CN111345802B - 一种基于心冲击信号获取双人心跳频率的装置及方法 - Google Patents
一种基于心冲击信号获取双人心跳频率的装置及方法 Download PDFInfo
- Publication number
- CN111345802B CN111345802B CN202010183316.4A CN202010183316A CN111345802B CN 111345802 B CN111345802 B CN 111345802B CN 202010183316 A CN202010183316 A CN 202010183316A CN 111345802 B CN111345802 B CN 111345802B
- Authority
- CN
- China
- Prior art keywords
- signal
- heart rate
- double
- sensing front
- channel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
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
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
-
- 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
- A61B5/02444—Details of sensor
-
- 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
- A61B5/1102—Ballistocardiography
-
- 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
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6892—Mats
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Power Engineering (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明的一种基于心冲击信号获取双人心跳频率的装置,包括结构相同的传感前端A和传感前端B,传感前端A和传感前端B分别放置于双人床的床垫下方,还包括与传感前端A和传感前端B连接的信号调理电路和微处理器,传感前端A和传感前端B分别用于采集两通道的身体振动信号,传感前端A和传感前端B均包括外壳和盖子,外壳为中部镂空的圆盘,盖子两侧镶嵌在外壳中部并突出于外壳表面,盖子朝向外壳的一侧固定有压电陶瓷片。该装置能同时监测双人生理参数,并且能够解混双人通道的心冲击信号干扰,有效提取各自心率。本发明还提出一种基于心冲击信号获取双人心跳频率的方法。
Description
技术领域
本发明涉及一种基于心冲击信号获取双人心跳频率的装置及方法,属于心率测量技术领域。
背景技术
睡眠对人体的身体健康和工作效率的提升起着重要的作用,传统的方法使用睡眠多导仪(PSG)监测人体的睡眠状况,主要对呼吸、心电、血氧、体动等生理信号进行监测。但此类生理信号的监测设备过于繁杂同时粘贴电极、探头等传感前端,常会干扰被测者的睡眠状态,不利于睡眠的有效监测。
目前心冲击(Ballistocardiogram,BCG)作为一种无创、无接触式的生理信号监测手段正在临床中得到更多的应用。心冲击主要是由血液循环过程中造成的人体重力变化引起,心冲击检测与其他生理检测技术相比,具有无创、无直接接触和检测方便等优势,在监测单个体心跳频率(心率)方面达到较高的准确度,因此越来越多的被使用于睡眠状况的分析。但是现有的心冲击监测方法针对双人睡眠过程中的心率监测面临挑战,原因是在床双人的心脏搏动信号会互相干扰,使得在床双人心率的提取出现困难。
发明内容
为克服现有技术的不足,本发明提出一种基于心冲击信号获取双人心跳频率的装置,能够同时监测双人生理参数,并且能够解混双人通道的心冲击信号干扰,有效提取各自心率。
为实现上述目的,本发明的一种基于心冲击信号获取双人心跳频率的装置,包括结构相同的传感前端A和传感前端B,传感前端A和传感前端B分别放置于双人床的床垫下方,还包括与传感前端A和传感前端B连接的信号调理电路和微处理器,传感前端A和传感前端B分别用于采集两通道的身体振动信号,传感前端A和传感前端B均包括外壳和盖子,外壳为中部镂空的圆盘,盖子两侧镶嵌在外壳中部并突出于外壳表面,盖子朝向外壳的一侧固定有压电陶瓷片。
进一步地,信号调理电路模块包含依次电连接的RC滤波电路、直流偏置电路和模数转换模块,RC滤波电路与传感前端A和传感前端B电连接。
进一步地,微处理器上运行双人心跳频率提取程序,微处理器上设有射频模块,微处理器通过射频模块将处理结果发送智能终端。
本发明提出一种基于心冲击信号获取双人心跳频率的方法,包括以下步骤:
S1:获取双通道心冲击信号,通过压电陶瓷传感前端分别获得在床上两人的身体震动信号;
S2:信号幅值滑动窗口阈值判断,两个被测个体都在床时,若双通道心冲击信号都小于阈值则进入下一步,若任意信号的幅值超过阈值则判定为发生严重的体动则返回步骤S1继续采集数据;
S3:分别提取小波系数为4-7阶范围的信号分量构成x1和x2;
S4:输入通道x1和通道x2分量应用独立成分分析进行心率信道解混;
S5:计算分离信号1和2的频谱极值;
S6:计算并输出双人心率。
进一步地,在步骤S3中,分别提取小波系数为4-7阶范围的信号分量构成x1和x2,其中的小波基函数为Morlet小波基,提取信号分量的计算式:Wxi(t)=∑j∈(4,7)djψj(t),其中Wxi(t)表示构成的分量,dj为j尺度下的小波系数,ψj(t)对应为小波基函数。
进一步地,在步骤S4中,由步骤S103获取的信号分量Wx1(t)和Wx2(t)分别混叠两个体的心率分量,通过独立成分分析方法基于观测的混叠心率分量W(t),其中的W(t)为信号分量Wx1(t)和Wx2(t)所构成的矩阵向量,通过求变换矩阵G使得估计的源心率信号y(t)各分量相互独立,从而恢复出各被测个体的独立心率分量计算式为:y(t)=Gx(t)。
进一步地,在步骤S5中,频谱极值为通过FFT变换和功率谱计算得到频率幅值谱,取幅值最大的频率,并构成一组频率的序列数组,序列大小设置为N,该组序列值使用中值滤波以提取稳定的频率值。
进一步地,在步骤S6中,由步骤S5获取的两个被测者的频率值依据装置的采样率Fs计算各被测者的心率并输出。
本发明的一种基于心冲击信号获取双人心跳频率的装置具有便携、小型、无扰以及能同时监测双人生理参数的特点,并且能够解混双人通道的心冲击信号干扰,针对双人睡眠床的用户监测而言,能够有效的提取他们各自的心率。
附图说明
下面结合附图对本发明作进一步描写和阐述。
图1是用于体现本发明首选实施方式的一种基于心冲击信号获取双人心跳频率的装置的结构示意图;
图2是本发明首选实施方式的一种基于心冲击信号获取双人心跳频率的装置的结构框图;
图3是本发明首选实施方式的一种基于心冲击信号获取双人心跳频率的方法的流程图。
附图标记:100、传感前端A;101、传感前端B;102、调理电路;103、微处理器;1011、外壳;1012、压电陶瓷。
具体实施方式
下面将结合附图、通过对本发明的优选实施方式的描述,更加清楚、完整地阐述本发明的技术方案。
如图1和图2所示,本发明首选实施方式的一种基于心冲击信号获取双人心跳频率的装置,包括结构相同的传感前端A100和传感前端B101,传感前端A100和传感前端B101分别放置于双人床的床垫下方。传感前端A100和传感前端B101分别用于采集两通道,即两个被测个体的身体振动信号,传感前端A100和传感前端B101均包括外壳1011和盖子,外壳1011为中部镂空的圆盘,盖子两侧镶嵌在外壳1011中部并突出于外壳1011表面,并具有一定韧性和弹性,以增大感应灵敏度。盖子朝向外壳1011的一侧固定有压电陶瓷1012片,压电陶瓷1012片使用胶水粘贴。压电陶瓷1012片作为信号采集器,可将压力信号转化为电信号,即将获取的压力信号以电压或电流的信号形式输出给对应的处理器。
如图2所示,还包括与传感前端A100和传感前端B101连接的信号调理电路102和微处理器103,信号调理电路102模块包含依次电连接的RC滤波电路、直流偏置电路和模数转换模块。
如图2所示,RC滤波电路与传感前端A100和传感前端B101电连接,用于滤除压电片产生的电信号中的噪声干扰;
如图2所示,直流偏置电路与RC滤波电路采用电连接的方式,用于给滤波后的信号增加直流偏置,以使信号适合模数转换模块进行对信号的差分采样。
如图2所示,模数转换模块与直流偏置电路采用电连接的方式,用于将处理后的模拟信号转化为微处理器103可识别的数字信号。本实施例中的模数转换模块要求具有双通道采集功能,可以选用ADS1118,并将其采样频率设置为250Hz。
如图2所示,微处理器103上运行双人心跳频率提取程序,接收模数转换模块的数字信号并进行处理。微处理器103上设有射频模块,微处理器103通过射频模块将处理结果发送智能终端。本实施例中可以选用CC2640、CC2640R2F或CC2650作为微处理器103。
本发明首选实施方式的一种基于心冲击信号获取双人心跳频率的方法,包括以下步骤:
S1:获取双通道心冲击信号,通过压电陶瓷传感前端分别获得在床上两个被测个体(A和B)的身体震动信号;
S2:信号幅值滑动窗口阈值判断,两个被测个体(A和B)都在床时,若双通道心冲击信号都小于阈值则进入下一步,若任意信号的幅值超过阈值则判定为发生严重的体动则返回步骤S1继续采集数据;
S3:分别提取小波系数为4-7阶范围的信号分量构成x1和x2;
S4:输入通道x1和通道x2分量应用独立成分分析进行心率信道解混;
S5:计算分离信号1和2的频谱极值;
S6:计算并输出双人心率。
具体地,在步骤S1中,由本发明的一种基于心冲击信号获取双人心跳频率的装置采集数字化信号作为原始信号,双通道的心冲击信号分别为在床双人(在床个体A和B)的身体震动信号,一通道采集的心冲击信号叠加了在床个体A的心脏博动、呼吸运动引起胸廓运动以及噪声,同时还混合了在床个体B的心脏搏动、呼吸运动引起胸廓运动以及噪声。同样的二通道采集的心冲击信号叠加在床个体B的心脏博动、呼吸运动引起胸廓运动以及噪声,同时还混合了在床个体A的心脏搏动、呼吸运动引起胸廓运动以及噪声,其一通道和二通道在时域和频域发生了混叠现象。因此单从一通道或二通道无法有效直接提取出双人心跳频率成分,必须排除噪声成分的干扰。
在步骤S3中,分别提取小波系数为4-7阶范围的信号分量构成x1和x2,其中的小波基函数为Morlet小波基,提取信号分量的计算式:Wxi(t)=∑j∈(4,7)djψj(t),其中Wxi(t)表示构成的分量,dj为j尺度下的小波系数,ψj(t)对应为小波基函数。
在步骤S4中,由步骤S103获取的信号分量Wx1(t)和Wx2(t)分别混叠两个体的心率分量,通过独立成分分析方法基于观测的混叠心率分量W(t),其中的W(t)为信号分量Wx1(t)和Wx2(t)所构成的矩阵向量,通过求变换矩阵G使得估计的源心率信号y(t)各分量相互独立,从而恢复出各被测个体的独立心率分量计算式为:y(t)=Gx(t)。其中的被测个体A的解混心率信号记为y1(t),被测者B的解混心率信号为y2(t)。
