CN111616695A - 一种心率获取方法、装置、系统和介质 - Google Patents
一种心率获取方法、装置、系统和介质 Download PDFInfo
- Publication number
- CN111616695A CN111616695A CN202010605961.0A CN202010605961A CN111616695A CN 111616695 A CN111616695 A CN 111616695A CN 202010605961 A CN202010605961 A CN 202010605961A CN 111616695 A CN111616695 A CN 111616695A
- Authority
- CN
- China
- Prior art keywords
- frequency domain
- current time
- time period
- weight coefficient
- acceleration
- 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
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000001133 acceleration Effects 0.000 claims abstract description 158
- 238000007781 pre-processing Methods 0.000 claims abstract description 27
- 230000009466 transformation Effects 0.000 claims abstract description 18
- 238000001914 filtration Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 230000003068 static effect Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000013186 photoplethysmography Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000001228 spectrum Methods 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000002565 arteriole Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 210000001736 capillary Anatomy 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000035487 diastolic blood pressure Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000541 pulsatile effect Effects 0.000 description 1
- 230000035488 systolic blood pressure Effects 0.000 description 1
- 210000000264 venule Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—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
- A61B5/72—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
-
- 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
- A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
-
- 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
-
- 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
Abstract
本发明实施例公开了一种心率获取方法、装置、系统和介质,对各时段的脉搏波信号和加速度信号进行预处理;将当前时段和上一时段预处理后的脉搏波信号进行快速傅里叶变换,得到脉搏波频域集合;将当前时段和上一时段预处理后的加速度信号进行快速傅里叶变换,得到加速度频域集合。依据脉搏波频域集合、加速度频域集合、当前时段的频域权系数集合、上一时段的频域权系数集合以及上一时段的输入功率集合,对当前时段的频域权系数集合中包含的各频域权系数按照预先设定的LMS迭代方式进行调整,得到目标频域权系数集合,对目标频域权系数集合以及加速度频域集合进行快速傅里叶反变换,以得到排除运动干扰的心率信号。
Description
技术领域
本发明涉及心率监测技术领域,特别是涉及一种心率获取方法、装置、系统和计算机可读存储介质。
背景技术
在心脏搏动周期内,外周血管中的微动脉、毛细血管和微静脉内流过的血液相应的呈脉动性变化。当心脏收缩时血液容积最大,而在心脏舒张时血液容积最小。血液容积这种脉动性变化一般可通过光电容积传感器获得,所得的波形中含有容积脉搏血流信息。因此可以通过容积脉搏血流信息和血压信号的关系来获得收缩压和舒张压,该方法被称为光电容积脉搏波描记法(Photo Plethysmo Graphy,PPG)。
可穿戴式心率检测方案中,基于光电容积脉搏波的运动下心率监测是检测人类心率的有效手段。但是在人类的静止状态下,PPG信号易受到运动干扰信号的影响,甚至湮灭在运动干扰信号中,很难通过有效的方法分离出纯净的PPG信号。
传统方式中,利用时域法分析,计算量小,实时性强,但是稳定性以及抗干扰性很差,对于运动干扰几乎无能为力。通过离散傅里叶变换,利用PPG信号中各频率成分及其能量分布的差异,从频谱中提取与人体的心率对应的频率成分,最终得到心率,这种方法具有较强的抗干扰性,但是心率信号与运动信号在正常心率范围相互重叠时,这种频域的方法效率就很差。
可见,如何提升心率信号提取的纯净度,是本领域技术人员需要解决的问题。
发明内容
本发明实施例的目的是提供一种心率获取方法、装置、系统和计算机可读存储介质,可以提升心率信号提取的纯净度。
为解决上述技术问题,本发明实施例提供一种心率获取方法,包括:
对各时段的脉搏波信号和加速度信号进行预处理;
将当前时段预处理后的脉搏波信号和上一时段预处理后的脉搏波信号进行快速傅里叶变换,得到脉搏波频域集合;
将当前时段预处理后的加速度信号和上一时段预处理后的加速度信号进行快速傅里叶变换,得到加速度频域集合;
依据所述脉搏波频域集合、所述加速度频域集合、当前时段的频域权系数集合、上一时段的频域权系数集合以及上一时段的输入功率集合,对所述当前时段的频域权系数集合中包含的各频域权系数按照预先设定的LMS迭代方式进行调整,以得到目标频域权系数集合;
对所述目标频域权系数集合以及加速度频域集合进行快速傅里叶反变换,以得到心率信号。
可选地,所述依据所述脉搏波频域集合、所述加速度频域集合、当前时段的频域权系数集合、上一时段的频域权系数集合以及上一时段的输入功率集合,对所述当前时段的频域权系数集合中包含的各频域权系数按照预先设定的LMS迭代方式进行调整,以得到目标频域权系数集合包括:
依据所述脉搏波频域集合、所述加速度频域集合以及当前时段的频域权系数集合,计算得到当前时段的频域先验误差;
判断所述当前时段的频域先验误差是否满足预设条件;
当所述频域先验误差满足预设条件时,则将所述当前时段的频域权系数集合作为目标频域权系数集合;
当所述频域先验误差不满足预设条件时,按照上一时段的输入功率集合以及当前时段的加速度频域集合,计算出当前时段的输入功率集合;
依据所述当前时段的输入功率集合、所述当前时段的频域先验误差、所述当前时段的加速度频域集合以及上一时段的频域权系数集合,对所述当前时段的频域权系数集合进行调整,直至频域先验误差满足预设条件,则将调整后的频域权系数集合作为目标频域权系数集合。
可选地,所述依据所述脉搏波频域集合、所述加速度频域集合以及当前时段的频域权系数集合,计算得到当前时段的频域先验误差包括:
按照如下公式,计算得到当前时段的频域先验误差,
Ei(k)=Di(k)-Wi *(k)Xi(k),k=0,1,…,2N-1;
其中,i表示当前时段,Ei(k)表示当前时段的第k个频点的频域先验误差,Di(k)表示当前时段的第k个频点的脉搏波频域数据,Wi(k)表示当前时段的第k个频点的频域权系数,*表示对Wi(k)执行转置处理,Xi(k)表示当前时段的第k个频点的加速度频域数据,N表示每个时段的采样点总个数。
可选地,所述依据所述当前时段的输入功率集合、所述当前时段的频域先验误差、所述当前时段的加速度频域集合以及上一时段的频域权系数集合,对所述当前时段的频域权系数集合进行调整包括:
按照如下公式调整当前时段的频域权系数集合中包含的各频域权系数,
其中,Pi(k)=βPi-1(k)+(1-β)|Xi(k)|2,0<α<2,0<β<1,Wi(k)表示当前时段的第k个频点的频域权系数,Wi-1(k)表示上一时段的第k个频点的频域权系数,Pi(k)表示当前时段的第k个频点的输入功率值,Pi-1(k)表示上一时段的第k个频点的输入功率值,Xi(k)表示当前时段的第k个频点的加速度频域数据。
可选地,在所述对各时段的脉搏波信号和加速度信号进行预处理之后还包括:
判断当前时段预处理后的加速度信号是否符合预设的静止状态;
当所述当前时段预处理后的加速度信号不符合预设的静止状态时,则执行所述将当前时段预处理后的脉搏波信号和上一时段预处理后的脉搏波信号进行快速傅里叶变换,得到脉搏波频域集合的步骤。
可选地,所述对各时段的脉搏波信号和加速度信号进行预处理包括:
采用平滑滤波算法,对各时段的脉搏波信号和加速度信号分别进行滤波处理,得到滤波后的脉搏波信号和滤波后的加速度信号;
采用去趋势算法,消除所述滤波后的脉搏波信号以及所述滤波后的加速度信号中的低频分量;
对消除低频分量的脉搏波信号进行滤波处理得到预处理后的脉搏波信号;对消除低频分量的加速度信号进行滤波处理得到预处理后的加速度信号。
本发明实施例还提供了一种心率获取装置,包括预处理单元、变换单元、调整单元和反变换单元;
所述预处理单元,用于对各时段的脉搏波信号和加速度信号进行预处理;
所述变换单元,用于将当前时段预处理后的脉搏波信号和上一时段预处理后的脉搏波信号进行快速傅里叶变换,得到脉搏波频域集合;将当前时段预处理后的加速度信号和上一时段预处理后的加速度信号进行快速傅里叶变换,得到加速度频域集合;
所述调整单元,用于依据所述脉搏波频域集合、所述加速度频域集合、当前时段的频域权系数集合、上一时段的频域权系数集合以及上一时段的输入功率集合,对所述当前时段的频域权系数集合中包含的各频域权系数按照预先设定的LMS迭代方式进行调整,以得到目标频域权系数集合;
所述反变换单元,用于对所述目标频域权系数集合以及加速度频域集合进行快速傅里叶反变换,以得到心率信号。
可选地,所述调整单元包括第一计算子单元、判断子单元、第一作为子单元、第二计算子单元和第二作为子单元;
所述第一计算子单元,用于依据所述脉搏波频域集合、所述加速度频域集合以及当前时段的频域权系数集合,计算得到当前时段的频域先验误差;
所述判断子单元,用于判断所述当前时段的频域先验误差是否满足预设条件;
所述第一作为子单元,用于当所述频域先验误差满足预设条件时,则将所述当前时段的频域权系数集合作为目标频域权系数集合;
