CN110638463A - 运动信号的特征信息检测方法、装置、计算机设备和介质 - Google Patents

运动信号的特征信息检测方法、装置、计算机设备和介质 Download PDF

Info

Publication number
CN110638463A
CN110638463A CN201911057192.9A CN201911057192A CN110638463A CN 110638463 A CN110638463 A CN 110638463A CN 201911057192 A CN201911057192 A CN 201911057192A CN 110638463 A CN110638463 A CN 110638463A
Authority
CN
China
Prior art keywords
value
input signal
detection
peak
signal
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
Application number
CN201911057192.9A
Other languages
English (en)
Other versions
CN110638463B (zh
Inventor
曾乐朋
廖旺才
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Publication of CN110638463A publication Critical patent/CN110638463A/zh
Application granted granted Critical
Publication of CN110638463B publication Critical patent/CN110638463B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—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

本申请涉及一种运动信号的特征信息检测方法、装置、计算机设备和存储介质。所述方法包括：将滤波处理后的运动信号作为输入信号；在第一检测状态下，输入信号值大于检测阈值时，将输入信号值对应的当前时间点设为波峰检测区间的起点和终点，在第二检测状态下，当输入信号值不小于检测阈值时，将输入信号值对应的当前时间点设为波峰检测区间的新的终点；根据波峰检测区间的起点和更新后的终点确定波峰检测区间的范围，在波峰检测区间范围内检测得到输入信号的峰值和峰值对应的时间点，实现对运动信号特征信息的检测，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，具有较高的准确性和稳定性，从而提高运动症状的监测效果。

Description

运动信号的特征信息检测方法、装置、计算机设备和介质
技术领域
本申请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、装置、计算机设备和计算机存储介质。
背景技术
在现代化科学技术发展的过程中，信号处理技术逐渐深入应用到各行各业中。而随着健康观念的提高，运动信息检测技术迅速发展，在体育运动训练、医疗康复、载人航天等领域中有重要应用。运动信息检测技术可以通过测量运动过程中的幅值、幅值变化等特征信息，对其进行处理和分析来监测被监测者的运动情况。
传统方案通常在测量运动信号的幅值及幅值等特征信息时，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，有必要针对上述技术问题，提供一种提高运动监测效果的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。
一种运动信号的特征信息检测方法，所述方法包括：
获取输入信号，所述输入信号为运动信号进行滤波处理后输出的信号；
判断当前检测状态；
当第一检测状态下所述输入信号的值大于所述检测阈值时，将所述输入信号的值对应的当前时间点设置为波峰检测区间的起点和终点；
当第二检测状态下所述输入信号的值不小于所述检测阈值时，将所述输入信号的值对应的当前时间点设置为波峰检测区间的新的终点；返回执行所述判断当前检测状态的步骤；
根据所述波峰检测区间的起点和新的终点确定波峰检测区间的范围，在所述波峰检测区间的范围内检测得到所述输入信号的峰值和所述峰值对应的时间点。
在一个实施例中，所述方法还包括：
获取所述输入信号的前一个峰值，根据所述输入信号的前一个峰值设定比例后的值作为确定检测阈值的初始值；
获取所述输入信号的前两个峰值对应的时间点；根据所述前两个峰值对应的时间点，确定前两个峰值的时间间隔；
将所述输入信号的前一个信号峰值除以所述前两个峰值的时间间隔所得的商作为衰减步长；
计算检测阈值与所述衰减步长间的差值；
判断检测阈值的临界值与所述差值间的大小关系；当所述差值大于所述临界值时，将所述差值作为新的检测阈值；当所述差值不大于所述临界值时，将所述临界值作为新的检测阈值。
在一个实施例中，所述第一检测状态下还包括以下步骤：
当所述输入信号的值大于所述检测阈值时，将所述检测状态变更为第二检测状态；获取所述第二检测状态下的倒数计数器的初始值；返回执行所述判断当前检测状态的步骤；
当所述输入信号的值不大于所述检测阈值时，返回执行所述判断当前检测状态的步骤。
作为一个实施例，所述获取倒数计数器的初始值包括：
获取所述输入信号的前两个峰值对应的时间点；
根据所述前两个峰值对应的时间点，确定前两个峰值的时间间隔；
根据所述前两个峰值的时间间隔，确定倒数计数器的初始值。
作为一个实施例，所述将检测状态变更为第二检测状态后包括：
当所述输入信号的值不小于所述检测阈值时，将所述输入信号的值对应的当前时间点设置为新的终点；
当所述输入信号的值小于所述检测阈值时，则不更新所述波峰检测区间的终点。
在一个实施例中，所述方法还包括：
在每次判断输入信号的值与检测阈值间的大小关系前，将倒数计数器的值减去1；
在每次判断输入信号的值与检测阈值间的大小关系后，判断所述倒数计数器的值是否为零；
当所述倒数计数器的值不为零时，返回执行所述判断当前检测状态的步骤；
当所述倒数计数器的值为零时，将当前检测状态变更为第一检测状态。
在一个实施例中，所述获取输入信号包括：
利用三轴加速度传感器获取三轴运动信号，将所述三轴运动信号相加成合成运动信号；
将所述合成运动信号送往两路截止频率不同的带通滤波器分别进行滤波处理，输出两路滤波后的信号；
将所述两路滤波后的信号分别作为输入信号，分别检测所述两路输入信号的特征信息。
一种运动信号的特征信息检测装置，所述装置包括：
运动信号获取模块，用于获取输入信号，所述输入信号为运动信号进行滤波处理后输出的信号；
检测状态判断模块，用于判断当前检测状态；
起点和终点设置模块，用于当第一检测状态下所述输入信号的值大于所述检测阈值时，将所述输入信号的值对应的当前时间点设置为波峰检测区间的起点和终点；
终点更新模块，用于当第二检测状态下所述输入信号的值不小于所述检测阈值时，将所述输入信号的值对应的当前时间点设置为波峰检测区间的新的终点；返回执行所述判断当前检测状态的步骤；
峰值获取模块，用于根据所述波峰检测区间的起点和新的终点确定波峰检测区间的范围，在所述波峰检测区间的范围内检测得到所述输入信号的峰值和所述峰值对应的时间点。
一种计算机设备，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，所述处理器执行所述计算机程序时实现以下步骤：
获取输入信号，所述输入信号为运动信号进行滤波处理后输出的信号；
判断当前检测状态；
当第一检测状态下所述输入信号的值大于所述检测阈值时，将所述输入信号的值对应的当前时间点设置为波峰检测区间的起点和终点；
当第二检测状态下所述输入信号的值不小于所述检测阈值时，将所述输入信号的值对应的当前时间点设置为波峰检测区间的新的终点；返回执行所述判断当前检测状态的步骤；
根据所述波峰检测区间的起点和新的终点确定波峰检测区间的范围；在所述波峰检测区间的范围内检测得到所述输入信号的峰值和所述峰值对应的时间点。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取输入信号，所述输入信号为运动信号进行滤波处理后输出的信号；
判断当前检测状态；
当第一检测状态下所述输入信号的值大于所述检测阈值时，将所述输入信号的值对应的当前时间点设置为波峰检测区间的起点和终点；
当第二检测状态下所述输入信号的值不小于所述检测阈值时，将所述输入信号的值对应的当前时间点设置为波峰检测区间的新的终点；返回执行所述判断当前检测状态的步骤；
根据所述波峰检测区间的起点和新的终点确定波峰检测区间的范围；在所述波峰检测区间的范围内检测得到所述输入信号的峰值和所述峰值对应的时间点。
上述运动信号的特征信息检测方法、装置、计算机设备和存储介质，先对运动信号进行滤波处理，将滤波处理后的运动信号作为输入信号；判断当前检测状态，在第一检测状态下，输入信号值大于检测阈值时，将输入信号值对应的当前时间点设为波峰检测区间的起点和终点，在第二检测状态下，当输入信号值不小于检测阈值时，将输入信号值对应的当前时间点设为波峰检测区间的新的终点，直到检测到输入信号值小于检测阈值时，停止更新；根据波峰检测区间的起点和更新后的终点确定波峰检测区间的范围，在波峰检测区间范围内检测得到输入信号的峰值和峰值对应的时间点，实现对运动信号特征信息的检测，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，具有较高的准确性和稳定性，从而提高运动症状的检测效果。
附图说明
图1为一个实施例中运动信号的特征信息检测方法的应用场景图；
图2为一个实施例中运动信号的特征信息检测方法的流程示意图；
图3为一个实施例中运动信号的特征信息检测过程的流程示意图；
图4为一个实施例中走路状态下的初始运动信号示意图；
图5为一个实施例中震颤状态下的初始运动信号示意图；
图6为另一个实施例中运动信号的特征信息检测方法的流程示意图；
图7为一个实施例中初始运动信号、滤波处理后的运动信号和检测阈值信号的示意图；
图8为一个实施例中运动信号的特征信息检测装置的结构框图；
图9为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的运动信号的特征信息检测方法，可以应用于如图1所示的应用环境中。其中，终端102可以通过佩戴在用户104身上来对用户104的运动症状进行检测。终端102获取用户104的运动信号，对该运动信号进行滤波处理，将滤波处理后的运动信号作为输入信号；判断当前检测状态，在第一检测状态下，输入信号值大于检测阈值时，将输入信号值对应的当前时间点设为波峰检测区间的起点和终点，在第二检测状态下，更新波峰检测区间的终点，当输入信号值不小于检测阈值时，将输入信号值对应的当前时间点设为新的波峰检测区间的终点，直到检测到输入信号值小于检测阈值时，停止更新；根据波峰检测区间的起点和更新后的终点确定波峰检测区间的范围，在波峰检测区间范围内检测得到输入信号的峰值和峰值对应的时间点，实现对用户104的运动信号特征信息的检测。其中，终端102可以但不限于是各种便携式可穿戴设备。
在一个实施例中，如图2所示，提供了一种运动信号的特征信息检测方法，以该方法应用于图1中的终端102为例进行说明，包括以下步骤：
步骤202，获取输入信号，该输入信号为运动信号进行滤波处理后输出的信号。
其中，终端102中设置有传感器，该传感器在从需要进行运动症状监测的用户104身上获取实时的运动信号。由于从传感器获得的信号通常都会受到噪声的干扰，因此必须对来自传感器的实时运动信号进行滤波处理，过滤掉大部分噪声之后，输出滤波处理后的信号，再对其进行特征信息检测。
具体地，在一个实施例中，该传感器可以是放置在用户脚底的压力传感器。终端通过压力传感器获取用户的压力信号，再将该压力信号送往带通滤波器进行滤波处理，对滤波处理后输出的信号进行特征信息检测。
在另一个实施例中，该传感器可以是佩戴于用户身体上的加速度传感器，例如佩戴于用户的手腕和脚腕。终端通过加速度传感器获取用户的加速度信号，再将该加速度信号送往带通滤波器进行滤波处理，对滤波处理后输出的信号进行特征信息检测。
步骤204，判断当前检测状态。
其中，在对滤波处理后的信号进行检测时，先对当前检测状态进行判断，再执行相应的检测状态下的步骤。在本实施例中，检测状态包括第一检测状态和第二检测状态。
具体地，在开始检测时，初始检测状态为第一检测状态。当第一检测状态下检测到输入信号的值大于检测阈值时，将检测状态变更为第二检测状态。在第二检测状态下，当倒数计数器的值为零时，将检测状态变更为第一检测状态。
步骤206，当第一检测状态下输入信号的值大于检测阈值时，将输入信号的值对应的当前时间点设置为波峰检测区间的起点和终点。
其中，第一检测状态为初始检测状态，检测的是输入信号的上升过程。波峰检测区间用于确定输入信号的峰值所在的范围，保证运动信号的特征信息检测的准确性。
具体地，当检测到当前检测状态为第一检测状态时，终端102获取预设的检测阈值初始值，并在第一检测状态的检测过程中，实时更新检测阈值，检测输入信号，判断输入信号的值与检测阈值的大小。当输入信号的值大于检测阈值时，将该输入信号的值对应的时间点设置为波峰检测区间的起点和终点，将检测状态变更为第二检测状态。
步骤208，当第二检测状态下输入信号的值不小于检测阈值时，将输入信号的值对应的当前时间点设置为波峰检测区间的新的终点；返回执行判断当前检测状态的步骤。
其中，第二检测状态检测的是输入信号的下降过程。
具体地，当检测到当前检测状态为第二检测状态时，实时检测输入信号，判断输入信号的值和检测阈值的大小。当输入信号的值不小于检测阈值时，对波峰检测区间的终点进行更新，将该输入信号的值对应的时间点设置为新的终点并返回执行判断当前检测状态的步骤。进一步地，检测到当前检测状态为第二检测状态，在输入信号的值不小于检测阈值时，更新波峰检测区间的终点，将该输入信号的值对应的时间点设置为波峰检测区间的新的终点；直至检测到第二状态下的输入信号值小于检测阈值，停止对波峰检测区间的终点进行更新。
步骤210，根据波峰检测区间的起点和新的终点确定波峰检测区间的范围，在该波峰检测区间的范围内检测得到输入信号的峰值和该峰值对应的时间点。
其中，波峰检测区间的起点和终点由步骤206和步骤208确定。可知，波峰检测区间中的输入信号的值都不小于检测阈值，且包括输入信号的上升过程和下降过程，而在上升后再下降的过程中，必然存在一个最大值，即输入信号的峰值。因此，可以在波峰检测区间的范围内检测得到输入信号的峰值和该峰值对应的时间点。并且通过确定波峰检测区间，可有效地避免检测到的信号峰值为干扰信号的峰值。
具体地，在一个实施例中，通过对输入信号在波峰检测区间内每一时间点的值进行比较来识别输入信号的峰值。当检测到当前输入信号值大于上一个输入信号值时，继续执行对输入信号在波峰检测区间内每一时间点的值进行比较的步骤。当检测到当前输入信号值小于上一个输入信号值时，则将上一个输入信号值作为本周期的输入信号的峰值。
在其他实施例中，也可以使用其他方法对输入信号的峰值进行检测，本发明对此不做限定。
上述运动信号的特征信息检测方法中，先对运动信号进行滤波处理，将滤波处理后的运动信号作为输入信号；判断当前检测状态，在第一检测状态下，输入信号值大于检测阈值时，将输入信号值对应的当前时间点设为波峰检测区间的起点和终点，在第二检测状态下，当输入信号值不小于检测阈值时，更新波峰检测区间的终点，即将输入信号值对应的当前时间点设为波峰检测区间的新的终点，直到检测到输入信号值小于检测阈值时，停止更新；根据波峰检测区间的起点和更新后的终点确定波峰检测区间的范围，在波峰检测区间范围内检测得到输入信号的峰值和峰值对应的时间点，实现对运动信号特征信息的检测，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，具有较高的准确性和稳定性，从而提高运动症状的监测效果。
在一个实施例中，该方法还包括：获取该输入信号的前一个峰值，根据该输入信号的前一个峰值确定检测阈值的初始值；获取该输入信号的前两个峰值对应的时间点；根据前两个峰值对应的时间点，确定前两个峰值的时间间隔；将输入信号的前一个信号峰值除以前两个峰值的时间间隔所得的商作为衰减步长；计算检测阈值与衰减步长间的差值；判断检测阈值的临界值与该差值间的大小关系；当该差值大于该临界值时，将该差值作为新的检测阈值；当该差值不大于该临界值时，将该临界值作为新的检测阈值。
其中，在还没有检测到任何波峰的初始状态下，检测阈值的初始值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峰值确定检测阈值的初始值。
检测阈值的临界值为预设的最低检测阈值，是根据输入信号的值确定的。在输入信号的值小于检测阈值的临界值时，即使输入信号中存在波峰，也不对其进行检测，保证检测的有效性。在一个实施例中，可以将检测阈值的临界值设为输入信号峰值的最小可能值。当输入信号的类型不同时，检测阈值的临界值也相应地做出改变。
具体地，在检测到输入信号的波峰之后，检测阈值的初始值可以依据输入信号当前位置之前的一个信号峰值来设定，且每检测到新的峰值时，检测阈值的初始值根据该新的峰值重新设定。在一个实施例中，可以将前一个信号峰值直接设置为本次检测阈值的初始值。在另一个实施例中，可以将比前一个信号峰值略小的一个值设为本次检测阈值的初始值。在其他实施例中也可以将前一个信号峰值设定比例后的值作为本次检测阈值的初始值。
进一步地，由前一个信号峰值除以前两个信号峰值的时间间隔得到衰减步长。在第一检测状态，每进行一次输入信号的值与检测阈值之间的大小比较时，将前一个检测阈值减去一个衰减步长，来实现对检测阈值的更新。当前一个检测阈值与衰减步长间的差值不大于检测阈值的临界值时，将检测阈值的临界值作为新的检测阈值。
在本实施例中，由于检测阈值是根据前一个信号峰值和前两个信号峰值的时间间隔动态确定的，因此在实际检测过程中，正常的运动幅度和频率的改变不会影响本检测方法的检测结果，从而保证上述运动信号的特征信息检测方法的稳定性和准确性。
在一个实施例中，第一检测状态下还包括以下步骤：当输入信号的值大于检测阈值时，将检测状态变更为第二检测状态；获取第二检测状态下的倒数计数器的初始值；返回执行所述判断当前检测状态的步骤；当输入信号的值不大于检测阈值时，返回执行判断当前检测状态的步骤。
其中，第二检测状态下的倒数计数器用于限定第二检测状态的区间时长，该倒数计数器的初始值由输入信号的前两个峰值的时间间隔确定。
具体地，在第一检测状态下，获取检测阈值，判断输入信号的值与检测阈值之间的大小关系，在每进行一次判断时，对检测阈值进行一次更新。当输入信号的值大于检测阈值时，将输入信号的值对应的当前时间点设置为波峰检测区间的起点和终点，将检测状态变更为第二检测状态，设置第二检测状态的倒数计数器的初始值。当输入信号的值不大于检测阈值时，返回执行判断当前检测状态，检测输入信号的下一个值，直至检测到输入信号的值大于检测阈值时，执行将该输入信号的值对应的当前时间点设置为波峰检测区间的起点和终点等步骤。
在本实施例中，在第一检测状态下，实时更新检测阈值，判断检测阈值与输入信号的值的大小关系，保证第一检测状态下检测输入信号的准确性。在输入信号的值大于检测阈值时，将检测状态变更为第二检测状态，设置第二检测状态的倒数计数器的初始值，保证第二检测状态下检测输入信号的稳定性。
在一个实施例中，获取倒数计数器的初始值包括：获取输入信号的前两个峰值对应的时间点；根据前两个峰值对应的时间点，确定前两个峰值的时间间隔；根据前两个峰值的时间间隔，确定倒数计数器的初始值。
其中，在还没有检测到任何波峰之前，倒数计数器的初始值可以依据运动信号的类型和检测装置的检测精度来设置，比如可以设置为0.5秒。
具体地，在检测到输入信号的波峰之后，获取输入信号的前两个峰值对应的时间点，根据该前两个峰值对应的时间点确定前两个峰值的时间间隔，根据该时间间隔确定倒数计数器的初始值。在一个实施例中，可以将该时间间隔设定比例后的值作为倒数计数器的初始值，比如将比例设为50％，即将倒数计数器的初始值设置为相应的峰值距离的一半。
在本实施例中，通过设置倒数计数器来对第二检测状态的区间时长进行限定，保证了检测的稳定性。
在一个实施例中，第二检测状态下还包括以下步骤：当输入信号的值不小于检测阈值时，将输入信号的值对应的当前时间点设置为波峰检测区间的新的终点；当输入信号的值小于检测阈值时，则不更新波峰检测区间的终点。
具体地，在第二检测状态下，检测输入信号的下降沿，判断输入信号的值与检测阈值间的大小关系。当输入信号的值不小于检测阈值时，将输入信号的值对应的当前时间点设置为波峰检测区间的新的终点来实现对波峰检测区间的终点的更新。
在本实施例中，在第二检测状态下实时更新波峰检测区间的终点，提高输入信号特征信息检测的准确性。
在一个实施例中，在第二检测状态下，方法还包括：在每次判断输入信号的值与检测阈值间的大小关系前，将倒数计数器的值减去1；在每次判断输入信号的值与检测阈值间的大小关系后，判断倒数计数器的值是否为零；当倒数计数器的值不为零时，返回执行判断当前检测状态的步骤；当倒数计数器的值为零时，将当前检测状态变更为第一检测状态。
其中，第二检测状态中的倒数计数器对应着第二检测状态的区间时长。
具体地，在第二检测状态下，每次判断输入信号的值与检测阈值之间的大小之前，将倒数计数器的值减去1，在每次判断之后，判断倒数计数器的值是否为零。当倒数计数器的值不为零时，则说明第二检测状态还没有结束，返回判断当前检测状态，判断结果将为第二检测状态，在第二检测状态下继续检测输入信号的下降沿，判断输入信号的值与检测阈值之间的大小，更新波峰检测区间的终点。当倒数计数器的值为零时，说明第二检测状态已经结束，将当前检测状态变更为第一检测状态。
在本实施例中，通过倒数计数器的值的变化来控制检测状态的变更，且倒数计数器的值是依据运动信号实时更新设置的，由此保证了对运动信号检测的准确性。
在一个实施例中，获取输入信号包括：利用三轴加速度传感器获取三轴运动信号，将三轴运动信号相加成合成运动信号；将合成运动信号送往两路截止频率不同的带通滤波器分别进行滤波处理，输出两路滤波后的信号；将两路滤波后的信号分别作为输入信号，分别检测所述两路输入信号的特征信息。
其中，三轴加速度传感器包括X轴信号分量AX、Y轴信号分量AY和Z轴信号分量AZ。当带通滤波器的截止频率为[0.5，1.5]Hz时，输出的信号为被监测者的走路信号；当带通滤波器的截止频率为[4.5，7.5]Hz时，输出的信号为被监测者的震颤信号。
具体地，如图3所示，设置峰值检测算法的参数，初始化峰值检测算法模块，利用三轴加速度传感器获取三轴信号，将三轴信号相加合成运动信号CXYZ，即CXYZ＝AX+AY+AZ，得到的初始运动信号示意图，如图4和图5所示。其中，图4为被监测者走路时产生的初始运动信号，图5为被监测者在震颤状态下产生的初始运动信号，坐标横轴为时间，单位为秒，坐标纵轴为信号的幅度，即实时的信号值。在得到初始运动信号后，将该运动信号送往带通滤波器进行滤波处理，得到滤波处理后的运动信号，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，滤波后的运动信号为准周期信号。将滤波处理后的运动信号作为输入信号，对该运动信号的特征信息进行检测。
在一个实施例中，可以将运动信号送往截止频率为[0.5，1.5]Hz的带通滤波器，滤波得到被监测者的走路信号，对被监测者的走路信号进行检测。在另一个实施例中，可以将运动信号送往当截止频率为[4.5，7.5]Hz的带通滤波器，滤波得到被监测者的震颤信号，对被监测者的震颤信号进行检测。
在本实施例中，利用三轴加速度传感器对被监测者的运动信号进行检测，再将三轴信号相加得到合成运动信号，避免了实际检测过程中出现三轴信号强度分布不均匀而导致检测性能不稳定的情况。而对合成运动信号进行滤波处理可使初始运动信号中包括的噪声等干扰因素得到有效的消除，使得滤波后的信号更加规律，提高了检测的准确性。
在一个实施例中，如图6所示，提供了另一种运动信号的特征信息检测方法，以该方法应用于图1中的终端102为例进行说明。其中，图6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6所示入口输入滤波后的运动信号，滤波后的运动信号的特征信息的检测过程包括：
1、当进入函数调用时，首先检测当前检测状态是否在DETECTING状态(DETECTING状态是初始化的状态)；当当前检测状态处于DETECTING状态时，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(即滤波后的实时运动信号)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，则将检测状态设置为INHIBITING，取前两个峰值之间的时间间隔的一半作为INHIBITING区间倒数计数器的初始值，同时将当前时间点设置为波峰检测区间的起点和终点，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、因为前面检测到当前检测状态不在DETECTING状态，所以当前处于INHIBITING状态。在这个状态下，检测阈值将保持不变，INHIBITING区间计数器减去1，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不小于检测阈值，则将当前时间点设置为波峰检测区间的新的终点，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，则直接返回调用函数；否则将检测状态设置为DETECTING，然后进入步骤6；
6、开始在上述步骤所记录的波峰检测区间的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(信号峰值对应的时间点)，计算检测阈值的初值、衰减步长、当前信号峰值与上一个峰值间的时间间隔，将这些检测的结果从出口输出，然后返回调用函数。
作为一个实施例，上述运动信号可以为表征用户震颤动作的信号，初始运动信号、滤波后的运动信号以及检测阈值信号(检测阈值对应的取值)可以参考图7所示，如图7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表示检测阈值信号。以位于406.25秒到406.45秒的峰值为例，可以看到每个峰值都有两个区间：一个是DETECTING zone(即第一检测状态对应的区间)，另一个是INHIBITING zone(即第二检测状态对应的区间)。
应该理解的是，虽然图2、图3和图6的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2、图3和图6中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图8所示，提供了一种运动信号的特征信息检测装置800，包括：运动信号获取模块801、检测状态判断模块802、起点和终点设置模块803、终点更新模块804和峰值检测模块805，其中：
运动信号获取模块801，用于获取输入信号，该输入信号为运动信号进行滤波处理后输出的信号。
检测状态判断模块802，用于判断当前检测状态。
起点和终点设置模块803，用于当第一检测状态下输入信号的值大于检测阈值时，将该输入信号的值对应的当前时间点设置为波峰检测区间的起点和终点。
终点更新模块804，用于当第二检测状态下输入信号的值不小于检测阈值时，将该输入信号的值对应的当前时间点设置为波峰检测区间的新的终点；返回执行判断当前检测状态的步骤。
峰值检测模块805，用于根据波峰检测区间的起点和新的终点确定波峰检测区间的范围，在该波峰检测区间的范围内检测得到该输入信号的峰值和该峰值对应的时间点。
在一个实施例中，运动信号的特征信息检测装置800还包括：检测阈值获取模块806，用于获取该输入信号的前一个峰值，根据该输入信号的前一个峰值确定检测阈值的初始值；获取该输入信号的前两个峰值对应的时间点；根据前两个峰值对应的时间点，确定前两个峰值的时间间隔；将输入信号的前一个信号峰值除以前两个峰值的时间间隔所得的商作为衰减步长；计算检测阈值与衰减步长间的差值；判断检测阈值的临界值与该差值间的大小关系；当该差值大于该临界值时，将该差值作为新的检测阈值；当该差值不大于该临界值时，将该临界值作为新的检测阈值。
在一个实施例中，起点和终点设置模块803还用于当输入信号的值大于检测阈值时，将输入信号的值对应的当前时间点设置为波峰检测区间的起点和终点；将检测状态变更为第二检测状态；返回执行判断当前检测状态的步骤；获取第二检测状态下的倒数计数器的初始值；当输入信号的值不大于检测阈值时，返回执行判断当前检测状态的步骤。
在一个实施例中，运动信号的特征信息检测装置800还包括：倒数计数器初始值获取模块807，用于获取输入信号的前两个峰值对应的时间点；根据前两个峰值对应的时间点，确定前两个峰值的时间间隔；根据前两个峰值的时间间隔，确定倒数计数器的初始值。
在一个实施例中，终点更新模块804还用于当输入信号的值不小于检测阈值时，将输入信号的值对应的当前时间点设置为波峰检测区间的新的终点；当输入信号的值小于检测阈值时，则不更新波峰检测区间的终点。
在一个实施例中，运动信号的特征信息检测装置800还包括：倒数计数器的值判断模块808，用于在每次判断输入信号的值与检测阈值间的大小关系前，将倒数计数器的值减去1；在每次判断输入信号的值与检测阈值间的大小关系后，判断倒数计数器的值是否为零；当倒数计数器的值不为零时，返回执行判断当前检测状态的步骤；当倒数计数器的值为零时，将当前检测状态变更为第一检测状态。
在一个实施例中，运动信号获取模块801还用于利用三轴加速度传感器获取三轴运动信号，将三轴运动信号相加成合成运动信号；将合成运动信号送往两路截止频率不同的带通滤波器分别进行滤波处理，输出两路滤波后的信号；将两路滤波后的信号分别作为输入信号，分别检测所述两路输入信号的特征信息。
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9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9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。
在一个实施例中，提供了一种计算机设备，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，处理器执行计算机程序时实现以下步骤：获取输入信号，该输入信号为运动信号进行滤波处理后输出的信号；判断当前检测状态；当第一检测状态下输入信号的值大于检测阈值时，将输入信号的值对应的当前时间点设置为波峰检测区间的起点和终点；当第二检测状态下输入信号的值不小于检测阈值时，将输入信号的值对应的当前时间点设置为波峰检测区间的新的终点；返回执行判断当前检测状态的步骤；根据波峰检测区间的起点和新的终点确定波峰检测区间的范围，在该波峰检测区间的范围内检测得到输入信号的峰值和该峰值对应的时间点。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取该输入信号的前一个峰值，根据该输入信号的前一个峰值确定检测阈值的初始值；获取该输入信号的前两个峰值对应的时间点；根据前两个峰值对应的时间点，确定前两个峰值的时间间隔；将输入信号的前一个信号峰值除以前两个峰值的时间间隔所得的商作为衰减步长；计算检测阈值与衰减步长间的差值；判断检测阈值的临界值与该差值间的大小关系；当该差值大于该临界值时，将该差值作为新的检测阈值；当该差值不大于该临界值时，将该临界值作为新的检测阈值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当输入信号的值大于检测阈值时，将检测状态变更为第二检测状态；获取第二检测状态下的倒数计数器的初始值；返回执行所述判断当前检测状态的步骤；当输入信号的值不大于检测阈值时，返回执行判断当前检测状态的步骤。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取输入信号的前两个峰值对应的时间点；根据前两个峰值对应的时间点，确定前两个峰值的时间间隔；根据前两个峰值的时间间隔，确定倒数计数器的初始值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当输入信号的值不小于检测阈值时，将输入信号的值对应的当前时间点设置为波峰检测区间的新的终点；当输入信号的值小于检测阈值时，则不更新波峰检测区间的终点。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：在每次判断输入信号的值与检测阈值间的大小关系前，将倒数计数器的值减去1；在每次判断输入信号的值与检测阈值间的大小关系后，判断倒数计数器的值是否为零；当倒数计数器的值不为零时，返回执行判断当前检测状态的步骤；当倒数计数器的值为零时，将当前检测状态变更为第一检测状态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：利用三轴加速度传感器获取三轴运动信号，将三轴运动信号相加成合成运动信号；将合成运动信号送往两路截止频率不同的带通滤波器分别进行滤波处理，输出两路滤波后的信号；将两路滤波后的信号分别作为输入信号，分别检测所述两路输入信号的特征信息。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：获取输入信号，该输入信号为运动信号进行滤波处理后输出的信号；判断当前检测状态；当第一检测状态下输入信号的值大于检测阈值时，将输入信号的值对应的当前时间点设置为波峰检测区间的起点和终点；当第二检测状态下输入信号的值不小于检测阈值时，将输入信号的值对应的当前时间点设置为波峰检测区间的新的终点；返回执行判断当前检测状态的步骤；根据波峰检测区间的起点和新的终点确定波峰检测区间的范围，在该波峰检测区间的范围内检测得到输入信号的峰值和该峰值对应的时间点。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取该输入信号的前一个峰值，根据该输入信号的前一个峰值确定检测阈值的初始值；获取该输入信号的前两个峰值对应的时间点；根据前两个峰值对应的时间点，确定前两个峰值的时间间隔；将输入信号的前一个信号峰值除以前两个峰值的时间间隔所得的商作为衰减步长；计算检测阈值与衰减步长间的差值；判断检测阈值的临界值与该差值间的大小关系；当该差值大于该临界值时，将该差值作为新的检测阈值；当该差值不大于该临界值时，将该临界值作为新的检测阈值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当输入信号的值大于检测阈值时，将检测状态变更为第二检测状态；获取第二检测状态下的倒数计数器的初始值；返回判断当前检测状态的步骤；当输入信号的值不大于检测阈值时，返回执行判断当前检测状态的步骤。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：获取输入信号的前两个峰值对应的时间点；根据前两个峰值对应的时间点，确定前两个峰值的时间间隔；根据前两个峰值的时间间隔，确定倒数计数器的初始值。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当输入信号的值不小于检测阈值时，将输入信号的值对应的当前时间点设置为波峰检测区间的新的终点；返回执行所述判断当前检测状态的步骤；当输入信号的值小于检测阈值时，则不更新波峰检测区间的终点。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：在每次判断输入信号的值与检测阈值间的大小关系前，将倒数计数器的值减去1；在每次判断输入信号的值与检测阈值间的大小关系后，判断倒数计数器的值是否为零；当倒数计数器的值不为零时，返回执行判断当前检测状态的步骤；当倒数计数器的值为零时，将当前检测状态变更为第一检测状态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：利用三轴加速度传感器获取三轴运动信号，将三轴运动信号相加成合成运动信号；将合成运动信号送往两路截止频率不同的带通滤波器分别进行滤波处理，输出两路滤波后的信号；将两路滤波后的信号分别作为输入信号，分别检测所述两路输入信号的特征信息。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上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申请的几种实施方式，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，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请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，所述方法包括：
获取输入信号，所述输入信号为运动信号进行滤波处理后输出的信号；
判断当前检测状态；
当第一检测状态下所述输入信号的值大于所述检测阈值时，将所述输入信号的值对应的当前时间点设置为波峰检测区间的起点和终点；
当第二检测状态下所述输入信号的值不小于所述检测阈值时，将所述输入信号的值对应的当前时间点设置为波峰检测区间的新的终点；返回执行所述判断当前检测状态的步骤；
根据所述波峰检测区间的起点和新的终点确定波峰检测区间的范围，在所述波峰检测区间的范围内检测得到所述输入信号的峰值和所述峰值对应的时间点。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述输入信号的前一个峰值，根据所述输入信号的前一个峰值确定检测阈值的初始值；
获取所述输入信号的前两个峰值对应的时间点；根据所述前两个峰值对应的时间点，确定前两个峰值的时间间隔；
将所述输入信号的前一个信号峰值除以所述前两个峰值的时间间隔所得的商作为衰减步长；
计算检测阈值与所述衰减步长间的差值；
判断检测阈值的临界值与所述差值间的大小关系；当所述差值大于所述临界值时，将所述差值作为新的检测阈值；当所述差值不大于所述临界值时，将所述临界值作为新的检测阈值。
3.根据权利要求1所述的方法，其特征在于，所述第一检测状态下还包括以下步骤：
当所述输入信号的值大于所述检测阈值时，将所述检测状态变更为第二检测状态；获取所述第二检测状态下的倒数计数器的初始值；返回执行所述判断当前检测状态的步骤；
当所述输入信号的值不大于所述检测阈值时，返回执行所述判断当前检测状态的步骤。
4.根据权利要求3所述的方法，其特征在于，所述获取倒数计数器的初始值包括：
获取所述输入信号的前两个峰值对应的时间点；
根据所述前两个峰值对应的时间点，确定前两个峰值的时间间隔；
根据所述前两个峰值的时间间隔，确定倒数计数器的初始值。
5.根据权利要求1所述的方法，其特征在于，所述第二检测状态下还包括以下步骤：
当所述输入信号的值不小于所述检测阈值时，将所述输入信号的值对应的当前时间点设置为波峰检测区间的新的终点；
当所述输入信号的值小于所述检测阈值时，则不更新所述波峰检测区间的终点。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
在每次判断输入信号的值与检测阈值间的大小关系前，将倒数计数器的值减去1；
在每次判断输入信号的值与检测阈值间的大小关系后，判断所述倒数计数器的值是否为零；
当所述倒数计数器的值不为零时，返回执行所述判断当前检测状态的步骤；
当所述倒数计数器的值为零时，将当前检测状态变更为第一检测状态。
7.根据权利要求1所述的方法，其特征在于，所述获取输入信号包括：
利用三轴加速度传感器获取三轴运动信号，将所述三轴运动信号相加成合成运动信号；
将所述合成运动信号送往两路截止频率不同的带通滤波器分别进行滤波处理，输出两路滤波后的信号；
将所述两路滤波后的信号分别作为输入信号，分别检测所述两路输入信号的特征信息。
8.一种运动信号的特征信息检测装置，其特征在于，所述装置包括：
运动信号获取模块，用于获取输入信号，所述输入信号为运动信号进行滤波处理后输出的信号；
检测状态判断模块，用于判断当前检测状态；
起点和终点设置模块，用于当第一检测状态下所述输入信号的值大于所述检测阈值时，将所述输入信号的值对应的当前时间点设置为波峰检测区间的起点和终点；
终点更新模块，用于当第二检测状态下所述输入信号的值不小于所述检测阈值时，将所述输入信号的值对应的当前时间点设置为波峰检测区间的新的终点；返回执行所述判断当前检测状态的步骤；
峰值检测模块，用于根据所述波峰检测区间的起点和新的终点确定波峰检测区间的范围，在所述波峰检测区间的范围内检测得到所述输入信号的峰值和所述峰值对应的时间点。
9.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN201911057192.9A 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 Active CN110638463B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2018115813351 2018-12-24
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 (2)

Publication Number Publication Date
CN110638463A true CN110638463A (zh) 2020-01-03
CN110638463B CN110638463B (zh) 2022-07-19

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 Before (1)

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

Country Status (1)

Country Link
CN (2) CN109745050A (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
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
CN112731406B (zh) * 2020-12-24 2023-05-12 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

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1423163A1 (en) * 2001-08-30 2004-06-02 Medtronic, INC. System and method for detecting myocardial ischemia
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
US20130054180A1 (en) * 2011-08-29 2013-02-28 James R. Barfield Method and system for detecting a fall based on comparing data to criteria derived from multiple fall data sets
CN103168479A (zh) * 2011-10-14 2013-06-19 松下电器产业株式会社 振鸣抑制装置、助听器、振鸣抑制方法和集成电路
CN103565427A (zh) * 2013-11-19 2014-02-12 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
EP2712549A1 (fr) * 2012-10-01 2014-04-02 Sorin CRM SAS Dispositif d'évaluation de la désynchronisation ventriculaire temporelle
CN103903270A (zh) * 2014-04-09 2014-07-02 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
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
WO2014145114A1 (en) * 2013-03-15 2014-09-18 Aliphcom Dynamic control of sampling rate of motion to modify power consumption
US20140372064A1 (en) * 1997-10-02 2014-12-18 Nike, Inc. Monitoring activity of a user in locomotion on foot
CN105030246A (zh) * 2015-07-09 2015-11-11 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
CN105286815A (zh) * 2015-11-02 2016-02-03 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
CN105771187A (zh) * 2016-02-26 2016-07-20 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
WO2016204396A1 (ko) * 2015-06-15 2016-12-22 삼성전자 주식회사 부정맥을 검출하기 위한 방법 및 이를 지원하는 장치
CN107693005A (zh) * 2017-09-22 2018-02-16 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
CN108418660A (zh) * 2018-02-13 2018-08-17 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
WO2018152635A1 (en) * 2017-02-24 2018-08-30 Holland Bloorview Kids Rehabilitation Hospital Systems and methods of automatic cough identification

