CN112220471A - 时域干扰去除和改进的心率测量跟踪机理 - Google Patents

时域干扰去除和改进的心率测量跟踪机理 Download PDF

Info

Publication number
CN112220471A
CN112220471A CN202010951165.2A CN202010951165A CN112220471A CN 112220471 A CN112220471 A CN 112220471A CN 202010951165 A CN202010951165 A CN 202010951165A CN 112220471 A CN112220471 A CN 112220471A
Authority
CN
China
Prior art keywords
filter
signal
heart rate
sensors
frequency
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
CN202010951165.2A
Other languages
English (en)
Inventor
R·阿达姆斯
S·迪米尔达斯
J·G·伯恩斯汀
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.)
Analog Devices Inc
Original Assignee
Analog Devices Inc
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 Analog Devices Inc filed Critical Analog Devices Inc
Publication of CN112220471A publication Critical patent/CN112220471A/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
    • 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
    • A61B5/02—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
    • 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
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • 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
    • A61B2562/0233—Special features of optical sensors or probes classified in A61B5/00
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Physiology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Signal Processing (AREA)
  • Cardiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明涉及时域干扰去除和改进的心率测量跟踪机理。心率监测器受到噪声光谱体积描记术(PPG)数据的困扰，使监测器难以输出一致准确的心率读数。噪声往往是运动造成的。使用已知的处理加速度计读数的方法来测量移动以滤除某些噪声可能有帮助，但不总是这样。本公开描述基于在加速度计数据上使用自适应线性预测的改进的前端技术(时域干扰去除)来生成用于在跟踪心跳(心率)的频率之前过滤PPG信号的滤波器。本公开还描述了一种改进的后端技术，其基于转向谐振滤波器的频率以跟踪心跳。实施这些技术中的一个或两个导致更准确的心率测量。

Description

时域干扰去除和改进的心率测量跟踪机理
本申请是申请日为2016年4月18日、申请号为201680033477.7，发明名称为“时域干扰去除和改进的心率测量跟踪机理”的发明专利申请的分案申请。
相关申请的交叉引用
本申请要求于于2015年4月29日提交的题为“用于心率测量的系统和方法”的美国临时专利申请序列No.62/154,688、于2015年6月3日提交的题为“时域干扰去除和改进的心率测量跟踪机理”的美国临时专利申请序列No.62/170,339、于2015年12月17日提交的题为“用于心率测量的时域干扰去除”的美国临时专利申请序列No.14/972,368、和于2015年12月17日提交的题为“用于心率测量的跟踪机理”的美国临时专利申请序列No.14/972,447的权益和优先权，其全部内容通过引用并入本文。
技术领域
本公开涉及数字信号处理领域，特别地涉及用于在嘈杂环境中跟踪心跳频率的数字信号处理。
背景技术
现代电子在医疗保健中无处不在。例如，监测设备往往包括电子元件和算法来感测、测量和监测生物。监测设备可以测量呼吸率、血液中的氧含量、心率等生命体征。监测设备不仅用于临床，监测设备也常用于运动器材和消费电子产品。
许多监测设备进行的一项重要测量是心率，通常以每分钟心跳次数(BPM)来衡量。运动员使用心率监测器获得锻炼的即时反馈，而医护人员使用心率监测器来监测患者的健康状况。目前市场上有很多测量心率的解决方案。例如，电子心率监测器可以胸带和手表的形式找到。然而，由于这些监测仪的传感器提供的信号中存在大量的噪声，所以这些电子心率监测仪通常不是很准确。噪声往往是由于用户正在移动以及由于监测器与用户之间缺乏安全接触而造成的。这种嘈杂的环境往往导致心率的不规则、不准确甚至缺失。
发明内容
心率监测器受到噪声光谱体积描记术(PPG)数据的困扰，使得监测器难以输出一致准确的心率读数。噪音往往是由运动引起的。使用已知的方法来处理加速计读数，通过测量运动来滤除某些噪音可能会有所帮助，但并不总是如此。本公开描述基于在加速度计数据上使用自适应线性预测来生成用于在跟踪心跳频率之前对PPG信号进行滤波的滤波器的改进的前端技术(时域干扰去除)。本公开还描述基于对谐振滤波器的频率进行控制来跟踪心跳的改进的后端技术。实施这些技术中的一种或两种技术会导致更准确的心率测量。
根据改进的前端技术，公开一种用于辅助识别和/或跟踪在噪声环境中由一个或多个传感器产生的一个或多个第一信号中存在的心跳信号的方法。该方法包括下列步骤：a)接收第一信号的数据样本；b)接收指示所述一个或多个传感器的运动的第二信号的数据样本；c)将自适应线性预测应用于第二信号的至少一部分数据样本以确定自适应线性滤波器的系数，被布置为滤波(即基本上衰减)来自指示一个或多个传感器的运动的信号的第二信号中存在噪声内容的至少一部分；和d)通过从第一信号中减去通过将包括所确定的系数的滤波器应用于第一信号而产生的信号来产生滤波的第一信号(换句话说，第一信号基于使用包括所确定的系数的滤波器处理第一信号的数据样本而被滤波的，其中，第一信号的滤波的步骤基本上衰减与一个或多个传感器的运动对应的信号内容)。
根据改进的后端技术，公开使用实施第一滤波器(滤波器A)和第二滤波器(滤波器B)的结构来提取由一个或多个传感器产生的输入信号内存在的心跳信号的频率的方法。在一些实施方案中，该结构可以被配置为实施第一和第二滤波器作为包括它们各自不同的组件的单独的滤波器。在其他实施方案中，该结构可以是资源共享结构，其中用于实施第一滤波器的至少一些组件，但可能所有组件也在实施第二滤波器中被使用(即共享)，反之亦然。无论如何，第一滤波器和第二滤波器是具有频率F_RES的滤波器，在该频率处它们输出的幅度基本相等，并且在频率F_RES之上，所述第一滤波器的幅度变得大于所述第二滤波器的幅度，以及在频率F_RES以下，所述第二滤波器的幅度变得大于所述第一滤波器的幅度。该方法包括下列步骤：a)响应于所述第一滤波器接收输入信号和一个或多个滤波器控制参数，确定所述第一滤波器产生的输出的幅度(A)；b)响应于所述第二滤波器接收输入信号和一个或多个滤波器控制参数，确定所述第二滤波器产生的输出的幅度(B)；c)基于幅度A和B来更新滤波器控制参数并进行到步骤a)；d)基于所述一个或多个滤波器控制参数确定心跳信号的频率。
附图说明
为了更全面地了解本公开及其特征和优点，参考结合附图的以下描述，其中相同的附图标记表示相同的部分，其中：
图1根据本公开的实施方案示出示意性心率监测设备以及与心率监测器相邻的活体的一部分；
图2描述根据本公开的实施方案的心率监测设备的系统图；
图3根据本公开的实施方案描述用于跟踪在噪声环境中由一个或多个传感器产生的一个或多个输入信号中存在的心跳频率的方法的示例性流程图；
图4描述根据本公开的实施方案的示例性自适应滤波器；
图5根据本公开的实施方案描述由光学传感器测量的示例性PPG信号；
图6根据本公开的实施方案描述对在跟踪输入信号中存在的心跳频率之前对一个或多个输入信号进行滤波的方法的示例性流程图；
图7根据本公开的实施方案描述功率归一化的ALP；
图8根据本公开的实施方案描述一个加速度计轴的时域干扰去除；
图9根据本公开的实施方案描述与三个加速度计轴时域干扰去除相关的完整的前端处理；
图10根据本公开的实施方案描述示例性后端处理；
图11根据本公开的实施方案描述心率监测设备的系统图；
图12根据本公开的实施方案描述用于在嘈杂的环境中跟踪由一个或多个心率传感器提供的一个或多个输入信号中存在的心跳信号的更详细的方法的示例性流程图；
图13根据本公开的实施方案描述低通滤波器和高通滤波器的结果；
图14根据本公开的实施方案描述滤波器输出的转向；
图15根据本公开的一些实施方案描述Chamberlin状态变量数字滤波器；
图16根据本公开的实施方案描述Chamberlin状态变量数字滤波器的各输出的响应；
图17根据本公开的实施方案描述跟踪算法的总体图；
图18根据本公开的实施方案描述修改的带通滤波器响应；
图19根据本公开的实施方案描述频率斜坡输入的轨道速度；
图20根据本公开的实施方案描述根据预测干扰的跟踪-过滤动态修改；
图21根据本公开的实施方案描述不对称的上/下时间常数的跟踪；和
图22根据本公开使用描述使用时域干扰去除在15分钟步行/慢跑/跑步期间心率监测的比较以及使用心电图心电监测。
具体实施方式
涉及心率监测器的前端和后端的改进
本公开描述心率监测器使用光源和光学传感器测量生物心率所面临的一些具体挑战。为了解决这些挑战中的至少一些，本公开提供了两种不同的机制。第一种机制提供了一种改进的滤波技术，用于对由光学传感器产生的输入信号进行滤波，在此称为“时域干扰去除”。由于这样的机制通常被实现为可被认为是心率监测器的“前端”的一部分，因此在本文中有时被称为“前端处理”。本文所述的第二机理提供了一种改进的跟踪技术，用于使用来自光学传感器的输入信号实际跟踪心率。由于第二机制通常被实现为可被认为是心率监测器的“后端”的一部分，因此在本文中有时被称为“后端处理”。
这里描述的用于前端和后端处理的改进的机制彼此独立，因为第一机制的实现不一定需要实现第二机制，反之亦然。因此，第一机构可以与本领域已知的任何其他跟踪机构组合，并且第二机构可以与本领域已知的任何其他信号调节机构组合，或者可以实施第二机制以直接从传感器获取的未处理(原始)数据跟踪心率。即使只实现这里描述的两个机制中的一个，也会导致更准确的心率测量。因此，虽然在此描述的系统和方法有时在实施两种机制的背景下被描述，以便提供改进的心脏监测设备的完整图像，但是本公开的实施例不限于同时实现第一和第二机制。例如，从下面提供的解释中将会清楚，图2和图3中所示的与根据这里描述的改进的滤波机制的前端处理有关的滤波器生成和信号调节分量对于图中所示的与后端处理有关的跟踪组件的功能不是必需的，反之亦然。因此，用于实现这些机制中的一个的系统和方法不必包括用于实现这里所描述的机制中的另一个机构的组件，即使这两个机制的描述可能涉及相同的系统(如图2所示)。
理解心率监测器的嘈杂环境的问题
心率监测器通常与生物体的皮肤直接接触。监测器通过感测与心率监测器相邻的皮肤的一个或多个方面来被动跟踪或测量心率。由于这种测量的被动性，传感器数据可能受到许多噪声源的影响，严重影响心率监测器确定准确心跳的能力。这些噪声源可能包括对传感器的外部干扰、传感器和/或心率监测器的内部噪声、引起传感器测量皮肤方面的能力中断的运动等。另外，心率监测器在使用心率监测器时受不同生物皮肤的变异性以及皮肤和环境的变异性的影响。所有这些不同的来源和问题都对心率监测器提取准确心率的能力产生不利影响。
图1显示了心率监测设备和一部分与心率监测器相邻的生物体，根据本公开的实施方案。特别地，附图显示了一个横截面，以说明监测设备与生物部分的空间关系。在此示例性心率监测设置中，使用光谱体积描记术(PPG)的方法，其中心率是在血液被推动通过动脉时被动地或间接地基于皮肤的光吸收的变化来测量的。当血液通过动脉被泵送时，血量的变化导致接收到的光量的变化，由光学传感器转换成电脉冲。信号中的脉冲可用于提取心率。
本文所描述的心率监测设备不限于图1所示的具体例子。尽管本公开没有详细描述其他类型的心率监测器，但是本领域技术人员可以理解，这些挑战也适用于其他类型的心率监测器或提供心率监测功能的其他类型的设备，或甚至利用其他类型的感测机制的设备。另外，在本公开的上下文中，测量、跟随、提取、确定或感测心率(或一些其他慢变频率)的持续过程被称为“跟踪慢变频率”。
具体地，图1示出了具有光源102和光学传感器104的示例性心率监测设备。光源可以在适合于该应用的波长范围内发光。在一些实施方案中，可以单独提供光源102和光学传感器102，或者光源102可以偏置以作为光学传感器104使用。例如，红色LED可以用作红色光源和红色光学检测器。在一些实施方案中，光源103和光学传感器104都可以在心率监测设备的外壳或构件中彼此相邻地设置，或者以任何合适的配置提供，其中光学传感器104可以由生物的部分106测量光(如由光源103产生)的吸收。光源将光照射到生物106的部分106上，并且光学传感器104测量入射到光学传感器104上的光，光可以包括从部分106反射的光以及环境光。只要可以测量血量的变化，可以将生物的各个部分用作部分106，例如手指、手臂、前额、耳朵、胸部、腿部、脚趾等比较容易。部分106在一些情况下可以在生物体的内部。
一般来说，如果心率监测设备可以安全地固定在生命体的部位106上，并在使用过程中保持与部位106的相对稳定的接触，光学传感器提供的输入信号显示的噪音很小，心率可以轻松提取。然而，在许多情况下，心率监测设备没有被牢固地固定到部件106上(即使使用包括带子、粘合剂或其他合适附件的部件108)，或者使设备牢固地粘附或附接到部件106对于生物而言是不理想的或舒适的。在这些场景中，光学传感器104提供的信号通常受到环境光线的噪声、心率监测设备的运动造成的伪影或其他噪声源的影响。结果，正确地检测这些非理想情况下的心率，即在嘈杂的环境中，可能是具有挑战性的。试图根据噪音信号检测心率可能导致心率读数不规则或错误。
为了解决这个问题，一些心率监测设备包括一种机制，如果数据被认为不可用于跟踪心率，则丢弃数据的某些部分。该机构可以包括加速度计110，以测量设备的运动，以评估输入信号是否可能由于运动伪影而被过分降级以用于心率确定。在那些情况下，当加速度计110感测到太多的运动时，加速度计读数可以导致装置丢弃数据或冻结心率读数。另一种方法可以是使用加速度计数据基于预测的运动水平的估计来估计心率。对于经历大量加速(例如，在运动设置中)的心率监测设备而言，这可能是有问题的，在这种情况下，在使用期间，心率输出可能完全丢失或非常不准确。
一些心率监测设备丢弃通过评估信号质量被认为噪声过大的信号部分(例如，频谱峰值在频域中有多清楚)。这可以有助于消除信号的噪声部分，但是对于心跳跟踪来说，未丢弃的数据并不总是可靠的。尽管这样的设备可以丢弃一部分太嘈杂的信号，但输入信号的某些部分表现出清晰的频谱峰值，仍然可以得到非常好的心跳读数，因为频谱峰值可能是由于周期性运动伪像或其他影响心率检测。例如，输入信号被运动伪影劣化但谱峰清晰的部分可能导致心率跟踪机制锁定到与运动伪像对应的频率而不是真实的心率。
前端处理：改进的滤波机理的概述
心率监测设备的上述问题源自于具有用于丢弃输入数据的机理，其中，这里使用的术语“输入数据”(及其变体，例如“输入信号”)是指从中缓慢变化的频率，例如心率，可以获得。本公开描述了一种改进的前端处理机制，可以缓解上述的一些问题。改进的机制是一种过滤机制，它允许对原始输入信号进行更细致的处理，并且可以使得输入信号被调节成使得跟踪器能够跟踪心率，即使信号是在嘈杂的环境中获取的。通过改进滤波机制，心率监测设备可以在嘈杂的环境中实现更强大的性能。改进的过滤机制可以增加可用数据量，从而提高心率输出的准确性和一致性。另外，改进的滤波机制可以通过提供更好更实用的输入信号来提高跟踪心跳跟踪机制的准确性。
改进的滤波机制基于这样的认识：当传感器或多个传感器被配置为生成要从其跟踪心率的输入信号时(这样的传感器或多个传感器在下文中被称为“心率传感器“)正在移动(例如因为佩戴这样的心率监测设备的人正在运行)，他们的测量受到运动的可预测影响。因此，如果运动模式是已知的，则有可能识别可归因于心率传感器的运动(即输入信号中的运动相关的人为因素)对输入信号的贡献，并过滤出这些贡献。改进的过滤机制提供了一种认识，即如果心率传感器与加速度计相对靠近以使加速度计和心率传感器经历相同的运动，在获取输入信号时，可以认为与心率传感器的测量同时进行的加速度计测量可以准确地代表心率传感器的运动。进而，可以使用与心率传感器的运动相关的加速度计数据来通过识别输入信号中的运动相关伪影来降低由传感器生成的输入信号中的噪声量。特别地，在加速度计数据上使用自适应线性预测允许创建滤波器，以减少或消除心率传感器所获得的输入信号中的与运动相关的伪影。结果，来自噪声传感器信号的心跳信号的识别/跟踪被改进。
由此产生的滤波机制能够更好地滤除输入信号，提高心率跟踪的准确性。以下段落进一步详细描述了改进的过滤机制如何实现和实现以及解释自适应线性预测的基础知识。
示例性改善的心率监测设备和方法
图2示出了根据本公开的实施方案的心率监测设备的系统视图。该系统提供了用于实现或启用用于跟踪一个或多个传感器在嘈杂的环境中提供的一个或多个输入信号中的慢变频率的方法的部件的布置。类似于图1，所述设备包括光源102、光学传感器104。光源可以是发光二极管(LED)或用于发光的任何合适的部件。由光源102发射的用于测量心率(例如，血量)的光可以是取决于应用的任何合适的波长。该装置可以包括多个发射光波长范围的光源，光学传感器104可以是与光源102相同的装置，或者光学传感器104可以设置在光源102附近，以测量光学传感器104附近的光例如以测量由光源102在皮肤中发射的光的吸收以实现PPG。另外，所述设备包括加速度计110，用于测量整个装置的加速度/运动。另外，装置可以任选地包括其他传感器202或其他类型的传感器，其可以提供信息来辅助输入信号和/或心率跟踪的过滤。可以提供集成电路204来驱动光源102并提供模拟前端204以接收由光学传感器104、加速度计110和其他传感器202提供的信号。在一些实施方案中，模拟前端204可以将(如果需要的话)模拟输入信号转换为模拟输入信号的数据样本。模拟前端可以与处理器206进行通信，以提供处理器206将要处理的数据样本以跟踪慢变频率，例如心跳。
在各种实施方案中，处理器206可以包括专门设置用于处理输入信号的数据采样以跟踪慢变频率的若干特定应用特定部分或模块、电子电路和/或可编程逻辑门。处理器206可以是数字信号处理器，该数字信号处理器被提供有用于跟踪缓慢变化的频率的应用专用组件、和/或处理器可以执行特定指令(存储在非临时性计算机可读介质上)以执行各种追踪慢变化频率如本文所述。图3示出了一个这样的方法的示例性流程图，例如，由图2所示的处理器206实现，用于跟踪由一个或多个传感器在嘈杂的环境中提供的一个或多个输入信号中存在的缓慢变化的频率，根据本公开的实施方案。在高级别，该方法包括滤波器生成组件302、信号调节组件304(取决于滤波器生成组件302)和跟踪组件306(取决于滤波器生成组件302和/或信号调节组件304)。该方法可以继续返回到滤波器生成组件302以处理输入信号的数据样本流中的其他数据样本。
同时参照图2和图3，在一些实施方案中，处理器206的部分可包括以下一种或多种：滤波器系数发生器208、信号调节器210、跟踪器212和重构器216，例如实施图3所示的方法。
滤波器系数发生器208通过使用加速度计数据生成滤波器，用于在将数据样本提供给跟踪器212之前对输入信号进行滤波，从而实现与改进的滤波机制(对应于图3所示的方法的滤波器生成组件302)。
信号调节器210基于滤波器系数发生器208中的判定执行与处理输入信号的数据样本有关的功能，以准备数据样本以供跟踪器212进一步处理(对应于图3中所示的方法的信号调节组件304)。例如，信号调节器210可以以某种方式对输入信号的数据样本进行滤波(或对数据样本应用滤波器)、对数据样本应用掩码、对某些数据样本进行衰减、修改某些数据样本的值、和/或从特定传感器中选择某些数据样本进行进一步处理。信号调节过程可以依赖于滤波器系数发生器208的输出。
跟踪器212基于来自信号调节器210(对应于图3中示出的方法的跟踪部件306)的输出执行与跟踪慢变化频率(例如心跳)有关的功能。换句话说，跟踪器连续地监测输入的数据样本(原始数据或由信号调节器210提供的)，并且试图连续地确定来自传感器的一个或多个信号中存在的缓慢变化的频率的频率。跟踪器212的输出代表心率以每分钟为单位的估计，并且可以通过输出端214(例如、扬声器、显示器、触觉输出设备等)提供给用户。
重构器216可以实现与(重新)构造或合成慢速变化频率的时域表示相关的功能，例如心跳。根据输入信号的频率信息，重构器216可以人为地产生具有慢变频率的输入信号的更干净的版本(本文称为“重构信号”)。重构信号可以在许多应用中有用。例如，可以将重构信号提供给输出214以进行显示。重构信号也可以保存以备后续处理和/或查看。一般来说，重构信号可以帮助使用者以视觉和分析的方式评估生物体的健康状况，并去除不相关的噪音。例如，重构信号可以帮助医疗专业人员评估生物是否具有与心脏和动脉健康有关的任何基础条件。该重构信号可以通过首先使用滤波器系数发生器208、信号调节器210，跟踪器跟踪慢变频率。
滤波器系数发生器208、信号调节器210、跟踪器212和重构器216可以包括用于执行其相应功能的装置。用于执行功能的数据和/或指令可以被存储并保存在存储器218中(可以是非暂时的计算机可读介质)。在一些实施方案中，滤波器系数发生器208(对应于图3所示的方法的滤波器生成组件302)可以影响在跟踪器212(对应于图3所示的方法的跟踪组件306)中执行的处理。该特征由具有虚线的箭头表示。图2中所示的装置仅仅是心率装置的一个例子，可以设想，可以提供其他合适的布置来实现改进的方法，用于对一个或多个输入信号进行滤波以跟踪心率传感器在嘈杂的环境中提供的输入信号中存在的缓慢变化的频率。
由于输入信号的改进滤波机制是基于使用自适应线性预测的，所以现在描述这种技术的基本原理。
自适应线性预测滤波器的基础
滤波器调节输入信号并产生具有某些选定或控制特性的输出信号。滤波器的系数决定了它的特性和输出。通常，可能需要特定的输出，但是滤波器的系数在开始时不能确定。一个例子是回声消除器，其中所需的输出消除了回声信号。在这种情况下，系数通常不能被初始确定，因为它们取决于变化的传输条件。对于这样的应用，一种选择可能是依靠自适应滤波器技术。
自适应滤波器指时变滤波器，其系数以优化成本函数或满足某种预定优化准则的方式被调整。自适应滤波器可以被认为由两个不同的部分组成：1)滤波器本身，其中滤波器的结构被设计为执行期望的处理功能；以及2)自适应算法，被配置为调整滤波器的系数以改善其性能。滤波器结构和在特定自适应滤波器中使用的自适应算法取决于各种设计特征和可接受的折衷，例如，过滤器的准确性和复杂性之间的折衷。
图4中示出了自适应滤波器的一个例子，其中自适应滤波器402包括滤波器402和自适应算法404。输入信号x(k)被施加到移位寄存器或其他存储器设备，并且输出y(k)由输入x的当前和过去样本的加权和组成。自适应算法调整滤波器中的权重(即系数)，以使滤波器输出y(k)与滤波器的期望响应d(k)之间的误差e(k)最小化，其中h(k)来自适应滤波器的脉冲响应。这样的自适应滤波器可以在面临不断变化的环境和不断变化的系统需求的情况下自动适应(即自我优化)，并且可以根据定义训练规则的一些更新方程来训练其执行特定的滤波和决策任务。因此，自适应滤波器已被广泛用于使信号处理技术在需要将感兴趣的信号与噪声分离的各种应用中使用。
在自适应线性预测的情况下，只有一个输入(即滤波器没有期望的响应d(k))，并且过滤器的目标是最小化输入和输入的过去值的加权和之间的误差。可能出现在输入处的信号可能被认为属于以下类别之一。一类可以被认为包括噪声信号(其可以被滤波并且具有非平坦的频谱)，而另一类可以被认为包括由正弦曲线的和组成的信号。对于第一类的输入信号，自适应线性预测器充当白化滤波器，并且“预测误差”节点处的输出将看起来像白噪声。对于第二类的输入信号，信号是完全可预测的，并且如果预测滤波器足够长，则预测误差输出将变为零。
前端处理：改进的滤波机理的示例性实施
图5示出了由诸如上述传感器104的光学传感器测量的作为时间(x轴)的函数的PPG信号(y轴)。图5提供了与跟踪PPG输入信号内的心率有关的技术挑战的清楚说明，因为与来自任何运动的甚至小运动例如运行的非常大的噪声相比，PPG信号中的心跳贡献非常小。
在本文中被称为“时域干扰去除方法”或简称为“时域干扰去除”的本部分中描述的方法的实施例基于这样的认识：在加速度计数据上使用ALP滤波器允许生成滤波器系数然后可以在跟踪PPG信号中的心跳信号的频率之前使用该信号来过滤PPG信号。通常，这里描述的时域干扰去除包括应用ALP以生成一组或多组动态变化的滤波器系数，然后使用所生成的滤波器系数的副本从PPG信号中去除与运动有关的伪影插入PPG信号路径的相同滤波器。后面的步骤可以被描述为通过具有复制系数的“从过滤器”去除PPG干扰。在各种实施方案中，ALP方法可以包括基于将ALP系数应用于来自加速度计的至少一个，但可能更多的轴的数据的滤波。这里还描述了具有所有三个轴的完全干扰消除系统。
图6示出了根据本公开的实施方案，用于跟踪一个或多个心率传感器在嘈杂的环境中提供的一个或多个输入信号中存在的心跳信号的更详细的方法600的示例性流程图。
方法600包括接收第一信号(即输入信号)的数据样本(步骤602)。第一信号可以由光学传感器产生，并且在一些情况下，第一信号由模拟前端处理以产生第一信号的(数字)数据样本。
方法600还包括接收第二信号的数据样本(步骤604)。第二信号可以由能够检测和量化心率传感器的运动的设备例如加速度计产生。优选地，第二信号是与第一信号同时获得的，并且这两个信号是同步处理的，因此提供了心率传感器的运动与传感器获取的数据之间最接近的重叠。类似于第一信号，在一些情况下，第二信号被模拟前端处理以产生第二信号的(数字)数据样本。第二信号的数据样本被处理器接收以用于自适应滤波器操作。
利用心率传感器测量同时进行的加速度计测量的精确度可以被认为是在获取输入信号时精确地表示心率传感器的运动，然后使用第二信号的数据样本来确定代表由加速度计检测到的运动的滤波器的滤波器系数(步骤606)。为此，可以使用自适应线性预测，其示例性实现在图7中示出，其中变量X表示从加速度计轴之一提供的值/信号，即在图6步骤604中接收到的第二信号的数据样本。
如图7所示，ALP滤波器700包括滤波器本身(类似于图4中所示的滤波器402)，如自适应滤波器702所示，在一个示例性实施例中，其可以是有限脉冲响应(FIR)M抽头过滤器。ALP滤波器700进一步包括自适应算法(类似于图4所示的算法404)，如功率归一化最小均方(LMS)更新算法704所示。另外，功率估计元件708可以被提供，被配置为估计第二信号X的功率，然后将该功率值提供给功率归一化自适应算法704。
此外，ALP滤波器700可以包括在滤波器702之前引入的单采样延迟Z-1 706，以确保滤波器702只能访问第二信号X的过去的数据采样。在该图中使用变量“Z”来表示“Z”可以代表对于连续时间电路类似于拉普拉斯变换的Z变换，除了在这种情况下它被优化用于每当数据处于采样形式时使用的离散时间处理。因此，一般来说，Z-m表示m样本延迟。变量m等于1表示单个样本延迟，但是m也可以大于一个样本，考虑到本领域已知的设计折衷，这在一些应用中可能是有利的。
对于图7的示例性说明，在时间n(即，对于输入X的第n个数据采样)的第k个有限脉冲响应(FIR)系数(表示为“c”)的更新等式可以表示如下：
c(k,n)＝c(k,n-1)+α*x(k,n)*err(n)功率(n),
其中x(k，n)是在时间n存储在FIR移位寄存器的第k个位置的值，c(k，n)是时间n的第k个系数，err(n)是在时刻n时的预测误差，α是控制收敛速率的常数，功率是在FIR滤波器长度上平均的平均信号功率。
ALP滤波器700可以用作自适应陷波滤波器，用于滤除由光学传感器(诸如上述传感器104)检测到的光学信号中由运动引起的伪影，该运动例如由加速度计(例如，上述加速度计110)检测。M-tap线性预测滤波器700将尝试适应以将误差输出减少到0，如果基于先前的N个样本的线性组合，信号是完全可预测的，则这是可能的。在其中第二信号(即来自至少一个轴的加速度计数据)由正弦波+噪声组成，错误输出将仅由噪声组成，可以看作是一个时变滤波器，它将在频域中形成陷波，并与输入正弦频率的频率对齐。在其中第二信号可以被模拟为由全极点滤波器滤波的白噪声的情况下，误差输出将由“白化”噪声组成，并且系统可被视为时变滤波器，其中滤波器适应输入频谱的反相(因此术语“自适应频谱白化”可能是适当的)。与依赖于找到频谱峰值的去除干扰的其他方法不同，这种方法不限于在特定频率处形成陷波滤波器。相反，任何基于前M个样本的“可预测的”信号都可以被删除。
如果在FIR滤波器延迟线中给定位置的误差输出和数据之间没有相关性，那么相应的系数可能漂移/漂移到高值，并在频谱区域产生非平坦的频率响应，其中源包含很少的能量。解决这个问题的一个办法是将泄漏因子添加到更新等式中，如下所示：
c(k,n)＝泄漏*c(k,n-1)+α*x(k,n)*err(n)/功率(n)
在实施方案中，这种泄漏因子可设定为0.99。
返回到图6的方法600，步骤604和606可以被认为是表示图3中描述的滤波器系数生成302，如图6中的步骤604和606周围标记为“302”的虚线框所示。另一方面，步骤608和610可被认为表示图3中描述的信号调节304，如图6中的步骤608和610周围标有“304”的虚线框所示。
如图6所示，然后将步骤606中确定的滤波器系数应用于对第一信号的数据采样进行滤波的滤波器，例如，PPG信号(步骤608)。应用步骤606中确定的系数识别第一信号中可归因于心率传感器的运动的贡献。由于这样的贡献与心跳无关，而是第一信号中与运动有关的伪像，因此步骤608的结果从第一信号中被减去(步骤610)，以生成经滤波的第一信号，其中噪声的量通过消除或至少减少由于心率传感器的运动而引起的噪声而减小。图8中示出了图7中所示的ALP滤波器700的示例的步骤608和610。
图8示出了用于一个加速度计轴的时域干扰去除800，根据本公开的实施方案。如参照图7所述产生的ALP的系数被应用于PPG路径，如图8中所示，在ALP的自适应FIR702和PPG输入(即第一信号)的路径中的滤波器之间具有箭头“复制系数”，该滤波器被示出为FIR滤波器802。以这种方式，频率响应陷波可以被施加到PPG路径，导致具有较少噪声的PPG信号。因此，图8中所示的滤波器802表示应用图6中所示的步骤608的复制的滤波器系数，而从图8中所示的元件804中执行的PPG输入中减去滤波器802的结果表示产生如图6所示的步骤610的滤波后的PPG信号。
图8的示例进一步示出延迟元件806，指示可以将一个或多个采样延迟应用于第一信号的数据采样(类似于延迟元件706应用于第二信号的数据采样的延迟)。
另外，图8示出在处理PPG输入(第一信号)和加速度计数据(第二信号)之前，在一些实施方案中，可以对这些信号中的一个或两个施加滤波器，以滤除这些信号中不能归因于心跳的。这样的滤波器被示为第一信号的带通滤波器808和第二信号的带通滤波器810。滤波器808和810被配置为滤出代表该方法正在跟踪的慢变频率(即心跳)的预期频率范围之外的分量。通常，心率在0.5赫兹到3.5赫兹之间(在一些情况下，可以高达4或5赫兹)。如果第一和第二信号在目标合理频带之外具有显着的分量，则数据样本可能没有可跟踪的心跳。
使用滤波器808和810的滤波可以替换地在稍后的时间点执行，但是优选地在跟踪心率的步骤之前执行。在实施方案中，滤波器808和/或810可以通过利用滤波器处理数据采样来与信号调节过程合并，以基本上衰减与输入信号的慢变化频率相对应的目标合理频带之外的信号内容(或者应用掩蔽过程以达到类似的效果)，然后提取输入信号的心率信息。虽然滤波器808和810在图8中被示出为带通滤波器(例如，以0.5-3.5赫兹、0.5-4赫兹、0-4.5赫兹或其类似变体的带宽传送信号)，但在其他实施例这些滤波器中的一个或两个可以实施为低通滤波器(例如，以0-3.5赫兹、0-4赫兹、0-4.5赫兹或其类似变型的带宽传递信号)。用于衰减目标合理频带以外的信号的滤波器类型可以根据应用而变化。另外，目标合理频带可以根据应用而变化。在一个例子中，目标合理频带包括0.5赫兹到3.5赫兹的频带(或者包括0.5赫兹到3.5赫兹之间的频率)，这适合于保持更可能与心跳相关的频率内容。
虽然图8示出了与一个加速度计轴的时域干扰去除有关的处理，但是图9示出了与三个加速度计轴的时域干扰去除相关联的完整的前端处理900，根据本公开的实施方案。这样的方法允许消除或减少由于三个正交方向分量中的每一个中的运动而导致的PPG信号中的贡献，有利地导致改善的滤波的PPG信号，然后可以将其用于跟踪心跳频率。用于实现图9的每个加速度计轴的处理类似于结合图8描述的处理，因此为了简洁起见，这里不再重复。在图9中，框902旨在说明三个ALP滤波器，例如图7和8中所示的ALP滤波器700，每个加速度计轴具有一个相应的ALP滤波器。由于ALP滤波器902中的每一个接收用于特定运动方向的加速度计数据，所以由这些滤波器导出并应用于第一信号的系数可以是并且可能是不同的，如图9中所示，单独的箭头904到PPG路径中的每个过滤器906的“复制系数”。因此，滤波器906类似于图8中所示的滤波器802。
如在此使用的，图9中在方框908和910中所示的“BPF”是指“带通滤波器”，例如，结合图8描述的滤波器808和810(即图9中所示的至少一些或全部BPF滤波器可以是低通滤波器)。尽管用相同的数字标记，但在图9的实施方式的一些实施例中，在加速度计轴的不同路径中使用的BPF滤波器910对于每个加速度计轴可以是不同的(类似于在图9中也用相同的数字标记的ALP滤波器902)。
另外，虽然图9示出了用于过滤进入的PPG信号的滤波器906的级联，但是在其他实施方案中，从加速度计的多个通道导出的这种滤波器可以被不同地组合(即，不一定完全级联，或者使用与图9所示的级联不同的级联)。
在图9中，如图9中框902附近标有“302”的虚线框所示，ALP增白器902可被认为代表图3中所述的滤波器代302。类似地，可以认为用滤波器906进行的滤波表示图3中所述的信号调节304，如图9中用“304”标记的虚线框所示。在一些实施方案中，BPF 908也可以被认为是信号调节304的一部分。此外，图9的示例中所示的可选高通滤波器(“HPF”)912的应用也可以被认为是信号调节304的一部分。可以使用这种HPF来减少或消除由于使用从ALP导出的系数应用滤波器而产生的可能的高频伪影。
如图9所示，从前端清除的PPG信号被提供给跟踪心跳频率并提供心率的后端频率估计模块。返回到图6所示的方法600，这意味着，一旦已经对第一信号执行了信号调节304，则方法600继续追踪心率(步骤612)。
这里描述的改进的滤波机制的一个重要优点是其在时域内从心率传感器过滤输入信号的能力，从而不需要像在频域方法中所使用的那样对计算强度进行频域转换。另一个重要的优点是它提供了一种改进的方式来减少或消除来自输入信号的运动相关的伪影。特别地，使用ALP的滤波器生成允许正确的信号调节准备输入数据样本，这可以导致更好的跟踪。这个优点可以通过在数据采样被处理以跟踪心率之前从心率传感器中过滤、去除、衰减、修改或去除某些不希望有的数据采样部分来实现。
图4-9提供了实现改进的滤波方法的一些例子，上面已经描述了这些例子中的一些变化。以下部分描述了关于上述时域干扰去除的附加变化。
前端处理：关于改进的滤波机理的进一步的变化
图6中所示的表示信号调节304的步骤608和610提供了使用从加速度计数据导出的系数来调节第一信号的一个示例。更一般地，信号调节304可以包括用于执行输入信号的数据样本的信号调节以例如滤波，去除或掩蔽可能与运动相关联的第一信号的数据样本的部分的任何方法(即可能与心跳不相关的第一信号的数据样本)的基于滤波器的相关人造物。
虽然图8和图9示出了包括400个抽头的FIR，但是当然其他实现方式可以包括任何其他数量的抽头或甚至不同种类的滤波器，例如自适应网格滤波器或自适应无限输入响应(IIR)滤波器。为特定实现选择的抽头的数量影响可能在频域中形成的凹口的数量以及这些凹槽的频率的可能位置。
另外，尽管上面描述的滤波器有时被描述为陷波滤波器(即，具有窄带阻止(高Q因子)的带阻滤波器，除了通过的频带之外，在所有频带中均具有平坦的响应)，一般来说，由ALP产生的滤波器可以包括在通带外具有非零响应的任何类型的更微妙的滤波器。
虽然图7-9示出了将被实现为有限输入响应(FIR)滤波器的滤波器结构，但是本公开的实施例可应用于其他滤波器结构。类似地，尽管图7和图8示出了将被实现为功率规格化LMS更新的自适应算法，LMS仅仅提供了更新过滤器的一个示例性方式，并且基于在此提供的讨论可以使用对本领域技术人员来说显而易见的较小修改的其他自适应算法。特别地，可以实现比LMS更高性能的自适应算法(即使这样的算法可能更复杂)。
尽管本文描述的许多示例是关于表示心跳的频率来描述的，但是可以设想该方法可以应用于其他场景中，用于对用于跟踪其他类型的缓慢变化的频率的输入信号进行滤波(例如，现象或事件的频率不会改变或突然跳跃)。另外，虽然这里的例子是用一个或多个光学传感器提供的一个或多个输入信号来描述的，但是可以设想，该方法可以用来过滤由其他类型的传感器产生的输入信号，包括但不限于：光学传感器、音频传感器、电容传感器、磁传感器、化学传感器、湿度传感器、湿性传感器、压力传感器和生物传感器。
另外，可以使用多于一个光学传感器，并且可以根据上述改进的滤波方法对从其获得的数据进行滤波。以下部分描述了使用多个光学传感器的一些注意事项。
使用多个光学传感器
用于测量PPG输入信号的波长可以跨越从蓝色到红外的波长。在经典的应用中，两种颜色的LED(通常为660nm和940nm)用于测量血氧饱和度。这些设备大批量生产，随时可用。在另一个应用中，一个简单的单色发光二极管(例如940nm)可以用来通过测量返回信号的周期性变化来测量心率。在某些情况下，使用绿色LED来吸收由手腕上血流引起的吸收变化。
不同波长的光反射与皮肤不同(由于皮肤的色素沉着和皱纹以及皮肤的其他特征)，并且当感测从皮肤反射的光时，不同的光学传感器在运动存在时倾向于表现不同。基于这种见解，可以推断关于运动的存在和/或输入信号的质量的信息。根据洞察力，也可以改善由跟踪器处理的数据样本。可以使用具有不同波长的多个光源(例如，红色LED和绿色LED)。例如，通过检测这些光源并检查用于检测具有各个波长的光的光学传感器的输入信号之间的差异或来自宽带光学传感器的输入信号的频谱的不同部分，有可能推断输入信号的某些数据样本是否可能受到运动或其他人为因素的影响。
一般而言，如果知道不同类型的光学传感器在不同条件下(或一般情况下)的不同特性和行为，则可以提供内部一致的模型。基于内部一致的模型，可以推断出关于传感器的信号或环境的信息。推理可以帮助自适应滤波器系数发生器评估数据样本的某些部分是否应该被移除。推理还可以帮助信号调节指定如何处理数据样本以改善跟踪。这可以包括以某种方式过滤信号。推理也可以在一些情况下向跟踪器发信号以执行不同的跟踪。
在一些情况中，使用多个光学传感器可以通过消除或减少光学传感器之间的常见全局特性来改善跟踪，以更好地跟踪慢变化频率。在一些情况下，内部一致的模型可以规定，对于多个传感器，被跟踪的缓慢变化的频率(例如跟踪的心率)应该基本相同(例如，红色LED应当测量与绿色LED相同的心率)。
后端处理：改进的跟踪机理的概述
即使在信号调节之后清理所获得的输入信号，例如使用上述改进的滤波技术或任何其他合适的信号调节技术，输入信号通常仍然是非常嘈杂的，因此在提取实际心率时应该小心。本公开描述了一种改进的后端处理机制，即使在输入信号存在噪声的情况下也可以跟踪心跳信号。
改进的跟踪机制基于这样的认识，即将输入信号馈送到双滤波器结构，其中两个滤波器通过共振频率F_RES周围的窄频带并且在频率F_RES处具有基本相等的幅度，并且进一步具有谐振频率F_RES以上的特性，第一滤波器的幅度大于第二滤波器的幅度，并且在谐振频率F_RES以下，第二滤波器的幅度大于第一滤波器的幅度，通过自适应修改两个滤波器的谐振频率，可以识别输入信号的频率，直到两个滤波器的输出幅度相等。结果，从有噪声的传感器信号识别/跟踪心跳信号是可能的。
符合以上描述的一个特别有用的双滤波器结构可以作为Chamberlin状态变量滤波器来提供。下面的段落进一步详细描述了改进的跟踪机制如何执行和实现以及状态变量滤波的基础知识。
后端处理：改进的跟踪机理的示例性实施
图10图示了示例性后端处理，根据本公开的实施方案。尽管上述的前端处理可以被认为是心率监测的第一阶段，但是后端处理可以被认为是包括输入信号中的心率的实际跟踪的第二阶段，例如，上述的PPG信号。
如图10所示，来自心率传感器的输入信号被提供给跟踪滤波器1002。这些信号可以是如由心率传感器产生的原始输入信号或经过一些最小处理例如滤波以仅保持感兴趣的范围内的频率(例如0.5-3.5Hz)的输入信号。这样的信号可以是如如图6所示步骤602接收的。可选地，这样的信号可以是经处理以减少其中的噪声量的输入信号，如图7所示的步骤610中产生的清理输入信号。在这种情况下，可以使用任意地，HPF 1004可用于去除可能由ALP滤波引入的低频伪像(即HPF 1004类似于图9中所示的HPF 912)。输入信号也可以是由本领域已知的任何其他信号调节技术处理的信号(在这种情况下HPF 1004可能不是必需的)。
在实施方案中，也可以实现可选的并行检查器1006，也如图10所示。这种可选的检查器可以被配置为执行检查以确保跟踪过滤器遵循真实的心跳信号。
可以如下描述由检查器1006执行的一个算法。快速傅立叶变换(FFT)组件1008可以被采用，例如操作，每秒一次，并且在包含最近数据样本的缓冲器上进行操作，例如，缓冲器可以包含前5到10秒的数据。输入信号提供给这样一个FFT组件，如图10所示。作为执行FFT的结果，用值填充时间频率点的矩阵，并且置信度检查组件1010检查这些值以确定由跟踪滤波器1002报告的频率结果的置信度。置信度检查器1010可以采用各种标准。在实施方案中，为了产生“确信”的结果，峰值箱的频率在10个连续的FFT帧中变化不超过+/-20％，其中每秒钟计算一个新帧，长度为512或1024，典型采样率为100Hz，并且使用任何公共窗口函数和/或峰值箱的幅度可以大于对于10个连续帧的次最低峰值的1.6倍。如果获得“确信”结果，则置信度检查器1010可以被配置为将跟踪滤波器1002重置为对应于峰值仓的频率。因此，如果两个数字一致(在一定百分比内)，则跟踪滤波器正确地跟踪，否则跟踪滤波器1002可以被重置。
在其他实施方案中，检查器1006可以实现可以监测更宽频谱的其他算法，并确保跟踪滤波器1002正在跟踪对应于心跳的频率。
跟踪滤波器1002的一个示例性实现在图11中示出并且现在被描述。
图11图示根据本公开的实施方案的心率监测设备1100的系统视图。类似于图2，设备1100包括光源102和光学传感器104。任选地设备1100可以包括其他传感器202和可选的加速度计110，如以上参照图2所描述的。可以提供集成电路1102来驱动光源102并提供模拟前端以接收由光学传感器104提供的信号以及由加速度计110和其它传感器202提供的任选地。在一些实施方案中，模拟前端1102可以将(如果需要的话)模拟输入信号转换为模拟输入信号的数据样本。模拟前端可以与跟踪器1104通信以跟踪由传感器104获取的输入信号的心跳信号的频率。跟踪器1104类似于上述跟踪器212的处理器206(在这种情况下，滤波器系数发生器208和信号调节器210可以存在，但是完全是可选的)。
在各种实施方案中，跟踪器1104可以包括专门设置用于处理输入信号的数据样本的若干特殊应用特定部分或模块、电子电路和/或可编程逻辑门，以从该输入信号的跟踪器1104跟踪心跳信号的频率输入信号。处理器1104可以是数字信号处理器，该数字信号处理器设置有用于跟踪缓慢变化的频率的专用组件，和/或处理器可以执行特殊指令(存储在非临时性计算机可读介质上)，用于执行如本文所述的跟踪慢变频率的各种方法。图12示出了一个这样的方法的示例性流程图，例如，由图11所示的跟踪器1104实现，用于跟踪心率。
参照图11，在一些实施方案中，跟踪器1104的部件可包括以下一种或多种：第一滤波器1106(滤波器A)、第二滤波器1108(滤波器B)、控制器1110和重构器1112。
第一滤波器和第二滤波器是具有谐振频率F_RES的滤波器，在该谐振频率下，其输出的幅度基本相等(这种幅度为非零值并且通常在谐振峰处或接近谐振峰)并且在频率F_RES之上，第一滤波器的幅度大于第二滤波器的幅度，并且在频率F_RES以下，第二滤波器的幅度大于第一滤波器的幅度(即第一和第二滤波器具有不对称响应)。在一些实施方案中，这种第一和第二滤波器可以被实现为单个状态变量滤波器的部分，例如，一个Chamberlin滤波器。在各种实施方案中，这种第一和第二滤波器可以在单个滤波器(例如Chamberlin滤波器或其他状态变量滤波器)中实现，或者作为单独的滤波器实现，只要第一和第二滤波器具有反馈回路，该反馈回路允许更新控制滤波器的谐振频率的滤波器的一个或多个控制参数，直到其输出的幅度相等。
控制器1110实现与改进的跟踪机制有关的功能，如下面更详细描述的。在一些实施方案中，控制器1110连续地监测来自心率传感器(输入信号)的一个或多个信号的输入数据采样，并且试图连续确定来自传感器的一个或多个信号中存在的心跳信号的频率。可以向输出1114(例如，扬声器、显示器、触觉输出设备等)提供控制器1110的输出，例如以每分钟心跳次数确定的心率。
重构器1112类似于重构器216，因此，为了简洁起见，这里不再重复描述。
第一滤波器1106、第二滤波器1108、控制器1110和重构器1112可以包括用于执行其相应功能的装置。用于执行功能的数据和/或指令可以被存储并保存在存储器1116中(可以是非暂时的计算机可读介质)。
图11中所示的设备仅仅是心率设备的一个例子，可以设想，可以提供其他合适的布置来实现用于跟踪心率传感器在噪声环境中提供的一个或多个输入信号的听觉率的改进方法。
图12示出了根据本公开的实施方案，用于跟踪由一个或多个心率传感器在嘈杂的环境中提供的一个或多个输入信号中存在的心跳信号的更详细的方法1100的示例性流程图。方法1200可以由控制器1110和/或由跟踪器212执行。方法1200可以开始设置第一和第二滤波器的初始控制参数(步骤1202)。在一些实施方案中，这样的控制参数可以包括一个或多个参数，例如数字FIR或数字IIR滤波器的系数或状态变量滤波器的一个或多个参数。第一和第二滤波器的控制参数可以是，但不一定是相同的。控制参数的初始设置可以被优化为例如匹配静止人的典型心率。滤波器的控制参数控制谐振频率F_RES。因此，设置/更新(即改变)控制参数意味着设置/更新第一和第二滤波器的谐振频率F_RES。
方法1200还包括接收输入信号的数据样本并将接收到的数据样本提供给第一滤波器1106和第二滤波器1108(步骤1204)。输入信号可以由光学传感器产生，并且在一些情况下，输入信号被模拟前端处理以产生(数字)数据样本，可能受输入信号的信号调节的影响。
响应接收输入信号，第一和第二滤波器产生一个输出。在步骤1206中，该方法包括确定第一滤波器(幅度A)的输出的幅度和第二滤波器(幅度B)的输出的幅度。振幅可以表示为例如以均方值、均方根值、峰-峰值或代表输出信号幅度的任何其他测量值来表示。
根据所确定的幅度A和B，在步骤1208中，该方法包括更新一个或多个控制参数。特别地，当幅度A不等于幅度B时，更新控制参数旨在通过将谐振频率F_RES移位成等于输入频率来均衡这些幅度。换句话说，控制参数被更新，使得幅度A和B将变得相等。第一和第二滤波器的谐振频率F_RES根据控制参数更新值的变化而在频率上上下移动。
下面更详细描述的一些滤波器拓扑，例如状态变量滤波器，在谐振频率F_RES和控制频率F_RES的滤波器控制参数之间具有非常简单的数学关系，并且为了减少计算负担，这些拓扑结构可能是优选的。
在下面的图13和图14中示出了通过更新控制参数的过滤器输出的转向。
在一个可选实施例中，控制参数也可以基于指示心率传感器在获取正在跟踪心跳信号的输入信号期间的运动的信号来更新。这样的信号可以例如，包括如本文所述的加速度计信号。在另一个实施例中，取决于在收入信号的获取期间经历多少运动，第一和第二滤波器中的至少一个但优选两者的Q因子可以被动态地调整，例如，通过动态改变一个或多个二阶IIR滤波器的Q因子。以下参考图20来描述调整Q因子的考虑事项。
方法1200还包括基于控制参数的当前值(即基于F-RES的当前值)来确定心跳信号的频率(步骤1210)。通常，一个或多个控制参数的适当缩放和处理版本可以被用作输出心率。在其中心率快速变化的情况下，控制回路可能不能足够快地给出瞬时心率的准确表示，但总的来说，在真实心率和心脏之间有一些滞后是可以接受的只要滞后时间不太长，就向用户呈现。因此直接输出一个或多个控制参数的缩放版本作为输出心率是可以接受的。然而，其中信号质量非常差，或者其模数转换器(ADC)可能饱和，或者可能指示心率估计中置信度低的任何其他条件冻结心率显示或显示错误。在这种情况下，计算或呈现的心率可能与控制参数的简单版本不同。
在一些情况下，一个或多个控制参数的值与第一和第二滤波器的真实谐振频率之间可能存在非线性关系。因此，如果简单地缩放一个或多个控制参数的值并将其用作输出心率，则可能存在一些错误。该误差可以通过包括一些故意的非线性来消除，该非线性被设计用于补偿一个或多个控制参数与第一和第二滤波器的谐振频率之间的非线性关系。
如果振幅不相等，则该方法可以从步骤1208前进到步骤1204，即步骤1204-1208被迭代，直到第一和第二滤波器的结果的幅度基本相等。
图13和图14中示出了通过更新控制参数对滤波器输出进行导向，其中第一滤波器被实现为欠阻尼高通滤波器并且第二滤波器被实现为欠阻尼低通滤波器。
图13示出了根据本公开的实施方案的低通滤波器(实线1302)和高通滤波器(虚线1304)的结果。这两个滤波器可以通过比较输出来控制，如图14所示。
图14示出了根据本公开的实施方案的过滤器输出的转向。图14两侧的曲线图用线1400示出频率F_RESat，其中第一和第二滤波器的输出的幅度相等(在两条曲线1400经过峰值，其中幅度相等)。
图14左侧的曲线说明其中PPG输入频率低于两个滤波器的谐振频率F_RES的情况。在这种情况下，高通滤波器的输出的幅度小于低通滤波器的输出的幅度。因此，高通滤波器的幅度(例如均方值)除以低通滤波器的幅度(例如均方值)小于1(或者换句话说，这些幅度的差别是负的)。在这种情况下，如曲线中的箭头所示，需要更新一个或多个控制参数，以使谐振频率F_RES(第一和第二滤波器的响应相等)向下移动。
图14右侧的曲线图说明其中PPG输入频率高于两个滤波器的谐振频率F_RES的情况。在这种情况下，高通滤波器的输出的幅度大于低通滤波器的输出的幅度。因此，高通滤波器的幅度(例如均方值)除以低通的幅度(例如均方值)大于1(或者换句话说，这些幅度的差别是正的)。在这种情况下，需要更新一个或多个控制参数以移动谐振频率F_RESup，如该曲线中的箭头所示。
在实施方案中，第一和第二滤波器可作为Chamberlin状态变量滤波器来实现，下面将对其进行简要的介绍。
状态变量滤波器的基础
模拟状态变量滤波器是指一种有源滤波器(即使用有源元件(例如放大器)的滤波器)，其包括一个或多个积分器(即其输出是其输入信号的时间积分的组件)连接在一些反馈回路配置。状态变量滤波器直接实现状态空间模型，其中一个积分器的瞬时输出电压对应于状态空间模型的状态变量之一。
Chamberlin滤波器是一种近似模拟状态变量滤波器的数字滤波器，可用于实现此处所述的第一和第二滤波器。名词“Chamberlin”源于这样的事实，即这种状态变量滤波器首先在Hal Chamberlin的“微处理器的音乐应用”中被描述，通过直接用模拟状态变量滤波器替换数字对应部件中的部件。由于低通、高通、带通和带阻输出是同时可用的，因此Chamberlin滤波器提供了实现这里描述的第一和第二滤波器的便利方式、截止(或谐振)频率和Q控制是独立的，并且它们的值可以被容易地计算。
图15示出了根据本公开的一些实施例的Chamberlin状态变量数字滤波器。使用这种滤波器(或另一种类型的状态变量滤波器)可以被认为是使用跟踪器1104/212的第一步骤。参数f可以使用以下公式计算拐角频率：
f＝2πfc/fs
其中，fc是指滤波器的转折频率(根据具体实施方式设置的设计参数)，fs是指采样率(也是设计参数)。在需要高谐振振波波器的情况下，频率fc也可以称为谐振频率，与图14所示的频率F_RES相同。低通、高通、带通和带阻(即陷波滤波器)输出分别表示为输出1502、1504、1506和1508。
图16示出了来自Chamberlin状态变量数字滤波器的每个输出的响应，根据本公开的实施方案。响应被示出为来自图15的滤波器的低通滤波器输出的响应1602、来自图15的滤波器的高通滤波器输出的响应1604，来自图15的滤波器的带通滤波器输出的响应1606以及来自图15的滤波器的陷波滤波器(带阻)输出的响应1608。
回到图15，图中所示的输入“f”表示参考图12描述的控制参数的例子(在这种情况下仅一个控制参数)。Chamberlin滤波器通过改变调节F_RES值的输入参数f的值进行调节。这里描述的跟踪算法的目标是找到两个滤波器的振幅(在这个例子中，Chamberlin滤波器的低通和高通输出)匹配的控制参数f的值。当F_RES等于输入信号到Chamberlin滤波器的输入频率时，后者(即Chamberlin滤波器的低通和高通输出具有相同的幅度)会发生。
Chamberlin滤波器的一个优点是滤波器谐振频率F_RES可以用单个控制参数(输入“f”)来调节，因此频率F_RES，其第一和第二滤波器的输出相等，可以通过简单地调整这个单个参数来确定。
如果“Q”因子设置为一个较大的值(例如大于2)，则Chamberlin滤波器的低通输出和高通输出在频率上呈现谐振响应(即具有谐振峰值)F_RES，其值取决于控制参数“f”的值，其中低通和高通输出的幅度是相同的。一般来说，大的Q值在这方面是有利的，因为它有助于降低对与所需信号不同的频率的噪声和干扰信号的敏感度。
使用级联滤波器
使用第一和第二滤波器的一个级来调谐滤波器的控制参数直到它们的幅度相等足以从振幅相等的控制参数跟踪心率频率。然而，使用级联架构可以提供进一步的优点，因为它可以允许增加频率分辨率(即从谐振频率下降更陡)。
图17示出了根据本公开的实施方案的示例性跟踪算法的总体图，其中三个状态变量滤波器1702、1704和1706，例如，Chamberlin过滤器是级联的。对于这些滤波器中的每一个，在图17中，“Lpf”是指低通输出(例如图15中的输出1502)，“hpf”是指高通输出(例如图15中的输出1504)，“bpf2”是指如下所述的经修改的带通滤波器响应，“IN”是指输入信号给滤波器，“CP”是指一个或多个输入控制参数(因此CP)(对于如图15所示Chamberlin滤波器，控制参数为参数“f”，如图17所示“CP”提供“f”)。
图18示出了根据本公开的实施方案修改的带通滤波器响应。如图18所示，通过将高通滤波器的输出的一部分(在图中用权重K表示)和低通滤波器的一部分(在图中用K表示，尽管这两个权重可能是不同的)输出添加到图15的Chamberlin滤波器的带通，则可能会限制远离峰值的衰减，导致带有经修改的带通输出的状态变量滤波器(表示为“bpf2”，如响应1802所示。
回到图17的结构，由于滤波器1702-1706被级联以确保更明显的峰值，所以滤波器1702接收输入信号(例如PPG信号)作为输入，然后将滤波器1702的经修改的带通输出“bpf2”作为输入信号提供给滤波器1704，滤波器1704的改进的带通输出“bpf2”作为输入信号提供给滤波器1706(如图17所示，其中相应部分之间的箭头)。然后，如框1708和1710所示确定滤波器1706的低通和高通输出的幅度，并相应地更新控制参数f(框1712)。
在图17中，“A”是指滤波器1706的高通滤波器的输出的均方值，而“B”是指滤波器1706的低通滤波器的输出的均方值。然而，在其他实施方案中，可以使用估计响应的幅度的任何其他任意函数(除了均方值)。
另外，在图17中，控制参数f被显示为根据等式更新：
Figure BDA0002676975500000281
表示第一和第二滤波器的幅度是根据它们的比率(目标比率是1)来评估的，其中f旧和f新分别表示在更新之前和之后的控制参数f的值，并且速度是指反馈系统响应快速变化的输入频率的速度有多快。
但是，在其他实施方案中，更新可能会有所不同。例如，第一和第二滤波器的幅度可以通过考虑它们的差异来比较，在这种情况下，更新等式可以是这样的形式：
f新＝f旧+alpha*(A-B)，
其中alpha指的是控制系统响应A和B之差的正值。当高通输出A大于低通输出B时，两个这样的更新等式都将频率F_RES的值(即，低通和高通输出的幅度相等的频率)向上移位，而当高通输出A小于低通输出B(根据图14中的左图)，并且当A＝B时将阻止第一和第二滤波器进一步适应，但是低通和高通滤波器如何到达那里的动态(即，它们的控制参数如何改变)可能有所不同。
比较第一和第二滤波器的输出并且相应地更新控制参数的其他更新等式对于本领域技术人员来说是显而易见的，并且因此在本公开的范围内。
控制参数f的更新值涉及下面表示的振荡频率F_RES：
F_RES＝2*PI*f/fs
控制参数f的更新值与谐振频率F_RES相关F_RES＝2*PI*f/fs，其中fs是采样频率，在这种情况下，控制参数f是用于设置状态变量滤波器中积分器增益的参数。因为优选的更新方程仅取决于A/B的比率，所以任何其他与f线性相关的变量都可以被更新，参数f可以被计算为该变量的缩放版本。例如，由于F_RES和f是线性相关的，所以更新方程可以对等于F_RES的变量进行操作，然后可以通过(fs/(2*PI))来缩放该参数给出参数f，这将导致状态变量滤波器具有F_RES的谐振频率。本领域技术人员将认识到许多可以实现相同的响应形状的其他滤波器拓扑结构，但是可能需要更复杂的一组方程来产生多个参数，以适当地缩放滤波器的频率响应，所有这些都在本公开的范围内。
滤波器的速度vs阻尼
众所周知，滤波器的阻尼通常以被称为“Q因子”的质量因子或简称为“Q”来测量。为了能够识别谐振峰值，第一和第二滤波器根据本公开的实施例是相等的，优选地使用适度高的Q值(否则滤波器响应太宽且峰值更难以识别)。然而，高Q值导致低速，并且因此可能获得心率之前的较大延迟(滞后)。延迟时间可能会令人无法接受，特别是当测量刚刚开始时，尽快获得第一个心率是很重要的。
图19示出了用于频率斜坡输入的轨道速度，根据本公开的实施方案。在图19中，1902行示出了使用用于产生频率调制信号的标准公式人工产生的瞬时正弦PPG输入频率，并且线1904示出了由这里描述的跟踪器识别为心跳信号的频率的频率。为了产生图21的曲线图，基于已公布的数据，假定最差情况dbpm/dt在45秒内为60bpm。在图19中，跟踪滤波器滞后3秒，或者在给定时间下午5点有错误。在实施方案中，跟踪器1104/212可以被配置为通过估计斜率来校正心跳频率的读出，例如，基于经验数据。
在实施方案中，可以基于存在的运动量来设置第一和/或第二滤波器的Q因子，例如，基于指示心率传感器在获取心跳信号正在被跟踪的输入信号期间的运动的信号，诸如加速度计信号。这在图20中示出，其中，y轴用于说明Q值，而x轴用于说明指示所有三个加速度计通道(所有轴的总和，归一化为1G＝1.0的加速度计增益)的RMS值的参数。对于图20的模拟，变量“速度”设定为等于0.001/Q。
当加速度计的RMS幅度(包括所有3个轴)低于某个阈值(即运动相对较小)时，PPG通道中的运动伪影最小。在这种情况下，跟踪滤波器的Q可以更低、跟踪速度可以更高(因为速度与Q成反比)，从而降低了初始脉冲采集时间。当加速度计功率超过某个阈值时，PPG信号中的运动伪像开始出现。在这种情况下，增加滤波器Q并降低跟踪速度可以使滤波器鲁棒地抑制干扰信号。以这种方式，跟踪滤波器1104/212的行为可以根据运动量动态修改。
应该注意，图20描绘了基于经验数据的Q值的调整，并且当然在其他实施例中，在x轴和y轴上描绘的值可以是不同的。在图20所示的例子中，Q因子的值为1.5被认为是“低”值，而3.0的值被认为是“高”值，x轴上的0.017和0.035值是经验导出的阈值，其中1.0表示1G的加速度。图20说明，当加速计通道指示运动相对较少时，例如根据一些预定义的或动态定义的第一阈值(图19中用于x的图的一部分小于0.017)来定义的，可以使用低Q值(即适应的高速度)。这是合理的，因为输入信号(例如，PPG信号)没有或几乎没有运动，是相对干净的(即使有的话，运动相关的伪像很少)，跟踪器1104/212锁定的频率很可能是真正的心跳信号。图20进一步说明，随着运动量的增加，例如根据一些预定的或动态定义的第二阈值(图20中的阈值是大于0.035的x值)来定义的，可以增加Q。较高的Q意味着速度较低，但是这种牺牲是合理的，因为噪声较大的数据需要较强的滤波器特性来鲁棒地抑制噪声并提取心跳频率。因此，对于大于0.035的x，图20说明使用高Q值，其中x值在0.017和0.035之间逐渐增加。
图21示出了具有不对称上/下时间常数的跟踪的实施例。在图21中，线2102示出了类似于图19的线1902的瞬时正弦PPG输入频率，并且线2104示出了由在此描述的跟踪器输入的PPG输入内的心跳信号的频率，类似于图19的线1904。
现实生活中的心率测量表明，心率(即单位时间心率变化率)的最大正转速可能大于最大负心率摆率。为获得最好的跟踪性能，希望通过使用滤波器更新方程中的不对称时间常数来匹配输入PPG信号的不对称的上/下速率。新的更新方程可以被表述为：
比率＝平均_sq(高通)/平均_sq(低通)
If(比率>1),速度＝速度_标称*(2*比率-1)
其他速度＝速度_标称
F控制＝F控制*比率^速度
请注意，速度_标称可是图20中的Q调整速度。
如果不使用非对称时间常数，则整体跟踪速度需要足够高，以跟踪PPG输入数据中观察到的最大正转换速率，这会导致对输入噪声的整体敏感度。当遇到大的正转换速率时，可以通过提高系统的速度来克服这个问题。
模拟结果
图22示出使用时域干扰去除的15分钟步行/慢跑/跑步期间的心率监测与这里描述的跟踪机制(线2202)和心电监测使用心电图(ECG)(线2204)的比较。x轴表示时间，而y轴表示BPM。如该图所示，在此描述的实现改进的前端以及改进的后端处理使得能够高度准确地跟踪心跳信号的频率。
实施例
例子1A提供一种用于辅助识别和/或跟踪在噪声环境中由一个或多个传感器产生的一个或多个第一信号中存在的心跳信号的方法，该方法包括下列步骤：接收第一信号的数据样本；接收指示所述一个或多个传感器的运动的第二信号的数据样本；将自适应线性预测应用于第二信号的数据样本的至少一部分，以确定被配置为对在来自指示所述一个或多个传感器的运动的信号的第二信号中存在的噪声内容的至少一部分进行滤波的自适应线性滤波器的系数；和通过从所述第一信号中减去通过将包括所确定的系数的滤波器应用于所述第一信号而生成的信号来产生经滤波的第一信号。
例子2A提供根据例子1A的方法，其中第二信号至少包括指示所述一个或多个传感器相对于第一方向运动的第一部分、以及指示所述一个或多个传感器相对于第二方向运动的第二部分，并且将自适应线性预测应用于第二信号的数据样本的至少一部分包括：i)将自适应线性预测应用于所述第二信号的第一部分以确定第一自适应线性滤波器的第一组系数，被配置为从指示所述一个或多个传感器相对于所述第一方向的运动的信号将存在于所述第二信号的第一部分中的噪声内容的至少一部分滤波；和ii)将自适应线性预测应用于所述第二信号的第二部分以确定第二自适应线性滤波器的第二组系数，被配置为从指示所述一个或多个传感器相对于第二方向的运动的信号将存在于所述第二信号的第二部分中的噪声内容的至少一部分滤波。
例子3A提供根据例子2A的方法，其中产生经滤波的第一信号包括通过下列步骤来产生经滤波的第一信号：从所述第一信号中减去通过将包括所确定的第一组系数的滤波器应用于所述第一信号来产生的信号，并且减去通过将包括所确定的第二组系数的滤波器应用于所述第一信号来产生的信号。
例子4A提供根据前述例子中任一项所述的方法，其中滤波器包括有限脉冲响应(FIR)滤波器。
例子5A提供根据前述例子中任一项所述的方法，其中自适应线性预测基于功率归一化最小均方(LMS)更新算法。
例子6A提供根据前述例子中任一项所述的方法，其中功率归一化LMS算法的更新方程包括泄漏因子(LF)。
例子7A提供根据前述例子中任一项所述的方法，还包括使用预处理滤波器处理所述第二信号的数据样本，以在应用自适应线性预测之前基本上衰减在与心跳相对应的目标合理频带范围之外的信号内容。
例子8A提供根据前述例子中任一项所述的方法，其中所述预处理滤波器是低通滤波器或带通滤波器，和所述目标合理频带包括0.5赫兹至3.5赫兹之间的频率。
例子9A提供根据前述例子中任一项所述的方法，还包括用预处理滤波器处理所述第一信号的数据样本，以在产生经滤波的第一信号之前大体上衰减对应于心跳的目标合理频带之外的信号内容。
例子10A提供根据例子9A所述的方法，其中所述预处理滤波器是低通滤波器或带通滤波器，和所述目标合理频带包括0.5赫兹至3.5赫兹之间的频率。
例子11A提供根据前述例子中任一项所述的方法，还包括在产生经滤波的第一信号之前，将滤波器或掩模应用于或去除指示一个或多个传感器的饱和状态的第一信号的数据样本的一部分。
例子12A提供根据前述例子中任一项所述的方法，还包括在应用自适应线性预测之前，将滤波器或掩模应用于或去除第二信号的值的期望值范围之外的第二信号的数据样本的一部分。
例子13A提供根据前述例子中任一项所述的方法，还包括在产生经滤波的第一信号之前，将滤波器或者掩模应用于或去除第一信号的值的期望范围之外的第一信号的数据样本的一部分。
例子14A提供根据前述例子中任一项所述的方法，还包括处理所述经滤波的第一信号以跟踪心跳信号。
例子15A提供根据例子14A所述的方法，其中处理所述经滤波的第一信号以跟踪心跳信号包括产生所述经滤波的第一信号的时频表示，和跟踪所述时频表示中存在的一个或多个轮廓来跟踪心跳信号。
例子16A提供包括实施根据例子1A-15A中任一项所述的方法的构件的系统。
例子17A提供辅助实施根据例子1A-15A中任一项所述的方法的数据结构。
例子18A提供一种用于辅助识别和/或跟踪在噪声环境中由一个或多个传感器产生的一个或多个第一信号中存在的心跳信号的系统，所述系统包括：至少一个存储器元件，被配置为存储计算机可执行指令；和至少一个处理器，耦合到所述至少一个存储器元件并且被配置为在执行所述指令时执行根据例子1A-15A中任一项所述的方法。
例子19A提供根据例子18A所述的系统，还包括一个或多个传感器。
例子20A提供根据例子19A所述的系统，其中一个或多个传感器包括以下一种或多种：光学传感器、音频传感器、电容传感器、磁传感器、化学传感器、湿度传感器、湿性传感器、压力传感器和生物传感器。
例子21A提供根据上述例子中任一项所述的系统，还包括被配置为产生第二信号的一个或多个加速度计。
例子22A提供一个或多个非暂时性有形媒体编码逻辑，包括用于执行的指令，所述指令在由处理器执行时可操作用于执行用于辅助识别和/或跟踪在噪声环境中由一个或多个传感器产生的一个或多个第一信号中存在的心跳信号的操作，所述操作包括操作根据例子1A-15A中任一项所述的方法。
例子1B提供一种用于使用被配置为实施第一滤波器和第二滤波器的结构来提取由一个或多个传感器产生的输入信号内存在的心跳信号的频率的方法，所述第一滤波器和所述第二滤波器是具有频率F_RES的滤波器，在该频率处它们输出的幅度基本相等，并且在频率F_RES之上，所述第一滤波器的幅度变得大于所述第二滤波器的幅度，以及在频率F_RES以下，所述第二滤波器的幅度变得大于所述第一滤波器的幅度，该方法包括下列步骤：a)响应于所述第一滤波器接收输入信号和一个或多个滤波器控制参数，确定所述第一滤波器产生的输出的幅度；b)响应于所述第二滤波器接收输入信号和一个或多个滤波器控制参数，确定所述第二滤波器产生的输出的幅度；c)基于步骤a)和b)的幅度更新所述滤波器控制参数并进行到步骤a)；d)基于所述一个或多个滤波器控制参数确定心跳信号的频率。
例子2B提供根据例子1B所述的方法，其中第一滤波器和第二滤波器是Chamberlin状态变量滤波器的滤波器。
例子3B提供根据例子1B或2B所述的方法，还包括基于指示所述一个或多个传感器的运动的信号来调节所述一个或多个滤波器控制参数。
例子4B提供根据例子3B所述的方法，其中调节一个或多个滤波器控制参数包括动态地改变一个或多个二阶IIR滤波器的Q因子。
例子5B提供根据前述例子中任一项所述的方法，还包括使用预处理滤波器处理输入信号，以在执行步骤a)之前基本上衰减与心跳对应的目标合理频带外的信号内容。
例子6B提供根据例子5B所述的方法，其中所述预处理滤波器是低通滤波器或带通滤波器；和目标合理频带包括0.5赫兹至3.5赫兹之间的频率。
例子7B提供根据前述例子中任一项所述的方法，其中输入信号包括滤波的输入信号，并且该方法还包括通过下列步骤在步骤a)-d)之前从由所述一个或多个传感器产生的第一信号来产生滤波的输入信号：将自适应线性预测应用于第二信号的数据样本的至少一部分，所述第二信号指示所述一个或多个传感器的运动，以确定被配置为对在来自指示所述一个或多个传感器的运动的信号的第二信号中存在的噪声内容的至少一部分进行滤波的自适应线性滤波器的系数；和通过从第一信号中减去通过将第一信号应用于包括所确定的系数的滤波器而产生的信号来产生滤波的输入信号。
例子8B提供根据例子7B所述的方法，其中所述第二信号至少包括指示所述一个或多个传感器相对于第一方向运动的第一部分、以及指示所述一个或多个传感器相对于第二方向运动的第二部分；和将自适应线性预测应用于第二信号的数据样本的至少一部分包括：将自适应线性预测应用于所述第二信号的第一部分以确定第一自适应线性滤波器的第一组系数，被配置为从指示所述一个或多个传感器相对于所述第一方向的运动的信号将存在于所述第二信号的第一部分中的噪声内容的至少一部分滤波；和将自适应线性预测应用于所述第二信号的第二部分以确定第二自适应线性滤波器的第二组系数，被配置为从指示所述一个或多个传感器相对于第二方向的运动的信号将存在于所述第二信号的第二部分中的噪声内容的至少一部分滤波。
例子9B提供根据例子7B所述的方法，其中自适应线性预测基于功率归一化最小均方(LMS)更新算法。
例子10B提供一种心率监测系统，包括滤波器结构和一个或多个处理单元。滤波器结构用于能够确定由一个或多个传感器产生的输入信号内存在的心跳信号的频率，所述滤波器结构被配置为实施第一滤波器和第二滤波器，所述第一滤波器和所述第二滤波器是具有频率F_RES的滤波器，在该频率处它们输出的幅度基本相等，并且在频率F_RES之上，所述第一滤波器的幅度变得大于所述第二滤波器的幅度，以及在频率F_RES以下，所述第二滤波器的幅度变得大于所述第一滤波器的幅度。一个或多个处理单元被配置为：a)响应于所述第一滤波器接收输入信号和一个或多个滤波器控制参数，确定所述第一滤波器产生的输出的幅度；b)响应于所述第二滤波器接收输入信号和一个或多个滤波器控制参数，确定所述第二滤波器产生的输出的幅度；c)基于步骤a)和b)的幅度更新所述滤波器控制参数并进行到步骤a)；和d)基于一个或多个滤波器控制参数确定心跳信号的频率。
例子11B提供根据例子10B所述的心率监测系统，其中滤波器结构包括Chamberlin状态变量滤波器。
例子12B提供根据例子10B或11B所述的心率监测系统，其中滤波器结构包括一个或多个数字无限输入响应(IIR)滤波器，和一个或多个滤波器控制参数控制一个或多个数字IIR滤波器的系数。
例子13B提供根据例子10B-12B中任一项所述的心率监测系统，其中滤波器结构包括一个或多个数字有限输入响应(FIR)滤波器，和一个或多个滤波器控制参数控制一个或多个数字FIR滤波器的系数。
例子14B提供根据例子10B-13B中任一项所述的心率监测系统，其中一个或多个处理器还被配置为基于指示所述一个或多个传感器的运动的信号来调节所述一个或多个滤波器控制参数。
例子15B提供根据例子14B所述的心率监测系统，其中滤波器结构包括一个或多个二阶IIR滤波器；和所述一个或多个传感器被配置为通过动态地改变一个或多个二阶IIR滤波器的Q因子来调节所述一个或多个滤波器控制参数。
例子16B提供根据例子10B-15B中任一项所述的心率监测系统，还包括一个或多个传感器。
例子17B提供根据例子16B所述的心率监测系统，其中一个或多个传感器包括以下一种或多种：光学传感器、音频传感器、电容传感器、磁传感器、化学传感器、湿度传感器、湿性传感器、压力传感器和生物传感器。
例子18B提供根据例子10B-17B中任一项所述的心率监测系统，还包括预处理滤波器，被配置为处理所述输入信号以基本上衰减与心跳对应的目标合理频带外的信号内容。
例子19B提供根据例子18B所述的心率监测系统，其中所述预处理滤波器是低通滤波器或带通滤波器；和目标合理频带包括0.5赫兹至3.5赫兹之间的频率。
例子20B提供根据例子10B-19B中任一项所述的心率监测系统，还包括滤波器，被配置为在所述一个或多个处理单元执行步骤a)-d)之前，基于指示所述一个或多个传感器的运动的加速度计信号来滤波由所述一个或多个传感器生成的输入信号。
例子21B提供包括实施根据例子1B-9B中任一项所述的方法的构件的系统。
例子22B提供辅助实施根据例子1B-9B中任一项所述的方法的数据结构。
例子23B提供一个或多个非暂时性有形媒体编码逻辑，包括用于执行的指令，所述指令在由处理器执行时可操作用于执行用于辅助识别和/或跟踪在噪声环境中由一个或多个传感器产生的一个或多个第一信号中存在的心跳信号的操作，所述操作包括操作根据例子1B-9B中任一项所述的方法。
执行根据例子1A-15A中任一项所述的方法的输出可以用作根据例子1B-9B中任一项所述的方法的输入，可能具有进一步的修改。换句话说，由于执行根据例子1A-15A中任一项所述的方法产生的经滤波的第一信号可以作为输入信号的基础，或是这样的输入信号，提供至配置为实施第一滤波器和第二滤波器的结构，从而执行根据例子1B-9B中任一项所述的方法。
变化和实施方式
可以设想，如本文所述的心率监测设备(其可以包括改进的前端处理而没有在此描述的改进的后端处理，或者仅改进的后端处理而没有在此描述的改进的前端处理，或者改进的前端处理和改进的后端处理)可以在医疗设备、安全监测、病人监护、医疗设备、医疗设备、汽车设备、航空航天设备、消费电子、运动器材等多个领域提供。
在一些情况下，心率监测设备可用于医疗机构的专业医疗设备，如医生办公室、急诊室、医院等。在某些情况下，心率监测设备可用于较不正规的环境、如学校、健身房、家庭、办公室、户外、水下等。心率监测设备可以在消费者保健产品中提供。
心率监测设备或其零件可以采取多种形式。例如手表、戒指、腕带、胸带、头带、耳机、耳塞、夹子、夹子、服装、包、鞋、眼镜、Google、帽子、西服、项链、可附着于生物、附件、便携式设备等的附件/贴片/条/垫。特别地，可穿戴技术(或通常称为“可穿戴设备”，即打算由人类或其他生物穿戴的电子设备)可以极大地利用本文公开的心率监测设备的益处，这是由于可穿戴设备的便携性和心率监测技术对运动伪影的强烈反应。即使存在噪声，可穿戴设备也可以有效地跟踪心率。除了可穿戴设备，诸如移动电话和平板电脑的便携式或移动设备还可以包括具有跟踪功能的处理器、模拟前端、光源和光传感器(或具有光源和光传感器的扩展(有线或无线))以提供心率监测设备。用户可以方便地使用无处不在的手机进行心率测量。另外，可以设想心率监测设备可以用于有线或无线的附件，例如袖带、夹子、带子、探针等，以感知生物的生理参数。这些附件可以连接到配置为提供处理器和模拟前端的机器上。模拟前端可以在配件或机器中提供。
心率监测设备除了跟踪心率之外，还可以提供其它生理参数，例如血氧饱和度(SpO2)、血压、呼吸频率、活动或运动等。除人以外，还可以提供心率监测设备给测量信号中存在的慢速跟踪频率，以感测其他生物，如动物、昆虫、植物、真菌等。
在上述实施例的讨论中，电容器、时钟、DFF、分频器、电感器、电阻器、放大器、开关、数字核心、晶体管和/或其他组件可以容易地被替换，改变或以其他方式修改以适应特定的电路需求。此外，应该注意的是，使用互补的电子设备、硬件、软件等提供了用于实现本公开的教导的可选方案。例如，不用处理数字域中的信号，可以提供可以处理模拟域中的信号的等效电子设备。
在一个例子实施例中，图的任何数量的电路可以在相关电子设备的板上实现。电路板可以是通用电路板，可以容纳电子设备的内部电子系统的各种部件，并且进一步为其他外围设备提供连接器。更具体地说，电路板可以提供电连接，系统的其他部件可以通过电连接电连接。任何合适的处理器(包括数字信号处理器、微处理器、支持芯片组等)、计算机可读非暂时性存储器元件等可基于特定配置需求、处理需求、计算机设计等适当地耦合到板。其他组件诸如外部存储器、附加传感器、用于音频/视频显示器的控制器以及外围设备可以作为插入卡，通过电缆连接到板，或者集成到板本身中。在各种实施方案中，描述的功能在此可以仿真形式实现为运行在布置在支持这些功能的结构中的一个或多个可配置(例如，可编程)元件内的软件或固件。提供仿真的软件或固件可以被提供在包括允许处理器执行那些功能的指令的非暂时性计算机可读存储介质上。在某些情况下，应用程序特定的硬件可以与处理器一起提供或在处理器中提供以执行这些功能。
在另一个示例性实施例中，图的电路可以被实现为独立模块(例如，具有被配置为执行特定应用或功能的相关组件和电路的设备)，或者被实现为插入模块到专用硬件电子设备。注意，本公开的特定实施例可以部分地或全部地容易地包括在片上系统(SOC)封装中。SOC代表将计算机或其他电子系统的组件集成到单个芯片中的IC。它可能包含数字、模拟、混合信号和通常射频功能：所有这些功能都可以在单个芯片基板上提供。其他实施例可以包括多芯片模块(MCM)，多芯片模块(MCM)具有位于单个电子封装内的多个单独的IC，并且被配置为通过电子封装彼此紧密地相互作用。在各种其他实施例中，可以在专用集成电路(ASIC)、现场可编程门阵列(FPGA)和其他半导体芯片中的一个或多个硅芯中实现慢变频率跟踪功能。
注意，上面参考图讨论的活动适用于涉及信号处理的任何集成电路，特别是那些可以执行专用软件程序或算法的集成电路，其中一些可能与处理数字化的实时数据以跟踪心率有关。某些实施例可以涉及多DSP信号处理、浮点处理、信号/控制处理、固定功能处理、微控制器应用等。在某些情况下，本文讨论的特征可以适用于医疗系统、科学仪器、无线和有线通信、雷达、工业过程控制、音频和视频设备、电流感测、仪器仪表(可以高度精确)以及其他基于数字处理的系统。此外，可以在用于医学成像、患者监测、医疗仪器和家庭保健的数字信号处理技术中提供以上讨论的某些实施例。其中包括肺监测仪、心率监测器、心脏起搏器等。其他应用可以涉及安全系统(例如稳定性控制系统、驾驶员辅助系统、制动系统、信息娱乐系统和任何类型的内部应用)的汽车技术。另外，动力总成系统(例如混合动力和电动车辆)可以在电池监测、控制系统、报告控制、维护活动等中使用高精度数据转换产品。可以想象，这些应用也可以利用所公开的改进方法跟踪缓慢移动的频率(例如，被抑制为以缓慢变化的频率移动的跟踪系统)。在其他例子场景中，本公开的教导可以应用于工业市场，所述工业市场包括旨在跟踪一个缓慢的移动频率，以帮助提高生产力、能源效率和可靠性。
注意，利用这里提供的许多例子，交互可以用两个、三个、四个或更多个部分来描述。但是，这只是为了清楚起见和例子而已。应该认识到，系统可以以任何合适的方式被合并。沿着类似的设计替代方案，图中所示出的任何组件、模块和元件可以以各种可能的配置进行组合，所有这些都清楚地在本说明书的宽范围内。在某些情况下，通过仅参考有限数量的电气元件来描述给定的一组流程的一个或多个功能可能更容易。应该理解的是，图及其教导的特征容易扩展并且可以容纳大量的组件以及更复杂/精密的布置和配置。因此，所提供的示例不应该限制电路的范围或者抑制可能应用于无数其他体系结构的电路的广泛教导。
注意，在本说明书中，包括在“一个实施例”、“例子实施例”、“实施例”、“另一实施例”、“一些实施例”、“各种实施例”、“其他实施例”、“替代实施例”等中的各种特征(例如元件、结构、模块、组件、步骤、操作、部件、特性等)旨在表示任何这样的特征被包括在本公开的一个或多个实施例中，或者可能不一定组合在相同的实施例中。
注意与追踪慢变频率有关的功能也是重要的，这只说明了一些可能由图中所示系统执行或可能执行的追踪功能。在适当的情况下，这些操作中的一些可以被删除或移除，或者这些操作可以在不脱离本公开的范围的情况下被相当大地修改或改变。另外，这些行动的时间可能会有相当大的改变。前面的操作流程是为了例子和讨论而提供的。本文描述的实施例提供了实质的灵活性，因为在不脱离本公开的教导的情况下，可以提供任何合适的布置、时间顺序、配置和时序机制。注意，上述装置的所有可选特征也可以涉及本文所述的方法或过程，并且实施例中的具体实施方式可以在一个或多个实施方式的任何地方使用。
在这些情况下(以上)的“用于...的装置”可以包括(但不限于)使用在此讨论的任何合适的组件以及任何合适的软件、电路、集线器、计算机代码、逻辑、算法、硬件、控制器、接口、链接、总线、通信路径等。在第二示例中，该系统包括还包括机器可读指令的存储器，所述机器可读指令在被执行时使得系统执行上面讨论的任何活动。
本领域技术人员可以确定许多其他的改变、替代、变化、改变和修改、并且本公开意图包括落入所附权利要求的范围内的所有这些改变、替换、变化、更改和修改权利要求。为了协助美国专利商标局(USPTO)和另外本申请发行的任何专利的读者解释所附权利要求，申请人希望注意到，申请人：(a)不意图所附权利要求援引35U.S.C第6(6)段，部分112，因为它在本申请日存在，除非在特定的权利要求中特别使用了“用于......的装置”或“用于......的步骤”；(b)不打算通过说明书中的任何陈述以任何未在所附权利要求中反映的方式来限制本公开。
虽然权利要求以美国专利商标局使用的样式以单一依赖格式呈现，但是应该理解的是，任何权利要求可以取决于并且与任何前述相同类型的权利要求相结合，除非这在技术上是明显不可行的。
注意，上述装置的所有可选特征也可以关于本文描述的方法或过程来实现，并且实例中的细节可以在一个或多个实施例中的任何地方使用。

Claims (20)

1.一种用于使用被配置为实施第一滤波器和第二滤波器的结构来提取由一个或多个传感器产生的输入信号内存在的心跳信号的频率的方法，所述第一滤波器和所述第二滤波器是具有频率F_RES的滤波器，在该频率处它们输出的幅度基本相等，并且在频率F_RES之上，所述第一滤波器的幅度变得大于所述第二滤波器的幅度，以及在频率F_RES以下，所述第二滤波器的幅度变得大于所述第一滤波器的幅度，该方法包括下列步骤：
a)响应于所述第一滤波器接收输入信号和一个或多个滤波器控制参数，确定所述第一滤波器产生的输出的幅度；
b)响应于所述第二滤波器接收输入信号和一个或多个滤波器控制参数，确定所述第二滤波器产生的输出的幅度；
c)基于步骤a)和b)的幅度更新所述滤波器控制参数并进行到步骤a)；
d)基于所述一个或多个滤波器控制参数确定心跳信号的频率。
2.根据权利要求1所述的方法，其中所述第一滤波器和所述第二滤波器包括Chamberlin状态变量滤波器的滤波器。
3.根据权利要求1所述的方法，还包括基于指示所述一个或多个传感器的运动的信号来调节所述一个或多个滤波器控制参数。
4.根据权利要求3所述的方法，其中调节一个或多个滤波器控制参数包括动态地改变一个或多个二阶IIR滤波器的Q因子。
5.根据权利要求1所述的方法，还包括使用预处理滤波器处理输入信号，以在执行步骤a)之前基本上衰减与心跳对应的目标合理频带外的信号内容。
6.根据权利要求5所述的方法，其中：
所述预处理滤波器是低通滤波器或带通滤波器；和
所述目标合理频带包括0.5赫兹至3.5赫兹之间的频率。
7.根据权利要求1所述的方法，其中所述输入信号包括滤波的输入信号，并且该方法还包括通过下列步骤在步骤a)-d)之前从由所述一个或多个传感器产生的第一信号来产生滤波的输入信号：
将自适应线性预测应用于第二信号的数据样本的至少一部分，所述第二信号指示所述一个或多个传感器的运动，以确定被配置为对在来自指示所述一个或多个传感器的运动的信号的第二信号中存在的噪声内容的至少一部分进行滤波的自适应线性滤波器的系数；和
通过从第一信号中减去通过将第一信号应用于包括所确定的系数的滤波器而产生的信号来产生滤波的输入信号。
8.根据权利要求7所述的方法，其中：
所述第二信号至少包括指示所述一个或多个传感器相对于第一方向运动的第一部分、以及指示所述一个或多个传感器相对于第二方向运动的第二部分；和
将自适应线性预测应用于第二信号的数据样本的至少一部分包括：
将自适应线性预测应用于所述第二信号的第一部分以确定第一自适应线性滤波器的第一组系数，被配置为从指示所述一个或多个传感器相对于所述第一方向的运动的信号将存在于所述第二信号的第一部分中的噪声内容的至少一部分滤波；和
将自适应线性预测应用于所述第二信号的第二部分以确定第二自适应线性滤波器的第二组系数，被配置为从指示所述一个或多个传感器相对于第二方向的运动的信号将存在于所述第二信号的第二部分中的噪声内容的至少一部分滤波。
9.根据权利要求7所述的方法，其中所述自适应线性预测基于功率归一化最小均方(LMS)更新算法。
10.一种心率监测系统，包括：
滤波器结构，用于能够确定由一个或多个传感器产生的输入信号内存在的心跳信号的频率，所述滤波器结构被配置为实施第一滤波器和第二滤波器，所述第一滤波器和所述第二滤波器是具有频率F_RES的滤波器，在该频率处它们输出的幅度基本相等，并且在频率F_RES之上，所述第一滤波器的幅度变得大于所述第二滤波器的幅度，以及在频率F_RES以下，所述第二滤波器的幅度变得大于所述第一滤波器的幅度，和
一个或多个处理单元，被配置为：
a)响应于所述第一滤波器接收输入信号和一个或多个滤波器控制参数，确定所述第一滤波器产生的输出的幅度；
b)响应于所述第二滤波器接收输入信号和一个或多个滤波器控制参数，确定所述第二滤波器产生的输出的幅度；
c)基于步骤a)和b)的幅度更新所述滤波器控制参数并进行到步骤a)；和
d)基于一个或多个滤波器控制参数确定心跳信号的频率。
11.根据权利要求10所述的心率监测系统，其中所述滤波器结构包括Chamberlin状态变量滤波器。
12.根据权利要求10所述的心率监测系统，其中：
所述滤波器结构包括一个或多个数字无限输入响应(IIR)滤波器；和
所述一个或多个滤波器控制一个或多个数字IIR滤波器的参数控制系数。
13.根据权利要求10所述的心率监测系统，其中：
所述滤波器结构包括一个或多个数字有限输入响应(FIR)滤波器；和
所述一个或多个滤波器控制一个或多个数字FIR滤波器的参数控制系数。
14.根据权利要求10所述的心率监测系统，其中所述一个或多个处理器还被配置为：
基于指示所述一个或多个传感器的运动的信号来调节所述一个或多个滤波器控制参数。
15.根据权利要求14所述的心率监测系统，其中：
所述滤波器结构包括一个或多个二阶IIR滤波器；和
所述一个或多个传感器被配置为通过动态地改变一个或多个二阶IIR滤波器的Q因子来调节所述一个或多个滤波器控制参数。
16.根据权利要求10所述的心率监测系统，还包括一个或多个传感器。
17.根据权利要求16所述的心率监测系统，其中所述一个或多个传感器包括以下一种或多种：光学传感器、音频传感器、电容传感器、磁传感器、化学传感器、湿度传感器、湿性传感器、压力传感器和生物传感器。
18.根据权利要求10所述的心率监测系统，还包括预处理滤波器，被配置为处理所述输入信号以基本上衰减与心跳对应的目标合理频带外的信号内容。
19.根据权利要求18所述的心率监测系统，其中：
所述预处理滤波器是低通滤波器或带通滤波器；和
所述目标合理频带包括0.5赫兹至3.5赫兹之间的频率。
20.根据权利要求10所述的心率监测系统，还包括滤波器，被配置为在所述一个或多个处理单元执行步骤a)-d)之前，基于指示所述一个或多个传感器的运动的加速度计信号来滤波由所述一个或多个传感器生成的输入信号。
CN202010951165.2A 2015-04-29 2016-04-18 时域干扰去除和改进的心率测量跟踪机理 Pending CN112220471A (zh)

Applications Claiming Priority (9)

Application Number Priority Date Filing Date Title
US201562154688P 2015-04-29 2015-04-29
US62/154,688 2015-04-29
US201562170339P 2015-06-03 2015-06-03
US62/170,339 2015-06-03
US14/972,447 2015-12-17
US14/972,447 US9901306B2 (en) 2015-04-29 2015-12-17 Tracking mechanism for heart rate measurements
US14/972,368 US9943266B2 (en) 2015-04-29 2015-12-17 Time-domain interference removal for heart rate measurements
US14/972,368 2015-12-17
CN201680033477.7A CN107949321B (zh) 2015-04-29 2016-04-18 时域干扰去除和改进的心率测量跟踪机理

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201680033477.7A Division CN107949321B (zh) 2015-04-29 2016-04-18 时域干扰去除和改进的心率测量跟踪机理

Publications (1)

Publication Number Publication Date
CN112220471A true CN112220471A (zh) 2021-01-15

Family

ID=57204373

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201680033477.7A Active CN107949321B (zh) 2015-04-29 2016-04-18 时域干扰去除和改进的心率测量跟踪机理
CN202010951165.2A Pending CN112220471A (zh) 2015-04-29 2016-04-18 时域干扰去除和改进的心率测量跟踪机理

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201680033477.7A Active CN107949321B (zh) 2015-04-29 2016-04-18 时域干扰去除和改进的心率测量跟踪机理

Country Status (2)

Country Link
US (2) US9943266B2 (zh)
CN (2) CN107949321B (zh)

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9801552B2 (en) 2011-08-02 2017-10-31 Valencell, Inc. Systems and methods for variable filter adjustment by heart rate metric feedback
US9943266B2 (en) 2015-04-29 2018-04-17 Analog Devices, Inc. Time-domain interference removal for heart rate measurements
US9717424B2 (en) * 2015-10-19 2017-08-01 Garmin Switzerland Gmbh System and method for generating a PPG signal
US10945618B2 (en) 2015-10-23 2021-03-16 Valencell, Inc. Physiological monitoring devices and methods for noise reduction in physiological signals based on subject activity type
US10610158B2 (en) 2015-10-23 2020-04-07 Valencell, Inc. Physiological monitoring devices and methods that identify subject activity type
US10321831B2 (en) 2015-11-25 2019-06-18 Texas Instruments Incorporated Heart rate estimation apparatus with state sequence optimization
US10758185B2 (en) 2015-11-25 2020-09-01 Texas Instruments Incorporated Heart rate estimation apparatus using digital automatic gain control
US11137820B2 (en) 2015-12-01 2021-10-05 Amer Sports Digital Services Oy Apparatus and method for presenting thematic maps
US11210299B2 (en) 2015-12-01 2021-12-28 Amer Sports Digital Services Oy Apparatus and method for presenting thematic maps
US11144107B2 (en) 2015-12-01 2021-10-12 Amer Sports Digital Services Oy Apparatus and method for presenting thematic maps
US11215457B2 (en) 2015-12-01 2022-01-04 Amer Sports Digital Services Oy Thematic map based route optimization
US20170164847A1 (en) * 2015-12-15 2017-06-15 Texas Instruments Incorporated Reducing Motion Induced Artifacts in Photoplethysmography (PPG) Signals
US11284807B2 (en) 2015-12-21 2022-03-29 Amer Sports Digital Services Oy Engaging exercising devices with a mobile device
US11587484B2 (en) 2015-12-21 2023-02-21 Suunto Oy Method for controlling a display
DE102016015065A1 (de) * 2015-12-21 2017-06-22 Suunto Oy Aktivitätsintensitätspegel-Bestimmungsfeld
FI127926B (en) 2015-12-21 2019-05-31 Suunto Oy Sensor-based context management
US11541280B2 (en) 2015-12-21 2023-01-03 Suunto Oy Apparatus and exercising device
US11838990B2 (en) 2015-12-21 2023-12-05 Suunto Oy Communicating sensor data in wireless communication systems
US10729381B2 (en) * 2016-06-24 2020-08-04 Texas Instruments Incorporated Photoplethysmogram with motion artifact compensation
US10335045B2 (en) 2016-06-24 2019-07-02 Universita Degli Studi Di Trento Self-adaptive matrix completion for heart rate estimation from face videos under realistic conditions
WO2018009736A1 (en) * 2016-07-08 2018-01-11 Valencell, Inc. Motion-dependent averaging for physiological metric estimating systems and methods
US11703938B2 (en) 2016-10-17 2023-07-18 Suunto Oy Embedded computing device
DE102017009171A1 (de) 2016-10-17 2018-04-19 Amer Sports Digital Services Oy Eingebettete rechenvorrichtung
CN106691425B (zh) * 2016-12-30 2019-06-21 北京工业大学 一种运动手环的腕部心率监测方法
EP3387990B1 (en) * 2017-03-28 2020-04-29 IMEC vzw System and method for heart rate detection with motion artifact reduction
US10466783B2 (en) 2018-03-15 2019-11-05 Sanmina Corporation System and method for motion detection using a PPG sensor
FI128367B (en) 2018-05-28 2020-04-15 Oura Health Oy OPTICAL SENSOR SYSTEM FOR WEARABLE EQUIPMENT, METHOD FOR CONTROLLING THE OPERATION OF THE OPTICAL SENSOR SYSTEM, AND THE CORRESPONDING COMPUTER SOFTWARE PRODUCT
US10751003B2 (en) * 2018-07-12 2020-08-25 Analog Devices Global Unlimited Company Reducing motion-related artifacts in optical measurements for vital signs monitoring
US11531639B2 (en) * 2018-07-26 2022-12-20 The Boeing Company Pipelined cognitive signal processor
US20200155040A1 (en) * 2018-11-16 2020-05-21 Hill-Rom Services, Inc. Systems and methods for determining subject positioning and vital signs
US10985951B2 (en) * 2019-03-15 2021-04-20 The Research Foundation for the State University Integrating Volterra series model and deep neural networks to equalize nonlinear power amplifiers
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
CN110384495B (zh) * 2019-06-18 2021-06-04 华为技术有限公司 一种ecg检测方法与穿戴设备
TWI789577B (zh) * 2020-04-01 2023-01-11 同響科技股份有限公司 音訊資料重建方法及系統
CN111714112A (zh) * 2020-04-09 2020-09-29 上海电气集团股份有限公司 一种心电图伪差实时消除方法
CN112022135B (zh) * 2020-08-04 2022-08-19 成都猎维科技有限公司 一种基于掩码神经网络独立成分分解原理的心率检测方法
CN112737546B (zh) * 2020-12-07 2023-08-22 深圳市理邦精密仪器股份有限公司 信号跟踪方法、滤波方法、装置及医疗设备
US20220265209A1 (en) * 2021-02-24 2022-08-25 Medtronic, Inc. Medical device using spectral activity processing
EP4111974A1 (en) * 2021-06-29 2023-01-04 Koninklijke Philips N.V. Physiological measurement device, method and program
CN116350197A (zh) * 2023-02-18 2023-06-30 佳禾智能科技股份有限公司 一种提升心率监测准确度的智能手表的实现方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5423325A (en) * 1993-03-12 1995-06-13 Hewlett-Packard Corporation Methods for enhancement of HRV and late potentials measurements
US6393311B1 (en) * 1998-10-15 2002-05-21 Ntc Technology Inc. Method, apparatus and system for removing motion artifacts from measurements of bodily parameters
CN102429655A (zh) * 2011-09-07 2012-05-02 北京谷山丰生物医学技术有限公司 一种基于心电信号的自适应肌电干扰去除方法
US20120283535A1 (en) * 2009-11-30 2012-11-08 Israel Sarussi Method and system for pulse measurement
US20140018635A1 (en) * 2012-01-05 2014-01-16 Scosche Industries, Inc. Heart rate monitor
CN104161505A (zh) * 2014-08-13 2014-11-26 北京邮电大学 一种适用于可穿戴式心率监测设备的运动和噪声干扰消除方法
US20150073717A1 (en) * 2013-09-10 2015-03-12 PNI Sensor Corporation Monitoring biometric characteristics of a user of a user monitoring apparatus

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5816122A (en) 1996-04-30 1998-10-06 General Dynamics Advanced Technology Systems, Inc. Apparatus and method for adaptive suppression of vibrations in mechanical systems
JP2004080210A (ja) * 2002-08-13 2004-03-11 Fujitsu Ltd デジタルフィルタ
US20080013747A1 (en) 2006-06-30 2008-01-17 Bao Tran Digital stethoscope and monitoring instrument
WO2012073069A1 (en) 2010-11-30 2012-06-07 Spo Medical Equipment Ltd. A method and system for pulse measurement
US9005129B2 (en) 2012-06-22 2015-04-14 Fitbit, Inc. Wearable heart rate monitor
US8948832B2 (en) 2012-06-22 2015-02-03 Fitbit, Inc. Wearable heart rate monitor
CN105852841B (zh) * 2013-06-03 2019-06-18 飞比特公司 心率数据收集
US20160015280A1 (en) * 2014-07-17 2016-01-21 Elwha Llc Epidermal electronics to monitor repetitive stress injuries and arthritis
US9943266B2 (en) 2015-04-29 2018-04-17 Analog Devices, Inc. Time-domain interference removal for heart rate measurements
WO2016176067A1 (en) 2015-04-29 2016-11-03 Analog Devices, Inc. Time-domain interference removal and improved tracking mechanism for heart rate measurements

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5423325A (en) * 1993-03-12 1995-06-13 Hewlett-Packard Corporation Methods for enhancement of HRV and late potentials measurements
US6393311B1 (en) * 1998-10-15 2002-05-21 Ntc Technology Inc. Method, apparatus and system for removing motion artifacts from measurements of bodily parameters
US20120283535A1 (en) * 2009-11-30 2012-11-08 Israel Sarussi Method and system for pulse measurement
CN102429655A (zh) * 2011-09-07 2012-05-02 北京谷山丰生物医学技术有限公司 一种基于心电信号的自适应肌电干扰去除方法
US20140018635A1 (en) * 2012-01-05 2014-01-16 Scosche Industries, Inc. Heart rate monitor
US20150073717A1 (en) * 2013-09-10 2015-03-12 PNI Sensor Corporation Monitoring biometric characteristics of a user of a user monitoring apparatus
CN104161505A (zh) * 2014-08-13 2014-11-26 北京邮电大学 一种适用于可穿戴式心率监测设备的运动和噪声干扰消除方法

Also Published As

Publication number Publication date
US9943266B2 (en) 2018-04-17
CN107949321A (zh) 2018-04-20
US20160317096A1 (en) 2016-11-03
CN107949321B (zh) 2021-10-15
US9901306B2 (en) 2018-02-27
US20160317097A1 (en) 2016-11-03

Similar Documents

Publication Publication Date Title
CN107949321B (zh) 时域干扰去除和改进的心率测量跟踪机理
US10893815B2 (en) Heart rate measurement and a photoplethysmograph (PPG) heart rate monitor
CN109414203B (zh) 基于光学测量的在线心率估计
US20160354038A1 (en) Removing motion-related artifacts in heart rate measurement systems using iterative mask estimation in frequency-domain
CN109381175B (zh) 估计心率的方法和对应系统
CN108478206B (zh) 运动状态下基于脉搏波的心率监测方法
KR102532764B1 (ko) 생리적 레이트 추정 장치 및 그것의 방법
US20160029968A1 (en) Tracking slow varying frequency in a noisy environment and applications in healthcare
Chung et al. Deep learning for heart rate estimation from reflectance photoplethysmography with acceleration power spectrum and acceleration intensity
WO2009043028A2 (en) Measurement of physiological signals
Arunkumar et al. Heart rate estimation from wrist-type photoplethysmography signals during physical exercise
US11266321B2 (en) Vital sign processing device, vital sign processing method, and information processing device
US20200367764A1 (en) Monitoring device for monitoring a physiological parameter and methods thereof
JP6279098B2 (ja) 光電式脈拍信号測定方法及び測定機器
Periyasamy et al. Review on heart-rate estimation from photoplethysmography and accelerometer signals during physical exercise
TWI505816B (zh) 血氧飽和度檢測方法及裝置
US10898087B2 (en) Motion detection and cancellation using ambient light
WO2016176067A1 (en) Time-domain interference removal and improved tracking mechanism for heart rate measurements
Torres et al. Heal-T: an efficient PPG-based heart-rate and IBI estimation method during physical exercise
Zheng et al. Adaptive notch-filtration to effectively recover photoplethysmographic signals during physical activity
Arunkumar et al. Improved heart rate estimation from photoplethysmography during physical exercise using combination of NLMS and RLS adaptive filters
CN107223037A (zh) 穿戴设备、消除运动干扰的方法及装置
US10751003B2 (en) Reducing motion-related artifacts in optical measurements for vital signs monitoring

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