CN113367676A - 一种用于可穿戴式设备的ppg运动噪声滤波方法及装置 - Google Patents

一种用于可穿戴式设备的ppg运动噪声滤波方法及装置 Download PDF

Info

Publication number
CN113367676A
CN113367676A CN202110635167.5A CN202110635167A CN113367676A CN 113367676 A CN113367676 A CN 113367676A CN 202110635167 A CN202110635167 A CN 202110635167A CN 113367676 A CN113367676 A CN 113367676A
Authority
CN
China
Prior art keywords
ppg
signal
reference signal
noise
ppg signal
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.)
Granted
Application number
CN202110635167.5A
Other languages
English (en)
Other versions
CN113367676B (zh
Inventor
李华亮
刘羽中
范圣平
沈雅利
王琪如
熊超琳
李林勇
王一凡
马存仁
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.)
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202110635167.5A priority Critical patent/CN113367676B/zh
Publication of CN113367676A publication Critical patent/CN113367676A/zh
Application granted granted Critical
Publication of CN113367676B publication Critical patent/CN113367676B/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
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0295—Measuring blood flow using plethysmography, i.e. measuring the variations in the volume of a body part as modified by the circulation of blood therethrough, e.g. impedance plethysmography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Power Engineering (AREA)
  • Mathematical Physics (AREA)
  • Hematology (AREA)
  • Cardiology (AREA)
  • Soundproofing, Sound Blocking, And Sound Damping (AREA)

Abstract

本发明公开了一种用于可穿戴式设备的PPG运动噪声滤波方法及装置，包括：将光电容积脉搏波描记法PPG信号进行快速傅里叶变换得到PPG信号频谱，并将所述PPG信号频谱进行修正；将修正后的PPG信号频谱进行逆傅里叶变换，获得噪声参考信号；利用自适应滤波算法对所述噪声参考信号进行自适应滤波，获得滤波后的PPG信号。用于自适应滤波器的运动噪声参考信号是从PPG信号本身内部生成的，而不是使用传统的加速度计等附加硬件来生成运动噪声参考信号，减少了系统整体复杂度，降低了硬件成本，且所生成的噪声参考信号更接近实际噪声。

Description

一种用于可穿戴式设备的PPG运动噪声滤波方法及装置
技术领域
本发明涉及信号处理技术领域，尤其涉及一种用于可穿戴式设备的PPG运动噪声滤波方法、装置、终端设备及存储介质。
背景技术
近年来，随着可穿戴式智能设备的不断普及，使用可穿戴设备进行健康监测的需求越来越普遍，目前市面上的可穿戴设备主要通过光电传感器采集PPG信号，以实现心率、血氧饱和度等生理指标的测量。
光电容积脉搏波描记法(Photoplethysmography，PPG)，利用LED光源和探测器，检测经过人体血液和组织反射、吸收后的衰减光，从而描记出血管容积在心动周期内的变化。然而PPG信号非常容易受到运动干扰，而在使用可穿戴设备进行健康监测的场景中，人体的运动也无法避免，因此如何通过算法去除PPG信号的运动噪声干扰是目前本领域的重点问题。
针对这一问题，现有技术主要采用自适应滤波与加速度计结合的方法，通过加速度计测量的运动状态数据模拟出运动噪声的参考信号，并输入到自适应滤波算法中，从而去除PPG信号中的运动噪声。
发明内容
本发明目的在于，提供一种用于可穿戴式设备的PPG运动噪声滤波方法及装置，以解决传统的加速度计难以反映复杂且不规则的人体运动，通过加速度计生成运动噪声参考信号难以使自适应滤波器获得高质量的信号波形的问题。
为实现上述目的，本发明提供一种用于可穿戴式设备的PPG运动噪声滤波方法，包括：
将光电容积脉搏波描记法PPG信号进行快速傅里叶变换得到PPG信号频谱，并将所述PPG信号频谱进行修正；
将修正后的PPG信号频谱进行逆傅里叶变换，获得噪声参考信号；
利用自适应滤波算法对所述噪声参考信号进行自适应滤波，获得滤波后的PPG信号。
优选地，所述将所述PPG信号频谱进行修正包括对心脏搏动与呼吸活动的频率分量修正为0。
优选地，所述自适应滤波算法包括LMS自适应滤波算法。
优选地，利用所述LMS自适应滤波算法对所述噪声参考信号进行自适应滤波，公式如下：
Figure BDA0003103888870000021
Figure BDA0003103888870000022
wi(n+1)＝wi(n)+2μnS(n)NR(n-i)
其中，
Figure BDA0003103888870000023
为去噪后的PPG信号，同时也是LMS自适应滤波器中的误差函数，S(n)+N(n)为包含运动噪声干扰的PPG信号，其中S(n)为纯净PPG信号，N(n)为真实运动噪声，所述原始PPG信号包含了运动伪影，
Figure BDA0003103888870000024
为估计噪声参考信号，i取0，1，...，L，L为滤波器阶数，NR(n)为第n个窗口的合成噪声参考信号，NR(n-i)为第n-i个窗口的合成噪声参考信号，wi(n+1)为第n+1个窗口的LMS自适应滤波器权值，wi(n)为第n个窗口的LMS自适应滤波器权值，μn为步长系数，n为窗口序号。
本发明还提供一种用于可穿戴式设备的PPG运动噪声滤波装置，应用于上述的用于可穿戴式设备的PPG运动噪声滤波方法，包括：
傅里叶变换模块，用于将PPG信号进行快速傅里叶变换得到PPG信号频谱，并将所述PPG信号频谱进行修正；
逆傅里叶变换模块，用于将修正后的PPG信号频谱进行逆傅里叶变换，获得噪声参考信号；
信号滤波模块，用于利用自适应滤波算法对所述噪声参考信号进行自适应滤波，获得滤波后的PPG信号。
优选地，所述将所述PPG信号频谱进行修正包括对心脏搏动与呼吸活动的频率分量修正为0。
优选地，所述自适应滤波算法包括LMS自适应滤波算法。
优选地，利用所述LMS自适应滤波算法对所述噪声参考信号进行自适应滤波，公式如下：
Figure BDA0003103888870000025
Figure BDA0003103888870000026
wi(n+1)＝wi(n)+2μnS(n)NR(n-i)
其中，
Figure BDA0003103888870000027
为去噪后的PPG信号，同时也是LMS自适应滤波器中的误差函数，S(n)+N(n)为包含运动噪声干扰的PPG信号，其中S(n)为纯净PPG信号，N(n)为真实运动噪声，所述原始PPG信号包含了运动伪影，
Figure BDA0003103888870000031
为估计噪声参考信号，i取0，1，...，L，L为滤波器阶数，NR(n)为第n个窗口的合成噪声参考信号，NR(n-i)为第n-i个窗口的合成噪声参考信号，wi(n+1)为第n+1个窗口的LMS自适应滤波器权值，wi(n)为第n个窗口的LMS自适应滤波器权值，μn为步长系数，n为窗口序号。
本发明还提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述的用于可穿戴式设备的PPG运动噪声滤波方法。
本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的用于可穿戴式设备的PPG运动噪声滤波方法。
本发明的用于可穿戴式设备的PPG运动噪声滤波方法及装置中，用于自适应滤波器的运动噪声参考信号是从PPG信号本身内部生成的，而不是使用传统的加速度计等附加硬件来生成运动噪声参考信号，减少了系统整体复杂度，降低了硬件成本，且所生成的噪声参考信号更接近实际噪声。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明某一实施例提供的用于可穿戴式设备的PPG运动噪声滤波方法的流程示意图；
图2是本发明另一实施例提供的用于可穿戴式设备的PPG运动噪声滤波方法的流程示意图；
图3是本发明某一实施例提供的计算机终端设备的结构示意图。
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作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。
应当理解，文中所使用的步骤编号仅是为了方便描述，不作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，本发明实施例提供一种用于可穿戴式设备的PPG运动噪声滤波方法，包括：
将光电容积脉搏波描记法PPG信号进行快速傅里叶变换得到PPG信号频谱，并将所述PPG信号频谱进行修正；
将修正后的PPG信号频谱进行逆傅里叶变换，获得噪声参考信号；
利用自适应滤波算法对所述噪声参考信号进行自适应滤波，获得滤波后的PPG信号。
在本实施例中，在可穿戴的设备中，PPG传感器将收集到的PPG信号进行快速傅里叶变换得到PPG信号频谱，并对PPG信号频谱进行修正，修正偏离正常心率变化范围的值，对修正后的PPG信号频谱进行逆傅里叶变换，得到代表运动伪影的合成噪声参考信号。相较于传统的使用加速度计等附加硬件来生成运动噪声参考信号的方案，减少了对加速度计的使用，降低系统复杂度。
然后利用自适应滤波算法对所述噪声参考信号进行滤波，获得滤波后的PPG信号。使用PPG信号本身内部生成用于自适应滤波器的运动噪声参考信号，使得所生成的噪声参考信号更接近实际噪声。
在某一个实施例中，所述将所述PPG信号频谱进行修正包括对心脏搏动与呼吸活动的频率分量修正为0。
在某一个实施例中，所述自适应滤波算法包括LMS自适应滤波算法。
在某一个实施例中，利用所述LMS自适应滤波算法对所述噪声参考信号进行自适应滤波，公式如下：
Figure BDA0003103888870000041
Figure BDA0003103888870000042
wi(n+1)＝wi(n)+2μnS(n)NR(n-i)
其中，
Figure BDA0003103888870000051
为去噪后的PPG信号，同时也是LMS自适应滤波器中的误差函数，S(n)+N(n)为包含运动噪声干扰的PPG信号，其中S(n)为纯净PPG信号，N(n)为真实运动噪声，所述原始PPG信号包含了运动伪影，
Figure BDA0003103888870000052
为估计噪声参考信号，i取0，1，...，L，L为滤波器阶数，NR(n)为第n个窗口的合成噪声参考信号，NR(n-i)为第n-i个窗口的合成噪声参考信号，wi(n+1)为第n+1个窗口的LMS自适应滤波器权值，wi(n)为第n个窗口的LMS自适应滤波器权值，μn为步长系数，n为窗口序号。
本发明还提供一种用于可穿戴式设备的PPG运动噪声滤波装置，应用于上述的用于可穿戴式设备的PPG运动噪声滤波方法，包括：
傅里叶变换模块，用于将PPG信号进行快速傅里叶变换得到PPG信号频谱，并将所述PPG信号频谱进行修正；
逆傅里叶变换模块，用于将修正后的PPG信号频谱进行逆傅里叶变换，获得噪声参考信号；
信号滤波模块，用于利用自适应滤波算法对所述噪声参考信号进行自适应滤波，获得滤波后的PPG信号。
在某一个实施例中，所述将所述PPG信号频谱进行修正包括对心脏搏动与呼吸活动的频率分量修正为0。
在某一个实施例中，所述自适应滤波算法包括LMS自适应滤波算法。
在某一个实施例中，利用所述LMS自适应滤波算法对所述噪声参考信号进行自适应滤波，公式如下：
Figure BDA0003103888870000053
Figure BDA0003103888870000054
wi(n+1)＝wi(n)+2μnS(n)NR(n-i)
其中，
Figure BDA0003103888870000055
为去噪后的PPG信号，同时也是LMS自适应滤波器中的误差函数，S(n)+N(n)为包含运动噪声干扰的PPG信号，其中S(n)为纯净PPG信号，N(n)为真实运动噪声，所述原始PPG信号包含了运动伪影，
Figure BDA0003103888870000056
为估计噪声参考信号，i取0，1，...，L，L为滤波器阶数，NR(n)为第n个窗口的合成噪声参考信号，NR(n-i)为第n-i个窗口的合成噪声参考信号，wi(n+1)为第n+1个窗口的LMS自适应滤波器权值，wi(n)为第n个窗口的LMS自适应滤波器权值，μn为步长系数，n为窗口序号。
关于用于可穿戴式设备的PPG运动噪声滤波装置的具体限定可以参见上文中对于的限定，在此不再赘述。上述用于可穿戴式设备的PPG运动噪声滤波装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
请参阅图3，本发明实施例提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任意一个实施例中的用于可穿戴式设备的PPG运动噪声滤波方法。
处理器用于控制该计算机终端设备的整体操作，以完成上述的用于可穿戴式设备的PPG运动噪声滤波方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该计算机终端设备的操作，这些数据例如可以包括用于在该计算机终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random AccessMemory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable ProgrammableRead-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable ProgrammableRead-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
在一示例性实施例中，计算机终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit，简称AS1C)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的用于可穿戴式设备的PPG运动噪声滤波方法，并达到如上述方法一致的技术效果。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述任意一个实施例中的用于可穿戴式设备的PPG运动噪声滤波方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器，上述程序指令可由计算机终端设备的处理器执行以完成上述的用于可穿戴式设备的PPG运动噪声滤波方法，并达到如上述方法一致的技术效果。
本发明的用于可穿戴式设备的PPG运动噪声滤波方法及装置中，用于自适应滤波器的运动噪声参考信号是从PPG信号本身内部生成的，而不是使用传统的加速度计等附加硬件来生成运动噪声参考信号，减少了系统整体复杂度，降低了硬件成本，且所生成的噪声参考信号更接近实际噪声。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种用于可穿戴式设备的PPG运动噪声滤波方法，其特征在于，包括：
将光电容积脉搏波描记法PPG信号进行快速傅里叶变换得到PPG信号频谱，并将所述PPG信号频谱进行修正；
将修正后的PPG信号频谱进行逆傅里叶变换，获得噪声参考信号；
利用自适应滤波算法对所述噪声参考信号进行自适应滤波，获得滤波后的PPG信号。
2.根据权利要求1所述的用于可穿戴式设备的PPG运动噪声滤波方法，其特征在于，所述将所述PPG信号频谱进行修正包括对心脏搏动与呼吸活动的频率分量修正为0。
3.根据权利要求1所述的用于可穿戴式设备的PPG运动噪声滤波方法，其特征在于，所述自适应滤波算法包括LMS自适应滤波算法。
4.根据权利要求3所述的用于可穿戴式设备的PPG运动噪声滤波方法，其特征在于，利用所述LMS自适应滤波算法对所述噪声参考信号进行自适应滤波，公式如下：
Figure FDA0003103888860000011
Figure FDA0003103888860000012
wi(n+1)＝wi(n)+2μnS(n)NR(n-i)
其中，
Figure FDA0003103888860000013
为去噪后的PPG信号，同时也是LMS自适应滤波器中的误差函数，S(n)+N(n)为包含运动噪声干扰的PPG信号，其中S(n)为纯净PPG信号，N(n)为真实运动噪声，所述原始PPG信号包含了运动伪影，
Figure FDA0003103888860000014
为估计噪声参考信号，i取0，1，...，L，L为滤波器阶数，NR(n)为第n个窗口的合成噪声参考信号，NR(n-i)为第n-i个窗口的合成噪声参考信号，wi(n+1)为第n+1个窗口的LMS自适应滤波器权值，wi(n)为第n个窗口的LMS自适应滤波器权值，μn为步长系数，n为窗口序号。
5.一种用于可穿戴式设备的PPG运动噪声滤波装置，其特征在于，包括：
傅里叶变换模块，用于将光电容积脉搏波描记法PPG信号进行快速傅里叶变换得到PPG信号频谱，并将所述PPG信号频谱进行修正；
逆傅里叶变换模块，用于将修正后的PPG信号频谱进行逆傅里叶变换，获得噪声参考信号；
信号滤波模块，用于利用自适应滤波算法对所述噪声参考信号进行自适应滤波，获得滤波后的PPG信号。
6.根据权利要求5所述的用于可穿戴式设备的PPG运动噪声滤波装置，其特征在于，所述将所述PPG信号频谱进行修正包括对心脏搏动与呼吸活动的频率分量修正为0。
7.根据权利要求5所述的用于可穿戴式设备的PPG运动噪声滤波装置，其特征在于，所述自适应滤波算法包括LMS自适应滤波算法。
8.根据权利要求7所述的用于可穿戴式设备的PPG运动噪声滤波装置，其特征在于，利用所述LMS自适应滤波算法对所述噪声参考信号进行自适应滤波，公式如下：
Figure FDA0003103888860000021
Figure FDA0003103888860000022
wi(n+1)＝wi(n)+2μnS(n)NR(n-i)
其中，
Figure FDA0003103888860000023
为去噪后的PPG信号，同时也是LMS自适应滤波器中的误差函数，S(n)+N(n)为包含运动噪声干扰的PPG信号，其中S(n)为纯净PPG信号，N(n)为真实运动噪声，所述原始PPG信号包含了运动伪影，
Figure FDA0003103888860000024
为估计噪声参考信号，i取0，1，...，L，L为滤波器阶数，NR(n)为第n个窗口的合成噪声参考信号，NR(n-i)为第n-i个窗口的合成噪声参考信号，wi(n+1)为第n+1个窗口的LMS自适应滤波器权值，wi(n)为第n个窗口的LMS自适应滤波器权值，μn为步长系数，n为窗口序号。
9.一种计算机终端设备，其特征在于，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至4任一项所述的用于可穿戴式设备的PPG运动噪声滤波方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的用于可穿戴式设备的PPG运动噪声滤波方法。
CN202110635167.5A 2021-06-07 2021-06-07 一种用于可穿戴式设备的ppg运动噪声滤波方法及装置 Active CN113367676B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110635167.5A CN113367676B (zh) 2021-06-07 2021-06-07 一种用于可穿戴式设备的ppg运动噪声滤波方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110635167.5A CN113367676B (zh) 2021-06-07 2021-06-07 一种用于可穿戴式设备的ppg运动噪声滤波方法及装置

Publications (2)

Publication Number Publication Date
CN113367676A true CN113367676A (zh) 2021-09-10
CN113367676B CN113367676B (zh) 2022-06-21

Family

ID=77576292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110635167.5A Active CN113367676B (zh) 2021-06-07 2021-06-07 一种用于可穿戴式设备的ppg运动噪声滤波方法及装置

Country Status (1)

Country Link
CN (1) CN113367676B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003135434A (ja) * 2001-10-30 2003-05-13 Nippon Koden Corp 信号処理方法および脈波信号処理方法
US20030163032A1 (en) * 2002-02-22 2003-08-28 Terry Alvin Mark Cepstral domain pulse oximetry
US20080167564A1 (en) * 2007-01-10 2008-07-10 Starr Life Sciences Corp. Techniques for accurately deriving physiologic parameters of a subject from photoplethysmographic measurements
CN102499694A (zh) * 2011-09-22 2012-06-20 中国人民解放军第三军医大学野战外科研究所 用于消除血氧饱和度监测干扰的方法
EP2515300A1 (fr) * 2011-04-22 2012-10-24 Adeunis Rf Procédé et système de réduction du bruit
CN104161505A (zh) * 2014-08-13 2014-11-26 北京邮电大学 一种适用于可穿戴式心率监测设备的运动和噪声干扰消除方法
US20150196257A1 (en) * 2014-01-13 2015-07-16 The Board Of Regents, The University Of Texas System Systems and methods for physiological signal enhancement and biometric extraction using non-invasive optical sensors
KR101714927B1 (ko) * 2015-12-22 2017-03-09 울산대학교 산학협력단 다중 신호 수신을 이용한 동잡음 판단 및 제거 방법
CN108937878A (zh) * 2018-06-06 2018-12-07 北京邮电大学 一种脉搏波信号运动噪声消除的方法
US20190192018A1 (en) * 2017-12-22 2019-06-27 Imec Vzw Method and System for Time Domain Signal Reconstruction for Representing Heart Activity

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003135434A (ja) * 2001-10-30 2003-05-13 Nippon Koden Corp 信号処理方法および脈波信号処理方法
US20030163032A1 (en) * 2002-02-22 2003-08-28 Terry Alvin Mark Cepstral domain pulse oximetry
US20080167564A1 (en) * 2007-01-10 2008-07-10 Starr Life Sciences Corp. Techniques for accurately deriving physiologic parameters of a subject from photoplethysmographic measurements
EP2515300A1 (fr) * 2011-04-22 2012-10-24 Adeunis Rf Procédé et système de réduction du bruit
CN102499694A (zh) * 2011-09-22 2012-06-20 中国人民解放军第三军医大学野战外科研究所 用于消除血氧饱和度监测干扰的方法
US20150196257A1 (en) * 2014-01-13 2015-07-16 The Board Of Regents, The University Of Texas System Systems and methods for physiological signal enhancement and biometric extraction using non-invasive optical sensors
CN104161505A (zh) * 2014-08-13 2014-11-26 北京邮电大学 一种适用于可穿戴式心率监测设备的运动和噪声干扰消除方法
KR101714927B1 (ko) * 2015-12-22 2017-03-09 울산대학교 산학협력단 다중 신호 수신을 이용한 동잡음 판단 및 제거 방법
US20190192018A1 (en) * 2017-12-22 2019-06-27 Imec Vzw Method and System for Time Domain Signal Reconstruction for Representing Heart Activity
CN108937878A (zh) * 2018-06-06 2018-12-07 北京邮电大学 一种脉搏波信号运动噪声消除的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
韩庆阳等: "基于小波变换的脉搏波信号高频噪声与呼吸基线的同时消除", 《北京生物医学工程》 *

Also Published As

Publication number Publication date
CN113367676B (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
US10478129B2 (en) Methods for improving response time, robustness and user comfort in continuous estimation of biophysiological rates
US5853364A (en) Method and apparatus for estimating physiological parameters using model-based adaptive filtering
CN108113665B (zh) 一种心电信号自动降噪方法
CN107949321A (zh) 时域干扰去除和改进的心率测量跟踪机理
EP1737337A1 (en) Pulse oximeter with separate ensemble averaging for oxygen saturation and heart rate
Raghuram et al. Dual-tree complex wavelet transform for motion artifact reduction of PPG signals
Raghuram et al. On the performance of wavelets in reducing motion artifacts from photoplethysmographic signals
CN113229788B (zh) 一种基于薄膜压力传感器的脉搏波去噪方法及装置
Singh et al. Significance of modified empirical mode decomposition for ECG denoising
CN109512393B (zh) 血氧饱和度测量置信度的递推方法、系统及存储介质
CN113367676B (zh) 一种用于可穿戴式设备的ppg运动噪声滤波方法及装置
Tan et al. Best wavelet function identification system for ECG signal denoise applications
CN111616695B (zh) 一种心率获取方法、装置、系统和介质
Zhang et al. Motion artifact removal for PPG signals based on accurate fundamental frequency estimation and notch filtering
Islam et al. Denoising ECG signal using adaptive filter algorithms and cubic spline interpolation for regaining missing data points of ECG in telecardiology system
Krishnan et al. Motion artifact reduction in photopleythysmography using magnitude-based frequency domain independent component analysis
KR20200120494A (ko) Ppg 신호에 대한 드리프트, 노이즈 및 모션 아티팩트 보정 방법 및 그 장치
Shao et al. A Photoplethysmograph Signal Preprocess Method Based on Wavelet Transform
US20200323493A1 (en) Drift, noise, and motion artifact correction method for photoplethysmogram (ppg) signals and system thereof
Fedotov Selection of parameters for filtering distal arterial pulse signal using multi-resolution wavelet transforms
CN111938640B (zh) 一种心阻抗微分信号的c点定位方法、装置及存储介质
Harikrishna et al. Use of Transforms in Biomedical Signal Processing and Analysis
Bhaskar et al. Minimization of base-line drift interference from ecg signal using fpga based adaptive filter
Fedotov et al. Denoising pulse wave signal based on wavelet decomposition
Huang et al. Muscle Artifacts Cancellation Framework for ECG Signals Combining Convolution Auto-encoder and Average Beat Subtraction

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

Effective date of registration: 20221110

Address after: 510000 water Donggang 8, Dongfeng East Road, Yuexiu District, Guangzhou, Guangdong.

Patentee after: ELECTRIC POWER RESEARCH INSTITUTE OF GUANGDONG POWER GRID Co.,Ltd.

Address before: No.757 Dongfeng East Road, Yuexiu District, Guangzhou City, Guangdong Province 510000

Patentee before: GUANGDONG POWER GRID Co.,Ltd.

Patentee before: ELECTRIC POWER RESEARCH INSTITUTE OF GUANGDONG POWER GRID Co.,Ltd.

TR01 Transfer of patent right