CN108433719B - 一种基于心电和操控数据的弯道驾驶能力评价方法 - Google Patents
一种基于心电和操控数据的弯道驾驶能力评价方法 Download PDFInfo
- Publication number
- CN108433719B CN108433719B CN201810407258.1A CN201810407258A CN108433719B CN 108433719 B CN108433719 B CN 108433719B CN 201810407258 A CN201810407258 A CN 201810407258A CN 108433719 B CN108433719 B CN 108433719B
- Authority
- CN
- China
- Prior art keywords
- driver
- heart rate
- vehicle
- data
- curve
- 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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
- A61B5/02405—Determining heart rate variability
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/20—Workers
- A61B2503/22—Motor vehicles operators, e.g. drivers, pilots, captains
Abstract
一种基于心电信号和操控数据的驾驶员弯道舒适度评价方法,采用多导生理信号记录仪采集受试驾驶员的心电信号,并对心电信号数据进行处理,计算受试驾驶员心率增长率及心率变异性;通过车辆采集设备采集车辆操控信息,并对采集的车辆操控信息进行处理,计算车辆横向加速度均方根;进行驾驶能力评估,用于对心电信号数据及车辆操控数据进行处理,形成散点图及权重函数,最终对驾驶员操纵能力进行评价。本发明易于运用,检验效果良好,在弯道工况下能够良好的辨识驾驶员的能力,有助于未来智能化汽车辅助驾驶对不同能力驾驶员作不同程度的修正。
Description
技术领域
本发明属于汽车及交通领域,并且涉及心电人机工程学,具体涉及一种基于肌电信号和操控数据的驾驶员换道舒适度评价方法。
背景技术
我国汽车数量稳固上升,驾驶员也从原来的的安全因素越来越向其他因素考虑。无须赘述智能车必将是未来汽车的发展方向,良好的驾驶体验能给驾驶员更加舒适的感觉,也是越来越多车企的目标。目前马自达的GVC系统能够通过对车辆行驶加速度G值的大小和方向进行细微而精确地控制,可以让车辆在转弯时获得最大抓地力,既提升转向的精准度和形式的稳定性,还有助于提高弯道行车的安全性,然而它并不能够根据不同驾驶员的能力给予不同的辅助,可能对新手驾驶员来说它的介入反而使得驾驶员恐慌;而对熟练驾驶员来说可能显得突兀。在日常的弯道工况下,驾驶员能力可以由车辆参数信息共同体现,并且熟练驾驶员心态较新手也明显平静,因此心电数据也被考虑进来。然而目前对驾驶员能力的评价多为主观评价的方式,还不存在基于心电信号和驾驶员操控信息相结合的评价体系,因而无法将驾驶员的能力通过客观量化表现。因此,形成基于心电信号和操控数据的驾驶员弯道能力评价方法有重要意义。
发明内容
本发明是针对现在驾驶员能力评价体系的缺失,通过弯道工况下,对驾驶员的心电信号和车辆行驶信息参数提取并分析,从而提出一种基于心电信号和操控数据的驾驶员弯道舒适度评价方法。这种评价方法易于运用,检验效果良好,在弯道工况下能够良好的辨识驾驶员的能力,有助于未来智能化汽车辅助驾驶对不同能力驾驶员作不同程度的修正。
本发明的目的是通过以下技术方案实现的:
一种基于心电和操控数据的弯道驾驶能力评价方法,主要包括以下过程:
心电信息采集:采用多导生理信号记录仪采集受试驾驶员的心电信号,并对心电信号数据进行处理,计算受试驾驶员心率增长率及心率变异性;
车辆CAN数据采集:通过车辆采集设备采集车辆操控信息,并对采集的车辆操控信息进行处理,计算车辆横向加速度均方根;
驾驶能力评估,用于对心电信号数据及车辆操控数据进行处理,形成散点图及权重函数,最终对驾驶员操纵能力进行评价。
所述的一种基于心电和操控数据的弯道驾驶能力评价方法,心电信息采集步骤中,对心电数据进行处理包括以下步骤:
对采集的原始心电数据进行预处理:将T波的信号衰减,突出R波的信号,去除基线偏移;
对预处理完的心电数据,求出心率及心率变异性来表征驾驶员的紧张程度,具体求法如下:
R-R间期是指两次心跳之间的时间间隔,单位为毫秒(ms),因此某一时刻的心率值可以用捕获相邻R波的周期换算得出:
驾驶员弯道过程中的心率变异性用相邻正常R-R间期差值的均方根或标准差RMSSD来反映,公式如下:
考虑到每个人心率的不同需要对不同人的心率进行归一化处理,引入心率增长率的概念:
其中,Ni表示驾驶员以i的速度过弯时的心率增长率,%;
ni表示驾驶员以i速度过弯时的最大心率值,bpm;
所述的一种基于心电和操控数据的弯道驾驶能力评价方法,对采集的原始心电数据进行预处理包括以下具体步骤:
对获得的原始心电数据进行步骤滤波处理,使用滤波器,将T波的信号衰减,突出R波的信号,同时使用高通滤波,去除基线偏移;
设定峰值阈值、间隔:以整个过程中电信号最小值再加上70%的最大值与最小值之差为阈值,极大值间隔考虑到正常人的最大心率=220-实际年龄,设置最小间隔0.3s;
查看捕获的R波效果;
进行判断,倘若效果不好,调整阈值大小及间隔直至效果良好。
所述的一种基于心电和操控数据的弯道驾驶能力评价方法,车辆CAN数据采集中,对整个过程的车辆横向加速度求均方根,公式如下:
其中,xi为采集到的某个时刻的加速度数据;x为整个过程的加速度均值。
所述的一种基于心电和操控数据的弯道驾驶能力评价方法,驾驶能力评估包括以下过程:
首先以车辆横向加速度均方根与心率变异性RMSSD作散点图,并进行线性拟合从而划分若干区域;
基于心率增长率以及加速度均方根值建立弯道过程驾驶员的能力的综合评价函数,公式如下:
其中,N为驾驶员过弯时的心率增长率;Gy为过弯时横向加速度的均方根;a为修正系数;
综合评价函数建立完成后与散点图对比,检验是否能良好匹配,对于同一个驾驶员能够给出一个良好的评价;
如果反映效果匹配不太好,则以加速度均方根与心率变异性RMSSD作的散点图用来调整综合评价函数的修正系数;
最终以综合评价函数的值的大小来评判驾驶员的能力,函数f值越小,则驾驶员的能力越好。
附图说明
图1为本发明一种基于心电和操控数据的弯道驾驶能力评价方法流程图;
图2为使用的R波捕获流程示意图;
图3为心电滤波后R波捕获效果图;
图4为横向加速度均方根与心率变异性RMSSD作散点图,并进行线性拟合划分为两部分的效果;
图5为建立弯道过程驾驶员的能力的综合评价函数流程图。
具体实施方式
以下结合附图进一步说明本发明的技术方案。
参见图1,一种基于心电和操控数据的弯道驾驶能力评价方法,主要包括心电信息采集部分、车辆CAN数据采集部分、驾驶能力评估部分。其中,所述心电信息采集部分,用于采集驾驶员心电信息;所述车辆CAN数据采集部分,用于采集车辆操控信息;所述驾驶能力评估部分,用于对心电、操控数据进行处理,最后形成散点图及权重函数,最终对驾驶员操纵能力进行评价。
第一部分,心电信息采集部分中,选取受试者左下肋骨附近以及右侧锁骨处分别作为电极贴片正负极的位置,采用多导生理信号记录仪采集受试驾驶员的心电信号时。具体操作方法如下:将用于采集心电信号的电极片贴于驾驶员党的左下肋骨附近以及右侧锁骨处,之后通过电极线将贴片与便携多导生理信号记录仪相连接,调整记录仪的各个通道开关,保证心电通道保持开启,检查该通道的实时心电图像。确认无误后在驾驶员过弯时记录下驾驶员的心电数据。
对心电数据进行处理时,如图2所示主要遵循如下流程:心电信号具有微弱、低频、高阻抗等特性,极容易受到干扰,数据采集中常见干扰有工频干扰、基线漂移、肌电干扰,从信号成分分析,R波的信号成分在20Hz以上,T波成分一般在10Hz以下,这样我们就可以使用滤波器,将T波的信号衰减,突出R波的信号。同时使用高通滤波,去除基线偏移。这样我们就需要设计一个带通滤波器了,带宽在20Hz-30Hz,20Hz是为了去除基线和衰减T波信号,30Hz是保证心电信号保留的状态下,去除一些抖动噪声,特别是50hz的工频干扰。基于本设备的数据采样率是500Hz,所以使用的是32阶FIR滤波器,使用hamming窗。因此对获得的原始心电数据首先进行步骤201滤波处理。滤波后基线很平稳,R波突出,T波基本不见。接下来步骤202设定峰值阈值、间隔,以整个过程中电信号最小值再加上70%的最大值与最小值之差为阈值,因为各个R波的峰值往往比这个值来的大而其他波均在此阈值之下;极大值间隔考虑到正常人的最大心率=220-实际年龄,因为弯道转向驾驶员会紧张,因此设置最小间隔就是0.3s。之后进行203查看捕获的R波效果,良好的效果如图3所示。进行步骤204的判断,倘若效果不好,进行步骤205调整阈值大小及间隔直至效果良好。
针对处理完的心电数据,主要求出心率及心率变异性来表征驾驶员的紧张程度,从而侧面反映其能力。具体求法如下:
①R-R间期是指两次心跳之间的时间间隔,单位为毫秒(ms)。因此某一时刻的心率值可以用权利要求5所述的捕获相邻R波的周期换算得出:
②相邻正常R-R间期差值的均方根或标准差RMSSD,也能很大程度的反映驾驶员弯道过程中的心率变异性,进而一定程度的反映驾驶能力。公式如下:
③考虑到每个人心率的不同需要对不同人的心率进行归一化处理,引入心率增长率的概念:
其中,Ni表示驾驶员以i的速度过弯时的心率增长率,%;
ni表示驾驶员以i速度过弯时的最大心率值,bpm;
注:试验时取前5次的心率值的平均来代替静息心率,因为此时驾驶员并未正式入弯。
第二部分,车辆CAN数据采集部分中,通过车辆信息采集设备实时读取驾驶员在过弯过程中的车辆操控数据时,具体操作方法如下:找到汽车的obd接口,并与车辆采集设备相连接,另一端通过USB接口连接于上位机,该过程中需要得到汽车相关的can协议,才能够实时的读取车辆的操控数据。车辆操控数据使用的是车辆转向过程中的横向加速度,车辆横向加速度的大小及稳定性反映汽车的横摆特性,表现为驾驶员所受横向力的大小和横向摇晃程度,弯道中横向加速度是主要反映驾驶能力的部分,因此对整个过程的车辆横向加速度求均方根,公式如下:
其中,xi为采集到的某个时刻的加速度数据;
第三部分,驾驶能力评估部分中,首先以车辆横向加速度均方根与心率变异性RMSSD作散点图503,并进行线性拟合从而划分若干区域,效果如图4,倘若需要细分可以进一步线性拟合划分更多区域,按照划分区域来区别驾驶员能力;另外,考虑加速度更加能反映驾驶能力,稍稍降低心率增长率对能力的影响程度,初选修正系数501,从而基于心率增长率以及加速度均方根值建立弯道过程驾驶员的能力的综合评价函数502,公式如下:
其中,N为驾驶员过弯时的心率增长率;
Gy为过弯时横向加速度的均方根;
a为修正系数,用来稍微减小心率的影响,一般为0.7左右。
建立完成后与之前的散点图503对比,检验是否能良好匹配,对于同一个驾驶员能够给出一个良好的评价。如果反映效果匹配不太好,则以加速度均方根与心率变异性RMSSD作的散点图用来校正和微调系数a505,尽可能是的评价函数与散点图效果接近。最终以评价函数的值的大小来评判驾驶员的能力,函数f值越小,则驾驶员的能力越好。
Claims (4)
1.一种基于心电和操控数据的弯道驾驶能力评价方法,其特征在于,主要包括以下过程:
心电信息采集:采用多导生理信号记录仪采集受试驾驶员的心电信号,并对心电信号数据进行处理,计算受试驾驶员心率增长率及心率变异性;
车辆CAN数据采集:通过车辆采集设备采集车辆操控信息,并对采集的车辆操控信息进行处理,计算车辆横向加速度均方根;
驾驶能力评估,用于对心电信号数据及车辆操控数据进行处理,形成散点图及权重函数,最终对驾驶员驾驶能力进行评价;
所述驾驶能力评估包括以下过程:
首先以车辆横向加速度均方根与心率变异性RMSSD作散点图,并进行线性拟合从而划分若干区域;
基于心率增长率以及车辆横向加速度均方根值建立弯道过程驾驶员的能力的综合评价函数,公式如下:
其中,Ni为驾驶员以i的速度过弯时的心率增长率;Gy为过弯时车辆横向加速度的均方根;a为修正系数;
综合评价函数建立完成后与散点图对比,检验是否能良好匹配,对于同一个驾驶员能够给出一个良好的评价;
如果反映效果匹配不太好,则以车辆横向加速度均方根与心率变异性RMSSD作的散点图用来调整综合评价函数的修正系数;
最终以综合评价函数的值的大小来评判驾驶员的驾驶能力,函数f值越小,则驾驶员的驾驶能力越好。
2.如权利要求1所述的一种基于心电和操控数据的弯道驾驶能力评价方法,其特征在于,所述心电信息采集步骤中,对心电数据进行处理包括以下步骤:
对采集的原始心电数据进行预处理:将T波的信号衰减,突出R波的信号,去除基线偏移;
对预处理完的心电数据,求出心率及心率变异性来表征驾驶员的紧张程度,具体求法如下:
R-R间期是指两次心跳之间的时间间隔,单位为毫秒,因此某一时刻的心率值可以用捕获相邻R波的周期换算得出:
式中,RRi为第i个相邻R波的间期;
驾驶员弯道过程中的心率变异性用相邻正常R-R间期差值的均方根或标准差RMSSD来反映,公式如下:
式中,RRi为第i个相邻R波的间期;N为R波的总数;
考虑到每个人心率的不同需要对不同人的心率进行归一化处理,引入心率增长率的概念:
其中,Ni表示驾驶员以i的速度过弯时的心率增长率,%;
ni表示驾驶员以i速度过弯时的最大心率值,bpm;
3.如权利要求2所述的一种基于心电和操控数据的弯道驾驶能力评价方法,其特征在于,所述对采集的原始心电数据进行预处理包括以下具体步骤:
对获得的原始心电数据进行步骤滤波处理,使用滤波器,将T波的信号衰减,突出R波的信号,同时使用高通滤波,去除基线偏移;
设定峰值阈值、间隔:以整个过程中电信号最小值再加上70%的最大值与最小值之差为阈值,极大值间隔考虑到正常人的最大心率=220-实际年龄,设置最小间隔0.3s;
查看捕获的R波效果;
进行判断,倘若效果不好,调整阈值大小及间隔直至效果良好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810407258.1A CN108433719B (zh) | 2018-05-02 | 2018-05-02 | 一种基于心电和操控数据的弯道驾驶能力评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810407258.1A CN108433719B (zh) | 2018-05-02 | 2018-05-02 | 一种基于心电和操控数据的弯道驾驶能力评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108433719A CN108433719A (zh) | 2018-08-24 |
CN108433719B true CN108433719B (zh) | 2020-12-01 |
Family
ID=63202017
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810407258.1A Active CN108433719B (zh) | 2018-05-02 | 2018-05-02 | 一种基于心电和操控数据的弯道驾驶能力评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108433719B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109846459A (zh) * | 2019-01-18 | 2019-06-07 | 长安大学 | 一种疲劳驾驶状态监测方法 |
CN111544015B (zh) * | 2020-05-15 | 2021-06-25 | 北京师范大学 | 基于认知力的操控工效分析方法、设备及系统 |
CN111553618B (zh) * | 2020-05-15 | 2021-06-25 | 北京师范大学 | 操控工效分析方法、设备及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101690666A (zh) * | 2009-10-13 | 2010-04-07 | 北京工业大学 | 汽车驾驶员驾驶工作负荷计算方法 |
CN102320280A (zh) * | 2011-06-30 | 2012-01-18 | 清华大学 | 一种防止弯道车辆前撞的自动报警方法 |
WO2014017090A1 (ja) * | 2012-07-26 | 2014-01-30 | 日産自動車株式会社 | 運転者疲労度推定装置及び運転者疲労度推定方法 |
CN104134361A (zh) * | 2014-07-02 | 2014-11-05 | 清华大学 | 驾驶状况反馈方法、系统及内置所述系统的车载装置 |
CN104527647A (zh) * | 2014-12-15 | 2015-04-22 | 清华大学 | 一种驾驶行为危险度的监测评估方法 |
CN105261153A (zh) * | 2015-11-03 | 2016-01-20 | 北京奇虎科技有限公司 | 车辆行驶监控方法和装置 |
US9527508B1 (en) * | 2015-08-13 | 2016-12-27 | Winbond Electronics Corp. | Mobile vehicle safety apparatus and safety monitoring method thereof |
CN106859674A (zh) * | 2017-01-09 | 2017-06-20 | 同济大学 | 一种高原公路驾驶员生心理负荷程度表征方法 |
-
2018
- 2018-05-02 CN CN201810407258.1A patent/CN108433719B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101690666A (zh) * | 2009-10-13 | 2010-04-07 | 北京工业大学 | 汽车驾驶员驾驶工作负荷计算方法 |
CN102320280A (zh) * | 2011-06-30 | 2012-01-18 | 清华大学 | 一种防止弯道车辆前撞的自动报警方法 |
WO2014017090A1 (ja) * | 2012-07-26 | 2014-01-30 | 日産自動車株式会社 | 運転者疲労度推定装置及び運転者疲労度推定方法 |
CN104134361A (zh) * | 2014-07-02 | 2014-11-05 | 清华大学 | 驾驶状况反馈方法、系统及内置所述系统的车载装置 |
CN104527647A (zh) * | 2014-12-15 | 2015-04-22 | 清华大学 | 一种驾驶行为危险度的监测评估方法 |
US9527508B1 (en) * | 2015-08-13 | 2016-12-27 | Winbond Electronics Corp. | Mobile vehicle safety apparatus and safety monitoring method thereof |
CN105261153A (zh) * | 2015-11-03 | 2016-01-20 | 北京奇虎科技有限公司 | 车辆行驶监控方法和装置 |
CN106859674A (zh) * | 2017-01-09 | 2017-06-20 | 同济大学 | 一种高原公路驾驶员生心理负荷程度表征方法 |
Non-Patent Citations (1)
Title |
---|
高海拔地区驾驶员心率-反向曲线间直线长度-车速关系分析;田林等;《公路交通科技》;20151115;第32卷(第11期);第138-141页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108433719A (zh) | 2018-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108433719B (zh) | 一种基于心电和操控数据的弯道驾驶能力评价方法 | |
CN103702014B (zh) | 非接触式生理参数检测方法、系统及装置 | |
US7809433B2 (en) | Method and system for limiting interference in electroencephalographic signals | |
CN106691474A (zh) | 融合脑电信号与生理信号的疲劳检测系统 | |
DE19827697B4 (de) | Verfahren und System zum Bestimmen der Qualität von Signalen, die die Herzfunktion anzeigen | |
CN108765876A (zh) | 基于多模信号的驾驶疲劳深度分析预警系统及方法 | |
CN110013247B (zh) | 一种心电图p波和t波的检测、区分与定位方法 | |
CN111657889A (zh) | 一种基于毫米波雷达的非接触式驾驶员疲劳检测方法 | |
CN108056773A (zh) | 基于改进变分模态分解的心电信号qrs波群检测算法 | |
CN104173043A (zh) | 一种适合于移动平台的心电数据分析方法 | |
CN110123304B (zh) | 基于多模板匹配和相关系数矩阵的动态心电噪声滤除方法 | |
CN110123314A (zh) | 基于脑电信号判断大脑专注放松状态的方法 | |
CN111513706A (zh) | 一种针对含有异常r波的心电信号的检测方法和装置 | |
WO2021164350A1 (zh) | 一种生成光体积变化描记图法信号的方法和装置 | |
Liu et al. | Systematic methods for fetal electrocardiographic analysis: Determining the fetal heart rate, RR interval and QT interval | |
CN115299963A (zh) | 基于波形特征模板的高频振荡信号自动检测算法及系统 | |
CN112656393A (zh) | 一种心率变异性的检测方法及系统 | |
CN114557685A (zh) | 一种非接触式运动鲁棒心率测量方法及测量装置 | |
CN116269445A (zh) | 一种用于ssvep短时窗信号的精准目标识别方法 | |
CN106491118A (zh) | 基于安卓系统的心电图机的实时心率计算系统及其方法 | |
CN113208615B (zh) | 一种用于心肺复苏仪的连续脑电监测及反馈系统与方法 | |
CN111905229A (zh) | 一种基于5g的钢琴音乐催眠治疗控制系统及方法 | |
TWI696191B (zh) | 降低雜訊影響之qrs波偵測演算法 | |
CN112971786A (zh) | 一种基于脑肌电信号小波相干系数的卒中康复评估方法 | |
CN113229826A (zh) | 一种qrs波检测方法、装置及电子设备 |
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 |