CN109745050A - 运动信号的特征信息检测方法和装置 - Google Patents
运动信号的特征信息检测方法和装置 Download PDFInfo
- Publication number
- CN109745050A CN109745050A CN201811581335.1A CN201811581335A CN109745050A CN 109745050 A CN109745050 A CN 109745050A CN 201811581335 A CN201811581335 A CN 201811581335A CN 109745050 A CN109745050 A CN 109745050A
- Authority
- CN
- China
- Prior art keywords
- motor message
- peak
- signal
- detection
- threshold value
- 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.)
- Pending
Links
Classifications
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0247—Pressure sensors
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Neurology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Neurosurgery (AREA)
- Developmental Disabilities (AREA)
- Power Engineering (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Control Of Electric Motors In General (AREA)
Abstract
本发明涉及一种运动信号的特征信息检测方法和装置、计算机设备、计算机存储介质。上述运动信号的特征信息检测方法包括:在第一检测状态,且运动信号当前的信号幅值大于或者等于检测阈值时,将所述第一检测状态更新为第二检测状态,将所述运动信号的当前位置设为峰值检测区间的起点;在检测到信号幅值小于所述检测阈值时,将所述运动信号的当前位置设为所述峰值检测区间的终点;在所述峰值检测区间提取所述运动信号的最大幅值,得到运动信号当前的信号峰值,识别信号峰值在所述运动信号中的峰值位置。本发明可以实现对运动信号当前的信号峰值和峰值位置等特征信息的检测,使所检测的特征信息不易受到相应运动信号产生过程中的噪声干扰,具有较高的准确性。
Description
技术领域
本发明涉及信号处理技术领域,特别是涉及一种运动信号的特征信息检测方法和装置、计算机设备、计算机存储介质。
背景技术
帕金森氏症(Parkinson’s Disease,简称PD)是一种慢性中枢神经系统退化疾病,PD的运动症状可以包括颤抖、肢体僵硬、动作迟缓和姿态不稳。对PD患者肢体和/或躯干的运动信号进行获取,可以实现对PD患者运动症状的监测,对及时准确地获知PD患者的病情信息具有重要意义。传统方案通常需要依据运动信号的幅值及幅值变化特征进行相应PD患者运动症状的监测,容易受到运动信号所包括的噪声干扰,影响运动症状的监测效果。
发明内容
基于此,有必要针对传统方案容易影响运动症状的监测效果的技术问题,提供一种运动信号的特征信息检测方法和装置、计算机设备、计算机存储介质。
一种运动信号的特征信息检测方法,包括:
在第一检测状态,且运动信号当前的信号幅值大于或者等于检测阈值时,将所述第一检测状态更新为第二检测状态,将所述运动信号的当前位置设为峰值检测区间的起点;
在检测到所述信号幅值小于所述检测阈值时,将所述运动信号的当前位置设为所述峰值检测区间的终点;
在所述峰值检测区间提取所述运动信号的最大幅值,得到所述运动信号当前的信号峰值,识别所述信号峰值在所述运动信号中的峰值位置。
在一个实施例中,所述运动信号当前的信号幅值大于或者等于检测阈值时,还包括:
设置计数器的初始计数值;
所述在检测到所述信号幅值小于所述检测阈值时,将所述运动信号的当前位置设为所述峰值检测区间的终点的过程之后,还包括:
将所述计数器的当前计数值减去一个计数单位,若更新后的计数值大于设定值,则在设定时段后返回执行将所述计数器的当前计数值减去一个计数单位的过程;
若所述计数值小于或者等于设定值,将当前检测状态设更新为所述第一检测状态。
作为一个实施例,所述初始计数值的确定过程包括:
获取所述运动信号当前位置之前的两个峰值位置之间的峰值距离,将设定比例的所述峰值距离确定为所述初始计数值。
在一个实施例中,在所述第一检测状态时,还包括:
根据所述运动信号的前一个信号峰值与衰减步长之间的差值确定所述检测阈值,识别所述信号幅值;
若所述信号幅值小于所述检测阈值,则根据所述检测阈值与所述衰减步长之间的差值更新所述检测阈值;
若所述信号幅值大于或者等于所述检测阈值,返回执行将所述第一检测状态更新为第二检测状态的过程。
作为一个实施例,所述衰减步长的确定过程包括:
获取所述峰值检测区间的区间长度,根据所述运动信号的前一个信号峰值与所述区间长度之间的商确定所述衰减步长。
在一个实施例中,所述在第一检测状态,且运动信号当前的信号幅值大于或者等于检测阈值时,将所述第一检测状态更新为第二检测状态,将所述运动信号的当前位置设为峰值检测区间的起点的过程之前,还包括:
获取佩戴在用户身上的传感器输出的初始运动信号,将所述初始运动信号进行滤波处理,输出滤波处理后的运动信号。
作为一个实施例,所述将所述初始运动信号进行滤波处理的过程包括:
检测所述初始运动信号当前的信号频率,若所述信号频率小于频率阈值,则将所述初始运动信号输入第一频段的带通滤波器进行滤波处理;若所述信号频率大于或者等于所述频率阈值,则将所述初始运动信号输入第二频段的带通滤波器进行滤波处理。
一种运动信号的特征信息检测装置,包括:
第一设置模块,用于在第一检测状态,且运动信号当前的信号幅值大于或者等于检测阈值时,将所述第一检测状态更新为第二检测状态,将所述运动信号的当前位置设为峰值检测区间的起点;
第二设置模块,用于在检测到所述信号幅值小于所述检测阈值时,将所述运动信号的当前位置设为所述峰值检测区间的终点;
提取模块,用于在所述峰值检测区间提取所述运动信号的最大幅值,得到所述运动信号当前的信号峰值,识别所述信号峰值在所述运动信号中的峰值位置。
一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一实施例提供的运动信号的特征信息检测方法。
一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一实施例提供的运动信号的特征信息检测方法。
上述运动信号的特征信息检测方法、装置、计算机设备和计算机存储介质,可以在第一检测状态,且运动信号当前的信号幅值大于或者等于检测阈值时,将所述第一检测状态更新为第二检测状态,将所述运动信号的当前位置设为峰值检测区间的起点,在检测到所述信号幅值小于所述检测阈值时,将所述运动信号的当前位置设为所述峰值检测区间的终点,以确定峰值检测区间,在上述峰值检测区间提取运动信号的最大幅值,确定运动信号当前的信号峰值,并识别信号峰值在运动信号中的峰值位置,实现对运动信号当前的信号峰值和峰值位置等特征信息的检测,使所检测的特征信息不易受到相应运动信号产生过程中的噪声干扰,具有较高的准确性,从而可以提高依据上述特征信息进行用户运动症状监测的效果。
附图说明
图1为一个实施例的运动信号的特征信息检测方法流程图;
图2为一个实施例的初始运动信号示意图;
图3为一个实施例的滤波处理后的运动信号示意图;
图4为一个实施例的初始运动信号、滤波处理后的运动信号和动态阈值信号示意图;
图5为一个实施例的运动信号的特征信息检测过程示意图;
图6为一个实施例的运动信号的特征信息检测装置结构示意图;
图7为一个实施例的计算机设备内部结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明的保护范围。
需要说明的是,本发明实施例所涉及的术语“第一\第二\第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。应该理解“第一\第二\第三”区分的对象在适当情况下可以互换,以使这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
本发明实施例的术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或模块的过程、方法、装置、产品或设备没有限定于已列出的步骤或模块,而是可选地还包括没有列出的步骤或模块,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或模块。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
参考图1所示,图1为一个实施例的运动信号的特征信息检测方法流程图,包括:
S10,在第一检测状态,且运动信号当前的信号幅值大于或者等于检测阈值时,将所述第一检测状态更新为第二检测状态,将所述运动信号的当前位置设为峰值检测区间的起点;
上述运动信号为佩戴在PD患者等需要进行运动症状监测的用户身上的传感器输出的实时信号,若传感器获得的信号包括噪声等干扰信号,可以先对其输出的实时信号进行滤波处理,根据滤波处理后的信号确定进行信号峰值和峰值位置等特征信息检测的运动信号,以保证所确定的运动信号的有效性,从而保证所检测的特征信息的准确性。上述传感器可以包括设置在用户脚底的压力传感器,和/或佩戴在用于肢体上的加速度传感器等可以实时测量表征用户动作特征的运动信号的传感器。若上述传感器为压力传感器,则上述运动信号为压力信号;若上述传感器为加速度传感器,则上述运动信号为加速度信号。
具体地,上述运动信号是相应传感器实时输出的,上述步骤S10需要识别当前输出的运动信号的信号幅值,以进行上述信号幅值与检测阈值的比较,对当前输出的运动信号进行相应的特征信息检测。在运动信号的特征信息检测过程中,初始检测状态为第一检测状态。上述检测阈值可以依据运动信号当前位置之前的一个信号峰值确定,比如可以确定为前一个信号峰值,或者确定为比前一个信号峰值略小的一个值等;检测阈值的初始值可以依据相应用户的动作特征设置,比如可以提取该用户的一段运动信号,根据该段运动信号的最大幅值确定检测阈值的初始值。
S20,在检测到所述信号幅值小于所述检测阈值时,将所述运动信号的当前位置设为所述峰值检测区间的终点;
S30,在所述峰值检测区间提取所述运动信号的最大幅值,得到所述运动信号当前的信号峰值,识别所述信号峰值在所述运动信号中的峰值位置。
上述步骤可以对运动信号当前的信号峰值和峰值位置这些特征信息进行检测,以检测用户在监测时段所产生的运动信号的所有信号峰值以及相应的峰值位置这些特征信息,使获得的特征信息不易受到运动信号产生过程中的噪声干扰,这样依据监测时段相应用户的运动信号特征信息可以对用户的运动症状进行更为有效地监测,保证了运动症状监测过程中的准确性。
具体地,在所述峰值检测区间提取所述运动信号的最大幅值,得到所述运动信号当前的信号峰值,识别所述信号峰值在所述运动信号中的峰值位置这些信号峰值和峰值位置等特征信息的识别过程可以发生在由第二检测状态至第一检测状态的转换过程中,如第二检测状态的末尾或者第一检测状态的开头等时机。
上述实施例提供的运动信号的特征信息检测方法,可以在第一检测状态,且运动信号当前的信号幅值大于或者等于检测阈值时,将当前的检测状态更新为第二检测状态,将所述运动信号的当前位置设为峰值检测区间的起点,在检测到所述信号幅值小于所述检测阈值时,将所述运动信号的当前位置设为所述峰值检测区间的终点,以确定峰值检测区间,在上述峰值检测区间提取运动信号的最大幅值,确定运动信号当前的信号峰值,并识别信号峰值在运动信号中的峰值位置,实现对运动信号当前的信号峰值和峰值位置等特征信息的检测,使所检测的特征信息不易受到相应运动信号产生过程中的噪声干扰,具有较高的准确性,从而可以提高依据上述特征信息进行用户运动症状监测的效果。
在一个实施例中,所述运动信号当前的信号幅值大于或者等于检测阈值时,还包括:
设置计数器的初始计数值;
所述在检测到所述信号幅值小于所述检测阈值时,将所述运动信号的当前位置设为所述峰值检测区间的终点的过程之后,还包括:
将所述计数器的当前计数值(如初始计数值或者上一次更新后的计数值)减去一个计数单位,若更新后的计数值大于设定值,则在设定时段后返回执行将所述计数器的当前计数值减去一个计数单位的过程;
若所述计数值小于或者等于设定值,将当前检测状态更新为第一检测状态。
上述设定时段可以依据运动信号的类型以及特征信息的检测精度设置,比如可以设置为0.5S(秒)等值。
本实施例在计数器的计数值大于设定值时,重复在设定时段后返回执行将所述计数器的当前计数值减去一个计数单位的过程,直至计数器的计数值小于或者等于设定值,这样使特征信息仅从上述峰值检测区间提取,可以减少假阳性数据的出现,既从幅值上,又从时间区间上保证信号峰值和峰值位置等特征信息的检测精度。
具体地,上述计数单位可以为1,上述设定值可以设为0;此时,在获得运动信号当前的信号峰值,以及相应的峰值位置后,计数器的当前计数值减1更新计数值,若计数值大于0,则返回在所述峰值检测区间提取所述运动信号的最大幅值,得到所述运动信号当前的信号峰值,识别所述信号峰值在所述运动信号中的峰值位置的过程,再次进行峰值检测区间的信号峰值和峰值位置的获取,将计数器的当前计数值减1更新计数值,直至计数器的计数值小于或者等于0,将当前检测状态更新为第一检测状态,继续检测后续运动信号中的特征信息。
作为一个实施例,所述初始计数值的确定过程包括:
获取所述运动信号当前位置之前的两个峰值位置之间的峰值距离,将设定比例的所述峰值距离确定为所述初始计数值。
上述设定比例可以设置为50%等值,若设定比例为50%,则上述初始计数值为相应峰值距离的一半。
本实施例可以对计数器的初始计数值进行准确设置,以保证相应第二检测状态持续时间的准确性。
在一个实施例中,在所述第一检测状态时,还包括:
根据所述运动信号的前一个信号峰值与衰减步长之间的差值确定所述检测阈值,识别所述信号幅值;
若所述信号幅值小于所述检测阈值,则根据所述检测阈值与所述衰减步长之间的差值更新所述检测阈值;
若所述信号幅值大于或者等于所述检测阈值,返回执行将所述第一检测状态更新为第二检测状态的过程。
上述第一检测状态的起始位置为第二检测状态的末尾位置。具体地,在更新为第一检测状态时,可以将前一个信号峰值设为动态阈值(检测阈值),将上述动态阈值与衰减步长之间的差值更新后续的检测阈值。若运动信号当前的信号幅值(实时信号幅值)小于所述检测阈值,则重复执行根据所述检测阈值与所述衰减步长之间的差值更新所述检测阈值的过程,直至运动信号当前的信号幅值大于或者等于检测阈值,此时可以将所述运动信号的当前位置设为峰值检测区间的起点的过程,以进行峰值检测区间的确定。
