CN113080857A - 呼吸监测方法、装置及终端设备 - Google Patents

呼吸监测方法、装置及终端设备 Download PDF

Info

Publication number
CN113080857A
CN113080857A CN202110343256.2A CN202110343256A CN113080857A CN 113080857 A CN113080857 A CN 113080857A CN 202110343256 A CN202110343256 A CN 202110343256A CN 113080857 A CN113080857 A CN 113080857A
Authority
CN
China
Prior art keywords
target
axial direction
breathing
respiration
standard deviation
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
CN202110343256.2A
Other languages
English (en)
Inventor
张翼
郝得宁
汪孔桥
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.)
Anhui Huami Information Technology Co Ltd
Original Assignee
Anhui Huami Healthcare Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Anhui Huami Healthcare Co Ltd filed Critical Anhui Huami Healthcare Co Ltd
Priority to CN202110343256.2A priority Critical patent/CN113080857A/zh
Publication of CN113080857A publication Critical patent/CN113080857A/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
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation

Abstract

本申请提出一种呼吸监测方法，该方法包括：获取用户呼吸信号的三轴加速度信号；对滑动窗口内的呼吸信号的三轴加速度信号分别进行滑动滤波和低通滤波，得到三个轴向的呼吸信号；根据三个轴向的呼吸信号分别计算每个轴向的目标峰值幅度标准差、目标峰值幅度均值、呼吸间隔和呼吸间隔标准差；根据每个轴向的目标峰值幅度标准差、目标峰值幅度均值和呼吸间隔标准差从三个轴向中筛选出一个轴向作为目标轴向；对目标轴向的各呼吸间隔进行异常补齐处理，得到目标轴向的目标呼吸间隔序列；根据目标轴向的目标呼吸间隔序列计算呼吸参数。该方法能够基于用户呼吸信号的三轴加速度信号，对呼吸信号进行采集及追踪，操作便捷、运算简单、应用范围广。

Description

呼吸监测方法、装置及终端设备
技术领域
本申请涉及可穿戴设备技术领域，尤其涉及一种呼吸监测方法、装置及终端设备。
背景技术
近年来，随着生活水平的提高，越来越多的人开始注重身体健康，适合家庭使用的呼吸监测技术也应运而生。其中，呼吸监测结果作为睡眠监测的重要组成部分之一，因其能够对睡眠呼吸障碍预防和诊治起到关键作用等原因，受到了越来越多的关注。
现有技术中，主要通过口鼻气流压力法、温感法、胸腔电感阻抗法以及胸腹活动法等方式，实现日常呼吸监测，然而前述方法通常具有成本极高、体积较大、操作复杂等技术问题，在并不适用于日常监测。并且，前述方法往往仅能实现呼吸率的获取，无法实现呼吸信号的追踪，进而也无法对极其重要的呼吸参数进行进一步分析及利用。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请的第一个目的在于提出一种呼吸监测方法，以实现解决现有技术中存在的操作繁琐、运算复杂、成本高、适应性差，以及无法实现呼吸信号的追踪的技术问题。
本申请的第二个目的在于提出一种呼吸监测装置。
本申请的第三个目的在于提出一种终端设备。
为达上述目的，本申请第一方面实施例提出了一种呼吸监测方法，包括以下步骤：获取用户呼吸信号的三轴加速度信号；对滑动窗口内的所述呼吸信号的三轴加速度信号分别进行滑动滤波和低通滤波，得到三个轴向的呼吸信号；根据所述三个轴向的呼吸信号分别计算每个轴向的目标峰值幅度标准差、目标峰值幅度均值、呼吸间隔和呼吸间隔标准差；根据每个轴向的所述目标峰值幅度标准差、所述目标峰值幅度均值和所述呼吸间隔标准差从所述三个轴向中筛选出一个轴向作为目标轴向；对所述目标轴向的各呼吸间隔进行异常补齐处理，得到所述目标轴向的目标呼吸间隔序列；根据所述目标轴向的目标呼吸间隔序列计算呼吸参数。
根据本申请的一个实施例，所述对滑动窗口内的所述呼吸信号的三轴加速度信号分别进行滑动滤波和低通滤波，得到三个轴向的呼吸信号，包括：对所述滑动窗口内的所述呼吸信号的三轴加速度信号分别采用滑动平均法进行计算，得到三个轴向的呼吸加速度基线；对去除所述加速度基线的所述三个轴向的呼吸加速度信号分别进行低通滤波，得到所述三个轴向的呼吸信号。
根据本申请的一个实施例，所述根据所述三个轴向的呼吸信号分别计算每个轴向的目标峰值幅度标准差、目标峰值幅度均值、呼吸间隔和呼吸间隔标准差，包括：将每个轴向的所述呼吸信号中平均半峰宽度小于预设的平均半峰宽度阈值的峰作为目标峰；根据每个轴向的所述目标峰的峰值幅度计算得到每个轴向的峰值幅度均值和峰值幅度标准差；根据每个轴向的所述目标峰的峰值位置计算得到每个轴向的峰值间隔和峰值间隔标准差，作为所述呼吸间隔和所述呼吸间隔标准差；根据所述峰值幅度、所述峰值幅度均值和峰值幅度标准差从所述目标峰中筛选出离群峰；根据每个轴向的不包括所述离群峰的所述目标峰的峰值幅度计算得到每个轴向的所述目标峰值幅度标准差和所述目标峰值幅度均值。
根据本申请的一个实施例，所述根据每个轴向的所述目标峰值幅度标准差、所述目标峰值幅度均值和所述呼吸间隔标准差从所述三个轴向中筛选出一个轴向作为目标轴向，包括：将所述目标峰值幅度标准差和所述目标峰值幅度均值的比值小于预设的比值阈值的轴向确定为有效轴向；若所述有效轴向的数量大于一个，则将所述呼吸间隔标准差最小的所述有效轴向确定为所述目标轴向。
根据本申请的一个实施例，所述对所述目标轴向的各呼吸间隔进行异常补齐处理，得到所述目标轴向的目标呼吸间隔序列，包括：若所述目标轴向的呼吸间隔满足以下条件中的任意一个：该呼吸间隔与该呼吸间隔后面相邻的呼吸间隔的差值大于该呼吸间隔的第一设定倍数、该呼吸间隔与所述滑动窗口内呼吸间隔均值的差值大于所述呼吸间隔均值的第二设定倍数和该呼吸间隔与所述滑动窗口内呼吸间隔均值的差值大于所述呼吸间隔标准差的第三设定倍数，则确定该呼吸间隔为异常呼吸间隔；基于多次样条采样对该异常呼吸间隔进行补齐处理，得到所述目标轴向的目标呼吸间隔序列。
根据本申请的一个实施例，所述呼吸参数包括以下参数中的至少一个：呼吸率、呼吸离散度、呼吸稳定性和呼吸波动性；所述根据所述目标轴向的目标呼吸间隔序列计算呼吸参数，包括：根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的目标呼吸间隔的均值，得到所述呼吸率；根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的目标呼吸间隔的标准差，得到所述呼吸离散度；根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的多个滑动窗口所述呼吸率均值的标准差，得到所述呼吸稳定性；根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的目标呼吸间隔差值均方的平方根，得到所述呼吸波动性。
根据本申请的一个实施例，所述获取用户呼吸信号的三轴加速度信号，包括：获取所述用户手腕的三轴加速度信号；根据所述滑动窗口内的所述手腕的三轴加速度信号判断所述滑动窗口是否处于静息状态；若所述滑动窗口处于静息状态，则将所述手腕的三轴加速度信号确定为所述呼吸信号的三轴加速度信号。
根据本申请的一个实施例，所述根据所述滑动窗口内的所述手腕的三轴加速度信号判断所述滑动窗口是否处于静息状态，包括：对所述手腕的三轴加速度信号进行滑动窗口的划分；根据所述滑动窗口内的所述手腕的三轴加速度信号计算所述滑动窗口内的合加速度值；计算所述滑动窗口内所述合加速度值相对预设的合加速度稳定值的最大变化值；若所述最大变化值大于预设的变化阈值，则确定所述滑动窗口处于运动状态；若所述最大变化值等于或者小于所述变化阈值，则计算所述滑动窗口内所述合加速度值的标准差；若所述合加速度值的标准差等于或者大于预设的合加速度标准差阈值，则确定所述滑动窗口处于运动状态；若所述合加速度值的标准差小于所述合加速度标准差阈值，则确定所述滑动窗口处于静息状态。
本申请第一方面实施例提供了呼吸监测方法，能够在获取用户呼吸信号的三轴加速度信号后，通过对滑动窗口内的呼吸信号的三轴加速度信号进行滤波，得到三个轴向的呼吸信号，然后通过对呼吸信号进行信号质量检测来筛选目标轴向，并对目标轴向进行补齐处理，以获取目标轴向的目标呼吸间隔序列，进而根据目标呼吸间隔序列计算呼吸参数，实现呼吸监测。该方法能够基于用户呼吸信号的三轴加速度信号，更加准确地对用户的呼吸信号进行采集及追踪，操作便捷、运算复杂程度低、成本低廉、可广泛应用于多种监测场景中。
为达上述目的，本申请第二方面实施例提出了一种呼吸监测装置，包括：获取模块，用于获取用户呼吸信号的三轴加速度信号；滤波模块，用于对滑动窗口内的所述呼吸信号的三轴加速度信号分别进行滑动滤波和低通滤波，得到三个轴向的呼吸信号；第一计算模块，用于根据所述三个轴向的呼吸信号分别计算每个轴向的目标峰值幅度标准差、目标峰值幅度均值、呼吸间隔和呼吸间隔标准差；筛选模块，用于根据每个轴向的所述目标峰值幅度标准差、所述目标峰值幅度均值和所述呼吸间隔标准差从所述三个轴向中筛选出一个轴向作为目标轴向；异常补齐模块，用于对所述目标轴向的各呼吸间隔进行异常补齐处理，得到所述目标轴向的目标呼吸间隔序列；第二计算模块，用于根据所述目标轴向的目标呼吸间隔序列计算呼吸参数。
根据本申请的一个实施例，滤波模块，进一步用于：对所述滑动窗口内的所述呼吸信号的三轴加速度信号分别采用滑动平均法进行计算，得到三个轴向的呼吸加速度基线；对去除所述加速度基线的所述三个轴向的呼吸加速度信号分别进行低通滤波，得到所述三个轴向的呼吸信号。
根据本申请的一个实施例，第一计算模块，进一步用于：将每个轴向的所述呼吸信号中平均半峰宽度小于预设的平均半峰宽度阈值的峰作为目标峰；根据每个轴向的所述目标峰的峰值幅度计算得到每个轴向的峰值幅度均值和峰值幅度标准差；根据每个轴向的所述目标峰的峰值位置计算得到每个轴向的峰值间隔和峰值间隔标准差，作为所述呼吸间隔和所述呼吸间隔标准差；根据所述峰值幅度、所述峰值幅度均值和峰值幅度标准差从所述目标峰中筛选出离群峰；根据每个轴向的不包括所述离群峰的所述目标峰的峰值幅度计算得到每个轴向的所述目标峰值幅度标准差和所述目标峰值幅度均值。
根据本申请的一个实施例，筛选模块，进一步用于：将所述目标峰值幅度标准差和所述目标峰值幅度均值的比值小于预设的比值阈值的轴向确定为有效轴向；若所述有效轴向的数量大于一个，则将所述呼吸间隔标准差最小的所述有效轴向确定为所述目标轴向。
根据本申请的一个实施例，异常补齐模块，进一步用于：若所述目标轴向的呼吸间隔满足以下条件中的任意一个：该呼吸间隔与该呼吸间隔后面相邻的呼吸间隔的差值大于该呼吸间隔的第一设定倍数、该呼吸间隔与所述滑动窗口内呼吸间隔均值的差值大于所述呼吸间隔均值的第二设定倍数和该呼吸间隔与所述滑动窗口内呼吸间隔均值的差值大于所述呼吸间隔标准差的第三设定倍数，则确定该呼吸间隔为异常呼吸间隔；基于多次样条采样对该异常呼吸间隔进行补齐处理，得到所述目标轴向的目标呼吸间隔序列。
根据本申请的一个实施例，所述呼吸参数包括以下参数中的至少一个：呼吸率、呼吸离散度、呼吸稳定性和呼吸波动性；所述第二计算模块，进一步用于：根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的目标呼吸间隔的均值，得到所述呼吸率；根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的目标呼吸间隔的标准差，得到所述呼吸离散度；根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的多个滑动窗口所述呼吸率均值的标准差，得到所述呼吸稳定性；据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的目标呼吸间隔差值均方的平方根，得到所述呼吸波动性。
根据本申请的一个实施例，本申请提出的呼吸监测装置，还包括：判断模块，具体用于：获取所述用户手腕的三轴加速度信号；根据所述滑动窗口内的所述手腕的三轴加速度信号判断所述滑动窗口是否处于静息状态；若所述滑动窗口处于静息状态，则将所述手腕的三轴加速度信号确定为所述呼吸信号的三轴加速度信号。
根据本申请的一个实施例，判断模块，进一步用于：对所述手腕的三轴加速度信号进行滑动窗口的划分；根据所述滑动窗口内的所述手腕的三轴加速度信号计算所述滑动窗口内的合加速度值；计算所述滑动窗口内所述合加速度值相对预设的合加速度稳定值的最大变化值；若所述最大变化值大于预设的变化阈值，则确定所述滑动窗口处于运动状态；若所述最大变化值等于或者小于所述变化阈值，则计算所述滑动窗口内所述合加速度值的标准差；若所述合加速度值的标准差等于或者大于预设的合加速度标准差阈值，则确定所述滑动窗口处于运动状态；若所述合加速度值的标准差小于所述合加速度标准差阈值，则确定所述滑动窗口处于静息状态。
本申请第二方面实施例提供了呼吸监测装置，能够在获取用户呼吸信号的三轴加速度信号后，通过对滑动窗口内的呼吸信号的三轴加速度信号进行滤波，得到三个轴向的呼吸信号，然后通过对呼吸信号进行信号质量检测来筛选目标轴向，并对目标轴向进行补齐处理，以获取目标轴向的目标呼吸间隔序列，进而根据目标呼吸间隔序列计算呼吸参数，实现呼吸监测。该方法能够基于用户呼吸信号的三轴加速度信号，更加准确地对用户的呼吸信号进行采集及追踪，操作便捷、运算复杂程度低、成本低廉、可广泛应用于多种监测场景中。
为达上述目的，本申请第三方面实施例提出了一种终端设备，包括本申请第二方面实施例提供的呼吸监测装置。
根据本申请的一个实施例，终端设备为可穿戴终端设备。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例提供的一种呼吸监测方法的流程示意图；
图2为本申请实施例提供的另一种呼吸监测方法的流程示意图；
图3为本申请实施例提供的一种经过滤波处理后的呼吸信号的示意图；
图4为本申请实施例提供的另一种呼吸监测方法的流程示意图；
图5为本申请实施例提供的另一种呼吸监测方法的流程示意图；
图6为本申请实施例提供的另一种呼吸监测方法的流程示意图；
图7为本申请实施例提供的另一种呼吸监测方法的流程示意图；
图8为本申请实施例提供的一种不同状态下的合加速度的示意图；
图9为本申请实施例提供的另一种呼吸监测方法的流程示意图；
图10为本申请实施例提供的另一种呼吸监测方法的流程示意图；
图11为本申请实施例提供的一种呼吸监测装置的结构示意图；
图12为本申请实施例提供的一种呼吸监测系统的结构示意图；
图13为本申请实施例提供的一种终端设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的呼吸监测方法、装置及终端设备。
图1为本申请实施例提出了一种呼吸监测方法的流程图。如图1所示，具体包括以下步骤：
S101、获取用户呼吸信号的三轴加速度信号。
需要说明的是，本申请中设置有用于采集呼吸信号的三轴加速度信号的三轴加速度(Triaxial Accelerometer)传感器。其中，三轴加速度传感器可以检测到不同姿态下的呼吸加速度信号等呼吸运动信号。可选地，可以通过可穿戴设备如可穿戴手环获取加速度信号。可选地，可以按照预设采样频率，例如100HZ，将手环贴合在用户手腕处，以获取用户呼吸信号的三轴加速度信号。
其中，三个轴向的代表方向可以预先进行设定。可选地，可以将用户佩戴可穿戴手环的拇指方向设定为x轴正轴，将其余四指指尖方向设定为y轴正轴，将垂直于手背向上的方向设定为z轴正轴。
本申请实施例中，可以通过三轴加速度传感器，获取用户呼吸信号的三轴加速度信号，并分别标记为accx、accy和accz。
S102、对滑动窗口内的呼吸信号的三轴加速度信号分别进行滑动滤波和低通滤波，得到三个轴向的呼吸信号。
需要说明的是，在实际应用中，在试图获取用户呼吸信号的三轴加速度信号的过程中，用户手腕与可穿戴设备之间的相对位置无法始终保持不变，例如可穿戴手环与用户手腕出现不同步晃动等，这样一来，用户的腕部运动势必会对加速度信号的采集造成干扰。由此，本申请中，在获取到加速度信号之后，可以通过滤波处理，区分出静息状态或者睡眠状态等相对安静的活动状态，以在没有运动干扰的情况下，提取呼吸信号的三轴加速度信号。
本申请实施例中，在试图获取三个轴向的呼吸信号时，可以对获取到的呼吸信号的三轴加速度信号进行分窗处理。进一步地，可以对滑动窗口内的呼吸信号的三轴加速度信号分别进行滑动滤波和低通滤波，以去除噪声信号(即非呼吸频率段的噪声信号)，得到更加准确的三个轴向的呼吸信号。
其中，滑动滤波(Moving Filter)，又称滑动平均值滤波(Moving Mean Filter)，指的是基于先进先出原则的滤波方式。采用滑动滤波方式，仅采样一次，并根据一次采样值和过去的若干次采样值，获取平均值，以得到有效采样值投入使用。其中，如果取N个采样值求平均值，存储区中必须开辟N个数据的暂存区。每新采集一个数据便存入暂存区中，同时去掉一个最老数据，保存这N个数据始终是最新更新的数据。
其中，低通滤波(Low Pass Filter)，又称高频去除过滤(High Cut Filter)，指的是基于低频信号能正常通过，而超过设定临界值的高频信号则被阻隔、减弱的原则的滤波方式。
S103、根据三个轴向的呼吸信号分别计算每个轴向的目标峰值幅度标准差、目标峰值幅度均值、呼吸间隔和呼吸间隔标准差。
本申请实施例中，在获取到滤波后的三个轴向的呼吸信号后，可以根据三个轴向的呼吸信号进行信号质量检测，以得到每个轴向的目标峰值幅度标准差、目标峰值幅度均值、呼吸间隔和呼吸间隔标准差。
S104、根据每个轴向的目标峰值幅度标准差、目标峰值幅度均值和呼吸间隔标准差从三个轴向中筛选出一个轴向作为目标轴向。
本申请实施例中，在获取到每个轴向的目标峰值幅度标准差、目标峰值幅度均值和呼吸间隔标准差后，可以根据预先设置的筛选策略，对三个轴向进行轴向筛选。其中，筛选策略可以根据实际情况进行设定。
S105、对目标轴向的各呼吸间隔进行异常补齐处理，得到目标轴向的目标呼吸间隔序列。
本申请实施例中，在筛选出目标轴向后，可以计算目标轴向的呼吸间隔，并针对信号质量较差、信号缺失严重或者呼吸间隔存在异常的情况，基于呼吸间隔的局部趋势，对目标轴向的各呼吸间隔进行异常补齐处理，以得到目标轴向的目标呼吸间隔序列。
S106、根据目标轴向的目标呼吸间隔序列计算呼吸参数。
本申请实施例中，在获取到目标轴向的目标呼吸间隔序列后，可以利用该目标呼吸间隔序列，计算窗口内的呼吸参数。其中，呼吸参数，可以为呼吸率、呼吸变异性(BreathRate Variability，简称BRV)等相关呼吸参数。
进一步地，在计算得到呼吸参数后，可以输出呼吸参数，以进行进一步检测、计算。例如，在计算得到呼吸参数后，可以将呼吸参数发送至呼吸健康大数据云平台，为公共卫生应急体系与医疗服务体系等提供数据；又例如，在计算得到呼吸参数后，可以将呼吸参数发送至智能手机等移动终端，以通过掌握用户的呼吸运动规律，为用户制定匹配的呼吸引导策略。
由此，本申请能够在获取用户呼吸信号的三轴加速度信号后，通过对滑动窗口内的呼吸信号的三轴加速度信号进行滤波，得到三个轴向的呼吸信号，然后通过对呼吸信号进行信号质量检测来筛选目标轴向，并对目标轴向进行补齐处理，以获取目标轴向的目标呼吸间隔序列，进而根据目标呼吸间隔序列计算呼吸参数，实现呼吸监测。该方法能够基于用户呼吸信号的三轴加速度信号，更加准确地对用户的呼吸信号进行采集及追踪，操作便捷、运算复杂程度低、成本低廉、可广泛应用于多种监测场景中。
需要说明的是，本申请中，在获取到呼吸信号的三轴加速度信号之后，为了去除非呼吸频段的噪声，可以对加速度信号进行滑动滤波和低通滤波，以得到三个轴向的呼吸信号。
作为一种可能的实现方式，如图2所示，在上述实施例的基础上，上述步骤S102中对滑动窗口内的呼吸信号的三轴加速度信号分别进行滑动滤波和低通滤波，得到三个轴向的呼吸信号的过程，具体包括以下步骤：
S201、对滑动窗口内的呼吸信号的三轴加速度信号分别采用滑动平均法进行计算，得到三个轴向的呼吸加速度基线。
本申请实施例中，在试图得到三个轴向的呼吸加速度基线时，可以采用滑动平均法，根据当前滑动窗口内的呼吸信号的三轴加速度信号accx、accy和accz，计算三个轴向的呼吸加速度基线，并分别标记为baselinex、baseliney和baselinez。其中，滑动平均法的具体计算方式为现有技术，此处不再进行赘述。
S202、对去除加速度基线的三个轴向的呼吸加速度信号分别进行低通滤波，得到三个轴向的呼吸信号。
可选地，在得到三个轴向的呼吸加速度基线后，可以对三个轴向的呼吸加速度信号进行去除加速度基线处理，然后根据以下公式，对去除加速度基线的三个轴向的呼吸加速度信号分别进行n阶低通滤波及放大处理，得到三个轴向的呼吸信号，并分别标记为respx、respy和respz：
Figure BDA0003000146110000081
其中，通过低通滤波获取三个轴向的呼吸信号的具体计算方式为现有技术，此处不再进行赘述。
举例而言，对去除加速度基线的三个轴向的呼吸加速度信号分别进行低通滤波，能够得到如图3所示的三个轴向的呼吸信号。
由此，本申请能够通过对滑动窗口内的呼吸信号的三轴加速度信号分别采用滑动平均法进行计算，得到三个轴向的呼吸加速度基线，然后对去除加速度基线的三个轴向的呼吸加速度信号分别进行低通滤波，以得到三个轴向的呼吸信号，确保了获取到的三个轴向的呼吸信号为去除非呼吸频段噪声的呼吸信号，进一步提高了呼吸监测过程中的有效性和可靠性。
需要说明的是，本申请中，在得到三个轴向的呼吸信号之后，可以获取每个轴向的目标峰，并根据目标峰计算呼吸间隔和呼吸间隔标准差，然后从目标峰中筛选出离群峰，然后根据每个轴向的不包括离群峰的目标峰的峰值幅度，计算得到每个轴向的目标峰值幅度标准差和目标峰值幅度均值。
作为一种可能的实现方式，如图4所示，在上述实施例的基础上，上述步骤S103中根据三个轴向的呼吸信号分别计算每个轴向的目标峰值幅度标准差、目标峰值幅度均值、呼吸间隔和呼吸间隔标准差的过程，具体包括以下步骤：
S301、将每个轴向的呼吸信号中平均半峰宽度小于预设的平均半峰宽度阈值的峰作为目标峰。
本申请实施例中，可以对滑动窗口内的三个轴向的呼吸信号进行寻峰寻谷处理，并将平均半峰宽度小于预设的平均半峰宽度阈值的峰作为目标峰。其中，平均半峰宽度阈值可以根据实际情况进行设定。
S302、根据每个轴向的目标峰的峰值幅度计算得到每个轴向的峰值幅度均值和峰值幅度标准差。
可选地，在获取到目标峰后，可以确定每个轴向的目标峰的峰值位置peak、峰值幅度Val、平均半峰宽度HWpeak、平均半峰幅度HApeak。进一步地，可以分别提取每个轴向的目标峰的峰值幅度Val，并峰值幅度Val，计算得到每个轴向的峰值幅度均值Valmean。
进一步地，可以通过如下公式，计算得到每个轴向的峰值幅度标准差Valstd：
Figure BDA0003000146110000091
其中，Vali为每个轴向的峰值幅度，Valmean为每个轴向的峰值幅度的均值。
S303、根据每个轴向的目标峰的峰值位置计算得到每个轴向的峰值间隔和峰值间隔标准差，作为呼吸间隔和呼吸间隔标准差。
可选地，在获取到每个轴向的峰值幅度均值和峰值幅度标准差后，可以提取每个轴向的目标峰的峰值位置peak，并根据每个轴向的目标峰的峰值位置，通过如下公式，计算得到每个轴向的峰值间隔：
Intvi＝Peaki+1-Peaki
其中，Intvi为每个轴向的峰值间隔，Peaki+1和Peaki分别为每个轴向上任意两个相邻的峰值位置。
进一步地，可以根据获取到的每个轴向的峰值间隔，计算得到每个轴向的峰值间隔均值，通过如下公式，计算得到每个轴向的峰值间隔标准差：
Figure BDA0003000146110000101
其中，Intvstd为每个轴向的峰值间隔标准差。
S304、根据峰值幅度、峰值幅度均值和峰值幅度标准差从目标峰中筛选出离群峰。
其中，离群峰，指的是目标峰中的至少一个与其他峰相比差异较大的峰。
本申请实施例中，在获取到峰值幅度、峰值幅度均值和峰值幅度标准差后，可以遍历滑动窗口内的峰值幅度，并按照预先设定的筛选策略，从目标峰中筛选出离群峰。
需要说明的是，本申请中对于离群峰的筛选策略不作限定，可以根据实际情况进行设定。
可选地，可以设定筛选策略为：将峰值幅度与峰值幅度均值之差大于或者等于预设倍数峰值幅度标准差的峰，标记为离群峰。其中，预设倍数可以根据实际情况进行设定，例如，可以设定预设倍数为3倍等。
举例而言，在获取到峰值幅度Val、峰值幅度均值Valmean和峰值幅度标准差Valstd后，可以遍历滑动窗口内的峰值幅度Val，并识别目标峰中的峰是否满足以下公式，并在识别满足以下公式时，将其标记为离群峰：
|Vali-Valmean|>Valstd*3
即言，遍历滑动窗口内的峰值幅度Val，并将峰值幅度Val与峰值幅度均值Valmean之差大于3倍峰值幅度标准差Valstd的峰，筛选为离群峰。
S305、根据每个轴向的不包括离群峰的目标峰的峰值幅度计算得到每个轴向的目标峰值幅度标准差和目标峰值幅度均值。
本申请实施例中，在筛选出离群峰之后，可以根据每个轴向的不包括离群峰的目标峰的峰值幅度，重新进行计算，以得到每个轴向的目标峰值幅度标准差Valstd0和目标峰值幅度均值Valmean0。
由此，本申请能够在得到三个轴向的呼吸信号之后，通过获取每个轴向的目标峰，并根据目标峰计算呼吸间隔和呼吸间隔标准差，然后从目标峰中筛选出离群峰，然后根据每个轴向的不包括离群峰的目标峰的峰值幅度，计算得到每个轴向的目标峰值幅度标准差和目标峰值幅度均值，进一步提高了呼吸监测过程中的有效性和可靠性。
需要说明的是，本申请中，在试图筛选出目标轴向时，可以通过确定有效轴向，并根据有效轴向的数量确定目标轴向。
作为一种可能的实现方式，如图5所示，在上述实施例的基础上，上述步骤S104中根据每个轴向的目标峰值幅度标准差、目标峰值幅度均值和呼吸间隔标准差从三个轴向中筛选出一个轴向作为目标轴向的过程，具体包括以下步骤：
S401、将目标峰值幅度标准差和目标峰值幅度均值的比值小于预设的比值阈值的轴向确定为有效轴向。
本申请实施例中，在获取到目标峰值幅度标准差为Valstd0、目标峰值幅度均值为Valmean0，预先设定的比例阈值为thresholdstd/mean后，可以判断Valstd0/Valmean0的比值是否小于thresholdstd/mean，如果识别比值小于thresholdstd/mean，则识别该轴向为有效轴向；如果识别比值大于或者等于thresholdstd/mean，则识别该轴向非有效轴向。
S402、若有效轴向的数量大于一个，则将呼吸间隔标准差最小的有效轴向确定为目标轴向。
本申请实施例中，在确定有效轴向后，可以进一步识别有效轴向的数量。如果识别有效轴向的数量大于一个，则可以将呼吸间隔标准差最小的有效轴向确定为目标轴向；如果识别有效轴向的数量为一个，则可以直接将该轴向作为目标轴向。
由此，本申请能够通过将目标峰值幅度标准差和目标峰值幅度均值的比值小于预设的比值阈值的轴向确定为有效轴向，并在有效轴向的数量大于一个，将呼吸间隔标准差最小的有效轴向确定为目标轴向，确保了筛选得到的目标轴向的准确性，进一步提高了呼吸监测过程中的有效性和可靠性。
需要说明的是，本申请中，在试图获取时目标轴向的目标呼吸间隔序列时，可以通过识别目标轴向的呼吸间隔，并在识别出异常呼吸间隔后，对该异常呼吸间隔进行补齐处理，以得到目标轴向的目标呼吸间隔序列。
作为一种可能的实现方式，如图6所示，在上述实施例的基础上，上述步骤S105中对目标轴向的各呼吸间隔进行异常补齐处理，得到目标轴向的目标呼吸间隔序列的过程，具体包括以下步骤：
S501、若目标轴向的呼吸间隔满足以下条件中的任意一个：该呼吸间隔与该呼吸间隔后面相邻的呼吸间隔的差值大于该呼吸间隔的第一设定倍数、该呼吸间隔与滑动窗口内呼吸间隔均值的差值大于呼吸间隔均值的第二设定倍数和该呼吸间隔与滑动窗口内呼吸间隔均值的差值大于呼吸间隔标准差的第三设定倍数，则确定该呼吸间隔为异常呼吸间隔。
可选地，可以将目标轴向的呼吸间隔与该呼吸间隔后面相邻的呼吸间隔的差值作为判断依据，以识别该呼吸间隔是否为异常呼吸间隔。可选地，可以获取该呼吸间隔与该呼吸间隔后面相邻的呼吸间隔的差值，并识别差值是否大于该呼吸间隔的第一设定倍数，如果识别差值大于该呼吸间隔的第一设定倍数，则确定该呼吸间隔为异常呼吸间隔；如果识别差值小于或者等于该呼吸间隔的第一设定倍数，则确定该呼吸间隔非异常呼吸间隔。其中，第一设定倍数可以根据实际情况进行设定。
举例而言，获取到目标轴向的呼吸间隔为Intvi+1、与该呼吸间隔后面相邻的呼吸间隔为Intvi、第一设定倍数为Intvi*percentLimit，此种情况下，如果识别Intvi+1-Intvi>Intvi*percentLimit，则确定该呼吸间隔为异常呼吸间隔；如果识别Intvi+1-Intvi≤Intvi*percentLimit，则确定该呼吸间隔非异常呼吸间隔。
可选地，可以将目标轴向的呼吸间隔与滑动窗口内呼吸间隔均值的差值作为判断依据，以识别该呼吸间隔是否为异常呼吸间隔。可选地，可以获取该呼吸间隔与滑动窗口内呼吸间隔均值的差值，并识别差值是否大于呼吸间隔均值的第二设定倍数，如果识别差值大于呼吸间隔均值的第二设定倍数，则确定该呼吸间隔为异常呼吸间隔；如果识别差值小于或者等于呼吸间隔均值的第二设定倍数，则确定该呼吸间隔非异常呼吸间隔。其中，第二设定倍数可以根据实际情况进行设定。
举例而言，获取到目标轴向的呼吸间隔为Intvi、滑动窗口内呼吸间隔均值为Intvmean、第二设定倍数为meanLimit*Intvmean，此种情况下，如果识别Intvi-Intvmean>meanLimit*Intvmean，则确定该呼吸间隔为异常呼吸间隔；如果识别Intvi-Intvmean≤meanLimit*Intvmean，则确定该呼吸间隔非异常呼吸间隔。
可选地，可以将目标轴向的呼吸间隔与滑动窗口内呼吸间隔均值的差值作为判断依据，以识别该呼吸间隔是否为异常呼吸间隔。可选地，可以获取该呼吸间隔与滑动窗口内呼吸间隔均值的差值，并识别差值是否大于呼吸间隔标准差的第三设定倍数，如果识别差值大于呼吸间隔标准差的第三设定倍数，则确定该呼吸间隔为异常呼吸间隔；如果识别差值小于或者等于呼吸间隔标准差的第三设定倍数，则确定该呼吸间隔非异常呼吸间隔。其中，第三设定倍数可以根据实际情况进行设定。
举例而言，获取到目标轴向的呼吸间隔为Intvi、滑动窗口内呼吸间隔均值为Intvmean、第三设定倍数为stdLimit*Intvstd，此种情况下，如果识别Intvi-Intvmean>stdLimit*Intvstd，则确定该呼吸间隔为异常呼吸间隔；如果识别Intvi-Intvmean≤stdLimit*Intvstd，则确定该呼吸间隔非异常呼吸间隔。
S502、基于多次样条采样对该异常呼吸间隔进行补齐处理，得到目标轴向的目标呼吸间隔序列。
需要说明的是，本申请中，在确定异常呼吸间隔，并试图得到目标轴向的目标呼吸间隔序列时，可以基于多次样条采样，例如，3次样条采样，对该异常呼吸间隔进行补齐处理，其中，基于多次样条采样进行补齐处理的具体方式为现有技术，此处不再赘述。
由此，本申请能够通过识别目标轴向的呼吸间隔，并在识别出异常呼吸间隔后，对该异常呼吸间隔进行补齐处理，以得到目标轴向的目标呼吸间隔序列，确保了获取到的目标呼吸间隔序列为去除了异常呼吸间隔的有效序列，进一步提高了呼吸监测过程中的有效性和可靠性。
需要说明的是，本申请中，在得到目标轴向的目标呼吸间隔序列后，可以基于呼吸变异性的时域分析方法，应用数理统计数据，获取目标呼吸间隔在时域内的变化情况。也就是说，本申请中，可以根据目标轴向的目标呼吸间隔序列，计算一下呼吸参数中的至少一个：呼吸率、呼吸离散度、呼吸稳定性和呼吸波动性。
作为一种可能的实现方式，如图7所示，在上述实施例的基础上，上述步骤S106中根据目标轴向的目标呼吸间隔序列计算呼吸参数的过程，具体包括以下步骤：
S601、根据目标轴向的目标呼吸间隔序列计算目标轴向的目标呼吸间隔的均值，得到呼吸率。
其中，呼吸率，可以表示总体的呼吸状态。
本申请实施例中，可以根据目标轴向的目标呼吸间隔序列，计算目标轴向的目标呼吸间隔(Breath to Breath Interval，简称BBI)的均值，并将其作为呼吸率MEAN。
S602、根据目标轴向的目标呼吸间隔序列计算目标轴向的目标呼吸间隔的标准差，得到呼吸离散度。
其中，呼吸离散度，可以表示每拍内呼吸的离散情况。
本申请实施例中，可以根据目标轴向的目标呼吸间隔序列，并通过如下公式，计算目标轴向的目标呼吸间隔的标准差，以将其作为呼吸离散度SDNN：
Figure BDA0003000146110000131
S603、根据目标轴向的目标呼吸间隔序列计算目标轴向的多个滑动窗口呼吸率均值的标准差，得到呼吸稳定性。
其中，呼吸稳定性，可以表示较长时间内呼吸的稳定情况。
本申请实施例中，可以根据目标轴向的目标呼吸间隔序列，并通过如下公式，计算目标轴向的多个滑动窗口呼吸率均值的标准差，以将其作为呼吸稳定性SDANN：
Figure BDA0003000146110000141
S604、根据目标轴向的目标呼吸间隔序列计算目标轴向的目标呼吸间隔差值均方的平方根，得到呼吸波动性。
其中，呼吸波动性，可以表示较短时间内呼吸的波动情况。
本申请实施例中，可以根据目标轴向的目标呼吸间隔序列，并通过如下公式，计算目标轴向的目标呼吸间隔差值均方的平方根，以将其作为呼吸波动性rMSSD：
Figure BDA0003000146110000142
由此，本申请能够在得到目标轴向的目标呼吸间隔序列后，仅根据目标轴向的目标呼吸间隔序列，即可实现至少一个呼吸参数的计算，运算简便，提高了呼吸监测效率。
需要说明的是，通常情况下，如图8(a)所示，当用户进入静息状态，例如睡觉、仰卧休息等状态时，获取到的用户手腕三个轴向的呼吸加速度信号的合加速度稳定在1g；如图8(b)所示，当用户进入运动状态，例如走路、跑步等状态时，合加速度通常会在-1g到3g之间变化，显然地，用户进入运动状态时获取到得到合加速度变化明显大于用户进入静息状态时获取到的合加速度，并且静息状态下的合加速度的标准差也明显小于运动状态下的合加速度的标准差。
由此，本申请中，在试图获取用户呼吸信号的三轴加速度信号时，可以首先判断滑动窗口是否处于静息状态，并在识别滑动窗口处于静息状态后，对三个轴向的呼吸加速度信号分别进行滤波处理。
作为一种可能的实现方式，如图9所示，在上述实施例的基础上，上述步骤中，获取用户呼吸信号的三轴加速度信号的过程，具体包括以下步骤：
S701、获取用户手腕的三轴加速度信号。
S702、根据滑动窗口内的手腕的三轴加速度信号判断滑动窗口是否处于静息状态。
作为一种可能的实现方式，如图10所示，在上述实施例的基础上，上述步骤S702中根据滑动窗口内的手腕的三轴加速度信号判断滑动窗口是否处于静息状态的过程，具体包括以下步骤：
S7011、对手腕的三轴加速度信号进行滑动窗口的划分。
本申请实施例中，可以按照一定时间长度，对获取到的手腕的三轴加速度信号进行分窗处理。例如，可以设置滑动窗口的大小winsize，并按照winsize对获取到的手腕的三轴加速度信号进行分窗处理，以实现滑动窗口的划分。
S7012、根据滑动窗口内的手腕的三轴加速度信号计算滑动窗口内的合加速度值。
本申请实施例中，可以根据滑动窗口内的手腕的三轴加速度信号，并通过以下公式，计算滑动窗口内的合加速度值acc0：
Figure BDA0003000146110000151
S7013、计算滑动窗口内合加速度值相对预设的合加速度稳定值的最大变化值。
本申请实施例中，在获取到滑动窗口内的合加速度值后，可以通过以下公式，计算滑动窗口内合加速度值相对预设的合加速度稳定值的最大变化值△acc_max：
△acc0_max＝max(abs(acc0-acc1g))
其中，acc1g为预设的合加速度稳定值。
进一步地，在获取到合加速度值相对预设的合加速度稳定值的最大变化值
△acc_max之后，可以分别将最大变化值与预设的变化阈值进行比较，并将合加速度值的标准差与预设的合加速度标准差阈值进行比较，以判断滑动窗口是否处于运动状态。
S7014、判断最大变化值是否大于预设的变化阈值。
S7015、确定滑动窗口处于运动状态。
S7016、计算滑动窗口内合加速度值的标准差。
S7017、判断合加速度值的标准差是否大于或者等于预设的合加速度标准差阈值。
S7018、确定滑动窗口处于运动状态。
S7019、确定滑动窗口处于静息状态。
如果识别最大变化值大于预设的变化阈值，则可以执行步骤S7015，确定滑动窗口处于运动状态；如果识别最大变化值等于或者小于变化阈值，则可以进一步执行步骤S7016，通过以下公式，计算滑动窗口内合加速度值的标准差accstd：
Figure BDA0003000146110000152
其中，acci为滑动窗口内的合加速度值，accmean为滑动窗口内合加速度值的均值。
进一步地，可以执行步骤S7017，判断合加速度值的标准差是否大于或者等于预设的合加速度标准差阈值，如果识别合加速度值的标准差大于或者等于预设的合加速度标准差阈值，则可以执行步骤S7018，确定滑动窗口处于运动状态；如果识别合加速度值的标准差小于合加速度标准差阈值，则可以进一步执行步骤S7019，确定滑动窗口处于静息状态。
需要说明的是，在试图判断滑动窗口是否处于静息状态之前，可以根据三个轴向的峰值个数，判断该轴向数据以及该滑动窗口是否有效。
可选地，可以根据滑动窗口内的三个轴向的呼吸加速度信号，分别获取三个轴向的峰值个数，并将峰值个数与预先设置的最小峰值数量阈值进行比较，如果识别该轴向的峰值个数大于或者等于最小峰值数量阈值，则可以确定该轴向数据有效，进而可以确定该滑动窗口有效；如果识别该轴向的峰值个数小于最小峰值数量阈值，则可以继续对剩余轴向的峰值个数进行识别。如果识别三个轴向的峰值个数均小于最小峰值数量阈值，则可以确定三个轴向数据均无效，进而也可以确定该滑动窗口无效。
S703、若滑动窗口处于静息状态，则将手腕的三轴加速度信号确定为呼吸信号的三轴加速度信号。
可选地，若滑动窗口处于静息状态，则可以将手腕的三轴加速度信号确定为呼吸信号的三轴加速度信号；若滑动窗口未处于静息状态，则可以重新获取呼吸信号的三轴加速度信号。
由此，本申请能够在试图获取用户呼吸信号的三轴加速度信号时，获取用户手腕的三轴加速度信号，然后对滑动窗口内的手腕的三轴加速度信号分别进行滑动滤波和低通滤波之前，判断滑动窗口是否处于静息状态，并在识别滑动窗口处于静息状态后，对手腕的三轴加速度信号分别进行滤波处理，避免了对处于运动状态下的滑动窗口内的呼吸加速度进行滤波，进而得到的处于运动状态下的呼吸信号，进一步提高了呼吸监测过程中的有效性和可靠性。
为了实现上述实施例，本申请还提出了一种呼吸监测装置。
图11为本申请实施例的呼吸监测装置的结构示意图。如图11所示，本申请实施例的呼吸监测装置100，包括：获取模块11，用于获取用户呼吸信号的三轴加速度信号；滤波模块12，用于对滑动窗口内的所述呼吸信号的三轴加速度信号分别进行滑动滤波和低通滤波，得到三个轴向的呼吸信号；第一计算模块13，用于根据所述三个轴向的呼吸信号分别计算每个轴向的目标峰值幅度标准差、目标峰值幅度均值、呼吸间隔和呼吸间隔标准差；筛选模块14，用于根据每个轴向的所述目标峰值幅度标准差、所述目标峰值幅度均值和所述呼吸间隔标准差从所述三个轴向中筛选出一个轴向作为目标轴向；异常补齐模块15，用于对所述目标轴向的各呼吸间隔进行异常补齐处理，得到所述目标轴向的目标呼吸间隔序列；第二计算模块16，用于根据所述目标轴向的目标呼吸间隔序列计算呼吸参数。
其中，滤波模块12，进一步用于：对所述滑动窗口内的所述呼吸信号的三轴加速度信号分别采用滑动平均法进行计算，得到三个轴向的呼吸加速度基线；对去除所述加速度基线的所述三个轴向的呼吸加速度信号分别进行低通滤波，得到所述三个轴向的呼吸信号。
进一步地，第一计算模块13，进一步用于：将每个轴向的所述呼吸信号中平均半峰宽度小于预设的平均半峰宽度阈值的峰作为目标峰；根据每个轴向的所述目标峰的峰值幅度计算得到每个轴向的峰值幅度均值和峰值幅度标准差；根据每个轴向的所述目标峰的峰值位置计算得到每个轴向的峰值间隔和峰值间隔标准差，作为所述呼吸间隔和所述呼吸间隔标准差；根据所述峰值幅度、所述峰值幅度均值和峰值幅度标准差从所述目标峰中筛选出离群峰；根据每个轴向的不包括所述离群峰的所述目标峰的峰值幅度计算得到每个轴向的所述目标峰值幅度标准差和所述目标峰值幅度均值。
进一步地，控制模块13，进一步用于：筛选模块14，进一步用于：将所述目标峰值幅度标准差和所述目标峰值幅度均值的比值小于预设的比值阈值的轴向确定为有效轴向；若所述有效轴向的数量大于一个，则将所述呼吸间隔标准差最小的所述有效轴向确定为所述目标轴向。
进一步地，控制模块13，进一步用于：异常补齐模块15，进一步用于：若所述目标轴向的呼吸间隔满足以下条件中的任意一个：该呼吸间隔与该呼吸间隔后面相邻的呼吸间隔的差值大于该呼吸间隔的第一设定倍数、该呼吸间隔与所述滑动窗口内呼吸间隔均值的差值大于所述呼吸间隔均值的第二设定倍数和该呼吸间隔与所述滑动窗口内呼吸间隔均值的差值大于所述呼吸间隔标准差的第三设定倍数，则确定该呼吸间隔为异常呼吸间隔；基于多次样条采样对该异常呼吸间隔进行补齐处理，得到所述目标轴向的目标呼吸间隔序列。
进一步地，所述呼吸参数包括以下参数中的至少一个：呼吸率、呼吸离散度、呼吸稳定性和呼吸波动性；第二计算模块16，进一步用于：根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的目标呼吸间隔的均值，得到所述呼吸率；根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的目标呼吸间隔的标准差，得到所述呼吸离散度；根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的多个滑动窗口所述呼吸率均值的标准差，得到所述呼吸稳定性；根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的目标呼吸间隔差值均方的平方根，得到所述呼吸波动性。
进一步地，本申请提出的呼吸监测装置100，还包括判断模块17，具体用于：获取所述用户手腕的三轴加速度信号；根据所述滑动窗口内的所述手腕的三轴加速度信号判断所述滑动窗口是否处于静息状态；若所述滑动窗口处于静息状态，则将所述手腕的三轴加速度信号确定为所述呼吸信号的三轴加速度信号。
进一步地，控制模块13，进一步用于：判断模块17，进一步用于：对所述手腕的三轴加速度信号进行滑动窗口的划分；根据所述滑动窗口内的所述手腕的三轴加速度信号计算所述滑动窗口内的合加速度值；计算所述滑动窗口内所述合加速度值相对预设的合加速度稳定值的最大变化值；若所述最大变化值大于预设的变化阈值，则确定所述滑动窗口处于运动状态；若所述最大变化值等于或者小于所述变化阈值，则计算所述滑动窗口内所述合加速度值的标准差；若所述合加速度值的标准差等于或者大于预设的合加速度标准差阈值，则确定所述滑动窗口处于运动状态；若所述合加速度值的标准差小于所述合加速度标准差阈值，则确定所述滑动窗口处于静息状态。
由此，本申请能够在获取用户呼吸信号的三轴加速度信号后，通过对滑动窗口内的呼吸信号的三轴加速度信号进行滤波，得到三个轴向的呼吸信号，然后通过对呼吸信号进行信号质量检测来筛选目标轴向，并对目标轴向进行补齐处理，以获取目标轴向的目标呼吸间隔序列，进而根据目标呼吸间隔序列计算呼吸参数，实现呼吸监测。该方法能够基于用户呼吸信号的三轴加速度信号，更加准确地对用户的呼吸信号进行采集及追踪，操作便捷、运算复杂程度低、成本低廉、可广泛应用于多种监测场景中。
需要说明的是，如图12所示，本申请提出的呼吸监测装置，能够与其他单元，例如，包含其他算法的单元，或其他设备，例如，智能手机等，组成呼吸监测网络。其中，呼吸监测装置100，通过数据采集单元、信号控制处理部单元和通信单元分，实现呼吸的监测。其中，数据采集传感器单元，通过获取用户手腕三个轴向的呼吸加速度信号，以采集用户日常活动产生的呼吸加速度信号；信号控制处理单元，负责对数据进行处理得到分析结果；通信单元，负责将结果传递给其他单元，或其他设备。
为了实现上述实施例，本申请还提出了一种终端设备300，如图13所示，包括呼吸监测装置100。其中，终端设备300为可穿戴终端设备。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请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必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (18)

1.一种呼吸监测方法，其特征在于，包括：
获取用户呼吸信号的三轴加速度信号；
对滑动窗口内的所述呼吸信号的三轴加速度信号分别进行滑动滤波和低通滤波，得到三个轴向的呼吸信号；
根据所述三个轴向的呼吸信号分别计算每个轴向的目标峰值幅度标准差、目标峰值幅度均值、呼吸间隔和呼吸间隔标准差；
根据每个轴向的所述目标峰值幅度标准差、所述目标峰值幅度均值和所述呼吸间隔标准差从所述三个轴向中筛选出一个轴向作为目标轴向；
对所述目标轴向的各呼吸间隔进行异常补齐处理，得到所述目标轴向的目标呼吸间隔序列；
根据所述目标轴向的目标呼吸间隔序列计算呼吸参数。
2.根据权利要求1所述的呼吸监测方法，其特征在于，所述对滑动窗口内的所述呼吸信号的三轴加速度信号分别进行滑动滤波和低通滤波，得到三个轴向的呼吸信号，包括：
对所述滑动窗口内的所述呼吸信号的三轴加速度信号分别采用滑动平均法进行计算，得到三个轴向的呼吸加速度基线；
对去除所述加速度基线的所述三个轴向的呼吸加速度信号分别进行低通滤波，得到所述三个轴向的呼吸信号。
3.根据权利要求1所述的呼吸监测方法，其特征在于，所述根据所述三个轴向的呼吸信号分别计算每个轴向的目标峰值幅度标准差、目标峰值幅度均值、呼吸间隔和呼吸间隔标准差，包括：
将每个轴向的所述呼吸信号中平均半峰宽度小于预设的平均半峰宽度阈值的峰作为目标峰；
根据每个轴向的所述目标峰的峰值幅度计算得到每个轴向的峰值幅度均值和峰值幅度标准差；
根据每个轴向的所述目标峰的峰值位置计算得到每个轴向的峰值间隔和峰值间隔标准差，作为所述呼吸间隔和所述呼吸间隔标准差；
根据所述峰值幅度、所述峰值幅度均值和峰值幅度标准差从所述目标峰中筛选出离群峰；
根据每个轴向的不包括所述离群峰的所述目标峰的峰值幅度计算得到每个轴向的所述目标峰值幅度标准差和所述目标峰值幅度均值。
4.根据权利要求1所述的呼吸监测方法，其特征在于，所述根据每个轴向的所述目标峰值幅度标准差、所述目标峰值幅度均值和所述呼吸间隔标准差从所述三个轴向中筛选出一个轴向作为目标轴向，包括：
将所述目标峰值幅度标准差和所述目标峰值幅度均值的比值小于预设的比值阈值的轴向确定为有效轴向；
若所述有效轴向的数量大于一个，则将所述呼吸间隔标准差最小的所述有效轴向确定为所述目标轴向。
5.根据权利要求1所述的呼吸监测方法，其特征在于，所述对所述目标轴向的各呼吸间隔进行异常补齐处理，得到所述目标轴向的目标呼吸间隔序列，包括：
若所述目标轴向的呼吸间隔满足以下条件中的任意一个：该呼吸间隔与该呼吸间隔后面相邻的呼吸间隔的差值大于该呼吸间隔的第一设定倍数、该呼吸间隔与所述滑动窗口内呼吸间隔均值的差值大于所述呼吸间隔均值的第二设定倍数和该呼吸间隔与所述滑动窗口内呼吸间隔均值的差值大于所述呼吸间隔标准差的第三设定倍数，则确定该呼吸间隔为异常呼吸间隔；
基于多次样条采样对该异常呼吸间隔进行补齐处理，得到所述目标轴向的目标呼吸间隔序列。
6.根据权利要求1所述的呼吸监测方法，其特征在于，所述呼吸参数包括以下参数中的至少一个：呼吸率、呼吸离散度、呼吸稳定性和呼吸波动性；所述根据所述目标轴向的目标呼吸间隔序列计算呼吸参数，包括：
根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的目标呼吸间隔的均值，得到所述呼吸率；
根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的目标呼吸间隔的标准差，得到所述呼吸离散度；
根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的多个滑动窗口所述呼吸率均值的标准差，得到所述呼吸稳定性；
根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的目标呼吸间隔差值均方的平方根，得到所述呼吸波动性。
7.根据权利要求1所述的呼吸监测方法，其特征在于，所述获取用户呼吸信号的三轴加速度信号，包括：
获取所述用户手腕的三轴加速度信号；
根据所述滑动窗口内的所述手腕的三轴加速度信号判断所述滑动窗口是否处于静息状态；
若所述滑动窗口处于静息状态，则将所述手腕的三轴加速度信号确定为所述呼吸信号的三轴加速度信号。
8.根据权利要求7所述的呼吸监测方法，其特征在于，所述根据所述滑动窗口内的所述手腕的三轴加速度信号判断所述滑动窗口是否处于静息状态，包括：
对所述手腕的三轴加速度信号进行滑动窗口的划分；
根据所述滑动窗口内的所述手腕的三轴加速度信号计算所述滑动窗口内的合加速度值；
计算所述滑动窗口内所述合加速度值相对预设的合加速度稳定值的最大变化值；
若所述最大变化值大于预设的变化阈值，则确定所述滑动窗口处于运动状态；
若所述最大变化值等于或者小于所述变化阈值，则计算所述滑动窗口内所述合加速度值的标准差；
若所述合加速度值的标准差等于或者大于预设的合加速度标准差阈值，则确定所述滑动窗口处于运动状态；
若所述合加速度值的标准差小于所述合加速度标准差阈值，则确定所述滑动窗口处于静息状态。
9.一种呼吸监测装置，其特征在于，包括：
获取模块，用于获取用户呼吸信号的三轴加速度信号；
滤波模块，用于对滑动窗口内的所述呼吸信号的三轴加速度信号分别进行滑动滤波和低通滤波，得到三个轴向的呼吸信号；
第一计算模块，用于根据所述三个轴向的呼吸信号分别计算每个轴向的目标峰值幅度标准差、目标峰值幅度均值、呼吸间隔和呼吸间隔标准差；
筛选模块，用于根据每个轴向的所述目标峰值幅度标准差、所述目标峰值幅度均值和所述呼吸间隔标准差从所述三个轴向中筛选出一个轴向作为目标轴向；
异常补齐模块，用于对所述目标轴向的各呼吸间隔进行异常补齐处理，得到所述目标轴向的目标呼吸间隔序列；
第二计算模块，用于根据所述目标轴向的目标呼吸间隔序列计算呼吸参数。
10.根据权利要求9所述的呼吸监测装置，其特征在于，所述滤波模块，进一步用于：
对所述滑动窗口内的所述呼吸信号的三轴加速度信号分别采用滑动平均法进行计算，得到三个轴向的呼吸加速度基线；
对去除所述加速度基线的所述三个轴向的呼吸加速度信号分别进行低通滤波，得到所述三个轴向的呼吸信号。
11.根据权利要求9所述的呼吸监测装置，其特征在于，所述第一计算模块，进一步用于：
将每个轴向的所述呼吸信号中平均半峰宽度小于预设的平均半峰宽度阈值的峰作为目标峰；
根据每个轴向的所述目标峰的峰值幅度计算得到每个轴向的峰值幅度均值和峰值幅度标准差；
根据每个轴向的所述目标峰的峰值位置计算得到每个轴向的峰值间隔和峰值间隔标准差，作为所述呼吸间隔和所述呼吸间隔标准差；
根据所述峰值幅度、所述峰值幅度均值和峰值幅度标准差从所述目标峰中筛选出离群峰；
根据每个轴向的不包括所述离群峰的所述目标峰的峰值幅度计算得到每个轴向的所述目标峰值幅度标准差和所述目标峰值幅度均值。
12.根据权利要求9所述的呼吸监测装置，其特征在于，所述筛选模块，进一步用于：
将所述目标峰值幅度标准差和所述目标峰值幅度均值的比值小于预设的比值阈值的轴向确定为有效轴向；
若所述有效轴向的数量大于一个，则将所述呼吸间隔标准差最小的所述有效轴向确定为所述目标轴向。
13.根据权利要求9所述的呼吸监测装置，其特征在于，所述异常补齐模块，进一步用于：
若所述目标轴向的呼吸间隔满足以下条件中的任意一个：该呼吸间隔与该呼吸间隔后面相邻的呼吸间隔的差值大于该呼吸间隔的第一设定倍数、该呼吸间隔与所述滑动窗口内呼吸间隔均值的差值大于所述呼吸间隔均值的第二设定倍数和该呼吸间隔与所述滑动窗口内呼吸间隔均值的差值大于所述呼吸间隔标准差的第三设定倍数，则确定该呼吸间隔为异常呼吸间隔；
基于多次样条采样对该异常呼吸间隔进行补齐处理，得到所述目标轴向的目标呼吸间隔序列。
14.根据权利要求9所述的呼吸监测装置，其特征在于，所述呼吸参数包括以下参数中的至少一个：呼吸率、呼吸离散度、呼吸稳定性和呼吸波动性；所述第二计算模块，进一步用于：
根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的目标呼吸间隔的均值，得到所述呼吸率；
根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的目标呼吸间隔的标准差，得到所述呼吸离散度；
根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的多个滑动窗口所述呼吸率均值的标准差，得到所述呼吸稳定性；
根据所述目标轴向的目标呼吸间隔序列计算所述目标轴向的目标呼吸间隔差值均方的平方根，得到所述呼吸波动性。
15.根据权利要求9所述的呼吸监测装置，其特征在于，还包括判断模块，具体用于：
获取所述用户手腕的三轴加速度信号；
根据所述滑动窗口内的所述手腕的三轴加速度信号判断所述滑动窗口是否处于静息状态；
若所述滑动窗口处于静息状态，则将所述手腕的三轴加速度信号确定为所述呼吸信号的三轴加速度信号。
16.根据权利要求15所述的呼吸监测装置，其特征在于，所述判断模块，进一步用于：
对所述手腕的三轴加速度信号进行滑动窗口的划分；
根据所述滑动窗口内的所述手腕的三轴加速度信号计算所述滑动窗口内的合加速度值；
计算所述滑动窗口内所述合加速度值相对预设的合加速度稳定值的最大变化值；
若所述最大变化值大于预设的变化阈值，则确定所述滑动窗口处于运动状态；
若所述最大变化值等于或者小于所述变化阈值，则计算所述滑动窗口内所述合加速度值的标准差；
若所述合加速度值的标准差等于或者大于预设的合加速度标准差阈值，则确定所述滑动窗口处于运动状态；
若所述合加速度值的标准差小于所述合加速度标准差阈值，则确定所述滑动窗口处于静息状态。
17.一种终端设备，其特征在于，包括：如权利要求9-16任一项所述的呼吸监测装置。
18.根据权利要求17所述的终端设备，其特征在于，所述终端设备为可穿戴终端设备。
CN202110343256.2A 2021-03-30 2021-03-30 呼吸监测方法、装置及终端设备 Pending CN113080857A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110343256.2A CN113080857A (zh) 2021-03-30 2021-03-30 呼吸监测方法、装置及终端设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110343256.2A CN113080857A (zh) 2021-03-30 2021-03-30 呼吸监测方法、装置及终端设备

Publications (1)

Publication Number Publication Date
CN113080857A true CN113080857A (zh) 2021-07-09

Family

ID=76671407

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110343256.2A Pending CN113080857A (zh) 2021-03-30 2021-03-30 呼吸监测方法、装置及终端设备

Country Status (1)

Country Link
CN (1) CN113080857A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114241780A (zh) * 2021-11-29 2022-03-25 深圳市锐明技术股份有限公司 车辆型号识别方法、装置、电子设备及可读存储介质
CN114376559A (zh) * 2022-01-18 2022-04-22 高昌生医股份有限公司 呼吸基准线追踪加速方法
CN114504313A (zh) * 2022-01-24 2022-05-17 苏州大学 一种轻便可穿戴的呼吸监测装置及监测方法
WO2024066502A1 (zh) * 2022-09-26 2024-04-04 上海矽睿科技股份有限公司 呼吸监测方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102026579A (zh) * 2008-05-14 2011-04-20 皇家飞利浦电子股份有限公司 呼吸监测器和监测方法
WO2016179651A1 (en) * 2015-05-13 2016-11-17 Resmed Limited Systems and methods for screening, diagnosis, and monitoring of sleep-disordered breathing
JPWO2017082165A1 (ja) * 2015-11-10 2018-03-29 日本電信電話株式会社 呼吸推定方法および装置
CN109480783A (zh) * 2018-12-20 2019-03-19 深圳和而泰智能控制股份有限公司 一种呼吸暂停检测方法、装置及计算设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102026579A (zh) * 2008-05-14 2011-04-20 皇家飞利浦电子股份有限公司 呼吸监测器和监测方法
WO2016179651A1 (en) * 2015-05-13 2016-11-17 Resmed Limited Systems and methods for screening, diagnosis, and monitoring of sleep-disordered breathing
JPWO2017082165A1 (ja) * 2015-11-10 2018-03-29 日本電信電話株式会社 呼吸推定方法および装置
US20180333064A1 (en) * 2015-11-10 2018-11-22 Nippon Telegraph And Telephone Corporation Respiration estimation method and apparatus
CN109480783A (zh) * 2018-12-20 2019-03-19 深圳和而泰智能控制股份有限公司 一种呼吸暂停检测方法、装置及计算设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
彭嘉鹏;叶继伦;张旭;孙阳;吕鹏飞;: "基于加速度传感器的呼吸信号检测系统设计", 航空航天医学杂志, no. 11 *
韦玉文, 王卫国, 陈端睢, 何其练, 杨春万: "无创血流动力学监测系统在ICU的综合应用分析", 国际医药卫生导报, no. 10 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114241780A (zh) * 2021-11-29 2022-03-25 深圳市锐明技术股份有限公司 车辆型号识别方法、装置、电子设备及可读存储介质
CN114241780B (zh) * 2021-11-29 2023-01-06 深圳市锐明技术股份有限公司 车辆型号识别方法、装置、电子设备及可读存储介质
CN114376559A (zh) * 2022-01-18 2022-04-22 高昌生医股份有限公司 呼吸基准线追踪加速方法
CN114376559B (zh) * 2022-01-18 2023-09-19 高昌生医股份有限公司 呼吸基准线追踪加速方法
CN114504313A (zh) * 2022-01-24 2022-05-17 苏州大学 一种轻便可穿戴的呼吸监测装置及监测方法
WO2024066502A1 (zh) * 2022-09-26 2024-04-04 上海矽睿科技股份有限公司 呼吸监测方法及装置

Similar Documents

Publication Publication Date Title
CN113080857A (zh) 呼吸监测方法、装置及终端设备
US20200260996A1 (en) Method and apparatus for processing a cyclic physiological signal
US20130144130A1 (en) System method and device for monitoring a person's vital signs
EP2677927B1 (en) Respiration monitoring method and system
US10758164B2 (en) Processing apparatus and processing method for determining a respiratory signal of a subject
US7530956B2 (en) Daytime/nighttime respiration rate monitoring
EP1658578B1 (en) A system and method for detecting signal artifacts
US20140288876A1 (en) Dynamic control of sampling rate of motion to modify power consumption
EP3231368B1 (en) Method and system for identifying respiratory events
CN111919242B (zh) 用于处理多个信号的系统和方法
US9498162B2 (en) Identifying seizures using heart data from two or more windows
CN111643092A (zh) 一种癫痫报警装置及癫痫检测方法
CN104720808A (zh) 一种检测人体睡眠呼吸的方法和装置
JP2004089267A (ja) 睡眠深度推定装置及びこれを具えた布団
EP3764896B1 (en) Method and apparatus for monitoring a human or animal subject
WO2024066502A1 (zh) 呼吸监测方法及装置
CN113551687B (zh) 计步方法、装置、计步设备、计算机存储介质和芯片
CN112432640B (zh) 使用状态判断方法、装置、电子设备和介质
CN113520368A (zh) 一种咳嗽监测的方法、系统和存储设备
CN115429220A (zh) 可穿戴设备及其佩戴检测方法和佩戴检测装置
JPWO2020090763A1 (ja) 処理装置、システム、処理方法、およびプログラム
CN113749620B (zh) 一种睡眠呼吸暂停检测方法、系统、设备及存储介质
CN110248598B (zh) 用于确定生物电活动的合成信号的方法和设备
CN117958792A (zh) 基于移动开窗法的自适应卡尔曼滤波呼吸频率计算方法
CN116965800A (zh) 一种基于心电数据的呼吸状态评估方法

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
TA01 Transfer of patent application right

Effective date of registration: 20230411

Address after: 243000 floor 7, building B2, huami Global Innovation Center, No. 900, Wangjiang West Road, high tech Zone, Hefei, China (Anhui) pilot Free Trade Zone, Hefei, Anhui

Applicant after: Anhui Huami Information Technology Co.,Ltd.

Address before: 230051 No. 01, 5th floor, building B2, Zhongan chuanggu Science Park, No. 900, Wangjiang West Road, high tech Zone, Hefei City, Anhui Province

Applicant before: Anhui huami health care Co.,Ltd.

TA01 Transfer of patent application right