CN107280650A - 生命体特征参数获取方法及装置 - Google Patents
生命体特征参数获取方法及装置 Download PDFInfo
- Publication number
- CN107280650A CN107280650A CN201610200727.3A CN201610200727A CN107280650A CN 107280650 A CN107280650 A CN 107280650A CN 201610200727 A CN201610200727 A CN 201610200727A CN 107280650 A CN107280650 A CN 107280650A
- Authority
- CN
- China
- Prior art keywords
- frequency
- signal
- life entity
- monitoring
- domain
- 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
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Cardiology (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pulmonology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及一种生命体特征参数获取方法及装置。该方法包括:将历史监测数据分为多个时段,并将每一时段的历史监测子数据分别进行时域到频域变换以获得每一历史监测子数据的样本频率域信号;利用获得的样本频率域信号确定用于获取生命体特征参数的生命体的特征信号的监测频率范围。所述监测频率范围是被监测生命体的特征信号最大可能出现的区间,针对于该被监测生命体,以后只需要持续监测该区间内的信号,降低了整个系统的运算量且具有抗干扰能力。
Description
技术领域
本发明涉及生物医学领域,尤其涉及一种生命体特征参数获取方法及装置。
背景技术
呼吸、心搏是众多生物的重要生命体征,其信号包含丰富的生命健康信息。因此,可以通过对缓变的生命体征信号进行采集和分析,提取生命体征信息。目前常用设备为床旁监护设备,主要专用于专业诊疗机构,设备昂贵,使用复杂。
同时,基于传感器的生命体征信号提取方法使用较为普遍。常用方法是,采用传感器提取生命体征信号,并在时间域使用波形计数等类似方法进行分析。使用上述方法,运算量大,且信号容易受到干扰和微动信号影响,且对信号输出幅值有一定要求,精度不高,容易发生误判、错判,适用性较窄。
发明内容
技术问题
有鉴于此,本发明要解决的技术问题是,如何实现在生命体特征信号监测过程中,降低噪声、干扰以及系统的运算量。
解决方案
为了解决上述技术问题,根据本发明的一实施例,提供了一种生命体特征参数获取方法,包括:
将历史监测数据分为多个时段,并将每一时段的历史监测子数据分别进行时域到频域变换以获得每一历史监测子数据的样本频率域信号;
利用获得的样本频率域信号确定用于获取生命体特征参数的生命体的特征信号的监测频率范围。
对于上述的方法,在一种可能的实现方式中,利用获得的样本频率域信号确定用于获取生命体特征参数的生命体的特征信号的监测频率范围,包括:
统计所有样本频率域信号中频率域的极大值所在的频率区间,并将频率域的极大值出现次数最多的频率区间作为监测频率范围。
对于上述的方法,在一种可能的实现方式中,利用获得的样本频率域信号确定用于获取生命体特征参数的生命体的特征信号的监测频率范围,包括:
确定所有样本频率域信号中频率域的极大值出现次数最多的频率区间;
判断所述出现次数是否满足预设条件,如果否,则获取更多历史监测子数据并重新确定更多历史监测数据中所有样本频率域信号中频率域的极大值出现次数最多的频率区间。
对于上述的方法,在一种可能的实现方式中,所述方法还包括:
当所述出现次数满足预设条件的情况下,以所确定的频率区间作为所述监测频率范围。
对于上述的方法,在一种可能的实现方式中,所述特征信号为生命体的呼吸信号和/或心搏信号。
为了解决上述技术问题,根据本发明的另一实施例,提供了一种生命体特征参数获取装置,包括:
获取模块,用于将历史监测数据分为多个时段,并将每一时段的历史监测子数据分别进行时域到频域变换以获得每一历史监测子数据的样本频率域信号;
