CN108430320B - 基于hmm的自适应频谱图跟踪方法 - Google Patents

基于hmm的自适应频谱图跟踪方法 Download PDF

Info

Publication number
CN108430320B
CN108430320B CN201580085432.XA CN201580085432A CN108430320B CN 108430320 B CN108430320 B CN 108430320B CN 201580085432 A CN201580085432 A CN 201580085432A CN 108430320 B CN108430320 B CN 108430320B
Authority
CN
China
Prior art keywords
heart rate
frequency
average power
past
bins
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
Application number
CN201580085432.XA
Other languages
English (en)
Other versions
CN108430320A (zh
Inventor
李亭骞
孟昭慧
任晋奎
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.)
Intel Corp
Original Assignee
Intel Corp
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 Intel Corp filed Critical Intel Corp
Publication of CN108430320A publication Critical patent/CN108430320A/zh
Application granted granted Critical
Publication of CN108430320B publication Critical patent/CN108430320B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/024—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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • 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
    • A61B5/7221—Determining signal validity, reliability or quality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/29—Graphical models, e.g. Bayesian networks
    • G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Biology (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)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本文一般描述了用于心率监视的系统和方法的实施例。方法可包括在设备处接收包括与潜在心率测量相对应的所表示频率的多个仓的频谱图；从所表示频率的多个仓选择平均功率超过所表示频率的多个仓中其余频率仓的平均功率的频率仓；基于平均功率和过去有效心率来确定频率仓的频率是否表示有效心率；以及响应于确定频率表示有效心率，输出对应于频率的心率。

Description

基于HMM的自适应频谱图跟踪方法
背景技术
据一些技术分析者称，到2020年将会有超过500亿个连接的“物”。这将完全改变当前的基础设施，并将推动工业、产品和服务方面的新的革新。物联网(IoT)是表示通过网络(诸如，因特网)进行通信的设备和系统的术语。设备和系统可包括传感器。IoT设备可包括心率传感器，用于接收光学信号。光学传感器经常受到干扰的负面影响。从光学传感器确定心率的当前方法产生不可靠结果。
附图说明
在附图中(这些附图不一定是按比例绘制的)，相同的数字可以描述在不同视图中的类似的组件。具有不同的字母后缀的相同的数字可以表示类似组件的不同实例。附图一般通过示例的方式而不是限制的方式来图示在本文档中所讨论的各实施例。
图1例示出根据一些实施例的示出心率监视系统的框图。
图2例示出根据一些实施例的用于心率监视的可穿戴设备。
图3例示出根据一些实施例的示出用于确定心率测量范围的技术的流程图。
图4例示出根据一些实施例的示出用于确定心率测量的概率的技术的流程图。
图5例示出根据一些实施例的示出用于确定测量是否与有效心率相对应的技术的流程图。
图6一般例示出根据一些实施例的机器的框图的示例，本文中所讨论的技术(例如，方法)中的任何一项或多项可在该机器上执行。
具体实施方式
心率监视被用于监视健康、锻炼进度、一般健身和乐趣。心率监视的示例包括心率跟踪。心率跟踪是基于光电容积描记术(PPG)的心率监视技术的最终步骤。基于PPG的心率监视技术使用传感器(诸如，脉搏血氧计)来测量光吸收方面的改变。传感器输出被转换成频谱图的光学信号。从频谱图，输出可包括最终心率估计。在示例中，白噪声会干扰光学信号。除由光学感测过程生成的白噪声以外，运动伪像(MA)干扰也会破坏频谱图。在示例中，在预处理步骤中完成的自适应过滤可减少这些噪声，但完全的移除或许是不可能的。剩余的噪声水平仍旧会使基于PPG的心率监视技术失败。例如，搜索具有最大功率的频率分量会在所得心率输出中导致显著而不真实的跳跃，从而准确度会低得不可接受。
一种技术包括搜索和跟踪以通过搜索明显的频率分量来定位可能心率，该明显的频率分量在一些预定义时间段内合理地缓慢且连续地变化。该技术可从先前估计迭代地跟踪至下一估计。跟踪过程利用真实心率以有限的改变速率来连续变化的事实，因此当新的频谱被采样时，接近先前估计的心率可被使用，而不是搜索遍历整个频谱。
此技术冒着失去其他可能心率的风险仅在单条路径上运行。改进的技术可同时跟踪多条路径并输出具有最大似然度的一个。
图1例示出根据一些实施例的示出心率监视系统100的框图。系统100包括频谱图块102、证据发现块104、参数调整块106、跟踪计算块108以及心率输出块110。
频谱图块102包括频谱分析操作，用于分析PPG信号的结果。证据发现块104包括发现证据操作，用于确定合理的频率分量。参数调整块106包括用于心率指数仓的调整转移概率和转移范围操作。跟踪计算块108包括用于心率指数仓的计算和更新跟踪概率操作，并且可包括用于发现具有最大概率的跟踪的操作。跟踪计算块108包括接近最大概率跟踪的搜索操作以及用于降低等待时间的加权操作。心率输出块110包括输出操作，用于输出心率结果。
心率监视系统100可包括用于心率监视的改进技术。改进技术可以考虑给定频谱图中的所有可能的心率改变路径，并且可选择具有最大似然度的一个。隐马尔可夫模型(HMM)可被用于考虑给定频谱图中的所有可能的心率改变路径。参数适应过程可使跟踪较为准确。
HMM是其中被建模的系统被假定为具有未观察到的(即，隐藏的)状态的马尔可夫过程的统计马尔可夫模型。在较简易马尔可夫模型中(例如，马尔可夫链)，状态对观察者直接可见，且状态转移概率是仅有的参数。在HMM中，状态不是直接可见的，但是取决于状态的输出是可见的。
频谱图的每个频率仓可被建模为隐藏状态i(i＝1,2,…,N)，i可表示真实心率等于对应于仓的频率的随机事件。因此对于任一秒t，存在为真的一个隐藏状态，该隐藏状态被表示为qt。由于隐藏状态是时变的，因此真状态可在隐藏状态之间转移并形成时变序列q0,q1,…q(t-1),qt,q(t+1)…变量qt是其值可与时间t处真状态的索引相等的随机变量。变量q可变成具有隐藏状态范围的随机过程。可根据马尔可夫链的属性来表示隐藏状态序列，其中P(qt|qt-1...q1q0)＝P(qt|qt-1)是转移概率。
HMM中的观察结果可包括频谱图中每个频率仓的所测得功率，在真状态频谱功率被表示为o。在示例中，功率E(i)可能较高，因此条件概率P(ot|qt＝i)可与功率E(i)大致成比例。使用具有经动态调整的和预调谐的参数的HMM模型，可估算任何心率轨迹的概率。也可估算当前隐藏状态的概率，并且可确定真实心率的最佳估计。
可应用HMM并且可自适应地调整HMM的参数。频率分量可包括以某一预定概率传送至邻近分量的隐藏状态，并且每个状态可根据某一分布生成频谱的对应频率仓中的指定功率水平。在示例中，可针对给定频谱图估计隐藏状态的后验概率。输出可包括对应于最大后验概率的实时心率。为了适应心率的快速改变并滤除MA干扰，可使用规则以基于人类心率动力学的观察值和先验知识来修改HMM参数。通过计算用于频率分量的后验概率，改进技术可同时跟踪多个可能路径并在其中发现最佳者。通过自适应地调整HMM模型的参数，可更稳健地随时间跟踪快速改变的心率并且可拒绝MA干扰。
根据使用PPG传感器从20个人类测试受试者捕捉的日志数据的仿真结果，改进技术更加精确了15％，其中平均准确度可包括当心率计算的误差在±5％以内时的时间百分比。
图2例示出根据一些实施例的用于心率监视的可穿戴设备200。本文所描述的技术可由终端用户设备(诸如，可穿戴设备200)实现。可穿戴设备200可包括专用心率监视器、智能手表或者可被集成至任何其他可穿戴设备。可穿戴设备200可包括传感器202，诸如光学心率传感器或脉搏血氧计。传感器202可被用于获取可被转换成并输出为频谱图的测量。可从传感器输出(诸如，时变的一维连续电信号)创建频谱图。信号可由模拟前端(AFE)过滤或放大，并且可由模数转换器(ADC)转换成离散时间数字信号。经转换信号可被发送至处理器，用于从经转换信号生成频谱图。频谱图可被输出至可穿戴设备200的处理器，或者可被输出至服务器或其他远程设备，诸如与可穿戴设备200无线连接的移动电话。可使用本文所描述的技术来分析频谱图(在可穿戴设备200、服务器或其他远程设备处)以确定可穿戴设备200的用户的心率。例如，可使用处理电路204分析频谱图。信息可被保存至存储器206。
