CN108478206B - 运动状态下基于脉搏波的心率监测方法 - Google Patents
运动状态下基于脉搏波的心率监测方法 Download PDFInfo
- Publication number
- CN108478206B CN108478206B CN201810104924.4A CN201810104924A CN108478206B CN 108478206 B CN108478206 B CN 108478206B CN 201810104924 A CN201810104924 A CN 201810104924A CN 108478206 B CN108478206 B CN 108478206B
- Authority
- CN
- China
- Prior art keywords
- heart rate
- fppg
- peak frequency
- frequency
- spectral 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
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
- A61B5/02438—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
- A61B5/68—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
- A61B5/7203—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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Power Engineering (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
一种复杂度低、计算量小的脉搏波心率监测方法,该方法同时使用以合成加速度信号为参考的自适应滤波技术、利用合成加速度信号信息来消除伪差残留的谱峰选择方法以及兼顾周期心率变化最大值的心率验证估计算法三者,使用本方法的设备,即便在存在运动噪声干扰的情况下也能够实现连续实时的高精度心率监测,因而特别适用于医疗健康领域及智能穿戴领域的心率监测设备当中。
Description
技术领域
本发明涉及数字信号处理技术,适用于医疗健康领域及智能穿戴领域的心率监测设备,能有效消除由于运动引起的噪声干扰,提高心率监测的精度。
背景技术
心率是指心脏每分钟跳动的次数,是一个反映人体血液循环机能的重要生理指标,可以为医学诊断提供参考。另外,在健身运动、竞技体育训练中也采用心率作为判断运动生理负荷的强度的评定指标。因此,心率的监测有着重要的意义。
目前,成熟的心率监测方法有血氧法、心电信号法、动脉压力法以及光电容积脉搏波法(PPG)。1)血氧法:通过红外线光传感器测定出血氧含量,同时测出脉搏,可以计算心率。血氧法的优势是能够提供心率和血氧饱和度两种信号,劣势是由于需要在另一端接收透射光信号,适用的人体组织就必须足够薄才行,全身上下合适的位置就只有指尖和耳垂,因此,这种方法使用范围比较受限制。2)心电信号法:窦房结有节律地控制心脏收缩舒张从而向躯干泵血,这个控制信号是一个电信号并会逐渐扩散到体表,从而在皮肤表面可以通过电极测量,测量获得的节奏就是心率,医院里面一般用的心电仪就是采用这个原理实现的。但是,这种方法很难用于可穿戴设备中并获得准确测量,只能在医院使用。3)动脉血压法:采用压力传感器测量动脉压力的变化,通过测量的压力信号进行计算,可以得到心率。这个方案一般只在医院中对手术中及手术后的静息病人使用。4)光电容积脉搏波(PPG)法,简称脉搏波法:这种方案是通过检测可见光,如绿光,在人体组织中的反射量来检测心率。在此过程中,由于受到皮肤肌肉和血液的吸收衰减作用,检测器检测到的光强度将减弱,其中皮肤、肌肉、组织等对光的吸收在整个血液循环中是保持恒定不变的,而皮肤内的血液容积在心脏作用下呈搏动性变化。当心脏收缩时,外围血管血容量最多,光吸收量也最大,检测到的光强度最小;而在心脏舒张时,外围血管血容量最少,检测到的光强度最大,使光电接收器检测到的光强度随之呈脉动式变化,通过对检测到的信号进行计算便可以得出准确的心率。脉搏波法容易实现,便于使用,非常适合于可穿戴式心率监测设备中。
基于脉搏波的心率监测设备在使用的过程中,不可避免的会受到各种噪声的干扰,例如环境光的影响、基线漂移、工频干扰、运动噪声干扰等。在运动状态下,运动噪声干扰成为了影响心率监测的最主要因素,严重影响心率监测的精度,甚至无法实现心率的监测。
目前已经有了一些运动噪声干扰消除的方法,主要包括:1)ICA独立成分分析法,这种方法需要使用多个PPG传感,而且PPG需要满足统计不相关性,效果并不好;2)ANC自适应噪声消除法,这种方法需要同时检测参考信号,而参考信号和脉搏波之间可能不是线性相关的,单独采用无法完全消除干扰;3)EMD经验模分解法,在运动幅度较小的情况下效果较好,但是在剧烈运动状态下单独采用无法完全消除干扰;4)多种信号处理技术综合运用法,如将SSA(奇异谱分析)、谱减法、稀疏信号重构等方法结合,多种信号处理技术结合的方法虽然效果很好,但是算法复杂度很高,计算量大,不适用于可穿戴设备的实时心率监测,应用受限。5)专利CN104161505A公开了一种适用于可穿戴式心率监测设备的运动和噪声干扰消除方法,使用NLMS(归一化最小均方差)自适应滤波器和Mallat算法对不同的噪声进行处理,其中选用由三轴加速度计及陀螺仪组成的六轴加速度信号作为自适应滤波器的运动参考信号,消除运动部分噪声干扰,经过自适应滤波后再采用Mallat算法进行四层分解重构,选择第四层低频信号作为近似心率信号,计算心率值。这种方法采用了6组参考信号进行自适应滤波,然后再进行信号的分解,算法复杂,计算量大,不利于实时进行精准的心率检测。
发明内容
运动状态下使用脉搏波监测心率会受到运动噪声的干扰,严重影响心率监测的精度。现有的运动噪声干扰消除方法实现复杂度高,计算量大,不适用于可穿戴设备的实时心率监测。针对上述存在的问题,本发明提出一种复杂度低、计算量小的脉搏波心率监测方法,使用本方法的设备,即便在存在运动噪声干扰的情况下也能够实现心率的准确监测。该方法由于能够实现连续实时的高精度心率监测,因而特别适用于智能可穿戴设备当中。
具体地,一种基于脉搏波的心率监测方法,包括如下步骤:
1)采集脉搏波信号;2)使用自适应滤波技术对采集到的脉搏波信号进行处理以消除运动噪声;3)计算步骤2)处理后的脉搏波信号的功率谱;4)从上述功率谱中选择能够反映心跳频率的谱峰所对应的频率fppg;5)根据所选频率fppg计算心率;6)对计算得到的心率进行验证,当连续两个周期心率的变化超出合理范围时,对心率值进行估计,以确定输出的心率。
上述步骤2)中采用自适应滤波技术处理信号时,使用时域三轴加速度信号所构成的合成加速度信号作为参考信号。优选地,所述三轴加速度信号分别为ACC1、ACC2和ACC3,所述合成加速度信号选自如下方式之一计算获得:
或者
ACCcom=a*ACC1+b*ACC2+b*ACC3,其中,a、b、c为各分量的权重。
其中,上述步骤4)选择能够反映心跳频率的谱峰中还可以包括使用合成加速度信号信息来消除伪差残留的步骤,其中使用所述合成加速度信号信息来确定伪差残留引起的干扰频率。具体地,优选包括如下谱峰选择算法步骤:
1)获取经过自适应滤波的脉搏波信号功率谱,计算合成加速度信号的功率谱;
2)搜索所述脉搏波信号功率谱的最大谱峰,并将该谱峰所对应的频率记为能够反映心跳频率的谱峰频率fppg;
3)判断是否是第一次进行心率监测,如果是第一次进行心率监测,则执行步骤10),直接选择该谱峰频率fppg;如果不是第一次心率监测,则执行步骤4),继续对谱峰频率fppg进行筛选;
4)根据人体心率变化的特征,设连续两个周期的谱峰频率最大变化值为ε,则根据上一次心率值估计本次谱峰频率范围为[fpre-ε,fpre+ε],其中fpre表示上一次心率值对应的谱峰频率;
5)搜索所述合成加速度信号功率谱中最大的前两个谱峰,并记录谱峰对应的频率fa1、fa2,这两个频率对应伪差残留引起的干扰频率;
6)计算两个干扰频率的范围[fa1-θ,fa1+θ]和[fa2-θ,fa2+θ],其中θ表示范围边界;
7)判断记录的谱峰频率fppg是否在估计的谱峰频率范围内[fpre-ε,fpre+ε];如果在上述估计的谱峰频率范围内,则执行步骤10),直接选择该谱峰频率fppg;如果记录的谱峰频率fppg不在上述估计的谱峰频率范围内,则执行步骤8),继续对谱峰频率fppg进行筛选;
8)分别判断记录的谱峰频率fppg是否在上述两个干扰频率[fa1-θ,fa1+θ]和[fa2-θ,fa2+θ]的范围内;如果不在上述两个干扰频率的范围内,则执行步骤10)选择该谱峰频率fppg;如果在干扰频率的范围内,则排除该谱峰频率,执行步骤9);
9)从所述脉搏波信号功率谱中搜索下一个最大的脉搏波谱峰,并将该谱峰所对应的频率重新记为能够反映心跳频率的谱峰频率fppg,执行步骤7);
10)选择脉搏波谱峰频率fppg来计算心率,算法结束。
此外,对计算得到的心率进行验证还可包括如下优选步骤:
1)根据循环周期来确定连续两个周期心率变化的最大值σ;
2)当前周期心率Ncur在上一周期心率Npre的最大变化范围[Npre-σ,Npre+σ]内时,输出的心率Nout等于当前周期心率Ncur,否则执行步骤3);
3)当前周期心率Ncur的变化超过上一周期心率Npre的最大变化范围时,则对输出心率进行估计,执行如下步骤:
31)如果当前周期心率Ncur大于上一周期心率Npre,则输出的心率Nout估计为上一周期心率Npre加上心率变化的最大值σ;
32)如果当前周期心率Ncur小于上一周期心率Npre,则输出的心率Nout估计为上一周期心率Npre减去心率变化的最大值σ。
本发明还涉及将上述心率监测方法用于心率监测装置。具体地,一种心率监测装置,其包括脉搏波采集单元,对采集到的脉搏波信号进行处理以消除运动噪声的自适应滤波单元,脉搏波信号功率谱计算单元,能够从脉搏波信号功率谱中选择能够反映心跳频率的谱峰选择单元,心率计算单元,心率验证单元以及心率输出单元。
优选地,所述自适应滤波单元使用时域三轴加速度信号所构成的合成加速度信号作为参考信号,所述合成加速度信号选自如下方式之一计算获得:
或者
ACCcom=a*ACC1+b*ACC2+b*ACC3,其中,a、b、c为各分量的权重。
此外,所述谱峰选择单元还可以使用合成加速度信号信息来消除伪差残留,其中使用所述合成加速度信号信息来确定伪差残留引起的干扰频率。
最后,所述心率验证单元还包括:心率变化最大值确定单元用于根据循环周期来确定连续两个周期心率变化的最大值σ;以及输出心率确定单元用于使用心率变化最大值σ,并根据如下两个公式之一来计算确认输出心率:
或者
其中,Nout为输出心率,Npre为上一周期心率,Ncur为所述心率计算单元计算的当前周期心率。
本发明提出的方法能有效消除由于运动引起的噪声干扰,提高运动状态下基于脉搏波的心率监测精度,并且能够实现实时的心率监测。与现有技术相比结构简单,复杂度低,计算量小,心率监测精度高,非常适用于可穿戴式设备中连续实时的心率监测。
附图说明
图1:心率监测方法流程图;
图2:使用合成加速度信号一次滤波和使用三轴加速度信号多次滤波效果比较图;
图3:自适应滤波流程图;
图4:脉搏波信号及其功率谱;
图5:功率谱计算和谱峰选择算法流程图。
具体实施方式
下面对本发明作进一步说明。
本发明提出一种使用自适应滤波技术结合谱峰选择方法和心率验证估计算法的心率监测方法。其中,自适应滤波技术采用三轴加速度信号的合成信号作为参考信号,以帮助实现运动状态下基于脉搏波的实时心率监测。本发明的技术方案如说明书附图1所示,系统主要包括信号采集,自适应滤波,功率谱计算和谱峰选择,心率计算、验证和估计,心率输出等部分。为了实现心率的实时监测,需要周期性的根据采集到的信号计算心率然后输出,所以系统的运行是一个不断循环的过程,一个周期完成后将进入下一个循环周期。
人体的运动会引起脉搏波波形的变化,采集到的脉搏波中就包含了噪声,这些噪声是由于运动引起的,所以叫运动干扰噪声,而加速度信号可以反映人体的运动情况,所以和运动干扰噪声有着极大的相关性,同时加速度信号与人体真实的脉搏波信号不相关,完全可以用于噪声处理的参考信号。因此,每个循环周期内,首先采集一个周期的时域脉搏波信号和时域三轴加速度信号。由于每轴的加速度信号仅反映部分运动噪声信息,因此,可以通过三轴加速度信号构造合成加速度信号来反映全部运动噪声信息。将合成加速度信号作为自适应滤波器的参考信号,这样只需要一次自适应滤波就能够实现运动噪声干扰的消除,而不需要每个轴的加速度信号作为参考信号多次进行自适应滤波。设三轴加速度信号分别为ACC1、ACC2和ACC3,则合成加速度信号可以表示为:
当然,也可以用其它方式计算合成加速度信号,只要其能够真实反映出运动噪声即可,例如:
ACCcom=a*ACC1+b*ACC2+b*ACC3
其中,a、b、c为各分量的权重。不同的合成加速度计算方式会导致滤波效果不一样,优选地,采用以下计算方式计算合成加速度:
参见说明书附图2,比较了使用该合成加速度信号一次滤波和使用三轴信号多次滤波的效果,可以看到,图2(a)中使用合成加速度信号的情况下大部分第一谱峰与真实心率非常接近,而图2(b)使用三轴加速度多次滤波中,谱峰与真实心率相关性没有使用合成信号的效果好。
自适应滤波器的结构如说明书附图3所示,合成加速度信号首先经过一个系数可调的横向滤波器,滤波器输出的结果与输入的脉搏波信号进行比较,得到的误差信号,权值调整算法根据误差信号自适应调整横向滤波器的系数,经过这样反复的迭代,最终可以使误差达到最小,得到误差较小的脉搏波信号。权值调整算法可以使用NLMS(归一化最小均方差)算法,RLS(递推最小二乘)算法等,但为了减小计算的复杂度,本实施例中权值调整算法优选采用最小均方(LMS)算法。
本发明中采用频谱分析的方法来计算心率,脉搏波信号及其功率谱如图4所示,脉搏波信号功率谱中谱峰所对应的频率即反映了心跳频率,通过谱峰频率可以计算心率,因此,基于脉搏波心率监测的关键是谱峰的选择。
脉搏波信号经过自适应滤波后,大部分运动噪声干扰己经被消除了,但是在某些运动状态下由于运动噪声的复杂性,自适应滤波并不能完全将这些运动噪声消除掉,脉搏波信号中还会存在一些运动伪差残留,这些伪差残留可能是由于运动过程中的突然变化的动作造成的,例如动作频率突然加快、动作幅度突然变大;有时也可能是人体正在进行某些规律性的运动,如走路,跑步,跳绳等也会造成伪差残留,仅采用自适应滤波的方法并不能很好的将这些运动伪差消除掉。原因在于,对于第一种运动突变引起的干扰,由于自适应滤波是一个迭代滤波的过程,滤波器系数的调整是需要时间的,而突然变化的动作虽然在加速度信号上可以体现出来,但是动作的时间如果很短,且并不重复,这样滤波器系数的调整就来不及适应,所以可能无法消除干扰。而对于第二种规律性运动引起的干扰,由于噪声并不是随机的,和脉搏波信号很像,所以无法用自适应滤波消除。规律性的运动引起的伪差残留在信号的功率谱上表现为存在与运动相关的谱峰,这个谱峰在脉搏波信号和加速度信号功率谱中都会存在,且两个谱峰的频率非常接近,根据这个特性,可以利用加速度信号功率谱来确定这个规律性运动噪声的干扰频率,从而消除伪差残留。对此,本发明设计了一种谱峰选择算法,具体算法流程如说明书附图5所示。在谱峰选择算法中,当前周期的频谱选择需要用到前一周期的心率值作为参考,因此,为了获得准确的监测结果,需要尽量保证初始的心率监测值的正确,这在第一次进行心率监测时只要不进行剧烈运动,保持一段相对静止的状态就可以实现了。谱峰选择算法具体步骤如下:
1)分别计算经过自适应滤波的脉搏波和合成加速度信号的功率谱;
2)搜索脉搏波信号功率谱的最大谱峰,并记录谱峰对应的频率fppg;
3)判断是否是第一次进行心率监测。如果是第一次进行心率监测,则执行步骤10),直接选择该谱峰频率fppg;如果不是第一次心率监测,则执行步骤4),继续对谱峰频率fppg进行筛选;
4)根据人体心率变化的特征,短时间内连续两个周期的心率值不会发生剧烈的变化,根据周期的长度,设连续两个周期的谱峰频率最大变化值为ε,例如假定周期是t,可以设定为ε=t*0.0833Hz,如此根据上一次心率值可以估计本次谱峰频率范围为[fpre-ε,fpre+ε],其中fpre表示上一次心率值对应的谱峰频率;
5)搜索合成加速度信号功率谱中最大的前两个谱峰,并记录谱峰对应的频率fa1、fa2,假设这两个频率为伪差残留引起的干扰频率;
6)计算两个干扰频率的范围[fa1-θ,fa1+θ]和[fa2-θ,fa2+θ],其中θ表示范围边界;
7)判断记录的谱峰频率fppg是否在估计的谱峰频率范围内。如果在估计的谱峰频率范围内,则执行步骤10),直接选择该谱峰频率fppg;如果记录的谱峰频率fppg不在估计的谱峰频率范围内,则执行步骤8),继续对谱峰频率fppg进行筛选;
8)分别判断记录的谱峰频率fppg是否在两个干扰频率的范围内。如果不在这两个干扰频率的范围内,则执行步骤10)选择该谱峰频率fppg;如果在干扰频率的范围内,则排除该谱峰频率,执行步骤9);
9)搜索下一个最大的脉搏波谱峰,并重新记录谱峰对应的频率fppg,执行步骤7);
10)选择脉搏波谱峰频率fppg来计算心率,算法结束;
经过上述的谱峰选择算法,获得了用来计算心率的脉搏波谱峰频率fppg,心率的计算公式为:
Ncur=fppg×60(bpm)
根据fppg使用上述公式,可以计算当前周期的心率Ncur,一般情况下,计算得到的心率Ncur是比较准确的,但是在某些极端情况下,或者运动干扰噪声的频率和脉搏波信号的有效频率完全相同时,经过自适应滤波有可能把有效脉搏波信号滤除掉了,这样经过心率计算后得到的心率会发生较大的偏差,极有可能是错误的。所以对计算得到的心率要进行验证,当连续两个周期心率的变化超出了合理的范围时,要对心率值进行估计,以确定输出的心率。
设连续两个周期心率变化的最大值为σ,σ的值可根据循环周期来确定。上一循环周期的心率表示为Npre,则当前周期心率的验证和估计方法可用如下公式表示:
心率的验证和估计方法说明如下:
1.当前周期心率Ncur在上一周期心率Npre的最大变化范围内时,输出的心率Nout等于当前周期心率Ncur;
2.当前周期心率Ncur的变化超过上一周期心率Npre的最大变化范围时,则认为当前周期心率Ncur错误,获取心率失败,需要对输出心率进行估计,具体估计方法:
1)如果当前周期心率Ncur大于上一周期心率Npre,则输出的心率Nout估计为上一周期心率Npre加上心率变化的最大值σ;
2)如果当前周期心率Ncur小于上一周期心率Npre,则输出的心率Nout估计为上一周期心率Npre减去心率变化的最大值σ。
以上为心率估计得优选方式,还可以使用其它心率估计方法,例如用如下公式表示:
该方法具体为如果当前周期心率Ncur与上一周期心率Npre的差值大于心率变化的最大值σ,则输出上一周期心率Npre作为结果,如果当前周期心率Ncur与上一周期心率Npre的差值小于等于心率变化的最大值σ,则输出当前周期心率Ncur作为结果。
心率监测装置的脉搏波信号如果经过本发明上述的自适应滤波、谱峰选择算法和心率验证估计等步骤进行处理,则可以在运动状态下实现精确的心率监测,并且通过周期性的循环可以连续实时的进行心率监测。具体地,心率监测装置包括脉搏波采集单元,对采集到的脉搏波信号进行处理以消除运动噪声的自适应滤波单元,脉搏波信号功率谱计算单元,能够从脉搏波信号功率谱中选择能够反映心跳频率的谱峰选择单元,心率计算单元,心率验证单元以及心率输出单元。
所述自适应滤波单元使用时域三轴加速度信号所构成的合成加速度信号作为参考信号,所述合成加速度信号选自如下计算之一进行计算:
ACCcom=a*ACC1+b*ACC2+b*ACC3
或者
,其中ACC1、ACC2和ACC3分别为三轴加速度信号。
此外,所述谱峰选择单元还可以使用合成加速度信号信息来消除伪差残留,其中使用所述合成加速度信号信息来确定伪差残留引起的干扰频率。具体操作如下:
1)获取经过自适应滤波的脉搏波和合成加速度信号的功率谱;
2)搜索脉搏波信号功率谱的最大谱峰,并记录谱峰对应的频率fppg;
3)判断是否是第一次进行心率监测。如果是第一次进行心率监测,则执行步骤10),直接选择该谱峰频率fppg;如果不是第一次心率监测,则执行步骤4),继续对谱峰频率fppg进行筛选;
4)根据人体心率变化的特征,短时间内连续两个周期的心率值不会发生剧烈的变化,根据周期的长度,设连续两个周期的谱峰频率最大变化值为ε,例如假定周期是t,可以设定为ε=t*0.0833Hz,如此根据上一次心率值可以估计本次谱峰频率范围为[fpre-ε,fpre+ε],其中fpre表示上一次心率值对应的谱峰频率;
5)搜索合成加速度信号功率谱中最大的前两个谱峰,并记录谱峰对应的频率fa1、fa2,假设这两个频率为伪差残留引起的干扰频率;
6)计算两个干扰频率的范围[fa1-θ,fa1+θ]和[fa2-θ,fa2+θ],其中θ表示范围边界;
7)判断记录的谱峰频率fppg是否在估计的谱峰频率范围内。如果在估计的谱峰频率范围内,则执行步骤10),直接选择该谱峰频率fppg;如果记录的谱峰频率fppg不在估计的谱峰频率范围内,则执行步骤8),继续对谱峰频率fppg进行筛选;
8)分别判断记录的谱峰频率fppg是否在两个干扰频率的范围内。如果不在这两个干扰频率的范围内,则执行步骤10)选择该谱峰频率fppg;如果在干扰频率的范围内,则排除该谱峰频率,执行步骤9);
9)搜索下一个最大的脉搏波谱峰,并重新记录谱峰对应的频率fppg,执行步骤7);
10)选择脉搏波谱峰频率fppg来计算心率,算法结束;
最后,所述心率验证单元还包括:心率变化最大值确定单元,其用于根据循环周期来确定连续两个周期心率变化的最大值σ;以及输出心率确定单元,其用于使用心率变化最大值σ,并根据如下两个公式之一来计算确认输出心率:
或者
其中,Nout为输出心率,Npre为上一周期心率,Ncur为所述心率计算单元计算的当前周期心率。
本发明提出的技术方案结构简单,算法复杂度低,计算量小,心率监测精度高,特别适合于可穿戴式设备,具有极大的实用价值。
上面所述的只是说明本发明一种基于脉搏波的心率监测方法的实施方式,由于对相同技术领域的普通技术人员来说很容易在此基础上进行若干修改和改动,因此本说明书并非是要将本发明一种基于脉搏波的心率监测方法局限在所示和所述的具体步骤或相关结构范围内,故凡是所有可能被利用的相应修改及等同方法,均属于本发明所申请的专利范围。
Claims (9)
1.一种基于脉搏波的心率监测方法,包括如下步骤:
1)采集脉搏波信号;
2)使用自适应滤波技术对采集到的脉搏波信号进行处理以消除运动噪声;
3)计算步骤2)处理后的脉搏波信号的功率谱;
4)从上述功率谱中选择能够反映心跳频率的谱峰所对应的频率fppg;
5)根据所选频率fppg计算心率;
6)对计算得到的心率进行验证,当连续两个周期心率的变化超出合理范围时,对心率值进行估计,以确定输出的心率;
步骤4)选择能够反映心跳频率的谱峰中还包括使用合成加速度信号信息来消除伪差残留的步骤,其中使用所述合成加速度信号信息来确定伪差残留引起的干扰频率;
步骤4)具体包括如下谱峰选择算法步骤:
41)获取经过自适应滤波的脉搏波信号功率谱,计算合成加速度信号的功率谱;
42)搜索所述脉搏波信号功率谱的最大谱峰,并将该谱峰所对应的频率记为能够反映心跳频率的谱峰频率fppg;
43)判断是否是第一次进行心率监测,如果是第一次进行心率监测,则执行步骤410),直接选择该谱峰频率fppg;如果不是第一次心率监测,则执行步骤44),继续对谱峰频率fppg进行筛选;
44)根据人体心率变化的特征,设连续两个周期的谱峰频率最大变化值为ε,则根据上一次心率值估计本次谱峰频率范围为[fpre-ε,fpre+ε],其中fpre表示上一次心率值对应的谱峰频率;
45)搜索所述合成加速度信号功率谱中最大的前两个谱峰,并记录谱峰对应的频率fa1、fa2,这两个频率对应伪差残留引起的干扰频率;
46)计算两个干扰频率的范围[fa1-θ,fa1+θ]和[fa2-θ,fa2+θ],其中θ表示范围边界;
47)判断记录的谱峰频率fppg是否在估计的谱峰频率范围内[fpre-ε,fpre+ε];如果在上述估计的谱峰频率范围内,则执行步骤410),直接选择该谱峰频率fppg;如果记录的谱峰频率fppg不在上述估计的谱峰频率范围内,则执行步骤48),继续对谱峰频率fppg进行筛选;
48)分别判断记录的谱峰频率fppg是否在上述两个干扰频率[fa1-θ,fa1+θ]和[fa2-θ,fa2+θ]的范围内;如果不在上述两个干扰频率的范围内,则执行步骤410)选择该谱峰频率fppg;如果在干扰频率的范围内,则排除该谱峰频率,执行步骤49);
49)从所述脉搏波信号功率谱中搜索下一个最大的脉搏波谱峰,并将该谱峰所对应的频率重新记为能够反映心跳频率的谱峰频率fppg,执行步骤47);
410)选择脉搏波谱峰频率fppg来计算心率,算法结束。
2.如权利要求1所述的方法,上述步骤2)中采用自适应滤波技术处理信号时,使用时域三轴加速度信号所构成的合成加速度信号作为参考信号。
4.如权利要求1-3任一项所述的方法,所述步骤6)中对计算得到的心率进行验证包括
如下步骤:
61)根据循环周期来确定连续两个周期心率变化的最大值σ;
62)根据所述步骤5)计算的当前周期心率Ncur在上一周期心率Npre的最大变化范围[Npre-σ,Npre+σ]内时,输出的心率Nout等于当前周期心率Ncur,否则执行步骤63);
63)当前周期心率Ncur的变化超过上一周期心率Npre的最大变化范围时,则对输出心率进行估计,执行如下步骤:
631)如果当前周期心率Ncur大于上一周期心率Npre,则输出的心率Nout估计为上一周期心率Npre加上心率变化的最大值σ;
632)如果当前周期心率Ncur小于上一周期心率Npre,则输出的心率Nout估计为上一周期心率Npre减去心率变化的最大值σ。
5.如权利要求1-3任一项所述的方法,所述步骤6)中对计算得到的心率进行验证包括如下步骤:根据循环周期来确定连续两个周期心率变化的最大值σ;如果根据所述步骤5)计算的当前周期心率Ncur与上一周期心率Npre的差值大于心率变化的最大值σ,则输出上一周期心率Npre作为结果,如果所述当前周期心率Ncur与上一周期心率Npre的差值小于等于心率变化的最大值σ,则输出当前周期心率Ncur作为结果。
6.一种心率监测装置,其包括脉搏波采集单元,对采集到的脉搏波信号进行处理以消除运动噪声的自适应滤波单元,脉搏波信号功率谱计算单元,能够从脉搏波信号功率谱中选择能够反映心跳频率的谱峰选择单元,心率计算单元,心率验证单元以及心率输出单元;其中,所述谱峰选择单元还使用合成加速度信号信息来消除伪差残留,其中使用所述合成加速度信号信息来确定伪差残留引起的干扰频率。具体操作如下:
1)获取经过自适应滤波的脉搏波和合成加速度信号的功率谱;
2)搜索脉搏波信号功率谱的最大谱峰,并记录谱峰对应的频率fppg;
3)判断是否是第一次进行心率监测。如果是第一次进行心率监测,则执行步骤10),直接选择该谱峰频率fppg;如果不是第一次心率监测,则执行步骤4),继续对谱峰频率fppg进行筛选;
4)根据人体心率变化的特征,短时间内连续两个周期的心率值不会发生剧烈的变化,根据周期的长度,设连续两个周期的谱峰频率最大变化值为ε,根据上一次心率值可以估计本次谱峰频率范围为[fpre-ε,fpre+ε],其中fpre表示上一次心率值对应的谱峰频率;
5)搜索合成加速度信号功率谱中最大的前两个谱峰,并记录谱峰对应的频率fa1、fa2,假设这两个频率为伪差残留引起的干扰频率;
6)计算两个干扰频率的范围[fa1-θ,fa1+θ]和[fa2-θ,fa2+θ],其中θ表示范围边界;
7)判断记录的谱峰频率fppg是否在估计的谱峰频率范围内。如果在估计的谱峰频率范围内,则执行步骤10),直接选择该谱峰频率fppg;如果记录的谱峰频率fppg不在估计的谱峰频率范围内,则执行步骤8),继续对谱峰频率fppg进行筛选;
8)分别判断记录的谱峰频率fppg是否在两个干扰频率的范围内。如果不在这两个干扰频率的范围内,则执行步骤10)选择该谱峰频率fppg;如果在干扰频率的范围内,则排除该谱峰频率,执行步骤9);
9)搜索下一个最大的脉搏波谱峰,并重新记录谱峰对应的频率fppg,执行步骤7);
10)选择脉搏波谱峰频率fppg来计算心率,算法结束。
7.如权利要求6所述的装置,所述自适应滤波单元使用时域三轴加速度信号所构成的合成加速度信号作为参考信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810104924.4A CN108478206B (zh) | 2018-02-02 | 2018-02-02 | 运动状态下基于脉搏波的心率监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810104924.4A CN108478206B (zh) | 2018-02-02 | 2018-02-02 | 运动状态下基于脉搏波的心率监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108478206A CN108478206A (zh) | 2018-09-04 |
CN108478206B true CN108478206B (zh) | 2021-08-13 |
Family
ID=63344467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810104924.4A Active CN108478206B (zh) | 2018-02-02 | 2018-02-02 | 运动状态下基于脉搏波的心率监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108478206B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109512418A (zh) * | 2018-10-22 | 2019-03-26 | 哈尔滨理工大学 | 一种容积血流脉搏成像降低运动噪声方法 |
CN109875543B (zh) * | 2019-02-01 | 2020-07-21 | 电子科技大学 | 用于可穿戴心率监测设备的多种健身运动状态下的心率估计方法及装置 |
CN109864713B (zh) * | 2019-04-04 | 2020-10-30 | 北京邮电大学 | 基于多通道并行滤波和谱峰加权选择算法的心率监测方法 |
CN110169764A (zh) * | 2019-05-06 | 2019-08-27 | 上海理工大学 | 一种lms自适应滤波ppg信号心率提取方法 |
CN110151158A (zh) * | 2019-06-21 | 2019-08-23 | 深圳市奋达智能技术有限公司 | 一种低功耗动态和静态连续心率的测量方法及装置 |
CN110575153B (zh) * | 2019-09-27 | 2022-06-10 | 歌尔股份有限公司 | 一种心率检测方法及智能穿戴设备 |
CN110881958B (zh) * | 2019-12-25 | 2022-12-06 | 福州数据技术研究院有限公司 | 一种用于中医脉诊仪的脉搏信号非生理信号去除方法 |
TWI730589B (zh) * | 2020-01-14 | 2021-06-11 | 大陸商北京集創北方科技股份有限公司 | 光學式活體特徵檢測方法及利用其之生物特徵採集裝置和資訊處理裝置 |
CN115245320A (zh) * | 2021-04-26 | 2022-10-28 | 安徽华米健康医疗有限公司 | 可穿戴设备及其心率追踪方法和心率追踪装置 |
CN113397497A (zh) * | 2021-06-10 | 2021-09-17 | 维沃移动通信有限公司 | 信号处理方法、装置和电子设备 |
CN113545765B (zh) * | 2021-07-16 | 2024-04-09 | 厦门硅田系统工程有限公司 | 一种心率测量装置心率连续输出方法和心率测量装置 |
WO2023035189A1 (zh) * | 2021-09-09 | 2023-03-16 | 深圳市韶音科技有限公司 | 一种心率监测方法、系统及存储介质 |
TWI812311B (zh) * | 2022-06-29 | 2023-08-11 | 博晶醫電股份有限公司 | 心率估計方法、裝置及電腦可讀儲存媒體 |
CN117084644B (zh) * | 2023-10-10 | 2024-03-29 | 荣耀终端有限公司 | 一种检测用户生理特征指标的方法、装置及可穿戴设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104161505A (zh) * | 2014-08-13 | 2014-11-26 | 北京邮电大学 | 一种适用于可穿戴式心率监测设备的运动和噪声干扰消除方法 |
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 |
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 |
CN106994010A (zh) * | 2016-01-26 | 2017-08-01 | 深圳市新元素健康管理有限公司 | 一种基于ppg信号的心率检测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI538660B (zh) * | 2014-09-26 | 2016-06-21 | 原相科技股份有限公司 | 心跳偵測模組及其偵測、去噪方法 |
-
2018
- 2018-02-02 CN CN201810104924.4A patent/CN108478206B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104161505A (zh) * | 2014-08-13 | 2014-11-26 | 北京邮电大学 | 一种适用于可穿戴式心率监测设备的运动和噪声干扰消除方法 |
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 |
CN106994010A (zh) * | 2016-01-26 | 2017-08-01 | 深圳市新元素健康管理有限公司 | 一种基于ppg信号的心率检测方法及系统 |
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 |
Also Published As
Publication number | Publication date |
---|---|
CN108478206A (zh) | 2018-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108478206B (zh) | 运动状态下基于脉搏波的心率监测方法 | |
US9936886B2 (en) | Method for the estimation of the heart-rate and corresponding system | |
CN107949321B (zh) | 时域干扰去除和改进的心率测量跟踪机理 | |
Chowdhury et al. | Real-time robust heart rate estimation from wrist-type PPG signals using multiple reference adaptive noise cancellation | |
Roy et al. | Improving photoplethysmographic measurements under motion artifacts using artificial neural network for personal healthcare | |
Schäck et al. | A new method for heart rate monitoring during physical exercise using photoplethysmographic signals | |
US7991448B2 (en) | Method, apparatus, and system for removing motion artifacts from measurements of bodily parameters | |
US6393311B1 (en) | Method, apparatus and system for removing motion artifacts from measurements of bodily parameters | |
Temko | Estimation of heart rate from photoplethysmography during physical exercise using Wiener filtering and the phase vocoder | |
WO2017189612A1 (en) | Method and device for tissue monitoring and heart rate detection | |
EP1224566A2 (en) | Method, apparatus and system for removing motion artifacts from measurements of bodily parameters | |
Barros et al. | Filtering noncorrelated noise in impedance cardiography | |
CN109864713B (zh) | 基于多通道并行滤波和谱峰加权选择算法的心率监测方法 | |
CN113349752B (zh) | 一种基于传感融合的可穿戴设备实时心率监测方法 | |
CN106994010A (zh) | 一种基于ppg信号的心率检测方法及系统 | |
Arunkumar et al. | Heart rate estimation from wrist-type photoplethysmography signals during physical exercise | |
EP3752048A1 (en) | Monitoring device for monitoring a physiological parameter and methods thereof | |
Galli et al. | Robust estimation and tracking of heart rate by PPG signal analysis | |
CN112998671A (zh) | Ppg信号采集方法、装置、电子设备和存储介质 | |
Xu et al. | Analysis for the influence of abr sensitivity on PTT-based cuff-less blood pressure estimation before and after exercise | |
Arunkumar et al. | Improved heart rate estimation from photoplethysmography during physical exercise using combination of NLMS and RLS adaptive filters | |
Tu et al. | Fitbeat: a lightweight system for accurate heart rate measurement during exercise | |
CN115005803A (zh) | 呼吸检测方法和装置 | |
CN114767064A (zh) | 一种儿童睡眠监测方法、系统及电子装置 | |
CN114287903A (zh) | 一种基于压电传感器的心率检测方法、装置及存储介质 |
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 |