确定模块,与获取模块连接,用于利用获得的样本频率域信号确定用于获取生命体特征参数的生命体的特征信号的监测频率范围。
对于上述的装置,在一种可能的实现方式中,所述确定模块具体用于,
统计所有样本频率域信号中频率域的极大值所在的频率区间,并将频率域的极大值出现次数最多的频率区间作为监测频率范围。
对于上述的装置,在一种可能的实现方式中,所述确定模块具体用于,
确定所有样本频率域信号中频率域的极大值出现次数最多的频率区间;
判断所述出现次数是否满足预设条件,当所述出现次数不满足预设条件的情况下,返回执行所述获取模块的操作。
对于上述的装置,在一种可能的实现方式中,所述确定模块还用于,
当所述出现次数满足预设条件的情况下,以所确定的频率区间作为所述监测频率范围。
对于上述的装置,在一种可能的实现方式中,所述特征信号为生命体的呼吸信号和/或心搏信号。
有益效果
本发明实施例,通过将监测获取的样本特征信号进行时域到频域变换,获得样本频率域信号,进而通过统计的方法获得监测频率范围。所述监测频率范围是被监测生命体的特征信号最大可能出现的区间,针对于该被监测生命体,以后只需要持续监测该区间内的信号,降低了整个系统的运算量且具有抗干扰能力。
根据下面参考附图对示例性实施例的详细说明,本发明的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本发明的示例性实施例、特征和方面,并且用于解释本发明的原理。
图1示出根据本发明一实施例的生命体特征参数获取方法的流程图;
图2示出根据本发明一实施例的生命体特征参数获取方法的另一流程图;
图3示出根据本发明一实施例的生命体特征参数获取方法的另一流程图;
图4示出根据本发明另一实施例的生命体特征参数获取方法的流程图;
图5示出根据本发明另一实施例的生命体特征参数获取方法的流程图;
图6示出根据本发明一实施例的生命体特征参数获取装置的示意图。
具体实施方式
以下将参考附图详细说明本发明的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外,为了更好的说明本发明,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本发明同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本发明的主旨。
实施例1
图1示出根据本发明一实施例的生命体特征参数获取方法的流程图。如图1所示,该生命体特征参数获取方法主要包括:
步骤10、将历史监测数据分为多个时段,并将每一时段的历史监测子数据分别进行时域到频域变换以获得每一历史监测子数据的样本频率域信号;
步骤11、利用获得的样本频率域信号确定用于获取生命体特征参数的生命体的特征信号的监测频率范围。
其中,历史监测数据是指为了确定所述监测频率范围而获取的生命体的特征信号,既可以是已经获取并完成存储的现有数据,也可以是即时获取的监测数据。对于已经获取并完成存储的现有数据,在获取样本频率域信号的过程中,可以将其分为多个时段生成历史监测子数据。对于即时获取的监测数据,在获取样本域信号的过程中,可以监测生命体的多个时段的特征信号,该每个时段的特征信号即为历史监测子数据。本实施例以历史监测数据是即时获取的监测数据为例进行示例性说明。
在一个示例中,该生命体特征参数获取方法可包括如下步骤101至步骤104:
步骤101、监测生命体的多个时段的特征信号,作为样本特征信号。
其中,生命体是指具有生命形态的独立个体,例如动物、人。特征信号是指生命体进行生理活动所产生的信号,例如呼吸产生的呼吸信号,心脏跳动产生的心搏信号。特征信号可以通过传感器测得,本实施例不限制传感器的类型。
由于物种、个体之间存在差异性,其各自的特征信号可能会具有不同范围。例如成年人安静时心搏信号平均为70~75次/分,运动员安静时心搏信号平均为60~70次/分,初生婴儿可达120次/分。本实施例的样本特征信号主要用于确定被监测生命体特征信号的监测频率范围,针对于该被监测生命体,以后只需要持续监测该监测频率范围内的信号,降低了整个系统的运算量且具有抗干扰能力。
步骤102、对所述样本特征信号进行时域到频域变换,获得样本频率域信号。
时域到频域变换是指将时域内的信号变换为频域内的信号(例如通过傅里叶变换)。本实施例中,传感器采集的特征信号是时域信号,即以时间轴为坐标表示特征信号的关系。由于存在干扰和噪声,时域特征信号无法准确反映被监测生命体的特征信号的监测频率范围。对样本特征信号进行时域到频域变换,获得样本频率域信号,即以频率轴为坐标表示特征信号的关系。进一步地,通过对样本频率域信号的分析,获取具有个体适应性的监测频域范围。
步骤103、根据所述样本频率域信号获得监测频率范围。
在一种可能的实现方式中,利用获得的样本频率域信号确定用于获取生命体特征参数的生命体的特征信号的监测频率范围(步骤11),包括:
统计所有样本频率域信号中频率域的极大值所在的频率区间,并将频率域的极大值出现次数最多的频率区间作为监测频率范围。
在一个示例中,统计所有样本频率域信号中频率域的极大值所在的频率区间,并将频率域的极大值出现次数最多的频率区间作为监测频率范围,可具体包括如下步骤201至步骤203:
步骤201、设置多个频率区间;
步骤202、统计所述样本频率域信号中频率域的极大值所在的频率区间;
步骤203、以频率域的极大值出现次数最多的频率区间作为监测频率范围。
本实施例的监测频率范围是指被监测生命体的特征信号最大可能出现的频率区间。可以理解的是,监测频率范围的区间长度可变。具体而言,可以根据本领域技术人员的监测需求,选择不同区间长度的监测频率范围。例如,为了获取更完整的被监测生命体的特征信号,可以选择区间长度较大的监测频率范围。通过设置多个频率区间,以实现对监测频率范围的区间长度的设置,再统计样本频率域信号中频率域的极大值所在的频率区间,并将频率域的极大值出现次数最多的频率区间作为监测频率范围。进一步地,针对于该被监测生命体,以后只需要持续监测该监测频率范围内的信号,降低了整个系统的运算量且具有抗干扰能力。
步骤104、在所述监测频率范围内,监测所述生命体的特征信号,以获取所述生命体的特征参数。
在静息或睡眠状态下,传感器测得的呼吸信号、心搏信号包含着丰富的健康信息。通过步骤101至步骤103,对样本特征信号进行分析,获取具有个体适应性的监测频率范围。因此,可以通过对该被监测生命体的监测频率范围内的特征信号进行采集和分析,提取生命体的特征参数。生命体的特征参数包括但不限于呼吸频次、心跳和脉搏等。具体来说,可通过带通滤波器或类似方式实现监测生命体监测频率范围内的特征信号。
本实施例以人作为被监测生命体进行示例性说明。进一步地,选择呼吸信号作为特征信号。如图3所示,首先,通过传感器采集多个时段的呼吸信号,例如,采集18组固定时长为3s的呼吸信号,将其作为样本特征信号(步骤101)。然后,将该18组固定时长为3s的呼吸信号进行时域到频域变换,获得对应的18个样本频率域信号(步骤102)。在获取监测频域范围(步骤103)的过程中,首先,可以根据本领域技术人员的监测需求设置多个频率区间,具体地,频率区间的个数和每个频率区间的范围可根据需要设置,本发明对此不做限制。如表1所示,可设置例如2个频率区间,每个子区间分别是0.2~0.31Hz和0.3~0.41Hz(步骤201)。接着,统计样本频率域信号中频率域的极大值所在的频率区间,得到在0.2~0.31Hz的频率区间内,样本频率域信号出现4次,在0.3~0.41Hz的频率区间内,样本频率域信号出现15次(步骤202)。然后,将频率域的极大值出现次数最多的频率区间0.3~0.41Hz作为监测频率范围(步骤203)。最后,在所述监测频率范围0.3~0.41Hz内,监测所述生命体的特征信号,以获取所述生命体的特征参数(步骤104)。
需要说明的是,如果步骤201设置的多个频率区间中有不止一个满足步骤203中监测频域范围的要求,例如,存在两个频率区间满足样本频率域信号中频率域的极大值的出现次数相同且最多。此时,可以通过重新设置多个频率区间,或通过其他限制条件进行筛选。此外,本实施例的步骤201在步骤202之前即可,并不限步骤201与步骤101或步骤102的顺序。
表1:
本发明实施例,通过将监测获取的样本特征信号进行时域到频域变换,获得样本频率域信号,进而通过统计的方法获得监测频率范围。所述监测频率范围是被监测生命体的特征信号最大可能出现的区间,针对于该被监测生命体,以后只需要持续监测该区间内的信号,降低了整个系统的运算量且具有抗干扰能力。
实施例2
图4示出根据本发明另一实施例的生命体特征参数获取方法的流程图。图4中标号与图2、图3相同的步骤具有相同的含义,为简明起见,省略对这些步骤的详细说明。
本实施例与上述方法实施例的不同之处在于,利用获得的样本频率域信号确定用于获取生命体特征参数的生命体的特征信号的监测频率范围(步骤11),包括:
步骤301、设置多个频率区间,统计所述样本频率域信号中频率域的极大值所在的频率区间,以频率域的极大值出现次数最多的频率区间作为第一频率范围,并且根据属性相同的生命体的先验数据,获取第二频率范围;
步骤302、根据所述第一频率范围和所述第二频率范围,获取所述监测频率范围。
通过对样本频率域信号的分析,获取第一频率范围;通过对属性相同的生命体的先验数据的分析,获取第二频率范围。第一频率范围和第二频率范围的获取步骤不区分先后顺序。
本实施例以人作为被监测生命体进行示例性说明。进一步地,选择呼吸信号作为特征信号。如图4所示,首先,通过传感器采集多个时段的呼吸信号,例如,采集18组固定时长为3s的呼吸信号,将其作为样本特征信号(步骤101)。然后,将该18组固定时长为3s的呼吸信号进行时域到频域变换,获得对应的18个样本频率域信号(步骤102)。在获取监测频域范围(步骤103)的过程中,获取第一频率范围(步骤301)具体可以包括:如表1所示,首先,可设置例如2个频率区间,每个子区间分别是0.2~0.31Hz和0.3~0.41Hz。接着,统计样本频率域信号中频率域的极大值所在的频率区间,得到在0.2~0.31Hz的频率区间内,样本频率域信号出现4次,在0.3~0.41Hz的频率区间内,样本频率域信号出现15次。然后,将频率域的极大值出现次数最多的频率区间0.3~0.41Hz作为第一频率范围。获取第二频率范围(步骤301)具体可以包括:已知人的呼吸频次大约为20±2次/分,对应的频率范围为0.3~0.37Hz,即第二频率范围为0.3~0.37Hz。根据第一频率范围0.3~0.41Hz,第二频率范围0.3~0.37Hz,确定被监测生命体特征信号的监测频率范围(步骤302)。最后,在所述监测频率范围内,监测所述生命体的特征信号,以获取所述生命体的特征参数(步骤104)。
需要说明的是,可以根据本领域技术人员的监测需求,按照一定的规则由第一频率范围和第二频域范围确定监测频率范围。例如,可以选择第一频率范围和第二频域范围中频率范围较大的作为监测频率范围,以避免漏检;也可以选择第一频率范围和第二频域范围中频率范围较小的作为监测频率范围,以尽量排除噪声、降低运算量;还可以选择第一频率范围和第二频域范围的区间端值的平均值作为监测频率范围的区间端值。
本发明实施例,通过样本频率域信号和属性相同的生命体的先验数据,运用统计的方法获得监测频率范围。所述监测频率范围是被监测生命体的特征信号最大可能出现的区间,针对于该被监测生命体,以后只需要持续监测该区间内的信号,降低了整个系统的运算量且具有抗干扰能力。
实施例3
图5示出根据本发明另一实施例的生命体特征参数获取方法的流程图。图5中标号与图2至图4相同的步骤具有相同的含义,为简明起见,省略对这些步骤的详细说明。
本实施例与上述方法实施例的不同之处在于,利用获得的样本频率域信号确定用于获取生命体特征参数的生命体的特征信号的监测频率范围(步骤11),包括:
确定所有样本频率域信号中频率域的极大值出现次数最多的频率区间;
判断所述出现次数是否满足预设条件,如果否,则获取更多历史监测子数据并重新确定更多历史监测数据中所有样本频率域信号中频率域的极大值出现次数最多的频率区间。
在一种可能的实现方式中,当所述出现次数满足预设条件的情况下,以所确定的频率区间作为所述监测频率范围。
在一个示例中,该获得监测频率范围方法可包括如下步骤401至步骤403:
步骤401、设置多个频率区间,统计所述样本频率域信号中频率域的极大值所在的频率区间,确定频率域的极大值出现次数最多的频率区间;
步骤402、在所确定的频率区间中,频率域的极大值的出现次数占各频率区间中频率域的极大值出现的总次数的比例大于预设阈值的情况下,以所确定的频率区间作为所述监测频率范围。
在一种可能的实现方式中,根据所述样本频率域信号获得监测频率范围,还可以包括:
步骤403、在所述频率域的极大值的出现次数占各频率区间中频率域的极大值出现的总次数的比例小于等于预设阈值时,返回执行步骤101。
本实施例以人作为被监测生命体进行示例性说明。进一步地,选择呼吸信号作为特征信号。如图5所示,首先,通过传感器采集多个时段的呼吸信号,例如,采集18组固定时长为3s的呼吸信号,将其作为样本特征信号(步骤101)。然后,将该18组固定时长为3s的呼吸信号进行时域到频域变换,获得对应的18个样本频率域信号(步骤102)。在获取监测频域范围(步骤103)的过程中,首先,可以根据本领域技术人员的监测需求设置多个频率区间。如表2所示,可设置例如4个频率区间,每个子区间分别是0.1~0.21Hz、0.2~0.31Hz、0.3~0.41Hz和0.4~0.5Hz。接着,运用统计的方法,获取样本频率域信号在每个子区间的出现次数,通过表2可知,在0.1~0.21Hz区间内出现4次,在0.2~0.31Hz区间内出现4次,在0.3~0.41Hz区间内出现15次,在0.4~0.5Hz内出现4次。然后,获取样本频率域信号出现次数最多的频率区间为0.3~0.41Hz,并计算获得该区间内样本频率域信号出现次数(15次)占各频率区间中频率域的极大值出现的总次数(27次)的比例为55.6%(步骤401)。此时,若预设阈值为50%,则确定监测频率范围为0.3~0.41Hz(步骤402);若预设阈值为60%,则返回执行步骤101所述的监测生命体的多个时段的特征信号(步骤403)。最后,在所述监测频率范围内,监测所述生命体的特征信号,以获取所述生命体的特征参数(步骤104)。
表2:
本发明实施例,通过样本频率域信号,运用统计的方法及频率优化搜索策略获得监测频率范围。所述监测频率范围是被监测生命体的特征信号最大可能出现的区间,针对于该被监测生命体,以后只需要持续监测该区间内的信号,降低了整个系统的运算量且具有抗干扰能力。
实施例4
图6示出根据本发明一实施例的生命体特征参数获取装置的示意图。如图6所示,该生命体特征参数获取装置主要包括:获取模块11,用于将历史监测数据分为多个时段,并将每一时段的历史监测子数据分别进行时域到频域变换以获得每一历史监测子数据的样本频率域信号;确定模块13,与获取模块11连接,用于利用获得的样本频率域信号确定用于获取生命体特征参数的生命体的特征信号的监测频率范围。
在一种可能的实现方式中,确定模块13具体用于,统计所有样本频率域信号中频率域的极大值所在的频率区间,并将频率域的极大值出现次数最多的频率区间作为监测频率范围。具体原理和示例可以参见实施例1以及图3的相关描述。
在一种可能的实现方式中,确定模块13具体用于,确定所有样本频率域信号中频率域的极大值出现次数最多的频率区间;判断所述出现次数是否满足预设条件,当所述出现次数不满足预设条件的情况下,返回执行所述获取模块11的操作。具体原理和示例可以参见实施例3以及图5的相关描述。
在一种可能的实现方式中,确定模块13还用于,当所述出现次数满足预设条件的情况下,以所确定的频率区间作为所述监测频率范围。
在一种可能的实现方式中,所述特征信号为生命体的呼吸信号和/或心搏信号。
本发明实施例,通过将监测获取的样本特征信号进行时域到频域变换,获得样本频率域信号,进而通过统计的方法获得监测频率范围。所述监测频率范围是被监测生命体的特征信号最大可能出现的区间,针对于该被监测生命体,以后只需要持续监测该区间内的信号,降低了整个系统的运算量且具有抗干扰能力。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种生命体特征参数获取方法,其特征在于,包括:
将历史监测数据分为多个时段,并将每一时段的历史监测子数据分别进行时域到频域变换以获得每一历史监测子数据的样本频率域信号;
利用获得的样本频率域信号确定用于获取生命体特征参数的生命体的特征信号的监测频率范围。
2.根据权利要求1所述的方法,其特征在于,利用获得的样本频率域信号确定用于获取生命体特征参数的生命体的特征信号的监测频率范围,包括:
统计所有样本频率域信号中频率域的极大值所在的频率区间,并将频率域的极大值出现次数最多的频率区间作为监测频率范围。
3.根据权利要求1所述的方法,其特征在于,利用获得的样本频率域信号确定用于获取生命体特征参数的生命体的特征信号的监测频率范围,包括:
确定所有样本频率域信号中频率域的极大值出现次数最多的频率区间;
判断所述出现次数是否满足预设条件,如果否,则获取更多历史监测子数据并重新确定更多历史监测数据中所有样本频率域信号中频率域的极大值出现次数最多的频率区间。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
当所述出现次数满足预设条件的情况下,以所确定的频率区间作为所述监测频率范围。
5.根据权利要求1至4中任一项所述的方法,其特征在于,所述特征信号为生命体的呼吸信号和/或心搏信号。
6.一种生命体特征参数获取装置,其特征在于,包括:
获取模块,用于将历史监测数据分为多个时段,并将每一时段的历史监测子数据分别进行时域到频域变换以获得每一历史监测子数据的样本频率域信号;
确定模块,与获取模块连接,用于利用获得的样本频率域信号确定用于获取生命体特征参数的生命体的特征信号的监测频率范围。
