CN108836299B - 一种bcg心率提取方法、存储介质以及装置 - Google Patents
一种bcg心率提取方法、存储介质以及装置 Download PDFInfo
- Publication number
- CN108836299B CN108836299B CN201810366011.XA CN201810366011A CN108836299B CN 108836299 B CN108836299 B CN 108836299B CN 201810366011 A CN201810366011 A CN 201810366011A CN 108836299 B CN108836299 B CN 108836299B
- Authority
- CN
- China
- Prior art keywords
- bcg
- signal
- heart rate
- time period
- time
- 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
- A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals
Abstract
本申请公开了一种BCG心率提取方法、存储介质以及装置,所述方法包括:采集BCG信号,并对所述BCG信号进行处理以将其划分为若干呼吸周期,分别将各呼吸周期包含的呼气点按照预设规则沿时间轴偏移预设偏移量;根据偏移后的呼气点确定各呼吸周期对应的时间段;根据各呼吸周期对应的时间段对所述BCG信号更新,并根据更新后的BCG信号提取心率。本申请通过在BCG信号中提取呼吸信号,并且根据呼吸信号确定所述BCG信号携带的呼吸周期,再对每个呼吸周期的呼气点进行调整以去除呼气点,并根据去除呼气点的BCG信号确定心率,这样避免了呼吸信号对心率信号的影响,从而提高了心率提取的准确性。
Description
技术领域
本申请涉及生物医疗技术领域,特别涉及一种BCG心率提取方法、存储介质以及装置。
背景技术
目前,在生物医学工程研究进程中,我们对人体的各种生理信号进行采集与处理,并根据采集到生理信号确定人体的生理生命体征数据。其中,心率是人的一个重要的生命体征数据,其可以通过心电图、脉搏波、血氧等方式获取。但是,现有获取心率的方式均需要在被测试者身上进行电极接入等接触性的设备的放置才能获得。因此,如何在不影响被试者正常生活的条件下分析得到相应的心脏生理信号成了研究的热点。
BCG(BallistoCardioGraphy,心脏冲击描记法)技术的在采集信号时,采集设备不接触被试者身体,所以得到的信号中包含了太多的干扰信号。其中,呼吸信号为干扰信号的一种,呼吸信号是心脏冲击信号的10倍以上,在吸气的时刻BCG信号的尖峰数据频率落在心动信号的频率之间,容易造成心跳信号误判,而降低心率采集的准确性。
申请内容
鉴于现有技术的不足,本申请旨在提供一种BCG心率提取方法、存储介质以及装置,通过对BCG信号包含的呼气点的去除,来提高心率采集的准确性。
为了解决上述技术问题,本申请所采用的技术方案如下:
一种BCG心率提取方法,其包括:
采集BCG信号,并对所述BCG信号进行处理以将其划分为若干呼吸周期,其中,所述呼吸周期包括呼气-吸气-呼气;
分别将各呼吸周期包含的呼气点按照预设规则沿时间轴偏移预设偏移量;
根据偏移后的呼气点确定各呼吸周期对应的时间段;
根据各呼吸周期对应的时间段对所述BCG信号更新,并根据更新后的BCG信号提取心率。
所述BCG心率提取方法,其中,所述采集BCG信号,并对所述BCG信号进行处理以将其划分为若干呼吸周期具体为:
采集BCG信号,每间隔预设时间获取当前时间段对应的BCG信号,并对所述BCG信号进行处理以将其划分为若干呼吸周期。
所述BCG心率提取方法,其中,所述采集BCG信号,并对所述BCG信号进行处理以将其划分为若干呼吸周期具体包括:
采集BCG信号,并对所述BCG信号进行低通滤波以得到呼吸信号;
获取所述呼吸信号的所有极值点,并根据获取到的所有极值点将所述呼吸信号划分为若干呼吸周期。
所述BCG心率提取方法,其中,所述获取所述呼吸信号的所有极值点,并根据获取到的所有极值点将所述呼吸信号划分为若干呼吸周期具体包括:
获取所述波形信号对应的波形曲线,并根据所述波形曲线确定所述波形信号的所有极大值点;
根据提取到的所有极大值点将所述呼吸信号划分为若干呼吸周期,其中,两个相邻极大值形成的区间为一个呼吸周期。
所述BCG心率提取方法,其中,所述分别将各呼吸周期的呼气点按照预设规则沿时间轴偏移预设偏移量具体包括:
对于每个呼吸周期,将该呼吸周期包含的呼气点按照时间顺序进行排序;
根据所述排序顺序,将第一呼气点沿时间轴向后偏移预设偏移量,并将第二呼气点沿时间轴向前偏移预设偏移量。
所述BCG心率提取方法,其中,所述对于每个呼吸周期,将该呼吸周期包含的呼气点按照时间顺序进行排序之后包括:
根据所述排序顺序,获取第一呼气点对应的第一时刻以及第二呼气点对应的第二时刻;
根据所述第一时刻和第二时刻计算所述预设偏移量,其中,所述预设偏移量=(第二时刻-第一时刻)/10。
所述BCG心率提取方法,其中,所述根据各呼吸周期对应的时间段对所述BCG信号更新,并根据更新后的BCG信号提取心率具体包括:
获取各时间段对应的第一BCG信号,并将各第一BCG信号按照时间顺序拼接以形成更新后的BCG信号;
根据更新后的BCG信号提取心率。
所述BCG心率提取方法,其中,所述根据更新后的BCG信号提取心率具体包括:
对更新后的BCG信号进行高通滤波以得到心率信号;
提取所述心率信号的各峰值点,并根据提取到的峰值点确定心率。
一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如上任一所述的BCG心率提取方法中的步骤。
一种BCG心率提取装置,其包括:压力传感器、处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述压力传感器实现运动数据的采集,并将采集的运动数据传输至处理器;
所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的BCG心率提取方法中的步骤。
有益效果:与现有技术相比,本申请提供了一种BCG心率提取方法、存储介质以及装置,所述方法包括:采集BCG信号,并对所述BCG信号进行处理以将其划分为若干呼吸周期,分别将各呼吸周期包含的呼气点按照预设规则沿时间轴偏移预设偏移量;根据偏移后的呼气点确定各呼吸周期对应的时间段;根据各呼吸周期对应的时间段对所述BCG信号更新,并根据更新后的BCG信号提取心率。本申请通过在BCG信号中提取呼吸信号,并且根据呼吸信号确定所述BCG信号携带的呼吸周期,再对每个呼吸周期的呼气点进行调整以去除呼气点,并根据去除呼气点的BCG信号确定心率,这样避免了呼吸信号对心率信号的影响,从而提高了心率提取的准确性。
附图说明
图1为本申请提供的BCG心率提取方法的实施例一的流程图。
图2为本申请提供的BCG心率提取方法的实施例一中BCG信号的波形图。
图3为本申请提供的BCG心率提取方法的实施例一中呼吸信号的波形图。
图4为本申请提供的BCG心率提取方法的实施例一中BCG信号中呼气点偏移的波形示意图。
图5为本申请提供的BCG心率提取方法的实施例四中上床、下床和在床离床状态的运动数据变化图。
图6为本申请提供的BCG心率提取方法装置的一个实施例的结构原理图。
具体实施方式
本申请提供一种BCG心率提取方法、存储介质以及装置,为使本申请的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本申请进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。 应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本申请所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
下面结合附图,通过对实施例的描述,对申请内容作进一步说明。
实施例一
本实施例提供了一种BCG心率提取方法,如图1所示,所述方法包括:
S10、采集BCG信号,并对所述BCG信号进行处理以将其划分为若干呼吸周期,其中,所述呼吸周期包括呼气-吸气-呼气。
具体地,所述BCG信号可以通过传感器获取的,所述传感器可以不于人体直接接触,其可以设置于凳子、床垫、枕头等物品中。当然受测者在设置传感器的物品上并处于静止状态后,通过该传感器获取BCG信号,所述BCG信号可以如图2所示。这样可以避免较大运动将BCG信号中存在运动假象,从而影响心率分析以及提取的准确性。
此外,对所述BCG信号进行处理可以是对预设时间内的BCG信号进行处理,也就是说,在采集BCG信号时,可以每间隔预设时间获取当前时间段对应的BCG信号,并对当前时间段对应的BCG信号进行处理以将当前时间段对应的BCG信号划分为若干呼吸周期。相应的,所述采集BCG信号,并对所述BCG信号进行处理以将其划分为若干呼吸周期具体为:采集BCG信号,并每间隔预设时间获取当前时间段对应的BCG信号。
所述预设时间为预先设置,其可以根据实验获取人体呼吸周期时长,并根据所述呼吸周期时长来确定所述预设时间,以使得所述预设时间对应的BCG信号仅包含一个呼吸周期,这样可以避免重复呼吸点的处理,提高心率提取的效率。例如,在本申请一个优选实施例中,人体呼吸频率范围在5-30次/分,那么可以根据呼吸频率范围来确定预设时间的取值范围,即所述预设时间的取值范围可以为2-12秒之间,相应的,所述预设时间可以优选为7秒等。
同时在本实施例中,所述对所述BCG信号进行处理指的是对所述BCG信号进行低通滤波以得到相应的呼吸信号,再根据所述呼吸信号确定呼吸周期。相应的,所述采集BCG信号,并对所述BCG信号进行处理以将其划分为若干呼吸周期具体包括:
S11、采集BCG信号,并对所述BCG信号进行低通滤波以得到呼吸信号;
S12、获取所述呼吸信号的所有极值点,并根据获取到的所有极值点将所述呼吸信号划分为若干呼吸周期。
具体地,所述BCG信号包含心率信号和呼吸信号,可以通过心率信号和呼吸信号可以通过过滤器进行分离。例如,低于1赫兹的低通滤波产生呼吸分量,心跳分量可以通过高通滤波器(例如,具有0.8至1.2戒指频率的2节Butterworth滤波器)进行滤波来提取。在本实施例中,需要对所述BCG信号进行滤波以得到其包含的呼吸分量,即得到所述BCG信号对应的呼吸信号,从而采用对所述BCG信号进行低通滤波以得到所述BCG信号对应的呼吸信号。其中,所述低通滤波器可以采用带通滤波器,通过所述带通滤波器去除直流信号和高频信号,以得到所述BCG信号对应的呼吸。
此外,所述极值点可以根据所述呼吸信号对应的呼吸曲线来确定,从而在获取到呼吸信号后,确定所述呼吸信号对应的呼吸曲线,并人家所述呼吸曲线确定呼吸信号对应的各极值点,在根据各极值点确定其包含的呼吸周期。相应的,所述获取所述呼吸信号的所有极值点,并根据获取到的所有极值点将所述呼吸信号划分为若干呼吸周期具体包括:
S121、获取所述波形信号对应的波形曲线,并根据所述波形曲线确定所述波形信号的所有极大值点;
S122、根据提取到的所有极大值点将所述呼吸信号划分为若干呼吸周期,其中,两个相邻极大值形成的区间为一个呼吸周期。
具体地,所述呼吸信号对应的呼吸曲线为正弦曲线,选取所述正弦曲线的所有峰值以得到所述呼吸信号的所有极大值点。例如,如图3所示,所述呼吸信号的波形为正弦曲线,从而可以根据所述呼吸信号的波形确定所述呼吸信号包含的各极值点,如,T1、TE以及T2为所述呼吸信号对应的呼吸曲线的极值点。其中,所述T1和T2为呼吸曲线的极大值点,TE为所述呼吸曲线的极小值点。此外,由于TE处数据变化的梯度小于T1和T2两个位置处的梯度,从而确定所述TE点为呼气点,所述T1点和T2点为吸气点,从而所述T1-TE-T2构成一个呼气周期,所述T1到T2的时间差为一个呼吸周期,并且根据所述时间差可以计算T1到T2时段的呼吸频率。此外,当所述呼吸信号包含多个呼吸周期时,可以根据呼吸信号对应的呼吸曲线包含的所有极大值确定所述呼吸信号包含的所有呼吸周期,并根据所述呼吸周期将所述呼吸信号划分为若干段,其中,每段呼吸信号对应的一个呼吸周期,即每段呼吸信号包含两个吸气点和一个呼气点。也就是说,在获取到呼吸信号对应的呼吸曲线包含的所有极大值后,每相邻两个极大值点之间的时间段对应一个呼吸周期。在实际应用中,所述呼吸信号的极大值可以采用其他方法获取,例如,模极算法等。
S20、分别将各呼吸周期包含的呼气点按照预设规则沿时间轴偏移预设偏移量。
具体地,所述预设规则为预先设置,根据所述预设规则对呼气点位置进行调整,以将真实呼吸点从所述BCG信号中滤过。所述预设规则可以为将按照时间顺序处于前端的呼气点向后偏移,将处于后端的呼气点向前偏移,以使得调整后的呼吸周期未包含真实呼气点。
示例性的,所述分别将各呼吸周期的呼气点按照预设规则沿时间轴偏移预设偏移量具体包括:
S21、对于每个呼吸周期,将该呼吸周期包含的呼气点按照时间顺序进行排序;
S22、根据所述排序顺序,将第一呼气点沿时间轴向后偏移预设偏移量,并将第二呼气点沿时间轴向前偏移预设偏移量。
具体地,所述预设偏移量可以是预先设定,如,0.5s等,其可以是根据呼吸周期对应的呼气点而确定的。在本实施例中,所述预设偏移量优选为根据呼吸周期对应的呼气点确定,这样对于不同呼吸频率的人体,所述预设偏移量可以不同,使得所述预设偏移量更加具有通用性。此外,所述预设偏移量可以在获取到呼气点,并将呼吸周期包含的呼气点按时间顺序排序之后在计算所述预设偏移量,这样可以简化所述预设偏移量的计算过程。相应的,所述对于每个呼吸周期,将该呼吸周期包含的呼气点按照时间顺序进行排序之后包括:
S21a、根据所述排序顺序,获取第一呼气点对应的第一时刻以及第二呼气点对应的第二时刻;
S21b、根据所述第一时刻和第二时刻计算所述预设偏移量,其中,所述预设偏移量=(第二时刻-第一时刻)/10。
具体地,所述第一时刻为采集到所述第一呼气点的时间点,所述第二时刻为采集到所述第二呼气点的时间点。
S30、根据偏移后的呼气点确定各呼吸周期对应的时间段。
具体地,所述时间段为偏移后的呼气点对应的时间点的时间间隔。例如,如图4所示,所述偏移前的呼气点分别为T1和T2,所述预设偏移量为ΔT,偏移后的呼气点分别为T1´和T2´,那么所述时间段=T2´-T1´。
S40、根据各呼吸周期对应的时间段对所述BCG信号更新,并根据更新后的BCG信号提取心率。
具体地,根据所述各呼吸周期对应的时间对所述BCG信号进行更新指的是将各时间段对应的BCG信号进行拼接以形式新的BCG信号,其中,所述新的BCG信号去除呼气点。在对更新后的BCG信号进行高通滤波以得到心率信号,根据所述心率信号提取心率。相应的,所述根据各呼吸周期对应的时间段对所述BCG信号更新,并根据更新后的BCG信号提取心率具体包括:
S41、获取各时间段对应的第一BCG信号,并将各第一BCG信号按照时间顺序拼接以形成更新后的BCG信号;
S42、根据更新后的BCG信号提取心率。
具体地,所述按照时间顺序拼接指的是将各第一CBG信号按照时间顺序排序,并将相邻两个时间段对应的信号连接,以得到更新后的BCG信号,在对更新后的BCG信号进行高通滤波以提取心率。也就是说,所述根据更新后的BCG信号提取心率具体包括:对更新后的BCG信号进行高通滤波以得到心率信号;提取所述心率信号的各峰值点,并根据提取到的峰值点确定心率。当然,在实际应用中,可以直接分别对各第一BCG信号进行高通滤波,并根据高通滤波后的第一BCG信号确定该第一BCG信号对应的心率,这样就可以得到连续的心率值,避免对第一BCG信号的拼接过程,提高心率提取的效率。
实施例二
本实施例提供一种BCG心率提取方法,所述BCG心率提取方法可以用于人体睡觉监测过程,在人体睡眠监测过程中,可以通过压力传感器采集人体的BCG信号,之后对所述BCG信号进行分析,以根据所述BCG信号确定人体所处的状态,所述状态包括离床状态、在床状态、运动状态以及正常睡眠状态;而当人体处于正常睡眠状态时,可以根据所述BCG信号获取处于正常睡眠状态的心率,以便于根据所述心率对人体状态进行监测。相应的,所述BCG心率提取方法具体包括:
H10、采集BCG信号,每间隔预设时间获取当前时间段对应的BCG信号,并将所述BCG信号转换为人体运动数据。
H20、根据获取到的所有运动数据计算所述当前时间段的运动数据变化量,并将所述运动数据变化量与预设变化量阈值进行比较;
H30、若所述运动数据变化量小于所述预设变化量阈值,则对所述BCG信号进行处理以将其划分为若干呼吸周期,其中,所述呼吸周期包括呼气-吸气-呼气;
H40、分别将各呼吸周期包含的呼气点按照预设规则沿时间轴偏移预设偏移量;
H50、根据偏移后的呼气点确定各呼吸周期对应的时间段;
H60、根据各呼吸周期对应的时间段对所述BCG信号更新,并根据更新后的BCG信号提取心率
具体地,本实施例的步骤H30-H60的处理过程与实施例一相同,这里不就不在赘述,而主要对步骤H10和H20进行详细说明。
在所述步骤H10中,所述预设时间为预先设定,用于控制读取采集到的运动数据的频率,其中,所述当前时间段指的是当前读取时间前的预设时间段,即最新的预设时间段为当前时间段。所述当前时间段的所有运动数据可以根据运动数据的采样频率相关,根据预设时间段的时长以及采样频率可以确定当前时间段包括的所有运动数据的数据量。例如,预设时间段Ts为1秒,采集的运动数据的分辨率Ns为16bit,采样频率Fs为250Hz,采集到的运动数据Ds大小范围为0-2^Ns(0-65535bit)。
同时在本实施例中,所述运动数据为人体在睡眠过程中产生的运动数据,所述运动数据可以通过人体佩戴的压力传感器进行感应并采集。相应的,所述采集人体的运动数据,并每间隔预设时间段获取所述当前时间段内所有运动数据具体包括:
H11、通过预先佩戴的压力传感器实时感应人体的运动数据,并保存感应到的运动数据,其中,所述运动数据携带感应时间;
H12、每间隔预设时间段读取所述当前时间段对应的所有运动数据。
具体地,所述压力传感器为人体预先佩戴,其中,人体可以通过以穿戴设备(如,睡眠带等)形式佩戴所述压力传感器,也可以睡眠监测床以及睡觉监测枕头等形式佩戴所述压力传感器。也就是说,所述压力传感器仅需要可以感应人体运动就可以,这里对于人体佩戴传感器的形式不做限定。此外,所述压力传感器在感应到人体运动后,后根据人体运动信息生成电信号,通过所述电信号来确定人体运动数据。相应的,所述通过预先佩戴的压力传感器实时感应人体的运动数据,并保存感应到的人体运动数据具体包括:
H111、通过预设佩戴的压力传感器实时感应人体运动信息并产生电信号,并记录所述电信号的感应时间;
H112、根据所述电信号输出人体的运动数据,并将所述运动数据与所述感应时间相关联存储。
在本实施例中,所述压力传感器感应人体运动信息并产生电信号后,对所述电信号进行限波以抑制电信号的工频干扰,将限波后的电信号进行信号放大,并且滤除基线漂移和高频噪声信号;再将滤波后的电信号转换到数字信号,最后对所述数字信号进行处理以得到该电信号对应的运动数据,这样可以提高运动数据的准确,从而提高运动状态检测的准确性。同时,本申请在获取到运动数据后,无需对运动数据进行处理,这样简化了运算处理过程,提高了运动状态检测的效率。同时,减少了对硬件设备的要求,扩大了所述方法的适用性。
另外,为了便于记录人体运动的时间,在采集到电信号时可以通过获取感应时间,并且将所述感应时间与电信号进行关联,这样每个运动数据均配置有对应的感应时间,从而根据所述运动数据以及感应时间可以对人体运动进行定时定量的监测,提高了运动状态监测的全面性。在本实施例中,所述感应时间可以通过读取接收所述电信号的硬件设备的系统当前时间获取,也可以是压力传感器在感应到人体运动信号时确定的。当然,还可以根据采样频率以及电信号所处的当前时间段来确定所述感应时间,其具体可以为:首先获取启动人体运动数据采集的起始时刻、预设时间以及读取当前时间的所有运动数据的读取次数,根据起始时刻、预设时间以及读取次数可以确定当前时间段所处的时间区间,在根据采样频率可以确定当前电信号对应的感应时间。也就是说,在每间隔预设时间获取当前时间段包含的所有运动数据时,还可以记录读取次数,以便于根据读取次数确定当前电信号对应的感应时间。
同时在本实施例中,在采集人体的运动数据之前可以预先开启睡眠检测装置,之后睡眠检测装置包含的压力传感器开启检测人体运动数据,例如,通过睡觉检测装置设置的控制按键(如,机械按键、感应感觉等)或者远程控制等方式开启睡眠检测装置。此外,所述睡眠检测装置也可以采用自动开始方式,即当压力传感器检测到压力时,自动开启睡觉检测装置并采集人体运动数据。当然,在实际应用中,在采集到人体运动数据之后,所述每间隔预设时间段获取当前时间段内所有运动数据之前还可以包括一个睡眠状态检测过程,所述睡觉状态检测过程用于检测人体是否进行睡眠状态。所述睡觉检测过程具体可以为:实时读取人体运动数据,并将所述运动数据与预设运动数据区间进行比较,当所述运动数据数处于预设运动数据区间并持续预先时间后,确定所述人体进行睡眠状态。在确定人体进入睡眠状态后每间隔预设时间段获取当前时间段内所有运动数据。此外,所述睡觉检测过程也可以采用其他方法,例如,根据人体脑电信号确定人体是否进行睡眠等方式,这里就不一一说明。
进一步,在所述H20中,具体地,所述预设变化量阈值为预先设定,其可以是预设运动数据区间的上限值与下限值的差值。例如,假设预设数据区间为[DND-DNU],其中,所述预设数据区间可以是通过大量实验统计分析得到的经验值,DND为22768,DNU为42768,那么预设变化量阈值=42768-22768。所述运动数据变化量为当前时间段内运动数据的最大值与运动数据最小值的差值。相应的,所述根据获取到的所有运动数据计算所述当前时间段的运动数据变化量,并将所述运动数据变化量与预设变化量阈值进行比较具体包括:
H21、读取所述获取到的所有运动数据的运动数据最大值以及运动数据最小值,并根据所述运动数据最大值以及运动数据最小值计算所述当前时间段的运动数据变化量;
H22、将所述运动数据变化量与预设的预设变化量阈值进行比较。
具体地,对于读取到的当前时间段包含的所有运动数据后,在所有运动数据中提取运动数据最大值以及运动数据最小值,通过计算运动数据最大值与运动数据最小值的差值得到运动数据变化量BMStr。在将所述运动数据变化量与预设变化量阈值BMTh进行比较,其中,BMTh=DNU-DND。
实施例三
本实施例提供了一种BCG心率提取方法,其包括:
M10、采集BCG信号,每间隔预设时间获取当前时间段对应的BCG信号,并将所述BCG信号转换为人体运动数据;
M20、根据获取到的所有运动数据计算所述当前时间段的运动数据变化量,并将所述运动数据变化量与预设变化量阈值进行比较;
M30、若所述运动数据变化量大于所述预设变化量阈值,则将所述当前时间段的睡眠状态记录为运动状态。
具体地,本实施例的步骤M10-M20的处理过程与实施例二相同,这里不就不在赘述,而主要对步骤M30进行详细说明。
在所述步骤M30中,所述运动数据变化量大于所述预设变化量阈值说明当前时间段存在身体运动动作,并将所述身体运行强度记为BMStr。此外,根据所述当前时间段确定其对应的时间区间,将时间区间与所述运动状态以及运动强度对应存储,这样便于快速确定人体产生身体运动动作的时间以及运动强度。相应的,所述若所述运动数据变化量大于所述预设变化量阈值,则将所述当前时间段的睡眠状态记录为运动状态具体包括:若所述运动数据变化量大于所述预设变化量阈值,则读取所述当前时间段对应的时间区间;将所述时间区间对应的运动状态记录为存在运动动作,并将所述预设时间区间的运动强度记录为所述运动数据变化量。另外,若所述运动数据变化量小于等于所述变化量阈值,则判断人体处于正常睡眠状态,继续读取下一时间段的所有人体运动数据。
在本申请的一个实施例中,所述若所述运动数据变化量大于所述预设变化量阈值,则将所述当前时间段的睡眠状态记录为运动状态之后包括:
M40、依次获取下一时间段内的睡眠状态,并获取睡眠状态处于正常睡眠状态的第一时间段;
M50、根据所述当前时间段与第一时间段计算处于运动状态的运动时间。
具体地,将当前时间段记为身体运动的起始时刻,身体运动强度为BMStr,之后持续获取每个预设时间段的运动状态直到获取到处于正常睡眠状态的第一时间段,即第一时间段内的运动数据变化量BMStr<=BMTh,将所述第一时间段记录身体运动结束,这样根据当前时间段以及第一时间段可以确定所述身体运动持续的时间。当然,在获取到处于正常睡眠状态的第一时间段,仅说明当前的身体运动结束,但还持续读取每个预设时间段的运动数据,以检测下一次身体运动,依次类推直至人体运动数据采集结束。
示例性的,所述根据所述当前时间段与第一时间段计算处于运动状态的运动时间具体包括:
M51、根据当前时间段包含的所有运动数据确定运动状态的开始时刻,并根据所述第一预设时间端包含的所有运动数据确定运动状态的结束时刻;
M52、根据所述开始时刻以及所述结束时刻计算所述运动状态持续的运动时间。
进一步,所述根据当前时间段包含的所有运动数据确定运动状态的开始时刻,并根据所述第一时间段包含的所有运动数据确定运动状态的结束时刻具体包括:
分别将当前时间段包含的所有运动数据以及第一时间段包含的所有数据与预设运动数据区间进行比较,其中,变化量阈值为预设运动数据区间的变化量;
按照时间顺序获取当前时间段第一个未属于所述预设运动数据区间的第一运动数据,以及第一时间段最后一个未属于所述预设数据区间第二运动数据,以确定运动状态的开始时刻以及结束时刻。
实施例四
本实施例提供了一种BCG心率提取方法,所述方法包括:
N10、采集BCG信号,每间隔预设时间获取当前时间段对应的BCG信号,并将所述BCG信号转换为人体运动数据。
N20、分别计算当前时间段的第一变化量和下一时间段的第二变化量,并分别将第一变化量和第二变化量与预设变化量阈值进行比较。
N30、当第一变化量大于等于预设变化量阈值、第二变化量小于预设变化量阈值时,判定所述当前时间段的睡眠状态处于离床状态,并根据下一时间段记录下床时间。
在本实施例中,所述步骤N10中运动数据采集过程与实施例二中的步骤H10的过程相同,这里不在赘述。本实施例与实施例一的区别是对采用到的运动数据的处理过程不同,并且所述压力传感器的设置方式不同,在本实施例中,所述压力传感器以睡觉检测床或者睡觉检测枕头的形式设置,当人体离开床时,压力传感器不会检测到人体运动信息。具体地,在所述步骤N20中,分别计算当前时间段第一变化量和下一时间段的第二变化量,并且所述预设变化量阈值的取值不同,在本实施例中,所述预设变化量阈值为设预设数据区间为[NSD-NSU]的差值,其中,所述预设数据区间可以是通过大量实验统计分析得到的经验值。例如,所述NSD为32268,NSU为33268,那么所述预设变化量阈值OFFTh可以为NSU-NSD。所述第一变化量为当前时间段内运动数据最大值与运动数据最小值的差值,第二变化量为下一时间段内运动数据最大值与运动数据最小值的差值。相应的,所述分别计算当前时间段的第一变化量和下一时间段的第二变化量,并分别将第一变化量和第二变化量与预设变化量阈值进行比较比较具体包括:
N21、分别读取当前时间段以及下一时间段的运动数据最大值以及运动数据最小值;
N22、根据当前时间的运动数据最大值以及运动数据最小值计算所述当前时间段内的第一变化量;
N23、根据前一时间的运动数据最大值以及运动数据最小值计算所述当前时间段内的第一变化量;
N24、分别将第一变化量和第二变化量与预设的预设变化量阈值进行比较。
具体地,对于读取到的当前时间段包含的所有运动数据后,在所有运动数据中提取运动数据最大值以及运动数据最小值,通过计算运动数据最大值与运动数据最小值的差值得到第一变化量BMStr1。在将所述第一变化量与预设变化量阈值OFFTh进行比较,其中,OFFTh=NSU-NSD。同样,根据下一时间段采集的所有运动数据的运动数据最大值和运动数据最小值的查收得到第二变化量BMStr2,并将第二变化量与预设变化量阈值OFFTh进行比较。
进一步,在所述步骤N30中,所述第一变化量小于所述预设变化量阈值说明当前时间段处于在床状态,第二变化量大于所述预设变化量阈值说明下一时间段处于离床状态,从而判断用户处于离床状态,并且所述下一时间为下床时间段。从而,可以根据所述下一时间段确定下床时间,并将所述所述下床时间存储,这样便于快速确定人体的下床时间。另外,当第一变化量小于预设变化量阈值、第二变化量大于等于预设变化量阈值时,判定所述当前时间段的睡眠状态处于在床状态,并根据下一时间段确定用户上床时间。例如,将所述下一时间段的起始时间记录为上床时间,或者将所述下一时间段的结束时间记录为上床时间等。
在本申请的一个实施例中,所述若所述运动数据变化量大于所述预设变化量阈值,则将所述当前时间段的睡眠状态记录为运动状态之后包括:
N40、依次获取下一预设时间段内的睡眠状态,并获取睡眠状态处于上床状态的第一时间段;
N50、根据所述当前时间段与第一时间段计算处于离床状态的运动时间。
具体地,将下一时间段记为离床状态的起始时刻,之后持续获取每个预设时间段的运动状态直到获取到处于正常睡眠状态的第一时间段,即第一时间段内的运动数据变化量BMStr>=OFFTh,将所述第一时间段记录离床状态的结束时间,也就是说,第一时间段为人体上床时间,这样根据下一时间段以及第一时间段可以确定所述离床状态的持续时间。当然,在获取到处于上床状态的第一时间段后,还持续读取每个预设时间段的运动数据,以检测下一次离床状态,依次类推直至人体运动数据采集结束。
示例性的,所述根据所述当前时间段与第一时间段计算处于运动状态的运动时间具体包括:
N51、根据当前时间段包含的所有运动数据确定运动状态的开始时刻,并根据所述第一预设时间端包含的所有运动数据确定运动状态的结束时刻;
N52、根据所述开始时刻以及所述结束时刻计算所述运动状态持续的运动时间。
进一步,所述根据当前时间段包含的所有运动数据确定运动状态的开始时刻,并根据所述第一时间段包含的所有运动数据确定离床状态的结束时刻具体包括:
分别将当前时间段包含的所有运动数据以及第一时间段包含的所有数据与预设运动数据区间进行比较,其中,变化量阈值为预设运动数据区间的变化量;
按照时间顺序获取当前时间段第一个未属于所述预设运动数据区间的第一运动数据,以及第一时间段最后一个未属于所述预设数据区间第二运动数据,以确定离床状态的开始时刻以及结束时刻。
此外为了详细说明所述离床状态的运动时间的确定过程,下面结合图5做进一步说明。如图5所示,在从0到T1时间段内,变量量小于预设变化量阈值,人体处于离床状态;在T2时刻,由于BMStr(T2)>=OFFTh,并且T1为离床状态,所以T2时刻为上床时刻;在T2到T3时间段之间,BMStr都是大于OFFTh,人体处于在床状态,在T4时刻,由于BMStr(T4)<OFFTh,T4时刻人体处于离床状态,T4时间点被判断为下床时刻,从而可以得到T2时刻到T4时刻为在床时间。
实施例五
本实施例提供了一种BCG心率提取方法,其包括:
L10、采集人体的运动数据,并每间隔预设时间段获取当前时间段内所有运动数据以下一时间段的所有运动数据;
L20、根据获取到的所有运动数据计算所述当前时间段的第一变化量,并将所述第一变化量与第一变化量阈值进行比较;
L30、当所述第一变化量大于所述第一变化量阈值时,将所述当前时间段的睡眠状态记录为运动状态,并获取下一时间段的第二变化量;
L40、将所述第二变化量分别与第二变化量阈值和第一变化量阈值进行比较;
L50、若第二变化量小于第二变化量阈值,则判断所述下一时间的睡眠状态处于离床状态,并根据下一时间段记录下床时间;
L60、若所述第二变化量大于所述第二变化量阈值且小于所述第一变化量阈值,则判断所述人体处于正常睡眠状态。
进一步,所述BCG心率提取方法,其还包括:
M70、若所述第一变化量小于所述第一变化量阈值,则将所述第一变化量与第二变化量阈值进行比较;
M80、若第一变化量大于第二变化量阈值,则判断所述人体处于正常睡眠状态;
M90、若第一变化量小于第二变化量阈值,则判断所述人体处于离床状态。
进一步,所述若第一变化量大于第二变化量阈值,则判断所述人体处于正常睡眠状态具体包括:
M81、对所述BCG信号进行处理以将其划分为若干呼吸周期,其中,所述呼吸周期包括呼气-吸气-呼气;
M82、分别将各呼吸周期包含的呼气点按照预设规则沿时间轴偏移预设偏移量;
M83、根据偏移后的呼气点确定各呼吸周期对应的时间段;
M84、根据各呼吸周期对应的时间段对所述BCG信号更新,并根据更新后的BCG信号提取心率
在本实施例中,所述第一变化量阈值为实施例一中的变化量阈值,第二变化量阈值为实施例二中的变化量阈值,这里就不做赘述。此外,所述实施例包含的各步骤的处理过程与上述实施例中相同步骤的处理过程一样,这里就不在一一说明。
基于上述BCG心率提取方法,本申请还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一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述实施例所述的BCG心率提取方法中的步骤。
基于上述BCG心率提取方法,本申请还提供了一种BCG心率提取置,如图6所示,其包括至少一个处理器(processor)20;压力传感器21;以及存储器(memory)22,还可以包括通信接口(Communications Interface)23和总线24。其中,处理器20、压力传感器21、存储器22和通信接口23可以通过总线24完成相互间的通信。压力传感器21设置为感知人体运行信息并产生电信号。通信接口23可以传输信息。处理器20可以调用存储器22中的逻辑指令,以执行上述实施例中的方法。
此外,上述的存储器22中的逻辑指令可以通过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。
存储器22作为一种计算机可读存储介质,可设置为存储软件程序、计算机可执行程序,如本公开实施例中的方法对应的程序指令或模块。处理器30通过运行存储在存储器22中的软件程序、指令或模块,从而执行功能应用以及数据处理,即实现上述实施例中的方法。
存储器22可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端设备的使用所创建的数据等。此外,存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器。例如,U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
此外,上述存储介质以及移动终端中的多条指令处理器加载并执行的具体过程在上述方法中已经详细说明,在这里就不再一一陈述。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种BCG心率提取方法,其特征在于,其包括:
采集BCG信号,并对所述BCG信号进行处理以将其划分为若干呼吸周期,其中,所述呼吸周期包括呼气-吸气-呼气;
分别将各呼吸周期包含的呼气点按照预设规则沿时间轴偏移预设偏移量;其中,所述预设规则为将按照时间顺序处于前端的呼气点向后偏移,将处于后端的呼气点向前偏移;
根据偏移后的呼气点确定各呼吸周期对应的时间段;
根据各呼吸周期对应的时间段对所述BCG信号更新,并根据更新后的BCG信号提取心率;其中,根据各呼吸周期对应的时间段对所述BCG信号更新为将各时间段对应的BCG信号进行拼接以形成新的BCG信号,其中,所述新的BCG信号去除呼气点。
2.根据权利要求1所述BCG心率提取方法,其特征在于,所述采集BCG信号,并对所述BCG信号进行处理以将其划分为若干呼吸周期具体为:
采集BCG信号,每间隔预设时间获取当前时间段对应的BCG信号,并对所述BCG信号进行处理以将其划分为若干呼吸周期。
3.根据权利要求2所述BCG心率提取方法,其特征在于,所述采集BCG信号,并对所述BCG信号进行处理以将其划分为若干呼吸周期具体包括:
采集BCG信号,并对所述BCG信号进行低通滤波以得到呼吸信号;
获取所述呼吸信号的所有极值点,并根据获取到的所有极值点将所述呼吸信号划分为若干呼吸周期。
4.根据权利要求3所述BCG心率提取方法,其特征在于,所述获取所述呼吸信号的所有极值点,并根据获取到的所有极值点将所述呼吸信号划分为若干呼吸周期具体包括:
获取波形信号对应的波形曲线,并根据所述波形曲线确定所述波形信号的所有极大值点;
根据提取到的所有极大值点将所述呼吸信号划分为若干呼吸周期,其中,两个相邻极大值形成的区间为一个呼吸周期。
5.根据权利要求1所述BCG心率提取方法,其特征在于,所述分别将各呼吸周期的呼气点按照预设规则沿时间轴偏移预设偏移量具体包括:
对于每个呼吸周期,将该呼吸周期包含的呼气点按照时间顺序进行排序;
根据所述排序顺序,将第一呼气点沿时间轴向后偏移预设偏移量,并将第二呼气点沿时间轴向前偏移预设偏移量。
6.根据权利要求5所述BCG心率提取方法,其特征在于,所述对于每个呼吸周期,将该呼吸周期包含的呼气点按照时间顺序进行排序之后包括:
根据所述排序顺序,获取第一呼气点对应的第一时刻以及第二呼气点对应的第二时刻;
根据所述第一时刻和第二时刻计算所述预设偏移量,其中,所述预设偏移量=(第二时刻-第一时刻)/10。
7.根据权利要求1所述BCG心率提取方法,其特征在于,所述根据各呼吸周期对应的时间段对所述BCG信号更新,并根据更新后的BCG信号提取心率具体包括:
获取各时间段对应的第一BCG信号,并将各第一BCG信号按照时间顺序拼接以形成更新后的BCG信号;
根据更新后的BCG信号提取心率。
8.根据权利要求1或7所述BCG心率提取方法,其特征在于,所述根据更新后的BCG信号提取心率具体包括:
对更新后的BCG信号进行高通滤波以得到心率信号;
提取所述心率信号的各峰值点,并根据提取到的峰值点确定心率。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现如权利要求1~8任意一项所述的BCG心率提取方法中的步骤。
10.一种BCG心率提取装置,其特征在于,包括:压力传感器、处理器、存储器及通信总线;所述存储器上存储有可被所述处理器执行的计算机可读程序;
所述通信总线实现处理器和存储器之间的连接通信;
所述压力传感器实现运动数据的采集,并将采集的运动数据传输至处理器;
所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的BCG心率提取方法中的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810366011.XA CN108836299B (zh) | 2018-04-23 | 2018-04-23 | 一种bcg心率提取方法、存储介质以及装置 |
PCT/CN2018/096697 WO2019205314A1 (zh) | 2018-04-23 | 2018-07-23 | 一种睡眠监测方法、存储介质以及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810366011.XA CN108836299B (zh) | 2018-04-23 | 2018-04-23 | 一种bcg心率提取方法、存储介质以及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108836299A CN108836299A (zh) | 2018-11-20 |
CN108836299B true CN108836299B (zh) | 2021-05-14 |
Family
ID=64212251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810366011.XA Active CN108836299B (zh) | 2018-04-23 | 2018-04-23 | 一种bcg心率提取方法、存储介质以及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108836299B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112401867A (zh) * | 2019-08-21 | 2021-02-26 | 西门子(深圳)磁共振有限公司 | 确定呼吸阶段的方法及装置、磁共振成像方法及系统 |
CN111481173B (zh) * | 2020-04-15 | 2023-06-06 | 上海贝氪若宝健康科技有限公司 | 身体体征信号的检测方法、介质、设备及系统 |
CN112137601B (zh) * | 2020-09-23 | 2024-03-15 | 中国第一汽车股份有限公司 | 信号处理方法、装置、车辆及存储介质 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4657025A (en) * | 1981-12-09 | 1987-04-14 | Carl Orlando | Heart and breathing alarm monitor |
CN102088904A (zh) * | 2008-07-11 | 2011-06-08 | 皇家飞利浦电子股份有限公司 | 心冲击描记图分析方法和设备 |
CN102245102A (zh) * | 2008-12-12 | 2011-11-16 | 皇家飞利浦电子股份有限公司 | 用于心冲击图信号的分析的方法和设备 |
CN102458237A (zh) * | 2009-06-17 | 2012-05-16 | 心动力医疗公司 | 获得和处理心冲击描计图数据的方法和设备 |
CN102469958A (zh) * | 2009-07-31 | 2012-05-23 | 皇家飞利浦电子股份有限公司 | 用于分析心冲击图信号的方法和装置 |
CN104144636A (zh) * | 2012-03-01 | 2014-11-12 | 皇家飞利浦有限公司 | 处理表示生理节律的信号的方法 |
CN104182601A (zh) * | 2013-05-22 | 2014-12-03 | 上海宽带技术及应用工程研究中心 | 一种基于心冲击信号的心率值实时提取方法 |
CN104424488A (zh) * | 2013-09-02 | 2015-03-18 | 上海宽带技术及应用工程研究中心 | 一种提取bcg信号特征的方法及系统 |
CN104939819A (zh) * | 2014-03-28 | 2015-09-30 | 西门子公司 | 用于确定心脏运动的时刻的方法和相应的装置 |
CN105447306A (zh) * | 2015-11-12 | 2016-03-30 | 杨松 | 心冲击信号周期的计算方法和装置 |
CN105574348A (zh) * | 2015-12-28 | 2016-05-11 | 西北工业大学 | 一种基于bcg信号的心跳周期获取方法和装置 |
CN105559754A (zh) * | 2015-12-29 | 2016-05-11 | 西北工业大学 | 一种基于心率与呼吸信号的睡眠呼吸障碍检测方法和装置 |
CN106037671A (zh) * | 2016-07-11 | 2016-10-26 | 西北工业大学 | 一种基于bcg信号的呼吸暂停事件检测方法及系统 |
CN106236041A (zh) * | 2016-08-23 | 2016-12-21 | 电子科技大学 | 一种实时且准确的测量心率及呼吸率的算法及系统 |
WO2017141976A1 (ja) * | 2016-02-15 | 2017-08-24 | ヘルスセンシング株式会社 | 睡眠状態測定装置及び方法、位相コヒーレンス算出装置、生体振動信号測定装置、ストレス状態測定装置及び睡眠状態測定装置及び心拍波形抽出方法 |
CN107137071A (zh) * | 2017-04-26 | 2017-09-08 | 可瑞尔科技(扬州)有限公司 | 一种分析心冲击信号用来计算短期心率值的方法 |
CN107198516A (zh) * | 2017-07-11 | 2017-09-26 | 河北工业大学 | 一种无束缚检测呼吸率心率的方法及智能床 |
CN107233086A (zh) * | 2016-03-28 | 2017-10-10 | 三星电子株式会社 | 使用低功率传感器进行心率和呼吸率估计的方法和装置 |
WO2017199943A1 (ja) * | 2016-05-17 | 2017-11-23 | ミネベアミツミ株式会社 | 呼吸波形描画システム |
CN107647860A (zh) * | 2017-08-31 | 2018-02-02 | 深圳和而泰智能控制股份有限公司 | 一种心率检测方法、装置、电子设备及存储介质 |
CN107743374A (zh) * | 2015-07-27 | 2018-02-27 | 谷歌有限责任公司 | 基于患者移动改变生理信号 |
CN107913060A (zh) * | 2016-10-05 | 2018-04-17 | 株式会社村田制作所 | 用于监测心跳的方法及装置 |
JP2018061842A (ja) * | 2015-09-29 | 2018-04-19 | ミネベアミツミ株式会社 | 生体情報モニタリングシステム |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7485095B2 (en) * | 2000-05-30 | 2009-02-03 | Vladimir Shusterman | Measurement and analysis of trends in physiological and/or health data |
US7314451B2 (en) * | 2005-04-25 | 2008-01-01 | Earlysense Ltd. | Techniques for prediction and monitoring of clinical episodes |
US20120220835A1 (en) * | 2011-02-14 | 2012-08-30 | Wayne Chung | Wireless physiological sensor system and method |
-
2018
- 2018-04-23 CN CN201810366011.XA patent/CN108836299B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4657025A (en) * | 1981-12-09 | 1987-04-14 | Carl Orlando | Heart and breathing alarm monitor |
CN102088904A (zh) * | 2008-07-11 | 2011-06-08 | 皇家飞利浦电子股份有限公司 | 心冲击描记图分析方法和设备 |
CN102245102A (zh) * | 2008-12-12 | 2011-11-16 | 皇家飞利浦电子股份有限公司 | 用于心冲击图信号的分析的方法和设备 |
CN102458237A (zh) * | 2009-06-17 | 2012-05-16 | 心动力医疗公司 | 获得和处理心冲击描计图数据的方法和设备 |
CN102469958A (zh) * | 2009-07-31 | 2012-05-23 | 皇家飞利浦电子股份有限公司 | 用于分析心冲击图信号的方法和装置 |
CN104144636A (zh) * | 2012-03-01 | 2014-11-12 | 皇家飞利浦有限公司 | 处理表示生理节律的信号的方法 |
CN104182601A (zh) * | 2013-05-22 | 2014-12-03 | 上海宽带技术及应用工程研究中心 | 一种基于心冲击信号的心率值实时提取方法 |
CN104424488A (zh) * | 2013-09-02 | 2015-03-18 | 上海宽带技术及应用工程研究中心 | 一种提取bcg信号特征的方法及系统 |
CN104939819A (zh) * | 2014-03-28 | 2015-09-30 | 西门子公司 | 用于确定心脏运动的时刻的方法和相应的装置 |
CN107743374A (zh) * | 2015-07-27 | 2018-02-27 | 谷歌有限责任公司 | 基于患者移动改变生理信号 |
JP2018061842A (ja) * | 2015-09-29 | 2018-04-19 | ミネベアミツミ株式会社 | 生体情報モニタリングシステム |
CN105447306A (zh) * | 2015-11-12 | 2016-03-30 | 杨松 | 心冲击信号周期的计算方法和装置 |
CN105574348A (zh) * | 2015-12-28 | 2016-05-11 | 西北工业大学 | 一种基于bcg信号的心跳周期获取方法和装置 |
CN105559754A (zh) * | 2015-12-29 | 2016-05-11 | 西北工业大学 | 一种基于心率与呼吸信号的睡眠呼吸障碍检测方法和装置 |
WO2017141976A1 (ja) * | 2016-02-15 | 2017-08-24 | ヘルスセンシング株式会社 | 睡眠状態測定装置及び方法、位相コヒーレンス算出装置、生体振動信号測定装置、ストレス状態測定装置及び睡眠状態測定装置及び心拍波形抽出方法 |
CN107233086A (zh) * | 2016-03-28 | 2017-10-10 | 三星电子株式会社 | 使用低功率传感器进行心率和呼吸率估计的方法和装置 |
WO2017199943A1 (ja) * | 2016-05-17 | 2017-11-23 | ミネベアミツミ株式会社 | 呼吸波形描画システム |
CN106037671A (zh) * | 2016-07-11 | 2016-10-26 | 西北工业大学 | 一种基于bcg信号的呼吸暂停事件检测方法及系统 |
CN106236041A (zh) * | 2016-08-23 | 2016-12-21 | 电子科技大学 | 一种实时且准确的测量心率及呼吸率的算法及系统 |
CN107913060A (zh) * | 2016-10-05 | 2018-04-17 | 株式会社村田制作所 | 用于监测心跳的方法及装置 |
CN107137071A (zh) * | 2017-04-26 | 2017-09-08 | 可瑞尔科技(扬州)有限公司 | 一种分析心冲击信号用来计算短期心率值的方法 |
CN107198516A (zh) * | 2017-07-11 | 2017-09-26 | 河北工业大学 | 一种无束缚检测呼吸率心率的方法及智能床 |
CN107647860A (zh) * | 2017-08-31 | 2018-02-02 | 深圳和而泰智能控制股份有限公司 | 一种心率检测方法、装置、电子设备及存储介质 |
Non-Patent Citations (5)
Title |
---|
Heart Rate Measurement Using Video in Different User States for Online HCI Applications;Sudhakar Mishra et al.;《Procedia Computer Science》;20141231;20-27 * |
坐立两便式心冲击信号检测系统设计与实现;王春武等;《东北大学学报(自然科学版)》;20120630;第33卷(第6期);786-800 * |
基于心冲击信号的心率提取算法;王春武等;《东北大学学报(自然科学版)》;20120831;第33卷(第8期);1103-1106 * |
心冲击图特征统计及其医学诊断应用;曹欣荣等;《清华大学学报(自然科学版)》;20141231;第54卷(第5期);633-637 * |
面向自然睡眠的老年人持续化心率检测方法;赵婷芝等;《中国科技论文》;20150131;第10卷(第2期);227-231 * |
Also Published As
Publication number | Publication date |
---|---|
CN108836299A (zh) | 2018-11-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108836299B (zh) | 一种bcg心率提取方法、存储介质以及装置 | |
US11116453B2 (en) | Apparatus and method for measuring biosignals | |
CN109688916B (zh) | 可植入心脏监视器的过缓暂停检测 | |
CN111938584B (zh) | 一种睡眠监测方法与设备 | |
Balli et al. | Classification of biological signals using linear and nonlinear features | |
CN110151138B (zh) | 基于卷积神经网络的睡眠呼吸暂停片段检测方法、设备 | |
Agarwal et al. | Input-feature correlated asynchronous analog to information converter for ECG monitoring | |
EP2730216B1 (en) | Biosignal transmitter, biosignal receiver, and biosignal transmitting method | |
CN101506798A (zh) | 呼吸门控心动描记法 | |
CN108523899A (zh) | 睡眠过程中离床状态的监测方法、存储介质及装置 | |
CN108601546B (zh) | 生物信号处理方法和生物信号处理设备 | |
Chen et al. | Wearable sensor based stress management using integrated respiratory and ECG waveforms | |
JP6857573B2 (ja) | 筋電計測装置、方法及びプログラム | |
Lee et al. | A real-time abnormal beat detection method using a template cluster for the ECG diagnosis of IoT devices | |
CN111449622A (zh) | 一种基于bcg检测的房颤识别系统 | |
US20200100727A1 (en) | System for determining a set of at least one cardio-respiratory descriptor of an individual during sleep | |
Kalkbrenner et al. | Sleep monitoring using body sounds and motion tracking | |
KR102440217B1 (ko) | 딥러닝 기반의 수면단계 판정 장치 및 그 시스템 | |
US9918670B2 (en) | Detecting seizures based on heartbeat data | |
KR20140114181A (ko) | 심전도 신호에 기반하여 스트레스를 분석하고 추정하는 방법 및 장치 | |
WO2019205314A1 (zh) | 一种睡眠监测方法、存储介质以及装置 | |
Hasan et al. | Preliminary study on real-time prediction of gait acceleration intention from volition-associated EEG patterns | |
Nielsena et al. | Automatic QRS complex detection algorithm designed for a novel wearable, wireless electrocardiogram recording device | |
Drosu et al. | Non-invasive Acquisition of Bio-potentials for ECG | |
CN107280650B (zh) | 生命体特征参数获取方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |