CN109189207A - 一种可穿戴设备穿戴状态的检测方法及装置 - Google Patents
一种可穿戴设备穿戴状态的检测方法及装置 Download PDFInfo
- Publication number
- CN109189207A CN109189207A CN201810677884.2A CN201810677884A CN109189207A CN 109189207 A CN109189207 A CN 109189207A CN 201810677884 A CN201810677884 A CN 201810677884A CN 109189207 A CN109189207 A CN 109189207A
- Authority
- CN
- China
- Prior art keywords
- signal
- interval
- wearing state
- wearable device
- ppg
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/14—Classification; Matching by matching peak patterns
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Dermatology (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请公开了一种可穿戴设备穿戴状态的检测方法及装置。该方法包括:采集用户的脉搏波信号;从所述脉搏波信号中提取峰值点;根据所述峰值点,求得R‑R间期;通过将所述R‑R间期相关参数、光电容积脉搏描记法PPG信号信噪比与历史数据中的R‑R间期相关参数、PPG信号信噪比相匹配,得到可穿戴设备的穿戴状态。还公开了相应的装置。通过对采集到的脉搏波信号进行峰值点检测,得到R‑R间期相关参数。再根据R‑R间期相关参数及PPG信号信噪比与历史数据的匹配结果,得到可穿戴设备的穿戴状态。本申请可实现精确提取脉搏波信号的峰值点,并准确给出可穿戴设备的穿戴状态。
Description
技术领域
本申请涉及穿戴设备领域,尤其涉及一种可穿戴设备穿戴状态的检测方法及装置。
背景技术
在可穿戴设备增加了通话、定位、发送短信、监测数据、安装运行软件等功能后,其应用场景也越来越广,但是智能佩戴设备的大多数功能都需要基于对可穿戴设备穿戴状态的准确判断才能使用。
目前,市场上大多数可穿戴设备均是根据加速度计的测量数据来对穿戴状态进行判断。但加速度计由于温度,内部机械结构,以及外界噪声的影响,会产生的比较大误差,从而导致对可穿戴设备状态的判断不准确。
发明内容
本申请提供了一种可穿戴设备穿戴状态的检测方法及装置,以实现对可穿戴设备穿戴状态的检测。
第一方面,提供了一种可穿戴设备穿戴状态的检测方法,包括:采集用户的脉搏波信号;从所述脉搏波信号中提取峰值点;根据所述峰值点,求得R-R间期;通过将所述R-R间期相关参数、光电容积脉搏描记法PPG信号信噪比与历史数据中的R-R间期相关参数、PPG信号信噪比相匹配,得到可穿戴设备的穿戴状态。
在一种可能的实现方式中,所述采集用户的脉搏波信号,包括:通过心率传感器采集所述用户的原始脉搏波信号;获取所述可穿戴设备的加速度值;根据所述加速度值对所述原始脉搏波信号进行筛选,其中,若当前时刻的所述加速度值小于预先设定的加速度值,则保留当前时刻的原始脉搏波信号,得到所述脉搏波信号;若当前时刻的所述加速度值大于或等于预先设定的加速度值,则去除当前时刻的脉搏波信号。
在另一种可能的实现方式中,所述从所述脉搏波信号中提取峰值点,包括:对所述脉搏波信号进行傅里叶变换,得到PPG原始信号;对所述PPG原始信号进行滤波,得到PPG信号;从所述PPG信号中提取峰值点。
在又一种可能的实现方式中,所述从所述PPG信号中提取峰值点,包括:对所述PPG原始信号进行傅里叶变换,得到PPG信号的幅频曲线;从所述PPG信号中选取出幅度最大的点对应的频率f;对所述PPG原始信号进行低通滤波处理,得到第一幅频曲线;确定所述第一幅频曲线中的所有极大值点,得到峰值点。
在又一种可能的实现方式中,所述通过将所述R-R间期相关参数、PPG信号信噪比与历史数据中的所述R-R间期相关参数、所述PPG信号信噪比相匹配,得到可穿戴设备的穿戴状态,包括:根据所述PPG原始信号与PPG信号,得到信噪比;根据所述R-R间期,得到正常窦性R-R间期的标准差及相邻R-R间期差值的均方根;获取多个已知穿戴状态的历史数据,其中,所述历史数据包括以下一个或多个参数:所述信噪比、所述正常窦性R-R间期的标准差及所述相邻R-R间期差值的均方根;从所述历史数据中的信噪比、正常窦性R-R间期的标准差及相邻R-R间期差值的均方根找到与所述信噪比、所述正常窦性R-R间期的标准差及所述相邻R-R间期差值最接近的穿戴状态,并将所述穿戴状态作为所述可穿戴设备的穿戴状态,得到可穿戴设备的穿戴状态。
第二方面,提供了一种可穿戴设备穿戴状态的检测装置,包括:采集单元,用于采集用户的脉搏波信号;提取单元,用于从所述脉搏波信号中提取峰值点;计算单元,用于根据所述峰值点,求得R-R间期;匹配单元,用于通过将所述R-R间期相关参数、PPG信号信噪比与历史数据中的R-R间期相关参数、PPG信号信噪比相匹配,得到可穿戴设备的穿戴状态。
在一种可能的实现方式中,所述采集单元包括:采集子单元,用于通过心率传感器采集所述用户的原始脉搏波信号;第一获取子单元,用于获取所述可穿戴设备的加速度值;筛选子单元,用于根据所述加速度值对所述原始脉搏波信号进行筛选,其中,若当前时刻的所述加速度值小于预先设定的加速度值,则保留当前时刻的原始脉搏波信号,得到所述脉搏波信号;若当前时刻的所述加速度值大于或等于预先设定的加速度值,则去除当前时刻的脉搏波信号。
在另一种可能的实现方式中,所述提取单元包括:处理子单元,用于对所述脉搏波信号进行傅里叶变换,得到PPG原始信号;滤波子单元,用于对所述PPG原始信号进行滤波,得到PPG信号;提取子单元,用于从所述PPG信号中提取峰值点。
在另一种可能的实现方式中,所述提取子单元用于:对所述PPG原始信号进行傅里叶变换,得到PPG信号的幅频曲线;以及从所述PPG信号中选取出幅度最大的点对应的频率f;以及对所述PPG原始信号进行低通滤波处理,得到第一幅频曲线;以及确定所述第一幅频曲线中的所有极大值点,得到峰值点。
在又一种可能的实现方式中,所述匹配单元包括:第一计算子单元,用于根据所述PPG原始信号与PPG信号,得到信噪比;第二计算子单元,根据所述R-R间期,得到正常窦性R-R间期的标准差及相邻R-R间期差值的均方根;第二获取子单元,用于获取多个已知穿戴状态的历史数据,其中,所述历史数据包括以下一个或多个参数:所述信噪比、所述正常窦性R-R间期的标准差及所述相邻R-R间期差值的均方根;确定子单元,用于从所述历史数据中的信噪比、正常窦性R-R间期的标准差及相邻R-R间期差值的均方根找到与所述信噪比、所述正常窦性R-R间期的标准差及所述相邻R-R间期差值最接近的穿戴状态,并将所述穿戴状态作为所述可穿戴设备的穿戴状态,得到可穿戴设备的穿戴状态。
第三方面,提供了一种可穿戴设备穿戴状态的检测装置,包括:包括处理器、存储器;所述处理器被配置为支持所述装置执行上述第一方面及其任一种可能的实现方式的方法中相应的功能。存储器用于与处理器耦合,其保存所述装置必要的程序(指令)和数据。可选的,所述装置还可以包括输入/输出接口,用于支持所述装置与其他装置之间的通信。
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中存储有指令,当其在计算机上运行时,使得计算机执行上述第一方面及其任一种可能的实现方式的方法。
第五方面,提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面及其任一种可能的实现方式的方法。
根据本申请提供的一种可穿戴设备穿戴状态的检测方法,通过对采集到的脉搏波信号进行峰值点检测,得到R-R间期相关参数。再根据R-R间期相关参数及PPG信号信噪比与历史数据的匹配结果,得到可穿戴设备的穿戴状态。本申请可实现精确提取脉搏波信号的峰值点,并准确给出可穿戴设备的穿戴状态。
附图说明
为了更清楚地说明本申请实施例或背景技术中的技术方案,下面将对本申请实施例或背景技术中所需要使用的附图进行说明。
图1为本申请实施例提供的一种可穿戴设备穿戴状态的检测方法的流程示意图;
图2为本申请实施例提供的另一种可穿戴设备穿戴状态的检测方法的流程示意图;
图3为本申请实施例提供的一种可穿戴设备穿戴状态的检测装置的结构示意图;
图4为本申请实施例提供的一种可穿戴设备穿戴状态的检测装置的硬件结构示意图。
具体实施方式
下面结合本申请实施例中的附图对本申请实施例进行描述。
请参阅图1,图1是本申请实施例提供的一种可穿戴设备穿戴状态的检测方法的流程示意图。
S101、采集用户的脉搏波信号。
本申请实施例利用心率传感器采集脉搏波信号。具体地,当心室收缩时,血液冲开主动脉瓣,并把血液射入主动脉中,主动脉内压突然增高,血管壁迅速膨大,当心室舒张时,主动脉压降低,主动脉壁因其具有弹性而回缩,这样,动脉管壁就随心室的收缩而出现周期性的起伏搏动,形成脉搏。这样,皮肤内的血液、容积在心脏作用下呈搏动性变化。由于光照透过皮肤组织然后再反射到光敏传感器时光照会有衰减,而肌肉、骨骼、静脉和其他连接组织等等对光的吸收是基本不变的,但是血液不同,由于动脉里有血液的流动,那么对光的吸收自然也有所变化。因此,一定波长的光束照射到指端皮肤表面时,光束将通过透射或反射方式传送到光电接收器,当心脏收缩时外周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,正好相反,检测到的光强度最大。将光源和光敏元件置于被测部位(如手指)的同一侧(或两侧),光源发出的光照射在组织上,经反射(或透射)后被光敏元件接收,光敏元件再将脉动的光强度信号转变为脉动的电信号。当我们把光转换成电信号时,正是由于动脉对光的吸收有变化而其他组织对光的吸收基本不变,得到的信号就可以分为直流DC信号和交流AC信号。提取其中的AC信号,从而可得到脉搏波信号。
S102、从所述脉搏波信号中提取峰值点。
根据脉搏波信号得到光电容积脉搏描记法(photo plethysmography,PPG)原始信号,再对PPG原始信号进行傅里叶变换,得到PPG原始信号的幅度-频率曲线。再根据正常人的心率范围对幅度-频率曲线进行筛选,具体地,从PPG原始信号的幅度-频率曲线中选取心率范围内的信号,并令该信号的功率为P。再对选取出的信号进行滤波处理,得到PPG信号,令PPG信号的功率为Ps。将滤波处理前和滤波处理后的两条曲线的幅值相减,并取绝对值,得到新的幅度-频率曲线。从新的幅度-频率曲线中选出除左、右两个端点之外的幅度值最大的点,得到该幅度值最大的点对应的频率值f。将频率值f设为低通滤波的阈值,并对PPG原始信号进行低通滤波,得到峰值曲线。最后对峰值曲线求导,找出所有极大值点,并从中提取出N+1个峰值点。