7.根据权利要求6所述的装置,其特征在于,所述确定模块具体用于,
统计所有样本频率域信号中频率域的极大值所在的频率区间,并将频率域的极大值出现次数最多的频率区间作为监测频率范围。
8.根据权利要求6所述的装置,其特征在于,所述确定模块具体用于,
确定所有样本频率域信号中频率域的极大值出现次数最多的频率区间;
判断所述出现次数是否满足预设条件,当所述出现次数不满足预设条件的情况下,返回执行所述获取模块的操作。
9.根据权利要求8所述的装置,其特征在于,所述确定模块还用于,
当所述出现次数满足预设条件的情况下,以所确定的频率区间作为所述监测频率范围。
10.根据权利要求6至9中任一项所述的装置,其特征在于,所述特征信号为生命体的呼吸信号和/或心搏信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610200727.3A CN107280650B (zh) | 2016-03-31 | 2016-03-31 | 生命体特征参数获取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610200727.3A CN107280650B (zh) | 2016-03-31 | 2016-03-31 | 生命体特征参数获取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107280650A true CN107280650A (zh) | 2017-10-24 |
CN107280650B CN107280650B (zh) | 2021-04-13 |
Family
ID=60088215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610200727.3A Active CN107280650B (zh) | 2016-03-31 | 2016-03-31 | 生命体特征参数获取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107280650B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109259764A (zh) * | 2018-07-27 | 2019-01-25 | 昆明理工大学 | 一种确定动态脑功能网络阈值方法 |
CN110174921A (zh) * | 2019-05-10 | 2019-08-27 | 中国铁道科学研究院集团有限公司 | 位置控制装置的输出校正方法、装置及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080167564A1 (en) * | 2007-01-10 | 2008-07-10 | Starr Life Sciences Corp. | Techniques for accurately deriving physiologic parameters of a subject from photoplethysmographic measurements |
EP2068702A4 (en) * | 2006-09-21 | 2012-10-17 | Starr Life Sciences Corp | SYSTEM AND TECHNIQUES BASED ON PULSE OXYMETER FOR DERIVING CARDIAC AND RESPIRATORY PARAMETERS FROM EXTRA-THORACIC BLOOD FLOW MEASUREMENTS |
-
2016
- 2016-03-31 CN CN201610200727.3A patent/CN107280650B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2068702A4 (en) * | 2006-09-21 | 2012-10-17 | Starr Life Sciences Corp | SYSTEM AND TECHNIQUES BASED ON PULSE OXYMETER FOR DERIVING CARDIAC AND RESPIRATORY PARAMETERS FROM EXTRA-THORACIC BLOOD FLOW MEASUREMENTS |
