以下BPF特性确定为要应用于无线传感器值的BPF特性：在中心频率处具有峰值频率，并且当峰值频率较高时带宽较窄(或者当峰值频率较低时带宽较宽)。
可以将在处理P11中由信息处理设备3接收的无线传感器值存储在存储器32或存储装置33中，以便为上述频率分析处理(P31)做准备。在处理P12a中，可以由处理器31来读取存储在存储器32或存储装置33中的无线传感器值，并且可以将具有在处理P23或P32中确定的BPF特性的BPF应用于无线传感器值。
在处理P12a之后由处理器31执行的特征点检测处理(P13)、心率计算处理(P14)、空间环境控制(P15)和确定结果输出(P16)可以与第一示例中的那些相同。
如上所述，根据第二示例，获得与第一示例中相同的功能和效果。另外，当惯性传感器值指示可以认为由于源于身体运动的噪声分量而对心跳分量的检测有些许影响时，基于无线传感器值来控制BPF特性。
因此，可以提高对0.8Hz至1.5Hz的频带中的心跳信号的检测精度，其中可以认为在0.8Hz至4.0Hz的频带(其是心跳出现频带的示例)内由于源于身体运动的噪声分量而有些许影响。
(BPF特性的确定示例)
接下来，将参照图5以及图13至图22来描述确定(或设置)上述BPF特性的处理(例如，图6和图12中的处理P23以及图12中的处理P12a)的详细示例。
下面描述的BPF特性的确定示例可以与上述第一示例和第二示例相同。然而，在下面的描述中，“参考心率”与在第一示例中基于惯性传感器值估计的心率对应，并且与在第二示例中基于惯性传感器值或无线传感器值估计的心率对应。
例如，在第二示例中，“参考心率”当在图12的阈值确定处理P22a中确定为“是”时与基于惯性传感器值估计的心率对应。同时，“参考心率”当在处理P22a中确定为“否”时与基于无线传感器值检测的心率对应。
如上所述，图5示出了每单位时间的心率与每次心跳的时间长度的变化之间的关系。附图标记122表示心率的测量数据(x(n),x(n+1))，并且直线124表示每个测量数据122的中值。
示例性地，例如，表示中值124的直线是根据最小二乘法计算的每个测量数据122的直线，并且假设表示为ax(n)+bx(n+1)+c＝0。在这点上，系数a、b和c是实数。
在此，可以由以下等式(4)来表示从每个测量数据122(x(n),x(n+1))到直线124绘制的垂直线的长度d。
假设具有长度d的最大值的测量点是由坐标(x(m),x(m+1))表示的最大距离点126。“m”表示满足m≦n的正整数。
例如，在心跳频率＝2Hz的情况下，通过最大距离点126和与“-0.1Hz”对应的坐标(在图5的示例中为坐标(120,114))的直线表示带宽的下限。
例如，表示带宽的上限的直线与通过点(120，126)和具有与任何频率处的带宽的下限相同的宽度的点的直线对应。在心跳频率＝2Hz的情况下的带宽可以参照图5中的测量数据122的心率x(n)＝120处的下一心跳的最大值和最小值来确定。
接下来，图13是示出了BPF特性的设置示例的图。图13示出了通过在预设等式中代入参考心率计算的BPF的频带的上限和下限的示例。
在图13中，横轴表示参考心率[Hz]，并且纵轴表示与带宽的上限和下限对应的心率[Hz]。在图13中，由频带上限值132来表示带宽的上限，由频带下限值134来表示带宽的下限。图13示出了在某些参考心率处的带宽的上限值和下限值。
例如，可以通过基于图5中所示的最大距离点126以及基于测量数据122确定的参考坐标(120，126)和(120，114)的内插或外推来确定上述“预设等式”。
接下来，图14是示出了BPF的通带的示例的图。在图14中，横轴表示BPF的中心频率，并且纵轴表示BPF的带宽。此外，在图14中，固定最小心跳141或可变最小心跳144表示当采用与给定中心频率对应的带宽时与频带的下限对应的心率。
此外，在图14中，固定最大心跳142或可变最大心跳145表示当采用与给定中心频率对应的带宽时与频带的下限对应的心率。
在本实施方式中，与BPF的带宽可变的情况相比，固定最小心跳141和固定最大心跳142是带宽根据心率不改变的情况的比较示例。
例如，根据可变最小心跳144和可变最大心跳145，BPF的带宽与由心率＝1Hz附近的附图标记148所表示的带宽对应，并且与由心率＝4Hz附近的附图标记149所表示的带宽对应，由附图标记149所表示的带宽比带宽148窄。因此，将较宽的带宽148设置在较低的心率处，将较窄的带宽149设置在较高的心率处。
图15是示出了BPF带宽的设置示例的图。在图15中，横轴表示中心频率，并且纵轴表示带宽。在图15中，直线152表示相对于中心频率的带宽的设置值的示例。例如，在参照图5和图14描述的示例中，可以将带宽152设置成响应于中心频率的增加而线性减小。
中心频率与带宽之间的关系足以具有当中心频率变低时带宽变宽的关系，并且无需由直线表示的关系。例如，如图15中的附图标记154所示，可以将带宽设置成使得带宽相对于中心频率逐步改变。例如，可以通过使用基于实际测量值确定的给定两个或更多个点的单调增加的一个或更多个适当函数的内插和外推来确定带宽与中心频率之间的关系。
接下来，图16至图19是示出了带宽的其他设置示例的图。图16和图17是示出了心率分布的示例的图，并且图18和图19是示出了心率统计处理的示例的图。在图16和图17中，横轴表示时间，该时间表示在给定时间点处的心跳间隔与下一个心跳间隔的差，并且纵轴表示测量次数。
图16示出了心率接近55至60的心率分布，并且图17示出了心率接近75至80的心率分布。在图16与图17之间进行比较，在心率接近55至60处的多个测量数据项比在心率接近75至80处的更集中在纵轴附近，并且心率变化较小。例如，用于统计处理的测量数据可以是通过心电图仪测量的数据，心电图仪通过将电极放置成与生物体接触来测量心跳。
图18和图19示出了在心率接近60和心率接近120处的实际测量数据的统计处理的示例。在图18和图19所示的统计处理的示例中，计算532个数据项的概率分布，并且计算BPF的带宽，使得测量数据在特定概率或更高的概率的范围内。
在图18的统计处理的示例中，通过确定出所计算的概率分布为8σ的范围以及在心率接近60处的CP值＝1.33，带宽为±0.165Hz。在此，σ表示标准偏差，并且“CP”表示“处理能力”。在CP值＝2.16的情况下，设置在心率接近120处与该带宽相同的带宽。
类似地，在图19的统计处理的示例中，通过确定出所计算的概率分布的8σ的范围以及在心率接近120处的CP值＝1.33，带宽为±0.1015Hz。在CP值＝0.82的情况下，设置在心率接近60处与该带宽相同的带宽。
如上所述执行实际测量值的统计处理，并且设置使得能够以给定概率或更高的概率进行数据检测的BPF的带宽。在这种情况下，可以基于给定的两个点来线性确定带宽与和参考心率对应的中心频率之间的关系，或者可以通过对较短间隔的中心频率执行上述统计处理以通过内插来确定带宽与中心频率之间的关系。
可替选地，当确定出给定的两个或更多个点时，可以通过使用基于每个点的单调增加的一个或更多个适当函数以通过内插和外推来确定带宽与中心频率之间的关系，或者可以将带宽与中心频率之间的关系设置成使得带宽相对于中心频率逐步改变。
图20和图21是示出了带宽的设置示例的图。在图20和图21中，横轴表示频率[Hz]，并且纵轴表示增益[dB]。在图20和图21中，例如，心跳出现频带162为0.8Hz至4.0Hz。
根据图20所示的无线传感器值的频率分析结果(例如，FFT结果)160，在心跳出现频带162中存在由附图标记163表示的峰值增益。例如，将与峰值增益163对应的频率设置为BPF的中心频率，并且将由附图标记164表示的带宽设置为BPF的带宽。
同时，根据图21所示的FFT结果165，在心跳出现频带162中存在由附图标记168表示的峰值增益。将与峰值增益168对应的频率设置为BPF的中心频率。
在此，由于与峰值增益168对应的中心频率高于与图20中的峰值增益163对应的频率，因此，将比图20中的带宽164窄的带宽166设置为BPF的带宽。
以这种方式，可以将BPF的中心频率设置为与参考心率对应的频率，并且根据中心频率的程度来自适应地控制带宽。因此，可以高效地去除出现在心跳出现频带中的噪声分量。
换言之，通过使用以下BPF，可以在不依赖于心率的程度的情况下高效地去除心跳出现频带中的不必要的信号分量：所述BPF根据生物对象的心跳特性具有可变中心频率和可变带宽。因此，可以提高心跳出现频带中的心跳信号的检测精度。
图22是示出了带宽信息的示例的图。例如，可以将图22中所示的带宽信息170存储在信息处理设备3的存储器32或存储装置33中。作为非限制性示例，带宽信息170可以包括参考心率信息171、BPF宽度下限信息172和BPF宽度上限信息173。
信息处理设备3的处理器31可用于参考带宽信息170来确定并设置与参考心率对应的BPF的频带。
在包括各种示例的上述实施方式中，诸如多普勒传感器的无线传感器被用作心跳传感器21的示例。然而，例如，心跳传感器21可以是诸如光学测量血流变化的传感器例如耳夹式传感器。
即使当血流量由于身体运动而变化、源于身体运动的信号分量作为噪声分量混入传感器检测信号中时，仍然可以通过控制上述可变BPF特性来高效地去除噪声分量。
在光学测量血流变化的心跳传感器21的情况下，根据来自外部血流的外部光混入反射光中，即使当噪声分量混入传感器检测信号中时，仍然通过控制上述可变BPF特性来去除噪声分量。
此外，心跳传感器21可以是测量心肌的电位变化或声音变化的心电图仪或心音图仪。根据用户的肌肉由于身体运动而移动，即使当源于身体运动的信号分量作为噪声分量混入传感器检测信号中时，仍然可以通过控制上述可变BPF特性来高效地去除噪声分量。
此外，在包括各种示例的上述实施方式中，心跳传感器21和惯性传感器22集成在传感器单元2中。然而，心跳传感器21和惯性传感器22可以被设置在分开的单元中，只要心跳传感器21和惯性传感器22附接至同一用户即可。换言之，心跳传感器21和惯性传感器22是集成还是设置在分开的单元中是无关紧要的，只要感测目标是同一用户即可。
当心跳传感器21和惯性传感器22集成在传感器单元2中时，可以省略单独管理心跳传感器21和惯性传感器22或者将心跳传感器21和惯性传感器22附接至用户的工作。因此，可以提高用户友好性和方便性。此外，可以防止或抑制心跳传感器21和惯性传感器22中之一没有被附接或者丢失。同时，当心跳传感器21和惯性传感器22被设置在分开的单元中时，可以单独地调节针对用户的相应传感器21和22的附接位置。因此，预计提高了附接位置的自由度。

Claims (11)

1.一种传感器信息处理设备，包括：
接收器，被配置成接收心跳传感器的检测信号和惯性传感器的检测信号；以及
处理器，用于根据所述惯性传感器的检测信号来控制所述心跳传感器的检测信号中要处理的目标频带。
2.根据权利要求1所述的传感器信息处理设备，其中，所述处理器基于所述惯性传感器的检测信号来估计心率，并且将所述目标频带的中心频率设置为与估计的心率对应的频率。
3.根据权利要求2所述的传感器信息处理设备，其中，所述处理器基于所述惯性传感器的检测信号来计算步行步频，并且基于所述步行步频来估计心率。
4.根据权利要求2所述的传感器信息处理设备，其中，所述处理器基于所述惯性传感器的检测信号来计算步行步频，基于所述步行步频来计算运动强度，并且基于所述运动强度来估计心率。
5.根据权利要求2所述的传感器信息处理设备，其中，当所述估计的心率小于预定阈值时，所述处理器基于所述心跳传感器的检测信号来控制所述目标频带。
6.根据权利要求5所述的传感器信息处理设备，其中，所述处理器基于通过对所述心跳传感器的检测信号进行频率分析而获得的结果来检测心率，并且将所述频带的中心频率设置为与检测到的心率对应的频率。
7.根据权利要求2至4中任一项所述的传感器信息处理设备，其中，随着所述估计的心率增加，所述处理器将所述目标频带的带宽设置成变窄。
8.根据权利要求6所述的传感器信息处理设备，其中，随着所检测到的心率增加，所述处理器将所述目标频带的带宽设置成变窄。
9.根据权利要求1所述的传感器信息处理设备，其中，所述心跳传感器是无线传感器。
10.根据权利要求1所述的传感器信息处理设备，其中，所述心跳传感器和所述惯性传感器被设置在传感器单元中。
11.一种传感器单元，包括：
心跳传感器；
惯性传感器；以及
处理器，被配置成根据所述惯性传感器的检测信号来控制所述心跳传感器的检测信号中要处理的目标频带。
CN201710061817.3A 2016-02-02 2017-01-26 传感器信息处理设备 Active CN107049293B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-018222 2016-02-02
JP2016018222A JP6642055B2 (ja) 2016-02-02 2016-02-02 センサ情報処理装置、センサユニット、及び、センサ情報処理プログラム

Publications (2)

Publication Number Publication Date
CN107049293A true CN107049293A (zh) 2017-08-18
CN107049293B CN107049293B (zh) 2021-11-02

Family

ID=57914801

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710061817.3A Active CN107049293B (zh) 2016-02-02 2017-01-26 传感器信息处理设备

Country Status (4)

Country Link
US (1) US10667758B2 (zh)
EP (1) EP3202311B1 (zh)
JP (1) JP6642055B2 (zh)
CN (1) CN107049293B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108903929A (zh) * 2018-03-30 2018-11-30 广东思派康电子科技有限公司 心率检测修正的方法、装置、存储介质和系统

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115209803A (zh) * 2020-03-11 2022-10-18 松下知识产权经营株式会社 信号处理系统、传感器系统、生物特征管理系统、环境控制系统、信号处理方法和程序

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5883714A (en) * 1996-10-07 1999-03-16 Phase Metrics Method and apparatus for detecting defects on a disk using interferometric analysis on reflected light
JP2001116838A (ja) * 1999-10-18 2001-04-27 Mitsubishi Electric Corp 合成開口レーダ装置及び目標散乱点検出方法
US20030212336A1 (en) * 2002-04-15 2003-11-13 Samsung Electronics Co., Ltd. Apparatus and method for detecting heartbeat using PPG
US20060004265A1 (en) * 2004-06-16 2006-01-05 Firstbeat Technologies Oy. System for monitoring and predicting physiological state under physical exercise
US20100113948A1 (en) * 2007-03-15 2010-05-06 Imperial Innovations Limited Heart rate measurement
JP2010142456A (ja) * 2008-12-19 2010-07-01 Panasonic Corp 心拍検知装置
EP2229880A1 (en) * 2009-03-18 2010-09-22 CSEM Centre Suisse d'Electronique et de Microtechnique SA Headband integrated monitoring unit using an accelerometer
CN102526879A (zh) * 2012-02-16 2012-07-04 微创医疗器械(上海)有限公司 用于起搏频率自适应调节的装置和系统
CN102764111A (zh) * 2011-05-06 2012-11-07 精工爱普生株式会社 生物体信息处理装置
US20130006123A1 (en) * 2011-07-01 2013-01-03 Seiko Epson Corporation Biological information processing device
US20130178754A1 (en) * 2010-07-28 2013-07-11 Impact Sports Technologies, Inc. Monitoring Device With An Accelerometer, Method And System
US20140288435A1 (en) * 2012-06-22 2014-09-25 Fitbit, Inc. Heart rate data collection
US20150112606A1 (en) * 2013-10-23 2015-04-23 Quanttus, Inc. Calculating Pulse Transit Time
CN104602595A (zh) * 2012-09-13 2015-05-06 欧姆龙健康医疗事业株式会社 脉搏测定装置、脉搏测定方法和脉搏测定程序
CN104602594A (zh) * 2012-09-07 2015-05-06 富士通株式会社 脉搏检测方法、脉搏检测装置以及脉搏检测程序
CN204410807U (zh) * 2014-12-16 2015-06-24 中国矿业大学 基于压电薄膜的摔倒和心率监测及自动求救系统
WO2015129557A1 (ja) * 2014-02-25 2015-09-03 ローム株式会社 心拍数検出装置
US20150374240A1 (en) * 2014-06-26 2015-12-31 Salutron, Inc. Heart Rate Inference Based On Accelerometer And Cardiac Model

Family Cites Families (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0669444B2 (ja) 1987-10-29 1994-09-07 日産自動車株式会社 車両乗員の状態検出装置
US5924980A (en) * 1998-03-11 1999-07-20 Siemens Corporate Research, Inc. Method and apparatus for adaptively reducing the level of noise in an acquired signal
US20040039420A1 (en) * 2002-08-26 2004-02-26 Medtronic Physio-Control Manufacturing Corp. Apparatus, software, and methods for cardiac pulse detection using accelerometer data
GB2394294A (en) * 2002-10-18 2004-04-21 Cambridge Neurotechnology Ltd Cardiac sensor with accelerometer
CA2538710A1 (en) * 2003-09-12 2005-03-31 Bodymedia, Inc. Method and apparatus for measuring heart related parameters
US7532924B2 (en) * 2003-09-22 2009-05-12 Cardiac Pacemakers, Inc. Cardiac rhythm management system with exercise test interface
JP4915568B2 (ja) 2006-11-17 2012-04-11 パナソニック株式会社 生体情報検出装置及び睡眠環境制御システム
JP2009072417A (ja) 2007-09-21 2009-04-09 Toshiba Corp 生体情報処理装置及び方法
US20120123232A1 (en) * 2008-12-16 2012-05-17 Kayvan Najarian Method and apparatus for determining heart rate variability using wavelet transformation
WO2011024425A1 (ja) * 2009-08-28 2011-03-03 パナソニック株式会社 生体情報検出装置およびモーションセンサ
WO2011032016A1 (en) * 2009-09-10 2011-03-17 Intrapace, Inc Improved diagnostic sensors and/or treatments for gastrointestinal stimulation or monitoring devices
JP2011115459A (ja) 2009-12-04 2011-06-16 Nippon Soken Inc 生体情報検出装置及び生体情報検出方法
JP5333427B2 (ja) 2010-12-20 2013-11-06 沖電気工業株式会社 心拍数検出装置、心拍数検出方法、およびプログラム
JP5682369B2 (ja) * 2011-02-23 2015-03-11 セイコーエプソン株式会社 拍動検出装置
US9402550B2 (en) * 2011-04-29 2016-08-02 Cybertronics, Inc. Dynamic heart rate threshold for neurological event detection
CN107260142B (zh) * 2012-01-16 2020-10-20 瓦伦赛尔公司 利用惯性频率减少生理指标误差
US8948832B2 (en) 2012-06-22 2015-02-03 Fitbit, Inc. Wearable heart rate monitor
US9005129B2 (en) * 2012-06-22 2015-04-14 Fitbit, Inc. Wearable heart rate monitor
US9445729B2 (en) * 2012-07-20 2016-09-20 Resmed Sensor Technologies Limited Range gated radio frequency physiology sensor
JP6079075B2 (ja) * 2012-09-13 2017-02-15 オムロンヘルスケア株式会社 脈拍測定装置、ならびに、脈拍測定方法および脈拍測定プログラム
JP6056389B2 (ja) * 2012-11-07 2017-01-11 富士通株式会社 心拍推定装置、心拍推定方法及びプログラム
JP6066451B2 (ja) * 2013-02-12 2017-01-25 カシオ計算機株式会社 生体情報検出装置及び生体情報検出方法、生体情報検出プログラム
WO2014196119A1 (ja) * 2013-06-06 2014-12-11 セイコーエプソン株式会社 生体情報処理装置および生体情報処理方法
JP6599883B2 (ja) 2014-03-17 2019-10-30 コーニンクレッカ フィリップス エヌ ヴェ 心拍数モニターシステム、心拍数モニタリング方法及びコンピュータプログラム
US20160007935A1 (en) * 2014-03-19 2016-01-14 Massachusetts Institute Of Technology Methods and apparatus for measuring physiological parameters
US9717427B2 (en) 2014-05-30 2017-08-01 Microsoft Technology Licensing, Llc Motion based estimation of biometric signals
US9936886B2 (en) * 2014-06-09 2018-04-10 Stmicroelectronics S.R.L. Method for the estimation of the heart-rate and corresponding system
US20160030806A1 (en) * 2014-07-31 2016-02-04 Seiko Epson Corporation Exercise ability evaluation method, exercise ability evaluation apparatus, exercise ability calculation method, and exercise ability calculation apparatus
US20160029968A1 (en) * 2014-08-04 2016-02-04 Analog Devices, Inc. Tracking slow varying frequency in a noisy environment and applications in healthcare
US20170238875A1 (en) * 2014-10-27 2017-08-24 Lifeq Global Limited Biologically Inspired Motion Compensation and Real-Time Physiological Load Estimation Using a Dynamic Heart Rate Prediction Model
US9826938B2 (en) * 2014-10-29 2017-11-28 Microsoft Technology Licensing, Llc Motion compensation for optical heart rate sensors
JP2018509199A (ja) * 2015-02-03 2018-04-05 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． 電子的にロック可能なウェアラブルデバイス
US10342441B2 (en) * 2015-02-27 2019-07-09 Qualcomm Incorporated Estimating heart rate by tracking optical signal frequency components
US10123746B2 (en) * 2015-05-08 2018-11-13 Texas Instruments Incorporated Accuracy of heart rate estimation from photoplethysmographic (PPG) signals
US9874933B1 (en) * 2015-06-15 2018-01-23 Amazon Technologies, Inc. Device shutdown routine optimization
US20160367201A1 (en) * 2015-06-22 2016-12-22 Joshua Daniel Korsower System and method for passive event detection system for traumatic event
US20170164847A1 (en) * 2015-12-15 2017-06-15 Texas Instruments Incorporated Reducing Motion Induced Artifacts in Photoplethysmography (PPG) Signals
JP6716951B2 (ja) * 2016-02-25 2020-07-01 富士通株式会社 センサ情報処理装置、センサユニット、及び、センサ情報処理プログラム
EP3292813A1 (en) * 2016-08-29 2018-03-14 SmartCardia SA Method and device for processing bio-signals