所述第二计算子单元,用于当所述频域先验误差不满足预设条件时,按照上一时段的输入功率集合以及当前时段的加速度频域集合,计算出当前时段的输入功率集合;
所述第二作为子单元,用于依据所述当前时段的输入功率集合、所述当前时段的频域先验误差、所述当前时段的加速度频域集合以及上一时段的频域权系数集合,对所述当前时段的频域权系数集合进行调整,直至频域先验误差满足预设条件,则将调整后的频域权系数集合作为目标频域权系数集合。
可选地,所述第一计算子单元具体用于按照如下公式,计算得到当前时段的频域先验误差,
Ei(k)=Di(k)-Wi *(k)Xi(k),k=0,1,…,2N-1;
其中,i表示当前时段,Ei(k)表示当前时段的第k个频点的频域先验误差,Di(k)表示当前时段的第k个频点的脉搏波频域数据,Wi(k)表示当前时段的第k个频点的频域权系数,*表示对Wi(k)执行转置处理,Xi(k)表示当前时段的第k个频点的加速度频域数据,N表示每个时段的采样点总个数。
可选地,所述第二作为子单元具体用于按照如下公式调整当前时段的频域权系数集合中包含的各频域权系数,
其中,Pi(k)=βPi-1(k)+(1-β)|Xi(k)|2,0<α<2,0<β<1,Wi(k)表示当前时段的第k个频点的频域权系数,Wi-1(k)表示上一时段的第k个频点的频域权系数,Pi(k)表示当前时段的第k个频点的输入功率值,Pi-1(k)表示上一时段的第k个频点的输入功率值,Xi(k)表示当前时段的第k个频点的加速度频域数据。
可选地,还包括判断单元;
所述判断单元,用于判断当前时段预处理后的加速度信号是否符合预设的静止状态;当所述当前时段预处理后的加速度信号不符合预设的静止状态时,则触发所述变换单元。
可选地,所述预处理单元包括滤波子单元和消除子单元;
所述滤波子单元,用于采用平滑滤波算法,对各时段的脉搏波信号和加速度信号分别进行滤波处理,得到滤波后的脉搏波信号和滤波后的加速度信号;
所述消除子单元采,用于用去趋势算法,消除所述滤波后的脉搏波信号以及所述滤波后的加速度信号中的低频分量;
所述滤波子单元还用于对消除低频分量的脉搏波信号进行滤波处理得到预处理后的脉搏波信号;对消除低频分量的加速度信号进行滤波处理得到预处理后的加速度信号。
本发明实施例还提供了一种心率获取系统,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如上述任意一项所述心率获取方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质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如上述任意一项所述心率获取方法的步骤。
由上述技术方案可以看出,对各时段的脉搏波信号和加速度信号进行预处理;通过预处理可以降低噪声等干扰信号以及低频分量对脉搏波信号和加速度信号带来的影响。上一时段指的是与当前时段相邻的前一个时段,上一时段的数据对当前时段所需提取的心率值具有很大的参考价值,因此,在该技术方案中将当前时段预处理后的脉搏波信号和上一时段预处理后的脉搏波信号进行快速傅里叶变换,得到脉搏波频域集合;将当前时段预处理后的加速度信号和上一时段预处理后的加速度信号进行快速傅里叶变换,得到加速度频域集合。频域权系数是影响心率信号提取的纯净度的重要参数,依据所述脉搏波频域集合、所述加速度频域集合、当前时段的频域权系数集合、上一时段的频域权系数集合以及上一时段的输入功率集合,对当前时段的频域权系数集合中包含的各频域权系数按照预先设定的LMS迭代方式进行调整,可以得到排除运动干扰的目标频域权系数集合,对目标频域权系数集合以及加速度频域集合进行快速傅里叶反变换,以得到心率信号。在该技术方案中,将脉搏波信号与加速度信号通过算法有效的结合起来,利用傅里叶变换将脉搏波信号和加速度信号转换成频域信号,然后通过LMS算法去除运动尾迹,有效的解决了心率信号与运动信号在正常心率范围相互重叠的问题,提升了心率信号提取的纯净度。
附图说明
为了更清楚地说明本发明实施例,下面将对实施例中所需要使用的附图做简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种心率获取方法的流程图;
图2a为本发明实施例提供的一种用户在正常走路时采集到的脉搏波信号的示意图;
图2b为本发明实施例提供的一种用户在正常走路时采集到的加速度信号的示意图;
图2c为本发明实施例提供的一种基于图2a和图2b得到的心率信号的示意图;
图3为本发明实施例提供的一种心率获取装置的结构示意图;
图4为本发明实施例提供的一种心率获取系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下,所获得的所有其他实施例,都属于本发明保护范围。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。
接下来,详细介绍本发明实施例所提供的一种心率获取方法。图1为本发明实施例提供的一种心率获取方法的流程图,该方法包括:
S101:对各时段的脉搏波信号和加速度信号进行预处理。
在本发明实施例中,可以使用腕表进行脉搏波信号和加速度信号的采集,数据的采样频率可以为50Hz。
计算一次心率采用的时间一般在6s至10s之间。在实际应用中,可以将采集心率的时段设置为6s。
预处理主要是滤除脉搏波信号和加速度信号中包含的噪声等干扰信号以及低频分量。
在具体实现中,可以采用平滑滤波算法,对各时段的脉搏波信号和加速度信号分别进行滤波处理,得到滤波后的脉搏波信号和滤波后的加速度信号;采用去趋势算法,消除滤波后的脉搏波信号以及滤波后的加速度信号中的低频分量。
为了使得信号更加平滑,可以对消除低频分量的脉搏波信号再次进行滤波处理得到预处理后的脉搏波信号;对消除低频分量的加速度信号再次进行滤波处理得到预处理后的加速度信号。
S102:将当前时段预处理后的脉搏波信号和上一时段预处理后的脉搏波信号进行快速傅里叶变换,得到脉搏波频域集合。
上一时段指的是与当前时段相邻的前一个时段,上一时段的数据对当前时段所需提取的心率值具有很大的参考价值,因此,在本发明实施例中,可以将当前时段获取的信号与上一时段获取的信号进行综合分析。
S103:将当前时段预处理后的加速度信号和上一时段预处理后的加速度信号进行快速傅里叶变换,得到加速度频域集合。
以采样频率为50Hz,时段设置为6s为例,每个时段可以获取N=300个采样点数据,当前时段与上一时段整合之后,可以得到2N=600个采样点数据。将预处理后的脉搏波信号和上一时段预处理后的脉搏波信号进行快速傅里叶变换,可以得到脉搏波频域集合,记作Di=[Di(0),Di(1),…,Di(2N-1)]。将预处理后的加速度信号和上一时段预处理后的加速度信号进行快速傅里叶变换,可以得到加速度频域集合,记作Xi=[Xi(0),Xi(1),…,Xi(2N-1)]。
S104:依据脉搏波频域集合、加速度频域集合、当前时段的频域权系数集合、上一时段的频域权系数集合以及上一时段的输入功率集合,对当前时段的频域权系数集合中包含的各频域权系数按照预先设定的LMS迭代方式进行调整,以得到目标频域权系数集合。
LMS迭代方式指的是基于最小均方算法(Least Mean Square,LMS)的原理实现对频域权系数集合中包含的各频域权系数的调整。
在本发明实施例中,可以依据脉搏波频域集合、加速度频域集合以及当前时段的频域权系数集合,计算得到当前时段的频域先验误差。
脉搏波频域集合包含了纯净的心率信号以及运动干扰信号。在本发明实施例中,可以通过加速度频域集合和频域权系数集合模拟纯净的心率信号。
在具体实现中,可以按照如下公式,计算得到当前时段的频域先验误差,
Ei(k)=Di(k)-Wi *(k)Xi(k),k=0,1,…,2N-1;
其中,i表示当前时段,Ei(k)表示当前时段的第k个频点的频域先验误差,Di(k)表示当前时段的第k个频点的脉搏波频域数据,Wi(k)表示当前时段的第k个频点的频域权系数,*表示对Wi(k)执行转置处理,Xi(k)表示当前时段的第k个频点的加速度频域数据,N表示每个时段的采样点总个数。
当计算得到当前时段的频域先验误差之后,可以判断当前时段的频域先验误差是否满足预设条件;当频域先验误差满足预设条件时,则将当前时段的频域权系数集合作为目标频域权系数集合。
预设条件可以是对频域先验误差取值的限定条件,例如,可以判断频域先验误差是否趋近于零或者是趋于一个稳定值。
在LMS迭代方式中,每调整一次频域权系数集合中频域权系数就相当于一次迭代过程,通过不断的迭代调整频域权系数集合中各频域权系数,使得频域先验误差趋近于零或者是趋于一个稳定值。
当频域先验误差不满足预设条件时,按照上一时段的输入功率集合以及当前时段的加速度频域集合,计算出当前时段的输入功率集合;依据当前时段的输入功率集合、当前时段的频域先验误差、当前时段的加速度频域集合以及上一时段的频域权系数集合,对当前时段的频域权系数集合进行调整,直至频域先验误差满足预设条件,则将调整后的频域权系数集合作为目标频域权系数集合。
在具体实现中,可以按照如下公式调整当前时段的频域权系数集合中包含的各频域权系数,
其中,Pi(k)=βPi-1(k)+(1-β)|Xi(k)|2,0<α<2,0<β<1,Wi(k)表示当前时段的第k个频点的频域权系数,Wi-1(k)表示上一时段的第k个频点的频域权系数,Pi(k)表示当前时段的第k个频点的输入功率值,Pi-1(k)表示上一时段的第k个频点的输入功率值,Xi(k)表示当前时段的第k个频点的加速度频域数据。
S105:对目标频域权系数集合以及加速度频域集合进行快速傅里叶反变换,以得到心率信号。
LMS迭代完成之后,可以得到目标频域权系数集合,此时对目标频域权系数集合以及加速度频域集合进行快速傅里叶反变换,得到的便是去除运动干扰信号的心率信号yi(k),
yi(k)=IFFT[Yi(k)]=IFFT[Wi'*(k)Xi(k)],k=0,1,…,2N-1,
其中,Wi'(k)表示目标频域权系数集合,*表示对Wi'(k)执行转置运算,Xi(k)表示加速度频域集合。
图2a为本发明实施例提供的一种用户在正常走路时采集到的脉搏波信号的示意图,图2a上侧图形代表采集的脉搏波信号即原始信号,图2a下侧图形代表脉搏波频域集合中各采样点数据进行连线得到的曲线即原始信号频谱。图2b为本发明实施例提供的一种用户在正常走路时采集到的加速度信号的示意图,图2b上侧图形代表采集的加速度信号,图2b下侧图形代表加速度频域集合中各采样点数据进行连线得到的曲线即加速度信号频谱。图2c是基于图2a和图2b得到的心率信号的示意图,图2c上侧图形代表基于时域的心率信号即自适应滤波器输出信号,图2c下侧图形代表基于频域的心率信号即滤波输出信号频谱。
由图2a至图2c可以看出,本申请采用的心率获取方法提取出的心率信号能有效解决运动尾迹问题,提高了心率计算的准确性。
由上述技术方案可以看出,对各时段的脉搏波信号和加速度信号进行预处理;通过预处理可以降低噪声等干扰信号以及低频分量对脉搏波信号和加速度信号带来的影响。上一时段指的是与当前时段相邻的前一个时段,上一时段的数据对当前时段所需提取的心率值具有很大的参考价值,因此,在该技术方案中将当前时段预处理后的脉搏波信号和上一时段预处理后的脉搏波信号进行快速傅里叶变换,得到脉搏波频域集合;将当前时段预处理后的加速度信号和上一时段预处理后的加速度信号进行快速傅里叶变换,得到加速度频域集合。频域权系数是影响心率信号提取的纯净度的重要参数,依据所述脉搏波频域集合、所述加速度频域集合、当前时段的频域权系数集合、上一时段的频域权系数集合以及上一时段的输入功率集合,对当前时段的频域权系数集合中包含的各频域权系数按照预先设定的LMS迭代方式进行调整,可以得到排除运动干扰的目标频域权系数集合,对目标频域权系数集合以及加速度频域集合进行快速傅里叶反变换,以得到心率信号。在该技术方案中,将脉搏波信号与加速度信号通过算法有效的结合起来,利用傅里叶变换将脉搏波信号和加速度信号转换成频域信号,然后通过LMS算法去除运动尾迹,有效的解决了心率信号与运动信号在正常心率范围相互重叠的问题,提升了心率信号提取的纯净度。
考虑到实际应用中,用户处于静止状态时,采集的脉搏波信号不存在运动干扰,此时直接计算脉搏波信号对应的心率值即可,无需对脉搏波信号进行处理。
因此,在本发明实施例中,在对各时段的脉搏波信号和加速度信号进行预处理之后,可以先判断当前时段预处理后的加速度信号是否符合预设的静止状态。
在实际应用中,可以通过人体运动状态识别算法,区分加速度信号是否符合预设的静止状态。
当前时段预处理后的加速度信号符合预设的静止状态时,采集的脉搏波信号即为纯净的心率信号,此时无需执行上述S102-S105的操作。当前时段预处理后的加速度信号不符合预设的静止状态时,则执行S102以及后续操作步骤。
通过依据加速度信号对用户的运动状态进行检测,可以有效的避免用户处于静止状态时,仍对脉搏波信号执行上述心率获取操作。
图3为本发明实施例提供的一种心率获取装置的结构示意图,包括预处理单元31、变换单元32、调整单元33和反变换单元34;
预处理单元31,用于对各时段的脉搏波信号和加速度信号进行预处理;
变换单元32,用于将当前时段预处理后的脉搏波信号和上一时段预处理后的脉搏波信号进行快速傅里叶变换,得到脉搏波频域集合;将当前时段预处理后的加速度信号和上一时段预处理后的加速度信号进行快速傅里叶变换,得到加速度频域集合;
调整单元33,用于依据脉搏波频域集合、加速度频域集合、当前时段的频域权系数集合、上一时段的频域权系数集合以及上一时段的输入功率集合,对当前时段的频域权系数集合中包含的各频域权系数按照预先设定的LMS迭代方式进行调整,以得到目标频域权系数集合;
反变换单元34,用于对目标频域权系数集合以及加速度频域集合进行快速傅里叶反变换,以得到心率信号。
可选地,调整单元包括第一计算子单元、判断子单元、第一作为子单元、第二计算子单元和第二作为子单元;
第一计算子单元,用于依据脉搏波频域集合、加速度频域集合以及当前时段的频域权系数集合,计算得到当前时段的频域先验误差;
判断子单元,用于判断当前时段的频域先验误差是否满足预设条件;
第一作为子单元,用于当频域先验误差满足预设条件时,则将当前时段的频域权系数集合作为目标频域权系数集合;
第二计算子单元,用于当频域先验误差不满足预设条件时,按照上一时段的输入功率集合以及当前时段的加速度频域集合,计算出当前时段的输入功率集合;
第二作为子单元,用于依据当前时段的输入功率集合、当前时段的频域先验误差、当前时段的加速度频域集合以及上一时段的频域权系数集合,对当前时段的频域权系数集合进行调整,直至频域先验误差满足预设条件,则将调整后的频域权系数集合作为目标频域权系数集合。
可选地,第一计算子单元具体用于按照如下公式,计算得到当前时段的频域先验误差,
Ei(k)=Di(k)-Wi *(k)Xi(k),k=0,1,…,2N-1;
其中,i表示当前时段,Ei(k)表示当前时段的第k个频点的频域先验误差,Di(k)表示当前时段的第k个频点的脉搏波频域数据,Wi(k)表示当前时段的第k个频点的频域权系数,*表示对Wi(k)执行转置处理,Xi(k)表示当前时段的第k个频点的加速度频域数据,N表示每个时段的采样点总个数。
可选地,第二作为子单元具体用于按照如下公式调整当前时段的频域权系数集合中包含的各频域权系数,
其中,Pi(k)=βPi-1(k)+(1-β)|Xi(k)|2,0<α<2,0<β<1,Wi(k)表示当前时段的第k个频点的频域权系数,Wi-1(k)表示上一时段的第k个频点的频域权系数,Pi(k)表示当前时段的第k个频点的输入功率值,Pi-1(k)表示上一时段的第k个频点的输入功率值,Xi(k)表示当前时段的第k个频点的加速度频域数据。
可选地,还包括判断单元;
判断单元,用于判断当前时段预处理后的加速度信号是否符合预设的静止状态;当当前时段预处理后的加速度信号不符合预设的静止状态时,则触发变换单元。
可选地,预处理单元包括滤波子单元和消除子单元;
滤波子单元,用于采用平滑滤波算法,对各时段的脉搏波信号和加速度信号分别进行滤波处理,得到滤波后的脉搏波信号和滤波后的加速度信号;
消除子单元采,用于用去趋势算法,消除滤波后的脉搏波信号以及滤波后的加速度信号中的低频分量;
滤波子单元还用于对消除低频分量的脉搏波信号进行滤波处理得到预处理后的脉搏波信号;对消除低频分量的加速度信号进行滤波处理得到预处理后的加速度信号。
图3所对应实施例中特征的说明可以参见图1所对应实施例的相关说明,这里不再一一赘述。
由上述技术方案可以看出,对各时段的脉搏波信号和加速度信号进行预处理;通过预处理可以降低噪声等干扰信号以及低频分量对脉搏波信号和加速度信号带来的影响。上一时段指的是与当前时段相邻的前一个时段,上一时段的数据对当前时段所需提取的心率值具有很大的参考价值,因此,在该技术方案中将当前时段预处理后的脉搏波信号和上一时段预处理后的脉搏波信号进行快速傅里叶变换,得到脉搏波频域集合;将当前时段预处理后的加速度信号和上一时段预处理后的加速度信号进行快速傅里叶变换,得到加速度频域集合。频域权系数是影响心率信号提取的纯净度的重要参数,依据所述脉搏波频域集合、所述加速度频域集合、当前时段的频域权系数集合、上一时段的频域权系数集合以及上一时段的输入功率集合,对当前时段的频域权系数集合中包含的各频域权系数按照预先设定的LMS迭代方式进行调整,可以得到排除运动干扰的目标频域权系数集合,对目标频域权系数集合以及加速度频域集合进行快速傅里叶反变换,以得到心率信号。在该技术方案中,将脉搏波信号与加速度信号通过算法有效的结合起来,利用傅里叶变换将脉搏波信号和加速度信号转换成频域信号,然后通过LMS算法去除运动尾迹,有效的解决了心率信号与运动信号在正常心率范围相互重叠的问题,提升了心率信号提取的纯净度。
图4为本发明实施例提供的一种心率获取系统4的结构示意图,包括:
存储器41,用于存储计算机程序;
处理器42,用于执行计算机程序以实现如上述任意实施例所述的心率获取方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上述任意实施例所述的心率获取方法的步骤。
以上对本发明实施例所提供的一种心率获取方法、装置、系统和计算机可读存储介质进行了详细介绍。说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
Claims (10)
1.一种心率获取方法,其特征在于,包括以下步骤:
对各时段的脉搏波信号和加速度信号进行预处理;
将当前时段预处理后的脉搏波信号和上一时段预处理后的脉搏波信号进行快速傅里叶变换,得到脉搏波频域集合;
将当前时段预处理后的加速度信号和上一时段预处理后的加速度信号进行快速傅里叶变换,得到加速度频域集合;
依据所述脉搏波频域集合、所述加速度频域集合、当前时段的频域权系数集合、上一时段的频域权系数集合以及上一时段的输入功率集合,对所述当前时段的频域权系数集合中包含的各频域权系数按照预先设定的LMS迭代方式进行调整,以得到目标频域权系数集合;
对所述目标频域权系数集合以及所述加速度频域集合进行快速傅里叶反变换,以得到心率信号。
2.根据权利要求1所述的心率获取方法,其特征在于,所述依据所述脉搏波频域集合、所述加速度频域集合、当前时段的频域权系数集合、上一时段的频域权系数集合以及上一时段的输入功率集合,对所述当前时段的频域权系数集合中包含的各频域权系数按照预先设定的LMS迭代方式进行调整,以得到目标频域权系数集合包括:
依据所述脉搏波频域集合、所述加速度频域集合以及当前时段的频域权系数集合,计算得到当前时段的频域先验误差;
判断所述当前时段的频域先验误差是否满足预设条件;
当所述频域先验误差满足预设条件时,则将所述当前时段的频域权系数集合作为目标频域权系数集合;
当所述频域先验误差不满足预设条件时,按照上一时段的输入功率集合以及当前时段的加速度频域集合,计算出当前时段的输入功率集合;
依据所述当前时段的输入功率集合、所述当前时段的频域先验误差、所述当前时段的加速度频域集合以及上一时段的频域权系数集合,对所述当前时段的频域权系数集合进行调整,直至频域先验误差满足预设条件,则将调整后的频域权系数集合作为目标频域权系数集合。
3.根据权利要求2所述的心率获取方法,其特征在于,所述依据所述脉搏波频域集合、所述加速度频域集合以及当前时段的频域权系数集合,计算得到当前时段的频域先验误差包括:
按照如下公式,计算得到当前时段的频域先验误差,
Ei(k)=Di(k)-Wi *(k)Xi(k),k=0,1,…,2N-1;
其中,i表示当前时段,Ei(k)表示当前时段的第k个频点的频域先验误差,Di(k)表示当前时段的第k个频点的脉搏波频域数据,Wi(k)表示当前时段的第k个频点的频域权系数,*表示对Wi(k)执行转置处理,Xi(k)表示当前时段的第k个频点的加速度频域数据,N表示每个时段的采样点总个数。
4.根据权利要求3所述的心率获取方法,其特征在于,所述依据所述当前时段的输入功率集合、所述当前时段的频域先验误差、所述当前时段的加速度频域集合以及上一时段的频域权系数集合,对所述当前时段的频域权系数集合进行调整包括:
按照如下公式调整当前时段的频域权系数集合中包含的各频域权系数,
5.根据权利要求1-4任意一项所述的心率获取方法,其特征在于,在所述对各时段的脉搏波信号和加速度信号进行预处理之后还包括:
判断当前时段预处理后的加速度信号是否符合预设的静止状态;
当所述当前时段预处理后的加速度信号不符合预设的静止状态时,则执行所述将当前时段预处理后的脉搏波信号和上一时段预处理后的脉搏波信号进行快速傅里叶变换,得到脉搏波频域集合的步骤。
6.根据权利要求5所述的心率获取方法,其特征在于,所述对各时段的脉搏波信号和加速度信号进行预处理包括:
采用平滑滤波算法,对各时段的脉搏波信号和加速度信号分别进行滤波处理,得到滤波后的脉搏波信号和滤波后的加速度信号;
采用去趋势算法,消除所述滤波后的脉搏波信号以及所述滤波后的加速度信号中的低频分量;
对消除低频分量的脉搏波信号进行滤波处理得到预处理后的脉搏波信号;对消除低频分量的加速度信号进行滤波处理得到预处理后的加速度信号。
7.一种心率获取装置,其特征在于,包括预处理单元、变换单元、调整单元和反变换单元;
所述预处理单元,用于对各时段的脉搏波信号和加速度信号进行预处理;
所述变换单元,用于将当前时段预处理后的脉搏波信号和上一时段预处理后的脉搏波信号进行快速傅里叶变换,得到脉搏波频域集合;将当前时段预处理后的加速度信号和上一时段预处理后的加速度信号进行快速傅里叶变换,得到加速度频域集合;
所述调整单元,用于依据所述脉搏波频域集合、所述加速度频域集合、当前时段的频域权系数集合、上一时段的频域权系数集合以及上一时段的输入功率集合,对所述当前时段的频域权系数集合中包含的各频域权系数按照预先设定的LMS迭代方式进行调整,以得到目标频域权系数集合;
所述反变换单元,用于对所述目标频域权系数集合以及加速度频域集合进行快速傅里叶反变换,以得到心率信号。
8.根据权利要求7所述的心率获取装置,其特征在于,所述调整单元包括第一计算子单元、判断子单元、第一作为子单元、第二计算子单元和第二作为子单元;
所述第一计算子单元,用于依据所述脉搏波频域集合、所述加速度频域集合以及当前时段的频域权系数集合,计算得到当前时段的频域先验误差;
所述判断子单元,用于判断所述当前时段的频域先验误差是否满足预设条件;
所述第一作为子单元,用于当所述频域先验误差满足预设条件时,则将所述当前时段的频域权系数集合作为目标频域权系数集合;
所述第二计算子单元,用于当所述频域先验误差不满足预设条件时,按照上一时段的输入功率集合以及当前时段的加速度频域集合,计算出当前时段的输入功率集合;
所述第二作为子单元,用于依据所述当前时段的输入功率集合、所述当前时段的频域先验误差、所述当前时段的加速度频域集合以及上一时段的频域权系数集合,对所述当前时段的频域权系数集合进行调整,直至频域先验误差满足预设条件,则将调整后的频域权系数集合作为目标频域权系数集合。
9.一种心率获取系统,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如权利要求1至6任意一项所述心率获取方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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如权利要求1至6任意一项所述心率获取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010605961.0A CN111616695B (zh) | 2020-06-29 | 2020-06-29 | 一种心率获取方法、装置、系统和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010605961.0A CN111616695B (zh) | 2020-06-29 | 2020-06-29 | 一种心率获取方法、装置、系统和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111616695A true CN111616695A (zh) | 2020-09-04 |
CN111616695B CN111616695B (zh) | 2022-09-13 |
Family
ID=72255775
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010605961.0A Active CN111616695B (zh) | 2020-06-29 | 2020-06-29 | 一种心率获取方法、装置、系统和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111616695B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022111203A1 (zh) * | 2020-11-25 | 2022-06-02 | 安徽华米健康科技有限公司 | 心率检测方法和装置 |
TWI823500B (zh) * | 2021-09-09 | 2023-11-21 | 大陸商深圳市韶音科技有限公司 | 心率監測方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105997043A (zh) * | 2016-06-24 | 2016-10-12 | 中国科学院电子学研究所 | 一种基于腕式可穿戴设备的脉率提取方法 |
US20170164847A1 (en) * | 2015-12-15 | 2017-06-15 | Texas Instruments Incorporated | Reducing Motion Induced Artifacts in Photoplethysmography (PPG) Signals |
CN107928651A (zh) * | 2017-12-13 | 2018-04-20 | 苏州点惠医疗科技有限公司 | 一种可穿戴冠心病检测设备 |
CN108597609A (zh) * | 2018-05-04 | 2018-09-28 | 华东师范大学 | 一种基于lstm网络的医养结合健康监测方法 |
CN108937878A (zh) * | 2018-06-06 | 2018-12-07 | 北京邮电大学 | 一种脉搏波信号运动噪声消除的方法 |
CN110151158A (zh) * | 2019-06-21 | 2019-08-23 | 深圳市奋达智能技术有限公司 | 一种低功耗动态和静态连续心率的测量方法及装置 |
CN110169764A (zh) * | 2019-05-06 | 2019-08-27 | 上海理工大学 | 一种lms自适应滤波ppg信号心率提取方法 |
US20190261890A1 (en) * | 2015-06-01 | 2019-08-29 | Pixart Imaging Inc. | Optical respiration rate detection device |
-
2020
- 2020-06-29 CN CN202010605961.0A patent/CN111616695B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190261890A1 (en) * | 2015-06-01 | 2019-08-29 | Pixart Imaging Inc. | Optical respiration rate detection device |
US20170164847A1 (en) * | 2015-12-15 | 2017-06-15 | Texas Instruments Incorporated | Reducing Motion Induced Artifacts in Photoplethysmography (PPG) Signals |
CN105997043A (zh) * | 2016-06-24 | 2016-10-12 | 中国科学院电子学研究所 | 一种基于腕式可穿戴设备的脉率提取方法 |
CN107928651A (zh) * | 2017-12-13 | 2018-04-20 | 苏州点惠医疗科技有限公司 | 一种可穿戴冠心病检测设备 |
CN108597609A (zh) * | 2018-05-04 | 2018-09-28 | 华东师范大学 | 一种基于lstm网络的医养结合健康监测方法 |
CN108937878A (zh) * | 2018-06-06 | 2018-12-07 | 北京邮电大学 | 一种脉搏波信号运动噪声消除的方法 |
CN110169764A (zh) * | 2019-05-06 | 2019-08-27 | 上海理工大学 | 一种lms自适应滤波ppg信号心率提取方法 |
CN110151158A (zh) * | 2019-06-21 | 2019-08-23 | 深圳市奋达智能技术有限公司 | 一种低功耗动态和静态连续心率的测量方法及装置 |
Non-Patent Citations (2)
Title |
---|
徐海津: "抗运动伪影下基于PPG的心率估计方法研究与应用", 《中国优秀硕士学位论文全文数据库》 * |
郭贵昌: "穿戴式运动状态识别及心率监测的研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022111203A1 (zh) * | 2020-11-25 | 2022-06-02 | 安徽华米健康科技有限公司 | 心率检测方法和装置 |
TWI823500B (zh) * | 2021-09-09 | 2023-11-21 | 大陸商深圳市韶音科技有限公司 | 心率監測方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111616695B (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10478129B2 (en) | Methods for improving response time, robustness and user comfort in continuous estimation of biophysiological rates | |
CN111616695B (zh) | 一种心率获取方法、装置、系统和介质 | |
CN110664390B (zh) | 基于腕带式ppg和深度学习的心率监测系统及方法 | |
CN109767783A (zh) | 语音增强方法、装置、设备及存储介质 | |
Barros et al. | Filtering noncorrelated noise in impedance cardiography | |
Sahoo et al. | Wavelet based pulse rate and Blood pressure estimation system from ECG and PPG signals | |
CN109222948B (zh) | 消除运动干扰噪声的方法、装置、电子设备和存储介质 | |
CN101919704B (zh) | 一种心音信号定位、分段方法 | |
CN112370036A (zh) | 基于级联型rls自适应滤波的ppg心率提取装置和方法 | |
CN112587133A (zh) | 一种血氧饱和度的测量方法 | |
CN107898443A (zh) | 重搏波检测方法、装置及计算机存储介质 | |
CN114916940A (zh) | 基于专家知识的心律失常信号检测方法、系统及终端 | |
CN113229788B (zh) | 一种基于薄膜压力传感器的脉搏波去噪方法及装置 | |
US9311929B2 (en) | Digital processor based complex acoustic resonance digital speech analysis system | |
WO2019000337A1 (zh) | 生理信息测量方法、存储介质及生理信息监测装置、设备 | |
CN108652609B (zh) | 一种心率获取方法、系统及可穿戴式设备 | |
CN112562701B (zh) | 心音信号双通道自适应降噪算法、装置、介质及设备 | |
JP6464004B2 (ja) | 測定装置、測定方法およびプログラム | |
CN110226925A (zh) | 一种基于脉搏波的血压检测装置及方法 | |
JP6235608B2 (ja) | Ecg信号の動きアーチファクトを低減する方法及び装置 | |
AU2020346386A1 (en) | Method for determining respiratory rate | |
US11721358B2 (en) | System and method for calculating cardiovascular heartbeat information from an electronic audio signal | |
Gerashchenko et al. | Nonlinear SVD–filtration in hemodynamic parameters evaluation hydrocuff systems | |
CN104902809A (zh) | 用于减少ecg信号中的运动伪影的方法和装置 | |
CN108042116A (zh) | 一种基于Goertzel算法提取脉搏信息的方法 |
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 |