处理电路204可从由传感器202生成的经转换信号创建频谱图，该频谱图包括与潜在心率测量相对应的所表示频率的多个仓。处理电路204可从所表示频率的多个仓选择具有一平均功率的频率仓，该平均功率为最大平均功率。处理电路204可基于平均功率和过去有效心率来确定该频率仓的中心频率是否表示有效心率。当处理电路204确定中心频率表示有效心率时，处理电路204可例如在显示器208上输出对应于该频率的心率。
图3例示出根据一些实施例的示出用于确定心率测量范围的技术300的流程图。
在示例中，可能心率范围可被限于人类中常见的那些。例如，人的心率通常低于每分钟220跳(200BPM)，且在30BPM以上。典型的心率处于50BPM与160BPM之间，且此范围可被用于覆盖大多数情况。使用50-160BPM的较小范围可允许较高的准确性。
使用在传感器处获取的表示测量的频谱图，可确定频谱图仓。仓可包括频谱图上的频率范围。频率范围可包括代表性频率周围的误差值，这些代表性频率与BPM中的有效心率整数值相对应。例如，仓可包括表示BPM在84.5与85.5之间的频率，具有表示85BPM的中心频率。在另一示例中，仓可表示其他频率范围，诸如表示BPM在72.3与72.5之间的频率。
在示例中，可考虑五个相邻频谱图，诸如表示BPM在71.5至71.7、71.7至71.9、71.9至72.1、72.1至72.3以及72.3至72.5的那些。可确定五个相邻频谱图仓中的每一个的平均功率(例如，表示BPM为71.6、71.8、72、72.2以及72.4)，其中，中心仓可与整数心率(例如，在示例中，72BPM)相对应。可为针对对应心率(诸如，在50BPM与160BPM之间)的五个仓的集合确定平均功率。可使用诸如具有较窄频率范围(例如，表示0.1、0.01、0.001等的BPM差异)或较大频率范围(例如，表示0.5、1、2、5等的BPM差异)的其他频率仓。
可确定频谱图中具有最大平均功率的频率仓。最大平均功率可被称作针对指定频率仓的明显功率(Epower(E功率))，指定频率仓可被称作明显仓(Ebin(E仓))。在示例中，可使用平均功率小于最大平均功率的其他频率。在另一示例中，最大平均功率可在即使噪声存在时也与基于心率信号的支配来使用的唯一频率相对应。
技术300包括在框302处检查针对频谱图频率的Epower以确定Epower是否超过第一阈值。在示例中，第一阈值可包括最小平均功率，诸如100。
在示例中，技术300可依赖于心率在短时间段内将不会过快改变的假设。例如，当通过技术将心率确定为在一秒内是60BPM而在下一秒内是150BPM时，可能会存在误差。可将针对该技术中测得的心率改变的基本改变速率限制为每秒±2个频率仓(例如，对应于大约±4BPM/秒)。在技术300中，当在框302处Epower小于第一阈值时，可在框306处限制范围。
此参数可与HMM转移矩阵的非零概率条目的数量相对应。受限范围可帮助平滑心率曲线，并且可以减少孤立噪声点对于可能的新心率输出的概率计算的影响。
在实践中，例如在短时健身锻炼者中，心率与平常相比会显著地更快改变。技术300包括，当在框302处确定Epower超过第一阈值时，将范围增加至±20频率仓(例如，对应于大约±40BPM/秒)。在较精确的HMM转移模型中，对改变速率的限制可以是动态的而非静态的。在技术300中可自适应地且自动地调谐限制参数，包括逐秒改变。
如果具有超过第一阈值的Epower的Ebin被检测到，则Epower指示可靠真实心率存在于频率Ebin处。默认限制可以是不严格的，从每秒±2频率仓至每秒±20频率仓(例如，与从大约±4至±40bpm/秒的增加相对应)。所增加范围可对应于频率仓，并且对于其他频率仓，限制可保持每秒±2频率仓的默认设置。技术300在来自传感器的信号条件良好且对噪声稳健时允许对快速心率改变的较好跟踪。
例如，考虑当前频率仓30。仓30可以是检测到的Ebin，其具有大于第一阈值的Epower。可从先前频谱的相邻状态的较宽范围改变仓30。另一方面，除检测到的Ebin以外的频率仓或具有低于阈值的Epower的频率仓可能是噪声。在此频率仓中，改变可被限制为较小的默认范围。
例如，下文中的表1示出对应于技术300的范围限制，包括示例自适应转移范围调整。当具有Epower的Ebin超过某一大阈值(诸如，100)时，使用第一仓集以允许心率的大转移(诸如，对应于大约40bpm/秒的20个频率仓)；当具有Epower的Ebin不超过该大阈值时，使用第二仓集以允许小转移(诸如，对应于大约2bpm/秒的2个频率仓)。
Figure BDA0001699736380000061
表1
为了确定在时间“t”处的状态“I”的似然度，可使用前向HMM技术。对于观察值“o”和对应于频率仓“q”的状态，递归技术可被用于确定当前状态qt等于使用下式1的i时、观察值历史o1至ot的联合概率。
式1：
Figure BDA0001699736380000062
使用HMM技术，以下式2可被用于使用先前相邻状态来确定当前状态的概率，使得关于可能的先前状态来确定转移范围和概率。
式2：
Figure BDA0001699736380000063
在式2中，仓“j”的Epower是P(ot|qt＝i，λ)的估计，且从先前状态j转移至当前状态i的转移概率是P(qt＝i|qt-1＝j，λ)。在式2中，先前状态被使用(例如，总合是针对j＝1至N的)。在心率确定的上下文中，可添加转移范围限制以将范围R以外的概率改变成零转移概率。范围限制可包括使用以下式3。
式3：P(qt＝i|qt-1＝j，λ)＝0当|i-j|＞R时
图4例示出根据一些实施例的示出用于确定心率测量的概率的技术400的流程图。
当心率上升时，来自传感器的原始信号常常会具有比心率下降时的原始信号差得多的质量。此现象背后的一个原因是心率增加常常是身体运动的结果，这也将运动伪像引入信号频谱并可能导致噪声。在心率上升时与在心率减小时相比可能更难发现准确的心率测量。概率可被用于对频谱图中的频率仓加权以补偿此困难。
针对对应于心率上升的转移概率(被称作Pup(P向上))可依经验被设置为比针对对应于心率下降的转移概率(被称作Pdown(P向下))大，诸如为了补偿频率在心率增加时的可能的低质量。
针对与心率保持不变相对应的转移概率(被称作Pstay(P不变))可被设置为1，并且可比Pup和Pdown高。Pstay可以是1以鼓励更稳定的心率输出并移除扰动。
在技术400中可自适应地且自动地调谐Pup和Pdown。技术400包括在框402中检查针对指定仓的Epower。在框402中检查Epower包括确定Epower是否大于第二阈值(例如，与来自技术300的第一阈值不同的阈值)，诸如80。第二阈值的值可从频谱图测量依经验确定。当Epower大于依经验确定的第二阈值时，当前仓可被认为是可靠的。在可靠仓中，Pup和Pdown可变得较大以允许对快速心率改变的较好跟踪。转移概率的可靠仓设置可被称为进取设置。
在示例中，可靠仓可进一步被测试以确定进取设置是否适当。技术400包括在框404处检查心率，心率与具有Epower的指定仓相对应。当在框404处确定心率小于第三阈值(例如，可与第一或第二阈值不同的心率阈值)(诸如，130BPM)时，可在框406处使用进取设置。
即使Epower超过第二阈值，还是会存在由MA导致的小量级干扰，尤其是当心率高时(其可以是高强度身体运动的强指示)。在示例中，快速心率上升在心率已经很高时很少会发生。在另一示例中，增加的心率能以减小的速率出现。换言之，当心率增加时，其会不太可能比先前增加增加得大。在框404处，当确定心率超过依经验确定的第三阈值时，保守的转移策略可能是较为合适的，并且可在框408处使用默认设置。当在框402处Epower小于第二阈值时，可在框408处使用默认设置。以下表2例示出针对示例默认设置和示例进取设置的示例概率值，例如第二和第三阈值。
Figure BDA0001699736380000081
表2
基于经调整参数，可使用前向HMM技术来计算和更新频谱图中频率仓的概率。可定位具有最大概率的频率仓，称之为Hbin(H仓)。为了降低延迟时间，如果Ebin和Hbin是同一仓，则可输出对应于此仓的心率。如果Ebin和Hbin接近(例如，它们表示与彼此位于预定数量BPM内的BPM相对应的频率)，则可从Ebin和Hbin内插指示要输出心率的最终仓。在示例中，可将Ebin和Hbin的Epower作为权重来使用以确定内插频率仓。在另一示例中，Hbin或Ebin可被选择为最终仓。可输出对应于最终仓的心率。
图5例示出根据一些实施例的示出用于心率监视的技术500的流程图。技术500包括操作502，用于接收频谱图。技术500包括操作504，用于从频谱图选择频率仓，该频率仓选自由频谱图表示的所表示频率的多个仓。所表示的频率可与潜在心率测量相对应。可使用HMM来选择该频率仓。
技术500包括操作506，用于确定该频率仓的中心频率表示有效心率。操作506可包括确定中心频率包括平均功率，该平均功率是频谱图的最大平均功率。当平均功率超过第一阈值时，中心频率可包括有效心率。操作506可包括通过确定平均功率是否超过80，确定中心频率是否对应于超过130的潜在心率以及确定潜在心率是超过、等于还是小于过去有效心率，使用表2来向中心频率指派概率。基于所指派概率，可诸如在所指派概率超过用于所表示频率的多个仓中的其他中心频率的其他概率时、将该中心频率与所述其他中心频率进行比较以确定该中心频率是否表示有效心率。在另一示例中，所指派概率可乘以针对中心频率的平均功率，并且所得值可与乘以针对所述其他中心频率的概率的平均功率进行比较。技术500包括操作508，用于输出对应于频率的心率。
图6一般例示出根据一些实施例的机器600的框图的示例，本文中所讨论的技术(例如，方法)中的任何一项或多项可在该机器600上执行。在替代实施例中，机器600可作为独立设备来操作或可被连接(例如，联网)至其他机器。在联网的部署中，机器600可以作为服务器-客户端网络环境中的服务器、客户端或服务器和客户端两者来操作。在示例中，机器600可充当对等(P2P)(或其他分布式)网络环境中的对等机器。机器600可以是个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、移动电话、web电器、网络路由器、交换机或桥接器、或者能够执行指定该机器要采取的行动的(顺序的或者以其他方式的)指令的任何机器。此外，虽然只例示出单个机器，但是术语“机器”也应当包括单独或联合地执行一组(或多组)指令以执行本文所讨论的方法的任何一种或多种的机器的任意集合，所述方法诸如云计算、软件即服务(SaaS)和其他计算机集群配置。
如本文中所述的示例可包括逻辑或多个组件、模块或机构，或可在逻辑或多个组件、模块或机构上操作。模块是能够在操作时执行指定操作的有形实体(例如，硬件)。模块包括硬件。在示例中，硬件可被特定地配置成执行特定操作(例如，硬连线的)。在示例中，硬件可包括可配置执行单元(例如，晶体管、电路等)以及包含指令的计算机可读介质，其中指令在操作时将执行单元配置成执行特定操作。配置可在执行单元或加载机构的指导下发生。相应地，执行单元在设备操作时可通信地耦合至计算机可读介质。在此示例中，执行单元可以是多于一个模块的构件。例如，在操作下，执行单元可被第一指令集配置成在一时间点实现第一模块而被第二指令集重新配置成实现第二模块。
机器(例如，计算机系统)600可包括硬件处理器602(例如，中央处理单元(CPU)、图形处理单元(GPU)、硬件处理器核心或者其任何组合)、主存储器604以及静态存储器606，这些部件中的一些或全部可经由互链路(例如，总线)608彼此通信。机器600还可包括显示单元610、字母数字输入设备612(例如，键盘)以及用户界面(UI)导航设备614(例如，鼠标)。在示例中，显示单元610、字母数字输入设备612以及UI导航设备614可以是触摸屏显示器。机器600可附加地包括存储设备(例如，驱动单元)616、信号生成设备618(例如，扬声器)、网络接口设备620以及一个或多个传感器621(诸如，全球定位系统(GPS)传感器、罗盘、加速度计或其他传感器)。机器600可包括连通或者控制一个或多个外围设备(例如，打印机、读卡器等)的输出控制器628，诸如串行(例如，通用串行总线(USB))、并行、或者其他有线或无线(例如，红外线(IR)、近场通信(NFC)等)连接。
存储设备616可包括在其上存储一组或者多组数据结构或指令624(例如，软件)的非瞬态机器可读介质622，该一组或多组数据结构或指令624体现本文中所描述的技术或功能中的任何一者或多者或由本文中所描述的技术或功能中的任何一者或多者利用。指令624还可在机器600执行指令的期间完全地或至少部分地驻留在主存储器604内、驻留在静态存储器606内、或者驻留在硬件处理器602内。在示例中，硬件处理器602、主存储器604、静态存储器606或存储设备616的其中一者或任何组合都可以构成机器可读介质。
虽然机器可读介质622被图示为单一介质，但是术语“机器可读介质”可包括被配置成用于存储一个或多个指令624的单一介质或多个介质(例如，集中式或分布式数据库、或相关联的高速缓存和服务器)。
术语“机器可读介质”包括能够存储、编码或携带供机器600执行并且使机器600执行本公开的任何一项或多项技术的指令，或者能够存储、编码或携带此类指令所使用的或与此类指令相关联的数据结构的任何介质。非限制性的机器可读介质示例可以包括固态存储器以及光和磁介质。机器可读介质的特定示例可包括：非易失性存储器，诸如，半导体存储器设备(例如，电可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM))以及闪存设备；磁盘，诸如，内部硬盘和可移动盘；磁光盘；以及CD-ROM和DVD-ROM盘。
还可以经由利用许多传输协议(例如，帧中继、网际协议(IP)、传输控制协议(TCP)、用户数据报协议(UDP)、超文本传输协议(HTTP)等等)中的任何一种协议的网络接口设备620，通过使用传输介质的通信网络626来进一步发送或接收指令624。示例通信网络可包括局域网(LAN)、广域网(WAN)、分组数据网络(例如，互联网)、移动电话网络(例如，蜂窝网络)、普通老式电话(POTS)网络、以及无线数据网络(例如，称为
Figure BDA0001699736380000111
的电气与电子工程师协会(IEEE)802.11系列标准、称为
Figure BDA0001699736380000112
的IEEE 802.16系列标准、IEEE 802.15.4系列标准、点对点(P2P)网络等)。在示例中，网络接口设备620可包括用于连接到通信网络626的一个或多个物理插口(jack)(例如，以太网、共轴、或电话插口)或者一根或多根天线。在示例中，网络接口设备620可包括使用单输入多输出(SIMO)、多输入多输出(MIMO)，或多输入单输出(MISO)技术中的至少一种无线地通信的多根天线。术语“传输介质”应当包括任何无形的介质，所述任何无形的介质能够存储、编码或携带由机器600执行的指令，并且“传输介质”包括数字或模拟通信信号或者用于促进此类软件的通信的其他无形的介质。
各种注释和示例
这些非限制示例中的每一个可独立存在，或可与其他示例中的一个或多个按照多种排列或组合结合。
示例1是一种用于心率监视的设备，该设备包括处理电路，用于：接收包括与潜在心率测量相对应的所表示频率的多个仓的频谱图；从所表示频率的多个仓选择平均功率超过所表示频率的多个仓中其余频率仓的平均功率的频率仓；基于平均功率和过去有效心率来确定频率仓的频率是否表示有效心率；以及响应于确定频率表示有效心率，输出对应于频率的心率。
在示例2中，示例1的主题任选地包括，进一步包括使用隐马尔可夫模型(HMM)来选择频率仓。
在示例3中，示例1-2中任何一项或多项的主题任选地包括，其中第一频率仓集合被用于在针对明显仓的明显功率超过预定义阈值时确定有效心率，以及其中第二频率仓集合被用于在针对明显仓的明显功率不超过预定义阈值时确定有效心率，其中第二频率仓集合的范围小于第一频率仓集合的范围。
在示例4中，示例1-3中任何一项或多项的主题任选地包括，其中频率在平均功率超过100且频率在与表示过去有效心率的过去频率相差20以内时表示有效心率，或者频率在平均功率低于100且频率在与表示过去有效心率的过去频率相差2以内时表示有效心率。
在示例5中，示例1-4中任何一项或多项的主题任选地包括，其中确定频率仓的频率是否表示有效心率包括对最大平均功率的使用，其中从乘以平均功率的概率确定最大平均功率。
在示例6中，示例5的主题任选地包括，进一步包括确定心率等于过去有效心率，并且其中概率是100％。
在示例7中，示例5-6中任何一项或多项的主题任选地包括，进一步包括确定平均功率是否超过与过去有效心率相对应的过去平均功率，任选地包括其中确定频率仓的频率是否表示有效心率包括对预定义概率的使用，该预定义概率基于平均功率是小于还是大于预定义阈值、以及平均功率是否超过过去平均功率。
在示例8中，示例7的主题任选地包括，其中当平均功率小于80且平均功率超过过去平均功率时，概率是60％。
在示例9中，示例7-8中任何一项或多项的主题任选地包括，其中当平均功率小于80且平均功率低于过去平均功率时，概率是40％。
在示例10中，示例7-9中任何一项或多项的主题任选地包括，进一步包括，当平均功率大于80时，确定与频率仓的频率相对应的心率是否超过每分钟130跳。
在示例11中，示例10的主题任选地包括，其中当心率超过每分钟130跳且大于过去有效心率时，概率是90％。
在示例12中，示例10-11中任何一项或多项的主题任选地包括，其中当心率超过每分钟130跳且小于过去有效心率时，概率是70％。
在示例13中，示例10-12中任何一项或多项的主题任选地包括，其中当心率低于每分钟130跳且大于过去有效心率时，概率是60％。
在示例14中，示例10-13中任何一项或多项的主题任选地包括，其中当心率低于每分钟130跳且小于过去有效心率时，概率是40％。
在示例15中，示例1-14中任何一项或多项的主题任选地包括，其中设备是可穿戴设备。
示例16是一种用于心率监视的方法，该方法包括：在设备处接收包括与潜在心率测量相对应的所表示频率的多个仓的频谱图；从所表示频率的多个仓选择平均功率超过所表示频率的多个仓中其余频率仓的平均功率的频率仓；基于平均功率和过去有效心率来确定频率仓的频率是否表示有效心率；以及响应于确定频率表示有效心率，输出对应于频率的心率。
在示例17中，示例16的主题任选地包括，进一步包括使用隐马尔可夫模型(HMM)来选择频率仓。
在示例18中，示例16-17中任何一项或多项的主题任选地包括，其中频率在平均功率超过100且频率在与表示过去有效心率的过去频率相差20以内时表示有效心率。
在示例19中，示例16-18中任何一项或多项的主题任选地包括，其中频率在平均功率低于100且频率在与表示过去有效心率的过去频率相差2以内时表示有效心率。
在示例20中，示例16-19中任何一项或多项的主题任选地包括，其中确定频率仓的频率是否表示有效心率包括对最大平均功率的使用，其中从乘以平均功率的概率确定最大平均功率。
在示例21中，示例20的主题任选地包括，进一步包括确定与频率仓的频率相对应的心率等于过去有效心率，并且其中概率是100％。
在示例22中，示例20-21中任何一项或多项的主题任选地包括，进一步包括确定平均功率是否超过与过去有效心率相对应的过去平均功率。
在示例23中，示例22的主题任选地包括，其中当平均功率小于80且平均功率超过过去平均功率时，概率是60％。
在示例24中，示例22-23中任何一项或多项的主题任选地包括，其中当平均功率小于80且平均功率低于过去平均功率时，概率是40％。
在示例25中，示例22-24中任何一项或多项的主题任选地包括，进一步包括，当平均功率大于80时，确定与频率仓的频率相对应的心率是否超过每分钟130跳。
在示例26中，示例25的主题任选地包括，其中当心率超过每分钟130跳且大于过去有效心率时，概率是90％。
在示例27中，示例25-26中任何一项或多项的主题任选地包括，其中当心率超过每分钟130跳且小于过去有效心率时，概率是70％。
在示例28中，示例25-27中任何一项或多项的主题任选地包括，其中当心率低于每分钟130跳且大于过去有效心率时，概率是60％。
在示例29中，示例25-28中任何一项或多项的主题任选地包括，其中当心率低于每分钟130跳且小于过去有效心率时，概率是40％。
在示例30中，示例16-29中任何一项或多项的主题任选地包括，其中设备是可穿戴设备。
示例31是至少一种机器可读介质，包括用于计算系统操作的指令，该指令在被机器执行时，使机器执行示例16-30的方法中的任一项的操作。
示例32是一种包括用于执行示例16-30的方法中的任一项的装置的设备。
示例33是至少一种机器可读介质，包括指令，该指令在被执行时，使机器执行用于心率监视的操作，该操作包括：在设备处接收包括与潜在心率测量相对应的所表示频率的多个仓的频谱图；从所表示频率的多个仓选择平均功率超过所表示频率的多个仓中其余频率仓的平均功率的频率仓；基于平均功率和过去有效心率来确定频率仓的频率是否表示有效心率；以及响应于确定频率表示有效心率，输出对应于频率的心率。
在示例34中，示例33的主题任选地包括，进一步包括使用隐马尔可夫模型(HMM)来选择频率仓。
在示例35中，示例33-34中任何一项或多项的主题任选地包括，其中频率在平均功率超过100且频率在与表示过去有效心率的过去频率相差20以内时表示有效心率。
在示例36中，示例33-35中任何一项或多项的主题任选地包括，其中频率在平均功率低于100且频率在与表示过去有效心率的过去频率相差2以内时表示有效心率。
在示例37中，示例33-36中任何一项或多项的主题任选地包括，其中确定频率仓的频率是否表示有效心率包括对最大平均功率的使用，其中从乘以平均功率的概率确定最大平均功率。
在示例38中，示例37的主题任选地包括，进一步包括确定与频率仓的频率相对应的心率等于过去有效心率，并且其中概率是100％。
在示例39中，示例37-38中任何一项或多项的主题任选地包括，进一步包括确定平均功率是否超过与过去有效心率相对应的过去平均功率。
在示例40中，示例39的主题任选地包括，其中当平均功率小于80且平均功率超过过去平均功率时，概率是60％。
在示例41中，示例39-40中任何一项或多项的主题任选地包括，其中当平均功率小于80且平均功率低于过去平均功率时，概率是40％。
在示例42中，示例39-41中任何一项或多项的主题任选地包括，进一步包括，当平均功率大于80时，确定与频率仓的频率相对应的心率是否超过每分钟130跳。
在示例43中，示例42的主题任选地包括，其中当心率超过每分钟130跳且大于过去有效心率时，概率是90％。
在示例44中，示例42-43中任何一项或多项的主题任选地包括，其中当心率超过每分钟130跳且小于过去有效心率时，概率是70％。
在示例45中，示例42-44中任何一项或多项的主题任选地包括，其中当心率低于每分钟130跳且大于过去有效心率时，概率是60％。
在示例46中，示例42-45中任何一项或多项的主题任选地包括，其中当心率低于每分钟130跳且小于过去有效心率时，概率是40％。
在示例47中，示例33-46中任何一项或多项的主题任选地包括，其中设备是可穿戴设备。
示例48是一种用于心率监视的设备，设备包括：用于在一设备处接收包括与潜在心率测量相对应的所表示频率的多个仓的频谱图的装置；用于从所表示频率的多个仓选择平均功率超过所表示频率的多个仓中其余频率仓的平均功率的频率仓的装置；用于基于平均功率和过去有效心率来确定频率仓的频率是否表示有效心率的装置；以及用于响应于确定频率表示有效心率而输出对应于频率的心率的装置。
在示例49中，示例48的主题任选地包括，进一步包括用于使用隐马尔可夫模型(HMM)来选择频率仓的装置。
在示例50中，示例48-49中任何一项或多项的主题任选地包括，其中频率在平均功率超过100且频率在与表示过去有效心率的过去频率相差20以内时表示有效心率。
在示例51中，示例48-50中任何一项或多项的主题任选地包括，其中频率在平均功率低于100且频率在与表示过去有效心率的过去频率相差2以内时表示有效心率。
在示例52中，示例48-51中任何一项或多项的主题任选地包括，其中确定频率仓的频率是否表示有效心率包括对最大平均功率的使用，其中从乘以平均功率的概率确定最大平均功率。
在示例53中，示例52的主题任选地包括，进一步包括用于确定与频率仓的频率相对应的心率等于过去有效心率的装置，并且其中概率是100％。
在示例54中，示例52-53中任何一项或多项的主题任选地包括，进一步包括用于确定平均功率是否超过与过去有效心率相对应的过去平均功率的装置。
在示例55中，示例54的主题任选地包括，其中当平均功率小于80且平均功率超过过去平均功率时，概率是60％。
在示例56中，示例54-55中任何一项或多项的主题任选地包括，其中当平均功率小于80且平均功率低于过去平均功率时，概率是40％。
在示例57中，示例54-56中任何一项或多项的主题任选地包括，进一步包括，当平均功率大于80时，用于确定与频率仓的频率相对应的心率是否超过每分钟130跳的装置。
在示例58中，示例57的主题任选地包括，其中当心率超过每分钟130跳且大于过去有效心率时，概率是90％。
在示例59中，示例57-58中任何一项或多项的主题任选地包括，其中当心率超过每分钟130跳且小于过去有效心率时，概率是70％。
在示例60中，示例57-59中任何一项或多项的主题任选地包括，其中当心率低于每分钟130跳且大于过去有效心率时，概率是60％。
在示例61中，示例57-60中任何一项或多项的主题任选地包括，其中当心率低于每分钟130跳且小于过去有效心率时，概率是40％。
在示例62中，示例48-61中任何一项或多项的主题任选地包括，其中设备是可穿戴设备。
本文所描述的方法可至少部分是机器或计算机实现的。一些示例可包括用指令编码的计算机可读介质或机器可读介质，该指令可操作用于配置电子设备以执行如以上示例中所述的方法。此类方法的实现可包括代码，诸如微码、汇编语言代码、较高级语言代码等。此类代码可包括用于执行各种方法的计算机可读指令。代码可形成计算机程序产品的一部分。此外，在示例中，代码可被有形地存储在一个或多个易失性、非瞬态或非易失性有形计算机可读介质上，诸如在执行期间或其他时间。这些有形计算机可读介质的示例可包括但不限于硬盘、可移动磁盘、可移动光盘(例如，紧凑和数字视频盘)、磁带盒、存储卡或棒、随机存取存储器(RAM)、只读存储器(ROM)等。

Claims (23)

1.一种用于心率监视的设备，所述设备包括处理电路，用于：
接收包括与潜在心率测量相对应的所表示频率的多个仓的频谱图；
使用隐马尔可夫模型HMM从所表示频率的所述多个仓选择具有第一平均功率的频率仓，所述第一平均功率超过所表示频率的所述多个仓中其余频率仓的平均功率；
基于所述第一平均功率和过去有效心率来确定所述频率仓的频率是否表示有效心率；以及
响应于确定所述频率表示有效心率，输出对应于所述频率的心率。
2.如权利要求1所述的设备，其特征在于，第一频率仓集合被用于确定针对明显仓的明显功率超过预定义阈值时的所述有效心率，以及其中第二频率仓集合被用于确定针对所述明显仓的所述明显功率不超过所述预定义阈值时的所述有效心率，其中所述第二频率仓集合的范围小于所述第一频率仓集合的范围，其中，所述明显功率是所述频谱图中的频率仓所具有的最大平均功率，并且所述明显仓是具有所述明显功率的频率仓。
3.如权利要求1所述的设备，其特征在于，所述频率在所述第一平均功率超过100且所述频率在与表示所述过去有效心率的过去频率相差20以内时表示所述有效心率。
4.如权利要求1所述的设备，其特征在于，所述频率在所述第一平均功率低于100且所述频率在与表示所述过去有效心率的过去频率相差2以内时表示所述有效心率。
5.如权利要求1所述的设备，其特征在于，确定所述频率仓的频率是否表示有效心率包括对最大平均功率的使用，其中从乘以所述第一平均功率的概率确定所述最大平均功率。
6.如权利要求5所述的设备，其特征在于，在确定所述心率等于所述过去有效心率时，所述概率是100%。
7.如权利要求5所述的设备，其特征在于，进一步包括确定所述第一平均功率是否超过与所述过去有效心率相对应的过去平均功率。
8.如权利要求7所述的设备，其特征在于，确定所述频率仓的频率是否表示有效心率包括对预定义概率的使用，所述预定义概率基于所述第一平均功率是小于还是大于预定义阈值，以及所述第一平均功率是否超过所述过去平均功率。
9.如权利要求7所述的设备，其特征在于，当所述第一平均功率小于80且所述第一平均功率超过所述过去平均功率时，所述概率是60%。
10.如权利要求7所述的设备，其特征在于，当所述第一平均功率小于80且所述第一平均功率低于所述过去平均功率时，所述概率是40%。
11.如权利要求7所述的设备，其特征在于，进一步包括，当所述第一平均功率大于80时，确定与所述频率仓的所述频率相对应的心率是否超过每分钟130跳。
12.如权利要求11所述的设备，其特征在于，当所述心率超过每分钟130跳且大于所述过去有效心率时，所述概率是90%。
13.如权利要求11所述的设备，其特征在于，当所述心率超过每分钟130跳且小于所述过去有效心率时，所述概率是70%。
14.如权利要求1-13中任一项所述的设备，其中所述设备是可穿戴设备。
15.一种用于心率监视的方法，所述方法包括：
在设备处接收包括与潜在心率测量相对应的所表示频率的多个仓的频谱图；
使用隐马尔可夫模型HMM从所表示频率的所述多个仓选择具有第一平均功率的频率仓，所述第一平均功率超过所表示频率的所述多个仓中其余频率仓的平均功率；
基于所述第一平均功率和过去有效心率来确定所述频率仓的频率是否表示有效心率；以及
响应于确定所述频率表示有效心率，输出对应于所述频率的心率。
16.如权利要求15所述的方法，其特征在于，所述频率在所述第一平均功率超过100且所述频率在与表示所述过去有效心率的过去频率相差20以内时表示所述有效心率。
17.如权利要求15所述的方法，其特征在于，所述频率在所述第一平均功率低于100且所述频率在与表示所述过去有效心率的过去频率相差2以内时表示所述有效心率。
18.如权利要求15所述的方法，其特征在于，确定所述频率仓的频率是否表示有效心率包括对最大平均功率的使用，其中从乘以所述第一平均功率的概率确定所述最大平均功率。
19.如权利要求18所述的方法，其特征在于，进一步包括确定与所述频率仓的所述频率相对应的心率等于所述过去有效心率，并且其中所述概率是100%。
20.如权利要求18所述的方法，其特征在于，进一步包括确定所述第一平均功率是否超过与所述过去有效心率相对应的过去平均功率。
21.如权利要求20所述的方法，其特征在于，当所述第一平均功率小于80且所述平均功率超过所述过去平均功率时，概率是60%。
22.至少一种机器可读介质，包括用于计算系统操作的指令，所述指令在被机器执行时，使所述机器执行如权利要求15-21所述的方法中任一项的操作。
23.一种用于心率监视的设备，所述设备包括：
用于接收包括与潜在心率测量相对应的所表示频率的多个仓的频谱图的装置；
用于使用隐马尔可夫模型HMM从所表示频率的所述多个仓选择具有第一平均功率的频率仓的装置，所述第一平均功率超过所表示频率的所述多个仓中其余频率仓的平均功率；
用于基于所述第一平均功率和过去有效心率来确定所述频率仓的频率是否表示有效心率的装置；以及
用于响应于确定所述频率表示有效心率，输出对应于所述频率的心率的装置。
CN201580085432.XA 2015-12-23 2015-12-23 基于hmm的自适应频谱图跟踪方法 Active CN108430320B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2015/098377 WO2017107085A1 (en) 2015-12-23 2015-12-23 Hmm-based adaptive spectrogram track method

Publications (2)

Publication Number Publication Date
CN108430320A CN108430320A (zh) 2018-08-21
CN108430320B true CN108430320B (zh) 2021-06-15

Family

ID=59088644

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580085432.XA Active CN108430320B (zh) 2015-12-23 2015-12-23 基于hmm的自适应频谱图跟踪方法

Country Status (4)

Country Link
US (1) US11344211B2 (zh)
CN (1) CN108430320B (zh)
DE (1) DE112015007217T5 (zh)
WO (1) WO2017107085A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108430320B (zh) 2015-12-23 2021-06-15 英特尔公司 基于hmm的自适应频谱图跟踪方法
FI128598B (en) * 2019-03-22 2020-08-31 Tampereen Korkeakoulusaeaetioe Sr Apparatus and procedure for QT correction
CN111753600B (zh) * 2019-03-29 2024-05-17 北京市商汤科技开发有限公司 文本识别方法、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012086175A1 (ja) * 2010-12-22 2012-06-28 株式会社ソニー・コンピュータエンタテインメント 信号処理装置、タッチパネルユニット、情報処理装置および信号処理方法
CN103230267A (zh) * 2013-05-14 2013-08-07 北京理工大学 一种抗运动干扰的脉率提取方法
CN103431851A (zh) * 2013-07-15 2013-12-11 浙江工商大学 一种心率监护方法
CN105105737A (zh) * 2015-08-03 2015-12-02 南京盟联信息科技有限公司 基于光电容积描记和谱分析的运动状态心率监测方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2002096288A1 (en) * 2001-05-29 2002-12-05 Reproductive Health Technologies, Inc. System for detection and analysis of material uterine, maternal and fetal cardiac and fetal brain activity
IL155955A0 (en) 2003-05-15 2003-12-23 Widemed Ltd Adaptive prediction of changes of physiological/pathological states using processing of biomedical signal
US6980913B2 (en) 2003-12-30 2005-12-27 Intel Corporation Methods of determining channel information based on energy measured at multiple frequencies
EP1845856B1 (en) * 2005-01-31 2019-03-13 Koninklijke Philips N.V. Method and system for deriving a heart rate without the use of an electrocardiogram in non-3d imaging applications
US20080009916A1 (en) * 2006-05-19 2008-01-10 Cvrx, Inc. Applications of heart rate variability analysis in electrotherapy affecting autonomic nervous system response
US20100113893A1 (en) * 2006-10-12 2010-05-06 Massachusetts Institute Of Technology Method for measuring physiological stress
US20080108906A1 (en) * 2006-11-08 2008-05-08 Kuo-Yuan Chang Method for calculating and analyzing heart rhythm
JP5383200B2 (ja) * 2006-11-29 2014-01-08 富士通株式会社 覚醒度判定方法および覚醒度判定プログラム
EP2206053A4 (en) * 2007-10-03 2012-11-21 Ottawa Hospital Res Inst METHOD AND DEVICE FOR MONITORING THE VARIABILITY OF PHYSIOLOGICAL PARAMETERS OVER TIME FOR ONE OR MORE ORGANS
US9351665B2 (en) 2009-01-14 2016-05-31 Widemed Technologies Ltd. Method and system for detecting a respiratory signal
GB201209413D0 (en) * 2012-05-28 2012-07-11 Obs Medical Ltd Respiration rate extraction from cardiac signals
CN102715897B (zh) * 2012-07-17 2014-06-25 南京大学 一种基于胎心电频谱图确定胎儿平均心率的方法
EP2892421A1 (en) * 2012-09-04 2015-07-15 Whoop, Inc. Systems, devices and methods for continuous heart rate monitoring and interpretation
KR20150113700A (ko) 2014-03-31 2015-10-08 삼성전자주식회사 진단 시스템 및 방법
US10265024B2 (en) * 2014-07-26 2019-04-23 Salutron, Inc. Sensor system for heart rate measurement per axis of shared orientation
CN108430320B (zh) 2015-12-23 2021-06-15 英特尔公司 基于hmm的自适应频谱图跟踪方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012086175A1 (ja) * 2010-12-22 2012-06-28 株式会社ソニー・コンピュータエンタテインメント 信号処理装置、タッチパネルユニット、情報処理装置および信号処理方法
CN103230267A (zh) * 2013-05-14 2013-08-07 北京理工大学 一种抗运动干扰的脉率提取方法
CN103431851A (zh) * 2013-07-15 2013-12-11 浙江工商大学 一种心率监护方法
CN105105737A (zh) * 2015-08-03 2015-12-02 南京盟联信息科技有限公司 基于光电容积描记和谱分析的运动状态心率监测方法

Also Published As

Publication number Publication date
WO2017107085A1 (en) 2017-06-29
US11344211B2 (en) 2022-05-31
DE112015007217T5 (de) 2018-09-13
CN108430320A (zh) 2018-08-21
US20200305735A1 (en) 2020-10-01

Similar Documents

Publication Publication Date Title
JP7249337B2 (ja) ワイヤレス信号の統計パラメータのグルーピングに基づく動き検出
JP7069302B2 (ja) ワイヤレス信号のフィルタ処理された統計パラメータに基づく動き検出
CN108430320B (zh) 基于hmm的自适应频谱图跟踪方法
CN109568760B (zh) 一种睡眠环境调节方法及系统
CN109993125A (zh) 模型训练方法、人脸识别方法、装置、设备及存储介质
US20190059822A1 (en) Heart rate detection method and apparatus, and electronic terminal thereof
CN109946253B (zh) 一种光谱去噪方法
CN106664108B (zh) 消除互调干扰的方法和设备
US10754434B2 (en) Motion gesture capture by selecting classifier model from pose
CN103392332A (zh) 测距与人体运动捕捉
CN110772700B (zh) 自动推送助眠乐曲方法、装置、计算机设备及存储介质
EP2255583A2 (en) Distributed spectrum sensing
WO2003025512A3 (en) Method and apparatus for analysis of variables
CN113270107B (zh) 音频信号中噪声响度的获取方法、装置和电子设备
US20170245784A1 (en) Sensor information processing apparatus
CN108366744A (zh) 用于检测生理参数的系统及方法
CN104739399A (zh) 一种检测脉搏波心率计算中运动抵消的方法
US20180252549A1 (en) Method and apparatus for realizing step counting
EP3207864A1 (en) Sensor information processing apparatus
CN108882913A (zh) 利用s1变化性进行af检测
CN109497984A (zh) 一种心率信号的处理方法及相关设备
CN114742154A (zh) 生成用户画像的方法、设备、电子设备及存储介质
WO2014141682A1 (ja) センサー端末および信号取得方法
US11436205B2 (en) Method and apparatus for predicting parameter values of data entries in data set
CN117453506A (zh) 振动评估方法、装置、计算机设备以及存储介质

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