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5883714A (en) * 1996-10-07 1999-03-16 Phase Metrics Method and apparatus for detecting defects on a disk using interferometric analysis on reflected light
JP2001116838A (ja) * 1999-10-18 2001-04-27 Mitsubishi Electric Corp 合成開口レーダ装置及び目標散乱点検出方法
US20030212336A1 (en) * 2002-04-15 2003-11-13 Samsung Electronics Co., Ltd. Apparatus and method for detecting heartbeat using PPG
US20060004265A1 (en) * 2004-06-16 2006-01-05 Firstbeat Technologies Oy. System for monitoring and predicting physiological state under physical exercise
US20100113948A1 (en) * 2007-03-15 2010-05-06 Imperial Innovations Limited Heart rate measurement
CN101730503A (zh) * 2007-03-15 2010-06-09 帝国创新有限公司 心率测量
JP2010142456A (ja) * 2008-12-19 2010-07-01 Panasonic Corp 心拍検知装置
EP2229880A1 (en) * 2009-03-18 2010-09-22 CSEM Centre Suisse d'Electronique et de Microtechnique SA Headband integrated monitoring unit using an accelerometer
US20130178754A1 (en) * 2010-07-28 2013-07-11 Impact Sports Technologies, Inc. Monitoring Device With An Accelerometer, Method And System
CN102764111A (zh) * 2011-05-06 2012-11-07 精工爱普生株式会社 生物体信息处理装置
US20130006123A1 (en) * 2011-07-01 2013-01-03 Seiko Epson Corporation Biological information processing device
CN102526879A (zh) * 2012-02-16 2012-07-04 微创医疗器械(上海)有限公司 用于起搏频率自适应调节的装置和系统
US20140288435A1 (en) * 2012-06-22 2014-09-25 Fitbit, Inc. Heart rate data collection
CN104602594A (zh) * 2012-09-07 2015-05-06 富士通株式会社 脉搏检测方法、脉搏检测装置以及脉搏检测程序
CN104602595A (zh) * 2012-09-13 2015-05-06 欧姆龙健康医疗事业株式会社 脉搏测定装置、脉搏测定方法和脉搏测定程序
US20150112606A1 (en) * 2013-10-23 2015-04-23 Quanttus, Inc. Calculating Pulse Transit Time
WO2015129557A1 (ja) * 2014-02-25 2015-09-03 ローム株式会社 心拍数検出装置
US20150374240A1 (en) * 2014-06-26 2015-12-31 Salutron, Inc. Heart Rate Inference Based On Accelerometer And Cardiac Model
CN204410807U (zh) * 2014-12-16 2015-06-24 中国矿业大学 基于压电薄膜的摔倒和心率监测及自动求救系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108903929A (zh) * 2018-03-30 2018-11-30 广东思派康电子科技有限公司 心率检测修正的方法、装置、存储介质和系统

Also Published As

Publication number Publication date
JP2017136163A (ja) 2017-08-10
EP3202311A1 (en) 2017-08-09
US10667758B2 (en) 2020-06-02
US20170215813A1 (en) 2017-08-03
CN107049293B (zh) 2021-11-02
EP3202311B1 (en) 2022-10-12
JP6642055B2 (ja) 2020-02-05

Similar Documents

Publication Publication Date Title
CN107028604A (zh) 传感器信息处理设备
CN107028605A (zh) 传感器信息处理设备
CN104951069B (zh) 用于使用可穿戴传感器平台的生理测量的置信度指示
JP6716951B2 (ja) センサ情報処理装置、センサユニット、及び、センサ情報処理プログラム
KR101264156B1 (ko) Ｈｒｖ로부터 획득한 스트레스 지수를 이용한 건강관리 시스템 및 방법
WO2018202822A1 (en) Electronic fitness device with optical cardiac monitoring
US20230091163A1 (en) Heart activity monitoring during physical exercise
JP2017079807A (ja) 生体センサ、生体データ収集端末、生体データ収集システム、及び生体データ収集方法
JP6257015B1 (ja) 開発支援サーバ、開発支援方法及び開発支援プログラム
CN107049293A (zh) 传感器信息处理设备
CN107088060A (zh) 传感器信息处理设备
CN103759738A (zh) 一种计步器
US11191480B2 (en) Device for biorhythm detection, method for biorhythm detection, and recording medium recording program for biorhythm detection
CN114343602A (zh) 一种基于毫米波雷达的运动员竞技状态评估方法及系统
JP6365248B2 (ja) 電子機器、および健康状態管理プログラム
US11963748B2 (en) Portable monitor for heart rate detection
JP2016123733A (ja) 携帯機器
Zhang Design of Wireless Motion Sensor Nodes based on the Kalman Filter Algorithm
CN115770017A (zh) 睡眠状态确定方法、系统、装置及电子设备
CN110167426A (zh) 用户终端、服务器、改善提案制作方法和状态数据生成方法

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