CN112043258A - 动态心率预测方法、装置、设备及可读存储介质 - Google Patents

动态心率预测方法、装置、设备及可读存储介质 Download PDF

Info

Publication number
CN112043258A
CN112043258A CN202011070826.7A CN202011070826A CN112043258A CN 112043258 A CN112043258 A CN 112043258A CN 202011070826 A CN202011070826 A CN 202011070826A CN 112043258 A CN112043258 A CN 112043258A
Authority
CN
China
Prior art keywords
heart rate
value
predicted
rate prediction
dynamic heart
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.)
Pending
Application number
CN202011070826.7A
Other languages
English (en)
Inventor
王德信
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.)
Qingdao Goertek Intelligent Sensor Co Ltd
Original Assignee
Qingdao Goertek Intelligent Sensor Co Ltd
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 Qingdao Goertek Intelligent Sensor Co Ltd filed Critical Qingdao Goertek Intelligent Sensor Co Ltd
Priority to CN202011070826.7A priority Critical patent/CN112043258A/zh
Publication of CN112043258A publication Critical patent/CN112043258A/zh
Priority to PCT/CN2021/118488 priority patent/WO2022068589A1/zh
Pending legal-status Critical Current

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
    • A61B5/02—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
    • 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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明公开了一种动态心率预测方法、装置、设备及可读存储介质，所述方法包括：基于信号质量指数确定待预测心电信号的参考参数和测量参数；基于上一时刻的参考参数的参考值获得当前时刻的预测值；基于所述预测值和所述当前时刻的测量参数的观测值进行卡尔曼滤波，获得当前时刻的动态心率预测结果。由此，根据信号质量指数确定参考参数和测量参数，然后通过卡尔曼滤波获得动态心率预测结果，提高了心率获取的准确性。

Description

动态心率预测方法、装置、设备及可读存储介质
技术领域
本发明涉及生理信号监测领域，尤其涉及一种动态心率预测方法、装置、设备及可读存储介质。
背景技术
当前，有各种各样的可穿戴设备可以监测心率，但是当前的可穿戴设备信号强度弱、抗干扰性差、信号不稳定，而脉搏波传感器通常灵敏度很高。这使得在方便采集脉搏信号的同时也极易引入干扰噪声，因此难以根据获取到的脉搏信号获得佩戴者的准确心率。
发明内容
本发明提供一种动态心率预测方法、装置、设备及可读存储介质，旨在提高心率获取的准确性。
一种动态心率预测方法，该方法包括：
基于信号质量指数确定待预测心电信号的参考参数和测量参数；
基于上一时刻的参考参数的参考值获得当前时刻的预测值；
基于所述预测值和所述当前时刻的测量参数的观测值进行卡尔曼滤波，获得当前时刻的动态心率预测结果。
可选的，所述基于所述信号质量指数从所述待预测心电信号中确定参考值和测量值，包括：
将所述信号质量指数与预设值进行比较；
所述信号质量指数大于或等于所述预设值，将基于所述待预测心电信号中的波峰或波谷特征点计算的主波心率值作为测量值，将基于所述待预测心电信号中主波最大斜率点或脉搏波过零点计算的主波心率值作为参考值；
所述信号质量指数小于所述预设值，将基于所述待预测心电信号中主波最大斜率点或脉搏波过零点计算的主波心率值作为测量值，基于所述待预测心电信号中波峰或波谷特征点计算的主波心率值作为参考值。
可选的，所述基于上一时刻的参考参数的参考值获得当前时刻的预测值，包括：
将所述上一时刻的参考参数的参考值代入离散控制系统的状态方程中，获得当前时刻的预测值。
可选的，所述基于所述预测值和当前时刻的测量参数进行卡尔曼滤波，获得当前时刻的动态心率预测结果，之前还包括:
根据系统转移理论确定协方差计算公式，基于所述协方差计算公式确定当前时刻的协方差和前一时刻的协方差；
基于所述当前时刻的协方差、所述前一时刻的协方差、观测矩阵确定卡尔曼增益。
可选的，所述基于所述预测值和当前时刻的测量参数进行卡尔曼滤波，获得当前时刻的动态心率预测结果，包括：
将所述预测值、所述当前时刻的测量参数以及所述卡尔曼增益输入修正方程，获得当前时刻的动态心率预测结果。
可选的，所述基于所述当前时刻的协方差、所述前一时刻的协方差、观测矩阵确定卡尔曼增益，之后还包括：
若所述卡尔曼增益收敛于所述观测值，则更新所述协方差。
可选的，所述基于信号质量指数确定待预测心电信号的参考参数和测量参数，之前还包括：
将待预测心电信号输入信号质量评估系统，由所述质量评估系统输出信号质量指数。
此外，为实现上述目的，本发明还提供一种动态心率预测装置，所述装置包括：
确定模块，用于基于信号质量指数确定待预测心电信号的参考参数和测量参数；
获得模块，用于基于上一时刻的参考参数的参考值获得当前时刻的预测值；
滤波模块，用于基于所述预测值和所述当前时刻的测量参数的观测值进行卡尔曼滤波，获得当前时刻的动态心率预测结果。
此外，为实现上述目的，本发明还提供一种动态心率预测设备，所述动态心率预测设备包括处理器，存储器以及存储在所述存储器中的动态心率预测程序，所述动态心率预测程序被所述处理器运行时，实现如上所述的动态心率预测方法的步骤。
此外，为实现上述目的，本发明还提供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动态心率预测程序，所述动态心率预测程序被处理器运行时实现如上所述动态心率预测方法的步骤。
相比现有技术，本发明公开了一种动态心率预测方法、装置、设备及可读存储介质，所述方法包括：基于信号质量指数确定待预测心电信号的参考参数和测量参数；基于上一时刻的参考参数的参考值获得当前时刻的预测值；基于所述预测值和所述当前时刻的测量参数的观测值进行卡尔曼滤波，获得当前时刻的动态心率预测结果。由此，根据信号质量指数确定参考参数和测量参数，然后通过卡尔曼滤波获得动态心率预测结果，提高了心率获取的准确性。
附图说明
图1是本发明各实施例涉及的动态心率预测设备的硬件结构示意图；
图2是本发明动态心率预测方法第一实施例的流程示意图；
图3是本发明动态心率预测装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明实施例主要涉及的动态心率预测设备是指能够实现网络连接的网络连接设备，所述动态心率预测设备可以是运动手环、电话手表等可穿戴设备。
参照图1，图1是本发明各实施例涉及的动态心率预测设备的硬件结构示意图。本发明实施例中，动态心率预测设备可以包括处理器1001(例如中央处理器CentralProcessing Unit、CPU)，通信总线1002，输入端口1003，输出端口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信；输入端口1003用于数据输入；输出端口1004用于数据输出，存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器，存储器1005可选的还可以是独立于前述处理器1001的存储装置。本领域技术人员可以理解，图1中示出的硬件结构并不构成对本发明的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
参照图2，图2是本发明动态心率预测方法第一实施例的流程示意图。如图2所示，所述动态心率预测方法，包括：
步骤S101：基于信号质量指数确定待预测心电信号的参考参数和测量参数；
本实施例中，将待预测心电信号输入信号质量评估系统，由所述质量评估系统输出信号质量指数。心电信号的信号质量评估系统综合了若干个分析算法，通过对若干个算法的综合得出了评价信号的综合质量指数是一个介于0和1的数值，取值越大表明信号质量越好。其中，所述若干个算法至少可以包括：基于心电信号特征参数稳定性的质量评估、基于信号峰度分析的质量评估和基于信号功率谱分布的质量评估。
卡尔曼滤波可以提供对随机信号的最佳估计，适用于对心率、血压等心血管信号的估计。本实施例中，先将测试的心率信号传递给信号质量检测装置，信号质量检测装置可以测量信号质量指数，信号质量指数可以实时地表征心电信号的质量，从而作为卡尔曼滤波器残差调节的依据。
具体地，所述基于所述信号质量指数从所述待预测心电信号中确定参考值和测量值，包括：
将所述信号质量指数与预设值进行比较；其中，所述预设值可以根据经验设置，例如设置为0.5、0.6、0.7等。
所述信号质量指数大于或等于所述预设值，将基于所述待预测心电信号中的波峰或波谷特征点计算的主波心率值作为测量值，将基于所述待预测心电信号中主波最大斜率点或脉搏波过零点计算的主波心率值作为参考值；
所述信号质量指数小于所述预设值，将基于所述待预测心电信号中主波最大斜率点或脉搏波过零点计算的主波心率值作为测量值，基于所述待预测心电信号中波峰或波谷特征点计算的主波心率值作为参考值。
在其他实施例中，还可以在各种心率检测方法中任意选择其中一种信号作为测量信号，其他方法得出的心率值作为参考信号输入卡尔曼滤波器，根据残差值实时调整交替选择以实现心率的精准估计。
步骤S102：基于上一时刻的参考参数的参考值获得当前时刻的预测值；
卡尔曼滤波是最优化自回归数据处理算法，核心思想就是融合预测值和测量值两种输入在线性无偏差最小方差估计准则下以最优的方式来估计物体当前的状态。卡尔滤波可以估计信号的过去和当前状态，甚至能预测将来的状态。
步骤S103：基于所述预测值和所述当前时刻的测量参数的观测值进行卡尔曼滤波，获得当前时刻的动态心率预测结果。
卡尔曼滤波器巧妙地用独立高斯分布的乘积降测量值和估计值进行融合，卡尔曼增益Kg为预测值方差占总方差的比重。对于线性时变系统，通常采用卡尔曼增益来修正状态估计值，具体推导过程如下：
首先，引入一个离散控制系统，将所述离散控制系统的状态方程为：
X(k+1)＝A(k)*X(k)+B(k)*u(k)+w(k) 1)
式1)中，X(k)为所述离散控制系统处于k时刻的n维状态向量，u(k)作为离散控制系统在k时刻的控制输入向量，A(k)为离散控制系统的状态转移矩阵，B(k)为离散控制系统的输入控制矩阵，w(k)为过程噪声；
Y(k)＝C(k)*X(k)+D(k)+v(k) 2)
式2)中，Y(k)为离散控制系统在k时刻的观察向量，C(k)为所述离散控制系统的观测矩阵，D(k)为外部输入，v(k)为观测噪声；如此，将所述上一时刻的参考参数的参考值代入所述离散控制系统的状态方程中，即可获得当前时刻的预测值。
本实施例中，将当前时刻表示为K时刻，将当前时刻的上一时刻表示为K-1时刻，根据离散控制系统的状态空间表达式，离散控制系统从上一时刻k-1转移到k时刻的状态可由k-1时刻预测：
X'(k|k-1)＝A(k)*X'(k-1)+B(k)*u(k-1)+w(k-1) 3)
式3)中，X'(k|k-1)是离散控制系统处于上一时刻状态预测的估计值，X'(k-1)是k-1时刻离散控制系统的状态值，u(k-1)为k-1时刻离散控制系统的输入量，w(k-1)是过程噪声。
所述基于所述预测值和当前时刻的测量参数进行卡尔曼滤波，获得当前时刻的动态心率预测结果，之前还包括:
根据系统转移理论确定协方差计算公式，基于所述协方差计算公式确定当前时刻的协方差和前一时刻的协方差；
基于所述当前时刻的协方差、所述前一时刻的协方差、观测矩阵确定卡尔曼增益。
如果用P’(k|k-1)表示X'(k-1)的协方差，依据系统理论可以将更新后的协方差计算公式表示为：
P'(k|k-1)＝A(k)*P'(k-1)*AT(k)+Q(k-1) 4)
式4)中，P'(k|k-1)是X'(k|k-1)对应的协方差，P'(k-1)是与X'(k-1)对应的协方差，是k-1时刻离散控制系统过程的协方差，公式3)和4)即为卡尔曼滤波器对离散控制系统的状态预测和协方差更新。
利用卡尔曼增益对k时刻离散控制系统状态的估计值X'(k|k-1)进行修正，修正方程如下：
X'(k)＝X'(k|k-1)+Kg*(Y(k)-C(k)*X'(k|k-1)) 5)
将所述预测值、所述当前时刻的测量参数以及所述卡尔曼增益输入修正方程，获得当前时刻的动态心率预测结果。
其中，卡尔曼增益Kg可以表示为：
Kg＝P'(k|k-1)*CT(k)*(C(k)*P'(k|k-1)*CT(k)+R(k))-1 6)
经过以上推导，便可输出k时刻最优估计值X'(k|k-1)。
此外，若所述卡尔曼增益收敛于所述观测值，则更新所述协方差。
为了使算法不断地循环和迭代下去，收敛于观测值则需要对k时刻时所述离散控制系统的协方差也进行更新：
P(k)＝(I-Kg*C(k))*P'(k|k-1) 7)
其中I为单位矩阵，当离散控制系统由k-1时刻转移到k时刻，P即为公式4)中的P'(k|k-1)；基于此转移算法过程，卡尔曼滤波器就可以从最初状态到最后时刻状态自回归地进行下去。
本实施例通过上述方案，基于信号质量指数确定待预测心电信号的参考参数和测量参数；基于上一时刻的参考参数的参考值获得当前时刻的预测值；基于所述预测值和所述当前时刻的测量参数的观测值进行卡尔曼滤波，获得当前时刻的动态心率预测结果。由此，根据信号质量指数确定参考参数和测量参数，然后通过卡尔曼滤波获得动态心率预测结果，提高了心率获取的准确性。
此外，本发明实施例还提供一种动态心率预测装置，具体地，参照图3，图3是本发明行为动态心率预测装置第一实施例的功能模块示意图，所述装置为虚拟装置，包括：
确定模块10，用于基于信号质量指数确定待预测心电信号的参考参数和测量参数；
获得模块20，用于基于上一时刻的参考参数的参考值获得当前时刻的预测值；
滤波模块30，用于基于所述预测值和所述当前时刻的测量参数的观测值进行卡尔曼滤波，获得当前时刻的动态心率预测结果。
进一步地，所述确定模块还用于：
将所述信号质量指数与预设值进行比较；
所述信号质量指数大于或等于所述预设值，将基于所述待预测心电信号中的波峰或波谷特征点计算的主波心率值作为测量值，将基于所述待预测心电信号中主波最大斜率点或脉搏波过零点计算的主波心率值作为参考值；
所述信号质量指数小于所述预设值，将基于所述待预测心电信号中主波最大斜率点或脉搏波过零点计算的主波心率值作为测量值，基于所述待预测心电信号中波峰或波谷特征点计算的主波心率值作为参考值。
进一步地，所述获得模块还用于：
将所述上一时刻的参考参数的参考值代入离散控制系统的状态方程中，获得当前时刻的预测值。
进一步地，所述预测模块还用于：
根据系统转移理论确定协方差计算公式，基于所述协方差计算公式确定当前时刻的协方差和前一时刻的协方差；
基于所述当前时刻的协方差、所述前一时刻的协方差、观测矩阵确定卡尔曼增益。
进一步地，所述预测模块还用于：
将所述预测值、所述当前时刻的测量参数以及所述卡尔曼增益输入修正方程，获得当前时刻的动态心率预测结果。
进一步地，所述预测模块还用于：
若所述卡尔曼增益收敛于所述观测值，则更新所述协方差。
进一步地，所述确定模块还用于：
将待预测心电信号输入信号质量评估系统，由所述质量评估系统输出信号质量指数。
此外，本发明实施例还提供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动态心率预测程序，所述动态心率预测程序被处理器运行时实现如上所述动态心率预测方法的步骤。
相比现有技术，本发明提出的一种动态心率预测方法、装置、设备及可读存储介质，所述方法包括：基于信号质量指数确定待预测心电信号的参考参数和测量参数；基于上一时刻的参考参数的参考值获得当前时刻的预测值；基于所述预测值和所述当前时刻的测量参数的观测值进行卡尔曼滤波，获得当前时刻的动态心率预测结果。由此，根据信号质量指数确定参考参数和测量参数，然后通过卡尔曼滤波获得动态心率预测结果，提高了心率获取的准确性。
需要说明的是，在本文中，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、物品或者离散控制系统不仅包括那些要素，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、物品或者离散控制系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者离散控制系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个可读存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备执行本发明各个实施例所述的方法。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种动态心率预测方法，其特征在于，该方法包括：
基于信号质量指数确定待预测心电信号的参考参数和测量参数；
基于上一时刻的参考参数的参考值获得当前时刻的预测值；
基于所述预测值和所述当前时刻的测量参数的观测值进行卡尔曼滤波，获得当前时刻的动态心率预测结果。
2.根据权利要求1所述的方法，其特征在于，所述基于所述信号质量指数从所述待预测心电信号中确定参考值和测量值，包括：
将所述信号质量指数与预设值进行比较；
所述信号质量指数大于或等于所述预设值，将基于所述待预测心电信号中的波峰或波谷特征点计算的主波心率值作为测量值，将基于所述待预测心电信号中主波最大斜率点或脉搏波过零点计算的主波心率值作为参考值；
所述信号质量指数小于所述预设值，将基于所述待预测心电信号中主波最大斜率点或脉搏波过零点计算的主波心率值作为测量值，基于所述待预测心电信号中波峰或波谷特征点计算的主波心率值作为参考值。
3.根据权利要求1所述的方法，其特征在于，所述基于上一时刻的参考参数的参考值获得当前时刻的预测值，包括：
将所述上一时刻的参考参数的参考值代入离散控制系统的状态方程中，获得当前时刻的预测值。
4.根据权利要求1所述的方法，其特征在于，所述基于所述预测值和当前时刻的测量参数进行卡尔曼滤波，获得当前时刻的动态心率预测结果，之前还包括:
根据系统转移理论确定协方差计算公式，基于所述协方差计算公式确定当前时刻的协方差和前一时刻的协方差；
基于所述当前时刻的协方差、所述前一时刻的协方差、观测矩阵确定卡尔曼增益。
5.根据权利要求4所述的方法，其特征在于，所述基于所述预测值和当前时刻的测量参数进行卡尔曼滤波，获得当前时刻的动态心率预测结果，包括：
将所述预测值、所述当前时刻的测量参数以及所述卡尔曼增益输入修正方程，获得当前时刻的动态心率预测结果。
6.根据权利要求4所述的方法，其特征在于，所述基于所述当前时刻的协方差、所述前一时刻的协方差、观测矩阵确定卡尔曼增益，之后还包括：
若所述卡尔曼增益收敛于所述观测值，则更新所述协方差。
7.根据权利要求1所述的方法，其特征在于，所述基于信号质量指数确定待预测心电信号的参考参数和测量参数，之前还包括：
将待预测心电信号输入信号质量评估系统，由所述质量评估系统输出信号质量指数。
8.一种动态心率预测装置，其特征在于，所述装置包括：
确定模块，用于基于信号质量指数确定待预测心电信号的参考参数和测量参数；
获得模块，用于基于上一时刻的参考参数的参考值获得当前时刻的预测值；
滤波模块，用于基于所述预测值和所述当前时刻的测量参数的观测值进行卡尔曼滤波，获得当前时刻的动态心率预测结果。
9.一种动态心率预测设备，其特征在于，所述动态心率预测设备包括处理器，存储器以及存储在所述存储器中的动态心率预测程序，所述动态心率预测程序被所述处理器运行时，实现如权利要求1-7中任一项所述的动态心率预测方法的步骤。
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动态心率预测程序，所述动态心率预测程序被处理器运行时实现如权利要求1-7中任一项所述动态心率预测方法的步骤。
CN202011070826.7A 2020-09-30 2020-09-30 动态心率预测方法、装置、设备及可读存储介质 Pending CN112043258A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202011070826.7A CN112043258A (zh) 2020-09-30 2020-09-30 动态心率预测方法、装置、设备及可读存储介质
PCT/CN2021/118488 WO2022068589A1 (zh) 2020-09-30 2021-09-15 动态心率预测方法、装置、设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011070826.7A CN112043258A (zh) 2020-09-30 2020-09-30 动态心率预测方法、装置、设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN112043258A true CN112043258A (zh) 2020-12-08

Family

ID=73605508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011070826.7A Pending CN112043258A (zh) 2020-09-30 2020-09-30 动态心率预测方法、装置、设备及可读存储介质

Country Status (2)

Country Link
CN (1) CN112043258A (zh)
WO (1) WO2022068589A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112716506A (zh) * 2021-01-15 2021-04-30 京东数科海益信息科技有限公司 一种信号处理方法、装置、电子设备及存储介质
WO2022068589A1 (zh) * 2020-09-30 2022-04-07 青岛歌尔智能传感器有限公司 动态心率预测方法、装置、设备及可读存储介质
CN115460047A (zh) * 2022-08-02 2022-12-09 北京睿信丰科技有限公司 复杂信道下快速跟踪频偏和距离的方法、装置及电子设备
CN115460047B (zh) * 2022-08-02 2024-06-11 北京睿信丰科技有限公司 复杂信道下快速跟踪频偏和距离的方法、装置及电子设备

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116148678B (zh) * 2023-04-19 2023-07-04 河南创达电子科技有限公司 基于大数据估算电池soc值的方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009013245A1 (en) * 2007-07-20 2009-01-29 Stichting Voor De Technische Wetenschappen Ecg signal processing
CN103020472A (zh) * 2012-12-27 2013-04-03 中国科学院深圳先进技术研究院 基于约束估计的生理信号质量评估方法和系统
CN104688219A (zh) * 2013-12-04 2015-06-10 乐普（北京）医疗器械股份有限公司 一种心电信号预测方法与系统
CN107693000A (zh) * 2017-10-23 2018-02-16 山东大学 基于心电和脉搏信号融合的心率估计方法、装置和系统
CN109700450A (zh) * 2018-12-28 2019-05-03 联想(北京)有限公司 一种心率检测方法及电子设备
CN111474481A (zh) * 2020-04-13 2020-07-31 深圳埃瑞斯瓦特新能源有限公司 基于扩展卡尔曼滤波算法的电池soc估算方法及装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11045136B2 (en) * 2018-06-29 2021-06-29 Tata Consultancy Services Limited Heart rate driven unsupervised techniques for continuous monitoring of arousal trend of users
CN110101378A (zh) * 2019-04-30 2019-08-09 索思（苏州）医疗科技有限公司 一种由母亲腹部混合ecg信号提取胎儿心率的算法
CN112043258A (zh) * 2020-09-30 2020-12-08 青岛歌尔智能传感器有限公司 动态心率预测方法、装置、设备及可读存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009013245A1 (en) * 2007-07-20 2009-01-29 Stichting Voor De Technische Wetenschappen Ecg signal processing
CN103020472A (zh) * 2012-12-27 2013-04-03 中国科学院深圳先进技术研究院 基于约束估计的生理信号质量评估方法和系统
CN104688219A (zh) * 2013-12-04 2015-06-10 乐普（北京）医疗器械股份有限公司 一种心电信号预测方法与系统
CN107693000A (zh) * 2017-10-23 2018-02-16 山东大学 基于心电和脉搏信号融合的心率估计方法、装置和系统
CN109700450A (zh) * 2018-12-28 2019-05-03 联想(北京)有限公司 一种心率检测方法及电子设备
CN111474481A (zh) * 2020-04-13 2020-07-31 深圳埃瑞斯瓦特新能源有限公司 基于扩展卡尔曼滤波算法的电池soc估算方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙佳新等: "基于信号质量评估的可穿戴动态心电监护", 《微型机与应用》 *
李桥等: "基于信号质量评估和卡尔曼滤波的心率估计算法", 《中国医学物理学杂志》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022068589A1 (zh) * 2020-09-30 2022-04-07 青岛歌尔智能传感器有限公司 动态心率预测方法、装置、设备及可读存储介质
CN112716506A (zh) * 2021-01-15 2021-04-30 京东数科海益信息科技有限公司 一种信号处理方法、装置、电子设备及存储介质
CN112716506B (zh) * 2021-01-15 2023-03-07 京东科技信息技术有限公司 一种信号处理方法、装置、电子设备及存储介质
CN115460047A (zh) * 2022-08-02 2022-12-09 北京睿信丰科技有限公司 复杂信道下快速跟踪频偏和距离的方法、装置及电子设备
CN115460047B (zh) * 2022-08-02 2024-06-11 北京睿信丰科技有限公司 复杂信道下快速跟踪频偏和距离的方法、装置及电子设备

Also Published As

Publication number Publication date
WO2022068589A1 (zh) 2022-04-07

Similar Documents

Publication Publication Date Title
CN112043258A (zh) 动态心率预测方法、装置、设备及可读存储介质
CN107072555B (zh) 一种血压测量数据的校准方法及装置
KR20150113700A (ko) 진단 시스템 및 방법
CN112773582A (zh) 一种假肢控制方法、装置、系统及介质
CN112099619B (zh) 一种混合视线脑机接口的时间窗长度自适应选择方法
WO2023045425A1 (zh) 一种透析中低血压事件风险的评估方法和系统
KR100883185B1 (ko) 가중 퍼지 소속함수 기반 신경망 알고리즘을 이용한생체신호의 이상데이터 추출 장치 및 그 방법
CN112806961A (zh) 体征数据评估方法及装置
WO2014190254A1 (en) A system and method for assessing the clinical stability of critically ill patients under intensive care
CN111387936A (zh) 一种睡眠阶段识别方法、装置及设备
EP3954289A1 (en) Monitoring device and physiological parameter processing method therefor
CN111860102A (zh) 用于在含噪环境中分析系统的状态的设备和方法
Roonizi ℓ 2 and ℓ 1 trend filtering: A Kalman filter approach [Lecture Notes]
CN107943142A (zh) 一种基于卡尔曼滤波的低温辐射计温度控制的方法
CN108670231B (zh) 血压测量方法、终端和计算机可读存储介质
CN111839847A (zh) 肌电假肢控制方法、装置、电子设备和计算机可读介质
CN116712099A (zh) 基于多模态数据的胎心状态检测方法、电子设备、存储介质
CN111805545B (zh) 灵巧手控制方法、装置及终端设备
RU2766409C2 (ru) Система и способ для оценивания объема крови в мозге, и/или кровотока в мозге, и/или глубины анестезии пациента
Hamid et al. Local observers design for a class of neural mass models
CN116237957A (zh) 一种人机交互控制方法
CN110507319B (zh) 一种疲劳度检测方法及设备
KR20150097167A (ko) ECG(electrocardiogram) 센서 및 이의 동작 방법
CN113243923B (zh) 一种提高心电图监测的准确性的方法和装置
CN113842127B (zh) 脉率检测装置、系统及存储介质

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201208