在步骤S5中,频谱极值为通过FFT变换和功率谱计算得到频率幅值谱,取幅值最大的频率,并构成一组频率的序列数组,序列大小设置为N,该组序列值使用中值滤波以提取稳定的频率值。
在步骤S6中,由步骤S5获取的两个被测者的频率值依据装置的采样率Fs计算各被测者的心率并输出。
本发明的一种基于心冲击信号获取双人心跳频率的装置具有便携、小型、无扰以及能同时监测双人生理参数的特点,并且能够解混双人通道的心冲击信号干扰,针对双人睡眠床的用户监测而言,能够有效的提取他们各自的心率。
上述具体实施方式仅仅对本发明的优选实施方式进行描述,而并非对本发明的保护范围进行限定。在不脱离本发明设计构思和精神范畴的前提下,本领域的普通技术人员根据本发明所提供的文字描述、附图对本发明的技术方案所作出的各种变形、替代和改进,均应属于本发明的保护范畴。本发明的保护范围由权利要求确定。
Claims (1)
1.一种基于心冲击信号获取双人心跳频率的方法,其特征在于,包括以下步骤:
S1:获取在床双人的双通道心冲击信号,所述心冲击信号包括在床双人相互混叠的心脏博动、呼吸运动和噪声;
S2:信号幅值滑动窗口阈值判断,若双通道心冲击信号都小于阈值则进入步骤S3;若任一信号的幅值超过阈值,则判定为发生体动,返回步骤S1;
S3:对双通道心冲击信号分别提取小波系数为4-7阶范围的信号分量 和/>,提取信号分量的计算式如下:/>,其中 />表示信号分量,/>为j尺度下的小波系数,/>为小波基函数, 其中,小波基函数为 Morlet 小波基;
S4:输入通道 x1 和通道 x2 分量,对信号分量和/>进行心率信道解混,其中的信号分量/> 和/>分别混叠两个体的心率分量:通过独立成分分析方法对基于观测的混叠心率分量 W(t)进行解混,其中的 W(t)为信号分量 />和/>所构成的矩阵向量;通过求变换矩阵 G 使得估计的源心率信号 y(t)各分量相互独立,从而恢复出各被测个体的独立心率分量计算式为:y(t)=GW(t);分别得到在床双人的解混心率信号y1(t)和y2(t),所述解混心率信号为在床双人的独立心率分量;
S5:计算解混心率信号y1(t)和y2(t)的频谱极值, 频谱极值为通过 FFT 变换和功率谱计算得到频率幅值谱,取幅值最大的频率,并构成一组频率的序列数组,序列大小设置为N,所述序列数组使用中值滤波以提取稳定的频率值;
S6:由步骤 S5 获取的两个被测者的频率值依据装置的采样率 Fs 计算各被测者的心率并输出,计算在床双人的心率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010183316.4A CN111345802B (zh) | 2020-03-16 | 2020-03-16 | 一种基于心冲击信号获取双人心跳频率的装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010183316.4A CN111345802B (zh) | 2020-03-16 | 2020-03-16 | 一种基于心冲击信号获取双人心跳频率的装置及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111345802A CN111345802A (zh) | 2020-06-30 |
CN111345802B true CN111345802B (zh) | 2023-07-07 |
Family
ID=71188937
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010183316.4A Active CN111345802B (zh) | 2020-03-16 | 2020-03-16 | 一种基于心冲击信号获取双人心跳频率的装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111345802B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1951320A (zh) * | 2006-11-16 | 2007-04-25 | 上海交通大学 | 基于超完备特征的异常心电识别方法 |
US7831302B2 (en) * | 2003-03-22 | 2010-11-09 | Qinetiq Limited | Monitoring electrical muscular activity |
US8332021B2 (en) * | 2007-07-20 | 2012-12-11 | Stichting Voor De Technische Wetenschappen | Fetal monitoring |
CN105232023A (zh) * | 2015-10-10 | 2016-01-13 | 四川长虹电器股份有限公司 | 一种胎心音去噪的方法 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101521783B (zh) * | 2009-04-03 | 2014-01-08 | 北京中星微电子有限公司 | 一种简便的Macrovision检测系统及方法 |
US8780786B2 (en) * | 2011-09-15 | 2014-07-15 | Qualcomm Incorporated | Method and apparatus for denoising of physiological signals |
CN102499664B (zh) * | 2011-10-24 | 2013-01-02 | 西双版纳大渡云海生物科技发展有限公司 | 基于视频图像的非接触式生命体征的检测方法及检测系统 |
US10143377B2 (en) * | 2012-05-02 | 2018-12-04 | Augusta University Research Institute, Inc. | Single channel imaging measurement of dynamic changes in heart or respiration rate |
TWI525996B (zh) * | 2013-04-22 | 2016-03-11 | 國立交通大學 | 基於多通道獨立成分分析之訊號即時處理系統及方法 |
CN104468436A (zh) * | 2014-10-13 | 2015-03-25 | 中国人民解放军总参谋部第六十三研究所 | 一种通信信号小波域盲源分离抗干扰方法及装置 |
US20160224750A1 (en) * | 2015-01-31 | 2016-08-04 | The Board Of Trustees Of The Leland Stanford Junior University | Monitoring system for assessing control of a disease state |
EP3286577B1 (en) * | 2015-04-20 | 2021-03-17 | ResMed Sensor Technologies Limited | Detection and identification of a human from characteristic signals |
CN105962914B (zh) * | 2016-05-24 | 2019-08-27 | 北京千安哲信息技术有限公司 | 基于盲源分离的呼吸与心跳信号的分离方法及装置 |
CN106419869A (zh) * | 2016-08-24 | 2017-02-22 | 电子科技大学 | 一种基于压电传感器的实时睡眠分期检测方法及其装置 |
CN106419845B (zh) * | 2016-10-11 | 2019-11-05 | 西北工业大学 | 一种基于压电陶瓷传感器的睡眠监测装置及方法 |
EP3413075B1 (en) * | 2017-06-08 | 2024-10-02 | Siemens Healthineers AG | Mri involving the generation of a physiological motion signal using a pilot tone navigator |
EP3424418B1 (en) * | 2017-07-05 | 2023-11-08 | Stichting IMEC Nederland | A method and a system for detecting a vital sign of a subject |
CN110115574A (zh) * | 2018-02-07 | 2019-08-13 | 普天信息技术有限公司 | 心率监测的方法和装置 |
CN108261193A (zh) * | 2018-03-19 | 2018-07-10 | 吉林大学 | 一种基于心冲击信号的连续血压测量装置及测量方法 |
US11241100B2 (en) * | 2018-04-23 | 2022-02-08 | Casper Sleep Inc. | Temperature-regulating mattress |
CN108836298A (zh) * | 2018-05-08 | 2018-11-20 | 浙江胜昔信息科技有限公司 | 一种基于倾角传感器的心率检测装置及其检测方法 |
CN209678481U (zh) * | 2018-09-06 | 2019-11-26 | 广州三拾七度智能家居有限公司 | 非接触式睡眠监测智能床 |
CN109171656B (zh) * | 2018-09-19 | 2021-09-03 | 东南大学 | 一种不宁腿综合症的早期检测设备 |
CN110169756A (zh) * | 2019-07-01 | 2019-08-27 | 南京国科医工科技发展有限公司 | 一种无感式睡眠监测装置和监测系统 |
CN110384491A (zh) * | 2019-08-21 | 2019-10-29 | 河南科技大学 | 一种基于普通摄像头的心率检测方法 |
CN110652303A (zh) * | 2019-11-11 | 2020-01-07 | 上海网频电子科技有限公司 | 一种基于压电陶瓷传感器的医用智能床垫 |
-
2020
- 2020-03-16 CN CN202010183316.4A patent/CN111345802B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7831302B2 (en) * | 2003-03-22 | 2010-11-09 | Qinetiq Limited | Monitoring electrical muscular activity |
CN1951320A (zh) * | 2006-11-16 | 2007-04-25 | 上海交通大学 | 基于超完备特征的异常心电识别方法 |