US20080167564A1 (en) * | 2007-01-10 | 2008-07-10 | Starr Life Sciences Corp. | Techniques for accurately deriving physiologic parameters of a subject from photoplethysmographic measurements |
Non-Patent Citations (1)
Title |
---|
甘以明: "穿戴式压力传感器对脉搏信号的实时测量", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑(月刊 )》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109259764A (zh) * | 2018-07-27 | 2019-01-25 | 昆明理工大学 | 一种确定动态脑功能网络阈值方法 |
CN110174921A (zh) * | 2019-05-10 | 2019-08-27 | 中国铁道科学研究院集团有限公司 | 位置控制装置的输出校正方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107280650B (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388912A (zh) | 基于多传感器特征优化算法的睡眠分期方法 | |
US8892181B2 (en) | Non-invasive fetal monitoring | |
CN110074765A (zh) | 一种sahs筛查及睡眠分期的判别方法 | |
CN109328034B (zh) | 用于确定对象的睡眠阶段的确定系统和方法 | |
CN109480787A (zh) | 一种基于超宽带雷达的非接触式睡眠监测设备及睡眠分期方法 | |
CN105125206B (zh) | 一种智能心电监护方法及装置 | |
JP6079824B2 (ja) | 睡眠評価装置およびプログラム | |
CN108095708A (zh) | 一种基于混合传感的生理监测及分析方法、系统 | |
CN109259762A (zh) | 一种基于多变量数据融合的肌肉疲劳综合测评装置 | |
CN104173046A (zh) | 一种色彩标记振幅整合脑电图的提取方法 | |
CN105852851A (zh) | 心房颤动检测系统 | |
CN112263242A (zh) | 基于fmcw雷达的呼吸检测及模式分类方法 | |
CN109549644A (zh) | 一种基于脑电采集的人格特征匹配系统 | |
CN109222946A (zh) | 基于光纤垫的生理参数检测系统及检测方法 | |
CN106344034A (zh) | 一种睡眠质量评估系统及其方法 | |
CN113520343A (zh) | 睡眠风险预测方法、装置和终端设备 | |
Suboh et al. | ECG-based detection and prediction models of sudden cardiac death: Current performances and new perspectives on signal processing techniques | |
CN106333676B (zh) | 清醒状态下的脑电信号数据类型的标注装置 | |
US20150272474A1 (en) | Respiration rate determination in impedance pneumography | |
CN107280650A (zh) | 生命体特征参数获取方法及装置 | |
CN204336935U (zh) | 一种基于脉搏、呼吸和皮肤电阻的多道生理心理测试仪 | |
CN106108844A (zh) | 一种确定睡眠阶段的方法和装置 | |
CN106108845A (zh) | 一种确定睡眠阶段的方法和装置 | |
CN106333674B (zh) | 睡眠状态分析中睡眠周期检测方法和系统 | |
CN105167759A (zh) | 一种基于智能手机的人体脉搏波速度测量方法及其系统 |
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 |