CN112890795B - 一种基于多分辨率信号的心跳和呼吸检测方法 - Google Patents

Abstract

一种基于多分辨率信号的心跳和呼吸检测方法，涉及心跳和呼吸检测技术，其中心跳检测方法包括步骤：输入心跳信号、DWT分解、D5子带软阈值化、平方并10级DWT分解、D1‑D5子带消除以确定参考窗口和在参考窗口中定位峰值；本申请提供一种基于多分辨率信号的心跳和呼吸检测方法，检测准确度更高。

Description

一种基于多分辨率信号的心跳和呼吸检测方法

技术领域

本发明涉及心跳和呼吸检测技术，具体涉及一种基于多分辨率信号的心跳和呼吸检测方法。

背景技术

人体每分钟的心跳次数与人的健康状况密切相关。通过测量心跳并计算心率，可预知心血管病的发生，同时通过检测并监测心跳对医学上判断人的情绪行为具有重要意义。

目前检测心跳主要有两类方法，接触式和非接触式检测方法。采用按压脉搏、采用听诊器等进行心跳检测，属于接触式的方法。采用基于人体皮肤表面对微波、红外线、可见光的反射频谱进行分析来得到心跳属于非接触式检测方法。采用听诊器及按压脉搏的接触式心跳检测方法，一般会在检测时引起用户的情绪反应，结果与被测者的情绪有关系。非接触心跳检测方法一般要求在检测心跳时必须与被测人员的身体保持一定距离，现有的非接触式检测方法存在计算速度较慢、精度低缺点。

同样，目前呼吸检测方法也存在检测准确度低的问题。

发明内容

为了解决上述现有技术中存在的问题，本申请提供一种基于多分辨率信号的心跳和呼吸检测方法，检测准确度更高。

为了实现上述技术效果，本发明的具体技术方案如下：

一种基于多分辨率信号的心跳检测方法，包括如下步骤:

S1、获取N个心跳信号，得出每个心跳信号Sig对应的信号样点

Sig_DCR＝Sig-mean(∑Sig),

其中，mean(∑Sig)表示N个心跳信号求和之后的平均值；

S2、对N个信号样点Sig_DCR采用Db10分析小波进行一级滤波，分别得到低通信号a＝Sig_DCR*h，

高通信号d＝Sig_DCR*g，

其中h代表低通滤波器，g代表高通滤波器，*表示卷积；

在滤波之后，低通信号a和高通信号d下采样到原来样点的一半，即

(u↓2)[k]＝u[2k]

这样就完成了一级分解得到A1和D1，对A1重复该滤波过程得到A2和D2；依次重复可以得在最低级别的近似系数A10以及细节系数D1-D10；在小波分解过程结束时得到的信号可以表示为：

[A10，D10，D9，D8，D7，D6，D5，D4，D3，D2，D1]；

舍弃其中的D1到D4的系数，以及A10和D10的系数后，余下的信号可以表示为：[D9，D8，D7，D6，D5]，即只保留细节信号D5-D9；

S3、对D5子带进行系数的软阈值化，软阈值化的阈值取T＝300，软阈值化后的D5子带s＇有如下公式：

其中s∈D5，即s为D5子带中的一个元素；

S4、对软阈值化后的D5子带s＇取平方获得数据s＇＇＝(s＇)2；

对s″进一步做10级的离散小波变换分解(简称DWT分解)，其分解过程和步骤S2相同；

S5、把s″经步骤S4分解后相应的D1-D5子带去掉，得到一个参考窗口Rref，参考窗口Rref的选取参照每分钟的心跳次数在50-150之间，因此Rref要保证包含1次心跳的数据量，以采样的频率500Hz为例，Rref取200个样点；

S6、在每个参考窗口Rref中寻找峰值，一旦峰值超过了阈值T_window，则该峰值对应于心跳，其中阈值T_window由以下公式确定：

由此可得出，对1分钟内的信号检测出与心跳对应的峰值，就可以得到每分钟内的心率。

进一步地，步骤S1中获取N个心跳信号可通过心跳传感器获取。

一种基于多分辨率信号的呼吸检测方法，其步骤与上述技术方案中的心跳检测方法相同，区别仅在于权利要求1中的步骤S1需改为获取N个呼吸信号，及权利要求1中的步骤S3的软阈值化的阈值T改为T＝50。

进一步地，获取N个呼吸信号可通过呼吸传感器获取。

依据上述技术方案，本发明的有益效果是：本发明采用多分辨率方法同时检测心跳和呼吸，能够提高检测的准确度，由于同时提供心跳和呼吸数据，可以降低其他方法只能单独检测心跳或呼吸所带来的成本增加，另外，基于呼吸和心跳可以更好向用户提供健康信息。

附图说明

下面通过具体实施方式结合附图对本申请作进一步详细说明。

图1为本发明中的心跳检测方法流程图；

图2为本发明中的心跳检测方法中步骤S2涉及的低通滤波器示意图；

图3为本发明中的心跳检测方法中步骤S2涉及的高通滤波器示意图。

具体实施方式

为使本实施方式的目的、技术方案和优点更加清楚，下面将结合本实施方式中的附图，对本实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本申请一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本申请保护的范围。

在本发明中，除非另有明确的规定和限定，术语“安装”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

实施例

参考图1，一种基于多分辨率信号的心跳检测方法，包括如下步骤:

S1、获取N个心跳信号，得出每个心跳信号Sig对应的信号样点

Sig_DCR＝Sig-mean(∑Sig),

其中，mean(∑Sig)表示N个心跳信号求和之后的平均值；

S2、对N个信号样点Sig_DCR采用Db10分析小波进行一级滤波，分别得到低通信号a＝Sig_DCR*h，

高通信号d＝Sig_DCR*g，

其中h代表低通滤波器，g代表高通滤波器，*表示卷积；

在滤波之后，低通信号a和高通信号d下采样到原来样点的一半，即

(u↓2)[k]＝u[2k]

这样就完成了一级分解得到A1和D1，对A1重复该滤波过程得到A2和D2；依次重复可以得在最低级别的近似系数A10以及细节系数D1-D10；在小波分解过程结束时得到的信号可以表示为：

[A10，D10，D9，D8，D7，D6，D5，D4，D3，D2，D1]；

舍弃其中的D1到D4的系数，以及A10和D10的系数后，余下的信号可以表示为：[D9，D8，D7，D6，D5]，即只保留细节信号D5-D9；

对步骤S1中减去均值后的信号进行离散小波变换分解，简称DWT分解。使用Daubechie的Db10分析小波，分解成10级，Db10分析小波的低通滤波器、高通滤波器的形状分别如图2、图3所示。分解完成后，原始信号完全可以由细节系数(D1-D10)以及在最低级别的近似系数A10表示。通过完全舍弃子带D1到D4的系数，可以实现对高频噪声信号以及电缆线干扰的抑制。因为A10保留的是基带信号，因此把A10移除可以消除基带扰动，为了进一步消除基带扰动，在本发明中，我们同时把D10系数舍弃，即同时舍弃A10和D10子带的系数。

S3、对D5子带进行系数的软阈值化，软阈值化的阈值取T＝300，软阈值化后的D5子带s＇有如下公式：

其中s∈D5，即s为D5子带中的一个元素；

为了检测到与心跳有关的类脉冲峰，需要对D5子带进行分离，这里分离其实是对D5子带中与心跳有关的部分进行放大，而抑制其他部分，这个通过对D5子带进行系数的软阈值化来实现。

S4、对软阈值化后的D5子带s＇取平方获得数据s″＝(s＇)2；

对s″进一步做10级的离散小波变换分解(简称DWT分解)，其分解过程和步骤S2相同；

对软阈值化后的D5子带取平方，以使所有值变成正值，并进一步放大与心跳有关的部分。这一步做法的理由是，在对D5子带软阈值处理之后，留下的信号中与心跳有关的部分具有较大的值，而与心跳无关的部分数值较小，因此通过对信号进行平方可以一方面把负值变为正值，同时放大与心跳有关的部分。

S5、把s″经步骤S4分解后相应的D1-D5子带去掉，得到一个参考窗口Rref，参考窗口Rref的选取参照每分钟的心跳次数在50-150之间，因此Rref要保证包含1次心跳的数据量，以采样的频率500Hz为例，Rref取200个样点；

S6、在每个参考窗口Rref中寻找峰值，一旦峰值超过了阈值T_window，则该峰值对应于心跳，其中阈值T_window由以下公式确定：

由此可得出，对1分钟内的信号检测出与心跳对应的峰值，就可以得到每分钟内的心率。

其中，步骤S1中获取N个呼吸信号可通过心跳传感器获取。

以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。

Claims (4)

1.一种基于多分辨率信号的心跳检测方法，其特征在于，包括如下步骤:

S1、获取N个心跳信号，得出每个心跳信号Sig对应的信号样点

Sig_DCR＝Sig-mean(∑Sig),

其中，mean(∑Sig)表示N个心跳信号求和之后的平均值；

S2、对N个信号样点Sig_DCR采用Db10分析小波进行一级滤波，分别得到

低通信号a＝Sig_DCR*h，

高通信号d＝Sig_DCR*g，

其中h代表低通滤波器，g代表高通滤波器，*表示卷积；

在滤波之后，低通信号a和高通信号d下采样到原来样点的一半，即

(u↓2)[k]＝u[2k]

上式中，↓表示下采样，(u↓2)即表示对信号u进行去半下采样，亦即，上式给出了对低通信号a和高通信号d的去半下采样方法。这样，A1来自(a↓2)[k]，而D1来自(d↓2)[k]；上式中的k和2k为采样点索引，即如果采样点u有N个，那么u[2k]为其偶数位置的采样点，k＝0,1,2,…,(N+1)/2；

这样就完成了一级分解得到A1和D1，对A1重复该滤波过程得到A2和D2；依次重复可以得在最低级别的近似系数A10以及细节系数D1-D10；在小波分解过程结束时得到的信号可以表示为：

[A10，D10，D9，D8，D7，D6，D5，D4，D3，D2，D1]；

舍弃其中的D1到D4的系数，以及A10和D10的系数后，余下的信号可以表示为：[D9，D8，D7，D6，D5]，即只保留细节信号D5-D9；

S3、对D5子带进行系数的软阈值化，软阈值化的阈值取T＝300，软阈值化后的D5子带s＇有如下公式：

其中s∈D5，即s为D5子带中的一个元素；

S4、对软阈值化后的D5子带s＇取平方获得数据s＇＇＝(s＇)2；

对s＇＇进一步做10级的离散小波变换分解，其分解过程和步骤S2相同；

S5、把s＇＇经步骤S4分解后相应的D1-D5子带去掉，得到一个参考窗口Rref，参考窗口Rref的选取参照每分钟的心跳次数在50-150之间，因此Rref要保证包含1次心跳的数据量，以采样的频率500Hz为例，Rref取200个样点；

S6、在每个参考窗口Rref中寻找峰值，一旦峰值超过了阈值T_window，则该峰值对应于心跳，其中阈值T_window由以下公式确定：

由此可得出，对1分钟内的信号检测出与心跳对应的峰值，就可以得到每分钟内的心率。

2.如权利要求1所述的一种基于多分辨率信号的心跳检测方法，其特征在于，步骤S1中获取N个心跳信号可通过心跳传感器获取。

3.一种基于多分辨率信号的呼吸检测方法，其特征在于，包括如下步骤:

S1、获取N个呼吸信号，得出每个呼吸信号Sig对应的信号样点

Sig_DCR＝Sig-mean(∑Sig),

其中，mean(∑Sig)表示N个呼吸信号求和之后的平均值；

S2、对N个信号样点Sig_DCR采用Db10分析小波进行一级滤波，分别得到

低通信号a＝Sig_DCR*h，

高通信号d＝Sig_DCR*g，

其中h代表低通滤波器，g代表高通滤波器，*表示卷积；

在滤波之后，低通信号a和高通信号d下采样到原来样点的一半，即

(u↓2)[k]＝u[2k]

上式中，↓表示下采样，(u↓2)即表示对信号u进行去半下采样，亦即，上式给出了对低通信号a和高通信号d的去半下采样方法。这样，A1来自(a↓2)[k]，而D1来自(d↓2)[k]；上式中的k和2k为采样点索引，即如果采样点u有N个，那么u[2k]为其偶数位置的采样点，k＝0,1,2,…,(N+1)/2；

这样就完成了一级分解得到A1和D1，对A1重复该滤波过程得到A2和D2；依次重复可以得在最低级别的近似系数A10以及细节系数D1-D10；在小波分解过程结束时得到的信号可以表示为：

[A10，D10，D9，D8，D7，D6，D5，D4，D3，D2，D1]；

舍弃其中的D1到D4的系数，以及A10和D10的系数后，余下的信号可以表示为：[D9，D8，D7，D6，D5]，即只保留细节信号D5-D9；

S3、对D5子带进行系数的软阈值化，软阈值化的阈值取T＝50，软阈值化后的D5子带s＇有如下公式：

其中s∈D5，即s为D5子带中的一个元素；

S4、对软阈值化后的D5子带s＇取平方获得数据s＇＇＝(s＇)2；

对s＇＇进一步做10级的离散小波变换分解，其分解过程和步骤S2相同；

S5、把s＇＇经步骤S4分解后相应的D1-D5子带去掉，得到一个参考窗口Rref，参考窗口Rref的选取参照每分钟的呼吸次数在50-150之间，因此Rref要保证包含1次呼吸的数据量，以采样的频率500Hz为例，Rref取200个样点；

S6、在每个参考窗口Rref中寻找峰值，一旦峰值超过了阈值T_window，则该峰值对应于呼吸，其中阈值T_window由以下公式确定：

由此可得出，对1分钟内的信号检测出与呼吸对应的峰值，就可以得到每分钟内的呼吸频率。

4.如权利要求3所述的一种基于多分辨率信号的呼吸检测方法，其特征在于，获取N个呼吸信号可通过呼吸传感器获取。

Images