S103、根据所述峰值点,求得R-R间期。
每两个峰值点之间的时间差即为R-R间期,因此,可根据上述N+1个峰值点求得N个R-R间期。
S104、通过将所述R-R间期相关参数、光电容积脉搏描记法PPG信号信噪比与历史数据中的R-R间期相关参数、PPG信号信噪比相匹配,得到可穿戴设备的穿戴状态。
通过提取出的峰值点,计算出R-R间期。再根据R-R间期计算得到R-R间期相关参数:正常窦性R-R间期的标准差及相邻R-R间期差值的均方根。根据上述PPG信号滤波前后的信号功率大小得到PPG信号的信噪比。
再通过KNN算法将上述采集到的脉搏波信号的相关参数与历史数据的相关参数相匹配,即可得到可穿戴设备的穿戴状态,其中,相关参数包括:PPG信噪比、正常窦性R-R间期的标准差及相邻R-R间期差值的均方根。具体地,KNN算法从历史数据中找出与采集脉搏波信号的相关参数最接近的相关参数,并找出与该历史数据中的相关参数相对应的穿戴状态,即为可穿戴设备的穿戴状态。
根据本申请提供的一种可穿戴设备穿戴状态的检测方法,通过对采集到的脉搏波信号进行峰值点检测,得到R-R间期相关参数。再根据R-R间期相关参数及PPG信号信噪比与历史数据的匹配结果,得到可穿戴设备的穿戴状态。本申请可实现精确提取脉搏波信号的峰值点,并准确给出可穿戴设备的穿戴状态。
请参阅图2,图2是本申请实施例提供的一种可穿戴设备穿戴状态的检测方法的流程示意图。
S201、通过心率传感器采集所述用户的原始脉搏波信号。
利用心率传感器采集原始脉搏波信号。具体地,当心室收缩时,血液冲开主动脉瓣,并把血液射入主动脉中,主动脉内压突然增高,血管壁迅速膨大,当心室舒张时,主动脉压降低,主动脉壁因其具有弹性而回缩,这样,动脉管壁就随心室的收缩而出现周期性的起伏搏动,形成脉搏。由于皮肤、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。一定波长的光束照射到指端皮肤表面时,光束将通过透射或反射方式传送到光电接收器,当心脏收缩时外周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,正好相反,检测到的光强度最大。这样,透过组织的光线随着血管内血流的变化而变化,通过将接收到的光信号转换成电信号来反映脉搏波的信号,这种传感器套在指端就能测量得到的脉搏波信号,使用方便且性能稳定。
S202、获取所述可穿戴设备的加速度值。
本申请实施例是检测可穿戴设备的穿戴状态,其中的可穿戴设备一般都内置加速度计。可选地,内置加速度计可为压阻式或电容式。通过内置加速度计可测量出可穿戴设备的实时加速度值。
S203、根据所述加速度值对所述原始脉搏波信号进行筛选。
物体的加速度值可反应物体的运动状态,具体地,物体的加速度值越大,物体运动的越剧烈,且在理论上,当物体静止不动或处于匀速运动状态时,加速度值为0。因此,可根据内置加速度计给出的加速度值的大小,对可穿戴设备的运动状态进行判断。
而在用户进行运动时(如:行走、奔跑),加速度值一定不为0,且是一个较大的数值,因此,可通过加速度值来检测处于运动状态下的用户是否穿戴可穿戴设备。当用户处于静止状态或运动幅度较小(即加速的值较小)时,仅通过加速度值是无法检测用户是否已穿戴可穿戴设备,因此,本申请实施例主要是检测该状态下的用户是否穿戴设备。
在对脉搏波信号进行后续处理之前,需要先将运动状态下的信号去除掉。因此,首先根据所述加速度值对原始脉搏波信号进行筛选,其中,若当前时刻的所述加速度值小于预先设定的加速度值,则保留当前时刻的原始脉搏波信号,得到脉搏波信号;若当前时刻的所述加速度值大于或等于预先设定的加速度值,则去除当前时刻的脉搏波信号。
S204、从所述脉搏波信号中提取峰值点。
该步骤可参考前述实施例中的S102,在此不再赘述。
S205、根据所述PPG原始信号与PPG信号,得到信噪比。
根据S204可得到PPG原始信号中的噪声信号的有效功率为P-Ps,再结合PPG信号的有效功率Ps即可得到信噪比,具体表达式如下:
S206、根据所述R-R间期,得到正常窦性R-R间期的标准差及相邻R-R间期差值的均方根。
由S204中得到的n个峰值点,可得到N个R-R间期。再根据R-R间期求出正常窦性R-R间期的标准差(SDNN)及相邻R-R间期差值的均方根(RMSSD),具体公式可参见公式(2)及公式(3)
其中,N为正常心搏总数,RRi是第i个R-R间期,是N个心搏的R-R间期的平均值。
其中,N为正常心搏总数,RRi是第i个R-R间期,RRi和RRi+1是相邻两个窦性心动周期的长度。
S207、获取多个已知穿戴状态的历史数据,其中,所述历史数据包括以下一个或多个参数:所述信噪比、所述正常窦性R-R间期的标准差及所述相邻R-R间期差值的均方根。
本申请实施例在投入到实际应用时,需要大量已知穿戴状态的历史数据作为后续的应用处理的参考。因此,在投入到实际应用之前,需要获取多个已知穿戴状态的历史数据,具体地,每一组历史数据均包括:穿戴状态、信噪比、正常窦性R-R间期的标准差及相邻R-R间期差值的均方根。其中,每一组历史数据中的任意一个参数均是已知的。
可选地,从所有历史数据中选取90%为参考集,其余10%为训练集,并通过KNN算法对可穿戴设备穿戴状态检测系统进行训练。具体地,将90%的历史数据作为系统训练的已知标准,作为参考,另外10%作为训练数据,输入到系统。系统将从90%的历史数据中找出与输入到系统的10%的历史数据最接近的一个历史数据点,并给出穿戴状态。结合系统给出的穿戴状态与10%的历史数据的实际穿戴状态,对检测系统相关参数进行调整,并更新整个检测系统的参数,实现训练的过程。
S208、从所述历史数据中的信噪比、正常窦性R-R间期的标准差及相邻R-R间期差值的均方根找到与所述信噪比、所述正常窦性R-R间期的标准差及所述相邻R-R间期差值最接近的穿戴状态,并将所述穿戴状态作为所述可穿戴设备的穿戴状态,得到可穿戴设备的穿戴状态。
本申请实施例采用KNN算法对采集到的脉搏波原始信号进行分类。KNN算法又称邻近算法,或者说K最近邻分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻,就是K个最近的邻居的意思,即每个样本都可以用它最接近的K个邻居来代表。KNN算法的核心思想是如果一个样本在特征空间中的K个最相邻的样本中的大多数属于某一个类别,则该样本也属于这个类别,并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。
因此,KNN算法从历史数据中的信噪比、正常窦性R-R间期的标准差及相邻R-R间期差值的均方根找到与所述信噪比、所述正常窦性R-R间期的标准差及所述相邻R-R间期差值最接近的某一个历史数据点,并根据该历史数据点的穿戴状态得到用户的穿戴状态。具体地,若该历史数据点为穿戴状态,则用户此时也为穿戴状态;若该历史数据点为非穿戴状态,则用户此时也为非穿戴状态。需要指出的是,KNN算法给出的分类结果只有0和1,且用0代表未穿戴状态,用1代表穿戴状态。
可选地,检测系统再根据KNN算法给出的分类结果,将0和1转换为对应的状态,并将具体状态输出到可穿戴设备的显示终端。具体地,若KNN算法给出的结果为0,则可通过终端显示“未穿戴设备”;若KNN算法给出的结果为1,则可通过终端显示“已穿戴设备”。
可选地,可穿戴设备也可根据检测系统给出的穿戴状态进行下一步操作。具体地,若检测系统给出的是未穿戴状态,可穿戴设备则可将如:睡眠监测、卡路里检测等功能关闭,以节省设备的电量。
根据本申请提供的一种可穿戴设备穿戴状态的检测方法,通过对采集到的脉搏波信号进行峰值点检测,得到R-R间期相关参数。再根据R-R间期相关参数及PPG信号信噪比与历史数据的匹配结果,得到可穿戴设备的穿戴状态。本申请可实现精确提取脉搏波信号的峰值点,并准确给出可穿戴设备的穿戴状态。可穿戴设备可根据穿戴状态进行下一步操作,实现更智能化的管理。
请参阅图3,图3为本申请实施例提供的一种可穿戴设备穿戴状态的检测装置的结构示意图,该装置1000包括:采集单元11、提取单元12、计算单元13、匹配单元14。其中:
采集单元,用于采集用户的脉搏波信号;
提取单元,用于从所述脉搏波信号中提取峰值点;
计算单元,用于根据所述峰值点,求得R-R间期;
匹配单元,用于通过将所述R-R间期相关参数、PPG信号信噪比与历史数据中的R-R间期相关参数、PPG信号信噪比相匹配,得到可穿戴设备的穿戴状态。
进一步地,所述采集单元11包括:
采集子单元111,用于通过心率传感器采集所述用户的原始脉搏波信号;
第一获取子单元112,用于获取所述可穿戴设备的加速度值;
筛选子单元113,用于根据所述加速度值对所述原始脉搏波信号进行筛选,其中,若当前时刻的所述加速度值小于预先设定的加速度值,则保留当前时刻的原始脉搏波信号,得到所述脉搏波信号;若当前时刻的所述加速度值大于或等于预先设定的加速度值,则去除当前时刻的脉搏波信号。
进一步地,所述匹配单元14包括:
第一计算子单元141,用于根据所述PPG原始信号与PPG信号,得到信噪比;
第二计算子单元142,根据所述R-R间期,得到正常窦性R-R间期的标准差及相邻R-R间期差值的均方根;
第二获取子单元143,用于获取多个已知穿戴状态的历史数据,其中,所述历史数据包括以下一个或多个参数:所述信噪比、所述正常窦性R-R间期的标准差及所述相邻R-R间期差值的均方根;
确定子单元144,用于从所述历史数据中的信噪比、正常窦性R-R间期的标准差及相邻R-R间期差值的均方根找到与所述信噪比、所述正常窦性R-R间期的标准差及所述相邻R-R间期差值最接近的穿戴状态,并将所述穿戴状态作为所述可穿戴设备的穿戴状态,得到可穿戴设备的穿戴状态。
根据本申请提供的一种可穿戴设备穿戴状态的检测装置,通过对采集到的脉搏波信号进行峰值点检测,得到R-R间期相关参数。再根据R-R间期相关参数及PPG信号信噪比与历史数据的匹配结果,得到可穿戴设备的穿戴状态。本申请可实现精确提取脉搏波信号的峰值点,并准确给出可穿戴设备的穿戴状态。
图4为本申请实施例提供的一种可穿戴设备穿戴状态的检测的硬件结构示意图。该通信装置包括处理器21,还可以包括输入装置22、输出装置23和存储器24。该输入装置22、输出装置23、存储器24和处理器21之间通过总线相互连接。
存储器包括但不限于是随机存储记忆体(random access memory,RAM)、只读存储器(read-only memory,ROM)、可擦除可编程只读存储器(erasable programmable readonly memory,EPROM)、或便携式只读存储器(compact disc read-only memory,CD-ROM),该存储器用于相关指令及数据。
输入装置用于输入数据和/或信号,以及输出装置用于输出数据和/或信号。输出装置和输入装置可以是独立的器件,也可以是一个整体的器件。
处理器可以包括是一个或多个处理器,例如包括一个或多个中央处理器(centralprocessing unit,CPU),在处理器是一个CPU的情况下,该CPU可以是单核CPU,也可以是多核CPU。
存储器用于存储网络设备的程序代码和数据。
处理器用于调用该存储器中的程序代码和数据,执行如下步骤:
在一个实现方式中,所述处理器用于执行如下步骤:采集用户的脉搏波信号;从所述脉搏波信号中提取峰值点;根据所述峰值点,求得R-R间期;通过将R-R间期相关参数、PPG信号信噪比分别与历史数据中的所述R-R间期相关参数、所述PPG信号信噪比相匹配,得到可穿戴设备的穿戴状态。
在另一个实现方式中,所述处理器用于执行如下步骤:通过心率传感器采集所述用户的原始脉搏波信号;获取所述可穿戴设备的加速度值;根据所述加速度值对所述原始脉搏波信号进行筛选。
在又一个实现方式中,所述处理器用于执行如下步骤:对所述脉搏波信号进行傅里叶变换,得到PPG原始信号;对所述PPG原始信号进行滤波,得到PPG信号;从所述PPG信号中提取峰值点。
在另一个实现方式中,所述处理器用于执行如下步骤:对所述PPG原始信号进行傅里叶变换,得到PPG信号的幅频曲线;从所述PPG信号中选取出幅度最大的点对应的频率f;对所述PPG原始信号进行低通滤波处理,得到第一幅频曲线;确定所述第一幅频曲线中的所有极大值点,得到峰值点。
在另一个实现方式中,所述处理器用于执行如下步骤:根据所述PPG原始信号与PPG信号,得到信噪比;根据所述R-R间期,得到正常窦性R-R间期的标准差及相邻R-R间期差值的均方根;获取多个已知穿戴状态的历史数据,其中,所述历史数据包括以下一个或多个参数:所述信噪比、所述正常窦性R-R间期的标准差及所述相邻R-R间期差值的均方根;从所述历史数据中的信噪比、正常窦性R-R间期的标准差及相邻R-R间期差值的均方根找到与所述信噪比、所述正常窦性R-R间期的标准差及所述相邻R-R间期差值最接近的穿戴状态,并将所述穿戴状态作为所述可穿戴设备的穿戴状态,得到可穿戴设备的穿戴状态。
可以理解的是,图4仅仅示出了一种可穿戴设备穿戴状态的检测装置的简化设计。在实际应用中,一种可穿戴设备穿戴状态的检测装置还可以分别包含必要的其他元件,包含但不限于任意数量的输入/输出装置、处理器、控制器、存储器等,而所有可以实现本申请实施例的一种可穿戴设备穿戴状态的检测装置都在本申请的保护范围之内。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,该单元的划分,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。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中,或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read-onlymemory,ROM),或随机存储存储器(random access memory,RAM),或磁性介质,例如,软盘、硬盘、磁带、磁碟、或光介质,例如,数字通用光盘(digital versatile disc,DVD)、或者半导体介质,例如,固态硬盘(solid state disk,SSD)等。
Claims (10)
1.一种可穿戴设备穿戴状态的检测方法,其特征在于,包括:
采集用户的脉搏波信号;
从所述脉搏波信号中提取峰值点;
根据所述峰值点,求得R-R间期;
通过将R-R间期相关参数、光电容积脉搏描记法PPG信号信噪比分别与历史数据中的R-R间期相关参数、PPG信号信噪比相匹配,得到可穿戴设备的穿戴状态。
2.如权利要求1所述方法,其特征在于,所述采集用户的脉搏波信号,包括:
通过心率传感器采集所述用户的原始脉搏波信号;
获取所述可穿戴设备的加速度值;
根据所述加速度值对所述原始脉搏波信号进行筛选。
3.如权利要求1所述方法,其特征在于,所述从所述脉搏波信号中提取峰值点,包括:
对所述脉搏波信号进行傅里叶变换,得到PPG原始信号;
对所述PPG原始信号进行滤波,得到PPG信号;
从所述PPG信号中提取峰值点。
4.如权利要求3所述方法,其特征在于,所述从所述PPG信号中提取峰值点,包括:
对所述PPG原始信号进行傅里叶变换,得到PPG信号的幅频曲线;
从所述PPG信号中选取出幅度最大的点对应的频率f;
对所述PPG原始信号进行低通滤波处理,得到第一幅频曲线;
确定所述第一幅频曲线中的所有极大值点,得到峰值点。
5.如权利要求1所述方法,其特征在于,所述通过将所述R-R间期相关参数、PPG信号信噪比与历史数据中的所述R-R间期相关参数、所述PPG信号信噪比相匹配,得到可穿戴设备的穿戴状态,包括:
根据所述PPG原始信号与PPG信号,得到信噪比;
根据所述R-R间期,得到正常窦性R-R间期的标准差及相邻R-R间期差值的均方根;
获取多个已知穿戴状态的历史数据,其中,所述历史数据包括以下一个或多个参数:所述信噪比、所述正常窦性R-R间期的标准差及所述相邻R-R间期差值的均方根;
从所述历史数据中的信噪比、正常窦性R-R间期的标准差及相邻R-R间期差值的均方根找到与所述信噪比、所述正常窦性R-R间期的标准差及所述相邻R-R间期差值最接近的穿戴状态,并将所述穿戴状态作为所述可穿戴设备的穿戴状态,得到可穿戴设备的穿戴状态。
6.一种可穿戴设备穿戴状态的检测装置,其特征在于,包括:
采集单元,用于采集用户的脉搏波信号;
提取单元,用于从所述脉搏波信号中提取峰值点;
计算单元,用于根据所述峰值点,求得R-R间期;
匹配单元,用于通过将所述R-R间期相关参数、PPG信号信噪比与历史数据中的R-R间期相关参数、PPG信号信噪比相匹配,得到可穿戴设备的穿戴状态。
7.如权利要求6所述装置,其特征在于,所述采集单元包括:
采集子单元,用于通过心率传感器采集所述用户的原始脉搏波信号;
第一获取子单元,用于获取所述可穿戴设备的加速度值;
筛选子单元,用于根据所述加速度值对所述原始脉搏波信号进行筛选。
8.如权利要求6所述装置,其特征在于,所述匹配单元包括:
第一计算子单元,用于根据所述PPG原始信号与PPG信号,得到信噪比;
第二计算子单元,根据所述R-R间期,得到正常窦性R-R间期的标准差及相邻R-R间期差值的均方根;
第二获取子单元,用于获取多个已知穿戴状态的历史数据,其中,所述历史数据包括以下一个或多个参数:所述信噪比、所述正常窦性R-R间期的标准差及所述相邻R-R间期差值的均方根;
确定子单元,用于从所述历史数据中的信噪比、正常窦性R-R间期的标准差及相邻R-R间期差值的均方根找到与所述信噪比、所述正常窦性R-R间期的标准差及所述相邻R-R间期差值最接近的穿戴状态,并将所述穿戴状态作为所述可穿戴设备的穿戴状态,得到可穿戴设备的穿戴状态。
9.一种可穿戴设备穿戴状态的检测装置,其特征在于,包括:处理器、存储器;所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行如权利要求1~5任一项所述的方法。
10.一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中存储有指令,当其在计算机上运行时,使得计算机执行如权利要求1~5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810677884.2A CN109189207B (zh) | 2018-06-27 | 2018-06-27 | 一种可穿戴设备穿戴状态的检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810677884.2A CN109189207B (zh) | 2018-06-27 | 2018-06-27 | 一种可穿戴设备穿戴状态的检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109189207A true CN109189207A (zh) | 2019-01-11 |
CN109189207B CN109189207B (zh) | 2022-01-11 |
Family
ID=64948564
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810677884.2A Active CN109189207B (zh) | 2018-06-27 | 2018-06-27 | 一种可穿戴设备穿戴状态的检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109189207B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111148009A (zh) * | 2019-12-31 | 2020-05-12 | 歌尔科技有限公司 | 耳机佩戴状态的确定方法、装置及耳机 |
CN112168171A (zh) * | 2020-10-16 | 2021-01-05 | 北京中科心研科技有限公司 | 一种基于穿戴式脉搏信号的皮肤肤色检测方法及装置 |
CN113069089A (zh) * | 2020-01-06 | 2021-07-06 | 华为技术有限公司 | 电子设备以及控制电子设备进行ppg检测的方法和介质 |
CN113180606A (zh) * | 2021-04-28 | 2021-07-30 | 青岛歌尔智能传感器有限公司 | 可穿戴设备的信号调整方法、可穿戴设备及可读存储介质 |
CN114003124A (zh) * | 2020-07-28 | 2022-02-01 | 荣耀终端有限公司 | 确定可穿戴设备的穿戴状态的方法和电子设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103932696A (zh) * | 2014-04-18 | 2014-07-23 | 赵小英 | 一种健康状态多功能检测方法及其检测系统 |
CN105078438A (zh) * | 2015-06-19 | 2015-11-25 | 京东方科技集团股份有限公司 | 脉搏周期检测设备和方法和可穿戴电子设备 |
US20160213270A1 (en) * | 2015-01-23 | 2016-07-28 | Medtronic, Inc. | Atrial arrhythmia episode detection in a cardiac medical device |
CN105832323A (zh) * | 2016-06-12 | 2016-08-10 | 电子科技大学 | 一种基于rc电路的光电血管容积图信号处理方法 |
CN105943015A (zh) * | 2016-06-04 | 2016-09-21 | 浙江大学 | 一种主动降噪的穿戴式心率变异性监测设备 |
CN106647952A (zh) * | 2016-12-31 | 2017-05-10 | 广东乐心医疗电子股份有限公司 | 检测可穿戴设备是否佩戴的方法与装置以及可穿戴设备 |
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 |
US20170245767A1 (en) * | 2016-02-25 | 2017-08-31 | Echo Labs, Inc. | Systems and methods for modified pulse transit time measurement |
CN107212480A (zh) * | 2017-05-16 | 2017-09-29 | 广东乐源数字技术有限公司 | 一种监测运动呼吸率的智能服装及运动指导系统 |
CN107788953A (zh) * | 2017-12-13 | 2018-03-13 | 苏州点惠医疗科技有限公司 | 一种可穿戴睡眠质量监护设备 |
-
2018
- 2018-06-27 CN CN201810677884.2A patent/CN109189207B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103932696A (zh) * | 2014-04-18 | 2014-07-23 | 赵小英 | 一种健康状态多功能检测方法及其检测系统 |
US20160213270A1 (en) * | 2015-01-23 | 2016-07-28 | Medtronic, Inc. | Atrial arrhythmia episode detection in a cardiac medical device |
CN105078438A (zh) * | 2015-06-19 | 2015-11-25 | 京东方科技集团股份有限公司 | 脉搏周期检测设备和方法和可穿戴电子设备 |
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 |
US20170245767A1 (en) * | 2016-02-25 | 2017-08-31 | Echo Labs, Inc. | Systems and methods for modified pulse transit time measurement |
CN105943015A (zh) * | 2016-06-04 | 2016-09-21 | 浙江大学 | 一种主动降噪的穿戴式心率变异性监测设备 |
CN105832323A (zh) * | 2016-06-12 | 2016-08-10 | 电子科技大学 | 一种基于rc电路的光电血管容积图信号处理方法 |
CN106647952A (zh) * | 2016-12-31 | 2017-05-10 | 广东乐心医疗电子股份有限公司 | 检测可穿戴设备是否佩戴的方法与装置以及可穿戴设备 |
CN107212480A (zh) * | 2017-05-16 | 2017-09-29 | 广东乐源数字技术有限公司 | 一种监测运动呼吸率的智能服装及运动指导系统 |
CN107788953A (zh) * | 2017-12-13 | 2018-03-13 | 苏州点惠医疗科技有限公司 | 一种可穿戴睡眠质量监护设备 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111148009A (zh) * | 2019-12-31 | 2020-05-12 | 歌尔科技有限公司 | 耳机佩戴状态的确定方法、装置及耳机 |
CN111148009B (zh) * | 2019-12-31 | 2021-09-17 | 歌尔科技有限公司 | 耳机佩戴状态的确定方法、装置及耳机 |
CN113069089A (zh) * | 2020-01-06 | 2021-07-06 | 华为技术有限公司 | 电子设备以及控制电子设备进行ppg检测的方法和介质 |
WO2021139588A1 (zh) * | 2020-01-06 | 2021-07-15 | 华为技术有限公司 | 电子设备以及控制电子设备进行ppg检测的方法和介质 |
CN113069089B (zh) * | 2020-01-06 | 2022-08-26 | 华为技术有限公司 | 电子设备 |
CN114003124A (zh) * | 2020-07-28 | 2022-02-01 | 荣耀终端有限公司 | 确定可穿戴设备的穿戴状态的方法和电子设备 |
CN112168171A (zh) * | 2020-10-16 | 2021-01-05 | 北京中科心研科技有限公司 | 一种基于穿戴式脉搏信号的皮肤肤色检测方法及装置 |
CN113180606A (zh) * | 2021-04-28 | 2021-07-30 | 青岛歌尔智能传感器有限公司 | 可穿戴设备的信号调整方法、可穿戴设备及可读存储介质 |
CN113180606B (zh) * | 2021-04-28 | 2023-01-24 | 青岛歌尔智能传感器有限公司 | 可穿戴设备的信号调整方法、可穿戴设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109189207B (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109189207A (zh) | 一种可穿戴设备穿戴状态的检测方法及装置 | |
Yang et al. | Using PPG signals and wearable devices for atrial fibrillation screening | |
US20180279891A1 (en) | Passive arrhythmias detection based on photoplethysmogram (ppg) inter-beat intervals and morphology | |
CN102245102B (zh) | 用于心冲击图信号的分析的方法和设备 | |
CN108992054A (zh) | 一种脉搏信号峰值点检测方法及装置 | |
CN109077715A (zh) | 一种基于单导联的心电信号自动分类方法 | |
WO2020088083A1 (zh) | 噪声检测方法及装置 | |
Banerjee et al. | PhotoECG: Photoplethysmographyto estimate ECG parameters | |
WO2021017313A1 (zh) | 房颤的检测方法、装置、计算机设备及存储介质 | |
CN110742585A (zh) | 基于bcg信号的睡眠分期方法 | |
EP3453321A1 (en) | Non-invasive method and system for estimating blood pressure from photoplethysmogram using statistical post-processing | |
CN104349713A (zh) | 确定指示心脏功能障碍和异常的信息的方法和设备 | |
CN109414203A (zh) | 基于光学测量的在线心率估计 | |
CN110037668A (zh) | 脉搏信号时空域结合模型判断年龄、健康状态及恶性心律失常识别的系统 | |
CN105550659A (zh) | 基于随机投影的实时心电分类方法 | |
KR20190113552A (ko) | Ppg ibi 및 모폴로지를 기반으로 하는 수동 부정맥 감지 장치 및 방법 | |
JP2015508693A (ja) | 生理的リズムを表す信号を処理する方法 | |
Amin et al. | A robust approach towards epileptic seizure detection | |
CN112568886A (zh) | 心律的检测方法、电子设备以及计算机可读存储介质 | |
KR102362454B1 (ko) | 다중 생체신호를 이용한 혈압 측정 장치 및 이를 이용한 헬스케어 시스템 | |
CN109222964A (zh) | 房颤检测装置及存储介质 | |
CN114638272B (zh) | 一种基于指尖脉搏波信号的身份识别方法和装置 | |
Han et al. | Optimal DNN architecture search using Bayesian Optimization Hyperband for arrhythmia detection | |
CN116058815A (zh) | 生命体征检测方法和电子设备 | |
CN112914528B (zh) | 一种无袖带血压测量的模型生成方法、装置及计算机可读介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20190513 Address after: 518000 Yuanzheng Industrial Park, North of Fifth Avenue, Bantian Street, Longgang District, Shenzhen City, Guangdong Province Applicant after: Yuanzheng Science and Technology Co., Ltd., Shenzhen City Address before: 518000 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Applicant before: HESVIT HEALTH TECH CO., LTD. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |