CN107510443B - 一种基于多通道的睡眠体征信号采集装置及数据处理方法 - Google Patents
一种基于多通道的睡眠体征信号采集装置及数据处理方法 Download PDFInfo
- Publication number
- CN107510443B CN107510443B CN201710713223.6A CN201710713223A CN107510443B CN 107510443 B CN107510443 B CN 107510443B CN 201710713223 A CN201710713223 A CN 201710713223A CN 107510443 B CN107510443 B CN 107510443B
- Authority
- CN
- China
- Prior art keywords
- value
- sequence
- point
- data
- peak
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 98
- 238000000926 separation method Methods 0.000 claims abstract description 33
- 230000036387 respiratory rate Effects 0.000 claims abstract description 22
- 230000003321 amplification Effects 0.000 claims abstract description 14
- 238000003199 nucleic acid amplification method Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims description 30
- 238000004891 communication Methods 0.000 claims description 28
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 21
- 230000009191 jumping Effects 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 6
- 230000009471 action Effects 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000000241 respiratory effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 101100434411 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) ADH1 gene Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 101150102866 adc1 gene Proteins 0.000 description 1
- 101150042711 adc2 gene Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000001121 heart beat frequency Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
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
- 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
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- 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
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- 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
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6891—Furniture
-
- 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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Signal Processing (AREA)
- Pulmonology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Power Engineering (AREA)
- Electrotherapy Devices (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种基于多通道的睡眠体征信号采集装置及数据处理方法。现有装置及数据处理方法繁琐,影响使用。本发明包括无源压力传感带、多通道信号分离处理模块、微控制器单元模块、数字电位器程控模块、无线通信单元模块及供电单元模块,系统对体动信号、心率信号和呼吸率信号进行分离处理,分三路输出由微控制器单元模块进行单独的算法处理,且可通过数字电位器程控模块进行信号放大倍数控制,以降低信号处理算法的复杂度和能耗开销,增加系统的执行效率和容错性,扩宽系统的适用范围和适用场景,从而为使用者提供较有参考价值的睡眠健康状况数据,同时亦为专业医疗领域提供睡眠数据的准确参考依据。
Description
技术领域
本发明涉及传感器技术和智能家居领域,具体涉及一种基于多通道的睡眠体征信号采集装置及数据处理方法。
背景技术
无源压力传感带采集的原始压电信号微弱,易受电路噪声的干扰。若未经过放大滤波处理,微控制器很难识别处理压电信号。但是现有绝大多数安装在床垫中的压力传感带信号处理放大电路的放大倍数是固定不变的,并不适用于一年四季各种情况,因为夏天床垫上的床单薄,冬天床垫上的床单厚,适用于夏天的放大倍数相对于冬天而言可能偏小,不能灵敏精确地采集压力信号,且会丢失一部分信号。
另外,无源压力传感带可采集体动信号、心率信号和呼吸率信号,若将所有信号输出一路由微控制器进行算法处理,则会大大增加算法的复杂度,降低系统的执行效率和容错性,且增加了微控制器的能耗开销,对于一些微控制器还会出现发热发烫等现象,特别是安装在床垫中,发热发烫可能会导致电路损坏,影响系统的正常运行。
发明内容
为解决现有技术的不足,本发明提供一种基于多通道的睡眠体征信号采集装置及数据处理方法,系统对体动信号、心率信号和呼吸率信号进行分离处理,分三路输出由微控制器单元模块进行单独的算法处理,且可通过数字电位器程控模块进行信号放大倍数控制,以降低信号处理算法的复杂度和能耗开销,增加系统的执行效率和容错性,扩宽系统的适用范围和适用场景。
本发明通过以下方式实现:一种基于多通道的睡眠体征信号采集装置,包括无源压力传感带、多通道信号分离处理模块、微控制器单元模块、数字电位器程控模块、无线通信单元模块及供电单元模块,其中,所述的无源压力传感带与多通道信号分离处理模块通连,所述的多通道信号分离处理模块、无线通信单元模块分别与所述的微控制器单元通连,所述的数字电位器程控模块与所述的微控制器单元及多通道信号分离处理模块通连,所述的供电单元模块分别与所述的多通道信号分离处理模块、微控制器单元、数字电位器程控模块、无线通信单元模块通连,所述的多通道信号分离处理模块包括依次串联的一级放大电路、一级低通滤波电路、二级放大电路、二级低通滤波电路、电压基准调整电路、高通滤波电路以及三级放大电路,无源压力传感带输出的交流电信号经一级放大滤波电路后通过体动信号处理通道输出至微控制器单元模块,经过电压基准调整电路处理的信号通过对应电压跟随放大电路后由呼吸信号处理通道输出至微控制器单元模块,经过三级放大电路处理的信号通过三级低通滤波电路、对应电压跟随放大电路后由心率信号处理通道输出至微控制器单元模块通连。系统对体动信号、心率信号和呼吸率信号进行分离处理,分三路输出由微控制器单元模块进行单独的算法处理,且可通过数字电位器程控模块进行信号放大倍数控制,以降低信号处理算法的复杂度和能耗开销,增加系统的执行效率和容错性,扩宽系统的适用范围和适用场景。多通道信号分离处理模块对无源压力传感带输出的信号进行多级处理并依次输出用于计算人体呼吸频率、心跳频率以及体动信号的电信号,进而为后续配套设备提供人体状态参数,便于后续配套设备根据人体实时状态进行动作。
作为优选,所述的无源压力传感带用于采集人体呼吸率信号、心率信号和体动信号,其输出信号为交流信号。无源压力传感带在使用时无需消耗电能,既安全,还方便使用。
作为优选,所述的多通道信号分离处理模块用于多种特征信号的分离、滤波和放大处理;所述的微控制单元模块接收来自多通道信号分离处理模块的多路信号并进行模数转换处理;所述的微控制单元模块通过无线通信单元模块与外界进行数据交流;所述的微控制单元模块用于控制供电单元模块输出电压;所述的微控制单元模块通过数字电位器程控模块控制多通道信号分离处理模块的信号放大倍数。
作为优选,所述的无线通信单元模块采用WiFi方式、蓝牙方式、3G通信方式、4G通信方式、5G通信方式或者Zigbee方式。睡眠体征信号采集装置通过无线通信单元模块与后续设备进行数据交流,为后续设备提供准确的人体参数信息。
作为优选,所述的供电单元模块的输出由微控制器单元模块通过I2C总线控制,输出电压类型包括+1.2V、+1.8V、-1.8V、+3.3V、-3.3V以及GND。供电单元模块能为多通道信号分离处理模块、微控制器单元模块、数字电位器程控模块、无线通信单元模块独立提供具有适应性电压参数的电源,确保各模块正常地独立运转。
作为优选,所述的数字电位器程控模块包括控制二级放大电路的呼吸率信号处理数字电位器和控制三级放大电路的心率信号处理数字电位器,数字电位器输出阻值与放大倍数呈正比。数字电位器程控模块可以根据使用环境差异来调节二级放大电路和三级放大电路的放大倍数,进而确保微控制器单元模块能获取准确清晰的信号,提高信号的准确性。
作为优选,所述的一级放大电路和二级放大电路采用的运算放大器均采用+1.8V和-1.8V的双极电源供电;所述的电压基准调整电路、三级放大电路和电压跟随放大电路采用的运算放大器以及心率信号处理数字电位器均采用+3.3V和GND单级电源供电;所述的呼吸率信号处理数字电位器采用+3.3V和-3.3V双极电源供电。
基于上述睡眠体征信号采集装置的数据处理方法包括心率信号处理方法、体动判定方法以及呼吸率信号处理方法。
所述心率处理方法通过以下步骤实现:
1)原始数据等间隔二次采样:心率信号处理通道输出的信号存储于心率信号缓存池,为了减少尖峰,利于极值提取,对缓存池数据按等间隔进行二次采样,如式(1),原始采样频率Fs为500Hz,采样信号数据为10秒并分为5000点,每10个点取1个点,得到新数据序列xsl,如式(2):
xsli=xs10*(i-1)+1,i=1,2,3,...,500 (1)
xsl={xsli|i=1,2,3,...,500} (2)
其中,式(1)中xs1表示原始采样信号的第一个数据,经过降采样后,新数据序列的实际采样频率为50Hz;
2)去均值:根据式(3)对信号进行去均值,使心率信号数据值位于0V电压点上下两侧:
xm={xmi|i=1,2,3,...,500} (4)
得到新数据序列xm,如式(4),其中,式(3)中的n为序列xsl的样本个数;
3)求离散数据的极大值点和极小值点:对于离散数据,极大值点即大于其前后两侧值的点,极小值点即小于前后两侧值的点,对xm序列从第一个样本点xm1到最后一个样本点xm500,求出所有的极大值点并形成式(5),求出极小值点并形成式(6),将xm序列中非极大值或非极小值的点归置为零值,最终得到极大值序列M1={M1i|i=2,3,...,500}和极小值序列M2={M2j|j=2,3,...,500}:
其中,i,j=2,3,...,500,xm0=0,xm501=0,xm0为xm序列中第一个点前的一个虚拟点,xm501为xm序列中最后一个点后的一个虚拟点;
4)筛选极值点:对M1和M2序列进一步筛选,选出在小范围内有高于相邻峰值的尖峰值,比较所有极值点及其前后的极值点,对除了绝对值最大的极值点外的所有极值点归置为零值,得到极大值序列MO1={MO1i|i=2,3,...,500}和极小值序列MO2={MO2j|j=2,3,...,500}:
其中,and是指其两侧条件同时满足,x为序列M1i中第x个非零极大值点的位置,其值小于非零极大值点的个数,y为序列M2j中第y个非零极小值点的位置,其值小于非零极小值点的个数;
5)选择优势序列:所述尖峰值均分布在信号0V电压点的上侧或下侧,通过分别求得极大值序列MO1、极小值序列MO2的峰值的均值的绝对值来判断心率尖峰值所在的位置:
其中,MO'j为极大值或极小值序列MOj(j=1,2)中的非零值,m为非零值的个数。比较极大值峰值的均值的绝对值与极小值峰值的均值的绝对值/>间大小,选择绝对值较大的序列形成峰值序列M,作为后续分析数据对象;
若峰值序列M中非零值个数m小于5,则丢弃序列不作处理,判定该5000点数据为无效数据,结束流程,否则进入步骤6);
6)差值序列:求取峰值序列M的差值序列diff_M,每个差值为前后峰值的间隔点数,如式(11):
diff_Mi=location(Mi+1)-location(Mi),i=1,2,...,L (11)
diff_M={diff_Mi|i=1,2,...,L-1} (12)
其中,location(Mi)为峰值序列M中第i个峰值点在序列中的位置,L为峰值点的总个数;
7)去异常值:心率值的预设范围为30~150次/分,对于50Hz采样频率的信号,心率间隔与峰值间隔对应,其间隔点数为
其中T0=60s(秒),Fs=50Hz,BPMstd为正常心率(次/分),代入正常心率的范围值,计算得到Nspace的范围为20~100,则差值序列diff_M根据该范围筛选差值序列,排除异常值;
当diff_Mi的值在20~100之间时,则表示峰值序列M的数据正常,该部分不做处理;
当diff_Mi的值在正常范围外时,则表示峰值序列M中第i个峰值点到第i+1个峰值点之间有一个异常值,若小于20,则删去第i个峰值点和第i+1个峰值点两者中极大值较小的数据点,若大于100,则在第i个峰值点和第i+1个峰值点之间的中点位置增加一个数据点,数据点的值为两个峰值点的均值;
重新根据步骤6)的方法计算获得新的差值序列diff_M',并跳转至步骤8);
8)求标准差:对diff_M'求标准差σdiff_M',通过标准差值差异获得数据可信度R。
其中,n为差值序列diff_M'的样本个数,为差值序列diff_M'的样本值,当σdiff_M'≤5时,可信度R置值为3,当5<σdiff_M'≤11时,可信度置值为2,当σdiff_M'>11时,可信度置值为1,数据可信程度与R值呈正比,跳转至步骤9);
9)差值序列diff_M'排序:进一步排除异常值,取中位数为心率间隔J,如果序列数据不足,则取最后一个值为心率间隔J,跳转至步骤10);
10)求心率值:根据式15获得心率值BPM:
其中,T0为60s,Fs为采样频率,为50Hz;
对5000点数据的心率值进行连续采样处理,完成后跳转至步骤1)循环。
所述体动判定方法为:
当体动信号处理通道输出的信号尖峰值大于动作判定门限阈值+3V时,则判定为一次体动行为,体动次数累加一次。
所述呼吸率处理方法为:
1)将呼吸信号处理通道输出的信号存储于呼吸率信号缓存池,对信号缓存池内信号依据一定间隔进行极值采样,采样频率为100Hz;
2)分别求取相邻信号波峰值间隔和波谷值间隔;
3)排除明显异常的间隔数值;
4)对全部峰值间隔求取标准差;
5)判断标准差是否满足计算需求,若不是,则判定为无效信号,否则根据峰峰值间隔,求出呼吸值,跳转至步骤1)循环。
本发明的有益效果:本发明采用安全可靠的无源压力传感带采集人体的体动、心率和呼吸率信号,通过多通道将三种信号分离分别进行滤波、放大和稳定处理,利用数字电位器程控模块对多通道信号的放大倍数进行自动调整,同时采用程控方式的供电单元模块,在系统电路出现故障时,能够自动断电,保证整个系统的用电安全。这种基于多通道的睡眠体征信号采集装置将大大降低睡眠数据信号处理算法的复杂度,减小微控制器的能耗开销,提高数据的准确性,从而为使用者提供较有参考价值的睡眠健康状况数据,同时亦为专业医疗领域提供睡眠数据的准确参考依据。
附图说明
图1是本发明的系统架构及连接关系图;
图2是本发明的多通道信号分离处理模块原理示意图;
图3是本发明的呼吸率算法流程图;
图4是本发明的心率算法流程图;
具体实施方式
下面结合附图对本发明作进一步描述。
如图1所示的一种基于多通道的睡眠体征信号采集装置及数据处理方法,由无源压力传感带、多通道信号分离处理模块、微控制器单元模块、数字电位器程控模块、无线通信单元模块以及供电单元模块组成。所述的无源压力传感带用于采集人体呼吸率信号、心率信号和体动信号,无需提供电源,其输出信号为交流信号;所述的多通道信号分离处理模块用于多种特征信号的分离、滤波和放大处理;所述的微控制单元模块用于多通道信号分离处理模块处理后的信号的模数转换、用于无线通信单元模块数据的读写以及用于供电单元模块输出电压、数字电位器程控模块的控制;所述的数字电位器程控模块用于多通道信号分离处理模块的信号放大倍数的控制;所述的无线通信单元包括WiFi,蓝牙,3G/4G/5G通信模块,Zigbee等。
在实际操作中,所述的无源压力传感带与多通道信号分离处理模块通连,所述的多通道信号分离处理模块、无线通信单元模块分别与所述的微控制器单元通连,所述的数字电位器程控模块与所述的微控制器单元及多通道信号分离处理模块通连,所述的供电单元模块分别与所述的多通道信号分离处理模块、微控制器单元、数字电位器程控模块、无线通信单元模块通连。
在实际操作中,所述的微控制器单元模块通过串口与无线通信单元模块通连,通过I2C总线与供电单元模块中的电源管理芯片通连。所述的微控制器单元模块通过普通I/O控制管脚与数字电位器程控模块中的呼吸率信号处理数字电位器和心率信号处理数字电位器通连。所述的微控制器单元模块通过内置的3个ADC采样端口分别与体动信号处理通道、呼吸率信号处理通道以及心率信号处理通道的输出端通连。
如图2所示,为多通道信号分离处理模块原理示意图。所述的多通道信号分离处理模块包括体动信号处理通道,呼吸率信号处理通道和心率信号处理通道,无源压力传感带输出微弱的交流电信号,经一级放大电路以及一级低通滤波电路后由体动信号处理通道输出至微控制器单元模块,同时,由一级低通滤波电路输出的信号经二级放大电路、二级低通滤波电路、电压基准调整电路以及对应的电压跟随放大电路后由呼吸信号处理通道输出至微控制器单元模块,所述的电压基准调整电路输出的信号经高通滤波电路、三级放大电路、三级低通滤波电路以及对应的电压跟随放大电路后由心率信号处理通道输出至微控制器单元模块。
在实际操作中,无源压力传感带无需电源供电,其输出的交流信号直接导入一级放大电路的输入端。信号经一级放大电路、一级低通滤波电路后由体动信号处理通道输出,一级放大电路和二级放大电路采用的运算放大器均由+1.8V和-1.8V双极电源供电,呼吸率信号处理数字电位器采用+3.3V和-3.3V的双极电源供电,从而使原始的交流信号在不失真的前提下进行有效放大。信号通过电压基准调整电路后将双极性信号转换为单极性信号,因而电压基准调整电路、三级放大电路和电压跟随放大电路采用的运算放大器以及心率信号处理数字电位器均采用+3.3V和GND的单级电源供电。信号经电压基准调整电路调整后输出的单极性信号分两路输出,其中,一路经电压跟随放大电路后由呼吸率信号处理通道输出,另一路经高通滤波电路去除呼吸率信号,再由三级放大电路、三级低通滤波电路和对应电压跟随放大电路处理后由心率信号处理通道输出。
在实际操作中,多通道的睡眠体征信号数据处理方法包括体动判定方法、呼吸率处理方法以及心率处理方法。
体动判定方法为:
当体动信号处理通道输出的信号尖峰值大于动作判定门限阈值+3V时,则判定为一次体动行为,体动次数累加一次。
如图3所示,呼吸率处理方法包括以下步骤:
1)将呼吸信号处理通道输出的信号存储于呼吸率信号缓存池,对信号缓存池内信号依据一定间隔进行极值采样,采样频率为100Hz;
2)分别求取相邻信号波峰值间隔和波谷值间隔;
3)排除明显异常的间隔数值;
4)对全部峰值间隔求取标准差;
5)判断标准差是否满足计算需求,若不是,则判定为无效信号,否则根据峰峰值间隔,求出呼吸值,跳转至步骤1)循环。
如图4所示,心率处理方法包括以下步骤:
1)原始数据等间隔二次采样:心率信号处理通道输出的信号存储于心率信号缓存池,为了减少尖峰,利于极值提取,对缓存池数据按等间隔进行二次采样,如式(1),原始采样频率Fs为500Hz,采样信号数据为10秒并分为5000点,每10个点取1个点,得到新数据序列xsl,如式(2):
xsli=xs10*(i-1)+1,i=1,2,3,...,500 (1)
xsl={xsli|i=1,2,3,...,500} (2)
其中,式(1)中xs1表示原始采样信号的第一个数据,经过降采样后,新数据序列的实际采样频率为50Hz;
2)去均值:根据式(3)对信号进行去均值,使心率信号数据值位于0V电压点上下两侧:
xm={xmi|i=1,2,3,...,500} (4)得到新数据序列xm,如式(4),其中,式(3)中的n为序列xsl的样本个数;
3)求离散数据的极大值点和极小值点:对于离散数据,极大值点即大于其前后两侧值的点,极小值点即小于前后两侧值的点,对xm序列从第一个样本点xm1到最后一个样本点xm500,求出所有的极大值点并形成式(5),求出极小值点并形成式(6),将xm序列中非极大值或非极小值的点归置为零值,最终得到极大值序列M1={M1i|i=2,3,...,500}和极小值序列M2={M2j|j=2,3,...,500}:
其中,i,j=2,3,...,500,xm0=0,xm501=0,xm0为xm序列中第一个点前的一个虚拟点,xm501为xm序列中最后一个点后的一个虚拟点;
4)筛选极值点:对M1和M2序列进一步筛选,选出在小范围内有高于相邻峰值的尖峰值,比较所有极值点及其前后的极值点,对除了绝对值最大的极值点外的所有极值点归置为零值,得到极大值序列MO1={MO1i|i=2,3,...,500}和极小值序列MO2={MO2j|j=2,3,...,500}:
其中,and是指其两侧条件同时满足,x为序列M1i中第x个非零极大值点的位置,其值小于非零极大值点的个数,y为序列M2j中第y个非零极小值点的位置,其值小于非零极小值点的个数;
5)选择优势序列:所述尖峰值均分布在信号0V电压点的上侧或下侧,通过分别求得极大值序列MO1、极小值序列MO2的峰值的均值的绝对值来判断心率尖峰值所在的位置:
其中,MO'j为极大值或极小值序列MOj(j=1,2)中的非零值,m为非零值的个数。比较极大值峰值的均值的绝对值与极小值峰值的均值的绝对值/>间大小,选择绝对值较大的序列形成峰值序列M,作为后续分析数据对象;
若峰值序列M中非零值个数m小于5,则丢弃序列不作处理,判定该5000点数据为无效数据,结束流程,否则进入步骤6);
6)差值序列:求取峰值序列M的差值序列diff_M,每个差值为前后峰值的间隔点数,如式(11):
diff_Mi=location(Mi+1)-location(Mi),i=1,2,...,L (11)
diff_M={diff_Mi|i=1,2,...,L-1} (12)
其中,location(Mi)为峰值序列M中第i个峰值点在序列中的位置,L为峰值点的总个数;
7)去异常值:心率值的预设范围为30~150次/分,对于50Hz采样频率的信号,心率间隔与峰值间隔对应,其间隔点数为
其中T0=60s(秒),Fs=50Hz,BPMstd为正常心率(次/分),代入正常心率的范围值,计算得到Nspace的范围为20~100,则差值序列diff_M根据该范围筛选差值序列,排除异常值;
当diff_Mi的值在20~100之间时,则表示峰值序列M的数据正常,该部分不做处理;
当diff_Mi的值在正常范围外时,则表示峰值序列M中第i个峰值点到第i+1个峰值点之间有一个异常值,若小于20,则删去第i个峰值点和第i+1个峰值点两者中极大值较小的数据点,若大于100,则在第i个峰值点和第i+1个峰值点之间的中点位置增加一个数据点,数据点的值为两个峰值点的均值;
重新根据步骤6)的方法计算获得新的差值序列diff_M',并跳转至步骤8);
8)求标准差:对diff_M'求标准差σdiff_M',通过标准差值差异获得数据可信度R。
其中,n为差值序列diff_M'的样本个数,为差值序列diff_M'的样本值,当σdiff_M'≤5时,可信度R置值为3,当5<σdiff_M'≤11时,可信度置值为2,当σdiff_M'>11时,可信度置值为1,数据可信程度与R值呈正比,跳转至步骤9);
9)差值序列diff_M'排序:进一步排除异常值,取中位数为心率间隔J,如果序列数据不足,则取最后一个值为心率间隔J,跳转至步骤10);
10)求心率值:根据式15获得心率值BPM:
其中,T0为60s,Fs为采样频率,为50Hz;
对5000点数据的心率值进行连续采样处理,完成后跳转至步骤1)循环。
在使用时,将无源压力传感带嵌入到床垫的对应监测工位中。上电后,供电单元模块默认向微控制器单元输出其所需的+1.2V和+1.8V电源电压,微控制器单元正常工作,并通过I2C总线控制输出+3.3V电源电压。然后,+1.8V和+3.3V分别通过电源管理芯片输出-1.8V和-3.3V电源电压,整个系统开始正常工作。
在实际操作中,无源压力传感带输出的信号为微弱的交流电信号,信号经一级放大电路、一级低通滤波电路处理后由体动信号处理通道输出至微控制器单元模块的ADC0端口,若微控制器单元模块进行模数转换获得的电压值最大值大于1.5V或最小值小于-1.5V时,则判断使用者有体动行为,否则判断为无体动行为。其中,一级放大电路采用的运算放大器由双极性电源供电,即+1.8V和-1.8V,一级低通滤波电路采用无源滤波,主要目的在于去除噪声高频信号。
在实际操作中,由一级低通滤波电路输出的信号再由二级放大电路,放大倍数可通过受控于微控制单元模块的数字电位器程控模块设置呼吸率信号处理数字电位器,其中,二级放大电路采用的运算放大器和呼吸率信号处理数字电位器均由双极性电源供电,分别为+1.8V和-1.8V以及+3.3V和-3.3V。
在实际操作中,二级放大电路输出的信号经二级低通滤波电路处理后导入电压基准调整电路,电压基准调整电路采用的运算放大器由单极性电源供电,即+3.3V和GND,将信号基准调整至1.65V,则信号的电压伏值在0V和+3.3V之间。二级低通滤波电路采用无源滤波方式。经电压基准调整电路输出的信号分两路,一路经对应的电压跟随放大电路后由呼吸率信号处理通道输出至微控制器单元模块的ADC1端口,微控制器模块根据采集到的呼吸率样本进行算法处理,进而获得准确的呼吸率值;另一路则通过高通滤波电路将呼吸率信号去除,再通过三级放大电路,三级放大电路的放大倍数可通过心率信号处理数字电位器来控制,其中,三级放大电路采用的运算放大器以及对应的心率信号处理数字电位器均由单极性电源供电,即+3.3V和GND。
在实际操作中,三级放大电路输出的信号经三级低通滤波电路、对应的电压跟随放大电路后由心率信号处理通道输出至微控制器单元模块的ADC2端口,微控制器单元模块根据采集到的心率样本进行算法处理,并最终获得准确的心率值。其中,设置电压跟随放大电路的目的在于起缓冲、隔离和提高带载能力的作用。
在实际操作中,微控制器单元模块接收处理来自三个通道的信号。
1)当体动信号处理通道输出的信号尖峰值大于动作判定门限阈值+3V时,则判定为一次体动行为,体动次数累加一次。
2)将呼吸信号处理通道输出的信号存储于呼吸率信号缓存池,对信号缓存池内信号依据一定间隔进行极值采样,采样频率为100Hz,然后分别求取相邻信号波峰值间隔和波谷值间隔,如得到的波峰值间隔序列为[4 16 18 30 20],假设使用者为成年人,其正常的呼吸率为16~12次/分,则排除明显异常的间隔数值,得到新的序列[16 18 20],然后对全部峰值间隔求取标准差,若标准差在0~110之间,则求序列均值(16+18+20)/3=18,即为呼吸率值,否则判定为无效信号。
3)心率处理方法较为复杂,因为心率搏动小,干扰信号较多,需经过多项处理。
1.为了方便给出序列,假设采样信号数据为10S,且等分为5000点,每10个点取一个点得到新数据序列,根据式(1),经过降采样后得到的序列xsl=[…,0,3.3,0,…,0,1.1,2.2,3.3,2,2.1,1.8,0,1.8,3.3,1.2,0,2,3.3,3,…,0,3.3,0…,0,3.3,0](由于数据量大,只列举一部分序列)。
2.根据式(3)均值,得到新序列,xm=[…,-1.8,1.5,-1.8,…,-1.8,-0.6,0.4,1.5,0.2,0.3,0,-1.8,0,1.5,-0.6,-1.8,0.2,1.5,1.2,…,-1.8,1.5,-1.8…,-1.8,1.5,-1.8]。
3.根据式(5)和式(6)得到极大值序列M1=[…,0,1.5,0,…,0,0,0,1.5,0,0.3,0,0,0,1.5,0,0,0,1.5,0,…,0,1.5,0…,0,1.5,0]和极小值序列M2=[…,0,0,0,…,-1.8,0,0,0,0.2,0,0,-1.8,0,0,0,-1.8,0.2,1.5,1.2,…,0,0,0…,0,0,0],需要注意的是,实际的心率信号的极值点分布特性并非如此,而是绝对值最大的极值点前后相邻两点均有异常尖峰值,即出现异常极值点,为便于阐述,故将假设其序列如此。
4.根据式(7)和式(8)筛选极值点,得到MO1=[…,0,1.5,0,…,0,0,0,1.5,0,0,0,0,0,1.5,0,0,0,1.5,0,…,0,1.5,0…,0,1.5,0]和MO2=[…,0,0,0,…,-1.8,0,0,0,0.2,0,0,-1.8,0,0,0,-1.8,0,0,0…,0,0,0…,0,0,0]。
5.根据式(9)和式(10)选择优势序列,假设优势序列M=MO1,且M序列中非零个数大于5。
6.根据式(11)差值序列diff_M=[29,6,4,35,110],假设MO1中可见的第一个极值点距离前一个极值点(假设为序列的第一个)有29点数间隔,第四个极值点的后一个极值点(假设为序列的第五个)有35个点数间隔,第五个极值点的后一个极值点(假设为序列的最后一个)有110个点数间隔。
7.根据式(13)比较去异常值,第一个间隔点数29正常,第二个间隔点数和第三个间隔点数偏小,将对应的M序列中的位置数据置零,即M=[…,0,1.5,0,…,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,…,0,1.5,0…,0,1.5,0],第四个间隔点35正常,第五个间隔点为110偏大,则在第四个极大值点和第五个极大值点中点处增加一个极大值点,其值为(1.5+1.5)/2=1.5,即M1=[…,0,1.5,0,…,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,…,0,1.5,…,0,1.5,0…,0,1.5,0]。
8.重新计算新的差值序列diff_M'=[29,45,55,55],根据式(14)计算标准差σdiff_M'≈10.6,可信度R=2,数据可信度较高,对diff_M'的数值从大到小重新排序,去中位数作为心率间隔J=(45+55)/2=50。
9.根据式(15)计算得到心率值BPM=60次/分。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种基于多通道的睡眠体征信号数据处理方法,包括心率信号处理方法,所述心率信号处理方法通过以下步骤实现:
1)原始数据等间隔二次采样:心率信号处理通道输出的信号存储于心率信号缓存池,为了减少尖峰,利于极值提取,对缓存池数据按等间隔进行二次采样,如式(1),原始采样频率Fs为500Hz,采样信号数据为10秒并分为5000点,每10个点取1个点,得到新数据序列xsl,如式(2):
xsli=xs10*(i-1)+1,i=1,2,3,...,500 (1)
xsl={xsli|i=1,2,3,...,500} (2)
其中,式(1)中xs1表示原始采样信号的第一个数据,经过降采样后,新数据序列的实际采样频率为50Hz;
2)去均值:根据式(3)对信号进行去均值,使心率信号数据值位于0V电压点上下两侧:
xm={xmi|i=1,2,3,...,500} (4)
得到新数据序列xm,如式(4),其中,式(3)中的n为序列xsl的样本个数;
3)求离散数据的极大值点和极小值点:对于离散数据,极大值点即大于其前后两侧值的点,极小值点即小于前后两侧值的点,对xm序列从第一个样本点xm1到最后一个样本点xm500,求出所有的极大值点并形成式(5),求出极小值点并形成式(6),将xm序列中非极大值或非极小值的点归置为零值,最终得到极大值序列M1={M1i|i=2,3,...,500}和极小值序列M2={M2j|j=2,3,...,500}:
其中,i,j=2,3,...,500,xm0=0,xm501=0,xm0为xm序列中第一个点前的一个虚拟点,xm501为xm序列中最后一个点后的一个虚拟点;
4)筛选极值点:对M1和M2序列进一步筛选,选出在小范围内有高于相邻峰值的尖峰值,比较所有极值点及其前后的极值点,对除了绝对值最大的极值点外的所有极值点归置为零值,得到极大值序列MO1={MO1i|i=2,3,...,500}和极小值序列MO2={MO2j|j=2,3,...,500}:
其中,and是指其两侧条件同时满足,x为序列M1i中第x个非零极大值点的位置,其值小于非零极大值点的个数,y为序列M2j中第y个非零极小值点的位置,其值小于非零极小值点的个数;
5)选择优势序列:所述尖峰值均分布在信号0V电压点的上侧或下侧,通过分别求得极大值序列MO1、极小值序列MO2的峰值的均值的绝对值来判断心率尖峰值所在的位置:
其中,MO'j为极大值或极小值序列MOj(j=1,2)中的非零值,m为非零值的个数,比较极大值峰值的均值的绝对值与极小值峰值的均值的绝对值/>间大小,选择绝对值较大的序列形成峰值序列M,作为后续分析数据对象;
若峰值序列M中非零值个数m小于5,则丢弃序列不作处理,判定该5000点数据为无效数据,结束流程,否则进入步骤6);
6)差值序列:求取峰值序列M的差值序列diff_M,每个差值为前后峰值的间隔点数,如式(11):
diff_Mi=location(Mi+1)-location(Mi),i=1,2,...,L (11)
diff_M={diff_Mi|i=1,2,...,L-1} (12)
其中,location(Mi)为峰值序列M中第i个峰值点在序列中的位置,L为峰值点的总个数;
7)去异常值:心率值的预设范围为30~150次/分,对于50Hz采样频率的信号,心率间隔与峰值间隔对应,其间隔点数为
其中T0=60s(秒),Fs=50Hz,BPMstd为正常心率(次/分),代入正常心率的范围值,计算得到Nspace的范围为20~100,则差值序列diff_M根据该范围筛选差值序列,排除异常值;
当diff_Mi的值在20~100之间时,则表示峰值序列M的数据正常,该部分不做处理;
当diff_Mi的值在正常范围外时,则表示峰值序列M中第i个峰值点到第i+1个峰值点之间有一个异常值,若小于20,则删去第i个峰值点和第i+1个峰值点两者中极大值较小的数据点,若大于100,则在第i个峰值点和第i+1个峰值点之间的中点位置增加一个数据点,数据点的值为两个峰值点的均值;
重新根据步骤6)的方法计算获得新的差值序列diff_M',并跳转至步骤8);
8)求标准差:对diff_M'求标准差σdiff_M',通过标准差值差异获得数据可信度R,
其中,n为差值序列diff_M'的样本个数,为差值序列diff_M'的样本值,当σdiff_M’≤5时,可信度R置值为3,当5<σdiff_M’≤11时,可信度置值为2,当σdiff_M'>11时,可信度置值为1,数据可信程度与R值呈正比,跳转至步骤9);
9)差值序列diff_M'排序:进一步排除异常值,取中位数为心率间隔J,如果序列数据不足,则取最后一个值为心率间隔J,跳转至步骤10);
10)求心率值:根据式15获得心率值BPM:
其中,T0为60s,Fs为采样频率,为50Hz;
对5000点数据的心率值进行连续采样处理,完成后跳转至步骤1)循环。
2.根据权利要求1所述的一种基于多通道的睡眠体征信号数据处理方法,其特征在于,所述数据处理方法包括体动判定方法,所述体动判定方法为:当体动信号处理通道输出的信号尖峰值大于动作判定门限阈值+3V时,则判定为一次体动行为,体动次数累加一次。
3.根据权利要求1所述的一种基于多通道的睡眠体征信号数据处理方法,其特征在于,所述数据处理方法包括呼吸率信号处理方法,所述呼吸率信号处理方法为:
1)将呼吸信号处理通道输出的信号存储于呼吸率信号缓存池,对信号缓存池内信号依据一定间隔进行极值采样,采样频率为100Hz;
2)分别求取相邻信号波峰值间隔和波谷值间隔;
3)排除明显异常的间隔数值;
4)对全部峰值间隔求取标准差;
5)判断标准差是否满足计算需求,若不是,则判定为无效信号,否则根据峰峰值间隔,求出呼吸值,跳转至步骤1)循环。
4.一种使用权利要求1-3任一项所述数据处理方法的睡眠体征信号采集装置,其特征在于,包括无源压力传感带、多通道信号分离处理模块、微控制器单元模块、数字电位器程控模块、无线通信单元模块及供电单元模块,其中,所述的无源压力传感带与多通道信号分离处理模块通连,所述的多通道信号分离处理模块、无线通信单元模块分别与所述的微控制器单元模块通连,所述的数字电位器程控模块与所述的微控制器单元模块及多通道信号分离处理模块通连,所述的供电单元模块分别与所述的多通道信号分离处理模块、微控制器单元模块、数字电位器程控模块、无线通信单元模块通连,所述的多通道信号分离处理模块包括依次串联的一级放大电路、一级低通滤波电路、二级放大电路、二级低通滤波电路、电压基准调整电路、高通滤波电路以及三级放大电路,无源压力传感带输出的交流电信号经一级放大滤波电路后通过体动信号处理通道输出至微控制器单元模块,经过电压基准调整电路处理的信号通过对应电压跟随放大电路后由呼吸信号处理通道输出至微控制器单元模块,经过三级放大电路处理的信号通过三级低通滤波电路、对应的电压跟随放大电路后由心率信号处理通道输出至微控制器单元模块。
5.根据权利要求4所述的一种睡眠体征信号采集装置,其特征在于,所述的无源压力传感带用于采集人体呼吸率信号、心率信号和体动信号,其输出信号为交流信号;所述的多通道信号分离处理模块用于多种特征信号的分离、滤波和放大处理;所述的微控制器单元模块接收来自多通道信号分离处理模块的多路信号并进行模数转换处理;所述的微控制器单元模块通过无线通信单元模块与外界进行数据交流;所述的微控制器单元模块用于控制供电单元模块输出电压;所述的微控制器单元模块通过数字电位器程控模块控制多通道信号分离处理模块的信号放大倍数;所述的无线通信单元模块采用WiFi方式、蓝牙方式、3G通信方式、4G通信方式、5G通信方式或者Zigbee方式。
6.根据权利要求4所述的一种睡眠体征信号采集装置,其特征在于,所述的供电单元模块的输出由微控制器单元模块通过I2C总线控制,输出电压类型包括+1.2V、+1.8V、-1.8V、+3.3V、-3.3V以及GND。
7.根据权利要求5或6所述的一种睡眠体征信号采集装置,其特征在于,所述的数字电位器程控模块包括控制二级放大电路的呼吸率信号处理数字电位器和控制三级放大电路的心率信号处理数字电位器,数字电位器输出阻值与放大倍数呈正比。
8.根据权利要求7所述的一种睡眠体征信号采集装置,其特征在于,所述的一级放大电路和二级放大电路采用的运算放大器均采用+1.8V和-1.8V的双极电源供电;所述的电压基准调整电路、三级放大电路和电压跟随放大电路采用的运算放大器以及心率信号处理数字电位器均采用+3.3V和GND单级电源供电;所述的呼吸率信号处理数字电位器采用+3.3V和-3.3V双极电源供电。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710713223.6A CN107510443B (zh) | 2017-08-18 | 2017-08-18 | 一种基于多通道的睡眠体征信号采集装置及数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710713223.6A CN107510443B (zh) | 2017-08-18 | 2017-08-18 | 一种基于多通道的睡眠体征信号采集装置及数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107510443A CN107510443A (zh) | 2017-12-26 |
CN107510443B true CN107510443B (zh) | 2024-03-22 |
Family
ID=60722063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710713223.6A Active CN107510443B (zh) | 2017-08-18 | 2017-08-18 | 一种基于多通道的睡眠体征信号采集装置及数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107510443B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110115583A (zh) * | 2018-02-07 | 2019-08-13 | 普天信息技术有限公司 | 呼吸监测的方法和装置 |
CN110840430B (zh) * | 2018-08-21 | 2022-09-13 | 北京万生人和科技有限公司 | 腹内压数据筛选方法、计算机可读存储介质、腹内压数据筛选装置 |
CN109199355B (zh) * | 2018-09-18 | 2021-09-28 | 深圳和而泰数据资源与云技术有限公司 | 心率信息检测方法、装置和检测设备 |
CN111481173B (zh) * | 2020-04-15 | 2023-06-06 | 上海贝氪若宝健康科技有限公司 | 身体体征信号的检测方法、介质、设备及系统 |
CN116019423A (zh) * | 2022-12-30 | 2023-04-28 | 广州昂宝电子有限公司 | 睡眠监测方法和系统 |
CN117879652A (zh) * | 2024-03-11 | 2024-04-12 | 辽宁鸿芯科技有限公司 | 一种基于hplc+hrf双模网络通讯方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004313461A (ja) * | 2003-04-16 | 2004-11-11 | Hitachi Engineering & Services Co Ltd | 在宅者健康状態遠隔見守り方法および装置 |
JP2005270627A (ja) * | 2004-02-25 | 2005-10-06 | Paramount Bed Co Ltd | 気道確保ベッド及び気道確保方法 |
JP2008259745A (ja) * | 2007-04-13 | 2008-10-30 | Tanita Corp | 生体信号処理装置 |
JP2010284498A (ja) * | 2009-05-12 | 2010-12-24 | Tokuo Saito | 生体情報を収集し伝達する装置 |
CN103027667A (zh) * | 2011-09-30 | 2013-04-10 | Ge医疗系统环球技术有限公司 | 脉搏波的特征参数提取 |
CN208693274U (zh) * | 2017-08-18 | 2019-04-05 | 浙江舒眠科技有限公司 | 一种基于多通道的睡眠体征信号采集装置 |
-
2017
- 2017-08-18 CN CN201710713223.6A patent/CN107510443B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004313461A (ja) * | 2003-04-16 | 2004-11-11 | Hitachi Engineering & Services Co Ltd | 在宅者健康状態遠隔見守り方法および装置 |
JP2005270627A (ja) * | 2004-02-25 | 2005-10-06 | Paramount Bed Co Ltd | 気道確保ベッド及び気道確保方法 |
JP2008259745A (ja) * | 2007-04-13 | 2008-10-30 | Tanita Corp | 生体信号処理装置 |
JP2010284498A (ja) * | 2009-05-12 | 2010-12-24 | Tokuo Saito | 生体情報を収集し伝達する装置 |
CN103027667A (zh) * | 2011-09-30 | 2013-04-10 | Ge医疗系统环球技术有限公司 | 脉搏波的特征参数提取 |
CN208693274U (zh) * | 2017-08-18 | 2019-04-05 | 浙江舒眠科技有限公司 | 一种基于多通道的睡眠体征信号采集装置 |
Non-Patent Citations (2)
Title |
---|
基于微动敏感床垫式睡眠监测系统的心率检测;郑慧君;《北京生物医学工程》;第28卷(第5期);486-489 * |
雷达式非接触检测中呼吸和心跳信号 分离算法的研究;张华;《中国医疗设备》;第28卷(第11期);9-11 * |
Also Published As
Publication number | Publication date |
---|---|
CN107510443A (zh) | 2017-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107510443B (zh) | 一种基于多通道的睡眠体征信号采集装置及数据处理方法 | |
CN103495263B (zh) | 一种植入式心脏起搏器的传感器采集处理系统及基于该系统的控制方法 | |
CN103070683B (zh) | 基于生物电阻抗的睡眠呼吸模式识别方法及装置 | |
CN115881305B (zh) | 一种睡眠趋稳性检测量化及辅助干预的方法、系统和装置 | |
US20110295138A1 (en) | Method and system for reliable inspiration-to-expiration ratio extraction from acoustic physiological signal | |
CN115862877B (zh) | 睡眠可持续性检测量化及辅助干预的方法、系统和装置 | |
CN105361880A (zh) | 肌肉运动事件的识别系统及其方法 | |
CN106681123B (zh) | 一种智能闹钟自适应控制唤醒方法及睡眠监测系统 | |
CN106419845A (zh) | 一种基于压电陶瓷传感器的睡眠监测装置及方法 | |
WO2016168979A1 (zh) | 一种生命体征分析方法与系统 | |
CN110575139A (zh) | 一种睡眠监测方法及设备 | |
CN106473700A (zh) | 基于hrv频域分析的阻塞性睡眠呼吸暂停综合征的检测系统 | |
CN109381179A (zh) | 一种阻塞性睡眠呼吸暂停综合症的诊疗系统 | |
CN111359069A (zh) | 麻醉机及其自动通气系统和方法 | |
CN111227792B (zh) | 呼吸暂停的检测方法、系统、电子设备及存储介质 | |
CN108464836B (zh) | 一种面向社区医疗的血氧饱和度检测系统及方法 | |
CN108836299B (zh) | 一种bcg心率提取方法、存储介质以及装置 | |
CN105251089A (zh) | 一种基于心跳监测的呼吸控制器 | |
CN101972137A (zh) | 一种多生理参数的同步监测方法及装置 | |
CN105286868B (zh) | 一种基于呼吸参数的智能导联切换的方法及装置 | |
CN106343973B (zh) | 一种人体体征检测装置 | |
CN208693274U (zh) | 一种基于多通道的睡眠体征信号采集装置 | |
WO2022141583A1 (zh) | 信号处理电路和方法 | |
CN113855955A (zh) | 一种呼吸机多模式工作控制系统及呼吸机 | |
CN111195128A (zh) | 一种呼吸状态跟踪睡眠辅助装置和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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 |