CN109414203A - 基于光学测量的在线心率估计 - Google Patents
基于光学测量的在线心率估计 Download PDFInfo
- Publication number
- CN109414203A CN109414203A CN201780040564.XA CN201780040564A CN109414203A CN 109414203 A CN109414203 A CN 109414203A CN 201780040564 A CN201780040564 A CN 201780040564A CN 109414203 A CN109414203 A CN 109414203A
- Authority
- CN
- China
- Prior art keywords
- signal
- heart rate
- data sample
- estimation
- 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.)
- Granted
Links
- 230000003287 optical effect Effects 0.000 title abstract description 39
- 238000005259 measurement Methods 0.000 title abstract description 32
- 230000033001 locomotion Effects 0.000 claims abstract description 104
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 35
- 238000000034 method Methods 0.000 claims description 178
- 238000007689 inspection Methods 0.000 claims description 63
- 238000005311 autocorrelation function Methods 0.000 claims description 48
- 239000002131 composite material Substances 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 9
- 230000003466 anti-cipated effect Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000002045 lasting effect Effects 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 182
- 230000006870 function Effects 0.000 description 48
- 238000012545 processing Methods 0.000 description 26
- 230000008569 process Effects 0.000 description 10
- 239000008280 blood Substances 0.000 description 9
- 210000004369 blood Anatomy 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 238000012806 monitoring device Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000036541 health Effects 0.000 description 5
- 239000000872 buffer Substances 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 210000000707 wrist Anatomy 0.000 description 4
- IUVCFHHAEHNCFT-INIZCTEOSA-N 2-[(1s)-1-[4-amino-3-(3-fluoro-4-propan-2-yloxyphenyl)pyrazolo[3,4-d]pyrimidin-1-yl]ethyl]-6-fluoro-3-(3-fluorophenyl)chromen-4-one Chemical compound C1=C(F)C(OC(C)C)=CC=C1C(C1=C(N)N=CN=C11)=NN1[C@@H](C)C1=C(C=2C=C(F)C=CC=2)C(=O)C2=CC(F)=CC=C2O1 IUVCFHHAEHNCFT-INIZCTEOSA-N 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005538 encapsulation Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 230000033764 rhythmic process Effects 0.000 description 3
- 208000003443 Unconsciousness Diseases 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000009532 heart rate measurement Methods 0.000 description 2
- 230000031700 light absorption Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 230000036387 respiratory rate Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical group [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 239000011469 building brick Substances 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000012084 conversion product Substances 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003760 hair shine Effects 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 230000019612 pigmentation Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000009131 signaling function Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- 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
- A61B5/68—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
- A61B5/681—Wristwatch-type devices
-
- 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
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- A61B5/7221—Determining signal validity, reliability or quality
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Cardiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及基于光学测量的在线心率估计。利用光学测量的活动监视器和智能手表正变得广泛流行,并且用户期望从这些设备获得对其心率(HR)的越来越准确的估计。这些装置配备有光源和光学传感器,使用称为光电容积脉搏波描记术(PPG)的技术来估计HR。使用PPG进行HR估计的主要挑战之一是当用户随机移动或锻炼时将运动耦合到光学PPG信号中。本公开描述了在很少或没有运动的情况下执行的计算上可行且快速的HR估计算法。产生的HR读数可以单独使用,或者提供给持续监视HR的系统,以防止这种系统长时间锁定在不正确的HR上的问题。本文描述的实现技术导致更准确的HR测量。
Description
相关申请的交叉引用
本申请要求2016年6月30日提交的题为“基于光学测量的在线心率估计”的美国专利申请序列号15/198,438的权益和优先权,该申请通过引用整体并入本文。
技术领域
本发明涉及数字信号处理领域,特别是用于基于光学测量估计心率的数字信号处理。
背景技术
现代电子产品在医疗保健领域无处不在。例如,监视设备通常包括用于感测、测量和监视生物的电子组件和算法。监测设备可以测量生命体征,如呼吸率、血液中的氧含量、心率等。不仅在临床环境中使用监测设备,监测设备也经常用于运动设备和消费电子产品中。
许多监测设备执行的一项重要测量是心率,通常以每分钟心跳次数(BPM)来衡量。运动员可以使用心率监测器获得锻炼的即时反馈,而医疗保健专业人员可以使用心率监测器来监测患者的健康状况。目前市场上有许多测量心率的解决方案。例如,电子心率监测器可以以胸带和手表的形式找到。胸带通常非常准确,但它们可能非常笨重并且佩戴它们并不总是舒适或理想的。更紧凑的电子心率监测器,例如,由于这些监视器的传感器提供的信号中存在大量噪声,因此手表通常不是非常准确。噪声通常由用户移动的事实以及监视器和用户之间缺乏安全接触引起。这种嘈杂的环境经常导致心率的不规则、不准确或甚至丢失的读数。
附图说明
为了更完整地理解本发明及其特征和优点,结合附图参考以下说明,其中相同的附图标记表示相同的部件,其中:
图1示出了根据本公开的一些实施例的说明性心率测量设备和与心率监测器相邻的生物的一部分;
图2示出了根据本公开的一些实施例的心率测量设备的系统视图:
图3示出了根据本公开的一些实施例的用于根据PPG信号确定心率的方法的示例性流程图;
图4示出了根据本公开的一些实施例的用于根据PPG信号确定心率的方法的附加细节;
图5示出了根据本公开的一些实施例的用于根据PPG信号确定心率的方法的附加置信度检查;
图6示出了根据本公开的一些实施例的具有强基频的相对干净的正弦曲线信号的自相关的示例;
图7示出了根据本公开的一些实施例的具有不同程度的噪声的PPG信号的自相关的三个示例;
图8示出了根据本公开的一些实施例的利用移位窗口的流式自相关的计算的示例。
具体实施方式
综述
利用光学测量的活动监视器和智能手表正变得越来越流行,并且用户期望从这些设备获得越来越准确的心率(HR)估计,而不是穿着不舒服但更准确的胸带。这些装置配备有光源,例如发光二极管(LED)和光学传感器,其中光学传感器能够使用称为光电容积扫描术(PPG)的技术通过光学测量来估计HR。LED照亮手腕后部,光学传感器记录后向散射光。然后可以通过测量光学信号波动的周期来估计HR,该周期是由手腕中的血液量的周期性变化引起的,并且随着心脏的每次搏动导致光吸收的变化。
使用PPG进行HR估计的主要挑战之一是当用户随机移动或锻炼时将运动耦合到光信号(PPG信号)中,导致PPG信号中不希望的摆动和失真,大约是心跳的实际足迹的五十到一百倍,即噪声PPG信号。噪声PPG数据使得系统难以输出始终准确的心率读数。使用已知方法处理加速度计读数来测量移动以滤除一些噪声可能在某种程度上有所帮助,但并非总是如此。本公开描述了在很少或没有运动和高PPG信号质量的情况下执行的计算上可行且快速的HR估计方法,以便获得用户HR的非常准确的估计。很少或没有动作的实例可以,例如当用户与测量系统合作并且试图尽可能地保持时,即测量系统可以由用户“按需”操作并且用户正在合作。该方法包括对所获取的PPG和加速度计数据执行一组置信度/质量检查,以评估PPG数据是否可以被假定为具有足够高的质量(即,具有有限量的噪声)以从该数据执行HR估计;使用至少两种不同的算法(可能应用于不同但重叠的时间段的PPG数据)从这样的PPG数据计算HR估计;并基于这些多个HR估计声明HR的最终结果。得到的HR读数可以是有用的,例如,如果用户想要在运动之前或之后测量他/她的HR,和/或被提供给跟踪HR的系统(即,连续地测量HR,例如在整个运动期间),例如,防止这种系统长时间锁定在不正确的HR上的问题,或者在信号质量高时提供参考。实现本文描述的HR估计技术可以导致更准确的HR测量。
了解心率监测器嘈杂环境的问题
心率监测器通常与生物的皮肤直接接触。监视器通过感测与心率监视器相邻的皮肤的一个或多个方面来被动地测量或跟踪心率。由于这种测量的被动性,传感器数据可能受到许多噪声源的影响,这严重影响心率监测器确定准确心跳的能力。这些噪声源可能包括传感器的外部干扰、传感器和/或心率监测器的内部噪声、运动导致传感器测量皮肤方面的能力中断等。此外,在使用心率监测器期间,心率监测器受到不同生物皮肤的变化以及皮肤和环境的变化的影响。所有这些不同的来源和问题都会对心率监测仪提取准确心率的能力产生不利影响。
图1示出了根据本公开的一些实施例的说明性心率测量设备和与心率监测器相邻的生物的一部分。特别是,图中显示了一个横截面,以说明监测设备与生物部分的空间关系。在该示例性心率监测设置中,使用PPG方法,其中基于当血液被推动通过动脉时皮肤中的光吸收的变化被动地或间接地测量心率。当血液泵送通过动脉时血容量的变化导致接收光量的变化,其被光学传感器转换成电脉冲。然后,信号中的脉冲可用于提取心率。
本文描述的心率测量设备不限于图1中所示的特定示例。尽管本公开没有详细描述其他类型的心率监测器,但是本领域技术人员将理解,这些挑战也适用于其他类型的心率监测器或提供心率监测功能的其他类型的装置,或甚至是利用其他类型的传感机制的装置。此外,在本公开的上下文中,测量、跟随、提取、确定或感测心率随时间的持续过程被称为“跟踪心率”。
具体地,图1示出了具有光源102和光学传感器104的示例性心率测量设备。光源可以在适合应用的波长范围内发光。在一些实施方案中,光源102和光学传感器104可以单独提供,或者光源102可以被偏置以用作光学传感器104。例如,在一些实施方案中,红色LED可以用作红光源和红色光学检测器,光源102和光学传感器104可以在心率测量设备的壳体或构件中或者在光学传感器104可以测量生物体的部分106对光的吸收(由光源102产生)的任何合适的配置中彼此相邻地提供。光源将光照射到生物106的部分106上,并且光学传感器104测量入射到光学传感器104上的光,其可包括从部分106反射的光以及环境光。只要可以相对容易的测量血液量的变化,生物的各个部分可以用作部分106,例如手指、手臂、前额、耳朵、胸部、腿部、脚趾等。在一些情况下,部件106可以在生物体内部。
一般而言,如果心率测量设备可以牢固地固定在生物体的部分106上并且在使用期间保持与部件106的相对稳定的接触,则光学传感器提供的输入信号可以表现出非常小的噪音和心率并且可以相对容易地提取。然而,在许多情况下,心率测量设备没有牢固地固定到部件106上(即使使用涉及带子、带子、粘合剂或其他合适的附件的部件108),或者使设备牢固地粘附或附接到部件106对于生物来说是不期望的或不舒适的。即使传感器连接牢固,运动也会大大影响信号质量,因为在大量运动过程中血液冲入和流出静脉。在这些场景中,由光学传感器104提供的信号可能受到由心率测量设备的运动、来自环境光的噪声或一些其他噪声源引起的伪影的影响。结果,在这些非理想情况下,即在嘈杂的环境中正确地检测心率可能是具有挑战性的。尝试基于有噪声的信号检测心率可导致不规则或错误的心率读数。更糟糕的是,甚至确定由心率测量设备输出的读数是否值得信赖可能是困难的(即,所得读数中的置信水平可能不足够低)。
为了解决该问题,心率测量设备包括加速度计110,用于测量设备的运动以评估输入PPG信号是否可能由于心率确定所依赖的运动伪影而过度降级。这种加速度计的一些使用场景基于以下认识:当传感器或多个传感器配置成生成要从中确定心率的输入信号(这样的传感器或多个传感器在下文中称为“心率传感器”)正在移动时(例如,因为正在佩戴这种心率测量设备的生物正在运行),它们的测量受到可预测方式的运动的影响。因此,如果已知运动模式,则可以识别可归因于心率传感器的运动的输入信号的贡献(即,输入信号中的运动相关伪像)并且过滤那些贡献。如果心率传感器与加速度计相对接近,使得加速度计和心率传感器都经历相同的运动,则可以认为在与心率传感器的测量同时进行的加速度计测量可以准确地表示当获取输入信号时心率传感器的运动,反过来,与心率传感器的运动相关的加速计数据可以用于改善HR估计,例如,通过通过识别输入信号中与运动相关的伪像减少传感器产生的输入信号中的噪声量、通过应用各种噪声滤波技术、或通过当加速度计110感测到过多的运动时使设备丢弃测量数据或冻结心率读数。
在心率估计中使用加速度计数据在某种程度上可能是有帮助的,但即使这样,读数也可能是错误的,或者达到具有高置信水平的心率可能花费不可接受的长时间。因此,总是期望进一步改进以更快、更准确和/或更高置信度估计心率。
改进的HR估算机制概述
当生物相对静止时,本公开的实施例提供改进的HR估计方法。一些示例用例包括通过尽可能地保持与HR测量协作的生物,例如,在运动的开始或结束时、在HR的自发询问等期间。其他示例用例可包括由于其他原因而处于相对静止状态的生物,例如,生物无意识或太弱无法移动。本文描述的改进的HR估计方法的其他示例用例可以包括不是故意试图保持静止的生物,但是在运动也被评估的同时在后台运行的改进的方法,并且每当确定生物的运动满足时,某些标准表明生物是充分静止的,使用这里描述的改进方法来估计HR。
当生物仍然存在时,PPG数据具有更高的质量,因为与运动相关的伪像的数量减少,从而能够快速估计心率,因为不需要执行复杂的运动抑制或滤波算法,或者因为这样的算法可以大大简化。然而,心率估计仍然需要对最终估计的高置信度。本文描述的心率估计方法基于以下认识:使用精心挑选的一组质量指标,包括加速度计数据和PPG数据,并采用至少两种不同的心率估算算法,将结果相互比较,为相对快速(例如,在5到8秒内获得的每分钟2-5心跳(bpm)精度的估计值)准确地确定心率提供必要的高可信度。
一种示例性改进的心率测量设备和方法
图2示出了根据本公开的一些实施例的心率测量设备的系统视图。该系统提供部件的布置,用于实现或启用用于根据可能有噪声的环境中的一个或多个传感器(心跳传感器)提供的一个或多个PPG输入信号中存在的心跳信号来确定心率的方法。如本文所使用的,在“心跳传感器”的上下文中,术语“心跳”仅用于区分产生PPG数据的传感器与其他传感器,例如,加速度计。术语“心跳信号”指的是心跳源对由心跳传感器产生的PPG信号的贡献。换句话说,“心跳信号”指的是指示(即代表)正在评估的生物的心跳的信号。
类似于图1,图2的设备可包括光源102和光学传感器104。光源可以是发光二极管(LED),或用于发光的任何合适的部件。光源102发出的用于测量心率(例如,血容量)的光可以是任何合适的波长,这取决于应用。设备可包括发射一系列波长的光的多个光源。光学传感器104可以是与光源102相同的设备,或者光学传感器104可以设置在光源102附近以测量光学传感器104附近的光,例如,以测量光源102在皮肤中发射的光的吸收以实现PPG。此外,该设备包括加速度计110,用于基于上面参考图1描述的原理测量整个设备的加速/运动。此外,设备可以可选地包括其他传感器202或其他类型的传感器,其可以提供信息以帮助过滤输入信号和/或心率测量/跟踪。模拟前端模块204,其可以包括例如模拟前端模块204,可以提供一个或多个集成电路来驱动光源102并提供模拟前端以接收由光学传感器104、加速度计110和其他传感器202提供的信号。在一些实施方案中,模拟前端204可以转换(如果期望的)模拟输入信号到模拟输入信号的数据样本。模拟前端可以与处理器206通信以提供数据样本,处理器206将处理该数据样本以确定心率。
在各种实施例中,处理器206可包括一个或多个处理单元,微处理器,专用部件或模块、电子电路和/或根据本文描述的各种方法专门用于处理输入信号的数据样本以确定心率的可编程逻辑门。处理器206可以是具有用于确定心率的应用特定组件的数字信号处理器,和/或用于执行如本文所述的确定心率的各种方法的可以执行特殊指令(存储在非暂时性计算机可读介质上)的处理器,在使用本文所述的方法进行心率的确定时,处理器206可以使用存储器218,例如,存储器218可以存储用于执行本文描述的方法的处理器可执行指令或/和可以存储处理器可以在确定心率时使用的数据,例如,中间计算的结果。
图3示出了根据本公开的一些实施例的方法300的示例性流程图,该方法例如由图2中所示的处理器206实现,用于根据由一个或多个传感器(例如传感器104)提供的一个或多个输入信号中存在的心跳信号确定心率。在高级别,方法300可以包括第一心率估计组件302的信号质量检查和计算以及第二和最终心率估计304的计算(取决于302中的信号质量检查和心率估计)。从最终心率估计304,方法300可以继续回到信号质量检查和第一心率估计302,以处理输入PPG信号的数据样本流中的其他数据样本。
参考图2和图3,在一些实施方案中,处理器206的部分可包括以下中的一个或多个:信号质量检查器208、第一心率估计器210、第二心率估计器212、最终心率估计器214,例如,以实现图3所示的方法。
信号检查器208可以被配置为通过使用加速度计数据来评估与检测输入PPG信号的质量有关的功能,以评估产生PPG信号的心跳传感器的存在和/或运动量。在一些实施方案中,信号质量检查器208可以对应于图5中所示方法的第一心率估计302的信号质量检查和计算。然而,信号质量检查器208还可以被配置为在计算第一心率估计之前、之后或至少部分地并行地执行附加信号质量检查。
第一HR估计器210可以被配置为基于信号检查器208中的决定来实现与处理输入信号的数据样本有关的功能,以使用第一方法提供HR的估计。这种第一种方法可以包括计算自相关函数(AF)或平方差函数(SDF),其产生类似于自相关函数的结果。在一些实施方式中,可以认为由SDF提供的结果与自相关函数提供的结果互补。第一HR估计器210可以对应于图3中所示方法的信号质量检查和第一HR估计302的计算。
第二HR估计器212可以被配置为实现与处理输入信号的数据样本有关的功能,可能基于信号检查器208中的决定,以使用第二方法提供HR的估计。这种第二种方法可以包括计算通过某些质量检查的PPG信号的数据样本的频域表示(例如离散傅立叶变换(DFT))。
最终HR估计器214可以被配置为比较第一和第二HR估计的结果并提供HR的最终估计。第二HR估计器212和最终HR估计器214可以对应于图3中所示方法的第二和最终HR估计304的计算。
在各种实施例中,处理器206还可以实现图2中未示出的其他组件。例如,处理器206可以包括信号调节器,其被配置为准备PPG和/或加速度计信号的数据样本以供信号质量检查器208、第一HR估计器210、第二HR估计器212和/或最终的HR估算器214处理。例如,这样的信号调节器可以被配置为以某种方式过滤输入信号的数据样本(或对数据样本应用滤波器)、对数据样本应用掩码、衰减某些数据样本、修改某些数据样本的值、和/或从特定传感器中选择某些数据样本以进行进一步处理。信号调节过程可以取决于信号质量检查器208的输出。
在另一个示例中,处理器206可以包括抽取器,该抽取器被配置为抽取PPG和/或加速度计信号的数据样本,例如,为了减少要处理的数据样本的数量并因此提高计算效率,或/和为了更准确地增加用于定位DFT峰值的频率分辨率。在又一个示例中,处理器206还可以包括跟踪器,该跟踪器被配置为实现与跟踪心率相关的功能,即心率的连续测量,例如基于最终HR估计器214的输出。
可以输出最终HR估计器214的输出(例如,在每分钟心跳中确定的心率),以及信号质量检查器210、第一HR估计器210和第二HR估计器212的中间输出,例如经由输出设备216提供给用户。输出设备216可以包括任何合适的输出设备,例如扬声器、显示器、触觉输出设备等,在输出设备216处提供的信息可以例如帮助用户或/和医疗保健专业人员评估用户是否具有与心脏和动脉健康有关的任何潜在条件。
处理器206的组件,例如,信号质量检查器208、第一HR估计器210、第二HR估计器212和最终HR估计器214可包括用于执行其相应功能的装置。用于执行功能的数据和/或指令可以存储和维护在存储器218中,存储器218可以是或包括非暂时性计算机可读存储介质。
图2中所示的设备仅仅是心率设备的示例,并且可以设想可以提供其他合适的布置以实现如本文所述的用于HR估计的改进方法。
由于本公开的实施例基于计算AF和/或SDF和DFT、现在描述这些技术在HR估计的背景下的基础。
AF和SDF的基础
自相关,也称为串行相关或交叉自相关,是指信号在不同时间点与自身的互相关(即十字架代表的)。通常,计算的自相关表示观察之间的相似性作为它们之间的时滞的函数,并且通常用作寻找重复模式(例如存在被噪声遮蔽的周期性信号)或识别其谐波频率所暗示的信号中缺失的基频的数学工具。AF通常用于信号处理,用于分析功能或一系列值,例如时域信号。
另一方面,方差分别(SDF)是指一种函数,其被计算为数据阵列与其时间延迟或时间高级版本之间的差的平方和。类似于AF,SDF也表示数据样本中的重复模式。然而,SDF还提供AF的补充视图,因为SDF的局部最小值意味着观察的相似性是时滞的函数,而类似的暗示是由AF的局部最大值造成的。
由于心跳通常是合理周期性的,因此可以使用AF以及SDF来评估在获取的PPG信号内存在心跳信号。在一些实施方案中,可以采用AF和SDF方法。
DFT的基础
可以在时域(例如,信号幅度如何随时间变化)以及频域(即,构成信号的不同频率分量)中分析信号的行为,其中傅里叶变换(FT)在数学上涉及这两个领域。此外,信号可以作为连续波形进行分析,或者在数字信号处理(DSP)应用中作为一组大的时域点进行分析。快速傅立叶变换(FFT)是指用于计算以数字形式表示的信号的离散傅里叶变换(DFT)及其逆(IDFT)的算法。由于在信号处理应用中普遍使用傅里叶变换,所以已经做出努力以计算地改进其执行-因此采用了许多FFT方法,例如时间抽取、频率抽取、基数-2、基数-4、混合基数等。
应用FFT算法的结果通常以一维或多维阵列或张量排列,适当地索引,其中维度之一指示频率或频率范围。呈现为值阵列的计算FFT的每个元素通常被称为“频率仓”或简称为“仓”,术语“仓”表示这样的阵列可被视为包括多个仓的事实,所获取的信号的能量被分配到所述仓中。在各种实施例中,仓可包含复数值或实数值。例如,实数值可以用复数值的正实数量X(f)表示,数量X表示所获取信号的各种频率分量f的大小,例如,作为实际幅度、平方幅度、或幅度的压缩变换,例如平方根或对数。在其他示例中,可以根据复值的正或负实数量X(f)来表示实数值,量X表示所获取信号的各种频率分量的相位。
频率仓在各种接收器采用的FFT算法的上下文中发挥作用,其中将感兴趣的特定信号与接收器获取的总信号分离,在这种情况下,心跳信号的分离可以通过识别哪个仓对应于感兴趣的信号和/或通过识别哪个仓可能是活动的来实现。为此,评估箱以确定它们是否包含满足一个或多个预定义标准的值。例如,一个标准可以包括将仓的值与特定阈值进行比较以确定仓是否可以被分类为包含“峰值”,其指示所获取的信号的相对大量的能量集中在该仓中。可以执行各种算法以便确定在何处设置水平阈值以指示每个区间中存在或不存在峰值,所有这些算法都在本公开的范围内。
改进的HR估算机制的示例性实施
本发明的实施例既适用于从输入信号(例如PPG信号)确定HR,也适用于通过将确定的HR提供给被实现为充当置信度检查的特定跟踪算法来辅助HR的跟踪。
图4示出了根据本公开的一些实施例的用于根据PPG信号确定心率的更详细方法400的示例性流程图。
方法400可以开始于接收第一信号的数据样本,在图4中缩写为“DS1”(即,诸如PPG信号的输入信号)(步骤402)。第一信号可以由心跳传感器(例如光学传感器)产生,并且通常,第一信号由模拟前端(例如模拟前端204)处理,以产生第一信号的(数字)数据样本。在下文中,术语“第一信号”和“PPG信号”可以互换使用。
第一信号通常具有来自各种信号源的各种贡献,其中一些是不期望的噪声贡献。第一信号还可以具有来自生物的心跳的贡献,并且来自第一信号中存在的该心跳信号可以估计心率。
方法400还包括接收第二信号的数据样本(步骤404)。第二信号可以由能够检测和量化心跳传感器的运动的设备生成,加速度计是这种设备的一个示例,以便量化所有三个正交方向上的运动,第二信号优选地包括三个通道,每个加速度计轴有一个通道,检测该方向的运动。优选地,第二信号与第一信号同时获取,并且两个信号可以同步处理,从而根据由运动传感器获取的数据和由心跳传感器获取的心跳代表的数据推断出心跳传感器的运动之间最接近的重叠。类似于第一信号,在一些情况下,第二信号可以由模拟前端处理以产生第二信号的(数字)数据样本。
第一和第二信号的数据样本由处理器(例如处理器206)接收,用于HR估计。虽然未在图4中具体示出,在一些实施方案中,可以过滤第一信号,例如,在合理的心率范围内使用带通滤波器,可能有一定的余量来考虑例如不完美的滤波器滚降特性,例如,范围在0.4Hz到5Hz之间,分别对应于24bpm到300bpm的心率。附加地或替代地,尽管也未在图4中具体示出,在一些实施方案中,第二信号也可以被过滤,例如,也可以在合理的心率范围内使用带通滤波器。由应用于第一和第二信号的滤波器滤波的频带可以相同或不同。例如,可以用稍大的通带对第二信号进行滤波,例如0、4Hz至10Hz。在其他实施例中,可以替代地使用低通滤波器。
处理器206然后可以处理第一信号的数据样本以计算在特定时间段T1内的PPG信号的数据样本的自相关和/或SDF(步骤406),在此称为“第一时间”期限。出于说明性目的,下文提供的描述涉及使用自相关函数来评估心率的处理器206。然而,这些描述可以容易地扩展到将使用SDF或AF和SDF的组合的实施例,因此,所有这些实施例都在本公开的范围内。在更进一步的实施例中,步骤406可以包括处理器206以任何其他方式处理第一信号的数据样本,其允许在步骤412中根据这种处理的结果确定第一HR估计。例如,可以在该步骤中使用任何已知的HR估计技术。
在一些实施方案中,处理器206可以被配置为连续计算输入PPG信号的最后T1周期的数据样本的自相关。
假设第一信号的采样率例如是以秒为单位测量FdslHz和Tl,在步骤406中,处理器206将计算PPG信号的Fds1T1数据样本的自相关。例如,对于等于100Hz的采样率和等于4秒的自相关时间段,在步骤406中,处理器206可以对400个样本执行自相关。
处理器206还处理来自运动传感器的第二信号的数据样本以评估运动的存在(步骤408),其可以在步骤406中至少部分地与第一信号的数据样本的处理同时、之前或之后执行。如前所述,假设第二信号代表获取第一信号的心跳传感器的运动。因此,评估来自第二信号的运动的存在允许处理器206在获取第一信号期间评估心跳传感器的运动,特别是在计算自相关的第一时间期限T1期间。
在一些实施方案中,处理器206可以采用各种已知的算法来评估运动的存在,具有对于什么被认为是“运动”的各种阈值,当执行步骤408时,所有这些算法都在本公开的范围内,在一些实施方案中,处理器206可以如下评估步骤408中的运动。
处理器206可以计算每个加速度计信道信号的绝对值并对其求和,然后通过低通滤波器对和序列进行滤波,以提取可被称为“活动”的包络信号。在其中来自加速度计通道的第二信号可能先前已经缩放的实施例中(未在附图中明确示出),可以将该活动信号与特定阈值进行比较,例如,阈值为0.10,以确定在特定时间段内是否存在显着运动。在一些实施例中,为了避免滤波器等待时间并快速响应运动周期的开始,可以选择确定一阶低通滤波器的极点位置的参数(表示为“b”)作为第二信号的数据样本的采样频率(表示为“fs”)的函数。例如,对于具有定义为的滤波器传递函数的低通滤波器,参数b可以选择为因此,无论采样率fs如何,所获得的活动信号在运动开始后大致相同的时间量内超过给定阈值。
然后,处理器206可以评估步骤406和/或408的结果,以确定是否满足预定义的第一组信号质量检查(步骤410)。第一组质量检查旨在提供关于在时间段T1中获取的PPG信号的质量/可用性的第一评估。处理器206确定不满足该组质量检查意味着在时间段T1中获取的PPG信号可能不具有足够高的质量以能够基于基于它的HR估计具有高可信度。在这种情况下,该方法返回到步骤402和404,其中接收和处理第一和第二信号的更多数据样本。然而,如果处理器206在步骤410中确定满足第一组质量检查,其指示时间段T1中的PPG信号具有足够高的质量以产生可靠的HR估计,则方法400可以进行到步骤412,处理器206根据在步骤406中计算的自相关计算第一HR估计。
在步骤406中计算SDF而不是自相关的实施例中,步骤412将涉及处理器计算在步骤406中计算的来自SDF的第一HR估计。
在一些实施例中,步骤406可以涉及处理器206计算AF和SDF。在这样的实施例中,处理器206可以被配置为基于在第一时间期限内针对数据样本计算的AF和SDF,在步骤412中计算第一HR估计。例如,处理器206可以被配置为计算可以被称为“组合函数”的函数,因为它组合了AF和SDF的结果。计算这种函数的一种方法可以是将函数的每个值计算为1-SDF/(SDF+2*AF),其中公式SDF和AF表示SDF和AF的对应值(即相同时滞的值)。可以评估这样的组合函数,以不仅从其确定第一HR估计,而且还可以将其评估为置信度量,类似于如本文所述的在置信/质量检查中如何使用自相关结果。
各种实施例设想在步骤410中可由处理器206执行的不同质量检查。在第一种情况下,第一组质量检查可以包括确定在步骤406中计算出自相关的时间段T1期间心跳传感器的运动是否满足指示心跳传感器的运动量的某个运动相关标准。如果不满足标准,即在时间段T1期间心跳传感器的运动太多以对从那时获取的PPG数据的HR估计具有高置信度,则方法400将返回到步骤402和404,如上所述。否则,方法400将进行到步骤412。在这样的示例中,处理器206将在步骤410中评估在步骤408中评估的运动的存在。为此,在一些实施例中,处理器206可以使用步骤408中确定的活动参数从第二信号的数据样本来评估心跳传感器的运动。例如,处理器206可以确定活动参数是否低于预定阈值(或者,更一般地,满足预定标准),其指示心跳传感器在时间段T1内获取PPG信号期间相对静止。
在其他实施例中,第一组置信度检查可以包括确定在步骤406中计算的自相关(或SDF)的结果是否满足一组一个或多个自相关(或SDF)相关标准。在一些实施例中,这些检查可以基于对清洁周期信号的自相关(或SDF)应该如何的期望。一个这样的检查可以确定自相关函数峰值是否从0到较大滞后的滞后开始递减。图6中示出了相对理想的情况,其中顶部曲线602示出了相对干净(即,没有噪声)的正弦曲线信号,其可以是PPG心跳信号,并且底部曲线604示出了这种信号的自相关。如在曲线604中可以看到的,自相关在零秒的时滞具有明显的特征最大峰值,随后随着时滞进一步偏离零而一系列减小的峰值。
在一些实施例中,当计算和/或评估自相关的结果时,处理器206可以被配置为仅利用将对应于合理的预期心率的某些时滞来计算和/或评估自相关。例如,可以检查自相关从0.25秒到2秒的滞后,分别对应于240bpm和30bpm(60秒/分钟除以0.25秒等于240次/分钟(bpm),而60秒/分钟除以2秒等于30bpm)。这种限制可以有利地减少处理器206的不必要的计算/处理,因为生物的心率通常不在这些界限之外。在各种实施例中,待评估的时滞的范围可以变化,这取决于特定实现和设计的简易性。例如,下面描述的图7的右列示出了在不同时滞范围内的自相关,对应于40-240bpm范围内的心率。
虽然图6示出了理想情况,但是图7示出了可以在现实生活中获取的信号的三种不同场景-用曲线702、712和722示出,示出了相对噪声的PPG信号的示例。在可以应用于每个所获取的PPG信号702、712和722的带通滤波器之后,为了仅评估可能对应于心率的频率,如上所述,PPG信号702、712和722分别如曲线704、714和724所示。然后,对于这样的经滤波的PPG信号704、714和724计算的自相关将分别如曲线706、716和726所示。应当注意,图7的右列仅示出了对应于预期心率的某些时滞的自相关结果,如上所述,即时滞在0.27秒(对应于220bpm心率)至1.5秒之间(对应于40bpm心率)。
如果考虑从最小到最大滞后(即左边的第一个峰值最大而右边的峰值更小),图7中所示的第一种情况的自相关(即第一行情景的自相关706)看起来如预期的那样,峰值正在递减。如果处理器206被配置为检查在步骤406中计算的自相关的这个方面作为在步骤410中执行第一组置信度检查的一部分,则具有这种自相关的PPG信号702将通过置信度检查。
另一方面,图7中所示的第二场景的自相关716(即,对于图7中所示的第二行的场景)将不会通过置信度检查,因为图716右侧的峰值大于曲线716左侧的峰值。这种自相关结果表示不规则的,即有噪声的PPG信号,在这种情况下,对这些数据的HR估计将不具有所需的足够置信水平。因此,处理器206将在步骤410中推断出不满足第一组检查并且在步骤402和404中继续考虑PPG和加速度计信号的其他数据样本。
在又一个示例中,图7中示出的第三场景的自相关726(即,对于图7中示出的第三行的场景)可以认为是在第一行的相对干净的示例和第二行的非常嘈杂的示例之间的某处。在自相关726中,第二峰值小于第一峰值,并且信号质量检查器将其标记为可靠并且可能已经计算了第一心率估计。然而,该示例示出了第二组且有时第三组质量检查可能是有用的,以便从可能通过第一组质量检查的这种噪声数据估计中拒绝估计。
基于前面的描述,本领域普通技术人员将认识到,在实现步骤410的各种实施例中,处理器206可以配置有基于步骤406中计算的自相关的各种其他置信度检查标准,所有这些都在本公开的范围内。例如,处理器206可以被配置为评估对于期望的时滞范围的自相关的最左边缘值是否小于第一峰值,通常根据经验观察到相当干净的正弦曲线和PPG信号的自相关。对于图7中所示的三个示例,这些边缘值用点708、718和728表示。在图7中,示出了所有边缘值以满足自相关标准,但是如果这样的边缘值将大于第一边缘值,那么即使进一步的局部峰值可能处于递减顺序,它也将指示不可靠的PPG信号,该信号在步骤410中不应通过第一组质量检查。在又一个示例中,自相关相关标准可以包括考虑自相关峰值只考虑那些满足峰值强度的标准与其相邻峰值相比的峰值(例如,具有高于给定阈值的突出部分或具有最大突出部分的预定数量的峰值的集合)。
在一些实施例中,处理器206可以被配置为在步骤410中执行基于步骤408中的第二信号的数据样本的评估结果的与运动相关的置信度检查和基于在步骤406中针对第一信号的数据样本计算的自相关(或SDF)的结果的一个或多个自相关-(或SDF-)相关的置信度检查。
回到图4中所示的步骤412,处理器206可以被配置为使用用于从自相关序列获得HR的任何已知算法来计算HR估计。在一些实施例中,处理器206可以被配置为基于在步骤406中计算的自相关的第一峰值来确定第一HR值。为此,处理器206可以被配置为例如将二阶多项式拟合到峰值点及其直接邻域,并找到该多项式的峰值以获得更好的HR分辨率。
可以认为步骤406、408、410和412实现图3中所示的更一般方法的步骤302,如图4中围绕这些步骤的虚线框302所示。在一些部署方案中,处理器206可以继续仅实施步骤402、404、406、408和410一段时间(如果第一和/或第二信号的数据使得在步骤412中基于时间段T1的PPG数据计算HR估计可能不被认为是足够可靠的)。然而,一旦确定第一组置信度检查410并且在步骤412中从步骤406中获得的自相关计算第一HR估计,则该方法可以进行到可以获得第二次和最终的HR估算的第二阶段。这在图4中示出,其中箭头从步骤412到虚线框304内所示的步骤。
在该第二阶段中,处理器206可以被配置为在第二时间期限T2(步骤414)中根据第一信号的数据样本计算DFT,其将大于第一时间期限T1。在一些实施例中,步骤414可以包括处理器206以除DFT之外的任何方式在第二时间期限上处理第一信号的数据样本,其将允许在步骤418中根据这种处理的结果确定第二HR估计。例如,可以在该步骤中使用任何已知的HR估计技术。
在一些实施方案中,可选地,处理器206可以被配置为在其确定满足一些另外的置信度检查集之后仅执行步骤414,如图5中所示的示例所示。即,根据本公开的一些实施例,图5示出了对用于根据PPG信号确定心率的方法(例如方法300或400)执行一个或多个附加置信度检查的方法500。
如图5所示,在步骤412或步骤410之后,其中确定满足第一组置信度检查,方法400可以继续方法500,其中处理器206可以被配置为执行第二组置信度检查(步骤502),并且可选地,还检查第三(和更多)组置信度检查(步骤504)。如图5所示,处理器206然后将被配置为如果满足这些进一步的置信度检查,则仅进行步骤304的第二阶段处理(例如,进入步骤414,其中计算PPG信号的数据样本的DFT),表明PPG信号具有足够好的质量以产生高置信度HR估计。否则,处理器206将返回到步骤402和404中收集第一和第二信号的更多数据样本。
第二组置信度检查502可以例如包括在第一时间期限T1内评估PPG信号的数据样本,以确定在步骤406中为这些数据样本计算的自相关是否与在步骤412中计算的心率估计一致。具体地,处理器206可以被配置为使用在步骤412中计算的第一HR估计来确定在第一时间期限T1上PPG数据样本的自相关中预期的局部峰值的数量,然后确定所确定的预期峰值数量是否实际上等于在步骤406中计算的自相关中存在的峰值数量。这如下工作。考虑在步骤412中,处理器206确定心率为160bpm。这意味着,对于在0.25到2秒之间的滞后范围内的自相关,可以预期5个峰值计算为适合0.25-2秒范围的心跳周期数(5个峰的值作为int(2*(160/60)到达,其中int()表示计算出的数字的整数部分)。然后,处理器206将访问在步骤406中计算的自相关的结果,以确定那里的自相关是否具有该数量的峰值。在进一步的实施例中,处理器206可以被配置为确定在步骤406中计算的自相关中的峰值数量与根据步骤412的HR估计计算的预期自相关峰值的数量之间的偏差是否在预定义误差范围内,例如不超过一个峰值差异。
如果不满足第二组置信度检查502,则处理器206可以被配置为返回到开始(即步骤402和404)。否则,它可以进行下一组置信度检查,如图5中的检查504所示。第三组置信度检查504可以例如包括处理器206确定在某个第二时间期限T2内PPG信号的数据样本是否通过第一组置信度检查的一次或多次检查(例如,如上参考步骤410所描述的第一组置信度检查,但现在用于第二时间期限T2。然后,可以仅在确定PPG信号的数据样本在时间段T2上也通过置信度检查时计算步骤414的DFT。
在一些实施例中,第二时间期限T2优选地大于并且包括第一时间期限T1。以这种方式配置检查将允许累积更长的数据段,该数据段可靠且足够长以获得更精确的第二HR估计。在这样的实施例中,确定在时间段T2内的PPG样本是否满足第一组置信度检查可以包括确定在时间段T2内的持续时间T1的所有过去的PPG样本块是否满足置信度检查(该结果可以例如存储在存储器218中)。例如,考虑T1=4秒和T2=5秒并且PPG信号的采样率是100Hz(这意味着在PPG信号的4秒块中有400个样本,在PPG信号的5秒块中有500个样本)。处理器206可以被配置为连续地确定对于每个4秒长的PPG数据周期是否满足第一组检查(例如,以滑动窗口的形式)并存储是否满足第一组置信度检查的指示。这样的指示可以是例如以特定的4秒长的PPG样本满足第一组置信度检查时设置的标志形式。继续T1=4s和T2=5s的例子,这将意味着检查在时间段T2内PPG样本是否满足第一组置信度检查将意味着检查为每个4秒窗口设置的质量标志是否表示所有4秒块都满足检查。因此,总共可以检查大约101个标志:标志1对应于1到400的PPG数据样本的窗口1,标志2对应于2到401的PPG数据样本的窗口2,标志3对应于3到402的PPG数据样本的窗口3,依此类推,直到标志101对应于从101到500的PPG数据样本的窗口101。如果所有或预定数量的标记被标记为“好的”数据段(即,通过第一组置信度检查的T1长块的PPG数据样本),然后处理器206可以被配置为判定最后5秒的PPG信号是好的,并且进行到步骤304的第二HR估计。在其他实施例中,T1和T2可以是不同的,并且窗口可以移位不同数量的数据样本,例如2个或更多样本。后者将导致计算较少的自相关函数,尽管存在丢失PPG信号中的一些“坏”数据样本的风险。
因此,通常,处理器206可以被配置为在第二时间期限T2内计算PPG信号的数据样本的一系列自相关(注意,自相关是在时间段T2内计算的,而不是在时间段T2上计算的)中,在等于第一时间期限T1的时段上计算序列的每个自相关。在这样的实施例中,步骤504的置信度检查可以包括确定一系列自相关的每个自相关的结果(即,在时间段T1上的每个自相关,用滑动窗口滑动)是否满足第一组置信度检查的一个或多个检查,如参考步骤410所述。
在一些实施例中,可以以流方式执行连续移位窗口的自相关。在这样的实施例中,处理器206可以被配置为通过执行由于新数据样本(刚刚进入窗口)而将贡献添加到先前迭代的自相关的迭代并在PPG信号的T1值数据样本的最后数据样本与PPG信号的T2值数据样本的最后数据样本之间的PPG数据样本的每个新数据样本之间减去由于前数据样本(刚刚离开窗口)而导致的贡献,计算第二时间期限T2上PPG信号的数据样本的自相关。在图8中示出了这种流处理。顶部图示802示出了PPG数据样本流804,其中垂直箭头示出了PPG信号的数据点的相对大小。图示802提供了具有11个PPG信号的数据样本的示例。图的左侧示出了时间窗口T1的第一实例,示为窗口806-1,在其上计算自相关。特别地,图示802的示例示出,在802中示出的11个PPG数据样本1到11中,时间窗口806-1包括PPG数据样本2到9(因此该示例中的Tl值PPG数据样本包括8个数据样本)。一旦计算出时间窗口806-1上的自相关,则窗口806-1移位,例如,如图8所示,通过1个数据样本到达窗口806-2。窗口806-2还包括PPG信号的8个数据样本,但是窗口806-1中存在的第二数据样本现在已经离开窗口,并且现在窗口806-1之外的第10个数据样本已进入窗口。然后可以如图8中的公式812所示计算窗口806-2的自相关,其中通过对窗口806-1取“旧的”自相关结果816来计算“新”窗口806-2的自相关814,由于进入窗口806的下一个数据样本而将贡献818添加到自相关,并且由于离开窗口806的数据样本而将贡献820减去自相关。在818和820中,整数n表示窗口中最后一个数据样本的时间索引,N是窗口大小(在本例中为8),整数m表示当前正在计算自相关的特定滞后。对于所有感兴趣的滞后,整数m可以变化,特别是对于对应于生物的有意义心率的所有值。
当然,图8纯粹是说明性的,因为在各种实施例中,可以使用窗口内的其他时间窗口和其他数量的数据样本(例如取决于采样率)。即使在T1=4秒和100Hz的采样率的示例中,持续时间T1的窗口将包括比图示802中所示的样本多得多的样本(即,窗口将包括400个样本,如上所述)。
如上所述配置处理器206以流方式计算自相关可能比由于多种原因逐块地计算自相关(即,通过完全重新计算每个新窗口的自相关)更有效。首先,它消除了在窗口移位时不必要地重复某些计算的需要。其次,如果处理器可以在自相关窗口正在扩展的初始阶段开始计算自相关,这将在下一段中更详细地描述,它避免了同时对所有Tl值的PPG数据样本进行大量计算,并且还将计算分配给早期样本。
在一些实施方案中,处理器206可以被配置为在获取了T1周期的PPG数据样本之前,开始执行与图4的框302中所示的步骤类似的步骤。当PPG测量刚刚开始时可能是这种情况,并且可能是为了加速HR估计。在这样的实施例中,例如如果处理器206具有少于400个数据样本(对于100Hz采样率并且T1等于4秒的示例),则它可以开始针对较少数量的样本和正在扩展的自相关窗口执行步骤406-408,而不是如图8所示对于已经获得了数据样本数据以覆盖越来越多的PPG数据样本的情况进行了移位,直到窗口达到T1周期的数据样本的窗口大小。
T1的4秒和T2的5秒的时间段纯粹是示例性的,并且在不同的实施例中可以不同。而且,在一些实施例中,处理器206可以被配置为在例如步骤406-412开始在例如250个样本处执行步骤406-412(即小于T1的时间段)。并且一旦获得了某些更大数量的数据样本,例如350,处理器206可以被配置为检查过去数据段的标志以评估是否是计算第二HR估计的好时机。较小时间段的组合(例如,以100Hz采样率,该示例对应于[2.5sec,3.5sec]组合)可能潜在地提供比较长时间段组合更快的响应。
在一些实施例中,可以在系统刚刚开始获取数据样本时早期使用较短时间窗口,并且处理器206可以被配置为一旦接收到足够的数据样本就切换到时间段T1和T2的较长组合。继续上面提供的示例,一旦处理器206获取了2.5秒的数据,它可以被配置为不开始移动自相关窗口,但是继续将其扩展到4秒,并且只有在那之后处理器才可能开始转移,如果它还没有达到其具有足够好的数据来进行HR估计的程度(即,一些置信度检查失败,迫使处理器返回步骤402和404并获取并分析更多数据样本)。
回到图4的框304,在步骤414中,在已经满足所有置信度检查之后,处理器206可以被配置为在第二时间期限T2内计算PPG信号的数据样本的DFT。可以采用用于计算DFT的任何方法,并且这些方法在本公开的范围内。由于这些方法在本领域中是已知的,因此这里不再更详细地描述它们。
可选地,尽管未在图4中示出,但是在计算DFT之前,处理器206可以被配置为将T2周期值的PPG数据抽取到较低的采样率(例如,从100Hz到10Hz),然后计算抽取数据的DFT。首先,这种抽取可以有利地允许“缩放”到较小的频率轴,例如,频率轴在-5Hz到+5Hz之间,因此如果使用相同数量的DFT样本,则获得更好的频率分辨率。其次,对于相同的频率分辨率,如果选择针对较少样本计算DFT,则这种抽取可以减少DFT计算的计算负担。
一旦计算了时间段T2上的DFT,处理器206可以被配置为直接进行到步骤418,其中它基于计算的DFT计算第二HR估计。例如,类似于可以从自相关计算第一HR估计的方式,在步骤418中,处理器206可以被配置为将二阶多项式拟合到DFT及其直接邻居的峰值点,并找到该多项式的峰值以获得第二个HR估计值。在其他实施例中,可以采用用于从DFT确定心率的任何合适的已知方法,并且这些方法在本公开的范围内。由于这些方法在本领域中是已知的,因此这里不再更详细地描述它们。
然后,处理器206可以被配置为分别比较在步骤412和418中计算的第一和第二HR估计以确定它们是否彼此合理地一致(步骤420),并且如果是,则基于比较的结果确定可以作为输出设备216提供的最终HR估计(步骤422)。如果处理器206在步骤420中确定第一和第二HR估计不在合理的协议内,则它可以返回到步骤402和404以接收和分析更多数据样本。
在各种实施例中,处理器206可以采用不同的比较标准,所有这些都在本公开的范围内。例如,处理器206可以被配置为确定来自步骤412的第一HR估计或者指示其的一些参数以及来自步骤418的第二HR估计或者指示其的一些参数是否在彼此预定数量的bpm内,例如在彼此的5bpm之内。然后,处理器206可以被配置为声明最终的HR,例如等于第二HR估计(即DFT估计),或等于第一HR估计(即基于自相关的估计),或等于基于第一和第二估计计算的估计(例如等于第一和第二估计的加权平均值)。
如果T2大于T1,则对于满足第一组置信度检查的每个T1块(即,在步骤412中计算的“第一HR估计”多于一个),几乎总是存在多于一个的HR估计。在这种情况下,处理器206在步骤420中执行的比较可以包括将第二个HR估计值与例如这些多个第一估计值的平均值进行比较(即,多个第一估计的平均值将是“指示第一估计的估计”)。
在一些可选实施例中,一旦处理器206在步骤414中计算了DFT,它就可以被配置成在进行步骤418之前确定是否满足某些DFT相关检查(步骤416)。这提供了另一级别的置信度检查,其允许高信心地建立最终的HR估算。如果在步骤416中处理器206确定不满足DFT相关检查,则可以返回步骤402和404以接收和分析更多数据样本。
可以在步骤416中执行的一个基于DFT的检查包括确定DFT的绝对值是否在可行的心率范围内具有局部峰值。除了在步骤410和可选步骤502和/或504中应用的那些之外,这将提供隐式信号质量检查。在一些实施例中,这可以涉及检查DFT的绝对值中是否存在峰值,其可以通过任何合适的FFT算法计算,例如在感兴趣的范围内,例如0.5Hz至4Hz。此时,处理器206可以被配置为确定峰值不是精确地位于该感兴趣频带的边缘。如果没有明显且突出的峰值,则处理器206可以返回到步骤402和404。如果存在这样的峰值,则处理器还可以被配置为确定该峰值的特定倍数不应低于感兴趣的频带(例如,0.5Hz至4Hz)间隔中的其他峰值。可替代地或另外地,处理器206可以被配置为确定是否存在低于感兴趣频带的下限的任何DFT值,例如,低于0.5Hz,其大于该DFT峰值的某个倍数,因此它有资格获得HR估计值。高于感兴趣频带上限的DFT值(例如高于4Hz)不太重要,因为如果执行使用低通或带通滤波器的初始可选滤波,它们通常很小。
通过基于通过不同HR估计方法获得的至少两个HR估计并且通过执行信号质量/置信度检查序列来计算最终HR,处理器206可以有利地以相当高的置信度提供步骤422的最终HR。
在本公开的一些实施例中,代替执行自相关,处理器206可以被配置为使用SDF代替,或同时使用SDF和AF,或其他功能,包括但不限于AF和SDF的比率或差异的比率和AF和SDF的总和,这些功能表示由于PPG信号中的心跳引起的重复模式。
在一些实施例中,在步骤406中,在计算自相关或SDF之前,可以将PPG信号抽取为较低的采样率(例如25Hz)。这样做可以减少计算负担并且可以使算法更加健壮。
在如上所述设置质量标志的一些实施例中,处理器206仍然可以得出结论,即使一些标志指示某些数据样本不满足所有质量检查,仍然满足在时段T2上对数据样本的置信度检查。在各种实施例中,除了这里描述的标志之外的指示符可以用于跟踪一组数据样本是否已经通过一组或多组置信度检查。这样的信息可以包含在任何类型的数据库/表中。
在一些实施例中,处理器206可以使用自相关中的峰值或标准化SDF函数的“突出”。突出度衡量峰值与相邻峰值相比的重要程度,如果信号有噪声则可能特别有用,因为它可以忽略某些大峰值,因为它们相对埋藏在非常靠近峰值的其他峰值中(并因此表现出较低的突出性)。处理器206可以例如被配置为仅考虑突出度大于阈值的峰值,或具有最大三个突出度的峰值等。
在一些实施方案中,处理器206可以允许一些样本具有大于步骤408中使用的预定义阈值的“活动”。这可以使该方法更稳健,因为由于仅有限量的高运动样本,因此不丢弃T1周期的数据样本。
在一些实施方案中,如果在步骤414中计算的DFT满足步骤414的质量检查,但是第二HR估计与步骤412的第一HR估计不一致,则处理器206可以被配置为将DFT值存储预定义的周期数以避免再次计算它,因为HR不太可能快速改变。这样做可以为自相关提供另一个同意来自DFT的HR估计的机会。这种情况可能发生在一些新的数据段中,例如差异是5.1bpm并等待一点将允许它低于5bpm。
在一些实施方案中,代替将PPG信号抽取到10Hz(例如,在执行步骤414之前),处理器206可以被配置为将每个输入数据样本发送到10个单独数据缓冲器中的一个。当处理器然后想要计算最后5秒的DFT时,它将访问正确的缓冲区以读取数据样本。由于在这个例子中有10个数据缓冲区,它们中的每一个都将数据的抽取版本保持为10。这些缓冲区需要额外的内存成本,但可能允许避免抽取操作。
在其他实施例中,以上描述为在一个实施例中的各种特征和示例可以以任何顺序和任何数量组合。上面描述了一些变化。下面描述变型的一些其他可能的示例,提供在本公开的范围内的实施例的可能变型的非穷举列表。
虽然这里描述的示例基于使用来自三个加速度计通道的运动数据,但是用于HR估计的改进方法300、400和/或500也可以通过仅使用一个或两个加速度计通道或通过使用两个或更多个加速度计通道的某种组合以类似的方式实现。
虽然关于代表心跳的频率描述了本文描述的许多示例,但是可以设想改进的方法300、400和/或500可以适用于其他场景以用于从第一信号估计其他类型的频率。此外,尽管用一个或多个光学传感器提供的一个或多个输入信号描述了本文的示例,但是可以设想该方法可以用于过滤由其他类型的传感器生成的输入信号,包括但不限于:光学传感器、音频传感器、电容传感器、磁传感器、化学传感器、湿度传感器、湿度传感器、压力传感器和生物传感器。
此外,可以使用一个以上的光学传感器,并且可以根据上述改进的方法300、400和/或500处理从其获得的数据。例如,用于测量PPG的输入信号的波长可以跨越从蓝色到红外的波长。在传统的部署方案中,两种颜色的LED(通常为660nm和940nm)可用于测量血氧饱和度。这些设备大批量生产并且易于获得。在另一种部署方案中,可以使用简单的单色LED(例如940nm)通过测量返回信号中的周期性变化来测量心率。在某些情况下,绿色LED用于吸收手腕上血流引起的吸收变化。不同波长的光与皮肤反射不同(由于色素沉着和皱纹以及皮肤的其他特征),并且当感测从皮肤反射的光时,不同的光学传感器在存在运动时倾向于表现不同。基于该见解,可以推断关于运动的存在和/或PPG信号的质量的信息。还可以基于洞察力根据改进的方法300、400和/或500来改进要处理的数据样本。可以使用具有不同波长的多个光源(例如,红色LED和绿色LED)。例如,通过感测这些光源并检查用于检测具有各自波长的光的光学传感器的输入信号之间的差异,或者来自宽带光学传感器的输入信号的光谱的不同部分,可以推断出是否某些数据样本PPG信号很可能受到运动或其他伪影的影响。
示例性用例场景
如本文中简要描述的,存在各种用例场景,其中可以实现上述改进的方法。
一种这样的用例场景设想生物通过故意试图保持静止而与HR测量合作,例如,在运动的开始或结束时、在HR的自发查询期间等。在这种情况下,处理器206可以被配置为将得到的HR读数提供给另一个HR跟踪算法,该算法将在生物不再存在时测量HR。例如,当生物相对仍然使用本文描述的方法时计算的HR可以用作HR测量算法的输入,该HR测量算法被配置为即使在存在运动的情况下也确定HR,其中它用于例如设置HR估计的初始值。配置成甚至在存在运动时确定HR的各种HR测量算法在本领域中是已知的,所有这些都在本公开的范围内。在一些实施例中,处理器206还可以被配置为实现这些方法中的任何一个或多个。
另一个用例场景设想生活正好发生,例如因为生物无意识或太弱无法移动。
又一个用例场景设想生物不是通过故意试图保持静止而故意与本文所述的HR测量值协作,而是,即使在存在运动的情况下被配置为确定HR的任何其他HR测量算法也由例如处理器206实现。在这种情况下,如本文所述的HR测量可以在后台运行在处理器206上,因为正在执行如本文所述的检查。当处理器206确定满足检查并且如本文所述确定HR时,它可以被配置为将得到的HR提供给其他HR测量算法,即使在存在运动的情况下也能确定HR,例如以确保这些其他算法不会跟踪错误的频率,在这种情况下,这种算法有时可能出现的问题,处理器206可以被配置为基于如本文所述获得的HR读数(即,当满足本文所述的检查时确定的HR)来重新设置由这些其他算法跟踪的HR。通过被配置为即使在存在运动的情况下跟踪HR的算法所跟踪的重新设置HR的各种方式在本领域中是已知的,所有这些都在本公开的范围内。
选择的例子
现在描述根据本公开的各种实施例的一些示例。
例子Al提供一种用于从由心跳传感器(光学传感器)产生的第一信号(PPG信号)中存在的心跳信号确定心率的计算机实现的方法。该方法可包括:计算(406)第一时间期限(Tl)内所述第一信号的数据样本的自相关;处理(408)第二信号以估计在第一时间期限期间心跳传感器的运动,第二信号指示所述心跳传感器相对于一个或多个方向的运动;确定(410)第一时间期限内第一信号的数据样本是否通过第一组置信/质量检查,第一组置信度检查包括至少确定第一时间期限内心跳传感器的运动是否满足运动相关标准;在确定第一时间期限上的第一信号的数据样本通过第一组置信度检查时,根据第一时间期限内第一信号的数据样本的自相关计算(412)心率的第一估计;计算(414)第二时间期限(T2)内第一信号的数据样本的离散傅立叶变换(DFT);计算(418)来自DFT的心率的第二估计;并且基于第一估计和第二估计确定(422)心率。
例子A2提供了根据例子A1的方法,其中第二时间期限大于并且包括第一时间期限。
例子A3提供了根据例子A1或A2的方法,还包括确定(504)第二时间期限上的第一信号的数据样本是否通过第一组置信度检查,其中在确定所述第二时间期限内的第一信号的数据样本通过第一组置信度检查时计算DFT。
例子A4提供了根据例子A3的方法,还包括在第二时间期限内计算第一信号的数据样本的一系列自相关,在等于第一时间期限的时段上计算的一系列自相关的每个自相关,其中第一组置信度检查还包括确定每个自相关的结果是否满足自相关相关标准。
例子A5提供了根据例子A4的方法,其中计算第二时间期限内所述第一信号的数据样本的自相关包括执行下列迭代:将由于新数据样本引起的贡献添加到先前迭代的自相关,并且对于在第一时间期限内第一信号的数据样本的最后数据样本和在第二时间期限内第一信号的数据样本的最后数据样本之间的数据样本的每个新数据样本减去由于先前数据样本引起的贡献。
例子A6提供了根据例子A1或A2的方法,还包括确定(502)第一时间期限上的第一信号的数据样本是否通过第二组置信度检查,其中在确定所述第一时间期限内第一信号的数据样本通过第二组置信度时计算DFT。
例子A7提供了根据例子A6的方法,还包括基于第一心率估计确定第一时间期限内第一信号的数据样本的自相关中的预期数量的局部峰值,其中第二组置信度检查包括确定所确定的预期局部峰值数量是否等于第一时间期限内第一信号的数据样本的自相关中存在的局部峰值的数量。
例子A8提供了根据前述例子A中任一项的方法,还包括计算第二时间期限内的第一信号的数据样本的一系列自相关、在一段等于第一时间期限的时间内计算的一系列自相关的每个自相关,其中第一组置信度检查还包括确定每个自相关的结果是否满足自相关相关标准或者该一系列自相关的预定数量的自相关是否满足自相关相关标准。
例子A9提供了根据例子A8的方法,确定在第一时间期限内第一信号的数据样本的每个自相关是否满足自相关相关标准仅针对自相关滞后在0.25秒和2秒之间的每个自相关的一部分执行。0.25秒滞后对应于240bpm的心率(240bpm=1次/0.25秒*60秒/分钟),而2秒滞后对应于心率(30bpm=1次/2秒*60)秒/分钟)。将自相关结果的评估限制在0.25秒和2秒之间的滞后实际上意味着只评估合理心率可能的结果(即在30和240bpm之间)。
例子A10提供了根据例子A9的方法,其中与自相关相关标准包括确定在每个自相关的部分内首先出现的自相关峰值是否大于每个自相关的部分内的任何其他自相关值。
例子A11提供了根据例子A9或A10的方法,其中与自相关相关标准包括确定自相关峰值是否在每个自相关的部分内以降低的幅度值的顺序发生(即,首先出现的峰值在幅度上大于第二次出现的峰值,第二次出现的峰值大于第三次出现的峰值,依此类推)。
在根据例子A9、A10或A11的方法的又一个例子A中,与其相邻峰值相比,自相关相关标准可以包括仅考虑那些满足指示峰值强度的标准的自相关峰值(例如,具有高于给定阈值的突出物处于具有最大突出度的预定数量的峰值的集合中)。
例子A12提供根据前述例子A中任一项的方法,还包括使用第二信号的数据样本来确定指示心跳传感器的运动的参数(这里称为“活动”),其中运动相关标准包括确定参数是否低于预定阈值,该预定阈值指示在感兴趣的时间段内在获取第一信号期间心跳传感器相对静止。
例子A13提供根据前述例子A中任一项的方法,还包括确定(416)DFT的绝对值是否在心率的可行范围内具有局部峰值,其中在确定DFT的绝对值具有心率的可行范围内的局部峰值时计算心率的第二估计。
例子A14提供根据前述例子A中任一项的方法,其中基于所述第一估计和所述第二估计确定心率包括确定第一估计和第二估计(或指示其的值)是否在彼此的预定数量的每分钟心跳(bpm)内,并且在确定所述第一估计和所述第二估计在彼此之间的预定数量的bpm内时,确定所述心率等于所述第一估计、所述第二估计或基于所述第一估计和所述第二估计计算的估计之一(例如,第一和第二估计的加权平均)。
例子A15提供了根据前述例子A中任一项的方法,还包括在计算DFT之前在所述第二时间期限内抽取第一信号的数据样本并对抽取的数据样本计算DFT。
例子A16提供了根据前述例子A中任一项的方法,还包括使用预处理滤波器处理所述第一信号和/或第二信号,以基本上衰减对应于合理心率范围的目标的合理频带之外的信号内容,
例子A17提供了根据例子A16的方法,其中预处理滤波器是低通滤波器或带通滤波器;合理的感兴趣的频带包括0.5赫兹和4赫兹之间的频率。
例子A18提供根据前述例子A中任一项的方法,还包括将滤波器或掩模应用于或去除指示心跳传感器的饱和状况的第一信号的一部分。
例子A19提供了一种计算机实现的方法,用于根据由心跳传感器(光学传感器)生成的第一信号(PPG信号)中存在的心跳信号确定心率。该方法可以包括在第一时间期限(T1)上对第一信号的数据样本计算(406)平方差函数(SDF);处理(408)第二信号以评估在第一时间期限期间心跳传感器的运动,所述第二信号指示所述心跳传感器相对于一个或多个方向的运动;确定(410)第一时间期限内第一信号的数据样本是否通过第一组置信/质量检查,第一组置信度检查包括至少确定在第一时间期限期间心跳传感器的运动是否满足运动相关标准;在确定第一时间期限上的第一信号的数据样本通过第一组置信度检查时,在第一时间期限内计算(412)来自第一信号的数据样本的SDF的心率的第一估计;计算(414)第二时间期限(T2)内第一信号的数据样本的离散傅立叶变换(DFT);计算(418)来自DFT的心率的第二估计;并且基于第一估计和第二估计确定(422)心率。
例子A20提供了一种计算机实现的方法,用于根据由心跳传感器(光学传感器)生成的第一信号(PPG信号)中存在的心跳信号确定心率。该方法可以包括在第一时间期限(T1)上对第一信号的数据样本计算(406)自相关函数(AF)和平方差函数(SDF);计算表示计算的自相关函数和计算的平方差函数的组合函数;处理(408)第二信号以评估在第一时间期限期间心跳传感器的运动,所述第二信号指示所述心跳传感器相对于一个或多个方向的运动;确定(410)第一时间期限内第一信号的数据样本是否通过第一组置信/质量检查,第一组置信度检查包括至少确定第一时间期限内心跳传感器的运动是否满足运动相关标准;在确定第一时间期限上的第一信号的数据样本通过第一组置信度检查时,计算(412)第一时间期限内第一信号的数据样本的组合函数对心率的第一估计;计算(414)第二时间期限(T2)内第一信号的数据样本的离散傅立叶变换(DFT);计算(418)来自DFT的心率的第二估计;并且基于第一估计和第二估计确定(422)心率。
例子A21提供根据例子A20的方法,其中组合函数被计算为1-SDF/(SDF+2*AF)。
进一步的例子A提供了根据例子A2-A18中任一项的方法,但使用如例子A19中提供的SDF代替AF或使用例子A20中提供的SDF和AF的组合。换句话说,进一步的例子A提供了根据例子A19或例子A20或A21的方法,进一步与例子A2-A18中任一个的特征组合。
例子A22提供了另一种计算机实现的方法,用于根据心跳传感器产生的第一信号中存在的心跳信号确定心率。例子A22的方法可以包括处理第二信号以评估心跳传感器在第一时间期限期间的运动,所述第二信号指示所述心跳传感器相对于一个或多个方向的运动;并且确定第一时间期限上的第一信号的数据样本是否通过第一组置信度检查,第一组置信度检查包括至少确定在第一时间期限期间心跳传感器的运动是否满足运动相关标准。在确定第一时间期限上的第一信号的数据样本通过第一组置信度检查时,例子A22的方法可以包括使用第一心率估计算法计算第一时间期限内第一信号的数据样本的心率的第一估计、使用第二心率估计算法在第一时间期限内根据第一信号的数据样本计算心率的第二估计、并基于第一估计和第二估计确定心率。
例子A23提供一种用于从由心跳传感器产生的第一信号中存在的心跳信号确定心率的设备,设备包括:至少一个存储器,被配置为存储计算机可执行指令;以及至少一个处理器,被耦合到所述至少一个存储器,并且在执行所述指令时被配置为执行根据前述例子A中任一个的方法。
例子A24提供存储软件代码部分的非暂时性计算机可读存储介质,所述软件代码部分在处理器上执行时被配置为通过执行根据前述例A中任一项所述的方法,从心跳传感器产生的第一信号中存在的心跳信号确定心率。
例A25提供了一种设备,包括用于执行根据前述例A中任一项所述的方法的装置。
例子Bl提供了一种用于从由心跳传感器产生的第一信号中存在的心跳信号确定心率的计算机实现的方法,该方法包括计算第一时间期限内所述第一信号的数据样本的自相关、计算来自所述自相关的心率的第一估计、计算第二时间期限内第一信号的数据样本的离散傅立叶变换(DFT)、计算来自DFT的心率的第二估计、并且基于所述第一估计和所述第二估计确定心率。
例子B2提供了根据例子Bl的方法,其中所述第二时间期限大于并包括所述第一时间期限.
例子B3提供了根据例子B2的方法,其中在确定所述第一时间期限内第一信号的数据样本通过第一组置信度检查时计算所述第一估计,第一组置信度检查包括至少确定心跳传感器的运动满足运动相关标准。
例子B4提供了根据例子B3的方法,其中在确定所述第二时间期限内的第一信号的数据样本通过第一组置信度检查时计算DFT.
例子B5提供了根据例子B4的方法,进一步包括在第二时间期限内计算第一信号的数据样本的一系列自相关,每个自相关在等于第一时间期限的时段上计算。
例子B6提供了根据例子B5的方法,其中第一组置信度检查进一步包括确定每个自相关的结果是否满足自相关相关标准。
例子B7提供了根据例子B5或B6的方法,其中计算第二时间期限内所述第一信号的数据样本的自相关包括执行下列迭代:将由于新数据样本引起的贡献添加到先前迭代的自相关,并且对于在第一时间期限内第一信号的数据样本的最后数据样本和在第二时间期限内第一信号的数据样本的最后数据样本之间的数据样本的每个新数据样本减去由于先前数据样本引起的贡献。
例子B8提供了根据例子B3的方法,进一步包括计算第二时间期限内第一信号的数据样本的一系列自相关,每个自相关在等于所述第一时间期限的期限内计算,其中第一组置信度检查还包括确定每个自相关的结果是否满足自相关相关标准或预定数量的自相关满足自相关相关标准。
例子B9提供了根据例子B8的方法,其中确定每个自相关是否满足自相关相关标准仅针对自相关滞后在0.25秒和2秒之间的每个自相关的一部分进行。
例子B10提供了根据例子B9的方法,其中确定每个自相关的结果是否满足自相关相关标准包括确定在每个自相关的部分内首先出现的自相关峰值是否大于每个自相关的部分内的任何其他自相关值。
例子B11提供了根据例子B9的方法,其中确定每个自相关的结果是否满足自相关相关标准包括确定自相关峰值是否在每个自相关的部分内以递减值的顺序发生。
例子B12提供了根据例子B1-B6和B8-B11中任一的方法,其中在确定所述第一时间期限内第一信号的数据样本通过第二组置信度检查时计算DFT。
例子B13提供了根据例子B12的方法,进一步包括基于第一心率估计在第一时间期限内确定第一信号的数据样本的自相关中的预期数量的局部峰值,其中确定所述第一时间期限内第一信号的数据样本通过第二组置信度包括确定所述预期数量的局部峰值等于在所述第一时间期限内所述第一信号的数据样本的自相关中存在的局部峰值的数量。
例子B14提供了根据例子B3-B6和B8-B11中任一的方法,进一步包括处理第二信号以确定指示在第一时间期限期间所述心跳传感器的运动的参数,所述第二信号指示所述心跳传感器相对于一个或多个方向的运动,其中,运动相关标准包括确定参数是否低于预定阈值。
例子B15提供了根据例子B1-B6和B8-B11中任一的方法,进一步包括确定DFT的绝对值是否在可行的心率范围内具有局部峰值,其中在确定DFT的绝对值具有心率的可行范围内的局部峰值时计算心率的第二估计。
例子B16提供了根据例子B1-B6和B8-B11中任一的方法,其中基于所述第一估计和所述第二估计确定心率包括确定所述第一估计和所述第二估计是否在彼此之间的预定数量的每分钟心跳(bpm)内,并且在确定所述第一估计和所述第二估计在彼此之间的预定数量的bpm内时,确定所述心率等于所述第一估计、所述第二估计或基于所述第一估计和所述第二估计计算的估计之一。
例子B17提供了根据例子B1-B6和B8-B11中任一的方法,进一步包括在计算DFT之前在所述第二时间期限内抽取第一信号的数据样本并对抽取的数据样本计算DFT。
例子B18提供了根据例子B1-B6和B8-B11中任一的方法,进一步包括使用预处理滤波器处理所述第一信号和/或第二信号,以基本上衰减对应于合理心率范围的目标的合理频带之外的信号内容。
例子B19提供了根据例子B18的方法,其中预处理滤波器是低通滤波器或带通滤波器:合理的感兴趣频带包括0.5赫兹和4赫兹之间的频率。
例子B20提供根据前述例子B中任一项所述的方法,进一步包括将滤波器或掩模应用于或去除指示心跳传感器的饱和状态的第一信号的一部分。
例子B21提供了一种用于从由心跳传感器产生的第一信号中存在的心跳信号确定心率的计算机实现的方法,该方法包括在第一时间期限内对第一信号的数据样本计算平方差函数(SDF)、从第一时间期限计算第一信号的数据样本的SDF的心率的第一估计、计算第二时间期限内第一信号的数据样本的离散傅立叶变换(DFT)、计算来自DFT的心率的第二估计、并基于所述第一估计和所述第二估计确定心率。
例子B22提供了一种用于根据由心跳传感器生成的第一信号中存在的心跳信号确定心率的计算机实现的方法,该方法包括在第一时间期限上计算第一信号的数据样本上的自相关函数(AF)和平方差函数(SDF),然后计算代表计算的自相关函数和计算的平方差函数的组合函数。该方法还包括在第一时间期限内根据第一信号的数据样本的组合函数计算心率的第一估计、在第二时间期限内计算第一信号的数据样本的离散傅立叶变换(DFT)、计算来自DFT的心率的第二估计、并基于所述第一估计和第二估计确定心率。
例子B23提供根据例子B22的方法,其中组合函数被计算为1-SDF/(SDF+2*AF)。
另外的例子B提供了根据例子B2-B20中任一项的方法,但是使用如例子B21中提供的SDF代替AF或使用例子B22中提供的SDF和AF的组合。换句话说,进一步的例子B提供了根据例子B21或例子B22或B23的方法,进一步与例子B2-B20中任一个的特征组合。
例子B24提供了一种用于根据心跳传感器产生的第一信号中存在的心跳信号确定心率的设备。该设备包括:至少一个存储器,被配置为存储计算机可执行指令;以及至少一个处理器,被耦合到所述至少一个存储器并被配置为在执行指令时、计算第一时间期限内所述第一信号的数据样本的自相关函数(AF)、计算第一时间期限内所述第一信号的数据样本的平方差函数(SDF)、计算代表计算的自相关函数和计算的平方差函数的组合函数、从所述组合函数计算所述心率的第一估计、计算第二时间期限内所述第一信号的数据样本的离散傅立叶变换(DFT)、计算来自DFT的心率的第二估计、基于所述第一估计和所述第二估计确定心率。
例子B25提供了根据例子B24的设备,其中对于每个时滞x,组合函数(CF)被计算为:所述组合函数CF(x)的值被计算为:1-SDF(x)/(SDF(x)+2*AF(x)),其中SDF(x)是时滞x的SDF的值,并且AF(x)是时滞x的AF的值。
例子B26提供了根据例子B24或B25的设备,其中在确定所述第一时间期限内第一信号的数据样本通过第一组置信度检查时计算所述第一估计,第一组置信度检查包括至少确定心跳传感器的运动满足运动相关标准。
例子B27提供了根据例子B26的设备,其中运动相关标准包括指示心跳传感器的运动低于预定阈值的参数,所述参数基于所述第二信号确定,所述第二信号指示所述心跳传感器相对于一个或多个方向的运动。
另外的例子B提供了根据例子B24-B27中任一例子的设备,其中,处理器被配置为在执行指令时执行根据前述例子B中任一项的方法。
例子B28提供了一种用于从由心跳传感器产生的第一信号中存在的心跳信号确定心率的计算机实现的方法。该方法包括处理第二信号以在第一时间期限期间评估心跳传感器的运动、确定第一时间期限上的第一信号的数据样本是否通过第一组置信度检查,第一组置信度检查包括至少确定在第一时间期限期间心跳传感器的运动是否满足运动相关标准。在确定第一时间期限上的第一信号的数据样本通过第一组置信度检查时,该方法包括使用第一心率估计算法在第一时间期限内从第一信号的数据样本计算心率的第一估计。该方法还包括使用第二心率估计算法在第一时间期限内根据第一信号的数据样本计算心率的第二估计,并基于所述第一估计和所述第二估计确定心率。
例子B29提供根据例子B28的方法,其中第二信号由加速度计生成。
进一步的例子B提供了一种设备,其中处理器在执行指令时被配置为执行根据前述例子B中任一个的方法。
例子B30提供了一种存储软件代码部分的非暂时性计算机可读存储介质,所述软件代码部分在处理器上执行时被配置为通过执行根据前述例子B中任一项所述的方法,从心跳传感器产生的第一信号中存在的心跳信号确定心率。
例子B31提供了一种设备,包括用于执行根据前述例子B中任一项的方法的装置。
进一步的变化和实现
可以设想,可以在许多领域中提供如本文所述的心率测量设备,包括医疗设备、安全监控、患者监测、医疗保健设备、医疗设备、汽车设备、航空航天设备、消费电子产品和运动设备等。
在一些情况下,心率测量设备可以用于医疗机构中的专业医疗设备,例如医生办公室、急诊室、医院等。在一些情况下,心率测量设备可以用于不太正式的设置,例如学校、健身房、家庭、办公室、户外、水下等。心率测量设备可以在消费者保健产品中提供。
心率测量设备或其部分可采用许多不同的形式。例子包括手表、戒指、腕带、胸带、头带、耳机、耳塞、夹子、夹子、衣服、包、鞋、眼镜、谷歌、帽子、套装、项链、附件/贴片/条/垫,其可以粘附到生物、配件、便携式设备等。特别地,由于可穿戴设备的便携性和心率监测技术对运动伪影的鲁棒性,可穿戴技术(或通常称为“可穿戴设备”,即,旨在由人或其他生物佩戴的电子设备)可以极大地利用本文公开的心率测量设备的益处。即使存在噪音,可穿戴设备也可以有效地测量/跟踪心率。除了可穿戴设备之外,诸如移动电话和平板电脑的便携式或移动设备还可以包括具有跟踪功能的处理器、模拟前端、光源和光传感器(或具有光源和光传感器的扩展(有线或无线))以提供心率测量设备。用户可以有利地使用普遍存在的移动电话来进行心率测量。此外,设想心率测量设备可用于有线或无线附件,例如袖口、夹子、带子、带子、探针等,以感测生物的生理参数。这些附件可以连接到配置为提供处理器和模拟前端的机器。模拟前端可以在附件中或在机器中提供。
除了测量心率之外,还可以提供心率测量设备以感测或测量其他生理参数,例如氧饱和度(SpO2)、血压、呼吸率、活动或运动等。除了人类之外,心率测量设备还可以提供用于测量感知其他生物(如动物、昆虫、植物、真菌等)的信号中存在的频率。
在上述实施例的讨论中,电容器、时钟、DFF、分频器、电感器、电阻器、放大器、开关、数字核心、晶体管和/或其他部件可以容易地被替换、代替或以其他方式修改,以便适应特定的电路需求。此外,应该注意,互补电子设备、硬件、软件等的使用为实现本公开的教导提供了同样可行的选择。例如,代替处理数字域中的信号,可以提供可以处理模拟域中的信号的等效电子器件。
在一个示例实施例中,可以使用任何数量的电路来实现如本文所述的HR估计技术,并且特别地,实现图中所示的元件。这种电路可以在相关电子设备的板上实现。该板可以是通用电路板,其可以保持电子设备的内部电子系统的各种组件,并且还提供用于其他外围设备的连接器。更具体地,电路板可以提供电连接,系统的其他部件可以通过电连接进行电气通信。任何合适的处理器(包括数字信号处理器、微处理器、支持芯片组等)、计算机可读非暂时存储器元件等可以基于特定配置需求、处理需求、计算机设计等适当地耦合到板。诸如外部存储器、附加传感器、用于音频/视频显示器的控制器和外围设备的其他组件可以作为插入式卡,通过电缆或者集成到板本身中而附接到板上。在各种实施例中,本文描述的功能可以以仿真形式实现为在以支持这些功能的结构布置的一个或多个可配置(例如,可编程)元件内运行的软件或固件。提供仿真的软件或固件可以在非暂时性计算机可读存储介质上提供,该非暂时性计算机可读存储介质包括允许处理器执行那些功能的指令。在某些情况下,可以在处理器中或在处理器中提供专用硬件以执行这些功能。
在另一示例实施例中,附图的电路可以被实现为独立模块(例如,具有被配置为执行特定应用或功能的相关组件和电路的设备)或者作为插件模块实现为电子设备的专用硬件。注意,本公开的特定实施例可以部分地或整体地容易地包括在片上系统(SOC)封装中。SOC表示将计算机或其他电子系统的组件集成到单个芯片中的IC。它可以包含数字、模拟、混合信号以及通常的射频功能:所有这些功能都可以在单个芯片衬底上提供。其他实施例可以包括多芯片模块(MCM),其中多个单独的IC位于单个电子封装内并且被配置为通过电子封装彼此紧密地交互。在各种其他实施例中,改进的HR估计功能可以在专用集成电路(ASIC)、现场可编程门阵列(FPGA)和其他半导体芯片中的一个或多个硅核中实现。
注意,上面参考附图讨论的活动适用于涉及信号处理的任何集成电路,特别是那些可以执行专用软件程序或算法的集成电路,其中一些可能与处理数字化实时数据相关联以测量或跟踪心率。某些实施例可以涉及多DSP信号处理、浮点处理、信号/控制处理、固定功能处理、微控制器应用等。在某些上下文中,这里讨论的特征可以适用于医疗系统、科学仪器、无线和有线通信、雷达、工业过程控制、音频和视频设备、电流感应、仪器(可以是高度精确的)、以及其他基于数字处理的系统。此外,上面讨论的某些实施例可以在用于医学成像、患者监测、医疗仪器和家庭医疗保健的数字信号处理技术中提供。这可以包括肺部监视器、心率监视器、心脏起搏器等。其他应用可以涉及用于安全系统的汽车技术(例如,稳定性控制系统、驾驶员辅助系统、制动系统、信息娱乐和任何类型的内部应用)。此外,动力总成系统(例如,在混合动力和电动车辆中)可以在电池监控、控制系统、报告控制、维护活动等中使用高精度数据转换产品。可以设想这些应用也可以利用所公开的HR估计技术。在其他示例场景中,本公开的教导可适用于包括过程控制系统的工业市场,该过程控制系统旨在测量HR以帮助提高生产率、能量效率和可靠性。
注意,利用本文提供的众多示例,可以根据两个、三个、四个或更多个部分来描述交互。然而,这仅出于清楚和示例的目的而进行。应该理解,系统可以以任何合适的方式合并。沿着类似的设计替代方案,附图中的任何所示组件、模块和元件可以以各种可能的配置组合,所有这些配置都明显在本说明书的宽范围内。在某些情况下,仅通过参考有限数量的电气元件来描述给定流程集的一个或多个功能可能更容易。应当理解,附图及其教导的特征易于扩展,并且可以容纳大量部件,以及更复杂的布置和配置。因此,所提供的示例不应限制范围或抑制可能应用于无数其他架构的电路的广泛教导。
注意,在本说明书中,对包括在“一个实施例”、“例子实施例”、“实施例”、“另一个实施例”、“一些实施例”、“各种实施例”、“其他实施例”、“替代实施例”等中的各种特征的引用(例如,元素、结构、模块、组件、步骤、操作、部件、特征等)旨在表示任何这样的特征包括在本公开的一个或多个实施例中,但是可以或者可以不必在相同的实施例中组合。
同样重要的是要注意,与本文描述的改进的HR估计技术相关的功能仅示出了可以由图中所示的系统执行或在其内执行的一些可能的跟踪功能。可以在适当的情况下删除或移除这些操作中的一些,或者可以在不脱离本公开的范围的情况下显着地修改或改变这些操作。此外,这些操作的时间可能会大大改变。出于示例和讨论的目的提供了前述操作流程。本文描述的实施例提供了实质的灵活性,因为可以提供任何合适的布置、时间顺序、配置和定时机制而不脱离本公开的教导。注意,上述设备的所有可选特征也可以关于本文描述的方法或过程来实现,并且示例中的细节可以在一个或多个实施例中的任何地方使用。
在这些实例(上文)中的“用于...的手段”可包括(但不限于)使用本文所讨论的任何合适的组件、以及任何合适的软件、电路、集线器、计算机代码、逻辑、算法、硬件、控制器、接口、链接、总线、通信路径等。在第二示例中,该系统包括存储器,该存储器还包括机器可读指令,该机器可读指令在被执行时使系统执行上述任何活动。
本领域技术人员可以确定许多其他改变、替换、变化、替代和修改,并且本公开旨在涵盖落入所附权利要求的范围内的所有这样的改变、替换、变化、替代和修改。
Claims (25)
1.一种用于从由心跳传感器产生的第一信号中存在的心跳信号确定心率的计算机实现的方法,该方法包括:
计算第一时间期限内所述第一信号的数据样本的自相关;
计算来自所述自相关的心率的第一估计;
计算第二时间期限内所述第一信号的数据样本的离散傅立叶变换(DFT);
计算来自DFT的心率的第二估计;和
基于所述第一估计和所述第二估计确定心率。
2.根据权利要求1所述的方法,其中所述第二时间期限大于并包括所述第一时间期限。
3.根据权利要求2所述的方法,其中在确定所述第一时间期限内第一信号的数据样本通过第一组置信度检查时计算所述第一估计,所述第一组置信度检查包括至少确定所述心跳传感器的运动满足运动相关标准。
4.根据权利要求3所述的方法,其中在确定所述第二时间期限内的第一信号的数据样本通过第一组置信度检查时计算DFT。
5.根据权利要求4所述的方法,还包括计算所述第二时间期限内第一信号的数据样本的一系列自相关,每个自相关在等于所述第一时间期限的期限内计算。
6.根据权利要求5所述的方法,其中所述第一组置信度检查还包括确定每个自相关的结果是否满足自相关相关标准。
7.根据权利要求5或6所述的方法,其中计算第二时间期限内所述第一信号的数据样本的自相关包括执行下列迭代:将由于新数据样本引起的贡献添加到先前迭代的自相关,并且对于在第一时间期限内第一信号的数据样本的最后数据样本和在第二时间期限内第一信号的数据样本的最后数据样本之间的数据样本的每个新数据样本减去由于先前数据样本引起的贡献。
8.根据权利要求3所述的方法,还包括计算所述第二时间期限内第一信号的数据样本的一系列自相关,每个自相关在等于所述第一时间期限的期限内计算,
其中所述第一组置信度检查还包括确定每个自相关的结果是否满足自相关相关标准或预定数量的自相关是否满足自相关相关标准。
9.根据权利要求8所述的方法,其中确定每个自相关是否满足自相关相关标准仅针对自相关滞后在0.25秒和2秒之间的每个自相关的一部分进行。
10.根据权利要求9所述的方法,其中确定每个自相关的结果是否满足自相关相关标准包括确定在每个自相关的部分内首先出现的自相关峰值是否大于每个自相关的部分内的任何其他自相关值。
11.根据权利要求9所述的方法,其中确定每个自相关的结果是否满足自相关相关标准包括确定自相关峰值是否在每个自相关的部分内以递减值的顺序发生。
12.根据权利要求1-6和8-11中任一项所述的方法,其中在确定所述第一时间期限内第一信号的数据样本通过第二组置信度检查时计算DFT。
13.根据权利要求12所述的方法,还包括基于第一心率估计在所述第一时间期限内确定所述第一信号的数据样本的自相关中的预期数量的局部峰值,
其中确定所述第一时间期限内第一信号的数据样本通过第二组置信度包括确定所述预期数量的局部峰值等于在所述第一时间期限内所述第一信号的数据样本的自相关中存在的局部峰值的数量。
14.根据权利要求3-6和8-11中任一项所述的方法,还包括:
处理第二信号以确定指示在第一时间期限期间所述心跳传感器的运动的参数,所述第二信号指示所述心跳传感器相对于一个或多个方向的运动,
其中所述运动相关标准包括确定所述参数是否低于预定阈值。
15.根据权利要求1-6和8-11中任一项所述的方法,还包括确定DFT的绝对值是否具有心率的可行范围内的局部峰值,其中在确定DFT的绝对值具有心率的可行范围内的局部峰值时计算心率的第二估计。
16.根据权利要求1-6和8-11中任一项所述的方法,其中基于所述第一估计和所述第二估计确定心率包括:
确定所述第一估计和所述第二估计是否在彼此之间的预定数量的每分钟心跳(bpm)内;和
在确定所述第一估计和所述第二估计在彼此之间的预定数量的bpm内时,确定所述心率等于所述第一估计、所述第二估计或基于所述第一估计和所述第二估计计算的估计之一。
17.根据权利要求1-6和8-11中任一项所述的方法,还包括在计算DFT之前在所述第二时间期限内抽取第一信号的数据样本并对抽取的数据样本计算DFT。
18.根据权利要求1-6和8-11中任一项所述的方法,还包括:
使用预处理滤波器处理所述第一信号和/或第二信号,以基本上衰减对应于合理心率范围的目标的合理频带之外的信号内容。
19.根据权利要求18所述的方法,其中:
所述预处理滤波器是低通滤波器或带通滤波器;和
合理的目标频带包括0.5赫兹和4赫兹之间的频率。
20.一种用于从由心跳传感器产生的第一信号中存在的心跳信号确定心率的设备,所述设备包括:
至少一个存储器,被配置为存储计算机可执行指令;
以及至少一个处理器,耦合到所述至少一个存储器,并且在执行所述指令时被配置为:
计算第一时间期限内所述第一信号的数据样本的自相关函数(AF);
计算第一时间期限内所述第一信号的数据样本的平方差函数(SDF);
计算代表计算的自相关函数和计算的平方差函数的组合函数;
从所述组合函数计算所述心率的第一估计;
计算第二时间期限内所述第一信号的数据样本的离散傅立叶变换(DFT);
计算来自DFT的心率的第二估计;和
基于所述第一估计和所述第二估计确定心率。
21.根据权利要求20所述的设备,其中对于每个时滞x,组合函数(CF)被计算为:所述组合函数CF(x)的值被计算为:1-SDF(x)/(SDF(x)+2*AF(x)),其中SDF(x)是时滞x的SDF的值,并且AF(x)是时滞x的AF的值。
22.根据权利要求20或21所述的设备,其中在确定所述第一时间期限内第一信号的数据样本通过第一组置信度检查时计算所述第一估计,所述第一组置信度检查包括至少确定所述心跳传感器的运动满足运动相关标准。
23.根据权利要求22所述的设备,其中所述运动相关标准包括指示低于预定阈值的心跳传感器的运动的参数,所述参数基于所述第二信号确定,所述第二信号指示所述心跳传感器相对于一个或多个方向的运动。
24.一种用于从由心跳传感器产生的第一信号中存在的心跳信号确定心率的计算机实现的方法,该方法包括:
处理第二信号以在第一时间期限期间评估心跳传感器的运动;
在确定所述第一时间期限内第一信号的数据样本通过第一组置信度检查时,使用第一心率估计算法在所述第一时间期限内从第一信号的数据样本计算所述心率的第一估计,其中所述第一组置信度检查包括至少确定在第一时间期限期间所述心跳传感器的运动是否满足运动相关标准;
使用第二心率估计算法在所述第一时间期限内从第一信号的数据样本计算所述心率的第二估计;和
基于所述第一估计和所述第二估计确定心率。
25.根据权利要求24所述的方法,其中所述第二信号由加速度计产生。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/198,438 US10285651B2 (en) | 2016-06-30 | 2016-06-30 | On-demand heart rate estimation based on optical measurements |
US15/198,438 | 2016-06-30 | ||
PCT/US2017/039878 WO2018005729A1 (en) | 2016-06-30 | 2017-06-29 | On-demand heart rate estimation based on optical measurements |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109414203A true CN109414203A (zh) | 2019-03-01 |
CN109414203B CN109414203B (zh) | 2022-10-04 |
Family
ID=60785477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780040564.XA Active CN109414203B (zh) | 2016-06-30 | 2017-06-29 | 基于光学测量的在线心率估计 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10285651B2 (zh) |
EP (1) | EP3478166B1 (zh) |
CN (1) | CN109414203B (zh) |
WO (1) | WO2018005729A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113116358A (zh) * | 2019-12-30 | 2021-07-16 | 华为技术有限公司 | 心电图的显示方法、装置、终端设备和存储介质 |
CN113171073A (zh) * | 2021-05-18 | 2021-07-27 | 南京润楠医疗电子研究院有限公司 | 一种基于检波器的无感式心率检测方法 |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018112351A1 (en) * | 2016-12-15 | 2018-06-21 | ViviPulse, LLC | Wearable pulse waveform measurement system and method |
US11660053B2 (en) | 2018-04-16 | 2023-05-30 | Samsung Electronics Co., Ltd. | Apparatus and method for monitoring bio-signal measuring condition, and apparatus and method for measuring bio-information |
FI20185441A1 (en) | 2018-05-14 | 2019-11-15 | Pulseon Oy | Procedure, apparatus and computer program product for estimating signal quality |
FI128367B (en) * | 2018-05-28 | 2020-04-15 | Oura Health Oy | OPTICAL SENSOR SYSTEM FOR WEARABLE EQUIPMENT, METHOD FOR CONTROLLING THE OPERATION OF THE OPTICAL SENSOR SYSTEM, AND THE CORRESPONDING COMPUTER SOFTWARE PRODUCT |
US11607181B2 (en) * | 2018-07-20 | 2023-03-21 | GE Precision Healthcare LLC | Systems and methods for cardiac triggering of an imaging system |
KR102605899B1 (ko) | 2018-09-11 | 2023-11-23 | 삼성전자주식회사 | 생체 신호 측정 장치 및 방법 |
CN109157200B (zh) * | 2018-10-31 | 2021-03-23 | 安徽华米信息科技有限公司 | 噪声检测方法及装置 |
WO2020158129A1 (ja) * | 2019-01-28 | 2020-08-06 | ソニー株式会社 | 情報処理装置、情報処理方法及びプログラム |
US11432741B2 (en) * | 2020-03-11 | 2022-09-06 | Child Mind Institute, Inc. | Oxygen mask respirometer |
EP4226852A4 (en) * | 2020-10-05 | 2024-06-19 | Sony Group Corporation | BIOLOGICAL INFORMATION ACQUISITION DEVICE, BIOLOGICAL INFORMATION ACQUISITION SYSTEM, AND BIOLOGICAL INFORMATION ACQUISITION METHOD |
TWI819253B (zh) * | 2020-11-25 | 2023-10-21 | 緯創資通股份有限公司 | 訊號品質檢測方法及其訊號檢測裝置 |
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 |
WO2024062919A1 (en) * | 2022-09-21 | 2024-03-28 | Sony Group Corporation | Signal processing device, signal processing method, program, and learning device |
WO2024154688A1 (ja) * | 2023-01-18 | 2024-07-25 | コニカミノルタ株式会社 | 生体情報取得装置、生体情報取得方法及びプログラム |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6083172A (en) * | 1995-08-07 | 2000-07-04 | Nellcor Puritan Bennett Incorporated | Method and apparatus for estimating physiological parameters using model-based adaptive filtering |
CN101181156A (zh) * | 2006-11-17 | 2008-05-21 | 松拓有限公司 | 用于监测运动的设备和方法 |
WO2012061827A2 (en) * | 2010-11-05 | 2012-05-10 | West Wireless Health Institute | Wireless fetal monitoring system |
CN102048558B (zh) * | 2011-01-28 | 2012-05-23 | 深圳市理邦精密仪器股份有限公司 | 一种胎心率信号处理方法及其装置 |
US8262582B2 (en) * | 2008-08-22 | 2012-09-11 | Valtion Teknillinen Tutkimuskeskus | Extraction of heart inter beat interval from multichannel measurements |
US20130079656A1 (en) * | 2011-09-23 | 2013-03-28 | Nellcor Puritan Bennett Ireland | Systems and methods for determining respiration information from a photoplethysmograph |
CN102245102B (zh) * | 2008-12-12 | 2013-08-21 | 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 |
CN103892797A (zh) * | 2012-12-31 | 2014-07-02 | 中国移动通信集团公司 | 一种用于睡眠结构分析的信号处理方法和装置 |
CN102988036B (zh) * | 2012-12-26 | 2014-08-06 | 中国科学院自动化研究所 | 测量脉率的方法 |
US20150196257A1 (en) * | 2014-01-13 | 2015-07-16 | The Board Of Regents, The University Of Texas System | Systems and methods for physiological signal enhancement and biometric extraction using non-invasive optical sensors |
CN104951069A (zh) * | 2014-03-24 | 2015-09-30 | 三星电子株式会社 | 用于使用可穿戴传感器平台的生理测量的置信度指示 |
CN105138823A (zh) * | 2015-07-28 | 2015-12-09 | 中国科学院电子学研究所 | 一种基于自相关函数的生理信号质量检测方法 |
WO2016028610A2 (en) * | 2014-08-18 | 2016-02-25 | Cameron Health, Inc. | Peak selection for self correlation analysis of cardiac rate in an implantable medical device |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2756798A1 (en) * | 1997-09-05 | 2014-07-23 | Seiko Epson Corporation | Reflection type photodetection apparatus, and biological information measuring apparatus |
US7738949B2 (en) | 2008-02-26 | 2010-06-15 | Welch Allyn, Inc. | Method and apparatus for spectrum estimation |
-
2016
- 2016-06-30 US US15/198,438 patent/US10285651B2/en active Active
-
2017
- 2017-06-29 CN CN201780040564.XA patent/CN109414203B/zh active Active
- 2017-06-29 WO PCT/US2017/039878 patent/WO2018005729A1/en unknown
- 2017-06-29 EP EP17821210.6A patent/EP3478166B1/en active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6083172A (en) * | 1995-08-07 | 2000-07-04 | Nellcor Puritan Bennett Incorporated | Method and apparatus for estimating physiological parameters using model-based adaptive filtering |
CN101181156A (zh) * | 2006-11-17 | 2008-05-21 | 松拓有限公司 | 用于监测运动的设备和方法 |
US8262582B2 (en) * | 2008-08-22 | 2012-09-11 | Valtion Teknillinen Tutkimuskeskus | Extraction of heart inter beat interval from multichannel measurements |
CN102245102B (zh) * | 2008-12-12 | 2013-08-21 | 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 |
WO2012061827A2 (en) * | 2010-11-05 | 2012-05-10 | West Wireless Health Institute | Wireless fetal monitoring system |
CN102048558B (zh) * | 2011-01-28 | 2012-05-23 | 深圳市理邦精密仪器股份有限公司 | 一种胎心率信号处理方法及其装置 |
US20130079656A1 (en) * | 2011-09-23 | 2013-03-28 | Nellcor Puritan Bennett Ireland | Systems and methods for determining respiration information from a photoplethysmograph |
CN102988036B (zh) * | 2012-12-26 | 2014-08-06 | 中国科学院自动化研究所 | 测量脉率的方法 |
CN103892797A (zh) * | 2012-12-31 | 2014-07-02 | 中国移动通信集团公司 | 一种用于睡眠结构分析的信号处理方法和装置 |
US20150196257A1 (en) * | 2014-01-13 | 2015-07-16 | The Board Of Regents, The University Of Texas System | Systems and methods for physiological signal enhancement and biometric extraction using non-invasive optical sensors |
CN104951069A (zh) * | 2014-03-24 | 2015-09-30 | 三星电子株式会社 | 用于使用可穿戴传感器平台的生理测量的置信度指示 |
WO2016028610A2 (en) * | 2014-08-18 | 2016-02-25 | Cameron Health, Inc. | Peak selection for self correlation analysis of cardiac rate in an implantable medical device |
CN105138823A (zh) * | 2015-07-28 | 2015-12-09 | 中国科学院电子学研究所 | 一种基于自相关函数的生理信号质量检测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113116358A (zh) * | 2019-12-30 | 2021-07-16 | 华为技术有限公司 | 心电图的显示方法、装置、终端设备和存储介质 |
CN113171073A (zh) * | 2021-05-18 | 2021-07-27 | 南京润楠医疗电子研究院有限公司 | 一种基于检波器的无感式心率检测方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3478166B1 (en) | 2022-04-20 |
WO2018005729A1 (en) | 2018-01-04 |
US10285651B2 (en) | 2019-05-14 |
CN109414203B (zh) | 2022-10-04 |
EP3478166A1 (en) | 2019-05-08 |
EP3478166A4 (en) | 2020-02-19 |
US20180000424A1 (en) | 2018-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109414203A (zh) | 基于光学测量的在线心率估计 | |
Satija et al. | Real-time signal quality-aware ECG telemetry system for IoT-based health care monitoring | |
Smital et al. | Real-time quality assessment of long-term ECG signals recorded by wearables in free-living conditions | |
US10722182B2 (en) | Method and apparatus for heart rate and respiration rate estimation using low power sensor | |
US11672437B2 (en) | Method and device for tissue monitoring and heart rate detection | |
US20160354038A1 (en) | Removing motion-related artifacts in heart rate measurement systems using iterative mask estimation in frequency-domain | |
Chung et al. | Deep learning for heart rate estimation from reflectance photoplethysmography with acceleration power spectrum and acceleration intensity | |
CN107949321A (zh) | 时域干扰去除和改进的心率测量跟踪机理 | |
US20160029968A1 (en) | Tracking slow varying frequency in a noisy environment and applications in healthcare | |
CN110753515A (zh) | 光体积描记图形数据的可靠获取 | |
TWI667011B (zh) | 心率檢測方法以及心率檢測裝置 | |
US20180206749A1 (en) | Apparatus and method for determining a health parameter of a subject | |
US10765374B2 (en) | Methods and apparatus for adaptable presentation of sensor data | |
US11617545B2 (en) | Methods and systems for adaptable presentation of sensor data | |
Kumar et al. | STSR: spectro-temporal super-resolution analysis of a reference signal less photoplethysmogram for heart rate estimation during physical activity | |
Zheng et al. | Adaptive notch-filtration to effectively recover photoplethysmographic signals during physical activity | |
Arunkumar et al. | Improved heart rate estimation from photoplethysmography during physical exercise using combination of NLMS and RLS adaptive filters | |
CN111278353A (zh) | 一种生命体征信号噪声的检测方法与系统 | |
Sivaranjini et al. | Fast quality-aware amdf based pulse rate estimation from compressed ppg measurements for wearable vital signs monitor | |
Wang et al. | Heart rate monitoring from wrist-type PPG based on singular spectrum analysis with motion decision | |
Canu et al. | Respiration rate calculation using low power DSP processor and SpO 2 sensor | |
CN106504235A (zh) | 基于图像处理的心率监测方法 | |
Popescu et al. | Cardiowatch: A solution for monitoring the heart rate on a Mobile device | |
Abeysekera | An accurate method for Fourier synthesis of Photoplethysmographic signals | |
Karna et al. | Determination of Absolute Heart Beat from Photoplethysmographic Signals in the Presence of Motion Artifacts |
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 |