CN111714101A - 信号处理方法及装置 - Google Patents
信号处理方法及装置 Download PDFInfo
- Publication number
- CN111714101A CN111714101A CN201910211438.7A CN201910211438A CN111714101A CN 111714101 A CN111714101 A CN 111714101A CN 201910211438 A CN201910211438 A CN 201910211438A CN 111714101 A CN111714101 A CN 111714101A
- Authority
- CN
- China
- Prior art keywords
- signal
- wearing user
- body movement
- acquired
- motion
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 38
- 230000000284 resting effect Effects 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000000694 effects Effects 0.000 claims description 41
- 230000008569 process Effects 0.000 claims description 16
- 238000001514 detection method Methods 0.000 claims description 12
- 230000005236 sound signal Effects 0.000 claims description 8
- 230000003183 myoelectrical effect Effects 0.000 claims description 5
- 230000036541 health Effects 0.000 abstract description 6
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000003745 diagnosis Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 8
- 238000002567 electromyography Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 206010049816 Muscle tightness Diseases 0.000 description 3
- 230000009471 action Effects 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 102100026620 E3 ubiquitin ligase TRAF3IP2 Human genes 0.000 description 2
- 101710140859 E3 ubiquitin ligase TRAF3IP2 Proteins 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 210000002500 microbody Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 206010003658 Atrial Fibrillation Diseases 0.000 description 1
- 102100031102 C-C motif chemokine 4 Human genes 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 description 1
- 101000777470 Mus musculus C-C motif chemokine 4 Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- -1 blood pressure Substances 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000001087 myotubule Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000001640 nerve ending Anatomy 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 210000002027 skeletal muscle Anatomy 0.000 description 1
- 238000009751 slip forming Methods 0.000 description 1
- 210000000707 wrist 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
- A61B5/72—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
- A61B5/02—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
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- 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
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- 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
- A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
- A61B5/1114—Tracking parts of the body
-
- 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
- A61B5/1116—Determining posture transitions
-
- 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
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/30—Input circuits therefor
- A61B5/307—Input circuits therefor specially adapted for particular uses
- A61B5/313—Input circuits therefor specially adapted for particular uses for electromyography [EMG]
-
- 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
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
-
- 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
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- 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
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- 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
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6824—Arm or wrist
-
- 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
-
- 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
- A61B5/7221—Determining signal validity, reliability or quality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/16—Constructional details or arrangements
- G06F1/1613—Constructional details or arrangements for portable computers
- G06F1/163—Wearable computers, e.g. on a belt
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
-
- 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
- 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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Psychiatry (AREA)
- Dentistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Dermatology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Pulmonology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请提供一种信号处理方法及装置,方法应用于可穿戴设备,所述可穿戴设备设置有生物传感器和体动检测器件组,方法包括:获取生物传感器采集的人体生理信号,将人体生理信号划分多个信号帧,每个信号帧对应一个时间范围;针对每个信号帧,依据体动检测器件组在该信号帧对应的时间范围内采集的体动信号确定佩戴用户是否处于体动状态;若否,则将该信号帧存储至预设缓存中。通过利用体动检测器件组采集的体动信号感知体动,以对生物传感器采集的人体生理信号加以过滤,可以保证经过过滤后的人体生理信号均是佩戴用户在静息状态下的信号,提升了可穿戴设备进行医疗健康监测和诊断的稳定可靠性,降低了误警率。
Description
技术领域
本申请涉及信号处理,尤其涉及一种信号处理方法及装置。
背景技术
随着智能硬件的发展,通过可穿戴设备(如手环、手表等)上的生物传感器采集人体的生理信号以进行医疗健康监测和诊断越来越广泛。然而,生物传感器采集的生理信号通常比较微弱,常常会受到各种噪声的干扰,如人体运动引入的运动噪声、传感器与皮肤的接触噪声等,这些干扰会直接导致检测性能的下降,严重时会因信号被完全淹没在噪声中而无法重构,导致检测失败。由于生理信号的检测要求比较高,任何微小的错误都会给用户带来负面的心理负担,因此需要确保生理信号的可靠性。
发明内容
有鉴于此,本申请提供一种信号处理方法及装置,以解决目前可穿戴设备所采集的生理信号可靠性低的问题。
根据本申请实施例的第一方面,提供一种信号处理方法,所述方法应用于可穿戴设备,所述可穿戴设备设置有生物传感器和体动检测器件组,所述方法包括:
获取所述生物传感器采集的人体生理信号,将所述人体生理信号划分多个信号帧,每个信号帧对应一个时间范围;
针对每个信号帧,依据所述体动检测器件组在该信号帧对应的时间范围内采集的体动信号确定佩戴用户是否处于体动状态;
若否,则将该信号帧存储至预设缓存中。
根据本申请实施例的第二方面,提供一种信号处理装置,所述装置应用于可穿戴设备,所述可穿戴设备设置有生物传感器和体动检测器件组,所述装置包括:
获取模块,用于获取所述生物传感器采集的人体生理信号,将所述人体生理信号划分多个信号帧,每个信号帧对应一个时间范围,以及获取所述体动检测器件组采集的体动信号;
判断模块,用于针对每个信号帧,依据所述体动检测器件组在该信号帧对应的时间范围内采集的体动信号确定佩戴用户是否处于体动状态;
存储模块,用于在判断为否时,将该信号帧存储至预设缓存中。
根据本申请实施例的第三方面,提供一种可穿戴设备,所述设备包括可读存储介质和处理器;
其中,所述可读存储介质,用于存储机器可执行指令;
所述处理器,用于读取所述可读存储介质上的所述机器可执行指令,并执行所述指令以实现上述第一方面所述方法的步骤。
应用本申请实施例,在获取到可穿戴设备设有的生物传感器采集的人体生理信号时,将所述人体生理信号划分为多个信号帧,每个信号帧对应一个时间范围,然后针对每个信号帧,依据可穿戴设备设有的体动检测器件组在该信号帧对应的时间范围内采集的体动信号确定佩戴用户是否处于体动状态,若否,则将该信号帧存储至预设缓存中。
基于上述描述可知,通过利用体动检测器件组采集的体动信号感知体动,以对生物传感器采集的人体生理信号加以过滤,可以保证经过过滤后的人体生理信号均是佩戴用户在静息状态下的信号,提升了可穿戴设备进行医疗健康监测和诊断的稳定可靠性,降低了误警率。
附图说明
图1为本申请根据一示例性实施例示出的一种PPG信号图;
图2A为本申请根据一示例性实施例示出的一种信号处理方法的实施例流程图;
图2B为本申请根据图2A所示实施例示出的一种人体生理信号的信号帧划分结构示意图;
图2C为本申请根据图2A所示实施例示出的一种表面肌电信号示意图;
图3为本申请根据一示例性实施例示出的一种可穿戴设备的硬件结构图;
图4为本申请根据一示例性实施例示出的一种信号处理装置的实施例结构图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本申请可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本申请范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
目前,通过可穿戴设备(如手环、手表等)上的生物传感器采集人体的生理信号以进行医疗健康监测和诊断,例如通过生物传感器采集的PPG(Photo PlethysmoGraphy,光电容积脉搏波)信号或ECG(electrocardiograph,心电图)信号进行心率检测和心血管疾病诊断,图1为本申请根据一示例性实施例示出的一种PPG信号图,图1中的右半部的PPG信号比较有规律,属于正常信号,而左半部的PPG信号没有规律,属于噪声信号(实际由用户运动所致),如果利用图1左半部的PPG信号进行心率检测,检测得到的心率值与用户的实际心率值相差甚远,导致误警率很高。
然而,从检测角度来说,只要保证佩戴用户在静息状态下进行生理信号采集,即可避免噪声干扰,确保利用可穿戴设备进行生理疾病诊断的可靠性。
基于此,本申请提出一种信号处理方法,在获取到可穿戴设备设有的生物传感器采集的人体生理信号时,将所述人体生理信号划分为多个信号帧,每个信号帧对应一个时间范围,然后针对每个信号帧,依据可穿戴设备设有的体动检测器件组在该信号帧对应的时间范围内采集的体动信号确定佩戴用户是否处于体动状态,若否,则将该信号帧存储至预设缓存中。
基于上述描述可知,通过利用体动检测器件组采集的体动信号感知体动,以对生物传感器采集的人体生理信号加以过滤,可以保证经过过滤后的人体生理信号均是佩戴用户在静息状态下的信号,提升了可穿戴设备进行医疗健康监测和诊断的稳定可靠性,降低了误警率。
下面以具体实施例对本申请提出的信号处理方法进行详细阐述。
图2A为本申请根据一示例性实施例示出的一种信号处理方法的实施例流程图,所述信号处理方法可以应用在设置有生物传感器和体动检测器件组的可穿戴设备上,该生物传感器可以包括PPG传感器、压力传感器、ECG传感器等,该体动检测器件组可以包括惯性传感器(如加速度计、陀螺仪等)、肌电传感器、麦克风等体动检测器件。
如图2A所示,所述信号处理方法包括如下步骤:
步骤201:获取生物传感器采集的人体生理信号,将该人体生理信号划分多个信号帧,每个信号帧对应一个时间范围。
在一实施例中,可以获取生物传感器在某一预设时间段采集的人体生理信号,然后以预设时长作为一个划分周期,将采集的人体生理信号划分成多个信号帧。
示例性的,划分方式可以采用重叠划分方式,当然也可以采用非重叠划分方式,本申请对此不进行限定,对于重叠划分方式,每个信号帧之间重叠比例可以根据实践经验设置。
如图2B所示的一段PPG信号,采用重叠划分方式对PPG信号进行信号帧划分,得到n个信号帧,并且相邻信号帧之间的重叠比例为50%。
步骤202:针对每个信号帧,依据体动检测器件组在该信号帧对应的时间范围内采集的体动信号确定佩戴用户是否处于体动状态,若是,则执行步骤203,否则,执行步骤204。
在一实施例中,在体动检测器件组包括惯性传感器、肌电传感器以及麦克风的情况下,可以先依据惯性传感器在该信号帧对应的时间范围内采集的运动信号确定佩戴用户是否有体动,若确定无体动,则再依据肌电传感器在该信号帧对应的时间范围内采集的表面肌电信号确定佩戴用户是否有体动,若确定无体动,则进一步依据麦克风在该信号帧对应的时间范围内采集的皮肤与可穿戴设备之间的声音信号确定佩戴用户是否有体动,若依据任一体动检测器件采集的体动信号确定佩戴用户有体动,则确定佩戴用户处于体动状态。
需要说明的是,由于用户的体动分为两种类型:大体动和微体动。对于大体动类型,指的是用户肢体在空间上有明显运动,能够明显察觉的身体动作,如抬胳膊、甩动胳膊等,通过惯性传感器(如加速度计、陀螺仪等)采集的运动信号便可以检测到活动量以用于判决;对于微体动类型,指的是肉眼不易察觉的动作,如微小的腕部运动导致肌肉紧张、由于佩戴较松弛导致的设备侧滑造成设备与皮肤之间的摩擦等,受限于惯性传感器的灵敏度,通过惯性传感器难以检测到活动量,或者由于活动量太小而淹没在噪声中,但通过肌电传感器采集的表面肌电信号(sEMG-surface EMG)便可以检测到肌肉紧张度以用于判决,或者通过贴近皮肤的麦克风采集的声音信号可以侦听到设备与皮肤之间的摩擦噪声以用于判决。
由此可知,通过融合多个体动检测器件检测的体动参数实现体动状态的综合判决,不仅能够可靠检测大体动,而且还可以准确地检测到微体动。
基于上述分析,对于大体动类型,通过惯性传感器很容易实现判决,因此可以先通过惯性传感器采集的运动信号进行体动状态判决,在判决无体动的情况下,再通过肌电传感器采集的表面肌电信号进行体动状态判决,在判决无体动的情况下,进一步通过麦克风采集的声音信号进行体动状态判决,最终,如果通过三种体动检测器件均确定用户无体动时,确定佩戴用户处于静息状态。当然也可以采用其它判决顺序,如先肌电传感器,后惯性传感器,再麦克风的判决顺序。
本领域技术人员可以理解的是,除了上述的惯性传感器、肌电传感器、麦克风,还可以使用其它用于检测体动的体动检测器件,如脑电波传感器。
在一实施例中,针对依据惯性传感器在该信号帧对应的时间范围内采集的运动信号确定佩戴用户是否有体动的过程包括:获取第一低阈值和第一高阈值,第一低阈值是依据惯性传感器采集的佩戴用户处于静息状态的运动信号获得,第一高阈值是依据惯性传感器采集的佩戴用户处于体动状态的运动信号获得,第一低阈值小于第一高阈值,然后,依据采集的运动信号确定佩戴用户的活动量,若所述活动量小于第一低阈值,则判断该信号帧之前的m个信号帧中是否存在活动量大于第一高阈值的信号帧,若所述当前信号帧之前的m个信号帧中存在活动量大于第一高阈值的信号帧或者若所述活动量大于第一低阈值,则确定佩戴用户有体动。其中,m可根据经验相应调整。
其中,当前信号帧的活动量大于第一低阈值的判断条件考虑的是当前信号帧的局部特性,而当前信号帧之前的m个信号帧的判断条件考虑的是当前信号帧的前面m个信号帧的全局特性,通过这两个判断条件能够很好的考虑体动的局部特性和全局特性,使得判决结果更加有效、准确。
在一可能的实施方式中,第一低阈值和第一高阈值可以预先依据历史采集的数据获得,以便于后续使用。假设依据历史采集的静息状态下的大量运动信号,对所述运动信号进行分帧处理,获得运动量的平均值为ACT1,依据历史采集的体动状态下的大量运动信号,对所述运动信号进行分帧处理,获得运动量的平均值为ACT2,可以将ACT1+delta1作为第一低阈值Thre1,将ACT2–delta2作为第一高阈值Thre2。其中,delta1和delta2分别表示静息状态下的扰动值和体动状态下的扰动值,delta1和delta2可以采用决策树、SVM(SupportVector Machine,支持向量机)等机器学习的方法得到,当然也可以根据经验得到。
在一实施例中,对于惯性传感器采集的该信号帧对应的时间范围内的运动信号包括多个时刻的运动信号。基于此,针对依据采集的运动信号确定所述佩戴用户的活动量的过程,可以包括:通过将当前信号帧的每一时刻的运动信号与第前n个时刻的运动信号进行差分处理,得到每一时刻的差分值,然后将多个时刻的差分值的平均值作为佩戴用户的活动量,其中,n可根据经验相应调整。
在一可能的实施方式中,在惯性传感器为加速度传感器时,每一时刻的运动信号包括三个方向的加速度值。一种当前信号帧的活动量计算方式可以是:将当前帧中每一时刻的三个方向的加速度值与第前n个时刻的三个方向的加速度值进行差分处理,得到三个方向的差分值,然后确定每个方向的差分值的平均值,并从三个方向的平均值中选择最大平均值作为佩戴用户的活动量;另一种当前信号帧的活动量计算方式可以是:确定每一时刻的三个方向的加速度值的模值,然后将每一时刻的模值与第前n个时刻的模值进行差分处理,最后将多个时刻的差分值的平均值作为佩戴用户的活动量。
在另一可能的实施方式中,在惯性传感器为陀螺仪传感器时,每一时刻的运动信号包括三个方向的旋转角速度值。当前信号帧的活动量计算方式可以是:将每一时刻的三个方向的旋转角速度值与第前n个时刻的三个方向的旋转角速度值进行差分处理,得到三个方向的差分值,然后确定每个方向的差分值的平均值,并从三个方向的平均值中选择最大平均值作为佩戴用户的活动量。
需要说明的是,为了严格过滤信号帧,所以从三个方向的平均值中选择最大平均值作为佩戴用户的活动量。但本领域技术人员可以理解的是,还可以将三个方向的平均值的均值作为佩戴用户的活动量,或者从三个方向的平均值中选择最小平均值作为佩戴用户的活动量。
在一实施例中,对于当前信号帧对应的时间范围内包括多个时刻的表面肌电信号,基于此,针对依据肌电传感器在该信号帧对应的时间范围内采集的表面肌电信号确定佩戴用户是否有体动的过程包括:获取第二低阈值和第二高阈值,第二低阈值是依据肌电传感器采集的佩戴用户处于静息状态的表面肌电信号获得,第二高阈值是依据肌电传感器采集的佩戴用户处于体动状态的表面肌电信号获得,第二低阈值小于第二高阈值;然后确定该多个时刻的表面肌电信号中的最大表面肌电信号,以及该多个时刻的表面肌电信号的平均表面肌电信号,若最大表面肌电信号大于第二高阈值且平均表面肌电信号大于第二低阈值,则确定佩戴用户有体动。
其中,表面肌电信号是由人体中枢神经细胞连续传递神经冲动到神经末梢,引起肌肉纤维膜产生的动作电位连续形成的一个个动作电位序列在皮肤表面叠加而成的一种非平稳的微弱信号,能够反映相应骨骼肌的运动状态。如图2C所示的表面肌电信号,用户在静息状态下,表面肌电信号由一些微弱动作形成的微弱噪声构成,而在手掌、手指有较大动作时,表面肌电信号出现明显的波动。由此可知,利用表面肌电信号可以精准判断用户的体动情况,确保过滤后的人体生理信号均是佩戴用户在静息状态下的信号,并且利用第二低阈值和第二高阈值的判断条件可以避免一些异常干扰导致的误判。
示例性的,第二低阈值和第二高阈值也可以预先依据历史采集的数据获得,以便于后续使用,其获得原理与上述第一低阈值和第一高阈值的获得原理可以相同,在此不再详述。
示例性的,在进行体动判断前,可以先对肌电传感器采集的表面肌电信号进行滤波,以去除掉低频基线漂移以及50Hz工频干扰噪声,滤波可采用巴特沃斯滤波器。
在一实施例中,针对依据麦克风在该信号帧对应的时间范围内采集的皮肤与可穿戴设备之间的声音信号确定佩戴用户是否有体动的过程,由于声音信号表示的是设备与皮肤之间摩擦产生的噪声大小,表面肌电信号表示的是由于肌肉紧张产生的噪声大小,因此依据声音信号确定佩戴用户是否有体动的原理可以与依据表面肌电信号确定佩戴用户是否有体动原理相同,本申请不再详述。
步骤203:删除该信号帧。
步骤204:将该信号帧存储至预设缓存中。
基于上述步骤201所述的信号帧划分方式,对于采用的是重叠划分方式,在确定某一信号帧是在静息状态下采集的,并进行存储时,需要判断该信号帧的前一信号帧是否是在静息状态下采集的,如果否,则将该信号帧与前一信号帧之间重叠的信号删除,然后再存储该信号帧中剩余的信号到预设缓存中。
另外,对于非重叠划分方式,在确定某一信号帧是在静息状态下采集时,直接存储该某一信号帧,如果否,则直接删除该信号帧即可。
经过上述步骤201至步骤204的过程,预设缓存中存储的人体生理信号均是佩戴用户在静息状态下的生理信号,可以准确用于进行各种生理体征的分析检测,如心率、HRV、睡眠指数、房颤、血氧、血压、血糖等。
在本申请实施例中,在获取到可穿戴设备设有的生物传感器采集的人体生理信号时,将所述人体生理信号划分为多个信号帧,每个信号帧对应一个时间范围,然后针对每个信号帧,依据可穿戴设备设有的体动检测器件组在该信号帧对应的时间范围内采集的体动信号确定佩戴用户是否处于体动状态,若否,则将该信号帧存储至预设缓存中。
基于上述描述可知,通过利用体动检测器件组采集的体动信号感知体动,以对生物传感器采集的人体生理信号加以过滤,可以保证经过过滤后的人体生理信号均是佩戴用户在静息状态下的信号,提升了可穿戴设备进行医疗健康监测和诊断的稳定可靠性,降低了误警率。
图3为本申请根据一示例性实施例示出的一种可穿戴设备的硬件结构图,该可穿戴设备包括:通信接口301、处理器302、机器可读存储介质303和总线304;其中,通信接口301、处理器302和机器可读存储介质303通过总线304完成相互间的通信。处理器302通过读取并执行机器可读存储介质303中与信号处理方法的控制逻辑对应的机器可执行指令,可执行上文描述的信号处理方法,该方法的具体内容参见上述实施例,此处不再累述。
本申请中提到的机器可读存储介质303可以是任何电子、磁性、光学或其它物理存储装置,可以包含或存储信息,如可执行指令、数据,等等。例如,机器可读存储介质可以是:易失存储器、非易失性存储器或者类似的存储介质。具体地,机器可读存储介质303可以是RAM(Radom Access Memory,随机存取存储器)、闪存、存储驱动器(如硬盘驱动器)、任何类型的存储盘(如光盘、DVD等),或者类似的存储介质,或者它们的组合。
图4为本申请根据一示例性实施例示出的一种信号处理装置的实施例结构图,所述信号处理装置可以应用于可穿戴设备,所述可穿戴设备设置有生物传感器和体动检测器件组,所述信号处理装置包括:
获取模块410,用于获取所述生物传感器采集的人体生理信号,将所述人体生理信号划分多个信号帧,每个信号帧对应一个时间范围,以及获取所述体动检测器件组采集的体动信号;
判断模块420,用于针对每个信号帧,依据所述体动检测器件组在该信号帧对应的时间范围内采集的体动信号确定佩戴用户是否处于体动状态;
存储模块430,用于在判断为否时,将该信号帧存储至预设缓存中。
在一可选实现方式中,所述体动检测器件组包括惯性传感器、肌电传感器以及麦克风;
所述判断模块420,具体用于依据所述惯性传感器在该信号帧对应的时间范围内采集的运动信号确定佩戴用户是否有体动;若确定无体动,则依据所述肌电传感器在该信号帧对应的时间范围内采集的表面肌电信号确定佩戴用户是否有体动;若确定无体动,则依据所述麦克风在该信号帧对应的时间范围内采集的皮肤与可穿戴设备之间的声音信号确定佩戴用户是否有体动;若依据任一体动检测器件采集的体动信号确定佩戴用户有体动,则确定所述佩戴用户处于体动状态。
在一可选实现方式中,所述判断模块420,具体用于在依据所述惯性传感器在该信号帧对应的时间范围内采集的运动信号确定佩戴用户是否有体动过程中,获取第一低阈值和第一高阈值,所述第一低阈值是依据所述惯性传感器采集的佩戴用户处于静息状态的运动信号获得,所述第一高阈值是依据所述惯性传感器采集的佩戴用户处于体动状态的运动信号获得,所述第一低阈值小于所述第一高阈值;依据采集的运动信号确定所述佩戴用户的活动量;若所述活动量小于所述第一低阈值,则判断该信号帧之前的m个信号帧中是否存在活动量大于所述第一高阈值的信号帧;若存在活动量大于所述第一高阈值的信号帧或者若所述活动量大于所述第一低阈值,则确定所述佩戴用户有体动。
在一可选实现方式中,该信号帧对应的时间范围内包括多个时刻的运动信号;
所述判断模块420,具体用于在依据采集的运动信号确定所述佩戴用户的活动量过程中,将每一时刻的运动信号与第前n个时刻的运动信号进行差分处理,得到每一时刻的差分值;将所述多个时刻的差分值的平均值作为所述佩戴用户的活动量。
在一可选实现方式中,该信号帧对应的时间范围内包括多个时刻的表面肌电信号;
所述判断模块420,具体用于在依据所述肌电传感器在该信号帧对应的时间范围内采集的表面肌电信号确定佩戴用户是否有体动过程中,获取第二低阈值和第二高阈值,所述第二低阈值是依据所述肌电传感器采集的佩戴用户处于静息状态的表面肌电信号获得,所述第二高阈值是依据所述肌电传感器采集的佩戴用户处于体动状态的表面肌电信号获得,所述第二低阈值小于所述第二高阈值;确定所述多个时刻的表面肌电信号中的最大表面肌电信号,以及所述多个时刻的表面肌电信号的平均表面肌电信号;若所述最大表面肌电信号大于第二高阈值且所述平均表面肌电信号大于第二低阈值,则确定所述佩戴用户有体动。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本申请的真正范围和精神由下面的权利要求指出。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的较佳实施例而已,并不用以限制本申请,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请保护的范围之内。
Claims (11)
1.一种信号处理方法,所述方法应用于可穿戴设备,其特征在于,所述可穿戴设备设置有生物传感器和体动检测器件组,所述方法包括:
获取所述生物传感器采集的人体生理信号,将所述人体生理信号划分多个信号帧,每个信号帧对应一个时间范围;
针对每个信号帧,依据所述体动检测器件组在该信号帧对应的时间范围内采集的体动信号确定佩戴用户是否处于体动状态;
若否,则将该信号帧存储至预设缓存中。
2.根据权利要求1所述的方法,其特征在于,所述体动检测器件组包括惯性传感器、肌电传感器以及麦克风;
依据所述体动检测器件组在该信号帧对应的时间范围内采集的体动信号确定佩戴用户是否处于体动状态,包括:
依据所述惯性传感器在该信号帧对应的时间范围内采集的运动信号确定佩戴用户是否有体动;
若确定无体动,则依据所述肌电传感器在该信号帧对应的时间范围内采集的表面肌电信号确定佩戴用户是否有体动;
若确定无体动,则依据所述麦克风在该信号帧对应的时间范围内采集的皮肤与可穿戴设备之间的声音信号确定佩戴用户是否有体动;
若依据任一体动检测器件采集的体动信号确定佩戴用户有体动,则确定所述佩戴用户处于体动状态。
3.根据权利要求2所述的方法,其特征在于,依据所述惯性传感器在该信号帧对应的时间范围内采集的运动信号确定佩戴用户是否有体动,包括:
获取第一低阈值和第一高阈值,所述第一低阈值是依据所述惯性传感器采集的佩戴用户处于静息状态的运动信号获得,所述第一高阈值是依据所述惯性传感器采集的佩戴用户处于体动状态的运动信号获得,所述第一低阈值小于所述第一高阈值;
依据采集的运动信号确定所述佩戴用户的活动量;
若所述活动量小于所述第一低阈值,则判断该信号帧之前的m个信号帧中是否存在活动量大于所述第一高阈值的信号帧;
若存在活动量大于所述第一高阈值的信号帧或者若所述活动量大于所述第一低阈值,则确定所述佩戴用户有体动。
4.根据权利要求3所述的方法,其特征在于,该信号帧对应的时间范围内包括多个时刻的运动信号;
依据采集的运动信号确定所述佩戴用户的活动量,包括:
将每一时刻的运动信号与第前n个时刻的运动信号进行差分处理,得到每一时刻的差分值;
将所述多个时刻的差分值的平均值作为所述佩戴用户的活动量。
5.根据权利要求2所述的方法,其特征在于,该信号帧对应的时间范围内包括多个时刻的表面肌电信号;
依据所述肌电传感器在该信号帧对应的时间范围内采集的表面肌电信号确定佩戴用户是否有体动,包括:
获取第二低阈值和第二高阈值,所述第二低阈值是依据所述肌电传感器采集的佩戴用户处于静息状态的表面肌电信号获得,所述第二高阈值是依据所述肌电传感器采集的佩戴用户处于体动状态的表面肌电信号获得,所述第二低阈值小于所述第二高阈值;
确定所述多个时刻的表面肌电信号中的最大表面肌电信号,以及所述多个时刻的表面肌电信号的平均表面肌电信号;
若所述最大表面肌电信号大于第二高阈值且所述平均表面肌电信号大于第二低阈值,则确定所述佩戴用户有体动。
6.一种信号处理装置,所述装置应用于可穿戴设备,其特征在于,所述可穿戴设备设置有生物传感器和体动检测器件组,所述装置包括:
获取模块,用于获取所述生物传感器采集的人体生理信号,将所述人体生理信号划分多个信号帧,每个信号帧对应一个时间范围,以及获取所述体动检测器件组采集的体动信号;
判断模块,用于针对每个信号帧,依据所述体动检测器件组在该信号帧对应的时间范围内采集的体动信号确定佩戴用户是否处于体动状态;
存储模块,用于在判断为否时,将该信号帧存储至预设缓存中。
7.根据权利要求6所述的装置,其特征在于,所述体动检测器件组包括惯性传感器、肌电传感器以及麦克风;
所述判断模块,具体用于依据所述惯性传感器在该信号帧对应的时间范围内采集的运动信号确定佩戴用户是否有体动;若确定无体动,则依据所述肌电传感器在该信号帧对应的时间范围内采集的表面肌电信号确定佩戴用户是否有体动;若确定无体动,则依据所述麦克风在该信号帧对应的时间范围内采集的皮肤与可穿戴设备之间的声音信号确定佩戴用户是否有体动;若依据任一体动检测器件采集的体动信号确定佩戴用户有体动,则确定所述佩戴用户处于体动状态。
8.根据权利要求7所述的装置,其特征在于,所述判断模块,具体用于在依据所述惯性传感器在该信号帧对应的时间范围内采集的运动信号确定佩戴用户是否有体动过程中,获取第一低阈值和第一高阈值,所述第一低阈值是依据所述惯性传感器采集的佩戴用户处于静息状态的运动信号获得,所述第一高阈值是依据所述惯性传感器采集的佩戴用户处于体动状态的运动信号获得,所述第一低阈值小于所述第一高阈值;依据采集的运动信号确定所述佩戴用户的活动量;若所述活动量小于所述第一低阈值,则判断该信号帧之前的m个信号帧中是否存在活动量大于所述第一高阈值的信号帧;若存在活动量大于所述第一高阈值的信号帧或者若所述活动量大于所述第一低阈值,则确定所述佩戴用户有体动。
9.根据权利要求8所述的装置,其特征在于,该信号帧对应的时间范围内包括多个时刻的运动信号;
所述判断模块,具体用于在依据采集的运动信号确定所述佩戴用户的活动量过程中,将每一时刻的运动信号与第前n个时刻的运动信号进行差分处理,得到每一时刻的差分值;将所述多个时刻的差分值的平均值作为所述佩戴用户的活动量。
10.根据权利要求7所述的装置,其特征在于,该信号帧对应的时间范围内包括多个时刻的表面肌电信号;
所述判断模块,具体用于在依据所述肌电传感器在该信号帧对应的时间范围内采集的表面肌电信号确定佩戴用户是否有体动过程中,获取第二低阈值和第二高阈值,所述第二低阈值是依据所述肌电传感器采集的佩戴用户处于静息状态的表面肌电信号获得,所述第二高阈值是依据所述肌电传感器采集的佩戴用户处于体动状态的表面肌电信号获得,所述第二低阈值小于所述第二高阈值;确定所述多个时刻的表面肌电信号中的最大表面肌电信号,以及所述多个时刻的表面肌电信号的平均表面肌电信号;若所述最大表面肌电信号大于第二高阈值且所述平均表面肌电信号大于第二低阈值,则确定所述佩戴用户有体动。
11.一种可穿戴设备,其特征在于,所述设备包括可读存储介质和处理器;
其中,所述可读存储介质,用于存储机器可执行指令;
所述处理器,用于读取所述可读存储介质上的所述机器可执行指令,并执行所述指令以实现权利要求1-5任一所述方法的步骤。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910211438.7A CN111714101B (zh) | 2019-03-20 | 2019-03-20 | 信号处理方法及装置 |
PCT/CN2020/080018 WO2020187266A1 (zh) | 2019-03-20 | 2020-03-18 | 可穿戴设备、信号处理方法及装置 |
EP20728375.5A EP3733057A4 (en) | 2019-03-20 | 2020-03-18 | WEARABLE DEVICE, SIGNAL PROCESSING METHOD AND ASSOCIATED DEVICE |
KR1020207022442A KR102438100B1 (ko) | 2019-03-20 | 2020-03-18 | 착용 가능한 기기, 신호 처리 방법 및 장치 |
US16/770,789 US20210106257A1 (en) | 2019-03-20 | 2020-03-18 | Wearable device, signal processing method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910211438.7A CN111714101B (zh) | 2019-03-20 | 2019-03-20 | 信号处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111714101A true CN111714101A (zh) | 2020-09-29 |
CN111714101B CN111714101B (zh) | 2021-09-24 |
Family
ID=72519557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910211438.7A Active CN111714101B (zh) | 2019-03-20 | 2019-03-20 | 信号处理方法及装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20210106257A1 (zh) |
EP (1) | EP3733057A4 (zh) |
KR (1) | KR102438100B1 (zh) |
CN (1) | CN111714101B (zh) |
WO (1) | WO2020187266A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2608172B (en) * | 2021-06-25 | 2024-01-10 | Prevayl Innovations Ltd | A controller, electronics module, system and method |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100145171A1 (en) * | 2008-12-05 | 2010-06-10 | Electronics And Telecommunications Research Institute | Apparatus for measuring motion noise robust pulse wave and method thereof |
CN104634345A (zh) * | 2015-01-28 | 2015-05-20 | 华侨大学 | 一种自适应步长的室内轨迹追踪方法 |
CN105411594A (zh) * | 2015-11-02 | 2016-03-23 | 广州阿路比电子科技有限公司 | 一种用于采集人体运动信号的新型传感器 |
CN107205640A (zh) * | 2014-12-23 | 2017-09-26 | 日东电工株式会社 | 用于去除生理测量结果中的伪像的设备和方法 |
CN107212858A (zh) * | 2017-05-19 | 2017-09-29 | 北京麦迪克斯科技有限公司 | 基于运动状态的生理信息采集装置及方法 |
CN108158578A (zh) * | 2017-12-14 | 2018-06-15 | 北京顺源开华科技有限公司 | 噪声片段识别方法、ecg信号处理方法及装置 |
CN108354604A (zh) * | 2018-02-23 | 2018-08-03 | 上海优加利健康管理有限公司 | 一种心电监护设备 |
CN109157200A (zh) * | 2018-10-31 | 2019-01-08 | 安徽华米信息科技有限公司 | 噪声检测方法及装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105792733B (zh) * | 2013-11-28 | 2020-08-07 | 皇家飞利浦有限公司 | 睡眠监测装置 |
JP6737711B2 (ja) * | 2014-06-12 | 2020-08-12 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 安静時心拍数モニタシステム |
CN105708440A (zh) * | 2016-03-31 | 2016-06-29 | 深圳还是威健康科技有限公司 | 一种静息心率测量方法和终端 |
EP3451913A1 (en) * | 2016-05-04 | 2019-03-13 | Koninklijke Philips N.V. | Assessing system and method for characterizing resting heart rate of a subject |
CN106343979B (zh) * | 2016-10-14 | 2019-07-19 | 广东乐心医疗电子股份有限公司 | 一种静息心率测量方法与装置及包括该装置的可穿戴设备 |
US10743777B2 (en) * | 2016-12-08 | 2020-08-18 | Qualcomm Incorporated | Cardiovascular parameter estimation in the presence of motion |
US10524735B2 (en) * | 2017-03-28 | 2020-01-07 | Apple Inc. | Detecting conditions using heart rate sensors |
CN108992047A (zh) * | 2018-07-18 | 2018-12-14 | 上海斐讯数据通信技术有限公司 | 一种静息心率的检测方法和终端 |
-
2019
- 2019-03-20 CN CN201910211438.7A patent/CN111714101B/zh active Active
-
2020
- 2020-03-18 WO PCT/CN2020/080018 patent/WO2020187266A1/zh unknown
- 2020-03-18 KR KR1020207022442A patent/KR102438100B1/ko active IP Right Grant
- 2020-03-18 US US16/770,789 patent/US20210106257A1/en not_active Abandoned
- 2020-03-18 EP EP20728375.5A patent/EP3733057A4/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100145171A1 (en) * | 2008-12-05 | 2010-06-10 | Electronics And Telecommunications Research Institute | Apparatus for measuring motion noise robust pulse wave and method thereof |
CN107205640A (zh) * | 2014-12-23 | 2017-09-26 | 日东电工株式会社 | 用于去除生理测量结果中的伪像的设备和方法 |
CN104634345A (zh) * | 2015-01-28 | 2015-05-20 | 华侨大学 | 一种自适应步长的室内轨迹追踪方法 |
CN105411594A (zh) * | 2015-11-02 | 2016-03-23 | 广州阿路比电子科技有限公司 | 一种用于采集人体运动信号的新型传感器 |
CN107212858A (zh) * | 2017-05-19 | 2017-09-29 | 北京麦迪克斯科技有限公司 | 基于运动状态的生理信息采集装置及方法 |
CN108158578A (zh) * | 2017-12-14 | 2018-06-15 | 北京顺源开华科技有限公司 | 噪声片段识别方法、ecg信号处理方法及装置 |
CN108354604A (zh) * | 2018-02-23 | 2018-08-03 | 上海优加利健康管理有限公司 | 一种心电监护设备 |
CN109157200A (zh) * | 2018-10-31 | 2019-01-08 | 安徽华米信息科技有限公司 | 噪声检测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2020187266A1 (zh) | 2020-09-24 |
KR102438100B1 (ko) | 2022-08-30 |
EP3733057A4 (en) | 2021-07-07 |
US20210106257A1 (en) | 2021-04-15 |
KR20200113215A (ko) | 2020-10-06 |
CN111714101B (zh) | 2021-09-24 |
EP3733057A1 (en) | 2020-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4685014B2 (ja) | 信号アーチファクトを検出するシステム及び方法 | |
EP3369375A1 (en) | Method and apparatus for identifying state of motion of human body | |
US20070129639A1 (en) | Methods and analysis for cardiac ischemia detection | |
Sharma et al. | EEG signal analysis and detection of stress using classification techniques | |
KR101205908B1 (ko) | 보행과 심전도 모니터링을 통한 초기인지장애와 치매 평가 시스템 및 그 방법 | |
JP6692498B2 (ja) | ユーザの心臓活動を監視する方法及びシステム | |
EP2877082B1 (en) | System for detecting seizure and non-seizure states | |
WO2010067297A1 (en) | Method and apparatus for the analysis of ballistocardiogram signals | |
JPWO2019216378A1 (ja) | 演算装置、検知装置、演算方法、及び、コンピュータプログラム | |
CN111714101B (zh) | 信号处理方法及装置 | |
Newman et al. | Automatic nystagmus detection and quantification in long-term continuous eye-movement data | |
CN105520726B (zh) | 心跳检测模组及其检测、去噪方法 | |
Bashar et al. | Smartwatch based atrial fibrillation detection from photoplethysmography signals | |
US20210169378A1 (en) | Method for processing an accelerometric signal | |
De Giovanni et al. | Ultra-low power estimation of heart rate under physical activity using a wearable photoplethysmographic system | |
Salarian et al. | An ambulatory system to quantify bradykinesia and tremor in Parkinson's disease | |
CN112244872B (zh) | 脑电图信号伪差识别、去除、评估方法、装置及电子设备 | |
KR20160008368A (ko) | 재귀 추정을 이용한 생체 신호 처리 방법 및 그 장치 | |
KR102577049B1 (ko) | 비침습 방식 심전도 모니터링 장치 및 방법 | |
KR101556063B1 (ko) | 심전도 모니터링을 이용한 부정맥 검출 방법 및 장치 | |
KR102402329B1 (ko) | 비침습 방식 심전도 모니터링 장치 및 방법 | |
EP3884863A1 (en) | Method and system for tremor assessment using photoplethysmography (ppg) | |
US20170143222A1 (en) | System and method for providing a gradient atrial fibrillation graph | |
KR102053329B1 (ko) | 생체 및 운동 신호 기반의 스트레스 분석 방법 | |
Ong et al. | BrainSmart: Ambient Assisted Living System Smartphone App Prototype for Parkinson's Disease Patients |
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 |