CN109381175B - 估计心率的方法和对应系统 - Google Patents

估计心率的方法和对应系统 Download PDF

Info

Publication number
CN109381175B
CN109381175B CN201811230190.0A CN201811230190A CN109381175B CN 109381175 B CN109381175 B CN 109381175B CN 201811230190 A CN201811230190 A CN 201811230190A CN 109381175 B CN109381175 B CN 109381175B
Authority
CN
China
Prior art keywords
data block
heart rate
frequency domain
signal
acceleration
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
CN201811230190.0A
Other languages
English (en)
Other versions
CN109381175A (zh
Inventor
S·塞维尼
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.)
STMicroelectronics SRL
Original Assignee
STMicroelectronics SRL
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 STMicroelectronics SRL filed Critical STMicroelectronics SRL
Publication of CN109381175A publication Critical patent/CN109381175A/zh
Application granted granted Critical
Publication of CN109381175B publication Critical patent/CN109381175B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, 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
    • A61B5/024Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/02Detecting, 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
    • A61B5/024Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/103Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/68Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801Arrangements 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
    • A61B5/6802Sensor mounted on worn items
    • A61B5/681Wristwatch-type devices
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/68Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801Arrangements 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
    • A61B5/6813Specially adapted to be attached to a specific body part
    • A61B5/6824Arm or wrist
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/721Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7253Details of waveform analysis characterised by using transforms
    • A61B5/7257Details of waveform analysis characterised by using transforms using Fourier transforms
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/74Details of notification to user or communication with user or patient ; user input means
    • A61B5/742Details of notification to user or communication with user or patient ; user input means using visual displays
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Pathology (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Power Engineering (AREA)
  • Mathematical Physics (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本公开的实施例涉及估计心率的方法和对应系统。使用例如用户手腕的身体器官上的光电容积脉搏波估计心率的方法包括:光学地从所述身体器官获取心搏信号;获取表示所述身体器官的加速的加速信号;选择获取的心搏信号和加速信号的数据块;通过加速信号补偿所述心搏信号;基于所述补偿心搏信号计算心率值。

