CN112507784B - 一种心冲击图时序信号的有效性检测方法 - Google Patents

一种心冲击图时序信号的有效性检测方法 Download PDF

Info

Publication number
CN112507784B
CN112507784B CN202011190640.5A CN202011190640A CN112507784B CN 112507784 B CN112507784 B CN 112507784B CN 202011190640 A CN202011190640 A CN 202011190640A CN 112507784 B CN112507784 B CN 112507784B
Authority
CN
China
Prior art keywords
signal
peak
ballistocardiogram
interval
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011190640.5A
Other languages
English (en)
Other versions
CN112507784A (zh
Inventor
张涵
庞志强
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.)
GUANGDONG JUNFENG BFS INDUSTRY CO LTD
Original Assignee
South China Normal University
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 South China Normal University filed Critical South China Normal University
Priority to CN202011190640.5A priority Critical patent/CN112507784B/zh
Publication of CN112507784A publication Critical patent/CN112507784A/zh
Application granted granted Critical
Publication of CN112507784B publication Critical patent/CN112507784B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1102—Ballistocardiography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7221—Determining signal validity, reliability or quality

Landscapes

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

Abstract

本发明提供一种心冲击图时序信号的有效性检测方法，为实现心冲击图信号的实时定位，对缓存区间内心冲击图序列等间隔切割为若干子段，在预处理消除呼吸、体动干扰的基础上，提出基于心冲击图时序信号模板的相关定位与形态距定位结合的J峰定位方法，同时在设置有效约束条件下，实现逐个信号子区间内心冲击图时序信号J峰的顺序定位。