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140372064A1 (en) * 1997-10-02 2014-12-18 Nike, Inc. Monitoring activity of a user in locomotion on foot
EP1423163A1 (en) * 2001-08-30 2004-06-02 Medtronic, INC. System and method for detecting myocardial ischemia
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
US20130054180A1 (en) * 2011-08-29 2013-02-28 James R. Barfield Method and system for detecting a fall based on comparing data to criteria derived from multiple fall data sets
CN103168479A (zh) * 2011-10-14 2013-06-19 松下电器产业株式会社 振鸣抑制装置、助听器、振鸣抑制方法和集成电路
EP2712549A1 (fr) * 2012-10-01 2014-04-02 Sorin CRM SAS Dispositif d'évaluation de la désynchronisation ventriculaire temporelle
WO2014145114A1 (en) * 2013-03-15 2014-09-18 Aliphcom Dynamic control of sampling rate of motion to modify power consumption
CN103565427A (zh) * 2013-11-19 2014-02-12 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
CN103903270A (zh) * 2014-04-09 2014-07-02 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
WO2016204396A1 (ko) * 2015-06-15 2016-12-22 삼성전자 주식회사 부정맥을 검출하기 위한 방법 및 이를 지원하는 장치
CN105030246A (zh) * 2015-07-09 2015-11-11 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
CN105286815A (zh) * 2015-11-02 2016-02-03 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
CN105771187A (zh) * 2016-02-26 2016-07-20 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
WO2018152635A1 (en) * 2017-02-24 2018-08-30 Holland Bloorview Kids Rehabilitation Hospital Systems and methods of automatic cough identification
CN107693005A (zh) * 2017-09-22 2018-02-16 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
CN108418660A (zh) * 2018-02-13 2018-08-17 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

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
LUKOCIUS, R: "The Respiration Rate Estimation Method based on the Signal Maximums and Minimums Detection and the Signal Amplitude Evaluation", 《ELEKTRONIKA IR ELEKTROTECHNIKA》, 31 December 2008 (2008-12-31), pages 51 - 54, XP055080804 *
WEN J: "Decomposition of Interference Hyperspectral Images Using Improved Morphological Component Analysis", 《SPECTROSCOPY AND SPECTRAL ANALYSIS》 *
WEN J: "Decomposition of Interference Hyperspectral Images Using Improved Morphological Component Analysis", 《SPECTROSCOPY AND SPECTRAL ANALYSIS》, 31 December 2016 (2016-12-31), pages 1 - 3 *
郑鑫: "基于小波变换的心电信号去噪识别的研究与实现", 《中国优秀硕士学位论文全文数据库》 *
郑鑫: "基于小波变换的心电信号去噪识别的研究与实现", 《中国优秀硕士学位论文全文数据库》, 31 December 2017 (2017-12-31), pages 1 - 83 *
魏航: "基于小波分析的医学信号去噪方法的研究", 《中国优秀硕士学位论文全文数据库》, 31 December 2009 (2009-12-31), pages 1 - 73 *

Also Published As

Publication number Publication date
CN110638463B (zh) 2022-07-19
CN109745050A (zh) 2019-05-14

Similar Documents

Publication Publication Date Title
CN110638463B (zh) 运动信号的特征信息检测方法、装置、计算机设备和介质
JP2010068968A (ja) 体動判別装置及び活動量計
CN112113581B (zh) 异常计步识别方法、计步方法、装置、设备及介质
JP2019115614A5 (zh)
CN104586399A (zh) 用于辅助行走或者慢跑等训练的装置以及系统
CN112325880B (zh) 分布式平台相对定位方法、装置、计算机设备和存储介质
US20170105634A1 (en) Pulse Wave Signal Processor
RU2014115428A (ru) Чувствительное устройство с датчиком растяжения
JP2016106948A (ja) 歩数計測装置、歩行機能判定装置および歩数計測システム
US11039665B2 (en) Receiving feedback based on pressure sensor data and movement data
US7249001B2 (en) Process for estimating the motion phase of an object
CN112244820A (zh) 一种三轴加速度计测量跑步步态的方法
JP2009125270A (ja) 歩行動作分析装置
TW201811261A (zh) 訊號偵測方法
CN108903947A (zh) 步态分析方法、步态分析装置以及可读存储介质
CN116304964B (zh) 一种声暴露计的测量数据处理方法及系统
CN110472395B (zh) 脑波数据处理方法、装置、设备、介质及脑波数据处理器
JP3864722B2 (ja) 塗装ガンの異常検出装置およびその方法
JP2023527812A (ja) 歩行分析システム
CN109077711B (zh) 动态心率数据获取方法、装置、穿戴设备及可读存储介质
JP5888078B2 (ja) 磁気計測装置
TWI702378B (zh) 步進計數器裝置及步進計數方法
CN110604546A (zh) 一种帕金森病监测方法、装置及存储介质
JP6643188B2 (ja) 移動運動解析装置及びシステム並びにプログラム
CN115192002A (zh) 用户肢体运动障碍程度度量系统、方法和计算机装置

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