Description

估计心率的方法和对应系统
本申请是申请日为2015年6月8日、国家申请号为201510311911.0、发明名称为“估计心率的方法和对应系统”的发明专利申请的分案申请。
技术领域
本发明涉及用于估计心率的技术。
各个实施例可以在健身/健康应用中应用于例如可佩戴(尤其是手腕可佩戴)设备,用于连续地监控心率。
背景技术
在估计对象的心率的方法中,一种最常用的方法使用光学装置来基于光电容积脉搏波(PPG)检测心搏来估计心率。光电容积脉搏波包括光学地获取器官的容积测量值(容积描记图)。通常通过使用照射皮肤并测量光吸收的变化的脉搏血氧计来获取血管容积图。传统的脉搏血氧计监控血液灌注到皮肤的真皮和皮下组织。
历史上,PPG在医疗应用中首先利用指夹使用。后来的PPG也被用在手腕、手臂、前臂上以使其适合于健康应用。
PPG技术通常能够容易估计休息时的心率。然而,在运动条件下,PPG信号被非常低的SNR(信噪比)和SIR(信号干扰比)所影响。在这种具体条件下,SNR是指心率(例如,表示心率的信号S)与所有其他信号(例如,噪声N)的比率。其可以通过使对象佩戴有氧运动频率计和PPG设备来测量。与有氧运动频率计测量的有氧运动频率最接近的由PPG设备测量的频率分量(峰值)的功率是信号S。总功率T为T=(S+N)。因此,对于SNR,其为S/N=S/(T-S)。作为信号S相对于I(最强非有氧运动频率分量的功率)的比率来获取SIR值。
有时通过已知的频域技术或时域技术(包括自适应滤波技术)处理PPG信号得到较差的性能。
因此,影响PPG的问题是较强的运动伪差,由于运动伪差而导致较低的SNR、较低SIR,由于运动导致所检测信号中的尖峰。
在本领域已知的状态下,为了补偿上述运动对SNR和SIR的影响和信号检测的其他方面,为了光学地从身体器官获取心率信号,获取表示这种身体器官的加速的加速信号,选择所述获取的心率信号和加速信号的数据块,在时域中通过加速信号补偿心率信号。
类似于现有技术描述的以下公开用于减少伪差:
Yuta Kuboyama,“Motion Artifact Cancellation for WearablePhotoplethismography Sensor”,MIT,2009;
K.Ashoka eddy、V.Jagadeesh Kumar,“Motion Artifact Reduction inPhotoplethysmographic Signals using Singular Value Decomposition”,仪器和测量技术会议,波兰,2007年5月1-3日;
H.Han、M.Kim、J.Kim,“Development of real-time motion artifact reductionalgorithm for a wearable photoplethismography”,Proceedings of the 29th AnnualInternational Conference of the IEEE EMBS CitèInternationale,法国里昂,2007年8月23-26日;
P.Wei、R.Guo、J.Zhang、Y.T.Zhang,“A New Wristband Sensor Using AdaptiveReduction Filter to Reduce Motion Artifact”,第5届生物医学信息技术与应用国际会议,中国深圳,2008年5月30-31日。
发明内容
在一个实施例中,一种使用身体器官(具体为用户的手腕)上的光电容积脉搏波估计心率的方法包括:光学地从所述身体器官获取心搏信号;获取表示所述身体器官的加速的加速信号;选择获取的心搏信号和加速信号的数据块;通过加速信号补偿所述心搏信号;基于补偿心搏信号计算心率值,其中,所述方法包括:从所选择的数据块中获取用于心搏信号和加速信号的对应频域数据块,所述补偿操作包括在频域中执行运动补偿、利用用于加速信号的对应频域数据块补偿用于心搏的频域数据块。在一个实施例中,所述运动补偿包括:从用于心搏的频域数据块中减去乘以相应标量权重的频域数据块以获取所述补偿心搏信号。在一个实施例中,该方法包括:对所述补偿心搏信号执行检测操作以获取心率的估计值。在一个实施例中,该方法包括:基于所述频域数据块计算非线性预测值;执行心率的检测估计值的校正操作,包括执行心率的检测估计值与预测估计值之间的判定以选择判定的心率值,作为所述预测值的线性函数得到所述预测估计值。在一个实施例中,执行心率的检测估计值和预测估计值之间的判定以选择判定心率值包括:考虑在不同时间处的多个估计值并对它们求平均所应用的平滑操作。在一个实施例中,该方法包括:通过每次执行判定选择光学估计值的操作时存储当前检测估计值和预测值更新所述线性函数;获取观察点的序列,具体存储在FIFO中;作为观察点的序列上的回归计算线性函数。在一个实施例中,该方法包括:在所述观察点的序列上执行回归操作以将它们的数量保持得较少。在一个实施例中,该方法包括:在选择所获取的心搏信号和加速信号的数据块之前进行滤波,具体地,所述滤波包括低通FIR滤波器和高通滤波器,尤其通过一系列的IIR滤波器来实施。在一个实施例中,选择所获取的心搏信号和加速信号的数据块包括:根据获取的心搏信号临时生成数据块;对所述块测试条件,并且在满足条件的情况下,将所述块和与来自获取的心搏信号的数据块时间对准的所获取的加速信号的数据块传送至用于获取心搏信号和加速信号的对应频域数据块的操作,而在不满足所述条件的情况下,生成相对于先前块时间偏移的新临时块。在一个实施例中,所述运动补偿操作后面为检测操作,以识别作为检测心率估计值输出的补偿频域心搏信号的主频率。在一个实施例中,从所选择的数据块中获取心搏信号和加速信号的对应频域数据块的操作包括:通过交错多个快速傅里叶变换操作来得到多个频点。
在一个实施例中,一种使用身体器官(具体为用户的手腕)上的光电容积脉搏波估计心率的系统包括:传感器,被配置为光学地从所述身体器官获取心搏信号以及获取表示所述身体器官的加速的加速信号;以及处理器模块,被配置为选择所获取的心搏信号和加速信号的数据块,通过加速信号补偿所述心搏信号,基于所述补偿心搏信号计算心率值,其中,所述模块被配置为执行本文公开的方法的一个或多个实施例。在一个实施例中,所述传感器和所述处理模块包括在相同的光电容积脉搏波心率测量设备中。在一个实施例中,所述设备包括在可佩戴在所述身体器官上的装置中。在一个实施例中,所述可佩戴装置可(具体通过腕带)佩戴在手腕或手臂上。在一个实施例中,该系统包括:远程处理设备,通过通信链接与所述光电容积脉搏波心率测量设备连接。在一个实施例中,其中所述光电容积脉搏波心率测量设备包括显示器。在一个实施例中,计算机程序产品可以加载到至少一个计算机的存储器中,该计算机包括能够执行本文所公开的方法的一个或多个实施例的步骤的软件代码的部分。
一个或多个实施例可以涉及对应的系统、对应的测量设备以及计算机程序产品,当产品在至少一个计算机上行运行时,该计算机程序产品可以加载到至少一个计算机的存储器中并且包括能够执行方法步骤的软件代码的部分。如本文所使用的,参考这种计算机程序产品被理解为等效于参考包含用于控制处理系统以协调根据实施例的方法的实例的指令的计算机可读装置。参考“至少一个计算机”明显用于强调本发明的实施例在模块和/或分配形式中实施的可能性。
权利要求形成本文关于各个实施例提供的技术教导的主要部分。
根据本文描述的实施例,包括所述补偿操作的方法包括:从获取的数据块中获取用于心搏信号和加速信号的对应频域数据块;使用用于加速信号的频域数据块执行用于心率的频域数据块的运动补偿。
在各个实施例中,该方法包括:通过从用于心率的频域数据块中减去标量权重的频域数据块以获取所述补偿心率信号来执行运动补偿。
在各个实施例中,该方法包括:对所述补偿心率信号执行检测操作以获取心率的估计值。
在各个实施例中,该方法包括:基于所述频域数据块计算非线性预测值;执行心率的检测估计值的校正操作,包括执行心率的检测估计值与预测估计值之间的判定,以选择心率值,作为所述预测值的线性函数获取所述预测估计值。
在各个实施例中,该方法包括:执行包括平均操作的判定以获取最终的心率估计值。
在各个实施例中,实施该方法的系统包括:传感器,被配置为光学地从所述身体器官获取表示心搏的信号以及获取表示所述身体器官的加速的加速信号;以及处理器模块,被配置为选择所获取的心搏信号和加速信号的数据块,通过加速信号补偿所述心搏信号,基于所述补偿的心搏信号计算心率值。
在各个实施例中,该系统包括:这种传感器和处理模块包括在相同的光电容积脉搏波心率测量设备中。
在各个实施例中,PPG心率测量设备包括在可佩戴在所述身体器官上的装置中,具体为尤其通过腕带可佩戴在手腕或手臂上的装置中。
在各个实施例中,提供了能够操作本文描述的系统的光电容积脉搏波心率测量设备。
在各个实施例中,这种设备与通过通信链接与其连接的远程处理设备相关联。
在各个实施例中,这种设备包括显示器。
在一个实施例中,一种方法包括:基于接收的心搏信号选择心搏数据块;基于接收的一个或多个加速信号选择加速数据块;将选择的心搏数据块转换为心搏频域数据块;将选择的加速数据块转换为加速频域数据块;基于转换的频域数据块在频域中执行运动补偿;以及基于所述运动补偿生成心率信号。在一个实施例中,该方法包括:使用手腕上的光电容积脉搏波生成接收的心搏信号。在一个实施例中,所述运动补偿包括:将加速频域数据块乘以相应的标量权重;以及从心搏频域数据块中减去加权的加速频域数据块。在一个实施例中,该方法包括:生成补偿后的心搏信号;以及基于补偿的心搏信号估计心率。在一个实施例中,该方法包括:基于加速频域数据块计算非线性的预测值;生成预测估计值作为预测值的线性函数;以及基于估计的心率和所述预测估计值生成心率信号。在一个实施例中,生成心率信号包括:选择估计的心率和预测估计值中的一个。在一个实施例中,该方法包括:对不同时间处估计的多个估计心率求平均。在一个实施例中,该方法包括:当选择估计的心率时,通过存储当前估计心率和预测值更新所述线性函数,获取观察点的序列;以及计算线性函数作为所述观察点的序列之上的回归。在一个实施例中,该方法包括:对所述观察点的序列执行回归操作。在一个实施例中,该方法包括:对接收的心搏信号进行滤波并基于滤波的心搏信号选择心搏数据块;对接收的一个或多个加速信号进行滤波并基于滤波的一个或多个加速信号选择加速数据块,滤波包括低通滤波和高通滤波,高通滤波使用一系列无限脉冲响应滤波器。在一个实施例中,该方法包括:基于接收的心搏信号生成数据块;确定生成的数据块是否满足测试条件;当生成的数据块满足测试条件时,将生成的数据块以及基于与生成的数据块时间对准的接收的一个或多个加速信号的数据块转换为频域数据块;以及当生成的数据块不满足测试条件时,丢弃生成的数据块并生成相对于先前生成的数据块时间偏移的新数据块。在一个实施例中,估计心率包括:识别补偿后的心搏信号的频率。在一个实施例中,该方法包括:交错多个快速傅里叶变换操作。
在一个实施例中,一种设备包括:接口,被配置为接收心搏信号以及一个或多个加速信号;以及信号处理电路装置,被配置为基于心搏信号选择心搏数据块,基于一个或多个加速信号选择加速数据块,将选择的心搏数据块转换为心搏频域数据块;将选择的加速数据块转换为加速频域数据块;基于转换的频域数据块在频域中执行运动补偿;以及基于运动补偿生成心率信号。在一个实施例中,该设备包括:一个或多个光源;以及一个或多个光传感器,被配置为生成心搏信号。在一个实施例中,信号处理电路装置被配置为:将加速频域数据块乘以相应的标量权重;以及从心搏频域数据块中减去加权的加速频域数据块。在一个实施例中,信号处理电路装置被配置为:生成补偿的心搏信号;以及基于补偿的心搏信号估计心率。在一个实施例中,信号处理电路装置被配置为:基于加速频域数据块计算非线性的预测值;生成预测估计值作为预测值的线性函数;以及基于估计的心率和预测估计值生成心率信号。在一个实施例中,信号处理电路装置被配置为选择估计的心率和预测估计值中的一个。在一个实施例中,信号处理电路装置被配置为:对在不同时间处估计的多个估计心率求平均。在一个实施例中,信号处理电路装置被配置为:当估计的心率被选择时,通过存储当前估计心率和预测值更新线性函数,获取观察点的序列;以及计算线性函数作为所述观察点的序列之上的回归。在一个实施例中,信号处理电路装置包括多个低通滤波器和多个高通滤波器,被配置为对接收的信号进行滤波。在一个实施例中,信号处理电路装置被配置为:基于接收的心搏信号生成数据块;确定生成的数据块是否满足测试条件;当生成的数据块满足测试条件时,将生成的数据块以及基于与生成的数据块时间对准的接收的一个或多个加速信号的数据块转换为频域数据块;以及当生成的数据块不满足测试条件时,丢弃生成的数据块并生成相对于先前生成的数据块时间偏移的新数据块。
在一个实施例中,一种系统包括:光学传感器,被配置为生成心搏信号;加速计,被配置为生成一个或多个加速信号;以及信号处理电路装置,被配置为基于心搏信号选择心搏数据块,基于一个或多个加速信号选择加速数据块;将选择的心搏数据块转换为心搏频域数据块,将选择的加速数据块转换为加速频域数据块,基于转换的频域数据块在频域中执行运动补偿,以及基于运动补偿生成心率信号。在一个实施例中,该系统包括:包含信号处理电路装置的集成电路。在一个实施例中,集成电路包括光学传感器和加速计。在一个实施例中,该系统包括:发射器,被配置为发射生成的心搏信号;以及接收器,被配置为接收发射器的心率信号。在一个实施例中,该系统包括显示器。
在一个实施例中,一种非暂态计算机可读介质的内容,配置心搏监控设备以执行方法,该方法包括:基于接收的心搏信号选择心搏数据块;基于接收的一个或多个加速信号选择加速数据块;将选择的心搏数据块转换为心搏频域数据块;将选择的加速数据块转换为加速频域数据块;基于转换的频域数据块在频域中执行运动补偿;以及基于运动补偿生成心率信号。在一个实施例中,该方法包括:将加速频域数据块乘以相应的标量权重;以及从心搏频域数据块中减去加权的加速频域数据块。在一个实施例中,该方法包括:生成补偿的心搏信号;以及基于补偿的心搏信号估计心率。在一个实施例中,该方法包括:基于加速频域数据块计算非线性的预测值;生成预测估计值作为预测值的线性函数;以及基于估计的心率和预测估计值生成心率信号。
附图说明
现在将通过参照附图的非限制性实例来描述示例性实施例,其中:
图1A和图1B示出了根据用于估计心率的方法的实施例操作的系统和设备;
图2示出了所述方法执行的操作的框图。
图3详细示出了图2所述方法的操作的示图;
图4A和图4B详细示出了图2所述方法的滤波操作。
图5示出了表示图2所述方法应用的模型的实施例的示图;
图6、图7和图8详细示出了图2的方法的示例性操作的流程图。
具体实施方式
以下描述示出了深度理解实施例的各个具体细节。实施例可以在不具有这些具体细节中的一个或多个的情况下实施或者利用其他方法、部件、材料等实施。在其他情况下,已知结构、材料或操作没有被详细示出或描述,使得实施例的各个方面不被模糊。
在说明书的框架中提到“实施例”或“一个实施例”表示结合实施例描述的具体构造、结构或特性包括在至少一个实施例中。类似地,在本说明书的各个地方出现的诸如“在实施例中”或“在一个实施例中”的描述不是必须表示一个实施例和相同的实施例。此外,具体组合、结构或特性可以适当地在一个或多个实施例中进行组合。
本文使用的参考标号仅用于方便描述,因此不限定实施例的保护范围。
在图1A中,示出了表示用于测量心率的光电容积脉搏波(PPG)设备10的框图。这种PPG设备10包括两个发光二极管(例如,LED 13a和13b,例如绿色LED),其在用户的皮肤表面的方向上发射光。这种LED 13a和13b被LED驱动器15驱动,LED驱动器15又被数模转换器16控制以控制电流值。皮肤表面是身体器官(例如,其可以为手腕)的皮肤表面。其他适当的身体器官例如为手臂、前臂、手指、额头或耳朵。光随着其通过用户的组织并遇到一个或多个血管而被吸收、反射、散射和透射。心搏使得被反射的光量在心脏收缩期间下降以及在心脏舒张期间增加。反射光被光电二极管17感测,其中光电二极管17将光量转换为电流。例如,两个LED 13a和13b可以被分别放置在光电二极管17正上方和正下方。光电二极管17的输出处的电流通过跨阻放大器18转换为电压。最后,通过模数转换器19(例如在100Hz的采样率fS处操作的12位模数转换器19)将电压转换为数字字,并且数字字被微控制器11(例如,32位微控制器STM32L1(或STM32F))获取作为表示心搏的光学获取的数字信号或者数字光学心搏信号o。微控制器11还通过将其数字输出连接至数模转换器16来控制LED 13a和13b的电流(例如,它们的光强度)。
PPG设备10还包括三轴加速计21,例如其配备有在100HZ的相同采样率fS处操作的内部模数转换器,其分别根据轴x、y和z向微控制器提供三个加速信号,即ax、ay、az。
微控制器11的内部存储器(具体为SRAM,具体为STM32L1微控制器的48KB SRAM)可用于实施本文描述的估计心率的方法,总体如参照图2中的参考标号1000所示。这种估计心率的方法接收作为输入的光学获取的心率信号o以及加速信号ax、ay、az,并作为输出提供一系列心率估计值r。如果多个存储器可用,例如通过使用可选的STM32F4微控制器,可以避免图2所示滤波级110期间的抽取(decimation)的操作。
在实施例中,图1B所示PPG心率测量设备10被布置在包括腕带41的手腕可佩戴设备40中,其中LED 13a和13b以及光电二极管PD在手腕皮肤表面的方向上进行定向。在图1B中,为了简化仅以虚线示出LED 13a。
PPG设备10配备有自身的局部显示器12以显示一系列心率估计值r(具体地,如以下更详细描述的,心率估计r的时间序列r(n))。微控制器11自身可进一步使用心率估计r的数据用于统计和其他类型的数据操作,例如为了向用户提供不同类型的数据表现(诸如统计分析),微控制器11自身可进一步执行心率估计r的处理用作局部应用处理,如果其具有足够的计算能力的话。此外,PPG设备10包括发射器22(在该实例中为蓝牙发射器),以无线地向远程设备30(如图1所示)发送一系列心率估计值r,其中远程设备30通过对应的接收器31接收一系列心率估计值r,接收器31向应用处理器32发送数据,应用处理器32又在显示器33上显示结果。远程设备30例如可以为PC(如图1B所示),或者为智能手机或者能够处理和显示数据的另一设备。
使心率估计值r的时序在局部显示器12上显示、被微控制器11自身使用或者无线地发送至远程设备30的这种选项依赖于系统集成所在的产品/应用。
在图2中,示出了表示微控制器11执行的总体用参考标号1000表示的估计心率的方法的实施例的框图。
由PPG设备10获取的数字光学心搏信号o以及关于三个轴x、y、z的数字加速信号ax、ay、az被并行发送给滤波级110,然后到选择块生成级120,然后到频率分析级130,频率分析级130输出频域心搏信号O以及分别关于三个轴x、y、z的频域加速信号AX、AY、AZ。
滤波级110的目的在于去除不想要的频带,即,不包括在心率的感兴趣频带中的所有频带。由于心率的感兴趣的频带例如为40bpm(每分钟心跳)和200bpm之间的频率间隔,所以不想要的频带包括低频带(0bpm和40bpm之间)以及高频带(200bpm和采样频率的一半之间)。低频和高频的不想要的频带被去除以从噪声中清出心跳信号。此外,去除不想要的低频带,因为其包含对频率分析级产生负面干扰的强子带(0bpm和若干bpm之间)。更具体地,由于频率分析级不限于正交频率点,但是其也计算非正交频率点,所以在频谱的非常低的端部中存在较强的子带将引起该子带干扰非正交频率点的计算。此外,去除不想要的高频带以利于在执行抽取的情况下防止混淆。
这些级110、120、130的每一个都包括四个库(bank),它们并行地分别对数字光学心搏信号o和三个数字加速信号ax、ay、az执行基本相同的操作。当然,可以进行调整来考虑光学获取的心跳信号和加速信号的不同特性。例如,滤波级110的四个库可具有相同的结构,例如参照图4A和图4B所描述的结构。这允许滤波级110的库的输出处的信号具有基本相同的延迟,以及提供了实施或设计的简化。然而,在各个实施例中,滤波库可以具有差异来考虑输入信号之间的差异。
在频率分析级130的下游,频域心搏信号O以及频率加速信号AX、AY、AZ被馈送给估计模块200,其包括运动补偿块210和检测块220。运动补偿块210使用频域加速信号AX、AY、AZ的值补偿频域心搏信号O。这种运动补偿块210的补偿输出O’(即,补偿频域心搏信号O’)被馈送给检测块220,其中检测块220计算检测心率估计值d,例如识别补偿频域心搏信号O’的主频率,然后将其输出作为检测心率估计值d。
这种检测心率估计值d被馈送给执行模型估计的校正模块400,其还接收频域加速信号AX、AY、AZ。在校正模块400中,检测心率估计值d作为输入被发送给判定块410,其判定检测心率估计值d与预测估计值m之间的哪个值作为判定的心率r进行发送。连续的判定心率值r形成一系列心率估计值r,例如通过图2的框图描述的方法的输出。
此外,非线性预测计算块300接收频域加速信号AX、AY、AZ并计算预测符p。这种预测符p被馈送给校正模块400,具体馈送给模型学习块430,其还接收来自判定块410的检测心率估计值d。模型学习块430基于预测符p和频域加速信号AX、AY、AZ计算线性参数α和β,参数α和β分别是线性函数的常数项和第一级系数,它们被馈送给线性函数计算块420,同时还有来自非线性预测计算块300的预测符p。线性函数计算块420基于线性函数输出预测估计值m,如以下更详细描述的。因此,总而言之,线性函数形式的参数模型根据预测符p以及线性参数α和β计算心率的预测估计值m。
如上所述,判定块410选择检测心率估计值d和预测估计值m之间的哪个值代表判定心率r。在各个实施例中,判定块410可以简单地选择以发送检测心率估计值d或预测估计值m作为输出。然而,在一个实施例中,如以下更详细描述的,判定块410执行以平滑方式操作的判定,以滤波掉由于两个估计值(表示第一光学估计值的检测心率估计值d以及次级预测估计值m)之间的转换所引起的突变,提供作为输出的判定心率估计值r,并最后提供一系列心率估计值r。
当判定块410进行其选择时,如果选择了光学估计值d,则存储这种光学估计值d和同时估计的预测符p,具体存储在相应的FIFO存储器cx、cy中,这一对值在预测符-估计值示图上识别观察点(p,d),如参照图5更明显示出的,这用于改善块430中的模型。图5示出了这种观察点(p,d)(例如,检测心率d和预测符p值)的散布图。图5所示的线对应于预测估计值m=α+β*p。
该方法试图基于点(p,d)学习线性回归参数α和β的值。出于效率的原因,在数量上限制基于其保持线性回归参数α和β的点的数量,这是因为观察点(p,d)的数量快速增长,每当判定器410选择时存储一个点以选择估计值d。这可以通过如以下更详细描述的过程来获得,该过程包括塌陷(collapsing)在单点中相互充分类似或接近的观察点(p,d),并且包括使用FIFO数据结构,用最新的观察点代替最旧的观察点。这种FIFO结构的大小等于基于其跟踪回归线的点的最大数量。观察点不再是成对(p,d)的类型,而是在FIFO(cx,cy)中包含塌陷的独特元素。
被导向局部显示器12、微控制器11或远程设备30的用于估计心率的方法1000的输出是估计值r的数字时间序列r(ns),其中ns是所产生估计值的指标(index)。例如,每三秒产生判定的估计值r,使得每三秒增加指标ns。用于估计心率的方法1000试图利用估计值的暂定更新周期Te(例如,从最后的估计值开始每Te秒)来更新这种序列r,例如Te=5s或Te=1s。偶尔,更新努力由于较差的信号条件而失败;在这种情况下,在长于更新周期Te的周期之后可以提供后续更新。
参照图2所述的操作,在各个实施例中,这种方法不是必须包括图2所示和上述所有操作和模块,或者可选地,一些操作和模块可以不同。
例如,在各个实施例中,使用对身体器官(具体地,对用户的手腕)的光电容积脉搏波估计心率的方法包括:光学地从所述身体器官获取来自传感器13a、13b、17的心搏信号o;从传感器21获取表示所述身体器官的加速的加速信号ax、ay、az;通过级120选择所获取的心搏信号o和加速信号ax、ay、az的数据块Bo、Bx、By、Bz;在块210中通过加速信号ax、ay、az补偿所述心搏信号o;在块210、220中计算心率值,基于所得到的补偿心搏信号O’得到心率估计值d,补偿操作210、220包括在级130中从对应频域数据块的所选数据块Bo、Bx、By、Bz获取心率信号O和加速信号AX、AY、AZ,使用用于加速信号AX、AY、AZ的频域数据块为心搏O执行频域数据块的运动补偿210。
在各个实施例中,校正模块400基于心率估计值d和源于非线性预测计算块300的预测符p进行操作以产生判定心率值r。
在各个实施例中,通过平滑判定操作(如图8详细所示)计算判定心率值r。
现在将详细描述图3所示具体块和级的操作。
关于滤波级110的库,如图4A所示,每一个都包括低通FIR(有限脉冲响应)滤波器111,后跟高通滤波器113。如所示实例,在低通滤波器111和高通滤波器113之间任选地应用因子2抽取级112,以减少算法的存储占位(footprint)。滤波器被独立地应用于四个输入信号中的每一个:对应于光学信号o的值的光学序列o(n)在所获取的采样的数字指标中提及,并且类似于对应于信号ax、ay、az的三个加速序列ax(n)、ay(n)和az(n)。滤波级110的滤波器分别产生四个滤波后的时域信号,一个时域信号OHP(n)关于光学传感器17,以及另外三个时域信号分别关于加速传感器21的每一个轴axHP(n)、ayHP(n)、azHP(n)。
由于所获取的高通滤波器113的传递函数非常严格,所以高通滤波器113可以通过五个IIR(无限脉冲响应)滤波器113a的链来实施,如图4B所示。
五个IIR滤波器113a中的每一个都具有以下传递函数:
Figure BDA0001836954160000151
其中a1=-1.905850154697027
a2=0.911145313595591
b0=0.979650817189758
b1=-1.907660496005129
b2=0.929684155087730
由五个IIR滤波器的级联形成的传递函数完成前面解释的去除不想要的低频带,尤其是不想要的低频带的开始部分。
对于选择块生成级120,该级包括四个并行库,它们接收与来自传感器的四个滤波时域信号oHP(n)、axHP(n)、ayHP(n)、azHP(n)中的一个相对应的每个对应序列作为输入,并且通过对这些对应的滤波光学和加速序列进行操作来生成四个时域数据块。来自光学序列OHP(n)中的数据以及来自加速序列axHP(n)、ayHP(n)、azHP(n)中的数据的四个生成的时域数据块Bo、Bx、By、Bz是时间同步的,这意味着级120的每个库中的第一采样都与相同的时间参照(其标记时域数据块的开头)是时间对准的。可以通过以下过程(例如,以下更详细描述的选择块生成)来进行时域数据块的选择,其重复地测试临时在时域光学序列o(n)上构建的数据块直到满足给定条件。该过程暂时从光学序列o(n)生成数据块,测试条件,并且在满足条件的情况下,退出该过程并将该块Bo传送到方法的下一级(连同时间对准的加速数据块Bx、By、Bz一起),而在不满足的情况下,生成新的临时块,其相对于前一块是时间偏移的。以这种方式,新的临时块包含相对于前一块具有更多最近的采样的子块。
在一个实施例中,选择块生成过程如下所述进行操作并且在图6中详细示出,其中,n0表示存储在滤波级110的存储器中的光学序列o(n)的最近光学采样的指标,以及B表示根据从n0向后推的N个最近光学采样形成数据块:
-首先对块B操作去趋势(de-trending)步骤610。如果采样被来自每个原始采样的原始采样的平均值的减法的结果替换,则块进行所述去趋势。以这种方式,去趋势的块的采样的平均值等于0;
-然后,在步骤620中,对去趋势的块B计算比率S,其为B的最大值相对于去趋势的数据块B的平均值。N是块中采样的数量。
Figure BDA0001836954160000161
-如果在步骤630中评估到这种比率S小于预定阈值Smax的测试条件,则:
o在步骤640中,级120作为输出给出设置为等于块B的光学数据块B0以及三个时间对准和去趋势的加速块Bx、By、Bz,它们被传送给频率分析级130;
o然后在步骤650中等待直到滤波级110输出采样n0+Ne并且重复上面的从去趋势步骤610开始的过程以生成下一块;
-否则,如果不满足条件630,则在步骤660中等待直到滤波级110输出n0+NW(最新的光学采样),然后重复从去趋势步骤610开始的过程,由此生成相对于前一块时间偏移的新临时块。
表示考虑的最新光学采样的数量的参数N被设置为1024,但是其他值也是可以的(尽管对性能和存储器要求具有一些影响)。
可以根据心率估计值的期望吞吐率(例如,更新周期Te)来设置吞吐率参数Ne:
Figure BDA0001836954160000162
先前公式的分母中的因子2参照通过抽取采样率减少的情况。
例如,在要求0.2Hz的吞吐率(每5s一个估计值)并且采样频率fs为100Hz的情况下,吞吐率参数Ne被设置为250个采样。参数Nw的值可以被设置为小于生长率参数Ne的任何量,例如设置为50个采样。
对于频率分析级130,该级独立地对选择块生成级120的输出处的四个块Bo、Bx、By、Bz的每一个进行操作。四个时域数据块Bo、Bx、By、Bz通过相同类型的处理。时域数据块Bo、Bx、By、Bz中的每一个都被转换为频率线或频点(frequency bin)的数量K的形式的频域。如图3所示,通过交错N点FFT(快速傅里叶变换)的数量M来获取K个频点。以这种方式,与单个FFT相比,可以获取更高(更好)的频率分辨率。如以下描述的,不是所有的N个点都需要针对每个FFT,而只有K/M个点的子集。假设K是M的整数倍。M个FFT的每一个都分别对通过在乘法块132中将块U(n)的采样乘以复值序列获取的块B(m)进行计算,其中m=0…M-1:
Figure BDA0001836954160000171
其中,m=0…M-1,n=0…N-1,并且U(n)通过在乘法块131中将一般块B(n)的采样乘以切趾函数(或窗口函数,例如泰勒函数)来获取。切趾函数的使用在本领域是已知的,并且目的在于减弱由于块选择的操作产生的二级旁瓣导致的人为影响。
指数的复自变量包括识别第n个FFT的指标m、识别采样的指标n和频率分析Δ的频率分辨率的乘积除以采用频率fs。
用Fm(k)表示在块133中对块B(m)计算的第m个FFT,而Sm(k)表示第m个FFT的平方系数:Sm(k)=|Fm(k)|2,其也在块133中计算。
频率分析130的输出是频域值的块S,通过多路器134利用FFT Sm(k)的这种平方系数来如下形成:
Figure BDA0001836954160000172
其中,如稍后所述,k0是感兴趣的频带的下边界所对应的指标。
S中的K个元素是从0到K-1进行编号,使得:
S(v)=Sm(k0+q)
其中,v=qM+m,q和m明确地通过条件m<M来确定,q为整数且m为整数。
因此,每个元素S(v)都对应于频率(k0+q)·M·Δ+m·Δ,其中量Δ为频率分辨率:Δ=1/(M*D),并且D为分析块的以秒为单位的持续时间。例如,如果D=20.48s且M=3,则Δ=0.0162。
为了确定K的值(即,集合S中的元素的数量),可以以下方式进行操作。首先,指定感兴趣的频带,例如频带40bpm-200bpm。其次,通过施加
Figure BDA0001836954160000181
来确定指标k0,其导致
Figure BDA0001836954160000182
并且相对于k0求解获得k0=13。
最后,施加
Figure BDA0001836954160000183
并且求解得到K=168。
最后,块S被标准化。在本说明书的上下文中,包含K个元素的块X的标准化产生如下定义的块XU
Figure BDA0001836954160000184
其中,
Figure BDA0001836954160000185
因此,通过SU来表示标准化的块S。
对四个时域数据块Bo、Bx、By、Bz中的每一个构建标准化块SU,并且这些标准化块(它们是频域数据值)分别用OU、Ax U、Ay U、Az U来表示。
对于运动补偿210,该操作在于计算如下定义的运动补偿块OMC
Figure BDA0001836954160000186
其中,vx、vy、vz是三个标量权重值,例如设置为1;Ou(k)、Ax u(k)、Ay u(k)、Az u(k)是通过频率分析级130分别针对光学和三个加速序列输出的标准化频域数据块。
可以以下方式进行运动补偿公式的推导。
信号Ou(k)可以分解成五个部分:心搏信号Oh(k)(不想要的信号)、三个运动引起的人为信号Ox(k),Oy(k),和Oz(k)、以及非运动引起的噪声On(k)。所以,可以写成:
Ou(k)=Oh(k)+Ox(k)+Oy(k)+Oz(k)+On(k)。
由运动引起的人为分量可以以加速计输入的传递函数来写入:
Figure BDA0001836954160000187
Figure BDA0001836954160000191
Figure BDA0001836954160000192
其中,VX(k)、VY(k)和VZ(k)是如下定义的三个传递函数:
Figure BDA0001836954160000193
Figure BDA0001836954160000194
Figure BDA0001836954160000195
完美的运动补偿将要求知道三个传递函数。不幸地,由于以下原因未知传递函数:
它们是时间变化的;
它们是依赖于运动的;
用于它们估计的模型不可用且不容易得到;
它们是依赖于对象的。
处于上述原因,传递函数在时间轴和频率轴上近似是恒定值,分别表示为vX、vY和vZ。如下文所描述的,不管这种近似如何,运动补偿级的性能仍然是可接受的,因为运动补偿的目的不是Oh(k)的完全估计(相对于整个频带),而仅是Oh(k)的主导频域分量的位置的估计。例如可以通过优化处理来获得三个恒定(近似)传递函数的最佳值,其中优化处理使最终的心率估计值相对于vX、vY和vZ的性能最大化。值vX=1,vY=1和vZ=1提供了最佳解的第一猜想。
实施例的运动补偿级的另一方面是施加于四个信号(一个心搏信号和三个加速信号)的标准化的操作。该操作的结果为使得四个型号的能量与统一值相等。该操作使得四个信号的频谱的量级为相同的值范围。操作失败会导致减法操作无效,因为将对不可比较的量级来执行。在标准化的操作期间,任何加速信号的频谱中存在的强频率分量会有效地取消光学信号上的对应人为因素。
因此,运动补偿基本包括从频域光学信号Ou(例如,频域中的心搏信号)中减去三个频域加速信号Ax u(k),Ay u(k),Az u(k)的线性组合乘以相应的标量权重vX、vY、vY
对于检测操作220,检测包括找到运动补偿块OMC(k)的最大值的变元(argument)kmax
Figure BDA0001836954160000201
然后,可以从这种变元kmax中得到所检测心率d的频点kdet作为第一有用频点k0与变元kmax的总和:
kdet=k0+kmax
任选地,可以通过3点内插来改进频点kdet的估计:
kdet=kdet+fint(OMC(kmax-1),OMC(kmax),OMC(kmax+1))
其中,fint(y1,y2,y3)是任何内插函数,使得:
Figure BDA0001836954160000202
最后,通过执行所检测心率d的频点kdet的重新调节来获取检测心率估计值d:
d=60·Δ·kdet
对于块300中的预测符计算,频率分析级130在时间tl=tl-1l处产生四个频域数据块的集合,其中τl是两个连续计算之间的间隔,以及l是输出时间的指标。该间隔τl通常等于更新周期Te,但是其在选择块生成级120进入选择块生成过程的步骤660(等待直到滤波级110输出采样n0+nW)的情况下长于更新周期Te。在时间tl处计算的四个频域块的第l个集合被表示为Ou(n;l)、
Figure BDA0001836954160000203
Figure BDA0001836954160000204
块300中预测符的计算包括以下步骤:
-步骤710,将三个加速信号的标准化频域块相加以得到加速和A(k;l):
Figure BDA0001836954160000205
-步骤720,找到加速和A(k;l)的最大值Amax(l)和对应变元nmax
Figure BDA0001836954160000206
Figure BDA0001836954160000207
-步骤730,根据加速和A(k;l)的最大值Amax(l)和对应变元nmax的函数如下计算时间序列q(l):
q(l)=0.1·(60·Δ·(k0+nmax(l))+10·Log(Amax(l)))
-步骤740,通过两个第一级IIR滤波器如下过滤时间序列q(l):
pf(l)=αf(l)·pf(l)+(1-αf(l))·q(l)
ps(l)=αs(l)·ps(l)+(1-αs(l))·q(l)
其中,
Figure BDA0001836954160000211
Figure BDA0001836954160000212
-步骤750,在时间tl处选择预测符p(l),其为第一滤波序列pf(l)与第二滤波序列ps(l)之间的最大值:
p(l)=max(pf(l),ps(l))。
先前的公式表示预测符p(l)被构建为两个中间函数pf(l)和ps(l)之间的最大值的事实。这两个中间函数是时间序列q(l)的两个滤波版本。如果对于时间序列q(l)给出用户的体力消耗的等级的解释,则时间序列q(l)的两个滤波输出表示对体力消耗的两个不同响应。具体地,序列pf(l)表示对时间序列q(l)的快响应,而ps(l)表示对时间序列q(l)的慢响应。通过最大搜索max的操作,序列ps(l)在体力恢复期间(即,当体力消耗的等级减小时)变得相关,而序列pf(l)在增加身体活动期间变得相关。这与心脏输出(由此为心脏频率)不同地响应于身体活动的增加和减少的事实一致。通常,心率快速地响应于身体活动的增加,并且响应于身体活动的减少而变得很慢。
对于校正级400的关注点,该级使用预测符p(l)的值以及检测心率估计值d(l)来得到心率估计值r(l)。
校正过程400包括以下步骤:
步骤805,如果要求值的初始化,则进行验证。这通常仅发生在系统上电时。在肯定(Y)的情况下,执行值的初始化的步骤810。例如,值被如下初始化:
l=1
α=α0
β=β0
下文为了简化表示,将代替时间tl来使用指标l。
在三个FIFO存储器中,CX、CY如上所述存储每次选择估计值d的观察点(p,d)以及权重计算FIFO CW在点的聚集中使用。如下文所描述的,FIFO存储器CX、CY、CW被初始化为空。
具体地,预测符FIFO存储器CX顺序存储每一次即时l选择估计值d时的预测符p的值。
估计值FIFO存储器CY顺序存储每一次即时l的估计值d。
权重FIFO存储器CW每一次即时l时增加权重因子的值。
α0和β0是用于第一阶项和线性回归的恒定项的初始猜想集合,例如α0=80且β0=0.8。其他值也是适合的,尽管它们对于最终的心率估计的精度具有影响;
-在步骤810之后或者如果步骤805处验证的条件为否定的(N),例如已经执行了初始化,则执行在时间l处的条件c1(l)的估计步骤820:
c1(l)=(d(l)<dmin(l))or(d(l)>dmax(l))
其中:
dmin(l)=m(l)-G
dmax(l)=m(l)+G
m(l)=α+β·p(l)
G表示例如被设置为40的安全裕度,因此dmin和dmax表示识别安全范围的上限和下限的与m(l)平行的两条线。如果估计值d在该范围外,则认为其不是良好值。
如果条件c1(l)为真,则在块830中,估计值r(l)为:
Figure BDA0001836954160000221
完成校正,并且过程在步骤840中等待下一次迭代,更新时间指标l,因此其为l=l+1且返回到操作820。
否则,如果条件c1(l)错误,则在步骤850中,在时间l处估计条件c2(l):
c2(l)=(d(l)-d(l-1)<g1)or(d(l)-d(l-1)>g2)and not c1(l-1)
g1和g2例如是设置为g1=-10且g2=20的参数,其对于相邻估计值之间的变化设置置信范围[g1,g2]。如果估计值d(l)在所述范围内,则c2(l)是错误的,意味着估计值d是可靠的并且可以被选择为有效输出(参见下面的步骤870)。
其他值也是可以的,尽管它们会影响心率估计的精度。
如果条件c2(l)为真,则最终估计值r(l)在步骤860中被估计为最新的三个检测估计值d(l-2),d(l-1),d(l)的中值:
r(l)=median(d(l-2),d(l-1),d(l))
注意,如果c2(l)为真,则光学估计值d在任何情况下都被认为是至少部分可靠,因为其用于获取最终估计值r(l),尽管是通过中值函数。如果c2(l)是错误的,则光学估计值d(l)的可靠性较大,因此不需要考虑两个先前的估计值d(l-1)、d(l-2),并且估计值d(l)被直接发送作为输出r(l)。因此,在块410执行的判定操作内,操作860表示考虑不同时间(诸如l-2…l)处的多个估计值d并且相对于它们进行平均而应用的平滑操作。
此外,在该情况下,完成校正过程并且该过程在步骤840中等待下一次迭代,更新时间指标l,因此其为l=l+1并且返回到操作820。
如果条件c2(l)是错误的,则最终估计值在步骤870中被设置为检测估计值d(l):
r(l)=d(l)。
在图8中,如通过判定块410所操作的,通过虚线多边形来表示步骤810-894。如提到的,判定块410以其更简单的形式基于给定条件(诸如c1(l)或c2(l))判定最终估计值r(l)是否等于光学估计值d(l)或预测估计值m(l),这用于估计光学估计值是否可靠。然而,在图8的实施例中,实施平滑判定,例如最终估计值r(l)在一些情况下至少为当前估计值与先前估计值、光学估计值d或预测估计值m的平均结果。具体地,虽然步骤870简单地输出光学估计值d(l)作为最终估计值r(l),但步骤860输出相对于先前光学估计值的平均值,步骤830输出具有先前最终估计值r(l)的平均值。清楚的是,在各个实施例中,可靠性条件(诸如c1(l)或c2(l))的其他选择和其他类型的平均对于本领域技术人员来说都是可能的。
在块896中收集步骤830、860或870的结果,这提供由判定块410输出的最终估计值r(l)。
优选地,线性块430的更新包括执行下面描述的聚集操作,以在FIFO中包括较少数量的观察点。因此,在图8中表示步骤870之后的估计是否要求聚集的步骤881。在否定的情况下,在步骤870之后,由于判定块410已经选择了检测估计值d(l),所以更新块430中的线性模型,这意味着观察点(p,d)在步骤875中被存储在FIFO cx、cy中。然后,执行步骤896,输出最终估计值r(l)。
如果步骤881表示将执行聚集过程,则在步骤882中执行在预测符FIFO cx中找到元素a的步骤882,存储最接近预测符p(l)的预测符p的时间序列:
Figure BDA0001836954160000241
并估计是否a<amax,例如,预测符FIFO cx中的最接近元素a在时间l处比阈值更接近预测符p。这对应于估计新观察点是否接近存储在FIFO中的现有点。
在确认的情况下,在步骤883中设置:
Figure BDA0001836954160000242
_________
w=max(0.2,1-0.1·cw(j0)
cx(j0)=cx(j0)+w·(p(l)-cx(j0))
cy(j0)=cy(j0)+w·(d(l)-cy(j0))
cw(j0)=cw(j0)+1
j0是表示预测符FIFO cx中的值cx(j)的指标j的值,使时间指标l处与预测符p(l)的距离最小,其识别聚集点(cx(j0),cy(j0))。
cw通常为权重因子FIFO。cw(j0)表示聚集点(cx(j0),cy(j0))的权重因子,例如新观察点(p,d)每次朝向该聚集点(cx(j0),cy(j0))聚集时FIFO计数器增加1。
单个点中的聚集或塌陷的操作对预测符FIFO cx和估计值FIFO cy中的值均进行权重平均。具有较大权重的聚集点(cx(j0),cy(j0))是过去作为较多数量聚集的结果的聚集点。聚集点的权重用于建立新聚集的点(p,d)的权重,由w来表示。因此,上述关系实施向新点或聚集(p,d)分配相对权重(与聚集的聚集点(cx(j0),cy(j0))的权重成反比)的操作。
以这种方式,如果聚集点(cx(j0),cy(j0))可靠,则聚集点(p,d)的值不会显著变化。
否则,如果条件882不满足,则在传递到步骤875之前,对FIFO的内容执行推操作。
cx=push(p(l),cx)
cy=push(d(l),cy)
cw=push(1,cw)
函数push(val,list)首先将列表中包含的所有元素向右偏移一个位置(以这种方式丢弃最右边的元素),然后在列表的最左边的位置插入数字val。
然后,在步骤883之后,对于作为时间指标l处在FIFO存储器中的元素的数量的j=0,...,F(l)-1、F(l),在步骤890中计算设置点{(cx(j),cy(j))}的线性回归参数α1、β1、R1
R表示在限定回归的典型模式中计算的确定系数(其适当为R2,简写为R)。确定系数R测量聚集点的线性量,其被用作可靠性指示。因此,R1表示相对于当前聚集点(例如,FIFO结构中的点(cx,cy))计算的确定系数,而Rmin表示最小阈值等级,该最小阈值等级上方的线性模型被认为是可靠的。
在步骤892中,估计FIFO F(l)中的元素的数量是否至少为最小值Fmin,以及确定系数R是否大于等于最小值Rmin
在确定的情况下,在步骤893中,更新线性参数,将它们设置为在步骤890中计算的线性回归参数α1、β1
α←α1
β←β1
否则,在步骤894中,线性参数被设置为初始化步骤810的初始值:
α←α0
β←β0
过程前进到步骤840,然后到步骤820以等待下一次迭代。
例如,参数Fmin和Rmin被设置为Fmin=5且Rmin=0.5。其他值也是可以的但性能会发生变化。
步骤890-894由虚线框表示,因为其通过模型学习块430来操作以基于观察点存储步骤875来更新线性回归操作。如图所示,步骤880-894表示附属的回归过程。在各个实施例中,还可以从观察点存储步骤875直接前进到线性参数计算步骤890。
根据本文描述的实施例的方法有利于通过高处理增益克服噪声(例如,利用1024点FFT获取30dB增益)。
根据本文描述的实施例的方法有利于克服由于频域中的身体器官的运动而引起的干扰(运动补偿)。
根据本文描述的实施例的方法建立了次级估计(例如,预测),其可以在通过光学信号传送的初级估计失败的情况下使用。
本文描述的方法可以在用于健身/监控应用中连续监控心率的系统和设备中使用。这些系统和设备例如可以为用于跑步者的手腕可佩戴设备来监控它们的锻炼会话。这些设备可以为手腕佩戴或者还可以耳朵佩戴的智能手表、智能耳机。
一些实施例可以采用计算机程序产品的形式或者包括计算机程序产品。例如,根据一个实施例,提供了一种计算机可读介质,其包括用于执行上述一个或多个方法或功能的计算机程序。介质可以为物理存储介质(例如,只读存储器(ROM)芯片或者诸如数字通用盘(DVD-ROM)、压缩盘(CD-ROM)的盘)、硬盘驱动器、存储器、网络或者被适当的驱动器或者经由适当的连接读取的便携式介质产品,包括在存储在一个或多个计算机可读介质上的一个或多个条形码或者相关码中编码并且可以被适当的读取设备读取。
此外,在一些实施例中,一些系统和/或模块和/或电路和/或块可以以其他方式实施或设置,诸如至少部分地以固件和/或软件来实施但不限于一个或多个专用集成电路(ASIC)、数字信号处理器、分立电路、逻辑门、标准集成电路、状态机、查找表、控制器(例如,通过执行适当指令,并且包括微控制器和/或嵌入式控制器)、现场可编程门阵列(FPGA)、复杂可编程逻辑设备(CPLD)等以及采用RFID技术的设备、以及它们的各种组合。
上述各个实施例可以进行组合来提供又一些实施例。可以修改实施例的各个方面,如果需要的话采用各个专利、应用和出版物的改变以提供又一些实施例。
可以根据上面的详细描述对实施例进行这些和其他变化。一般地,在以下权利要求中,所使用的术语不应将权利要求限于本说明书和权利要求中公开的具体实施例,而应该包括所有可能的实施例以及这些权利要求要求的等效物的所有范围。因此,不通过公开来限制权利要求。

Claims (35)

1.一种估计心率的方法,包括:
基于接收的心搏信号选择心搏数据块;
基于接收的一个或多个加速信号选择加速数据块;
将选择的所述心搏数据块转换为心搏频域数据块;
将选择的所述加速数据块转换为加速频域数据块;
基于转换的所述心搏频域数据块和所述加速频域数据块在频域中执行运动补偿;
基于所述运动补偿生成估计心率;
基于所述加速频域数据块计算非线性的预测值;
基于所述非线性的预测值和线性函数生成预测估计值;以及
基于所述估计心率和所述预测估计值生成心率信号。
2.根据权利要求1所述的方法,包括:使用手腕上的光电容积脉搏波来生成接收的所述心搏信号。
3.根据权利要求1所述的方法,其中所述运动补偿包括:
将所述加速频域数据块乘以相应的标量权重;以及
从所述心搏频域数据块中减去加权的所述加速频域数据块。
4.根据权利要求1所述的方法,包括:
生成补偿的心搏信号;以及
基于补偿的所述心搏信号来生成所述估计心率。
5.根据权利要求4所述的方法,其中生成所述预测估计值包括:
生成所述预测估计值作为所述预测值的线性函数m=α+β*p,其中m表示所述预测估计值,p表示所述预测值,α和β是线性参数。
6.根据权利要求5所述的方法,其中生成所述心率信号包括:选择所述估计心率和所述预测估计值中的一个。
7.根据权利要求5所述的方法,包括:
对在不同时间估计的多个估计心率求平均。
8.根据权利要求6所述的方法,包括:
当所述估计心率被选择时,通过存储当前估计心率和预测值更新所述线性函数,获取观察点的序列;以及
计算所述线性函数作为所述观察点的序列之上的回归。
9.根据权利要求8所述的方法,包括:对所述观察点的序列执行回归操作。
10.根据权利要求1所述的方法,包括:
对接收的所述心搏信号进行滤波,并且基于滤波的所述心搏信号选择所述心搏数据块;
对接收的所述一个或多个加速信号进行滤波,并且基于滤波的所述一个或多个加速信号选择所述加速数据块,所述滤波包括低通滤波和高通滤波,所述高通滤波使用一系列无限脉冲响应滤波器。
11.根据权利要求1所述的方法,包括:
基于接收的所述心搏信号生成数据块;
确定生成的数据块是否满足测试条件;
当生成的数据块满足所述测试条件时,将生成的数据块以及基于与所述生成的数据块时间对准的接收的所述一个或多个加速信号的数据块转换为频域数据块;以及
当生成的数据块不满足所述测试条件时,丢弃生成的数据块并生成相对于先前生成的数据块时间偏移的新数据块。
12.根据权利要求4所述的方法,其中估计所述心率包括:识别补偿的所述心搏信号的频率。
13.根据权利要求1所述的方法,包括:
交错多个快速傅里叶变换操作。
14.根据权利要求1所述的方法,包括:
发射生成的所述心率信号。
15.一种用于估计心率的设备,包括:
接口,被配置为接收心搏信号以及一个或多个加速信号;以及
信号处理电路装置,耦合到所述接口并且被配置为:
基于所述心搏信号选择心搏数据块;
基于所述一个或多个加速信号选择加速数据块;
将选择的所述心搏数据块转换为心搏频域数据块;
将选择的所述加速数据块转换为加速频域数据块;
基于转换的所述心搏频域数据块和所述加速频域数据块在频域中执行运动补偿;
基于所述运动补偿生成估计心率;
基于所述加速频域数据块计算非线性的预测值;
基于所述非线性的预测值和线性函数生成预测估计值;以及
基于所述估计心率和所述预测估计值生成心率信号。
16.根据权利要求15所述的设备,包括:
一个或多个光源;以及
一个或多个光传感器,被配置为生成所述心搏信号。
17.根据权利要求15所述的设备,其中所述信号处理电路装置被配置为:
将所述加速频域数据块乘以相应的标量权重;以及
从所述心搏频域数据块中减去加权的所述加速频域数据块。
18.根据权利要求15所述的设备,其中所述信号处理电路装置被配置为:
生成补偿的心搏信号;以及
基于补偿的所述心搏信号生成所述估计心率。
19.根据权利要求18所述的设备,其中所述信号处理电路装置被配置为:
生成所述预测估计值作为所述预测值的线性函数m=α+β*p,其中m表示所述预测估计值,p表示所述预测值,α和β是线性参数。
20.根据权利要求19所述的设备,其中所述信号处理电路装置被配置为选择所述估计心率和所述预测估计值中的一个。
21.根据权利要求19所述的设备,其中所述信号处理电路装置被配置为:对在不同时间估计的多个估计心率求平均。
22.根据权利要求20所述的设备,其中所述信号处理电路装置被配置为:
当所述估计心率被选择时,通过存储当前估计心率和预测值来更新所述线性函数,获取观察点的序列;以及
计算所述线性函数作为所述观察点的序列之上的回归。
23.根据权利要求15所述的设备,其中所述信号处理电路装置包括:
多个低通滤波器和多个高通滤波器,被配置为对接收的信号进行滤波。
24.根据权利要求15所述的设备,其中所述信号处理电路装置被配置为:
基于接收的所述心搏信号生成数据块;
确定生成的数据块是否满足测试条件;
当生成的数据块满足所述测试条件时,将生成的数据块以及基于与所述生成的数据块时间对准的接收的所述一个或多个加速信号的数据块转换为频域数据块;以及
当生成的数据块不满足所述测试条件时,丢弃生成的数据块并生成相对于先前生成的数据块时间偏移的新数据块。
25.根据权利要求15所述的设备,包括:
发射器,耦合到所述信号处理电路装置并且被配置为发射生成的所述心率信号。
26.一种用于估计心率的系统,包括:
光学传感器,其在操作中生成心搏信号;
加速计,其在操作中生成一个或多个加速信号;以及
信号处理电路装置,通信地耦合到所述光学传感器和所述加速计,其中所述信号处理电路装置在操作中:
基于所述心搏信号选择心搏数据块;
基于所述一个或多个加速信号选择加速数据块;
将选择的所述心搏数据块转换为心搏频域数据块;
将选择的所述加速数据块转换为加速频域数据块;
基于转换的所述心搏频域数据块和所述加速频域数据块在频域中执行运动补偿;
基于所述运动补偿生成估计心率;
基于所述加速频域数据块计算非线性的预测值;
基于所述非线性的预测值和线性函数生成预测估计值;以及
基于所述估计心率和所述预测估计值生成心率信号。
27.根据权利要求26所述的系统,包括:
包含所述信号处理电路装置的集成电路。
28.根据权利要求27所述的系统,其中所述集成电路包括所述光学传感器和所述加速计。
29.根据权利要求26所述的系统,包括:
发射器,被配置为发射生成的所述心率信号。
30.根据权利要求26所述的系统,包括显示器。
31.一种非暂态计算机可读介质,具有将心率监测设备配置为执行方法的内容,所述方法包括:
基于接收的心搏信号选择心搏数据块;
基于接收的一个或多个加速信号选择加速数据块;
将选择的所述心搏数据块转换为心搏频域数据块;
将选择的所述加速数据块转换为加速频域数据块;
基于转换的所述心搏频域数据块和所述加速频域数据块在频域中执行运动补偿;
基于所述运动补偿生成估计心率;
基于所述加速频域数据块计算非线性的预测值;
基于所述非线性的预测值和线性函数生成预测估计值;以及
基于所述估计心率和所述预测估计值生成心率信号。
32.根据权利要求31所述的介质,其中所述方法包括:
将所述加速频域数据块乘以相应的标量权重;以及
从所述心搏频域数据块中减去加权的所述加速频域数据块。
33.根据权利要求32所述的介质,其中所述方法包括:
生成补偿的心搏信号;以及
基于补偿的所述心搏信号来生成所述估计心率。
34.根据权利要求33所述的介质,其中所述方法包括:
生成所述预测估计值作为所述预测值的线性函数m=α+β*p,其中m表示所述预测估计值,p表示所述预测值,α和β是线性参数。
35.根据权利要求31所述的介质,其中所述方法包括:
发射生成的所述心率信号。
CN201811230190.0A 2014-06-09 2015-06-08 估计心率的方法和对应系统 Active CN109381175B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
ITTO20140462 2014-06-09
ITTO2014A000462 2014-06-09
CN201510311911.0A CN105125198B (zh) 2014-06-09 2015-06-08 估计心率的方法和对应系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201510311911.0A Division CN105125198B (zh) 2014-06-09 2015-06-08 估计心率的方法和对应系统

Publications (2)

Publication Number Publication Date
CN109381175A CN109381175A (zh) 2019-02-26
CN109381175B true CN109381175B (zh) 2022-11-04

Family

ID=51358014

Family Applications (3)

Application Number Title Priority Date Filing Date
CN201811230190.0A Active CN109381175B (zh) 2014-06-09 2015-06-08 估计心率的方法和对应系统
CN201510311911.0A Active CN105125198B (zh) 2014-06-09 2015-06-08 估计心率的方法和对应系统
CN201520390570.6U Withdrawn - After Issue CN205083467U (zh) 2014-06-09 2015-06-08 估计心率的设备和系统

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN201510311911.0A Active CN105125198B (zh) 2014-06-09 2015-06-08 估计心率的方法和对应系统
CN201520390570.6U Withdrawn - After Issue CN205083467U (zh) 2014-06-09 2015-06-08 估计心率的设备和系统

Country Status (3)

Country Link
US (1) US9936886B2 (zh)
EP (1) EP2954840B1 (zh)
CN (3) CN109381175B (zh)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8948832B2 (en) 2012-06-22 2015-02-03 Fitbit, Inc. Wearable heart rate monitor
US9039614B2 (en) 2013-01-15 2015-05-26 Fitbit, Inc. Methods, systems and devices for measuring fingertip heart rate
US9936886B2 (en) * 2014-06-09 2018-04-10 Stmicroelectronics S.R.L. Method for the estimation of the heart-rate and corresponding system
US10123746B2 (en) * 2015-05-08 2018-11-13 Texas Instruments Incorporated Accuracy of heart rate estimation from photoplethysmographic (PPG) signals
US10568525B1 (en) * 2015-12-14 2020-02-25 Fitbit, Inc. Multi-wavelength pulse oximetry
EP3181038A1 (en) * 2015-12-14 2017-06-21 Cheng Uei Precision Industry Co., Ltd. Heart rate measurement method and heart rate measurement device applying the same
US20170164847A1 (en) * 2015-12-15 2017-06-15 Texas Instruments Incorporated Reducing Motion Induced Artifacts in Photoplethysmography (PPG) Signals
CN105559766A (zh) * 2015-12-23 2016-05-11 广州碧德电子科技有限公司 一种基于ppg的手腕式动态心率实时测量方法
CN109414174B (zh) * 2016-02-01 2021-09-28 威里利生命科学有限责任公司 用于概率性地估计个体的脉搏率的方法和系统
JP6642055B2 (ja) * 2016-02-02 2020-02-05 富士通株式会社 センサ情報処理装置、センサユニット、及び、センサ情報処理プログラム
CN105816165B (zh) * 2016-05-04 2019-12-13 把脉(上海)信息科技有限公司 一种实时动态心率监测装置及监测方法
CN105943013B (zh) * 2016-05-09 2020-03-06 安徽华米信息科技有限公司 心率检测方法及装置、智能可穿戴设备
TWI592136B (zh) * 2016-06-24 2017-07-21 晶翔微系統股份有限公司 穿戴裝置及其心率讀值的補償方法
EP3292813A1 (en) * 2016-08-29 2018-03-14 SmartCardia SA Method and device for processing bio-signals
KR101831064B1 (ko) * 2016-09-06 2018-02-22 숭실대학교산학협력단 Ppg 신호를 이용한 동잡음 제거 장치 및 그 방법
CN106343996A (zh) * 2016-11-14 2017-01-25 佳禾智能科技股份有限公司 一种心率计步耳机及其实现方法
US11051706B1 (en) 2017-04-07 2021-07-06 Fitbit, Inc. Multiple source-detector pair photoplethysmography (PPG) sensor
CN107822607B (zh) * 2017-09-22 2021-03-16 广东乐心医疗电子股份有限公司 一种估计心血管特性参数的方法、装置及其存储介质
CN110141203A (zh) * 2018-02-12 2019-08-20 光宝新加坡有限公司 心率侦测系统与使用其的穿戴式装置
US11412972B2 (en) 2018-03-28 2022-08-16 Livmor, Inc. Detection of atrial fibrillation
CN108926338B (zh) * 2018-05-31 2019-06-18 中南民族大学 基于深度学习的心率预测方法及装置
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
CN110960189B (zh) * 2019-09-12 2023-02-24 中国人民解放军陆军特色医学中心 一种无线认知调节仪及眼动测试方法
TWI777103B (zh) * 2019-11-06 2022-09-11 達爾生技股份有限公司 電子裝置以及血氧濃度補償方法
CN113057613B (zh) * 2021-03-12 2022-08-19 歌尔科技有限公司 心率监测电路、方法及可穿戴设备
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
CN113261932B (zh) * 2021-06-28 2022-03-04 山东大学 基于ppg信号和一维卷积神经网络的心率测量方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4867161A (en) * 1985-09-17 1989-09-19 Max Schaldach Cardiac pacemaker
JPH119564A (ja) * 1997-06-27 1999-01-19 Seiko Epson Corp 心機能診断装置
CN205083467U (zh) * 2014-06-09 2016-03-16 意法半导体股份有限公司 估计心率的设备和系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9718026D0 (en) 1997-08-27 1997-10-29 Secr Defence Multi-component signal detection system
US7991448B2 (en) * 1998-10-15 2011-08-02 Philips Electronics North America Corporation Method, apparatus, and system for removing motion artifacts from measurements of bodily parameters
US6339715B1 (en) 1999-09-30 2002-01-15 Ob Scientific Method and apparatus for processing a physiological signal
US20120150052A1 (en) 2010-12-13 2012-06-14 James Buchheim Heart rate monitor
US9713428B2 (en) 2011-01-21 2017-07-25 Worcester Polytechnic Institute Physiological parameter monitoring with a mobile communication device
US9005129B2 (en) * 2012-06-22 2015-04-14 Fitbit, Inc. Wearable heart rate monitor
US20150065889A1 (en) * 2013-09-02 2015-03-05 Life Beam Technologies Ltd. Bodily worn multiple optical sensors heart rate measuring device and method

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4867161A (en) * 1985-09-17 1989-09-19 Max Schaldach Cardiac pacemaker
JPH119564A (ja) * 1997-06-27 1999-01-19 Seiko Epson Corp 心機能診断装置
CN205083467U (zh) * 2014-06-09 2016-03-16 意法半导体股份有限公司 估计心率的设备和系统
CN105125198B (zh) * 2014-06-09 2018-11-09 意法半导体股份有限公司 估计心率的方法和对应系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
HYONYOUNG HAN ET AL.development of real-time motion artifact reduction algorithm for a wearable photoplethysmography.《2007 annual international conference of the IEEE engineering in medicine and biology society》.2007, *

Also Published As

Publication number Publication date
CN109381175A (zh) 2019-02-26
EP2954840A1 (en) 2015-12-16
US20150351646A1 (en) 2015-12-10
US9936886B2 (en) 2018-04-10
CN105125198B (zh) 2018-11-09
CN205083467U (zh) 2016-03-16
CN105125198A (zh) 2015-12-09
EP2954840B1 (en) 2019-11-06

Similar Documents

Publication Publication Date Title
CN109381175B (zh) 估计心率的方法和对应系统
CN107949321B (zh) 时域干扰去除和改进的心率测量跟踪机理
US11672437B2 (en) Method and device for tissue monitoring and heart rate detection
CN108478206B (zh) 运动状态下基于脉搏波的心率监测方法
KR102532764B1 (ko) 생리적 레이트 추정 장치 및 그것의 방법
US20220031252A1 (en) Methods and systems for calculating physiological parameters
US20210378535A1 (en) Heart rate estimation apparatus with state sequence optimization
CN103690152B (zh) 一种基于脉搏解析的动脉弹性功能评估装置
US20180000424A1 (en) On-demand heart rate estimation based on optical measurements
CN105249925B (zh) 一种中医脉象采集装置及降噪系统和降噪方法
US10898087B2 (en) Motion detection and cancellation using ambient light
WO2019158704A1 (en) Monitoring device for monitoring a physiological parameter and methods thereof
CN106264505A (zh) 一种基于支持向量机的心率谱峰选择方法
CN102197998B (zh) 示波测量法中伪影的频谱的使用
TW201225912A (en) Method for measuring physiological parameters
TWI505816B (zh) 血氧飽和度檢測方法及裝置
KR101831064B1 (ko) Ppg 신호를 이용한 동잡음 제거 장치 및 그 방법
CA2623270A1 (en) Signal processing for pulse oximetry
Arunkumar et al. Improved heart rate estimation from photoplethysmography during physical exercise using combination of NLMS and RLS adaptive filters
Leong et al. Cuffless Non-invasive Blood Pressure Measurement Using CNN-LSTM Model: A Correlation Study
CN106054611A (zh) 基于无模型自适应预测控制的心电基线漂移抑制方法
WO2023159223A1 (en) Parallel adaptive motion artifact removal
Ciobotariu Pulse Wave Velocity Measuring System using Virtual Instrumentation on Mobile Device
CN109791564A (zh) 信号计算法中的参数的设定方法及装置

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