Description

一种心冲击图时序信号的有效性检测方法
技术领域
本发明涉及心冲击图时序信号的有效性检测的技术领域，具体涉及一种心冲击图时序信号的有效性检测方法。
背景技术
心冲击是描记在心脏活动及血液运行时心脏和大血管冲击和反弹而引起躯体微弱运动的一种曲线图，而现有的心冲击图时序信号的有效性检测方法需实时前向遍历搜索空间并在该搜索空间强行判决，因此在存在干扰的情况下得到的心冲击图时序信号定位误差较大，因此获得的心冲击图时序信号很可能是无效的心冲击图时序信号，而现有技术还无法准确地检测出对应的心冲击图时序信号的有效性。
发明内容
本发明的目的在于克服现有技术中的缺点与不足，提供一种心冲击图时序信号的有效性检测方法及其系统，准确地判断心冲击图时序信号的有效性。
本发明的一个实施例提供心冲击图时序信号的有效性检测方法，包括以下步骤：
获取一段心冲击图时序信号并保存在一缓存区间内；
将所述缓存区间分成至少两个信号子区间；
在所述信号子区间内的信号的峰值小于第一预设阈值且所述信号子区间内的信号的平均功率小于第二预设阈值时，将所述信号子区间内的信号确定为无效的信号子区间内的信号；否则，将所述信号子区间内的信号确定为待确定的信号子区间内的信号；
确定待确定的信号子区间内的信号的检索模板和搜索区间；其中，所述搜索区间至少包括一个心跳包络信号，所述心跳包络信号包括一个J峰；
通过所述检索模板在待确定的信号子区间内的信号的搜索区间进行搜索，获得所述搜索区间的两个最大上峰值及其所在的位置，和两个最小下峰值及其所在的位置；其中，所述两个最大上峰值包括第一最大上峰值、第二最大上峰值；所述两个最小下峰值包括第一最小下峰值、第二最小下峰值；
在所述第一最大上峰值和第一最小下峰值的位置差值小于预设的间期阈值、在所述第一最大上峰值和第一最小下峰值的位置满足归一化相关，且在所述第一最大上峰值和第一最小下峰值的峰值差值大于预设的形态距阈值时，确定所述第一最大上峰值为有效峰值；
在所述第一最大上峰值和第二最小下峰值的位置差值小于预设的间期阈值、在所述第一最大上峰值和第二最小下峰值的位置满足归一化相关，且在所述第一最大上峰值和第二最小下峰值的峰值差值大于预设的形态距阈值时，确定所述第一最大上峰值为有效峰值；
在所述第二最大上峰值和第二最小下峰值的位置差值小于所述间期阈值、在所述第二最大上峰值和第二最小下峰值的位置满足归一化相关，且在所述第二最大上峰值和第二最小下峰值的峰值差值大于所述形态距阈值时，确定所述第二最大上峰值为有效峰值；
在所述第二最大上峰值和第一最小下峰值的位置差值小于所述间期阈值、在所述第二最大上峰值和第一最小下峰值的位置满足归一化相关，且在所述第二最大上峰值和第一最小下峰值的峰值差值大于所述形态距阈值时，确定所述第二最大上峰值为有效峰值；
在所述搜索区间不存在有效峰值时，确定所述搜索区间对应的信号区间为无效，且以当前所述搜索区间的终止位置确定下一搜索区间，判断下一搜索区间对应的信号区间的有效性；在所述搜索区间只存在一个有效的峰值时，确定所在的搜索区间对应的信号区间有效，以所述有效的最大上峰值对应的上峰确定为J峰，以J峰所在的位置确定下一搜索区间，判断下一搜索区间对应的信号区间的有效性；
若连续的两个搜索区间对应的信号区间均无效，确定对应的信号子区间内的信号无效；
在无效的所述信号子区间内的信号的数量小于预设的数量阈值时，确定所述心冲击图时序信号有效；在无效的所述信号子区间内的信号的数量大于或等于预设的数量阈值时，所述心冲击图时序信号无效。
相对于现有技术，本发明的心冲击图时序信号的有效性检测方法通过将心冲击图时序信号分成至少两段信号子区间内的信号，根据所述信号子区间内的信号的峰值判断对应的信号子区间内的信号的有效性，获得无效的信号子区间内的信号和待确定信号子区间内的信号；确定待确定的信号子区间内的信号的检索模板和搜索区间，通过所述检索模板在待确定的信号子区间内的信号的搜索区间进行搜索，根据搜索结果判断对应的信号子区间内的信号的有效性和判断下一个搜索区间的范围，最后根据无效的信号子区间内的信号的数量判断所述心冲击图时序信号的有效性，从而准确地判断心冲击图时序信号的有效性。
进一步，在所述搜索区间存在两个有效的峰值时，确定所在的搜索区间对应的信号区间为有效，且计算第一最大上峰值所在的位置与上一个J峰所在的位置的差值的绝对值，得到第一位置差值；计算第一最大上峰值所在的位置与第二最大上峰值所在的位置的差值的绝对值，得到第二位置差值；若所述第一位置差值与第二位置差值的差小于预设的期间比阈值，两个最大上峰值对应的上峰均确定为J峰，且以后一个J峰所在的位置确定下一搜索区间，判断下一搜索区间对应的信号区间的有效性；否则，将所述第一最大上峰值和第二最大上峰值中更大的一个对应的上峰确定为J峰，以J峰所在的位置确定下一搜索区间，判断下一搜索区间对应的信号区间的有效性。可以从所述搜索区间的两个有效的峰值中判断出J峰。
进一步，在所述信号子区间内的信号的峰值小于第一预设阈值且所述信号子区间内的信号的平均功率满小于第二预设阈值时，将所述信号子区间内的信号确定为无效的信号子区间内的信号；否则，将所述信号子区间内的信号确定为待确定的信号子区间内的信号后，还包括以下步骤：
若所述信号子区间内的信号的峰值大于或等于所述第一预设阈值，调整所述第一预设阈值V_min，使V_min'＝a*V_min，并将调整后的所述第一预设阈值V_min'确定为下一个信号子区间内的信号的第一预设阈值；其中，a为第一预设阈值的调整系数。通过设置调整所述第一预设阈值，避免假性无效的判断。
进一步，在确定待确定的信号子区间内的信号的检索模板和搜索区间之前，还包括以下步骤：
获取预设的最高有效峰值门限V_max；
获取当前所述待确定的信号子区间内的信号的最大峰值A_max和上一个所述待确定的信号子区间内的信号的最大峰值A_max'；
在A_max＞V_max时，将所述待确定的信号子区间内的信号确定为无效的信号子区间内的信号；
在A_max≤V_max时，计算所述A_max和A_max'的比值，将所述A_max和A_max'的比值与预设的固定阈值对比，若所述A_max和A_max'的比值大于所述固定阈值，将当前所述待确定的信号子区间内的信号确定为无效的信号子区间内的信号。可以判断当前待确定的信号子区间内的信号是否存在体动尾迹，并将存在体动尾迹的所述待确定的信号子区间内的信号确定为无效的信号子区间内的信号。
进一步，所述确定待确定的信号子区间内的信号的检索模板和搜索区间，具体包括以下步骤：
对所述待确定的信号子区间内的信号求自相关函数，获取所述待确定的信号子区间内的信号的自相关函数中最接近初始位置的峰值所在的位置t_max；
根据所述待确定的信号子区间内的信号的峰值位置t_max和预设的范围系数Z，获取时隙区间；
遍历所述时隙区间内的信号的上-下峰的形态距，且将数值最大的所述上-下峰的形态距对应的上峰确定为初始化J峰；
获取初始化J峰的位置tk_peak，在待确定的信号子区间内的信号内，确定距离所述初始化J峰的位置tk_peak的预设步长位置t以及对应位置的信号峰值；
其中，t＝tk_peak-△，tk_peak-△+1，tk_peak-△+2，…，tk_peak+△；△为平均心率调整系数；
选取所述待确定的信号子区间内的信号内的心冲击图时序信号的第一个所述初始化J峰的位置tk_peak确定为当前J峰的位置tn，将当前J峰的位置和预设的搜索区间的范围系数t'确定搜索区间；
对所述待确定的信号子区间内的信号进行数学平均，将数学平均后的结果确定为初始模板h'；
计算所述初始模板h'与每一个初始化信号子区间内的信号的第一动态时间距d_k；选取所述第一动态间距d_k中小于平均值的K'个心冲击图时序信号进行数学平均，将数学平均后的结果确定为检索模板h；其中d_k＝argmin|x'-x_k(t)|^2。
进一步，所述通过所述检索模板在待确定的信号子区间内的信号的搜索区间进行搜索，获得所述搜索区间的两个最大上峰值及其所在的位置，和两个最小下峰值及其所在的位置，具体包括以下步骤：
在当前搜索区间滑动所述检索模板h，分别计算所述检索模板h与当前搜索区间范围内的信号的相关运算以及动态时间距，获得相关运算的结果y_corr(t)和动态时间距结果y_dis(t)；
对当前搜索区间的相关运算的结果y_corr(t)进行归一化运算，获取归一化运算后两个最大上峰值及其对应的位置；对当前搜索区间动的态时间距结果y_dis(t)进行归一化运算，获取归一化运算后两个最小下峰值及其对应的位置。
进一步，在无效的所述信号子区间内的信号的数量小于预设的数量阈值时，确定所述心冲击图时序信号有效；否则，所述心冲击图时序信号无效后，还对有效的所述心冲击图时序信号进行质量评估，具体包括以下步骤：
从有效的所述心冲击图时序信号中获取M组信号组，每组所述信号组至少包括连续的两个心跳包络信号，其中M为信号组的数量，M≥3；
分别对各组所述信号组的信号进行求数学期望计算，得到对应的各个所述信号组的数学期望x1，x2，……xM；
计算第i组内每一个心跳包络信号与第i组的数学期望xi的欧氏距离，将计算结果确定为第i组的质量评估矢量Di，其中i＝1，2，……M；
计算所述质量评估矢量Di的方差var{Di}；
计算第i组信号组的心冲击图时序信号的数学期望的方差var{xi}，并确定为第i组信号组的平均功率P_i；P_i＝var{xi}；
计算各个所述信号组的小尺度心冲击图时序信号质量评估参数；其中，所述小尺度心冲击图时序信号质量评估参数计算方式为：Ai＝log(var{Di}/P_i)；
获取预设的第一经验阈值c_g和第二经验阈值c_n，其中c_g＞c_n＞0；
若Ai＜c_n，确定第i组信号组的心冲击图时序信号均为高质量比的心冲击图时序信号；
若c_n≤Ai＜c_g，确定第i组信号组的心冲击图时序信号均为中等质量的心冲击图时序信号；
若Ai≥c_g，确定第i组信号组的心冲击图时序信号均为低质量的心冲击图时序信号；通过将各组信号组的心冲击图时序信号的小尺度心冲击图时序信号质量评估参数分别与第一经验阈值和第二经验阈值相比较，得到对应的质量评估结果。
进一步，在无效的所述信号子区间内的信号的数量小于预设的数量阈值时，确定所述心冲击图时序信号有效；否则，所述心冲击图时序信号无效后，还对有效的所述心冲击图时序信号进行质量评估，具体包括以下步骤：
从有效的所述心冲击图时序信号中获取M组信号组，每组所述信号组至少包括连续的两个心跳包络信号，其中M为信号组的数量，M≥3；
分别对各组所述信号组的信号进行求数学期望计算，得到对应的各个所述信号组的数学期望x1，x2，……xM；
对M组所述信号组的所有心跳包络信号进行求数学期望计算，得到对应的数学期望x；
计算第i组内每一个心跳包络信号与第i组的数学期望xi的欧氏距离，将计算结果确定为第i组的质量评估矢量Di，其中i＝1，2，……M；
计算所述质量评估矢量Di的方差var{Di}；
计算所述M组信号组的数学期望x的方差var{x}，并确定为所述M组信号组的平均功率P_M；P_M＝var{x}；
计算所有所述信号组的大尺度心冲击图时序信号质量评估参数；其中，所述大尺度心冲击图时序信号质量评估参数计算方式为A＝log(mean{var{Di}}/P_M)；
获取预设的第一经验阈值c_g和第二经验阈值c_n，其中c_g＞c_n＞0；
若A＜c_n，确定所述M组信号组的心冲击图时序信号均为高质量比的心冲击图时序信号；
若c_n≤A＜c_g，确定所述M组信号组的心冲击图时序信号均为中等质量的心冲击图时序信号；
若A≥c_g，确定所述M组信号组的心冲击图时序信号均为低质量的心冲击图时序信号。通过将M组信号组的大尺度心冲击图时序信号质量评估参数，与第一经验阈值和第二经验阈值相比较，得到对应的质量评估结果。
进一步，在获取一段心冲击图时序信号并保存在一缓存区间内后，还通过高通滤波器对所述心冲击图时序信号进行去基线处理。提高信号检测的准确性。
进一步，所述根据所述待确定的信号子区间内的信号的峰值位置t_max和预设的范围系数Z，获取时隙区间，具体包括以下步骤：
获取预设的范围系数Z；
将所述待确定的信号子区间内的信号的峰值位置t_max与所述范围系数Z相加，得到所述时隙区间的起始位置，将所述待确定的信号子区间内的信号的峰值位置t_max与2倍的范围系数Z相加，得到所述时隙区间的终止位置。
为了能更清晰的理解本发明，以下将结合附图说明阐述本发明的具体实施方式。
附图说明
图1为本发明一个实施例的心冲击图时序信号的有效性检测方法的流程图。
图2为本发明一个实施例的小尺度心冲击图时序信号质量评估步骤的流程图。
图3为本发明一个实施例的大尺度心冲击图时序信号质量评估步骤的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，其是本发明一个实施例的心冲击图时序信号的有效性检测方法的流程图，该心冲击图时序信号的有效性检测方法可以准确地判断心冲击图时序信号的有效性，包括以下步骤：
S1：获取一段心冲击图时序信号并保存在一缓存区间内。
具体地，通过传感器模组实时读取缓存内时长30秒的心冲击图时序信号，并保存在所述荤菜区间内。所述传感器模组包括传感器模块、AD转换模块、放大模块、缓存模块、电源模块，其中，所述传感器模块可以是加速度传感器或压电传感器，优选地，所述传感器模块为压电传感器。
在一个可行的实施例中，获取所述心冲击图时序信号后，还通过高通滤波器对所述心冲击图时序信号进行去基线处理。优选地，所述高通滤波器的截止频率为0.02Hz。
S2：将所述缓存区间分成至少两个信号子区间。
为实现心冲击图信号的实时定位，通过将缓存区间内的心冲击图时序信号等间隔分成至少两个子区间，所述子区间与所述信号子区间内的信号一一对应。
具体地，若所述心冲击图时序信号是一段长度为30秒的心冲击图时序信号，将30秒的心冲击图时序信号分成Y段，获得Y段信号子区间内的信号，每段所述信号子区间内的信号的长度为30/Y秒，将所述信号子区间内的信号一一对应保存在Y个所述子区间内。
S3：在所述信号子区间内的信号的峰值小于第一预设阈值且所述信号子区间内的信号的平均功率小于第二预设阈值时，将所述信号子区间内的信号确定为无效的信号子区间内的信号；否则，将所述信号子区间内的信号确定为待确定的信号子区间内的信号。
所述第一预设阈值V_min可以正常的心冲击图时序信号的J峰的最小有效值。其中J峰为心跳位置附近幅度最大峰。
优选地，若所述信号子区间内的信号的峰值大于或等于所述第一预设阈值，调整所述第一预设阈值V_min，使V_min'＝a*V_min，并将调整后的所述第一预设阈值V_min'确定为下一个信号子区间内的信号的第一预设阈值；其中，a为第一预设阈值的调整系数；其中，a为[0.707,1]范围的正整数。
所述第二预设阈值为固定非负经验阈值，根据心冲击图时序信号幅值的概率密度函数确定。
在一个可行的实施例中，在确定待确定的信号子区间内的信号的检索模板和搜索区间之前，还对所述待确定的信号子区间内的信号进行体动尾迹判断，其具体包括以下步骤：
S31：获取预设的最高有效峰值门限V_max；
S32：获取当前所述待确定的信号子区间内的信号的最大峰值A_max和上一个所述待确定的信号子区间内的信号的最大峰值A_max'；
S33：在A_max＞V_max时，将所述待确定的信号子区间内的信号确定为无效的信号子区间内的信号；此时所述待确定的信号子区间内的信号为受到身体活动的影响，导致出现异常高的峰值信号。
S34：在A_max≤V_max时，计算所述A_max和A_max'的比值，将所述A_max和A_max'的比值与预设的固定阈值对比，若所述A_max和A_max'的比值大于所述固定阈值，将当前所述待确定的信号子区间内的信号确定为无效的信号子区间内的信号。
在一个可行的实施例中，在进行体动尾迹判断后，还对所述待确定的信号子区间内的信号进行50Hz限波处理，去除所述心冲击图时序信号中的50Hz工频干扰。
在一个可行的实施例中，还采用低通滤波器去除所述待确定的信号子区间内的信号中的高频干扰，优选地，所述低通滤波器的截止频率为15Hz。
在一个可行的实施例中，还采用DB4小波分解滤波后的所述待确定的信号子区间内的信号，获得分解后的第六至第九层细节系数D6、D7、D8和D9，利用分解后的第六至第九层细节系数对所述待确定的信号子区间内的信号进行重构：
BCG＝k_1*D6+k_2*D7+k_3*D8+k_4*D9；
其中BCG为重构后的待确定信号子区间内的信号，k_1、k_2、k_3和k_4是根据实际缓存中基于已定位BCG测算的心率，以及基于平均BCG形态与理想BCG形态相关性大样本回归经验的联合设计，其中，k_1和k_4为小于1的非负数，k_2和k3为大于1的非负数；具体地，根据k1、k2、k3、k4的取值空间，以分支定界理论为指导，确定k1，取固定步长遍历k2-k4，计算不同遍历结果信号形态与理想BCG信号形态的近似熵，选取近似熵最小值对应取值空间作为该分支定界的最优解。
将重构后的待确定信号子区间内的信号作为待确定的信号子区间内的信号，通过重构使不同频段细节系数的预加重和减弱，强化了信号的形态特征。
S4：确定待确定的信号子区间内的信号的检索模板和搜索区间；其中，所述搜索区间至少包括一个心跳包络信号，所述心跳包络信号包括一个J峰。其中，心冲击图时序信号表现为周期性的心跳包络信号，每个心跳包络信号表示通过心冲击图时序信号获取单元获得的一次心跳的信号。
所述确定待确定的信号子区间内的信号的检索模板和搜索区间，包括以下步骤：
S41：对所述待确定的信号子区间内的信号求自相关函数，获取所述待确定的信号子区间内的信号的自相关函数中最接近初始位置的峰值所在的位置t_max，所述t_max代表信号子区间内的信号的范围内心冲击图时序信号的心搏大致间隔的共性时间间隔。
S42：根据所述待确定的信号子区间内的信号的峰值位置t_max和预设的范围系数Z，获取时隙区间，所述时隙区间为[Z*t_max，2Z*tmax]；优选地，所述范围系数Z取值为0.707，所述时隙区间为[0.707*t_max，1.414*tmax]。
S43：遍历所述时隙区间内的信号的上-下峰的形态距，且将数值最大的所述上-下峰的形态距对应的上峰确定为初始化J峰；
S44：获取初始化J峰的位置tk_peak，在待确定的信号子区间内的信号内，确定距离所述初始化J峰的位置tk_peak的预设步长位置t以及对应位置的信号峰值；
其中，t＝tk_peak-△，tk_peak-△+1，tk_peak-△+2，…，tk_peak+△；△为平均心率调整系数，△的取值范围为[100ms,350ms]；
S45：选取所述待确定的信号子区间内的信号内的心冲击图时序信号的第一个所述初始化J峰的位置tk_peak确定为当前J峰的位置tn，将当前J峰的位置和预设的搜索区间的范围系数t'确定搜索区间；具体地，所述搜索区间范围为[tn+t'，tn+3t']；优选地，t'取值为0.4s，对应的所述搜索区间范围为[tn+0.4s，tn+1.2s]，此时检测瞬时心率上限范围提升为150次/min。
S46：对所述待确定的信号子区间内的信号进行数学平均，将数学平均后的结果确定为初始模板h'；
S47：计算所述初始模板h'与每一个初始化信号子区间内的信号的第一动态时间距d_k；选取所述第一动态间距d_k中小于平均值的K'个心冲击图时序信号进行数学平均，将数学平均后的结果确定为检索模板h；其中d_k＝argmin|x'-x_k(t)|^2。
S5：通过所述检索模板在待确定的信号子区间内的信号的搜索区间进行搜索，获得所述搜索区间的两个最大上峰值及其所在的位置，和两个最小下峰值及其所在的位置；其中，所述两个最大上峰值包括第一最大上峰值、第二最大上峰值；所述两个最小下峰值包括第一最小下峰值、第二最小下峰值。
其中，所述通过所述检索模板在待确定的信号子区间内的信号的搜索区间进行搜索，获得所述搜索区间的两个最大上峰值及其所在的位置，和两个最小下峰值及其所在的位置，包括以下步骤：
S51：在当前搜索区间滑动所述检索模板h，分别计算所述检索模板h与当前搜索区间范围内的信号的相关运算以及动态时间距，获得相关运算的结果y_corr(t)和动态时间距结果y_dis(t)；
S52：对当前搜索区间的相关运算的结果y_corr(t)进行归一化运算，获取归一化运算后两个最大上峰值及其对应的位置；对当前搜索区间动的态时间距结果y_dis(t)进行归一化运算，获取归一化运算后两个最小下峰值及其对应的位置。
S6：在所述第一最大上峰值和第一最小下峰值的位置差值小于预设的间期阈值、在所述第一最大上峰值和第一最小下峰值的位置满足归一化相关，且在所述第一最大上峰值和第一最小下峰值的峰值差值大于预设的形态距阈值时，确定所述第一最大上峰值为有效峰值；
在所述第一最大上峰值和第二最小下峰值的位置差值小于预设的间期阈值、在所述第一最大上峰值和第二最小下峰值的位置满足归一化相关，且在所述第一最大上峰值和第二最小下峰值的峰值差值大于预设的形态距阈值时，确定所述第一最大上峰值为有效峰值；
在所述第二最大上峰值和第二最小下峰值的位置差值小于所述间期阈值、在所述第二最大上峰值和第二最小下峰值的位置满足归一化相关，且在所述第二最大上峰值和第二最小下峰值的峰值差值大于所述形态距阈值时，确定所述第二最大上峰值为有效峰值；
在所述第二最大上峰值和第一最小下峰值的位置差值小于所述间期阈值、在所述第二最大上峰值和第一最小下峰值的位置满足归一化相关，且在所述第二最大上峰值和第一最小下峰值的峰值差值大于所述形态距阈值时，确定所述第二最大上峰值为有效峰值。
S7：在所述搜索区间不存在有效峰值时，确定所述搜索区间对应的信号区间为无效，且以当前所述搜索区间的终止位置确定下一搜索区间，判断下一搜索区间对应的信号区间的有效性。具体地，获取当前搜索区间的区间范围值△t＝3t'-t'，以当前所述搜索区间的终止位置作为下一个搜索区间的起始位置，将当前搜索区间的区间范围值△t确认为下一个搜索区间的区间范围值。
在所述搜索区间只存在一个有效的峰值时，确定所在的搜索区间对应的信号区间有效，以所述有效的最大上峰值对应的上峰确定为J峰，以J峰所在的位置确定下一搜索区间，判断下一搜索区间对应的信号区间的有效性。
在所述搜索区间存在两个有效的峰值时，确定所在的搜索区间对应的信号区间为有效，且计算第一最大上峰值所在的位置与上一个J峰所在的位置的差值的绝对值，得到第一位置差值；计算第一最大上峰值所在的位置与第二最大上峰值所在的位置的差值的绝对值，得到第二位置差值；若所述第一位置差值与第二位置差值的差小于预设的期间比阈值，两个最大上峰值对应的上峰均确定为J峰，且以后一个J峰所在的位置确定下一搜索区间，判断下一搜索区间对应的信号区间的有效性；否则，将所述第一最大上峰值和第二最大上峰值中更大的一个对应的上峰确定为J峰，以J峰所在的位置确定下一搜索区间，判断下一搜索区间对应的信号区间的有效性。
若连续的两个搜索区间对应的信号区间均无效，确定对应的信号子区间内的信号无效。
S8：在无效的所述信号子区间内的信号的数量小于预设的数量阈值时，确定所述心冲击图时序信号有效；在无效的所述信号子区间内的信号的数量大于或等于预设的数量阈值时，所述心冲击图时序信号无效。
相对于现有技术，本发明的心冲击图时序信号的有效性检测方法通过将心冲击图时序信号分成至少两段信号子区间内的信号，根据所述信号子区间内的信号的峰值判断对应的信号子区间内的信号的有效性，获得无效的信号子区间内的信号和待确定信号子区间内的信号；确定待确定的信号子区间内的信号的检索模板和搜索区间，通过所述检索模板在待确定的信号子区间内的信号的搜索区间进行搜索，根据搜索结果判断对应的信号子区间内的信号的有效性和判断下一个搜索区间的范围，最后根据无效的信号子区间内的信号的数量判断所述心冲击图时序信号的有效性，从而准确地判断心冲击图时序信号的有效性。
请参阅图2，在一个可行的实施例中，在所述步骤S8后，还对有效的所述心冲击图时序信号进行质量评估，具体包括以下步骤：
S911：从有效的所述心冲击图时序信号中获取M组信号组，每组所述信号组至少包括连续的两个心跳包络信号，其中M为信号组的数量，M≥3；
S912：分别对各组所述信号组的信号进行求数学期望计算，得到对应的各个所述信号组的数学期望x1，x2，……xM；
S913：计算第i组内每一个心跳包络信号与第i组的数学期望xi的欧氏距离，将计算结果确定为第i组的质量评估矢量Di，其中i＝1，2，……M；
S914：计算所述质量评估矢量Di的方差var{Di}；
var{Di}＝E{||Di-mean{Di}||^2}；其中E表示对数据进行求数学期望计算；mean表示对数据进行求平均计算；
计算第i组信号组的心冲击图时序信号的数学期望的方差var{xi}，并确定为第i组信号组的平均功率P_i；P_i＝var{xi}；var{xi}＝E{||xi-mean{xi}||^2}，i＝1，2，……M；
S915：计算各个所述信号组的小尺度心冲击图时序信号质量评估参数；其中，所述小尺度心冲击图时序信号质量评估参数计算方式为：Ai＝log(var{Di}/P_i)；
S916：获取预设的第一经验阈值c_g和第二经验阈值c_n，其中c_g＞c_n＞0；
若Ai＜c_n，确定第i组信号组的心冲击图时序信号均为高质量比的心冲击图时序信号；
若c_n≤Ai＜c_g，确定第i组信号组的心冲击图时序信号均为中等质量的心冲击图时序信号；
若Ai≥c_g，确定第i组信号组的心冲击图时序信号均为低质量的心冲击图时序信号。在本实施例中，可以通过将各组信号组的心冲击图时序信号的小尺度心冲击图时序信号质量评估参数分别与第一经验阈值和第二经验阈值相比较，得到对应的质量评估结果。
请参阅图3，在一个可行的实施例中，对有效的所述心冲击图时序信号进行质量评估还可以通过以下步骤进行：
S921：从有效的所述心冲击图时序信号中获取M组信号组，每组所述信号组至少包括连续的两个心跳包络信号，其中M为信号组的数量，M≥3；
S922：分别对各组所述信号组的信号进行求数学期望计算，得到对应的各个所述信号组的数学期望x1，x2，……xM；
S923：对M组所述信号组的所有心跳包络信号进行求数学期望计算，得到对应的数学期望x；
S924：计算第i组内每一个心跳包络信号与第i组的数学期望xi的欧氏距离，将计算结果确定为第i组的质量评估矢量Di，其中i＝1，2，……M；
S925：计算所述质量评估矢量Di的方差var{Di}；
var{Di}＝E{||Di-mean{Di}||^2}；其中E表示对数据进行求数学期望计算；mean表示对数据进行求平均计算；
计算所述M组信号组的数学期望x的方差var{x}，并确定为所述M组信号组的平均功率P_M；P_M＝var{x}；var{x}＝E{||x-mean{x}||^2}；
S926：计算所有所述信号组的大尺度心冲击图时序信号质量评估参数；其中，所述大尺度心冲击图时序信号质量评估参数计算方式为A＝log(mean{var{Di}}/P_M)；
S927：获取预设的第一经验阈值c_g和第二经验阈值c_n，其中c_g＞c_n＞0；
若A＜c_n，确定所述M组信号组的心冲击图时序信号均为高质量比的心冲击图时序信号；
若c_n≤A＜c_g，确定所述M组信号组的心冲击图时序信号均为中等质量的心冲击图时序信号；
若A≥c_g，确定所述M组信号组的心冲击图时序信号均为低质量的心冲击图时序信号。在本实施例中，通过将M组信号组的大尺度心冲击图时序信号质量评估参数，与第一经验阈值和第二经验阈值相比较，得到对应的质量评估结果。
本专利的创新有以下几点：
(1)对心冲击图信号的预处理降噪，消除呼吸努力和体动干扰；
(2)提出二次模板建模，并借助模板联合相关和形态距，确定最大相似与最小距离约束下的J峰定位；
(3)提出针对子段内心冲击图信号时间顺序定位几个约束条件，使得定位最大心率可达150b/min；
最后，本发明是一种可以应用于实时检测的技术，上述技术环节均可在实时下完成。
在实际应用中，本领域技术人员可以基于本发明的心冲击图时序信号的有效性检测方法，制造出含有上述步骤的心冲击图时序信号处理单元，并结合心冲击图时序信号采集单元和心冲击图时序信号显示单元构建出心冲击图时序信号的定位系统或定位装置。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种心冲击图时序信号的有效性检测方法，其特征在于，包括以下步骤：
获取一段心冲击图时序信号并保存在一缓存区间内；
将所述缓存区间分成至少两个信号子区间；
在所述信号子区间内的信号的峰值小于第一预设阈值且所述信号子区间内的信号的平均功率小于第二预设阈值时，将所述信号子区间内的信号确定为无效的信号子区间内的信号；否则，将所述信号子区间内的信号确定为待确定的信号子区间内的信号；
确定待确定的信号子区间内的信号的检索模板和搜索区间；其中，所述搜索区间至少包括一个心跳包络信号，所述心跳包络信号包括一个J峰；
通过所述检索模板在待确定的信号子区间内的信号的搜索区间进行搜索，获得所述搜索区间的两个最大上峰值及其所在的位置，和两个最小下峰值及其所在的位置；其中，所述两个最大上峰值包括第一最大上峰值、第二最大上峰值；所述两个最小下峰值包括第一最小下峰值、第二最小下峰值；
在所述第一最大上峰值和第一最小下峰值的位置差值小于预设的间期阈值、在所述第一最大上峰值和第一最小下峰值的位置满足归一化相关，且在所述第一最大上峰值和第一最小下峰值的峰值差值大于预设的形态距阈值时，确定所述第一最大上峰值为有效峰值；
在所述第一最大上峰值和第二最小下峰值的位置差值小于预设的间期阈值、在所述第一最大上峰值和第二最小下峰值的位置满足归一化相关，且在所述第一最大上峰值和第二最小下峰值的峰值差值大于预设的形态距阈值时，确定所述第一最大上峰值为有效峰值；
在所述第二最大上峰值和第二最小下峰值的位置差值小于所述间期阈值、在所述第二最大上峰值和第二最小下峰值的位置满足归一化相关，且在所述第二最大上峰值和第二最小下峰值的峰值差值大于所述形态距阈值时，确定所述第二最大上峰值为有效峰值；
在所述第二最大上峰值和第一最小下峰值的位置差值小于所述间期阈值、在所述第二最大上峰值和第一最小下峰值的位置满足归一化相关，且在所述第二最大上峰值和第一最小下峰值的峰值差值大于所述形态距阈值时，确定所述第二最大上峰值为有效峰值；
在所述搜索区间不存在有效峰值时，确定所述搜索区间对应的信号区间为无效，且以当前所述搜索区间的终止位置确定下一搜索区间，判断下一搜索区间对应的信号区间的有效性；在所述搜索区间只存在一个有效的峰值时，确定所在的搜索区间对应的信号区间有效，以所述有效的最大上峰值对应的上峰确定为J峰，以J峰所在的位置确定下一搜索区间，判断下一搜索区间对应的信号区间的有效性；
若连续的两个搜索区间对应的信号区间均无效，确定对应的信号子区间内的信号无效；
在无效的所述信号子区间内的信号的数量小于预设的数量阈值时，确定所述心冲击图时序信号有效；在无效的所述信号子区间内的信号的数量大于或等于预设的数量阈值时，确定所述心冲击图时序信号无效。
2.根据权利要求1所述的心冲击图时序信号的有效性检测方法，其特征在于，还包括：
在所述搜索区间存在两个有效的峰值时，确定所在的搜索区间对应的信号区间有效，且计算第一最大上峰值所在的位置与上一个J峰所在的位置的差值的绝对值，得到第一位置差值；计算第一最大上峰值所在的位置与第二最大上峰值所在的位置的差值的绝对值，得到第二位置差值；若所述第一位置差值与第二位置差值的差小于预设的期间比阈值，两个最大上峰值对应的上峰均确定为J峰，且以后一个J峰所在的位置确定下一搜索区间，判断下一搜索区间对应的信号区间的有效性；否则，将所述第一最大上峰值和第二最大上峰值中更大的一个对应的上峰确定为J峰，以J峰所在的位置确定下一搜索区间，判断下一搜索区间对应的信号区间的有效性。
3.根据权利要求1所述的心冲击图时序信号的有效性检测方法，其特征在于，在所述信号子区间内的信号的峰值小于第一预设阈值且所述信号子区间内的信号的平均功率满小于第二预设阈值时，将所述信号子区间内的信号确定为无效的信号子区间内的信号；否则，将所述信号子区间内的信号确定为待确定的信号子区间内的信号后，还包括以下步骤：
若所述信号子区间内的信号的峰值大于或等于所述第一预设阈值，调整所述第一预设阈值V_min，使V_min′＝a*V_min，并将调整后的所述第一预设阈值V_min′确定为下一个信号子区间内的信号的第一预设阈值；其中，a为第一预设阈值的调整系数。
4.根据权利要求3所述的心冲击图时序信号的有效性检测方法，其特征在于，在确定待确定的信号子区间内的信号的检索模板和搜索区间之前，还包括以下步骤：
获取预设的最高有效峰值门限V_max；
获取当前所述待确定的信号子区间内的信号的最大峰值A_max和上一个所述待确定的信号子区间内的信号的最大峰值A_max′；
在A_max＞V_max时，将所述待确定的信号子区间内的信号确定为无效的信号子区间内的信号；
在A_max≤V_max时，计算所述A_max和A_max′的比值，将所述A_max和A_max′的比值与预设的固定阈值对比，若所述A_max和A_max′的比值大于所述固定阈值，将当前所述待确定的信号子区间内的信号确定为无效的信号子区间内的信号。
5.根据权利要求4所述的心冲击图时序信号的有效性检测方法，其特征在于，所述确定待确定的信号子区间内的信号的检索模板和搜索区间，具体包括以下步骤：
对所述待确定的信号子区间内的信号求自相关函数，获取所述待确定的信号子区间内的信号的自相关函数中最接近初始位置的峰值所在的位置t_max；
根据所述待确定的信号子区间内的信号的峰值位置t_max和预设的范围系数Z，获取时隙区间；
遍历所述时隙区间内的信号的上-下峰的形态距，且将数值最大的所述上-下峰的形态距对应的上峰确定为初始化J峰；
获取初始化J峰的位置tk_peak，在待确定的信号子区间内的信号内，确定距离所述初始化J峰的位置tk_peak的预设步长位置t以及对应位置的信号峰值；
其中，t＝tk_peak-△，tk_peak-△+1，tk_peak-△+2，…，tk_peak+△；△为平均心率调整系数；
选取所述待确定的信号子区间内的信号内的心冲击图时序信号的第一个所述初始化J峰的位置tk_peak确定为当前J峰的位置tn，将当前J峰的位置和预设的搜索区间的范围系数t′确定搜索区间；
对所述待确定的信号子区间内的信号进行数学平均，将数学平均后的结果确定为初始模板h′；
计算所述初始模板h′与每一个初始化信号子区间内的信号的第一动态时间距d_k；选取所述第一动态间距d_k中小于平均值的K′个心冲击图时序信号进行数学平均，将数学平均后的结果确定为检索模板h；其中d_k＝argmin|x′-x_k(t)|^2。
6.根据权利要求5所述的心冲击图时序信号的有效性检测方法，其特征在于，所述通过所述检索模板在待确定的信号子区间内的信号的搜索区间进行搜索，获得所述搜索区间的两个最大上峰值及其所在的位置，和两个最小下峰值及其所在的位置，具体包括以下步骤：
在当前搜索区间滑动所述检索模板h，分别计算所述检索模板h与当前搜索区间范围内的信号的相关运算以及动态时间距，获得相关运算的结果y_corr(t)和动态时间距结果y_dis(t)；
对当前搜索区间的相关运算的结果y_corr(t)进行归一化运算，获取归一化运算后两个最大上峰值及其对应的位置；对当前搜索区间动的态时间距结果y_dis(t)进行归一化运算，获取归一化运算后两个最小下峰值及其对应的位置。
7.根据权利要求6所述的心冲击图时序信号的有效性检测方法，其特征在于，在无效的所述信号子区间内的信号的数量小于预设的数量阈值时，确定所述心冲击图时序信号有效；否则，所述心冲击图时序信号无效后，还对有效的所述心冲击图时序信号进行质量评估，具体包括以下步骤：
从有效的所述心冲击图时序信号中获取M组信号组，每组所述信号组至少包括连续的两个心跳包络信号，其中M为信号组的数量，M≥3；
分别对各组所述信号组的信号进行求数学期望计算，得到对应的各个所述信号组的数学期望x1，x2，……xM；
计算第i组内每一个心跳包络信号与第i组的数学期望xi的欧氏距离，将计算结果确定为第i组的质量评估矢量Di，其中i＝1，2，……M；
计算所述质量评估矢量Di的方差var{Di}；
计算第i组信号组的心冲击图时序信号的数学期望的方差var{xi}，并确定为第i组信号组的平均功率P_i；P_i＝var{xi}；
计算各个所述信号组的小尺度心冲击图时序信号质量评估参数；其中，所述小尺度心冲击图时序信号质量评估参数计算方式为：Ai＝log(var{Di}/P_i)；
获取预设的第一经验阈值c_g和第二经验阈值c_n，其中c_g＞c_n＞0；
若Ai＜c_n，确定第i组信号组的心冲击图时序信号均为高质量比的心冲击图时序信号；
若c_n≤Ai＜c_g，确定第i组信号组的心冲击图时序信号均为中等质量的心冲击图时序信号；
若Ai≥c_g，确定第i组信号组的心冲击图时序信号均为低质量的心冲击图时序信号。
8.根据权利要求6所述的心冲击图时序信号的有效性检测方法，其特征在于，在无效的所述信号子区间内的信号的数量小于预设的数量阈值时，确定所述心冲击图时序信号有效；否则，所述心冲击图时序信号无效后，还对有效的所述心冲击图时序信号进行质量评估，具体包括以下步骤：
从有效的所述心冲击图时序信号中获取M组信号组，每组所述信号组至少包括连续的两个心跳包络信号，其中M为信号组的数量，M≥3；
分别对各组所述信号组的信号进行求数学期望计算，得到对应的各个所述信号组的数学期望x1，x2，……xM；
对M组所述信号组的所有心跳包络信号进行求数学期望计算，得到对应的数学期望x；
计算第i组内每一个心跳包络信号与第i组的数学期望xi的欧氏距离，将计算结果确定为第i组的质量评估矢量Di，其中i＝1，2，……M；
计算所述质量评估矢量Di的方差var{Di}；
计算所述M组信号组的数学期望x的方差var{x}，并确定为所述M组信号组的平均功率P_M；P_M＝var{x}；
计算所有所述信号组的大尺度心冲击图时序信号质量评估参数；其中，所述大尺度心冲击图时序信号质量评估参数计算方式为A＝log(mean{var{Di}}/P_M)；
获取预设的第一经验阈值c_g和第二经验阈值c_n，其中c_g＞c_n＞0；
若A＜c_n，确定所述M组信号组的心冲击图时序信号均为高质量比的心冲击图时序信号；
若c_n≤A＜c_g，确定所述M组信号组的心冲击图时序信号均为中等质量的心冲击图时序信号；
若A≥c_g，确定所述M组信号组的心冲击图时序信号均为低质量的心冲击图时序信号。
9.根据权利要求1所述的心冲击图时序信号的有效性检测方法，其特征在于：在获取一段心冲击图时序信号并保存在一缓存区间内后，还通过高通滤波器对所述心冲击图时序信号进行去基线处理。
10.根据权利要求5所述的心冲击图时序信号的有效性检测方法，其特征在于，所述根据所述待确定的信号子区间内的信号的峰值位置t_max和预设的范围系数Z，获取时隙区间，具体包括以下步骤：
获取预设的范围系数Z；
将所述待确定的信号子区间内的信号的峰值位置t_max与所述范围系数Z相加，得到所述时隙区间的起始位置，将所述待确定的信号子区间内的信号的峰值位置t_max与2倍的范围系数Z相加，得到所述时隙区间的终止位置。
CN202011190640.5A 2020-10-30 2020-10-30 一种心冲击图时序信号的有效性检测方法 Active CN112507784B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011190640.5A CN112507784B (zh) 2020-10-30 2020-10-30 一种心冲击图时序信号的有效性检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011190640.5A CN112507784B (zh) 2020-10-30 2020-10-30 一种心冲击图时序信号的有效性检测方法

Publications (2)

Publication Number Publication Date
CN112507784A CN112507784A (zh) 2021-03-16
CN112507784B true CN112507784B (zh) 2022-04-05

Family

ID=74954606

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011190640.5A Active CN112507784B (zh) 2020-10-30 2020-10-30 一种心冲击图时序信号的有效性检测方法

Country Status (1)

Country Link
CN (1) CN112507784B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114376521A (zh) * 2021-12-27 2022-04-22 天翼云科技有限公司 一种睡眠状态识别模型训练、睡眠分期方法及装置
CN114010186B (zh) * 2022-01-11 2022-03-18 华南师范大学 一种心冲击图信号定位方法和计算机设备
CN114098721B (zh) * 2022-01-25 2022-04-15 华南师范大学 心冲击图信号的提取方法、装置以及设备
CN114767127B (zh) * 2022-06-21 2022-09-30 广州中科新知科技有限公司 一种心冲击图信号的处理方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6258037B1 (en) * 1999-06-25 2001-07-10 Cardiodyne Division Of Luxtec Corporation Measuring blood pressure in noisy environments
CN107822615A (zh) * 2017-11-16 2018-03-23 北京悦琦创通科技有限公司 血压测量设备和信号处理方法
CN108542369A (zh) * 2018-04-16 2018-09-18 华南师范大学 一种心率呼吸检测方法及系统
CN111248895A (zh) * 2018-11-30 2020-06-09 无锡祥生医疗科技股份有限公司 心电信号特征检测方法及其系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4589420A (en) * 1984-07-13 1986-05-20 Spacelabs Inc. Method and apparatus for ECG rhythm analysis
US8688202B2 (en) * 2009-11-03 2014-04-01 Vivaquant Llc Method and apparatus for identifying cardiac risk
RU2637610C2 (ru) * 2011-03-11 2017-12-05 Конинклейке Филипс Н.В. Устройство мониторинга для мониторинга физиологического сигнала
EP2499971B1 (fr) * 2011-03-18 2015-12-30 Sorin CRM SAS Dispositif de traitement adaptatif d'un signal d'accélération endocardiaque
EP3476282B1 (en) * 2017-08-22 2020-11-25 Shenzhen Goodix Technology Co., Ltd. Heart rate measuring method and apparatus, and electronic terminal

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6258037B1 (en) * 1999-06-25 2001-07-10 Cardiodyne Division Of Luxtec Corporation Measuring blood pressure in noisy environments
CN107822615A (zh) * 2017-11-16 2018-03-23 北京悦琦创通科技有限公司 血压测量设备和信号处理方法
CN108542369A (zh) * 2018-04-16 2018-09-18 华南师范大学 一种心率呼吸检测方法及系统
CN111248895A (zh) * 2018-11-30 2020-06-09 无锡祥生医疗科技股份有限公司 心电信号特征检测方法及其系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
心冲击图信号的采集和特征分析及其应用;李倩等;《中国医学物理学杂志》;20200125(第01期);第89-95页 *
非接触式呼吸与心率信号检测系统;郭健;《工程科技Ⅱ辑》;20200215(第02期);第C030-89页 *

Also Published As

Publication number Publication date
CN112507784A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN112507784B (zh) 一种心冲击图时序信号的有效性检测方法
CN111035367B (zh) 一种用于判断睡眠呼吸暂停的信号检测系统
CN102319063B (zh) 一种提高胎心率数据加速识别准确性的装置和方法
CN109700450B (zh) 一种心率检测方法及电子设备
CN104102915A (zh) 一种心电异常状态下基于ecg多模板匹配的身份识别方法
JP2002516130A (ja) 変換を使って生理的パラメータを推定するための方法及び装置
CN107980151B (zh) 一种基于心电认证的门禁系统及其认证方法
WO2014047310A4 (en) System and method for determining sleep stage
CN112401902B (zh) 基于神经网络时频分析相结合的心电身份识别方法及系统
CN114676738B (zh) Ppg信号质量评估方法及装置以及ppg信号处理方法及系统
Bruun et al. Automatic atrial fibrillation detection: A novel approach using discrete wavelet transform and heart rate variability
KR102370622B1 (ko) 심층학습에 기반한 신호 압축 시스템 및 방법
CN114557685B (zh) 一种非接触式运动鲁棒心率测量方法及测量装置
CN109846473B (zh) 一种检测单导联10秒心电图噪音干扰程度的方法
CN113180627B (zh) 一种基于rPPG技术的非接触式识别酒驾的方法
CN116305048A (zh) 一种基于改进残差收缩网络的身份识别方法
CN115281676A (zh) 基于gru神经网络和ecg信号的疲劳检测方法
CN113608190B (zh) 基于奇异空间三特征的海面目标检测方法及系统
CN111436939B (zh) 基于深度学习的识别体征信号的方法、系统、设备及介质
CN114469041A (zh) 一种运动过程中心率变化数据特征分析方法
CN113647925A (zh) 基于心冲击信号的心率确定方法及装置
Vaz et al. An Automatic method for motion artifacts detection in photoplethysmographic signals referenced with electrocardiography data
Yu et al. Heart beat detection method with estimation of regular intervals between ECG and blood pressure
CN117530666B (zh) 呼吸异常识别模型训练方法、呼吸异常识别方法及设备
CN117338253B (zh) 基于生理信号的睡眠呼吸暂停检测方法以及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240223

Address after: Building 2, No. 38 Junfeng Road, Huangpu District, Guangzhou City, Guangdong Province, 510000

Patentee after: GUANGDONG JUNFENG BFS INDUSTRY CO.,LTD.

Country or region after: China

Address before: School of physics and telecommunication engineering, South China Normal University, No. 378, Waihuan West Road, Panyu District, Guangzhou City, Guangdong Province, 510006

Patentee before: SOUTH CHINA NORMAL University

Country or region before: China