US8332021B2 (en) * | 2007-07-20 | 2012-12-11 | Stichting Voor De Technische Wetenschappen | Fetal monitoring |
CN105232023A (zh) * | 2015-10-10 | 2016-01-13 | 四川长虹电器股份有限公司 | 一种胎心音去噪的方法 |
Non-Patent Citations (1)
Title |
---|
《ECG arrhythmias recognition system based on independent component analysis feature extraction》;Xing Jiang等;《TENCON 2006 - 2006 IEEE Region 10 Conference》;1-4 * |
Also Published As
Publication number | Publication date |
---|---|
CN111345802A (zh) | 2020-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nayak et al. | Filtering techniques for ECG signal processing | |
Berwal et al. | Motion artifact removal in ambulatory ECG signal for heart rate variability analysis | |
CN108606798B (zh) | 基于深度卷积残差网络的非接触式房颤智能检测系统 | |
CN110327036B (zh) | 从穿戴式心电中提取呼吸信号和呼吸频率的方法 | |
EP4154805B1 (en) | Apparatus for monitoring heart rate and respiration | |
Chaudhuri et al. | Ambulation analysis in wearable ECG | |
CN106937808A (zh) | 一种智能床垫的数据采集系统 | |
KR100719068B1 (ko) | 전전두엽에서 측정한 뇌파 데이터의 고속푸리에변환을 통한누적데이터의 패턴분석을 이용한 건강진단 장치 및 그방법 | |
CN107041743A (zh) | 一种心电信号实时r波检测方法 | |
Kirst et al. | Using DWT for ECG motion artifact reduction with noise-correlating signals | |
CN111481207A (zh) | 基于心冲击信号的睡眠姿势识别装置及方法 | |
Nakai et al. | Noise tolerant QRS detection using template matching with short-term autocorrelation | |
Le et al. | A low cost mobile ECG monitoring device using two active dry electrodes | |
CN112022123A (zh) | 一种基于胸阻抗的运动肺功能测量系统 | |
Djermanova et al. | LabVIEW based ECG signal acquisition and analysis | |
Nyni et al. | Wireless health monitoring system for ECG, EMG and EEG detecting | |
CN110115583A (zh) | 呼吸监测的方法和装置 | |
CN111481185A (zh) | 一种基于射血前期的连续血压估计装置和方法 | |
Rodríguez-Jorge et al. | Internet of things-assisted architecture for QRS complex detection in real time | |
CN111345802B (zh) | 一种基于心冲击信号获取双人心跳频率的装置及方法 | |
Teeramongkonrasmee et al. | Performance of a QRS detector on self-collected database using a handheld two-electrode ECG | |
Chung et al. | Spatial feature extraction from wrist pulse signals | |
Khambhati et al. | Extraction of a respiration rate from ECG signal using discrete wavelet transform during exercise | |
Malik et al. | Development of a smart seat cushion for heart rate monitoring using ballistocardiography | |
CN112826451A (zh) | 一种麻醉深度及睡眠深度的评估方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |