CN111248922B - 基于加速度计和陀螺仪的人体呼吸情况采集贴及制备方法 - Google Patents

Abstract

一种人体呼吸情况采集贴是否被佩戴的检测方法，包括以下步骤：基于加速度计和陀螺仪数据演算的实时姿态角数据信号和欧拉刚体运动旋转矩阵计算欧拉角；基于所述欧拉角和佩戴模式下低频信号成分是否居多的基于参数的功率谱估计来评估是否采集贴被正常佩戴。本发明针对基于加速度计和陀螺仪数据演算的实时姿态角数据信号，通过对信号的基于统计和方差的分析进行高低伪迹干扰的信号段落的分割及去噪算法处理，以得到鲁棒的高信噪比的信号以进行后续的呼吸频率及幅度估计。

Description

基于加速度计和陀螺仪的人体呼吸情况采集贴及制备方法

技术领域

本发明涉及可穿戴人体呼吸生理信号监视技术领域，尤其涉及一种基于加速度计和陀螺仪的人体呼吸情况采集贴及制备方法。

背景技术

在过去的十年中，可穿戴人体呼吸生理信号监视设备的开发一直在迅速发展，已经提出的许多便携式呼吸日常监护设备，穿戴方式一般为服装和胸带及其他直接接触胸壁的方式，呼吸信号提取方式从信号获取角度可大体分为力学压力传感器、电极获得的心电提取、呼吸感应体积描记术。但是，考虑到静电和运动伪影的干扰，通常无法从心电图中提取鲁棒的呼吸速率估计值，因此其抵抗日常生活活动噪声的鲁棒性能通常值得怀疑。在长期监控的情况下，换衣服和洗衣服也是个问题。RIP(呼吸感应体积描记术)是一种最新的呼吸测量方法，已被广泛应用。RIP方法由电阻带组成，这些电阻带会根据呼吸过程中胸壁/腹部壁的运动而改变电特性。尽管基于RIP的方法已被证明是一种有效的呼吸监测方法，但长期佩戴的不适仍难以避免。因此，一款重量轻，价格便宜，易于更换且佩戴舒适，可以实现实时和长期监控的呼吸监控设备仍需要深入探索和开发。

发明内容

有鉴于此，本发明的主要目的在于提供一种基于加速度计和陀螺仪的人体呼吸情况采集贴及设计方法，以期部分地解决上述技术问题中的至少之一。

为了实现上述目的，作为本发明的第一方面，提供了一种人体呼吸情况采集贴是否被佩戴的检测方法，包括以下步骤：

基于加速度计和陀螺仪数据演算的实时姿态角数据信号和欧拉刚体运动旋转矩阵计算欧拉角；

基于所述欧拉角和佩戴模式下低频信号成分是否居多的基于参数的功率谱估计来评估是否采集贴被正常佩戴。

其中，所述评估是否采集贴被正常佩戴的步骤中，具体包括：设置传感器所采集的人体胸部位移信号周期为2000～2500点(2mins～2.5mins)，重复参数法的功率谱估计算法45～55次，取平均值。

作为本发明的第二方面，提供了一种人体呼吸情况采集贴采集信号避免伪迹干扰的方法，包括以下步骤：

基于加速度计和陀螺仪数据演算的实时姿态角数据信号和欧拉刚体运动旋转矩阵计算欧拉角；

基于方差和统计的方差特征序列方法对信号进行甄别，来识别信号中由于运动引入的伪迹干扰的异常片段并定位。

其中，所述方差特征序列计算的方差特征序列值是由信号的极值点作为原始信号，方差特征序列值和一定数量的极值点相关，且预先设置好阈值。

其中，所述基于方差和统计的方差特征序列方法的具体步骤如下：

选取所有欧拉角局部最大值Mi和最小值mi；

计算每个最大值和随后的七个最大值的方差σ_Mi，然后计算最小值的σ_mi，最后八个极值取相同的值；

对于δ_Mi和δ_mi，计算公式为

δ_Mi＝|σ_Mi|/(location(M_i+1)-location(M_i))²

δ_mi＝|σ_mi|/(location(m_i+1)-location(m_i))²；

其中，δ_Mi和δ_mi为自设的参数值，location(M_i+1)表示第i+1序号的峰值的时间位置，location(m_i+1)表示第i+1序号的谷值的时间位置。

其中，所述阈值为采集位移信号的高点和低点的比值，相邻高低点间距离的阈值由用户定义。

作为本发明的第三方面，提供了一种人体呼吸情况采集贴，所述人体呼吸情况采集贴用于直接贴于胸壁表面来感知人体呼吸运动；以及

所述人体呼吸情况采集贴上设置有加速度计和陀螺仪，能够返回相应检测参数计算得到所述人体呼吸情况采集贴处的欧拉角。

作为本发明的第四方面，还提供了一种人体呼吸情况采集系统，所述人体呼吸情况采集系统采用如上所述的人体呼吸情况采集贴是否被佩戴的检测方法判断所述人体呼吸情况采集贴是否被正确佩戴，和/或，所述人体呼吸情况采集系统采用如上所述的人体呼吸情况采集贴采集信号避免伪迹干扰的方法来优化采集信号的处理，和/或，所述人体呼吸情况采集系统采用如上所述的人体呼吸情况采集贴。

基于上述技术方案可知，本发明的基于加速度计和陀螺仪的人体呼吸情况采集贴及设计方法相对于现有技术至少具有如下有益效果之一：

1、本发明针对基于加速度计和陀螺仪数据演算的实时姿态角数据信号，通过对信号的基于统计和方差的分析进行高低伪迹干扰的信号段落的分割及去噪算法处理，以得到鲁棒的高信噪比的信号以进行后续的呼吸频率及幅度估计；

2、由于运动引入的伪迹干扰往往并不是在整个时域上发生的，因此可以通过选择需要处理的片段来节约算力，为潜在的产品减少成本计算成本；

3、在评估信号是否伪迹干扰的算法框架下，可以从整个信号中迅速而准确地检测出受伪迹干扰的信号片段，进而为后续的呼吸幅度的估计、呼吸频率的估计提高鲁棒性。

附图说明

图1是本发明实施例呼吸贴是否穿戴时的接收信号示意图；

图2是本发明实施例对所获取信号的伪迹片段的分割和识别示意图。

具体实施方式

本发明公开了一种基于加速度计和陀螺仪的人体呼吸采集贴系统，尤其是一种基于加速度计和陀螺仪数据的算法处理框架，其重点在于通过利用三轴加速度计的数据和三轴陀螺仪的数据，演算实时四元数及姿态角作为原始信号，进而通过对信号的基于统计和方差的分析进行高低伪迹干扰的信号段落的分割及去噪处理，最终得到是否被穿戴的判断及信噪比较高的信号以进行呼吸频率分析、呼吸幅度分析。

本发明针对基于加速度计和陀螺仪数据演算的实时姿态角数据信号，通过对信号的基于统计和方差的分析进行高低伪迹干扰的信号段落的分割及去噪算法处理，以得到鲁棒的高信噪比的信号以进行后续的呼吸频率及幅度估计。佩戴模式为采集贴模式，直接贴于胸壁表面来感知人体呼吸运动。

具体的，本发明公开了一种人体呼吸情况采集贴是否被佩戴的检测方法，包括以下步骤：

基于加速度计和陀螺仪数据演算的实时姿态角数据信号和欧拉刚体运动旋转矩阵计算欧拉角；

基于所述欧拉角和佩戴模式下低频信号成分是否居多的基于参数的功率谱估计来评估是否采集贴被正常佩戴。

其中，所述评估是否采集贴被正常佩戴的步骤中，具体包括：设置传感器所采集的人体胸部位移信号周期为2000～2500点(2mins～2.5mins)，重复参数法的功率谱估计算法45～55次，取平均值。

本发明还公开了一种人体呼吸情况采集贴采集信号避免伪迹干扰的方法，包括以下步骤：

基于加速度计和陀螺仪数据演算的实时姿态角数据信号和欧拉刚体运动旋转矩阵计算欧拉角；

基于方差和统计的方差特征序列方法对信号进行甄别，来识别信号中由于运动引入的伪迹干扰的异常片段并定位。

其中，所述方差特征序列计算的方差特征序列值是由信号的极值点作为原始信号，方差特征序列值和一定数量的极值点相关，且预先设置好阈值。

其中，所述基于方差和统计的方差特征序列方法的具体步骤如下：

选取所有欧拉角局部最大值M_i和最小值m_i；

计算每个最大值和随后的七个最大值的方差σ_Mi，然后计算最小值的σ_mi，最后八个极值取相同的值；

对于δ_Mi和δ_mi，计算公式为

δ_Mi＝|σ_Mi|/(location(M_i+1)-location(M_i))²

δ_mi＝|σ_mi|/(location(m_i+1)-location(m_i))²;

其中，δ_Mi和δ_mi为自设的参数值，location(M_i+1)表示第i+1序号的峰值的时间位置，location(m_i+1)表示第i+1序号的谷值的时间位置。

其中，所述阈值为采集位移信号的高点和低点的比值，相邻高低点间距离的阈值由用户定义。

本发明也公开了一种人体呼吸情况采集贴，所述人体呼吸情况采集贴用于直接贴于胸壁表面来感知人体呼吸运动；以及

所述人体呼吸情况采集贴上设置有加速度计和陀螺仪，能够返回相应检测参数计算得到所述人体呼吸情况采集贴处的欧拉角。

本发明还公开了一种人体呼吸情况采集系统，所述人体呼吸情况采集系统采用如上所述的人体呼吸情况采集贴是否被佩戴的检测方法判断所述人体呼吸情况采集贴是否被正确佩戴，和/或，所述人体呼吸情况采集系统采用如上所述的人体呼吸情况采集贴采集信号避免伪迹干扰的方法来优化采集信号的处理，和/或，所述人体呼吸情况采集系统采用如上所述的人体呼吸情况采集贴。

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明作进一步的详细说明。

伦纳德·欧拉(Leonard Euler)指出，可以在三维空间中标记刚体的位置，描述刚体的运动。通过欧拉旋转矩阵，可以描述三维空间下的一次旋转方程，该旋转方程表示如下：

上式的左侧是更新的3个欧拉角，右侧是在上一个循环中测得的通过三轴陀螺仪计算的三个角速度，求解该微分方程可以求解当前的欧拉角。由于反三角函数的计算复杂性，一般在中间用四元数替代具体的三角函数计算，转换公式如下：

本发明实现了一套验证采集贴是否被佩戴的算法框架。如图1所示，由前述的三个欧拉角(四元数)中取最大的方差的角，将其值随时间绘值如图，可看出是否穿戴的信号是完全不一致的。结合具体场景放置在桌子上的采集贴收到的信号可以视为纯噪声，正常工作采集到的的信号具有正常的低频呼吸成分，因此在功率谱分析中其低频部分应大得多。设置信号周期为2000～2500点(2mins～2.5mins)，重复参数法的功率谱估计(Burg算法估计、协方差估计等)算法50次，取平均值。这套算法框架的核心在于前述利用加速度计及陀螺仪得到的欧拉角及后续的对其低频波段的分析，以得到是否被佩戴的结论。

本发明实现了一套评估信号是否伪迹干扰的算法框架。如图2所示。仍由前述得到的欧拉角，评估其信号可信与否、是否被干扰。正常情况佩戴下，信号应是周期的波浪形曲线，但由于日常生活动作、佩戴方式、所处高度的变化等，总是会引入伪迹干扰，这其中又以运动引入的伪迹干扰最为频繁，如图2(a)的b片段部分所示。本发明设计了一套方差特征序列(Variance Characterization Series，VCS)方法对信号进行甄别。VCS可以识别统计数据中的异常片段并定位。由于运动引入的伪迹干扰往往并不是在整个时域上发生的，因此可以通过选择需要处理的片段来节约算力，为潜在的产品减少成本计算成本。具体做法为：

1.选取所有局部最大值M_i和最小值m_i；

2.计算每个最大值和随后的七个最大值的方差σ_Mi，然后计算最小值的σ_mi。最后八个极值取相同的值。

3.对于δ_Mi和δ_mi，计算公式为：

δ_Mi＝|σ_Mi|/(location(M_i+1)-location(M_i))²

δ_mi＝|σ_mi|/(location(m_i+1)-location(m_i))²；

δ_Mi/δ_mi随时间的序列值是信号S(t)的VCS。对于VCS中的每个点，在下面的讨论中都将考虑其值及其连续点之间的距离。未损坏期间的VCS值稳定，如图2的a片段所示。当运动伪影发生时，突然的变化将显示在VCS中的值或距离中。阈值{ε_upper/lower，dis_upper/lower}即高点和低点的比值，相邻高低点间距离的阈值由用户定义。如果在一定的信号中出现了VCS不能满足的该阈值约束条件，则这部分信号将被视为已损坏(已被干扰)。在上述算法框架下，可以从整个信号中迅速而准确地检测出受伪迹干扰的信号片段，进而为后续的呼吸幅度的估计、呼吸频率的估计提高鲁棒性。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (1)

1.一种人体呼吸情况采集贴采集信号避免伪迹干扰的方法，其特征在于，包括以下步骤：

基于加速度计和陀螺仪数据演算的实时姿态角数据信号和欧拉刚体运动旋转矩阵计算欧拉角；

基于方差和统计的方差特征序列方法对信号进行甄别，来识别信号中由于运动引入的伪迹干扰的异常片段并定位；

所述方差特征序列计算的方差特征序列值是由信号的极值点作为原始信号，且预先设置好阈值；

所述基于方差和统计的方差特征序列方法的具体步骤如下：

选取所有欧拉角局部最大值M_i和最小值m_i；

计算每个最大值和随后的七个最大值的方差

然后计算最小值的

最后八个极值取相同的值；

对于

和

计算公式为：

其中，

和

为自设的参数值，location(M_i+1)表示第i+1序号的峰值的时间位置，location(m_i+1)表示第i+1序号的谷值的时间位置；

阈值{ε_upper/lower，dis_upper/lower}中，ε_upper/lower为

和

的比值，dis_upper/lower为相邻

和

间距离，如果在一定的信号中出现了方差特征序列不能满足的该阈值约束条件，则这部分信号将被视为已损坏。

Images