CN112932460B - 呼吸频率监测装置和方法 - Google Patents

呼吸频率监测装置和方法 Download PDF

Info

Publication number
CN112932460B
CN112932460B CN202110137328.8A CN202110137328A CN112932460B CN 112932460 B CN112932460 B CN 112932460B CN 202110137328 A CN202110137328 A CN 202110137328A CN 112932460 B CN112932460 B CN 112932460B
Authority
CN
China
Prior art keywords
respiratory
respiratory frequency
frequency
sensing module
displacement angle
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
CN202110137328.8A
Other languages
English (en)
Other versions
CN112932460A (zh
Inventor
陈显平
江佩轩
喻家兵
钱靖
郎磊
尹秋丹
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.)
Chongqing University
Original Assignee
Chongqing 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 Chongqing University filed Critical Chongqing University
Priority to CN202110137328.8A priority Critical patent/CN112932460B/zh
Publication of CN112932460A publication Critical patent/CN112932460A/zh
Application granted granted Critical
Publication of CN112932460B publication Critical patent/CN112932460B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6823—Trunk, e.g., chest, back, abdomen, hip
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Public Health (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pulmonology (AREA)
  • Physiology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Optics & Photonics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明提供了一种呼吸频率监测装置和方法。呼吸频率监测装置，包括第一传感模块、第二传感模块和第三传感模块；第一传感模块得到第一位移角；第二传感模块得到第二位移角；第三传感模块得到第三位移角，根据第三位移角随时间的变化关系，得到第一呼吸频率，根据血氧饱和度与呼吸频率转化关系，获取第二呼吸频率，基于第一呼吸频率和第二呼吸频率，采用卡尔曼滤波数据融合算法，得到第三呼吸频率。本发明的技术方案中，呼吸频率监测装置体积小，随时随地可以便携穿戴，实现远程监控，便于患者进行日常呼吸频率监测。采用卡尔曼滤波数据融合算法对第一呼吸频率和第二呼吸频率进行处理，提高呼吸频率监测的准确性。

Description

呼吸频率监测装置和方法
技术领域
本发明涉及数据处理技术领域，具体而言，涉及一种呼吸频率监测装置和方法。
背景技术
呼吸频率是一种监测疾病进展的生命体征。呼吸频率异常是重症的重要标志。为了维持呼吸病症患者的生活质量，防止疾病的发展，需要长期的疾病管理，主要包括遵守处方药物疗程和避免呼吸病状发作诱因。比如哮喘患者，当呼吸音中出现“哮喘性喘息”等症状，表明对慢性疾病的控制水平较低。呼吸频率监测对于监测防治相关疾病起着至关重要的作用，然而传统的呼吸频率监测手段仅限于医院或病房中定点仪器监测，该监测仪器尺寸较大无法移动，不能实现对流动性病人呼吸状况的全天候监测。另一种传统的临床标准仍然是采用计时器手工计数的方法，更为落后。
发明内容
本发明旨在解决上述技术问题的至少之一。
为此，本发明的第一目的在于提供一种呼吸频率监测装置。
本发明的第二目的在于提供一种呼吸频率监测方法。
为实现本发明的第一目的，本发明的技术方案提供了一种呼吸频率监测装置，包括：第一传感模块、第二传感模块和第三传感模块；第一传感模块包括第一惯性测量单元和第一单片机，第一惯性测量单元设于胸部，第一单片机对第一惯性测量单元的测量数据，进行一阶互补滤波，得到第一位移角；第二传感模块包括第二惯性测量单元和第二单片机，第二惯性测量单元设于腹部，第二单片机对第二惯性测量单元的测量数据，进行一阶互补滤波器，得到第二位移角；第二单片机对第一位移角和第二位移角求取算术平均值，得到第三位移角，根据第三位移角随时间的变化关系，得到第一呼吸频率；第三传感模块包括反射式脉搏血氧仪和第三单片机，反射式脉搏血氧仪测量血氧饱和度，第三单片机根据血氧饱和度与呼吸频率转化关系，获取第二呼吸频率，第三单片机将第一呼吸频率设为参考量，将第二呼吸频率设为测试量，采用卡尔曼滤波数据融合算法，得到第三呼吸频率。
本技术方案中，呼吸频率监测装置体积小，随时随地可以便携穿戴，且实现远程监控，便于患者进行日常呼吸频率监测。采用卡尔曼滤波数据融合算法对第一呼吸频率和第二呼吸频率进行处理，得到第三呼吸频率，可以提高呼吸频率监测的准确性。
另外，本发明提供的技术方案还可以具有如下附加技术特征：
上述技术方案中，第一传感模块还包括：第一蓝牙模块和第一蓄电池；第一蓝牙模块用于与第二单片机进行蓝牙通讯，将第一位移角输出至第二单片机；第一蓄电池用于给第一惯性测量单元、第一单片机和第一蓝牙模块供电。
本技术方案中，呼吸频率监测装置无需采用数据线，便于患者穿戴与进行活动，实现实时的呼吸频率监测。
上述任一技术方案中，第二传感模块还包括：第二蓝牙模块和第二蓄电池；第二蓝牙模块用于与第一单片机和第三单片机进行蓝牙通讯，将第一呼吸频率输出至第三单片机；第二蓄电池用于给第二惯性测量单元、第二单片机和第二蓝牙模块供电。
本技术方案中，呼吸频率监测装置无需采用数据线，便于患者穿戴与进行活动，实现实时的呼吸频率监测。
上述任一技术方案中，第三传感模块还包括：第三蓝牙模块和第三蓄电池；第三蓝牙模块用于与第二单片机进行蓝牙通讯；第三蓄电池用于给反射式脉搏血氧仪、第三单片机和第三蓝牙模块供电。
本技术方案中，呼吸频率监测装置无需采用数据线，便于患者穿戴与进行活动，实现实时的呼吸频率监测。
上述任一技术方案中，反射式脉搏血氧仪测量脉搏，第三传感模块还包括：通信模块和显示屏；通信模块与物联网终端进行通信，将脉搏、血氧饱和度和/或第三呼吸频率发送至物联网终端；显示屏用于显示脉搏、血氧饱和度和/或第三呼吸频率。
本技术方案中，通过物联网终端可不限时间地点地对呼吸病症患者呼吸频率数据情况进行监测记录，显示屏可以使得患者或者监测者实时了解参数的数值，方便进行参数监测。
上述任一技术方案中，第一传感模块采用贴片形式设置于胸部表皮。
本技术方案中，通过采用贴片形式，使得患者更加舒适，不影响患者的生活。
上述任一技术方案中，第二传感模块采用贴片形式设置于腹部表皮。
本技术方案中，通过采用贴片形式，使得患者更加舒适，不影响患者的生活。
上述任一技术方案中，第三传感模块采用腕表形式佩戴于手腕动脉处。
本技术方案中，通过采用腕表形式，可以在获取血氧饱和度的同时，不影响患者的生活，增加舒适度。
为实现本发明的第二目的，本发明的技术方案提供了一种呼吸频率监测方法，包括：对第一惯性测量单元的测量数据，进行一阶互补滤波，得到第一位移角；对第二惯性测量单元的测量数据，进行一阶互补滤波，得到第二位移角；对第一位移角和第二位移角求取算术平均值，得到第三位移角，根据第三位移角随时间的变化关系，得到第一呼吸频率；获取血氧饱和度；根据血氧饱和度与呼吸频率转化关系，获取第二呼吸频率；将第一呼吸频率设为参考量，将第二呼吸频率设为测试量，采用卡尔曼滤波数据融合算法，得到第三呼吸频率。
本技术方案中，采用卡尔曼滤波数据融合算法对第一呼吸频率和第二呼吸频率进行处理，得到第三呼吸频率，可以提高呼吸频率监测的准确性。
上述技术方案中，将第一呼吸频率设为参考量，将第二呼吸频率设为测试量，采用卡尔曼滤波数据融合算法，得到第三呼吸频率，具体包括：
设每段数据融合的处理时间周期为T，xn表示在每段时间周期T内采样到的n个离散的关于时间的第一呼吸频率的数据点，yn表示在每段时间周期T内采样到的n个离散的关于时间的第二呼吸频率数据点，使用卡尔曼滤波数据融合算法进行数据递归迭代，每次卡尔曼滤波递归过程中卡尔曼增益系数Ki表示为：
Figure BDA0002927466880000041
其中，
Figure BDA0002927466880000042
表示xn在第i-1次递归过程中的估计误差，eMEAR,i-1表示yn在第i-1次递归过程中的测量误差；
eMEAR,i-1＝|yn,i-1-xn,i-1|；
其中，xn,i-1表示在第i-1次递归过程中第一呼吸频率的数值，yn,i-1表示在第i-1次递归过程中第二呼吸频率的数值。
第i次递归过程中的估计误差
Figure BDA0002927466880000043
与第i-1次递归过程中的估计误差
Figure BDA0002927466880000044
之间的更新关系为：
Figure BDA0002927466880000045
第一呼吸频率在第i次递归过程中的状态估计值为：
Figure BDA0002927466880000046
其中，
Figure BDA0002927466880000047
表示第一呼吸频率在第i-1次递归过程中的状态估计值，xn,i表示在第i次递归过程中第一呼吸频率的数值，yn,i表示在第i次递归过程中第二呼吸频率的数值。
Figure BDA0002927466880000048
为每段时间周期T内的n个递归过程中的n个离散的关于时间的数据点，设
Figure BDA0002927466880000049
为第三呼吸频率，在每个时间周期T内对于
Figure BDA00029274668800000410
进行n次递归后，得到融合最优输出估计值
Figure BDA00029274668800000411
设
Figure BDA00029274668800000412
为时间周期T内第三呼吸频率最优值。
本技术方案中，给出了获取第三呼吸频率的具体公式以及步骤，通过对第一呼吸频率和第二呼吸频率进行处理，提高呼吸频率监测的准确性。
本发明的附加方面和优点将在下面的描述部分中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明一个实施例的呼吸频率检测装置组成示意图；
图2为本发明一个实施例的第一传感模块组成示意图之一；
图3为本发明一个实施例的第二传感模块组成示意图之一；
图4为本发明一个实施例的第三传感模块组成示意图之一；
图5为本发明一个实施例的第一传感模块组成示意图之二；
图6为本发明一个实施例的第二传感模块组成示意图之二；
图7为本发明一个实施例的第三传感模块组成示意图之二；
图8为本发明一个实施例的第三传感模块组成示意图之三；
图9为本发明一个实施例的呼吸频率检测方法流程示意图；
图10为本发明一个实施例的第一传感模块和第二传感模块贴片位置示意图；
图11为本发明一个实施例的第三传感模块佩戴位置示意图；
图12为本发明一个实施例的卡尔曼滤波数据融合原理图；
图13为本发明一个实施例的卡尔曼滤波数据融合流程图。
其中，图1至图13中附图标记与部件名称之间的对应关系为：
100：呼吸频率监测装置，110：第一传感模块，112：第一惯性测量单元，114：第一单片机，116：第一蓝牙模块，118：第一蓄电池，120：第二传感模块，122：第二惯性测量单元，124：第二单片机，126：第二蓝牙模块，128：第二蓄电池，130：第三传感模块，132：反射式脉搏血氧仪，134：第三单片机，136：第三蓝牙模块，138：第三蓄电池，140：通信模块，142：显示屏，144：IUM生成第一呼吸频率，146：PPG生成第二呼吸频率，148：使用卡尔曼滤波器进行数据融合，150：LED显示屏输出，152：将本地融合生成的呼吸频率上传至互联网，154：终端检测，156：第一呼吸频率采样数据xn，158：第二呼吸频率采样数据yn，160：估计误差
Figure BDA0002927466880000051
162：测量误差eMEAR，164：卡尔曼增益系数K，166：状态估计值
Figure BDA0002927466880000052
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
下面参照图1至图13描述本发明一些实施例的呼吸频率监测装置和方法。
呼吸频率是一种监测疾病发展的重要生命体征。传统的呼吸监测设备尺寸较大，仅限医院或病房定点使用。近年来，人们开始探索了新型测量呼吸频率的方法，可穿戴式呼吸监测是其中发展的重点。目前国内外可穿戴式呼吸监测方法主要根据胸腹部的运动、身体内部声音、呼吸气流、呼出二氧化碳、心电图、血氧饱和度等来计算呼吸频率。但现有设备及方法都存在各自不同的缺陷，各种干扰因素会影响呼吸频率监测的准确性，因此并没有得到广泛应用；在国内，微型可穿戴式呼吸频率监测系统的研究仍处发展阶段，尚未存在将于数据融合算法技术(Data Fusion)应用于可微型穿戴式呼吸频率监测领域的尝试或设计。
微型可穿戴式呼吸频率监测作为近年来呼吸监测领域发展的新点和重点，可以在呼吸病症患者的实际护理过程中提供不限时间地点的跟踪监控，但目前正处于研究发展阶段，还未广泛应用于实际医疗。
相关测量呼吸频率的方法主要包括接触式和非接触式监测。
接触式方法包括：基于测量胸部和腹部运动、声波和气流、呼出的二氧化碳以及根据心电图或氧饱和度计算呼吸频率。
非接触式方法包括：基于红外热成像、视频数据、湿度检测和通过多普勒现象测量胸部呼吸运动来计算呼吸频率。
其中，能够实现可穿戴式呼吸监测手段的基本仅限于接触式方法，如：根据胸腹部的活动、身体内部声音、呼吸气流、呼出二氧化碳、心电图、血氧饱和度等来探测呼吸频率。
相关技术的缺点，主要包括：
(1)传统临床标准仍然是用计时器手工计数，较为落后。在实际的呼吸病症护理环境中，使用联网的微型可穿戴式设备随时随地对呼吸病症患者进行持续监测是非常必要的。而现有的各种呼吸频率监测系统方案大多不适合作为可穿戴设备用于患者的日常生活中进行持续监测。
(2)进一步地，在上述中现有的可穿戴式呼吸频率监测系统的设计方案中，由于呼吸频率监测准确性不足，除在患者胸部周围使用皮带传感器检测胸腹部活动外，这些方法都没有被广泛接受为测量呼吸频率的可行方法，无法应用于实际医疗。
(3)其次，作为可穿戴式设备，现有技术大多仅实现了其可穿戴化，在进一步微型化的优化上还存在不足。
本实施例设计了一种新型基于数据融合技术的微型可穿戴式传感器混合监测系统(也就是呼吸频率监测装置)，在实现可随时随地便携穿戴使用的同时，通过改进的卡尔曼滤波器对根据呼吸时的胸腹部运动情况生成的第一呼吸频率数据和根据血氧饱和度生成的第二呼吸频率数据进行数据融合处理，结合两者优点，得出更加准确的数据，并使用嵌入式板载通讯模块将数据接入互联网云端，实现云终端监测。
本实施例的主要目的为：
(1)为呼吸病症管理设计一种联网的微型可穿戴传感系统来持续跟踪病患的呼吸情况。实现在患者各种护理环境中不限时间地点的对呼吸病状进行监测。
(2)使用数据融合算法(Data Fusion)来提高呼吸频率监测的准确性。先根据呼吸时的胸腹部运动情况(根据IMU得到，IMU全称为：Inertial Measurement Unit，表示惯性测量单元)和血氧饱和度(根据PPG得到，PPG全称为：Photo Plethysmo Graphy，表示光电容积脉搏波描记法)分别计算得到一组呼吸频率数据后，使用改进的卡尔曼滤波器对其进行数据融合，进而得到更加准确的呼吸频率。解决各种相关技术方案中监测准确性不足的问题。
(3)在传感器的选择上，摒弃常见检测手段中的皮带传感器检测胸腹部活动的方案，选取尺寸较小的贴片式惯性测试单元和腕表式血氧仪的组合，通过无线通讯方式来进行数据传输、融合，得出较为准确的呼吸频率，在可穿戴呼吸频率监测系统的微型化上作出了优化。
实施例1：
如图1至图4所示，本实施例提供了一种呼吸频率监测装置100，包括：第一传感模块110、第二传感模块120和第三传感模块130；第一传感模块110包括第一惯性测量单元112和第一单片机114，第一惯性测量单元112设于胸部，第一单片机114对第一惯性测量单元112的测量数据，进行一阶互补滤波，得到第一位移角；第二传感模块120包括第二惯性测量单元122和第二单片机124，第二惯性测量单元122设于腹部，第二单片机124对第二惯性测量单元122的测量数据，进行一阶互补滤波器，得到第二位移角；第二单片机124对第一位移角和第二位移角求取算术平均值，得到第三位移角，根据第三位移角随时间的变化关系，得到第一呼吸频率；第三传感模块130包括反射式脉搏血氧仪132和第三单片机134，反射式脉搏血氧仪132测量血氧饱和度，第三单片机134根据血氧饱和度与呼吸频率转化关系，获取第二呼吸频率，第三单片机134将第一呼吸频率设为参考量，将第二呼吸频率设为测试量，采用卡尔曼滤波数据融合算法，得到第三呼吸频率。
本实施例中，第一惯性测量单元112包括三轴加速计、三轴陀螺仪、三轴磁力计等，第一惯性测量单元112的测量数据包括三轴加速计中，沿y轴方向第一位移量和沿z轴方向第二位移量，还包括三轴陀螺仪中的第一水平面角速度，对第一位移量、第二位移量和第一水平面角速度进行一阶互补滤波，得到第一位移角，即胸腔位移角。
本实施例中，第二惯性测量单元122包括三轴加速计、三轴陀螺仪、三轴磁力计等，第二惯性测量单元122的测量数据包括三轴加速计中，沿y轴方向第三位移量和沿z轴方向第四位移量，还包括三轴陀螺仪中的第二水平面角速度，对第三位移量、第四位移量和第二水平面角速度进行一阶互补滤波，得到第二位移角，即腹腔位移角。
本实施例中，对第一位移角和第二位移角求取算术平均值，得到第三位移角，即腹侧体腔位移角，根据第三位移角随时间的变化数据，进行滤波、归一化、拟合、转换等信号处理，得到第一呼吸频率。
本实施例中，根据血氧饱和度与呼吸频率转化关系，对血氧饱和度进行滤波、归一化、拟合、转换等信号处理，得到第二呼吸频率。
本实施例中，第一传感模块110设于胸部，第二传感模块120设于腹部，第三传感模块130可以设于腕部，第一传感模块110、第二传感模块120和第三传感模块130体积小，呼吸频率监测装置100实现微型化，随时随地可以便携穿戴，且实现远程监控，便于患者进行日常呼吸频率监测，不限时间地点实现实时监测。
本实施例获取第一呼吸频率和第二呼吸频率，采用卡尔曼滤波数据融合算法对第一呼吸频率和第二呼吸频率进行处理，得到第三呼吸频率，可以提高呼吸频率的准确性。
实施例2：
如图5所示，本实施例提供了一种呼吸频率监测装置100，除上述实施例的技术特征以外，本实施例进一步地包括了以下技术特征：
第一传感模块110还包括：第一蓝牙模块116和第一蓄电池118；第一蓝牙模块116用于与第二单片机124进行蓝牙通讯，将第一位移角输出至第二单片机124；第一蓄电池118用于给第一惯性测量单元112、第一单片机114和第一蓝牙模块116供电。
本实施例中，通过第一蓝牙模块116与第二单片机124进行蓝牙通讯，采用蓝牙通讯，可以稳定的将第一位移角输出至第二单片机124，实现第一传感模块110与第二单片机124之间的无线传输，进而可以使呼吸频率监测装置100无需采用数据线，便于患者穿戴与进行活动，实现实时的呼吸频率监测。
本实施例中，第一蓄电池118为第一惯性测量单元112、第一单片机114和第一蓝牙模块116供电，第一蓄电池118体积小巧，可以实现呼吸频率监测装置100的微型化。
实施例3：
如图6所示，本实施例提供了一种呼吸频率监测装置100，除上述实施例的技术特征以外，本实施例进一步地包括了以下技术特征：
第二传感模块120还包括：第二蓝牙模块126和第二蓄电池128；第二蓝牙模块126用于与第一单片机114和第三单片机134进行蓝牙通讯，将第一呼吸频率输出至第三单片机134；第二蓄电池128用于给第二惯性测量单元122、第二单片机124和第二蓝牙模块126供电。
本实施例中，通过第二蓝牙模块126与第一单片机114和第三单片机134进行蓝牙通讯，采用蓝牙通讯，可以稳定的将第一呼吸频率输出至第三单片机134，实现第二传感模块120与第三单片机134之间的无线传输，进而可以使呼吸频率监测装置100无需采用数据线，便于患者穿戴与进行活动，实现实时的呼吸频率监测。
本实施例中，第二蓄电池128为第二惯性测量单元122、第二单片机124和第二蓝牙模块126供电，第二蓄电池128体积小巧，可以实现呼吸频率监测装置100的微型化。
实施例4：
如图7所示，本实施例提供了一种呼吸频率监测装置100，除上述实施例的技术特征以外，本实施例进一步地包括了以下技术特征：
第三传感模块130还包括：第三蓝牙模块136和第三蓄电池138；第三蓝牙模块136用于与第二单片机124进行蓝牙通讯；第三蓄电池138用于给反射式脉搏血氧仪132、第三单片机134和第三蓝牙模块136供电。
本实施例中，通过第三蓝牙模块136与第二单片机124进行蓝牙通讯，采用蓝牙通讯，可以稳定的获取第一呼吸频率，实现第二传感模块120与第三单片机134之间的无线传输，进而可以使呼吸频率监测装置100无需采用数据线，便于患者穿戴与进行活动，实现实时的呼吸频率监测。
本实施例中，第三蓄电池138为反射式脉搏血氧仪132、第三单片机134和第三蓝牙模块136供电，第三蓄电池138体积小巧，可以实现呼吸频率监测装置100的微型化。
实施例5：
如图8所示，本实施例提供了一种呼吸频率监测装置100，除上述实施例的技术特征以外，本实施例进一步地包括了以下技术特征：
反射式脉搏血氧仪132测量脉搏，第三传感模块130还包括：通信模块140和显示屏142；通信模块140与物联网终端进行通信，将脉搏、血氧饱和度和/或第三呼吸频率发送至物联网终端；显示屏142用于显示脉搏、血氧饱和度和/或第三呼吸频率。
本实施例中，通过通信模块140可以与物联网终端进行通信，将脉搏、血氧饱和度和/或第三呼吸频率发送至物联网终端，通过相应物联网终端进行监测、记录、反馈诊断等，终端可为患者手机APP、医疗机构信息部门等，监测终端可不限时间地点地对呼吸病症患者呼吸频率数据情况进行监测记录。
本实施例中，设有显示屏142，显示屏142可以采用LED显示屏，通过显示屏142显示脉搏、血氧饱和度和/或第三呼吸频率，可以使得患者或者监测者实时了解参数的数值，方便进行参数监测。
举例而言，第三呼吸频率的显示分为区域一和区域二，区域一中采用曲线图显示的形式，横坐标为时间，纵坐标为第三呼吸频率，区域二中采用数值显示的形式，每隔时间周期T刷新显示第三呼吸频率最优值。
实施例6：
本实施例提供了一种呼吸频率监测装置100，除上述实施例的技术特征以外，本实施例进一步地包括了以下技术特征：
第一传感模块110采用贴片形式设置于胸部表皮。
本实施例中，第一传感模块110采用贴片形式设置于胸部表皮，可以贴于胸骨角靠下附近位置，通过采用贴片形式，使得患者更加舒适，不影响患者的生活。
实施例7：
本实施例提供了一种呼吸频率监测装置100，除上述实施例的技术特征以外，本实施例进一步地包括了以下技术特征：
第二传感模块120采用贴片形式设置于腹部表皮。
本实施例中，第二传感模块120采用贴片形式设置于腹部表皮，可以贴于双侧第七肋骨前肋最突出点连线中点附近位置，通过采用贴片形式，使得患者更加舒适，不影响患者的生活。
实施例8：
本实施例提供了一种呼吸频率监测装置100，除上述实施例的技术特征以外，本实施例进一步地包括了以下技术特征：
第三传感模块130采用腕表形式佩戴于手腕动脉处。
本实施例中，第三传感模块130采用腕表形式佩戴于手腕动脉处，通过采用腕表形式，可以在获取血氧饱和度的同时，不影响患者的生活，增加舒适度。
实施例9：
如图9所示，本实施例提供了一种呼吸频率监测方法，包括以下步骤：
步骤S102，对第一惯性测量单元的测量数据，进行一阶互补滤波，得到第一位移角；
步骤S104，对第二惯性测量单元的测量数据，进行一阶互补滤波，得到第二位移角；
步骤S106，对第一位移角和第二位移角求取算术平均值，得到第三位移角，根据第三位移角随时间的变化关系，得到第一呼吸频率；
步骤S108，获取血氧饱和度；
步骤S110，根据血氧饱和度与呼吸频率转化关系，获取第二呼吸频率；
步骤S112，将第一呼吸频率设为参考量，将第二呼吸频率设为测试量，采用卡尔曼滤波数据融合算法，得到第三呼吸频率。
本实施例中，第一惯性测量单元112包括三轴加速计、三轴陀螺仪、三轴磁力计等，第一惯性测量单元112的测量数据包括三轴加速计中，沿y轴方向第一位移量和沿z轴方向第二位移量，还包括三轴陀螺仪中的第一水平面角速度，对第一位移量、第二位移量和第一水平面角速度进行一阶互补滤波，得到第一位移角，即胸腔位移角。
本实施例中，第二惯性测量单元122包括三轴加速计、三轴陀螺仪、三轴磁力计等，第二惯性测量单元122的测量数据包括三轴加速计中，沿y轴方向第三位移量和沿z轴方向第四位移量，还包括三轴陀螺仪中的第二水平面角速度，对第三位移量、第四位移量和第二水平面角速度进行一阶互补滤波，得到第二位移角，即腹腔位移角。
本实施例中，对第一位移角和第二位移角求取算术平均值，得到第三位移角，即腹侧体腔位移角，根据第三位移角随时间的变化数据，对第三位移角进行滤波、归一化、拟合、转换等信号处理，得到第一呼吸频率。
本实施例中，根据血氧饱和度与呼吸频率转化关系，对血氧饱和度进行滤波、归一化、拟合、转换等信号处理，得到第二呼吸频率。
本实施例获取第一呼吸频率和第二呼吸频率，采用卡尔曼滤波数据融合算法对第一呼吸频率和第二呼吸频率进行处理，得到第三呼吸频率，可以提高呼吸频率的准确性。
实施例10：
本实施例提供了一种呼吸频率监测方法，除上述实施例的技术特征以外，本实施例进一步地包括了以下技术特征：
将第一呼吸频率设为参考量，将第二呼吸频率设为测试量，采用卡尔曼滤波数据融合算法，得到第三呼吸频率，具体包括：
设每段数据融合的处理时间周期为T，xn表示在每段时间周期T内采样到的n个离散的关于时间的第一呼吸频率的数据点，yn表示在每段时间周期T内采样到的n个离散的关于时间的第二呼吸频率数据点，使用卡尔曼滤波数据融合算法进行数据递归迭代，每次卡尔曼滤波递归过程中卡尔曼增益系数Ki表示为：
Figure BDA0002927466880000131
其中，
Figure BDA0002927466880000132
表示xn在第i-1次递归过程中的估计误差，eMEAR,i-1表示yn在第i-1次递归过程中的测量误差；
eMEAR,i-1＝|yn,i-1-xn,i-1|；
其中，xn,i-1表示在第i-1次递归过程中第一呼吸频率的数值，yn,i-1表示在第i-1次递归过程中第二呼吸频率的数值。
第i次递归过程中的估计误差
Figure BDA0002927466880000133
与第i-1次递归过程中的估计误差
Figure BDA0002927466880000134
之间的更新关系为：
Figure BDA0002927466880000135
第一呼吸频率在第i次递归过程中的状态估计值为：
Figure BDA0002927466880000136
其中，
Figure BDA0002927466880000137
表示第一呼吸频率在第i-1次递归过程中的状态估计值，xn,i表示在第i次递归过程中第一呼吸频率的数值，yn,i表示在第i次递归过程中第二呼吸频率的数值。
Figure BDA0002927466880000141
为每段时间周期T内的n个递归过程中的n个离散的关于时间的数据点，设
Figure BDA0002927466880000142
为第三呼吸频率，在每个时间周期T内对于
Figure BDA0002927466880000143
进行n次递归后，得到融合最优输出估计值
Figure BDA0002927466880000144
设
Figure BDA0002927466880000145
为时间周期T内第三呼吸频率最优值。
本实施例给出了获取第三呼吸频率的具体公式以及步骤，通过对第一呼吸频率和第二呼吸频率进行处理，提高呼吸频率监测的准确性。
具体实施例：
本实施例提供了一种呼吸频率监测装置100。
第一，结构说明：
(1)呼吸频率监测系统(也就是呼吸频率监测装置100)
呼吸频率监测系统的硬件部分包括传感器模块A(第一传感模块110)、传感器模块B(第二传感模块120)和传感器模块C(第三传感模块130)。
传感器模块A设有第一单片机114，第一单片机114采用STM32(嵌入式单片机)嵌入式系统，还设有第一蓝牙模块116，通过第一蓝牙模块116建立起传感器模块间的通讯，还设有板载蓄电池(第一蓄电池118)，第一蓄电池118对传感器模块A供电。传感器模块A板载有第一惯性测量单元112。如图10所示，传感器模块A以贴片形式安置于胸部表皮(胸骨角靠下附近位置)，第一惯性测量单元112测量胸部呼吸时的运动情况。
传感器模块B设有第二单片机124，第二单片机124采用STM32嵌入式系统，还设有板载第二蓝牙模块126，通过第二蓝牙模块126建立起传感器模块间的通讯，还设有板载蓄电池(第二蓄电池128)，第二蓄电池128对传感器模块B供电。传感器模块B板载有第二惯性测量单元122。如图10所示，传感器模块B以贴片形式安置于腹部表皮(双侧第七肋骨前肋最突出点连线中点附近)，第二惯性测量单元122测量腹部呼吸时的运动情况。
第一惯性测量单元112和第二惯性测量单元122综合测量胸腹部呼吸时的运动情况。
传感器模块C设有第三单片机134，第三单片机134采用STM32嵌入式系统，还设有板载第三蓝牙模块136，通过第三蓝牙模块136建立起出传感器模块间通讯；还设有板载WiFi/4G模块(通信模块140)，通信模块140建立入网子系统，与物联网终端进行信息交互；还设有板载LED显示屏(显示屏142)，显示屏142实时显示脉率、血氧饱和度和数据融合(Data Fusion)算法计算出的较为准确的第三呼吸频率数据，举例而言，第三呼吸频率的显示分为区域一和区域二，区域一中采用曲线图显示的形式，横坐标为时间，纵坐标为第三呼吸频率，区域二中采用数值显示的形式，每隔时间周期T刷新显示第三呼吸频率最优值。传感器模块C还设有板载第三蓄电池138，第三蓄电池138对传感器模块C供电。如图11所示，传感器模块C以腕表形式佩戴于手腕动脉处，还设有板载反射式脉搏血氧仪132，反射式脉搏血氧仪132通过光电容积描记(PPG)技术测量血氧饱和度。
(2)数据处理及通讯系统
根据相关技术，传感器模块A上的嵌入式板载第一单片机112获取第一惯性测量单元112的胸腔运动情况数据，传感器模块B的嵌入式板载第二单片机124获取第二惯性测量单元122的腹腔运动情况数据，对呼吸时的胸腹腔运动情况数据进行滤波、归一化、拟合、转换等信号处理，得出关于时间的第一呼吸频率。同理，对传感器模块C上的反射式脉搏血氧仪132获取的PPG数据进行相应信号处理，得出关于时间的第二呼吸频率。之后，通过第一蓝牙模块116、第二蓝牙模块126和SPI(Serial Peripheral Interface，串行外设接口)接口，将第一呼吸频率和第二呼吸频率的数据统一上传至传感器模块C的第三单片机134，使用板载第三单片机134(MCU)进行数据融合处理，其数据融合算法采用改进的卡尔曼滤波器算法，通过实时计算递归两组第一呼吸频率和第二呼吸频率的数据，融合生成更为准确的关于时间的第三呼吸频率数据以及第三呼吸频率最优值。之后，通过传感器模块C的嵌入式系统板载WiFi/4G模块(通信模块140)通讯，将实时融合生成的第三呼吸频率数据以及系统融合最优输出估计值上传至网络互联网云端，并最终通过相应终端进行监测、记录、反馈诊断等。终端可为病人手机APP、医疗机构信息部门等。
具体而言，如图12所示，IUM生成第一呼吸频率144，PPG生成第二呼吸频率146，第一呼吸频率和第二呼吸频率通过蓝牙通讯输出，MCU信号处理，使用卡尔曼滤波器进行数据融合148，结果通过LED显示屏输出150，并且，通过WIFI或4G通讯，将本地融合生成的呼吸频率上传至互联网152，最后，实现终端检测154。
第二，原理说明：
(1)通过第一惯性测量单元112获取第一呼吸频率
呼吸循环中有吸气和呼气两种类型的胸腹腔运动。吸气动作从肋间肌肉收缩开始，使胸腔升高，并减少与膈肌连接。呼气动作时，肋间肌肉将肋骨带回胸腔，降低胸腔，腹部肌肉抬高膈肌。呼吸周期中，呼吸行为由躯体上半部分的胸腔活动和躯体下半部分的腹腔活动表达。故此，采用由三轴加速计、三轴陀螺仪、三轴磁力计等多种传感器组成的第一惯性测量单元112以单片机STM32嵌入式系统贴片形式安置于上述胸腹部位置，来检测胸腹部的运动情况，介此来表达呼吸行为。
对于传感器模块A和传感器模块B的第一惯性测量单元112和第二惯性测量单元122，第一惯性测量单元112通过SPI接口总线向第一单片机114提供加速度计和陀螺仪数据，第一单片机114计算第一位移角。第二惯性测量单元122通过SPI接口总线向第二单片机124提供加速度计和陀螺仪数据，第二单片机124计算第二位移角。第一位移角(或IMU旋转角)和第二位移角由第一惯性测量单元112和第二惯性测量单元122中的加速计(沿y、z轴方向位移量ay、az)和陀螺仪(水平面角速度ωx)通过一阶互补滤波器融合获得，表征呼吸时胸腹部起伏的位移、旋转角度。
由于在人体正常自主呼吸时，胸式呼吸和腹式呼吸同时存在；即吸气时，胸腹部均会不同程度外扩；呼气时，胸腹部均会有不同程度内收。腹侧体腔由胸腔和腹盆腔(腹腔为腹盆腔上半部分)组成。腹侧体腔位移角为第一位移角和第二位移角的算术平均值，腹侧体腔位移角(ventral body cavity angle)可以用于表征呼吸时胸腹部运动起伏情况(外扩时为吸气，内收时为呼气)，通过其关于时间的变化情况可以判断呼吸频率；基于胸腔位移角和腹腔位移角的算术平均值可以得出腹侧体腔位移角关于时间的变化数据，继而对腹侧体腔位移角进行滤波、归一化、拟合、转换等信号处理，进而得到第一呼吸频率数据。
(2)通过PPG获取第二呼吸频率
临床上，血氧浓度是呼吸循环的重要生理参数，可以指征呼吸状态。位于传感器模块C上的板载反射式脉搏血氧仪132，利用光电容积描记(PPG)技术，根据手腕动脉血管收缩扩张引起光吸收量的变化，通过朗伯比尔定律(Lambert-Beer law)计算得出血氧饱和度数据。传感器模块C的反射式脉搏血氧仪132通过SPI接口总线向第三单片机134提供血氧饱和度数据，利用血氧饱和度和呼吸频率的相关转化关系，对血氧饱和度进行滤波、归一化、拟合、转换等信号处理，进而得到第二呼吸频率数据。
(3)使用改进的卡尔曼滤波器对第一呼吸频率和第二呼吸频率进行数据融合
需要指出的是，除使用皮带传感器检测胸腹部活动(设备较为冗杂，不便穿戴)外，由于呼吸频率监测准确性不足，在相关的可穿戴式呼吸监测系统研究中并没有被广泛接受为测量呼吸频率的可行方法。另外，透射式脉搏血氧仪较反射式脉搏血氧仪132有着更好的检测准确性，但是其仅能在肢体末端进行监测，不便穿戴；本实施例中的反射式脉搏血氧仪132由于检测原理和传感元件位于同侧结构特性，不受检测位置限制，更易于嵌入式系统的微型化，且本实施例通过数据融合(Data Fusion)算法提高了判断呼吸频率的准确性，规避了现有方案的弊端。
对卡尔曼滤波器进行改进，并将其应用于第一呼吸频率和第二呼吸频率的数据融合算法中，具体流程如下：
考虑到第一呼吸频率数据为通过胸腹部的运动情况得出，其数据准确度较基于反射式脉搏血氧仪PPG技术的第二呼吸频率数据更高，所以在卡尔曼滤波器数据融合算法中，将第一呼吸频率设为参考量，将第二呼吸频率设为测试量。
如图13所示，根据第一呼吸频率采样数据xn 156的第i-1个数据点和第二呼吸频率采样数据yn 158的第i-1个数据点得出估计误差
Figure BDA0002927466880000171
160的第i-1次递归值
Figure BDA0002927466880000172
和测量误差eMEAR 162的第i-1次递归值eMEAR,i-1，根据估计误差
Figure BDA0002927466880000173
160和测量误差eMEAR 162的第i-1次递归值得到卡尔曼增益系数K 164的第i次递归值Ki，根据卡尔曼增益系数K 164的第i次递归值Ki更新估计误差
Figure BDA0002927466880000181
160，通过卡尔曼增益系数K 164的第i次递归值Ki、第一呼吸频率采样数据xn 156的第i个数据点、第二呼吸频率采样数据yn 158的第i个数据点、状态估计值
Figure BDA0002927466880000182
166的第i-1次递归值
Figure BDA0002927466880000183
得到第i次递归过程中的状态估计值
Figure BDA0002927466880000184
设每段数据融合的处理时间周期为T，xn表示在每段时间周期T内采样到的n个离散的关于时间的第一呼吸频率的数据点，yn表示在每段时间周期T内采样到的n个离散的关于时间的第二呼吸频率数据点，使用卡尔曼滤波数据融合算法进行数据递归迭代，每次卡尔曼滤波递归过程中卡尔曼增益系数Ki表示为：
Figure BDA0002927466880000185
其中，
Figure BDA0002927466880000186
表示xn在第i-1次递归过程中的估计误差，eMEAR,i-1表示yn在第i-1次递归过程中的测量误差；
eMEAR,i-1＝|yn,i-1-xn,i-1|；
其中，xn,i-1表示在第i-1次递归过程中第一呼吸频率的数值，yn,i-1表示在第i-1次递归过程中第二呼吸频率的数值。
第i次递归过程中的估计误差
Figure BDA0002927466880000187
与第i-1次递归过程中的估计误差
Figure BDA0002927466880000188
之间的更新关系为：
Figure BDA0002927466880000189
第一呼吸频率在第i次递归过程中的状态估计值为：
Figure BDA00029274668800001810
其中，
Figure BDA00029274668800001811
表示第一呼吸频率在第i-1次递归过程中的状态估计值，xn,i表示在第i次递归过程中第一呼吸频率的数值，yn,i表示在第i次递归过程中第二呼吸频率的数值。
Figure BDA00029274668800001812
为每段时间周期T内的n个递归过程中的n个离散的关于时间的数据点，设
Figure BDA00029274668800001813
为第三呼吸频率，在每个时间周期T内对于
Figure BDA00029274668800001814
进行n次递归后，得到融合最优输出估计值
Figure BDA00029274668800001815
设
Figure BDA00029274668800001816
为时间周期T内第三呼吸频率最优值第三，动作关系说明
通过将佩戴上述微型穿戴式呼吸频率监测系统，根据呼吸时的胸腹部运动情况和血氧饱和度，各自进行数据处理得到一组第一呼吸频率和第二呼吸频率；然后，通过通讯手段将第一呼吸频率和第二呼吸频率数据统一发送至传感器模块C的第三单片机134中进行数据融合算法处理(卡尔曼滤波器改进应用)，融合得出系统输出最优解，即较为准确第三呼吸频率；然后，通过通讯手段将融合生成的第三呼吸频率发送至互联网云端，与终端进行数据交互；上述过程中，位于传感器模块C的板载LED屏(显示屏142)将通过通讯方式实时获取并显示脉率、血氧浓度及融合生成的较为准确的第三呼吸频率。
本实施例的基于数据融合技术的微型穿戴式呼吸频率监测系统，包括以下方面：
(1)传感模块A、传感模块B分别位于病患胸腹部，检测呼吸时的胸腹部运动情况，进而得出第一呼吸频率；传感器模块C以腕表形式佩戴于手腕，检测呼吸时的血氧浓度变化，进而得出第二呼吸频率。
(2)基于上述两组第一呼吸频率和第二呼吸频率，通过改进的数据融合算法中的卡尔曼滤波器来对数据进行处理，融合生成更为准确的第三呼吸频率，解决相关技术中准确性不足的问题。
(3)反射式脉搏血氧仪不受测量部位限制，适合集成于可穿戴设备中，但在相关研究中，相较于传统透射式脉搏血氧仪不适合长时间穿戴(只能从肢体末端检测)却较为准确的特点来说，反射式脉搏血氧仪在呼吸频率的检测上还不够精确，而本实施例通过数据融合(Data Fusion)技术提高了准确性，优化了反射式脉搏血氧仪的在呼吸频率检测方向的研究应用。
(4)在可穿戴呼吸监测系统及设备的微型化上，除了上述采用的反射式脉搏血氧仪在检测原理和传感元件位于同侧的结构特点较透射式脉搏血氧仪可以做到嵌入式系统的微型化设计外，硬件系统采用蓄电池(第一蓄电池118、第二蓄电池128和第三蓄电池138)供电，通过蓝牙(第一蓝牙模块116、第二蓝牙模块126和第三蓝牙模块136)、WiFi/4G模块(通信模块140)进行通讯，实现轻质可穿戴。
(5)在监测不限时间地点的特点上，腕表式传感器模块C的板载LED(LightEmitting Diode，发光二极管)显示屏(显示屏142)实时显示脉率、血氧饱和度和融合生成的较为准确的第三呼吸频率，监测终端可不限时间地点地对呼吸病症患者呼吸频率数据情况进行监测记录。
本实施例为呼吸病症管理设计一种联网的微型可穿戴传感系统来持续跟踪病患的呼吸情况。实现在患者各种护理环境中不限时间地点的对呼吸病状进行监测。
本实施例使用数据融合算法(Data Fusion)来提高呼吸频率监测的准确性。先根据呼吸时的胸腹部运动情况(IMU)和血氧饱和度(PPG)分别计算得到一组呼吸频率数据后，使用改进的卡尔曼滤波器对其进行数据融合，进而得到更加准确的呼吸频率。解决相关各种技术方案中监测准确性不足的问题。
本实施例从结构上和算法上相辅相成地进行了可穿戴设备的微型化优化。
对于数据融合算法，除了卡尔曼滤波器，还可以选择贝叶斯理论、D-S(Dempster/Shafer)证据理论、中心极限定理等。对于传感器模块A和传感器模块B贴片的位置除了上述胸腹部位置外，还可以选择身体其他部位进行数据采集，如：从胸腹部其他角度、位置获取呼吸频率时胸腹运动情况等。对于传感器模块C，其反射式脉搏血氧仪不受检测位置限制，除手腕之外也可在身体其他适宜部位进行检测。对于判断呼吸频率的手段，还可以包括：身体内部声音、呼吸气流、呼出二氧化碳、心电图等来计算呼吸频率。数据融合技术可运用于以上两种或两种以上监测手段的综合评估，提高准确性。
综上，本发明实施例的有益效果为：
1.本实施例中，第一传感模块110设于胸部，第二传感模块120设于腹部，第三传感模块130可以设于腕部，第一传感模块110、第二传感模块120和第三传感模块130体积小，呼吸频率监测装置100实现微型化，随时随地可以便携穿戴，便于患者进行日常呼吸频率监测，不限时间地点实现实时监测。
2.本实施例获取第一呼吸频率和第二呼吸频率，采用卡尔曼滤波数据融合算法对第一呼吸频率和第二呼吸频率进行处理，得到第三呼吸频率，可以提高呼吸频率的准确性。
3.本实施例中，第一传感模块110采用贴片形式设置于胸部表皮，第二传感模块120采用贴片形式设置于腹部表皮，第三传感模块130采用腕表形式佩戴于手腕动脉处，通过采用上述方式，使得患者佩戴更加舒适，不影响患者的生活。
在本发明中，术语“第一”、“第二”、“第三”仅用于描述的目的，而不能理解为指示或暗示相对重要性；术语“多个”则指两个或两个以上，除非另有明确的限定。术语“安装”、“相连”、“连接”、“固定”等术语均应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；“相连”可以是直接相连，也可以通过中间媒介间接相连。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。
本发明的描述中，需要理解的是，术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或单元必须具有特定的方向、以特定的方位构造和操作，因此，不能理解为对本发明的限制。
在本说明书的描述中，术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或实例。而且，描述的具体特征、结构、材料或特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种呼吸频率监测装置(100)，其特征在于，包括：
第一传感模块(110)，所述第一传感模块(110)包括第一惯性测量单元(112)和第一单片机(114)，所述第一惯性测量单元(112)设于胸部，所述第一单片机(114)对所述第一惯性测量单元(112)的测量数据，进行一阶互补滤波，得到第一位移角；
第二传感模块(120)，所述第二传感模块(120)包括第二惯性测量单元(122)和第二单片机(124)，所述第二惯性测量单元(122)设于腹部，所述第二单片机(124)对所述第二惯性测量单元(122)的测量数据，进行一阶互补滤波器，得到第二位移角；所述第二单片机(124)对所述第一位移角和所述第二位移角求取算术平均值，得到第三位移角，根据所述第三位移角随时间的变化关系，得到第一呼吸频率；
第三传感模块(130)，所述第三传感模块(130)包括反射式脉搏血氧仪(132)和第三单片机(134)，所述反射式脉搏血氧仪(132)测量血氧饱和度，所述第三单片机(134)根据血氧饱和度与呼吸频率转化关系，获取第二呼吸频率，所述第三单片机(134)将所述第一呼吸频率设为参考量，将所述第二呼吸频率设为测试量，采用卡尔曼滤波数据融合算法，得到第三呼吸频率。
2.根据权利要求1所述的呼吸频率监测装置(100)，其特征在于，所述第一传感模块(110)还包括：
第一蓝牙模块(116)，所述第一蓝牙模块(116)用于与所述第二单片机(124)进行蓝牙通讯，将所述第一位移角输出至所述第二单片机(124)；
第一蓄电池(118)，所述第一蓄电池(118)用于给所述第一惯性测量单元(112)、所述第一单片机(114)和所述第一蓝牙模块(116)供电。
3.根据权利要求2所述的呼吸频率监测装置(100)，其特征在于，所述第二传感模块(120)还包括：
第二蓝牙模块(126)，所述第二蓝牙模块(126)用于与所述第一单片机(114)和所述第三单片机(134)进行蓝牙通讯，将所述第一呼吸频率输出至所述第三单片机(134)；
第二蓄电池(128)，所述第二蓄电池(128)用于给所述第二惯性测量单元(122)、所述第二单片机(124)和所述第二蓝牙模块(126)供电。
4.根据权利要求3所述的呼吸频率监测装置(100)，其特征在于，所述第三传感模块(130)还包括：
第三蓝牙模块(136)，所述第三蓝牙模块(136)用于与所述第二单片机(124)进行蓝牙通讯；
第三蓄电池(138)，所述第三蓄电池(138)用于给所述反射式脉搏血氧仪(132)、所述第三单片机(134)和所述第三蓝牙模块(136)供电。
5.根据权利要求4所述的呼吸频率监测装置(100)，其特征在于，所述反射式脉搏血氧仪(132)测量脉搏，所述第三传感模块(130)还包括：
通信模块(140)，所述通信模块(140)与物联网终端进行通信，将所述脉搏、所述血氧饱和度和/或所述第三呼吸频率发送至所述物联网终端；
显示屏(142)，所述显示屏(142)用于显示所述脉搏、所述血氧饱和度和/或所述第三呼吸频率。
6.根据权利要求1至5中任一项所述的呼吸频率监测装置(100)，其特征在于，所述第一传感模块(110)采用贴片形式设置于胸部表皮。
7.根据权利要求1至5中任一项所述的呼吸频率监测装置(100)，其特征在于，所述第二传感模块(120)采用贴片形式设置于腹部表皮。
8.根据权利要求1至5中任一项所述的呼吸频率监测装置(100)，其特征在于，所述第三传感模块(130)采用腕表形式佩戴于手腕动脉处。
9.一种呼吸频率监测方法，其特征在于，包括：
对第一惯性测量单元的测量数据，进行一阶互补滤波，得到第一位移角；
对第二惯性测量单元的测量数据，进行一阶互补滤波，得到第二位移角；
对所述第一位移角和所述第二位移角求取算术平均值，得到第三位移角，根据所述第三位移角随时间的变化关系，得到第一呼吸频率；
获取血氧饱和度；
根据血氧饱和度与呼吸频率转化关系，获取第二呼吸频率；
将所述第一呼吸频率设为参考量，将所述第二呼吸频率设为测试量，采用卡尔曼滤波数据融合算法，得到第三呼吸频率；
其中，所述第一惯性测量单元设于胸部，所述第二惯性测量单元设于腹部。
10.根据权利要求9所述的呼吸频率监测方法，其特征在于，所述将所述第一呼吸频率设为参考量，将所述第二呼吸频率设为测试量，采用卡尔曼滤波数据融合算法，得到第三呼吸频率，具体包括：
设每段数据融合的处理时间周期为T，xn表示在每段时间周期T内采样到的n个离散的关于时间的所述第一呼吸频率的数据点，yn表示在每段时间周期T内采样到的n个离散的关于时间的所述第二呼吸频率数据点，使用卡尔曼滤波数据融合算法进行数据递归迭代，每次卡尔曼滤波递归过程中卡尔曼增益系数Ki表示为：
Figure FDA0003861029970000031
其中，
Figure FDA0003861029970000032
表示xn在第i-1次递归过程中的估计误差，eMEAR,i-1表示yn在第i-1次递归过程中的测量误差；
eMEAR,i-1＝|yn,i-1-xn,i-1|；
其中，xn,i-1表示在第i-1次递归过程中所述第一呼吸频率的数值，yn,i-1表示在第i-1次递归过程中所述第二呼吸频率的数值；
第i次递归过程中的估计误差
Figure FDA0003861029970000033
与第i-1次递归过程中的估计误差
Figure FDA0003861029970000034
之间的更新关系为：
Figure FDA0003861029970000035
所述第一呼吸频率在第i次递归过程中的状态估计值为：
Figure FDA0003861029970000036
其中，
Figure FDA0003861029970000037
表示所述第一呼吸频率在第i-1次递归过程中的状态估计值，xn,i表示在第i次递归过程中所述第一呼吸频率的数值，yn,i表示在第i次递归过程中所述第二呼吸频率的数值；
Figure FDA0003861029970000038
为每段时间周期T内的n个递归过程中的n个离散的关于时间的数据点，设
Figure FDA0003861029970000041
为第三呼吸频率，在每个时间周期T内对于
Figure FDA0003861029970000042
进行n次递归后，得到融合最优输出估计值
Figure FDA0003861029970000043
设
Figure FDA0003861029970000044
为时间周期T内第三呼吸频率最优值。
CN202110137328.8A 2021-02-01 2021-02-01 呼吸频率监测装置和方法 Active CN112932460B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110137328.8A CN112932460B (zh) 2021-02-01 2021-02-01 呼吸频率监测装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110137328.8A CN112932460B (zh) 2021-02-01 2021-02-01 呼吸频率监测装置和方法

Publications (2)

Publication Number Publication Date
CN112932460A CN112932460A (zh) 2021-06-11
CN112932460B true CN112932460B (zh) 2022-11-04

Family

ID=76240844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110137328.8A Active CN112932460B (zh) 2021-02-01 2021-02-01 呼吸频率监测装置和方法

Country Status (1)

Country Link
CN (1) CN112932460B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005014825A2 (en) * 2003-08-08 2005-02-17 Arriva Pharmaceuticals, Inc. Methods of protein production in yeast
CN103040469A (zh) * 2013-01-15 2013-04-17 重庆大学 一种呼吸检测腹带
CN108784703A (zh) * 2018-07-05 2018-11-13 西南石油大学 一种中老年人可穿戴式呼吸监测方法
CN108968963A (zh) * 2018-06-26 2018-12-11 重庆市潼南区人民医院 一种医疗护理用呼吸检测设备及其检测系统
CN109691999A (zh) * 2019-01-21 2019-04-30 深圳瀚维智能医疗科技有限公司 呼吸频率检测方法、装置、存储介质及计算机设备
TWI674882B (zh) * 2018-10-05 2019-10-21 國立成功大學 一種呼吸速率連續評估方法
CN110710981A (zh) * 2019-09-23 2020-01-21 浙江工业大学 基于二值传感器卡尔曼融合的血液氧气含量估计方法
CN111141335A (zh) * 2020-02-25 2020-05-12 重庆大学 水质监测设备和水质检测方法
CN111248922A (zh) * 2020-02-11 2020-06-09 中国科学院半导体研究所 基于加速度计和陀螺仪的人体呼吸情况采集贴及制备方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006204742A (ja) * 2005-01-31 2006-08-10 Konica Minolta Sensing Inc 睡眠評価方法、睡眠評価システム及びその動作プログラム、パルスオキシメータ並びに睡眠支援システム
US20100274102A1 (en) * 2009-04-22 2010-10-28 Streamline Automation, Llc Processing Physiological Sensor Data Using a Physiological Model Combined with a Probabilistic Processor
EP2914165B1 (en) * 2012-09-07 2017-08-09 The Regents of the University of California Multisensor abdominal monitoring system
IT201700078138A1 (it) * 2017-07-11 2019-01-11 Milano Politecnico Dispositivo indossabile per il monitoraggio continuo della frequenza respiratoria

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2005014825A2 (en) * 2003-08-08 2005-02-17 Arriva Pharmaceuticals, Inc. Methods of protein production in yeast
CN103040469A (zh) * 2013-01-15 2013-04-17 重庆大学 一种呼吸检测腹带
CN108968963A (zh) * 2018-06-26 2018-12-11 重庆市潼南区人民医院 一种医疗护理用呼吸检测设备及其检测系统
CN108784703A (zh) * 2018-07-05 2018-11-13 西南石油大学 一种中老年人可穿戴式呼吸监测方法
TWI674882B (zh) * 2018-10-05 2019-10-21 國立成功大學 一種呼吸速率連續評估方法
CN109691999A (zh) * 2019-01-21 2019-04-30 深圳瀚维智能医疗科技有限公司 呼吸频率检测方法、装置、存储介质及计算机设备
CN110710981A (zh) * 2019-09-23 2020-01-21 浙江工业大学 基于二值传感器卡尔曼融合的血液氧气含量估计方法
CN111248922A (zh) * 2020-02-11 2020-06-09 中国科学院半导体研究所 基于加速度计和陀螺仪的人体呼吸情况采集贴及制备方法
CN111141335A (zh) * 2020-02-25 2020-05-12 重庆大学 水质监测设备和水质检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A Data-Fusion Algorithm for Respiration Rate Extraction Based on UWB Transversal Propagation Method;Culijak,l.;《2020 IEEE International Instrumentation and Measurement Technology Conference (I2MTC)》;20201231;全文 *
Health Monitoring and Automatic Notification Device Based on Laser-Induced Graphene;chen xianping;《IEEE TRANSACTIONS ON ELECTRON DEVICES》;20201031;全文 *
基于心电和脉搏波数据融合的呼吸率估计;邓宝芸;《中国优秀硕士学位论文全文数据库》;20130215;全文 *

Also Published As

Publication number Publication date
CN112932460A (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
JP5645824B2 (ja) 肺換気量を測定するための非侵襲的方法およびシステム
CN104138253B (zh) 一种无创动脉血压连续测量方法和设备
US20170296070A1 (en) Wearable Wireless Multisensor Health Monitor with Head Photoplethysmograph
CN105832317B (zh) 用于心输出量、每搏输出量、心力以及血压的测量系统
US9173594B2 (en) Body-worn monitor for measuring respiratory rate
CN102178529B (zh) 基于体域网的呼吸疾病远程诊断监护系统
US8888700B2 (en) Body-worn monitor for measuring respiratory rate
US8790274B2 (en) Non-invasive method for measuring changes in body position and respiration
US20200253578A1 (en) Wearable respiratory behavior monitoring
CN205493840U (zh) 口罩式睡眠呼吸监测仪
Holt et al. Ambulatory monitoring of respiratory effort using a clothing-adhered biosensor
CN107334460A (zh) 基于心电、呼吸、体位信号的睡眠质量评估系统及方法
Qiu et al. A wearable bioimpedance chest patch for real-time ambulatory respiratory monitoring
Cesareo et al. A novel acquisition platform for long-term breathing frequency monitoring based on inertial measurement units
Cesareo et al. A novel, low cost, wearable contact-based device for breathing frequency monitoring
CN208769759U (zh) 基于心电、呼吸、体位信号的睡眠质量评估系统
Angelucci et al. The Medical Internet of Things: applications in respiratory medicine
CN112932460B (zh) 呼吸频率监测装置和方法
US20220211282A1 (en) Hemodynamic monitoring system and method and harness for same
Qiu et al. A wearable bioimpedance chest patch for IoHT-connected respiration monitoring
US20230028914A1 (en) Characterization of the nasal cycle
Kanthi et al. Wearable Biosensor: How to Improve the Efficacy in Data Transmission in Respiratory Monitoring System?
US20220175271A1 (en) Weight loss detection and monitoring system
Tura et al. A multi-functional, portable device with wireless transmission for home monitoring of children with a learning disability
CN107126197A (zh) 可穿戴反射式血氧饱和度及超高精度体温测量装置

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