作为一个实施例,所述衰减步长的确定过程包括:
获取所述峰值检测区间的区间长度,根据所述运动信号的前一个信号峰值与所述区间长度之间的商确定所述衰减步长。
本实施例根据前一个信号峰值除以确定前一个信号峰值的峰值检测区间的区间长度所得的商确定衰减步长,使所确定的衰减步长具有较高的准确性。
在一个实施例中,所述在第一检测状态,且运动信号当前的信号幅值大于或者等于检测阈值时,将所述第一检测状态更新为第二检测状态,将所述运动信号的当前位置设为峰值检测区间的起点的过程之前,还包括:
获取佩戴在用户身上的传感器输出的初始运动信号,将所述初始运动信号进行滤波处理,输出滤波处理后的运动信号。
本实施例对传感器输出的运动信号进行滤波处理,以滤除初始运动信号中的噪声,可以保证进行特征信息检测的运动信号的有效性。
作为一个实施例,所述将所述初始运动信号进行滤波处理的过程包括:
检测所述初始运动信号当前的信号频率,若所述信号频率小于频率阈值,则将所述初始运动信号输入第一频段的带通滤波器进行滤波处理;若所述信号频率大于或者等于所述频率阈值,则将所述初始运动信号输入第二频段的带通滤波器进行滤波处理。
上述频率阈值可以依据相应用户的动作特征设置,比如设置为4Hz(赫兹)等值。若当前的信号频率小于频率阈值,表明用户当前处于步行等频率较低的运动中,若当前的信号频率大于或者等于频率阈值,表明用户当前处于颤抖等频率较高的运动中;分别将表征不同运动的运动信号输入相应频段的带通滤波器进行滤波处理,可以保证滤波过程的准确性。上述第一频段和第二频段可以依据用户相应类型运动的频率确定,比如可以将第一频段设为大于或者等于0.5Hz且小于或者等于1.5Hz的频段,该频率的带通滤波器可以对表征步行的运动信号进行有效地滤波处理,将第二频段设为大于或者等于4.5Hz且小于或者等于7.5Hz的频段,该频率的带通滤波器可以对表征颤抖的运动信号进行有效地滤波处理。
作为一个实施例,若运动信号包括多个参考方向的信号分量,则可以将各个参考方向的信号分量进行叠加后再进行滤波处理,以保证进行特征信息检测的运动信号的完整性;例如,若运动信号包括X轴信号分量、Y轴信号分量和Z轴信号分量,则可以将上述X轴信号分量、Y轴信号分量和Z轴信号分量进行叠加后再进行滤波处理。
上述传感器可以为佩戴在PD患者手腕处的3-D加速度传感器,相应的初始运动信号为如图2所示的加速度信号,经过滤波处理后的加速度信号可以参考图3所示,根据图3所示的加速度信号可知,经过滤波处理后的运动信号更加规律,其中包括的噪声等干扰因素得到有效消除。
在一个实施例中,上述运动信号可以为表征用户颤抖动作的信号,初始运动信号、滤波后的运动信号以及动态阈值信号(检测阈值对应的取值)可以参考图4所示,如图4所示,Raw Signal表示初始运动信号,Detection Signal表示经过[4.5,7.5]Hz带通滤波器滤波处理后的运动信号,Dynamic Threshold表示动态阈值信号。若以位于406.25秒到406.45秒的那个峰值为例,可以看到每个峰值都有两个区间:一个是检测区间DETECTING zone(第一检测状态对应的区间),另一个是禁止检测区间INHIBITING zone(第二检测状态对应的区间)。
作为一个实施例,针对图4所示的运动信号的特征信息检测过程可以参考图5所示,图5中DETECTING状态表示第一检测状态,INHIBITING状态表示第二检测状态;从图5所示入口输入样本(运动信号)进行运动信号特征信息的检测过程包括:
1、一进入这个函数调用,首先检测当前是否在DETECTING状态(DETECTING状态是初始化的状态);如果是在DETECTING状态,则降低检测阈值一个衰减步长,然后进到步骤2;否则进到步骤3;
2、将检测函数的新到的样本(实时运动信号)与检测阈值比较,如果检测函数的新到的样本大于检测阈值,则将检测状态设置为INHIBITING,取前一个峰-峰值间的距离的一半作为INHIBITING区间计数器的初值,同时记录下当前位置为峰值搜索的起点,然后返回到调用这个函数的上一级函数;否则,直接返回到调用这个函数的上一级函数;
3、因为前面检查了系统不在DETECTING状态,所以当前处于INHIBITING状态。在这个状态,检测阈值将保持不变,INHIBITING区间计数器减一,然后进到步骤4;
4、将检测函数的新到的样本与检测阈值比较,如果检测函数的新到的样本大于检测阈值,则将当前位置记录为峰值搜索的终点,然后进到步骤5;否则,直接进到步骤5;
5、检查INHIBITING减数计数器是否到零,如果没有到零,则直接进到步骤6;否则将检测状态设置为DETECTING,然后进到步骤6;
6、检查检测状态是否在DETECTING,如果是则说明刚刚到DETECTING状态,因此开始在上述步骤所记录的峰值搜索的起点和终点范围内搜索检测函数的最大幅值(信号峰值),以及最大幅值相对应的位置(峰值位置),计算动态检测阈值的初值和衰减步长,将这些检测的结果从出口输出,然后返回调用函数;如果不是DETECTING状态,则直接返回调用函数。
参考图6,图6所示为一个实施例的运动信号的特征信息检测装置结构示意图,包括:
第一设置模块10,用于在第一检测状态,且运动信号当前的信号幅值大于或者等于检测阈值时,将所述第一检测状态更新为第二检测状态,将所述运动信号的当前位置设为峰值检测区间的起点;
第二设置模块20,用于在检测到所述信号幅值小于所述检测阈值时,将所述运动信号的当前位置设为所述峰值检测区间的终点;
提取模块30,用于在所述峰值检测区间提取所述运动信号的最大幅值,得到所述运动信号当前的信号峰值,识别所述信号峰值在所述运动信号中的峰值位置。
在一个实施例中,所述运动信号的特征信息检测装置,还包括:
第三设置模块,用于设置计数器的初始计数值;
第一返回模块,用于将所述计数器的当前计数值减去一个计数单位,若更新后的计数值大于设定值,则在设定时段后返回执行将所述计数器的当前计数值减去一个计数单位的过程;
第一更新模块,用于若所述计数值小于或者等于设定值,将当前检测状态设更新为所述第一检测状态。
作为一个实施例,所述初始计数值的确定过程包括:
获取所述运动信号当前位置之前的两个峰值位置之间的峰值距离,将设定比例的所述峰值距离确定为所述初始计数值。
在一个实施例中,在所述第一检测状态时,所述运动信号的特征信息检测装置,还包括:
第一确定模块,根据所述运动信号的前一个信号峰值与衰减步长之间的差值确定所述检测阈值,识别所述信号幅值;
第二更新模块,若所述信号幅值小于所述检测阈值,则根据所述检测阈值与所述衰减步长之间的差值更新所述检测阈值;
第二返回模块,若所述信号幅值大于或者等于所述检测阈值,返回执行将所述第一检测状态更新为第二检测状态的过程。
作为一个实施例,所述衰减步长的确定过程包括:
获取所述峰值检测区间的区间长度,根据所述运动信号的前一个信号峰值与所述区间长度之间的商确定所述衰减步长。
在一个实施例中,所述运动信号的特征信息检测装置,还包括:
滤波模块,获取佩戴在用户身上的传感器输出的初始运动信号,将所述初始运动信号进行滤波处理,输出滤波处理后的运动信号。
作为一个实施例,所述滤波模块进一步用于:
检测所述初始运动信号当前的信号频率,若所述信号频率小于频率阈值,则将所述初始运动信号输入第一频段的带通滤波器进行滤波处理;若所述信号频率大于或者等于所述频率阈值,则将所述初始运动信号输入第二频段的带通滤波器进行滤波处理。
关于运动信号的特征信息检测装置的具体限定可以参见上文中对于运动信号的特征信息检测方法的限定,在此不再赘述。上述运动信号的特征信息检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种运动信号的特征信息检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
基于如上所述的示例,在一个实施例中还提供一种计算机设备,该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行所述程序时实现如上述各实施例中的任意一种运动信号的特征信息检测方法。
上述计算机设备,通过所述处理器上运行的计算机程序,实现了用户运动症状监测效果的提升。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性的计算机可读取存储介质中,如本发明实施例中,该程序可存储于计算机系统的存储介质中,并被该计算机系统中的至少一个处理器执行,以实现包括如上述运动信号的特征信息检测方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
据此,在一个实施例中还提供一种计算机存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如上述各实施例中的任意一种运动信号的特征信息检测方法。
上述计算机存储介质,通过其存储的计算机程序,能够使所检测的特征信息不易受到相应运动信号产生过程中的噪声干扰,具有较高的准确性,从而可以提高依据上述特征信息进行用户运动症状监测的效果。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种运动信号的特征信息检测方法,其特征在于,包括如下步骤:
在第一检测状态,且运动信号当前的信号幅值大于或者等于检测阈值时,将所述第一检测状态更新为第二检测状态,将所述运动信号的当前位置设为峰值检测区间的起点;
在检测到所述信号幅值小于所述检测阈值时,将所述运动信号的当前位置设为所述峰值检测区间的终点;
在所述峰值检测区间提取所述运动信号的最大幅值,得到所述运动信号当前的信号峰值,识别所述信号峰值在所述运动信号中的峰值位置。
2.根据权利要求1所述的运动信号的特征信息检测方法,其特征在于,所述运动信号当前的信号幅值大于或者等于检测阈值时,还包括:
设置计数器的初始计数值;
所述在检测到所述信号幅值小于所述检测阈值时,将所述运动信号的当前位置设为所述峰值检测区间的终点的过程之后,还包括:
将所述计数器的当前计数值减去一个计数单位,若更新后的计数值大于设定值,则在设定时段后返回执行将所述计数器的当前计数值减去一个计数单位的过程;
若所述计数值小于或者等于设定值,将当前检测状态设更新为所述第一检测状态。
3.根据权利要求2所述的运动信号的特征信息检测方法,其特征在于,所述初始计数值的确定过程包括:
获取所述运动信号当前位置之前的两个峰值位置之间的峰值距离,将设定比例的所述峰值距离确定为所述初始计数值。
4.根据权利要求1所述的运动信号的特征信息检测方法,其特征在于,在所述第一检测状态时,还包括:
根据所述运动信号的前一个信号峰值与衰减步长之间的差值确定所述检测阈值,识别所述信号幅值;
若所述信号幅值小于所述检测阈值,则根据所述检测阈值与所述衰减步长之间的差值更新所述检测阈值;
若所述信号幅值大于或者等于所述检测阈值,返回执行将所述第一检测状态更新为第二检测状态的过程。
5.根据权利要求4所述的运动信号的特征信息检测方法,其特征在于,所述衰减步长的确定过程包括:
获取所述峰值检测区间的区间长度,根据所述运动信号的前一个信号峰值与所述区间长度之间的商确定所述衰减步长。
6.根据权利要求1至5任一项所述的运动信号的特征信息检测方法,其特征在于,所述在第一检测状态,且运动信号当前的信号幅值大于或者等于检测阈值时,将所述第一检测状态更新为第二检测状态,将所述运动信号的当前位置设为峰值检测区间的起点的过程之前,还包括:
获取佩戴在用户身上的传感器输出的初始运动信号,将所述初始运动信号进行滤波处理,输出滤波处理后的运动信号。
7.根据权利要求6所述的运动信号的特征信息检测方法,其特征在于,所述将所述初始运动信号进行滤波处理的过程包括:
检测所述初始运动信号当前的信号频率,若所述信号频率小于频率阈值,则将所述初始运动信号输入第一频段的带通滤波器进行滤波处理;若所述信号频率大于或者等于所述频率阈值,则将所述初始运动信号输入第二频段的带通滤波器进行滤波处理。
8.一种运动信号的特征信息检测装置,其特征在于,包括:
第一设置模块,用于在第一检测状态,且运动信号当前的信号幅值大于或者等于检测阈值时,将所述第一检测状态更新为第二检测状态,将所述运动信号的当前位置设为峰值检测区间的起点;
第二设置模块,用于在检测到所述信号幅值小于所述检测阈值时,将所述运动信号的当前位置设为所述峰值检测区间的终点;
提取模块,用于在所述峰值检测区间提取所述运动信号的最大幅值,得到所述运动信号当前的信号峰值,识别所述信号峰值在所述运动信号中的峰值位置。
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任意一项所述的运动信号的特征信息检测方法。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7任意一项所述的运动信号的特征信息检测方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811581335.1A CN109745050A (zh) | 2018-12-24 | 2018-12-24 | 运动信号的特征信息检测方法和装置 |
CN201911057192.9A CN110638463B (zh) | 2018-12-24 | 2019-10-30 | 运动信号的特征信息检测方法、装置、计算机设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811581335.1A CN109745050A (zh) | 2018-12-24 | 2018-12-24 | 运动信号的特征信息检测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109745050A true CN109745050A (zh) | 2019-05-14 |
Family
ID=66402949
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811581335.1A Pending CN109745050A (zh) | 2018-12-24 | 2018-12-24 | 运动信号的特征信息检测方法和装置 |
CN201911057192.9A Active CN110638463B (zh) | 2018-12-24 | 2019-10-30 | 运动信号的特征信息检测方法、装置、计算机设备和介质 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911057192.9A Active CN110638463B (zh) | 2018-12-24 | 2019-10-30 | 运动信号的特征信息检测方法、装置、计算机设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN109745050A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111780780A (zh) * | 2020-06-16 | 2020-10-16 | 贵州省人民医院 | 一种基于滤波器组的计步方法及装置 |
CN112099495A (zh) * | 2020-09-03 | 2020-12-18 | 纳恩博(天津)科技有限公司 | 控制行进的方法、相关设备及存储介质 |
CN112731406A (zh) * | 2020-12-24 | 2021-04-30 | 佛山市顺德区美的饮水机制造有限公司 | 用于识别干扰信号的方法、装置、存储介质及处理器 |
Family Cites Families (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6898550B1 (en) * | 1997-10-02 | 2005-05-24 | Fitsense Technology, Inc. | Monitoring activity of a user in locomotion on foot |
ATE554824T1 (de) * | 2001-08-30 | 2012-05-15 | Medtronic Inc | Vorrichtung zur detektion myokardialer ischämie |
CN101662875A (zh) * | 2008-12-09 | 2010-03-03 | 成都芯源系统有限公司 | 冷阴极荧光灯的故障保护方法及保护电路 |
US9402568B2 (en) * | 2011-08-29 | 2016-08-02 | Verizon Telematics Inc. | Method and system for detecting a fall based on comparing data to criteria derived from multiple fall data sets |
JP5975290B2 (ja) * | 2011-10-14 | 2016-08-23 | パナソニックIpマネジメント株式会社 | ハウリング抑圧装置、補聴器、ハウリング抑圧方法、及び集積回路 |
EP2712549B1 (fr) * | 2012-10-01 | 2015-03-11 | Sorin CRM SAS | Dispositif d'évaluation de la désynchronisation ventriculaire temporelle |
US20140288876A1 (en) * | 2013-03-15 | 2014-09-25 | Aliphcom | Dynamic control of sampling rate of motion to modify power consumption |
CN103565427B (zh) * | 2013-11-19 | 2016-09-28 | 深圳邦健生物医疗设备股份有限公司 | 准周期生理信号特征点的检测 |
CN203811981U (zh) * | 2014-02-12 | 2014-09-03 | 复旦大学 | 一种采用led微型投影仪实现特殊环境下照明的投影天窗 |
CN103903270B (zh) * | 2014-04-09 | 2017-02-08 | 东南大学 | 光纤链路监测信号的规整化有效特征段选取方法 |
CN104000578A (zh) * | 2014-06-11 | 2014-08-27 | 复旦大学 | 用于心电信号qrs波实时检测的asic芯片 |
KR20160147516A (ko) * | 2015-06-15 | 2016-12-23 | 삼성전자주식회사 | 부정맥을 검출하기 위한 방법 및 이를 지원하는 장치 |
CN105030246B (zh) * | 2015-07-09 | 2018-08-24 | 深圳市声禾科技有限公司 | 一种测量人体在运动中消耗能量的方法、装置及计步器 |
CN105286815B (zh) * | 2015-11-02 | 2017-11-21 | 重庆大学 | 一种基于波形时域特征的脉搏波信号特征点检测方法 |
CN105771187B (zh) * | 2016-02-26 | 2019-03-01 | 惠州市德赛工业研究院有限公司 | 一种运动状态检测方法及基于该方法的智能鞋 |
CA3053958A1 (en) * | 2017-02-24 | 2018-08-30 | Holland Bloorview Kids Rehabilitation Hospital | Systems and methods of automatic cough identification |
CN107693005B (zh) * | 2017-09-22 | 2020-05-29 | 先健科技(深圳)有限公司 | 腔内心电信号处理与显示的方法以及具有该功能的临时心脏起搏器 |
CN108418660B (zh) * | 2018-02-13 | 2020-11-06 | 桂林电子科技大学 | 一种低信噪比环境中提高特征值信号检测灵敏度的方法 |
-
2018
- 2018-12-24 CN CN201811581335.1A patent/CN109745050A/zh active Pending
-
2019
- 2019-10-30 CN CN201911057192.9A patent/CN110638463B/zh active Active
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111780780A (zh) * | 2020-06-16 | 2020-10-16 | 贵州省人民医院 | 一种基于滤波器组的计步方法及装置 |
CN111780780B (zh) * | 2020-06-16 | 2022-06-03 | 贵州省人民医院 | 一种基于滤波器组的计步方法及装置 |
CN112099495A (zh) * | 2020-09-03 | 2020-12-18 | 纳恩博(天津)科技有限公司 | 控制行进的方法、相关设备及存储介质 |
CN112099495B (zh) * | 2020-09-03 | 2024-04-12 | 纳恩博(天津)科技有限公司 | 控制行进的方法、相关设备及存储介质 |
CN112731406A (zh) * | 2020-12-24 | 2021-04-30 | 佛山市顺德区美的饮水机制造有限公司 | 用于识别干扰信号的方法、装置、存储介质及处理器 |
Also Published As
Publication number | Publication date |
---|---|
CN110638463A (zh) | 2020-01-03 |
CN110638463B (zh) | 2022-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1828877B1 (en) | Methods and systems for detecting noise in a position sensor using minor shifts in sensing frequency | |
CN109745050A (zh) | 运动信号的特征信息检测方法和装置 | |
CN105302383B (zh) | 一种电容触摸传感器抗干扰的方法和设备 | |
CN106441350A (zh) | 一种计步方法及终端 | |
CN107831907A (zh) | 基于步态识别的身份认证方法及装置 | |
CN106705989B (zh) | 记步方法、设备及终端 | |
US11642058B2 (en) | System and method for measuring reaction time of a subject | |
CN108664364A (zh) | 一种终端测试方法及装置 | |
CN109167893B (zh) | 拍摄图像的处理方法、装置、存储介质及移动终端 | |
CN107223232A (zh) | 电子设备和检测方法 | |
CN108196668B (zh) | 一种便携式手势识别系统及方法 | |
CN106453970A (zh) | 语音接收质量检测方法、装置和终端设备 | |
CN110235145A (zh) | 指纹识别方法、装置、电子设备及存储介质 | |
CN107105092A (zh) | 一种基于动态时间规整的人体跌倒识别方法 | |
CN109840480A (zh) | 一种智能手表的交互方法及交互系统 | |
CN109758140A (zh) | 一种心率检测方法和装置 | |
CN107533371A (zh) | 使用影响手势的用户接口控制 | |
CN109938722B (zh) | 数据采集方法、装置、智能穿戴设备及存储介质 | |
CN111428690B (zh) | 一种基于步态信号拓扑分析的身份认证方法 | |
CN112665857A (zh) | 滚动轴承故障诊断方法、装置、设备及存储介质 | |
CN108027693B (zh) | 识别用户的方法、设备及计算机可读存储介质 | |
CN114298105B (zh) | 一种跑步过程中快速响应抬腕动作并亮屏的信号处理方法 | |
US20240159566A1 (en) | Step counting method and device, electronic apparatus and readable storage medium | |
CN109864731A (zh) | 一种脉搏测量方法和装置及终端设备、可读存储介质 | |
CN108762526A (zh) | 一种智能设备中的加速传感器触发判断方法及装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190514 |