CN108294737B - 心率测量方法、装置及智能穿戴设备 - Google Patents
心率测量方法、装置及智能穿戴设备 Download PDFInfo
- Publication number
- CN108294737B CN108294737B CN201810079422.0A CN201810079422A CN108294737B CN 108294737 B CN108294737 B CN 108294737B CN 201810079422 A CN201810079422 A CN 201810079422A CN 108294737 B CN108294737 B CN 108294737B
- Authority
- CN
- China
- Prior art keywords
- heart rate
- data
- human body
- homogeneous
- time interval
- 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
Images
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
- A61B5/02—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
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种心率测量方法、装置及智能穿戴设备,其中方法包括:检测人体运动剧烈程度;根据运动剧烈程度调整单个自然心率周期内数据采集点密度、采集区间时长、同趋势数据统计方式及同质数据误差标准;根据采集区间时长和采集点密度采集若干自然心率周期内的心电数据和时间点数据;根据同趋势数据统计方式及同质数据误差标准对采集的数据进行分析,得到若干组同趋势同质数据;计算各组内同质数据间的平均时间间隔;根据各组心电数据集内同质数据间的平均时间间隔,计算得出单个自然心率周期的基本时间间隔;根据基本时间间隔计算并输出人体的心率值。本发明适用于静态和动态人体的心率测量,可以减少测试时间,提高测试精度。
Description
技术领域
本发明属于智能穿戴设备技术领域,尤其涉及一种心率测量方法、装置及智能穿戴设备。
背景技术
光电式心率传感器作为一种体积小、结构上方便整合到小型产品设计中的生物传感器,普遍应用于智能手环、智能手表等智能穿戴设备上,对人体的心率数据进行测量。这种智能穿戴设备的心率测量的工作原理是:使用特别制造的发光二极管发射出人体血管吸收率相对较好的特定波长的单色光波,通过照射人体皮肤再反射到光敏器件上,最后由光敏器件输出跟随血液的吸收率变化状况的周期性信号,计算得到心率等人体生命体征数据。这种心率测量方式测量耗时长,且仅适用于对处于静态下的人体进行心率测量,在采用这种心率测量方式对处于运动状态下的人体进行心率测量时,会导致测量结果与实际心率数据之间存在较大的误差。
发明内容
有鉴于此,本发明提供了一种心率测量方法、装置及智能可穿戴设备,以解决现有的心率测量方式测量耗时长以及仅适用于对处于静态下的人体进行心率测量,在对处于运动状态下的人体进行心率测量时,会导致测量结果与实际心率数据之间存在较大的误差的问题。
本发明的第一方面提供了一种心率测量方法,包括:
检测人体运动剧烈程度的大小;
根据所述人体运动剧烈程度的大小调整单个自然心率周期内数据采集点密度、总的数据采集区间时长、同趋势数据统计方式以及同质数据误差标准;
根据所述数据采集区间时长和所述数据采集点密度采集若干自然心率周期内人体的心率电信号数据和各心率电信号数据所对应的时间点数据;
根据所述同趋势数据统计方式以及同质数据误差标准对采集的人体的心率电信号数据和各心率电信号数据所对应的时间点数据进行分析,得到若干组互为同趋势同质数据的心率电信号数据集;每组心率电信号数据集中包括若干组互为同质数据的两个心率电信号数据;
计算各组心率电信号数据集内同质数据间的平均时间间隔;
根据所述各组心率电信号数据集内同质数据间的平均时间间隔,计算得出单个自然心率周期的基本时间间隔;
根据所述单个自然心率周期的基本时间间隔计算得出所述人体的心率值,将所述心率值输出给用户。
在上述技术方案的基础上,所述根据所述人体运动剧烈程度的大小调整单个自然心率周期内数据采集点密度、总的数据采集区间时长、同趋势数据统计方式以及同质数据误差标准包括:
根据所述人体运动剧烈程度的大小与所述数据采集点密度和所述总的数据采集区间时长成正比的规则确定单个自然心率周期内数据采集点密度和总的数据采集区间时长;
根据若人体运动剧烈程度小于或等于预设阈值,则在相邻自然心率周期内统计同趋势数据;若人体运动剧烈程度大于预设阈值,则在跨自然心率周期内统计同趋势数据的规则确定同趋势数据统计方式;
根据所述人体运动剧烈程度的大小与所述同质数据误差标准成正比的规则确定同质数据误差标准。
在上述技术方案的基础上,根据所述各组心率电信号数据集内同质数据间的平均时间间隔,计算得出单个自然心率周期的基本时间间隔包括:
若所述人体运动剧烈程度小于或等于预设阈值,则对所述各组心率电信号数据集内同质数据间的平均时间间隔求平均,得到单个自然心率周期的基本时间间隔;
若所述人体运动剧烈程度大于所述预设阈值,则将所述各组心率电信号数据集内同质数据间的平均时间间隔按照绝对值从大到小的顺序进行排序,依次计算出两两相邻的平均时间间隔的绝对值之间的差值,对计算得到的各个差值求平均,得到单个自然心率周期的基本时间间隔。
在上述技术方案的基础上,所述若所述人体运动剧烈程度大于所述预设阈值,则将所述各组心率电信号数据集内同质数据间的平均时间间隔按照绝对值从大到小的顺序进行排序,依次计算出两两相邻的平均时间间隔的绝对值之间的差值,对计算得到的各个差值求平均,得到单个自然心率周期的基本时间间隔之后还包括:
判断所述单个自然心率周期的基本时间间隔是否在预设的时间范围内;
若在所述预设的时间范围内,则进入根据单个自然心率周期的基本时间间隔计算得出所述人体的心率值,将所述心率值输出给用户的步骤;
若不在所述预设的时间范围内,则对所述单个自然心率周期内数据采集点密度、总的数据采集区间时长、同趋势数据统计方式以及同质数据误差标准进行优化后,重新对所述人体进行心率测量。
在上述技术方案的基础上,所述根据所述同趋势数据统计方式以及同质数据误差标准对采集的人体的心率电信号数据和各心率电信号数据所对应的时间点数据进行分析,得到若干组互为同趋势同质数据的心率电信号数据集之前还包括:
采用预设的过滤误差标准对采集到各自然心率周期内人体的心率电信号数据和各心率电信号数据所对应的时间点数据进行过滤处理,滤除各自然心率周期内异常的心率电信号数据和与异常的心率电信号数据所对应的时间点数据。
本发明第二方面提供了一种心率测量装置,包括:
运动检测单元,用于检测人体运动剧烈程度的大小;
决策单元,用于根据所述人体运动剧烈程度的大小调整单个自然心率周期内数据采集点密度、总的数据采集区间时长、同趋势数据统计方式以及同质数据误差标准;
采集单元,用于根据所述数据采集区间时长和所述数据采集点密度采集若干自然心率周期内人体的心率电信号数据和各心率电信号数据所对应的时间点数据;
分组单元,用于根据所述同趋势数据统计方式以及同质数据误差标准对采集的人体的心率电信号数据和各心率电信号数据所对应的时间点数据进行分析,得到若干组互为同趋势同质数据的心率电信号数据集;每组心率电信号数据集中包括若干组互为同质数据的两个心率电信号数据;
第一计算单元,用于计算各组心率电信号数据集内同质数据间的平均时间间隔;
第二计算单元,用于根据所述各组心率电信号数据集内同质数据间的平均时间间隔,计算得出单个自然心率周期的基本时间间隔;
第三计算单元,用于根据所述单个自然心率周期的基本时间间隔计算得出所述人体的心率值,将所述心率值输出给用户。
在上述技术方案的基础上,所述决策单元包括:
第一决策子单元,用于根据所述人体运动剧烈程度的大小与所述数据采集点密度和所述总的数据采集区间时长成正比的规则确定单个自然心率周期内数据采集点密度和总的数据采集区间时长;
第二决策子单元,用于根据若人体运动剧烈程度小于或等于预设阈值,则在相邻自然心率周期内统计同趋势数据;若人体运动剧烈程度大于预设阈值,则在跨自然心率周期内统计同趋势数据的规则确定同趋势数据统计方式;
第三决策子单元,用于根据所述人体运动剧烈程度的大小与所述同质数据误差标准成正比的规则确定同质数据误差标准。
在上述技术方案的基础上,所述第二计算单元具体用于:
若所述人体运动剧烈程度小于或等于预设阈值,则对所述各组心率电信号数据集内同质数据间的平均时间间隔求平均,得到单个自然心率周期的基本时间间隔;
若所述人体运动剧烈程度大于所述预设阈值,则将所述各组心率电信号数据集内同质数据间的平均时间间隔按照绝对值从大到小的顺序进行排序,依次计算出两两相邻的平均时间间隔的绝对值之间的差值,对计算得到的各个差值求平均,得到单个自然心率周期的基本时间间隔。
本发明第三方面提供了一种智能穿戴设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上述第一方面所述方法的步骤。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其中,所述计算机程序被处理器执行时实现如上述第一方面所述方法的步骤。
本发明的有益效果是:
本发明由于采用根据人体运动剧烈程度的大小调整单个自然心率周期内心率电信号数据采集的密度及总的数据采集时长,而非以现有技术中固定的较长时间进行心率电信号数据的采集与计算,从而可以有效节约智能穿戴设备电池的能耗,减少测试时间,并且既适用于静态下的人体心率测量,又适用于运动状态下的人体心率测量;此外,由于通过统计若干组同趋势同质数据,然后计算出各组同趋势同质数据内同质数据间的平均时间间隔,并根据统计出的各组同趋势同质数据间的平均时间间隔计算得到单个人体自然心率周期的基本时间间隔,再根据单个人体自然心率周期的基本时间间隔来计算输出人体的心率值,从而可以提高测试结果的精确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的心率测量方法的实现流程示意图;
图2a是本发明实施例提供的心率测量方法中在相邻周期内统计的同趋势数据的示意图;
图2b是本发明实施例提供的心率测量方法中在跨自然心率周期内统计的同趋势数据的示意图;
图2c是本发明实施例提供的心率测量方法中统计的同质数据的示意图;
图2d是本发明实施例提供的心率测量方法中计算各组同趋势同质数据内同质数据间平均时间间隔的示意图;
图3是本发明另一实施例提供的心率测量方法的实现流程示意图;
图4a是本发明另一实施例提供的心率测量方法中在人体运动剧烈程度较低时进行心率测量时对应的数据采集区间的示意图;
图4b是本发明另一实施例提供的心率测量方法中在人体运动剧烈程度增加时进行心率测量时对应的数据采集区间的示意图;
图4c是本发明另一实施例提供的心率测量方法中在人体运动剧烈程度较高时进行心率测量时对应的数据采集区间、同趋势同质数据统计方式的示意图;
图5是本发明实施例提供的心率测量装置的结构示意图;
图6是本发明另一实施例提供的心率测量装置的结构示意图;
图7是本发明实施例提供的智能穿戴设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
图1是本发明实施例提供的心率测量方法的实现流程示意图,该方法的执行主体为本发明实施例中的智能穿戴设备。参见图1所示,本实施例提供的心率测量方法可以包括以下步骤:
步骤S101,检测人体运动剧烈程度的大小。
所述智能穿戴设备包括但不限于智能手环、智能手表等智能电子设备。所述智能穿戴设备可佩戴于被检测人体的手腕。
所述智能穿戴设备内置有加速度传感器,所述智能穿戴设备通过其内置的加速度传感器检测人体运动剧烈程度的大小。所述人体运动剧烈程度的大小与加速度传感器检测到的人体运动的加速度值成正比。加速度传感器输出的加速值越大,人体运动剧烈程度越大;加速度传感器输出的加速值越小,人体运动剧烈程度越小。
步骤S102,根据所述人体运动剧烈程度的大小调整单个自然心率周期内数据采集点密度、总的数据采集区间时长、同趋势数据统计方式以及同质数据误差标准。
所述单个自然心率周期是指将智能穿戴设备内置的心率传感器输出的、跟随血液吸收光离子数量变化而变化电信号的一个完整的正弦波周期。单个自然心率周期的时间是随着人体心率快慢的变化而变化的。
单个自然心率周期内数据采集点密度是指在每一个单个自然心率周期内对心率传感器的光敏接收器件输出的电信号进行采样的次数。单个自然心率周期内数据采集点密度是可以依据一定条件进行调节。这些数据采集点之间,无论依据运动造成的干扰严重而增加,还是依据运动造成的干扰降低而减少,它们之间在时间上的间隔都要求是绝对相等的,这有利于后续心率值的运算。
在本实施例中,步骤S102具体包括:
根据所述人体运动剧烈程度的大小与所述数据采集点密度和所述总的数据采集区间时长成正比的规则确定单个自然心率周期内数据采集点密度和总的数据采集区间时长;
根据若人体运动剧烈程度小于或等于预设阈值,则在相邻自然心率周期内统计同趋势数据;若人体运动剧烈程度大于预设阈值,则在跨自然心率周期内统计同趋势数据的规则确定同趋势数据统计方式;
根据所述人体运动剧烈程度的大小与所述同质数据误差标准成正比的规则确定同质数据误差标准。
优选的,在本实施例中,所述单个自然心率周期内数据采集点密度与所述人体运动剧烈程度的大小呈正比。所述人体运动剧烈程度越大,所述单个自然心率周期内数据采集点密度越大;所述人体运动剧烈程度越小,所述单个自然心率周期内数据采集点密度越小。
所述总的数据采集区间时长是指每次测量人体心率所需采集心率数据的时间区间。该时间区间可依据人体运动剧烈程度的大小进行调节,且与所述人体运动剧烈程度的大小成正比。所述人体运动剧烈程度越大,所述数据采集区间时长越长;所述人体运动剧烈程度越小,所述数据采集区间时长越短。
所述同趋势数据是指将绝对值从小到大有序递增或者从大到小有序递减,并且所递增的或递减的绝对值变化量属于允许的误差范围内的数据。所述同趋势数据的统计方式可依据人体运动剧烈程度的大小进行调节,若人体运动剧烈程度小于或等于预设阈值,则在相邻自然心率周期内统计同趋势数据;若人体运动剧烈程度大于预设阈值,则在跨自然心率周期内统计同趋势数据。
所述同质数据是指在连续变化的每一个单个自然心率周期内,一起递增或者一起递减的同趋势数据中,每个数据都是具有唯一性,这些数据在接下来第2个、第3个直到第N个单个自然心率周期内,都会有接近它或者等于它的数据出现,可以用一个预设的同质数据误差标准将其中符合条件的数据比对后,将符合误差标准的作为统治数据进行登记备用。所述同质数据误差标准与所述人体运动剧烈程度的大小成正比,所述人体运动剧烈程度越大,所述同质数据误差标准越大,所述人体运动剧烈程度越小,所述同质数据误差标准越小。当然,所述同质数据误差标准必须保持在一定的误差范围内。
步骤S103,根据所述数据采集区间时长和所述数据采集点密度采集若干自然心率周期内人体的心率电信号数据和各心率电信号数据所对应的时间点数据。
所述智能穿戴设备上安装有心率传感器,所述心率传感器由发光二极管和光敏接收管组成,所述发光二极管与所述光敏接收管组合到产品上之后,同时处于面对人体手腕的同一侧,所述发光二级管发出的光波粒子,一小部分被人体皮肤吸收,大部分被人体皮肤反射回来,投射到光敏接收管上,人体手腕中的血液量随着脉搏节奏变化,人体吸收进去的光波粒子量跟随变化,投射返回到光敏接收管的光波粒子量也跟随变化,最后输出的心率电信号也跟随这个变化。
在本实施例中,在确定所述数据采集区间时长和单个自然心率周期内数据采集点的密度后即可在所述数据采集区域时长内按照所述单个自然心率周期内数据采集点的密度对该数据采集区域时长所包含的各个自然心率周期内的心率电信号数据进行采集,同时会采集各个心率电信号数据所对应采集的时间点数据。
步骤S104,根据所述同趋势数据统计方式以及同质数据误差标准对采集的人体的心率电信号数据和各心率电信号数据所对应的时间点数据进行分析,得到若干组互为同趋势同质数据的心率电信号数据集;每组心率电信号数据集中包括若干组互为同质数据的两个心率电信号数据。
在本实施例中,根据所述同趋势数据统计方式以及所述同质数据误差标准对采集到人体的心率电信号数据和各心率电信号数据所对应的时间点数据进行分析,得到若干组互为同趋势同质数据的心率电信号集具体包括:
根据所述同趋势数据统计方式从采集到的人体心率电信号数据中统计出若干组互为同趋势数据的心率电信号数据集。例如:若所述同趋势数据统计方式为在相邻自然心率周期内统计同趋势数据,则在图2a中可以统计到A点到B点采集到的心率电信号数据集与C点到D点采集到的心率电信号数据集互为同趋势数据;若所述同趋势数据统计方式为在跨自然心率周期内统计同趋势数据,则在图2b中可以统计到A点到B点采集到的心率电信号数据集与E点到F点采集到的心率电信号数据集互为同趋势数据。
在统计到若干组互为同趋势数据的心率电信号数据后,再用所述同质数据误差标准将互为同趋势数据中的两个自然心率周期内采集到的各个心率电信号数据进行对比,查找出多组互为同质数据的心率数据,例如:图2c中的1-1、11-22以及111-222均为两个互为同质数据的心率电信号数据,然后将查找出来的若干组互为同质数据的两个心率电信号数据进行登记,即形成了互为同趋势同质数据的心率电信号数据集。
优选的,在本实施例中,在步骤S104之前还可以包括:
采用预设的过滤误差标准对采集到各自然心率周期内人体的心率电信号数据和各心率电信号数据所对应的时间点数据进行过滤处理,滤除各自然心率周期内异常的心率电信号数据和与异常的心率电信号数据所对应的时间点数据。
在本实施例中,当人体处于剧烈运动状态下时,由于心率传感器与人体皮肤贴合的状况变化,必然会引起一定的,甚至是强烈的干扰,其采集的某些数据会明显偏离正常的绝对值变化范围,因此,本实施例中,在采集到人体的心率电信号数据后采用预设的过滤误差标准对相邻时刻采集的心率电信号数据进行比较,若两者之差大于所述过滤误差标准,则将位于后面的那个心率电信号数据作为异常心率电信号数据过滤掉,同时查找出与该异常心率电信号数据所对应的时间点数据,将查找出的时间点数据也过滤掉。这样可以提高后续心率计算结果的准确性。
步骤S105,计算各组心率电信号数据集内同质数据间的平均时间间隔。
在本实施例中,在获取到各组互为同趋势同质数据的心率电信号数据集后,首先计算出各组心率电信号数据集中各组同质数据间的时间间隔,例如:图2d中a1-b1之间的时间间隔Δt1,a2-b2之间的时间间隔Δt2以及a3-b3之间的时间间隔Δt3;然后再对各组心率电信号数据集中各个同质数据间的时间间隔进行求和求平均值,得到各组心率电信号数据集内同质数据间的平均时间间隔,例如:图2d所示心率电信号数据集中同质数据间的平均时间间隔为Δt=(Δt1+Δt2+Δt3)/3。
步骤S106,根据所述各组心率电信号数据集内同质数据间的平均时间间隔,计算得出单个自然心率周期的基本时间间隔。
在本实施例中,由于所述各组心率电信号数据集内同质数据间隔的周期数可能不同,因此在计算得到各组心率电信号数据集所对应的同质数据间的平均时间间隔后,需要将该平均时间间隔换算成各组心率电信号数据集所对应的单个自然心率周期的时间间隔。
在本实施例中,步骤S106具体包括:
若所述人体运动剧烈程度小于或等于预设阈值,则对所述各组心率电信号数据集内同质数据间的平均时间间隔求平均,得到单个自然心率周期的基本时间间隔;
若所述人体运动剧烈程度大于所述预设阈值,则将所述各组心率电信号数据集内同质数据间的平均时间间隔按照绝对值从大到小的顺序进行排序,依次计算出两两相邻的平均时间间隔的绝对值之间的差值,对计算得到的各个差值求平均,得到单个自然心率周期的基本时间间隔。
步骤S107,根据所述单个自然心率周期的基本时间间隔计算得出所述人体的心率值,将所述心率值输出给用户。
在本实施例中,在获取到人体单个自然心率周期的基本时间间隔后即可根据该基本时间间隔计算得到所述人体的心率值。例如:若所述人体单个自然心率周期的基本时间间隔为0.476666秒,那么用60秒来除以这个0.476666,即可得到人体的心率值:60/0.476666=125.8次/每分钟,四舍五入,记为126次/分钟,那么最后显示给用户的心率值就是126。
以上可以看出,本实施例提供的心率测量方法由于采用根据人体运动剧烈程度的大小调整单个自然心率周期内心率电信号数据采集的密度及总的数据采集时长,而非以现有技术中固定的较长时间进行心率电信号数据的采集与计算,从而可以有效节约智能穿戴设备电池的能耗,减少测试时间,并且既适用于静态下的人体心率测量,也适用于运动状态下的人体心率测量;此外,由于通过统计若干组同趋势同质数据,然后计算出各组同趋势同质数据内同质数据间的平均时间间隔,并根据统计出的各组同趋势同质数据间的平均时间间隔计算得到单个人体自然心率周期的基本时间间隔,再根据单个人体自然心率周期的基本时间间隔来计算输出人体的心率值,从而可以提高测试结果的精确度。
图3是本发明另一实施例提供的心率测量方法的实现流程示意图。参见图3所示,该实施例中步骤301~步骤S306的实现过程由于分别与上一实施例中步骤S101~步骤S106的实现过程完全相同,因此在此不再赘述。相对于上一实施例,本实施例中进一步限定在若所述人体运动剧烈程度大于预设阈值,则在步骤S306之后还包括:
步骤S307,判断所述单个自然心率周期的基本时间间隔是否在预设的时间范围内,所述预设的时间范围为大于0.33秒小于0.55秒;若在所述预设的时间范围内,则进入步骤S308;若不在所述预设的时间范围内,则返回到步骤S302对所述单个自然心率周期内数据采集点密度、总的数据采集区间时长、同趋势数据统计方式以及同质数据误差标准进行优化后,重新对所述人体进行心率测量。
步骤S308,根据单个自然心率周期的基本时间间隔计算得出所述人体的心率值,将所述心率值输出给用户。
人体处于运动状态下,心率值不可能超越自然的范围。一般情况下,人体在运动状态下,单个自然心率周期的时间间隔取值范围为0.33秒到0.55秒,由于在人体运动剧烈程度较大的情况下,容易出现误检的情况。因此,本实施例中,在人体运动剧烈程度较大情况下,需要对心率检测结果进行验证,判断其是否符合实际。优选的,在本实施例,若计算得到的单个自然心率周期的基本时间间隔在0.33秒至0.55秒范围内,则说明心率检测结果可靠,此时进入到步骤S308中计算出心率值,并将计算出的心率值输出给用户;反之,若计算得到的单个自然心率周期的基本时间间隔超出0.33秒至0.55秒的范围,则说明心率检测存在偏差,此时返回到步骤S302,重新根据人体运动剧烈程度对单个自然心率周期内数据采集点密度、总的数据采集区间时长、同趋势数据统计方式以及同质数据误差标准进行优化,并利用优化后的参数重新对所述人体进行心率测量。
相对于上一实施例,本实施例提供的心率测量方法由于在人体运动剧烈程度超过预设阈值时,对其心率检测数据的可靠性进行验证,并在验证通过时,才将计算得到的人体心率值输出给用户,这样能够进一步保证心率检测结果的可靠性。
下面例举一具体实现示例,详细阐述本实施例提供的心率测量方法的测量步骤:
当人体处于轻度的运动状态时,智能穿戴设备的控制系统会根据从加速度传感器采集到的加速度数据,将总的数据采集区间缩减到一个较小的水平,例如:从图4a中的A点到B点与对应的C点到D点,就能采集到足够数量的同趋势同质数据,这样由于缩小数据采集区间,不仅可以降低计算量,而且还可以节省智能穿戴设备电池的能耗。
在各个自然心率周期内,由于运动剧烈程度小,其存在的干扰相对较小,所述智能设备穿戴设备的控制系统在相邻自然周期内统计得到的同趋势同质数据,在两组互为同趋势同质数据的心率电信号数据集之间,智能穿戴设备会利用预先设定的同质数据误差条件将各组互为同质数据的心率电信号数据进行比较,然后分别记录符合条件的每两个互为同质数据的心率电信号数据之间的时间间距值,将各同趋势同质数据小组内的时间间距系列值先计和求平均值,然后对各个组别的平均值结果再计和求平均值,即可得到单个自然心率周期的基本时间间隔,然后将该基本时间间隔换算成用户的心率值输出给用户即可。
当人体的运动剧烈程度增加时,在各个自然心率周期内,会出现相对更多一些的干扰,为了采集到满足计算所需要的可用数据,智能穿戴设备会自动提高单个自然心率周期内数据采集点密度以及总的数据采集区间。例如:在图4b中,将A点到B点,以及对应的C点到D点的时间就比图4a中延长。然后,按照图4a所示实施例中同样的方式计算得到用户的心率值。
当人体的运动剧烈程度继续增加到大于预设阈值,处于较高程度的剧烈运动情况下时,此时即使智能穿戴设备在整个自然心率周期高密度的采集数据,仍然无法按照上述方式采集到足够的同趋势同质近似数据来进行分组求和求平均运算,那么将采取如图4c所示的方式,调整和适当放宽同质数据标准,以便在跨自然周期中采集到多一些的同质数据;采集更长时间间隔的同质数据,允许接受最长1.65秒时间长度间的同质数据(约为5倍自然心率周期时间),也将便于在跨自然周期中采集到多一些的同质数据,并且利用这些跨自然周期的长时间间隔数据来弥补和校正精度上的损失。
例如:图4c中的1-2线段,11-22线段以及111-222线段就代表了跨越不同的自然心率周期里同质数据的时间间隔值,在获取最低限度数量的不同长度的时间间隔数据后,首先对采集到的数据中有两个或两个以上的绝对值相近似的时间数据做预处理,即对各组符合同质数据误差标准允许的接近数据间的时间间距求和求平均值,在求出平均值后,在根据各组互为同趋势同质数据的两组心率电信号数据间间隔的周期数,计算出各组同趋势同质数据所所对应的单个自然心率周期的时间间距,然后在得到的结果中,再用绝对值最大的值减去绝对值次大的值(保留结果),用绝对值次大的值减去绝对值第三大的值(保留结果),依此规律类推到最小的值被减而求出所有减法算式的差值(保留结果),根据这些求差所得到的各个结果值,可以筛选出多个绝对值接近相等的有效平均值,对这些有效平均值计和求平均值后,得出校正后的单个自然心率周期的基本时间间隔。如果计算得到的所述基本时间间隔在0.33秒至0.55秒之内,符合运动心率自然周期规则,则将该基本时间间隔换算为心率值后输出给用户;反之,则重新对数据采集点密度、总的数据采集区间、同趋势数据统计方式以及同质数据误差标准进行优化后,再次重复心率测量流程,重新计算所述人体的心率值,直至检测到符合实际情况的人体心率值为止。这样能够进一步保证心率检测结果的可靠性。
图5是本发明实施例提供的心率测量装置的结构示意图。该心率测量装置应用于智能穿戴设备中。为了便于说明,仅仅示出了与本实施例相关的部分。
参见图5所示,本实施例提供的心率测量装置5包括:
运动检测单元51,用于检测人体运动剧烈程度的大小;
决策单元52,用于根据所述人体运动剧烈程度的大小调整单个自然心率周期内数据采集点密度、总的数据采集区间时长、同趋势数据统计方式以及同质数据误差标准;
采集单元53,用于根据所述数据采集区间时长和所述数据采集点密度采集若干自然心率周期内人体的心率电信号数据和各心率电信号数据所对应的时间点数据;
分组单元54,用于根据所述同趋势数据统计方式以及同质数据误差标准对采集的人体的心率电信号数据和各心率电信号数据所对应的时间点数据进行分析,得到若干组互为同趋势同质数据的心率电信号数据集;每组心率电信号数据集中包括若干组互为同质数据的两个心率电信号数据;
第一计算单元55,用于计算各组心率电信号数据集内同质数据间的平均时间间隔;
第二计算单元56,用于根据所述各组心率电信号数据集内同质数据间的平均时间间隔,计算得出单个自然心率周期的基本时间间隔;
第三计算单元57,用于根据所述单个自然心率周期的基本时间间隔计算得出所述人体的心率值,将所述心率值输出给用户。
可选的,所述决策单元52包括:
第一决策子单元521,用于根据所述人体运动剧烈程度的大小与所述数据采集点密度和所述总的数据采集区间时长成正比的规则确定单个自然心率周期内数据采集点密度和总的数据采集区间时长;
第二决策子单元522,用于根据若人体运动剧烈程度小于或等于预设阈值,则在相邻自然心率周期内统计同趋势数据;若人体运动剧烈程度大于预设阈值,则在跨自然心率周期内统计同趋势数据的规则确定同趋势数据统计方式;
第三决策子单元523,用于根据所述人体运动剧烈程度的大小与所述同质数据误差标准成正比的规则确定同质数据误差标准。
可选的,所述第二计算单元56具体用于:
若所述人体运动剧烈程度小于或等于预设阈值,则对所述各组心率电信号数据集内同质数据间的平均时间间隔求平均,得到单个自然心率周期的基本时间间隔;
若所述人体运动剧烈程度大于所述预设阈值,则将所述各组心率电信号数据集内同质数据间的平均时间间隔按照绝对值从大到小的顺序进行排序,依次计算出两两相邻的平均时间间隔的绝对值之间的差值,对计算得到的各个差值求平均,得到单个自然心率周期的基本时间间隔。
可选的,所述心率测量装置5还包括:
过滤单元58,用于采用预设的过滤误差标准对采集到各自然心率周期内人体的心率电信号数据和各心率电信号数据所对应的时间点数据进行过滤处理,滤除各自然心率周期内异常的心率电信号数据和与异常的心率电信号数据所对应的时间点数据。
可选的,参见图6所示,在另一实施例中,所述心率测量装置5还包括判断单元59,用于:
若所述人体运动剧烈程度大于预设阈值,则判断所述单个自然心率周期的基本时间间隔是否在预设的时间范围内,所述预设的时间范围为大于0.33秒小于0.55秒;
若在所述预设的时间范围内,则进入根据所述单个自然心率周期的基本时间间隔计算得出所述人体的心率值,将所述心率值输出给用户的步骤;
若不在所述预设的时间范围内,则对所述单个自然心率周期内数据采集点密度、总的数据采集区间时长、同趋势数据统计方式以及同质数据误差标准进行优化后,重新对所述人体进行心率测量。
需要说明的是,本发明实施例提供的上述装置的各个单元,由于与本发明方法实施例基于同一构思,其带来的技术效果与本发明方法实施例相同,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
因此,可以看出,本实施例提供的心率测量装置由于采用根据人体运动剧烈程度的大小调整单个自然心率周期内心率电信号数据采集的密度及总的数据采集时长,而非以现有技术中固定的较长时间进行心率电信号数据的采集与计算,从而可以有效节约智能穿戴设备电池的能耗,减少测试时间,并且既适用于静态下的人体心率测量,又适用于运动状态下的人体心率测量;此外,由于通过统计若干组同趋势同质数据,然后计算出各组同趋势同质数据内同质数据间的平均时间间隔,并根据统计出的各组同趋势同质数据间的平均时间间隔计算得到单个人体自然心率周期的基本时间间隔,再根据单个人体自然心率周期的基本时间间隔来计算输出人体的心率值,从而可以提高测试结果的精确度。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图7是本发明实施例提供的智能穿戴设备的示意图。如图7所示,该实施例的智能穿戴设备包括:处理器70、存储器71以及存储在所述存储器71中并可在所述处理器70上运行的计算机程序72。所述处理器70执行所述计算机程序72时实现上述各个方法实施例中的步骤,例如图1所示的步骤S101至S108。或者,所述处理器70执行所述计算机程序72时实现上述各装置实施例中各模块/单元的功能,例如图5所示模块51至58的功能。
示例性的,所述处理器70执行所述计算机程序72时实现以下步骤:
检测人体运动剧烈程度的大小;
根据所述人体运动剧烈程度的大小调整单个自然心率周期内数据采集点密度、总的数据采集区间时长、同趋势数据统计方式以及同质数据误差标准;
根据所述数据采集区间时长和所述数据采集点密度采集若干自然心率周期内人体的心率电信号数据和各心率电信号数据所对应的时间点数据;
根据所述同趋势数据统计方式以及同质数据误差标准对采集的人体的心率电信号数据和各心率电信号数据所对应的时间点数据进行分析,得到若干组互为同趋势同质数据的心率电信号数据集;每组心率电信号数据集中包括若干组互为同质数据的两个心率电信号数据;
计算各组心率电信号数据集内同质数据间的平均时间间隔;
根据所述各组心率电信号数据集内同质数据间的平均时间间隔,计算得出单个自然心率周期的基本时间间隔;
根据所述单个自然心率周期的基本时间间隔计算得出所述人体的心率值,将所述心率值输出给用户。
所述智能穿戴设备可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是智能穿戴设备的示例,并不构成对智能穿戴设备7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述智能穿戴设备还可以包括输入输出设备、网络接入设备等。
所称处理器70可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器71可以是所述智能穿戴设备的内部存储单元,例如智能穿戴设备的硬盘或内存。所述存储器71也可以是所述智能穿戴设备的外部存储设备,例如所述智能穿戴设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器71还可以既包括所述智能穿戴设备的内部存储单元也包括外部存储设备。所述存储器71用于存储所述计算机程序以及所述终端所需的其他程序和数据。所述存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (8)
1.一种心率测量方法,其特征在于,包括:
检测人体运动剧烈程度的大小;
根据所述人体运动剧烈程度的大小调整单个自然心率周期内数据采集点密度、总的数据采集区间时长、同趋势数据统计方式以及同质数据误差标准,其中,所述同趋势数据指将绝对值从小到大有序递增或者从大到小有序递减,并且所递增的或递减的绝对值变化量属于允许的误差范围内的数据,所述同质数据是指在连续变化的每一个单个自然心率周期内,一起递增或者一起递减的同趋势数据;
根据所述数据采集区间时长和所述数据采集点密度采集若干自然心率周期内人体的心率电信号数据和各心率电信号数据所对应的时间点数据;
根据所述同趋势数据统计方式以及同质数据误差标准对采集的人体的心率电信号数据和各心率电信号数据所对应的时间点数据进行分析,得到若干组互为同趋势同质数据的心率电信号数据集;每组心率电信号数据集中包括若干组互为同质数据的两个心率电信号数据;
计算各组心率电信号数据集内同质数据间的平均时间间隔;
根据所述各组心率电信号数据集内同质数据间的平均时间间隔,计算得出单个自然心率周期的基本时间间隔;
根据所述单个自然心率周期的基本时间间隔计算得出所述人体的心率值,将所述心率值输出给用户;
其中,所述根据所述人体运动剧烈程度的大小调整单个自然心率周期内数据采集点密度、总的数据采集区间时长、同趋势数据统计方式以及同质数据误差标准包括:
根据所述人体运动剧烈程度的大小与所述数据采集点密度和所述总的数据采集区间时长成正比的规则确定单个自然心率周期内数据采集点密度和总的数据采集区间时长;
根据若人体运动剧烈程度小于或等于预设阈值,则在相邻自然心率周期内统计同趋势数据;若人体运动剧烈程度大于预设阈值,则在跨自然心率周期内统计同趋势数据的规则确定同趋势数据统计方式;
根据所述人体运动剧烈程度的大小与所述同质数据误差标准成正比的规则确定同质数据误差标准。
2.如权利要求1所述的心率测量方法,其特征在于,根据所述各组心率电信号数据集内同质数据间的平均时间间隔,计算得出单个自然心率周期的基本时间间隔包括:
若所述人体运动剧烈程度小于或等于预设阈值,则对所述各组心率电信号数据集内同质数据间的平均时间间隔求平均,得到单个自然心率周期的基本时间间隔;
若所述人体运动剧烈程度大于所述预设阈值,则将所述各组心率电信号数据集内同质数据间的平均时间间隔按照绝对值从大到小的顺序进行排序,依次计算出两两相邻的平均时间间隔的绝对值之间的差值,对计算得到的各个差值求平均,得到单个自然心率周期的基本时间间隔。
3.如权利要求2所述的心率测量方法,其特征在于,所述若所述人体运动剧烈程度大于所述预设阈值,则将所述各组心率电信号数据集内同质数据间的平均时间间隔按照绝对值从大到小的顺序进行排序,依次计算出两两相邻的平均时间间隔的绝对值之间的差值,对计算得到的各个差值求平均,得到单个自然心率周期的基本时间间隔之后还包括:
判断所述单个自然心率周期的基本时间间隔是否在预设的时间范围内;
若在所述预设的时间范围内,则进入根据单个自然心率周期的基本时间间隔计算得出所述人体的心率值,将所述心率值输出给用户的步骤;
若不在所述预设的时间范围内,则对所述单个自然心率周期内数据采集点密度、总的数据采集区间时长、同趋势数据统计方式以及同质数据误差标准进行优化后,重新对所述人体进行心率测量。
4.如权利要求1所述的心率测量方法,其特征在于,所述根据所述同趋势数据统计方式以及同质数据误差标准对采集的人体的心率电信号数据和各心率电信号数据所对应的时间点数据进行分析,得到若干组互为同趋势同质数据的心率电信号数据集之前还包括:
采用预设的过滤误差标准对采集到各自然心率周期内人体的心率电信号数据和各心率电信号数据所对应的时间点数据进行过滤处理,滤除各自然心率周期内异常的心率电信号数据和与异常的心率电信号数据所对应的时间点数据。
5.一种心率测量装置,其特征在于,包括:
运动检测单元,用于检测人体运动剧烈程度的大小;
决策单元,用于根据所述人体运动剧烈程度的大小调整单个自然心率周期内数据采集点密度、总的数据采集区间时长、同趋势数据统计方式以及同质数据误差标准,其中,所述同趋势数据指将绝对值从小到大有序递增或者从大到小有序递减,并且所递增的或递减的绝对值变化量属于允许的误差范围内的数据,所述同质数据是指在连续变化的每一个单个自然心率周期内,一起递增或者一起递减的同趋势数据;
采集单元,用于根据所述数据采集区间时长和所述数据采集点密度采集若干自然心率周期内人体的心率电信号数据和各心率电信号数据所对应的时间点数据;
分组单元,用于根据所述同趋势数据统计方式以及同质数据误差标准对采集的人体的心率电信号数据和各心率电信号数据所对应的时间点数据进行分析,得到若干组互为同趋势同质数据的心率电信号数据集;每组心率电信号数据集中包括若干组互为同质数据的两个心率电信号数据;
第一计算单元,用于计算各组心率电信号数据集内同质数据间的平均时间间隔;
第二计算单元,用于根据所述各组心率电信号数据集内同质数据间的平均时间间隔,计算得出单个自然心率周期的基本时间间隔;
第三计算单元,用于根据所述单个自然心率周期的基本时间间隔计算得出所述人体的心率值,将所述心率值输出给用户;
其中,所述决策单元包括:
第一决策子单元,用于根据所述人体运动剧烈程度的大小与所述数据采集点密度和所述总的数据采集区间时长成正比的规则确定单个自然心率周期内数据采集点密度和总的数据采集区间时长;
第二决策子单元,用于根据若人体运动剧烈程度小于或等于预设阈值,则在相邻自然心率周期内统计同趋势数据;若人体运动剧烈程度大于预设阈值,则在跨自然心率周期内统计同趋势数据的规则确定同趋势数据统计方式;
第三决策子单元,用于根据所述人体运动剧烈程度的大小与所述同质数据误差标准成正比的规则确定同质数据误差标准。
6.如权利要求5所述的心率测量装置,其特征在于,所述第二计算单元具体用于:
若所述人体运动剧烈程度小于或等于预设阈值,则对所述各组心率电信号数据集内同质数据间的平均时间间隔求平均,得到单个自然心率周期的基本时间间隔;
若所述人体运动剧烈程度大于所述预设阈值,则将所述各组心率电信号数据集内同质数据间的平均时间间隔按照绝对值从大到小的顺序进行排序,依次计算出两两相邻的平均时间间隔的绝对值之间的差值,对计算得到的各个差值求平均,得到单个自然心率周期的基本时间间隔。
7.一种智能穿戴设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至4任一项所述方法的步骤。
8.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810079422.0A CN108294737B (zh) | 2018-01-26 | 2018-01-26 | 心率测量方法、装置及智能穿戴设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810079422.0A CN108294737B (zh) | 2018-01-26 | 2018-01-26 | 心率测量方法、装置及智能穿戴设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108294737A CN108294737A (zh) | 2018-07-20 |
CN108294737B true CN108294737B (zh) | 2020-11-13 |
Family
ID=62866580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810079422.0A Active CN108294737B (zh) | 2018-01-26 | 2018-01-26 | 心率测量方法、装置及智能穿戴设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108294737B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109077711B (zh) * | 2018-08-20 | 2021-08-10 | 深圳市元征科技股份有限公司 | 动态心率数据获取方法、装置、穿戴设备及可读存储介质 |
CN109330580A (zh) * | 2018-11-22 | 2019-02-15 | 深圳市元征科技股份有限公司 | 一种心率监测方法、系统及相关组件 |
CN110123300B (zh) * | 2019-05-14 | 2022-03-18 | 安徽华米信息科技有限公司 | 一种心率检测方法、装置及可穿戴设备 |
CN110634549A (zh) * | 2019-08-13 | 2019-12-31 | 刘芷含 | 针对超重人群的智能化运动管理装置及方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101657156A (zh) * | 2007-02-22 | 2010-02-24 | 皇家飞利浦电子股份有限公司 | 具有传感器布置的心冲击描记术传感器系统以及身体运动的心冲击描记术检测方法 |
CN101953682A (zh) * | 2010-10-15 | 2011-01-26 | 张辉 | 基于袖带装置的心率检测方法 |
CN103596491A (zh) * | 2011-01-21 | 2014-02-19 | 伍斯特理工学院 | 利用移动通信装置的生理参数监测方法 |
CN103781414A (zh) * | 2011-09-16 | 2014-05-07 | 皇家飞利浦有限公司 | 用于估计运动期间的心率的设备和方法 |
CN105193397A (zh) * | 2015-08-24 | 2015-12-30 | 浙江大学 | 一种采样频率可变的人体参数测量系统 |
CN105286845A (zh) * | 2015-11-29 | 2016-02-03 | 浙江师范大学 | 一种适用于可穿戴式心率测量设备的运动噪声消除方法 |
CN105559766A (zh) * | 2015-12-23 | 2016-05-11 | 广州碧德电子科技有限公司 | 一种基于ppg的手腕式动态心率实时测量方法 |
CN105919584A (zh) * | 2016-06-23 | 2016-09-07 | 电子科技大学 | 用于可穿戴心率监测设备的心率估计方法及装置 |
CN106377240A (zh) * | 2016-08-30 | 2017-02-08 | 苏州品诺维新医疗科技有限公司 | 一种检测心跳速率的装置及方法 |
CN106456000A (zh) * | 2014-05-30 | 2017-02-22 | 微软技术许可有限责任公司 | 生物测定信号的基于运动的估计 |
CN107205640A (zh) * | 2014-12-23 | 2017-09-26 | 日东电工株式会社 | 用于去除生理测量结果中的伪像的设备和方法 |
CN107569227A (zh) * | 2017-10-26 | 2018-01-12 | 太仓市同维电子有限公司 | 一种运动状态下心率的处理方法和监测装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5060186B2 (ja) * | 2007-07-05 | 2012-10-31 | 株式会社東芝 | 脈波処理装置及び方法 |
US9005129B2 (en) * | 2012-06-22 | 2015-04-14 | Fitbit, Inc. | Wearable heart rate monitor |
-
2018
- 2018-01-26 CN CN201810079422.0A patent/CN108294737B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101657156A (zh) * | 2007-02-22 | 2010-02-24 | 皇家飞利浦电子股份有限公司 | 具有传感器布置的心冲击描记术传感器系统以及身体运动的心冲击描记术检测方法 |
CN101953682A (zh) * | 2010-10-15 | 2011-01-26 | 张辉 | 基于袖带装置的心率检测方法 |
CN103596491A (zh) * | 2011-01-21 | 2014-02-19 | 伍斯特理工学院 | 利用移动通信装置的生理参数监测方法 |
CN103781414A (zh) * | 2011-09-16 | 2014-05-07 | 皇家飞利浦有限公司 | 用于估计运动期间的心率的设备和方法 |
CN106456000A (zh) * | 2014-05-30 | 2017-02-22 | 微软技术许可有限责任公司 | 生物测定信号的基于运动的估计 |
CN107205640A (zh) * | 2014-12-23 | 2017-09-26 | 日东电工株式会社 | 用于去除生理测量结果中的伪像的设备和方法 |
CN105193397A (zh) * | 2015-08-24 | 2015-12-30 | 浙江大学 | 一种采样频率可变的人体参数测量系统 |
CN105286845A (zh) * | 2015-11-29 | 2016-02-03 | 浙江师范大学 | 一种适用于可穿戴式心率测量设备的运动噪声消除方法 |
CN105559766A (zh) * | 2015-12-23 | 2016-05-11 | 广州碧德电子科技有限公司 | 一种基于ppg的手腕式动态心率实时测量方法 |
CN105919584A (zh) * | 2016-06-23 | 2016-09-07 | 电子科技大学 | 用于可穿戴心率监测设备的心率估计方法及装置 |
CN106377240A (zh) * | 2016-08-30 | 2017-02-08 | 苏州品诺维新医疗科技有限公司 | 一种检测心跳速率的装置及方法 |
CN107569227A (zh) * | 2017-10-26 | 2018-01-12 | 太仓市同维电子有限公司 | 一种运动状态下心率的处理方法和监测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108294737A (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108294737B (zh) | 心率测量方法、装置及智能穿戴设备 | |
US10856777B2 (en) | Method and device for identifying human movement state | |
CN103750820B (zh) | 一种睡眠质量监测方法及装置 | |
CN105263403B (zh) | 生物体信息处理装置以及生物体信息处理方法 | |
CN108937957A (zh) | 检测方法、装置及检测设备 | |
CN112315441B (zh) | 一种鼠标测量心率的方法及装置 | |
CN117379021B (zh) | 基于智能穿戴设备的老年人健康指标监测系统 | |
CN107393260A (zh) | 一种久坐提醒方法、装置和手腕式久坐提醒器 | |
CN105574471B (zh) | 用户行为数据的上传方法、用户行为的识别方法及装置 | |
US20190012515A1 (en) | System and method for detecting spikes in noisy signals | |
CN106326672B (zh) | 入睡检测方法与系统 | |
CN110730630B (zh) | 心率检测方法、装置、芯片、电子装置及存储介质 | |
US8280679B2 (en) | Activity monitor | |
CN112006698A (zh) | 心理状态检测方法、装置、处理设备以及可穿戴设备 | |
CN110960203A (zh) | 一种心血管特性参数检测方法及装置 | |
CN116244660A (zh) | 一种可穿戴设备的多源数据融合方法、装置及电子设备 | |
CN114983372A (zh) | 一种可穿戴运动设备及其数据检测方法、装置及介质 | |
CN112656371A (zh) | 一种基于心率呼吸信号的人体睡眠体征检测方法及系统 | |
CN106352974A (zh) | 一种数字式的声级计脉冲计权方法及装置 | |
CN107928682B (zh) | 一种信息采集传感器以及生理参数获取装置 | |
CN116841401B (zh) | 基于鼠标的健康监测方法、监测单元、鼠标及存储介质 | |
KR20160090714A (ko) | 프로그래머블 멀티모달 생체신호 처리 모듈 및 이를 이용한 헬스케어 플랫폼 | |
CN112545501A (zh) | 一种血液成分浓度检测方法及装置 | |
CN109345258A (zh) | 一种安全支付方法、装置及智能穿戴设备 | |
CN111904407A (zh) | 心率信号处理装置及心率检测装置 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190419 Address after: 518000 Guangdong province Shenzhen Longgang District Bantian Street five and Avenue North 4012 Yuan Zheng Industrial Park. Applicant after: Yuanzheng Science and Technology Co., Ltd., Shenzhen City Address before: 518000 Shenzhen, Guangdong province Longgang District ban Xue Gang Industrial Zone five and Avenue North Yuan Zheng Industrial Park. Applicant before: HESVIT HEALTH TECH CO., LTD. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |