CN113907734A - 信号处理方法、装置以及非暂态计算机可读存储介质 - Google Patents

信号处理方法、装置以及非暂态计算机可读存储介质 Download PDF

Info

Publication number
CN113907734A
CN113907734A CN202010776216.2A CN202010776216A CN113907734A CN 113907734 A CN113907734 A CN 113907734A CN 202010776216 A CN202010776216 A CN 202010776216A CN 113907734 A CN113907734 A CN 113907734A
Authority
CN
China
Prior art keywords
signal
peak
segment
sector
signals
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
CN202010776216.2A
Other languages
English (en)
Inventor
刘政德
黄国庭
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.)
Wistron Corp
Original Assignee
Wistron Corp
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 Wistron Corp filed Critical Wistron Corp
Publication of CN113907734A publication Critical patent/CN113907734A/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
    • A61B5/02—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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • 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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • 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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • 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
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • 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
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/7214—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using signal cancellation, e.g. based on input of two identical physiological sensors spaced apart, or based on two signals derived from the same sensor, for different optical wavelengths
    • 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
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • 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
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/0245—Detecting, measuring or recording pulse rate or heart rate by using sensing means generating electric signals, i.e. ECG signals

Landscapes

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

Abstract

本发明提供一种信号处理方法、装置以及非暂态计算机可读存储介质。依据时间序列自生理信号中取出多个区段信号，判断各区段信号为良好信号或不良信号。若第i个区段信号被判定为不良信号，在确定第i‑2个区段信号以及第i+2个区段信号皆为良好信号的情况下，保留第i个区段信号。基于良好信号以及保留下来的不良信号来计算多个瞬时心率。本发明能够在不良信号中找出峰值，藉此稳定输出平均心率。

Description

信号处理方法、装置以及非暂态计算机可读存储介质
技术领域
本发明是有关于一种信号处理方法、装置以及非暂态计算机可读存储介质，且特别是有关于一种计算心率的信号处理方法、装置以及非暂态计算机可读存储介质。
背景技术
近几年随着大众对于健康的重视，市面上开始出现各种可监控心跳的监控装置。在佩戴者稳定不动的状态下，监控装置可以取得最佳生理信号。当佩戴者有突然的动作(例如转头、点头、起身等)，监控装置便会产生杂讯影响准确度。以往是利用加速计(Accelerometer)的加速度信号来判断佩戴者是否有动作。在佩戴者静止时，可顺利计算峰值，再由相邻峰值的时间差计算瞬时心率，最后统计数个瞬时心率求得平均心率。
在佩戴者有突然的动作(例如转头、点头、起身等)时，监控装置所感测到的信号会出现杂讯，从而难以计算峰值。目前作法是直接放弃具有杂讯的信号。然而，瞬时心率是由相邻的峰值求得，放弃一段信号便会缺少两个瞬时心率，进而造成平均心率的延迟。
发明内容
本发明提供一种信号处理方法、装置以及非暂态计算机可读存储介质，可在品质不良的生理信号中找出峰值，藉此稳定输出平均心率。
本发明的信号处理方法，包括：依据时间序列自生理信号中取出多个区段信号；判断各区段信号为良好信号或不良信号，以计算判定为良好信号的这些区段信号的峰值；倘若第i个区段信号被判定为不良信号，确认第i-2个区段信号以及第i+2个区段信号是否为良好信号；在确定第i-2个区段信号以及第i+2个区段信号皆为良好信号的情况下，保留被判定为不良信号的第i个区段信号来计算第i个区段信号的代表峰值；以及基于被判定为良好信号的区段信号以及保留下来的被判定为不良信号的区段信号来计算多个瞬时心率。
在本发明的一实施例中，上述在判定第i-2个区段信号以及第i+2个区段信号皆为良好信号的情况下，保留第i个区段信号来计算第i个区段信号的代表峰值的步骤包括：基于第i-2个区段信号的第一峰值以及第i+2个区段信号的第二峰值，判断第i个区段信号的变化趋势；以及采用对应变化趋势的计算方式来获得第i个区段信号的代表峰值。
在本发明的一实施例中，上述判断第i个区段信号的变化趋势的步骤之前，更包括：计算第一峰值与第二峰值之间的差值绝对值。而判断第i个区段信号的变化趋势的步骤包括：比较差值绝对值与门槛值；倘若差值绝对值小于或等于门槛值，判定第i个区段信号的变化趋势为稳定状态；倘若差值绝对值大于门槛值且第一峰值小于第二峰值，判定第i个区段信号的变化趋势为持续增加状态；以及倘若差值绝对值大于门槛值且第一峰值大于第二峰值，判定第i个区段信号的变化趋势为持续减少状态。
在本发明的一实施例中，上述采用对应变化趋势的计算方式来获得第i个区段信号的代表峰值的步骤包括：在变化趋势为稳定状态的情况下，包括：基于第一峰值与第二峰值获得线段；在第i个区段信号中，找出多个候选峰值；以及在这些候选峰值中取出最接近所述线段的其中一个候选峰值作为第i个区段信号的代表峰值。
在本发明的一实施例中，上述采用对应变化趋势的计算方式来获得第i个区段信号的代表峰值的步骤包括：在变化趋势为持续增加状态的情况下，包括：基于第一峰值与第i-1个区段信号的第三峰值获得第一线段；基于第二峰值与第i+1个区段信号的第四峰值获得第二线段；在第i个区段信号中，找出多个候选峰值；在这些候选峰值中取出最接近第一线段的第一候选峰值；在这些候选峰值中取出最接近第二线段的第二候选峰值；倘若第一候选峰值与第二候选峰值相同，以第一候选峰值作为第i个区段信号的代表峰值；以及倘若第一候选峰值与第二候选峰值不同，以第一候选峰值与第二候选峰值中的最小者作为第i个区段信号的代表峰值。
在本发明的一实施例中，上述采用对应变化趋势的计算方式来获得第i个区段信号的代表峰值的步骤包括：在变化趋势为持续减少状态的情况下，包括：基于第一峰值与第i-1个区段信号的第三峰值获得第一线段；基于第二峰值与第i+1个区段信号的第四峰值获得第二线段；在第i个区段信号中，找出多个候选峰值；在这些候选峰值中取出最接近第一线段的第一候选峰值；在这些候选峰值中取出最接近第二线段的第二候选峰值；倘若第一候选峰值与第二候选峰值相同，以第一候选峰值作为第i个区段信号的代表峰值；以及倘若第一候选峰值与第二候选峰值不同，以第一候选峰值与第二候选峰值中的最大者作为第i个区段信号的代表峰值。
在本发明的一实施例中，倘若第i个区段信号被判定为不良信号，在确认第i-2个区段信号以及第i+2个区段信号是否为良好信号之后，更包括：在确定第i-2个区段信号以及第i+2个区段信号至少其中一个为不良信号的情况下，舍弃被判定为不良信号的第i个区段信号。
在本发明的一实施例中，上述判断各区段信号为良好信号或不良信号的步骤包括：利用动态时间扭曲(Dynamic Time Warping，DTW)演算法来判断区段信号为良好信号或不良信号。
在本发明的一实施例中，上述信号处理方法更包括：在获得第i个区段信号的代表峰值之后，基于第i-2个区段信号的第一峰值以及第i+2个区段信号的第二峰值的平均值来获得比较值；判断代表峰值是否大于比较值；倘若代表峰值大于比较值，判定第i个区段信号为不可信，而舍弃第i个区段信号；以及倘若代表峰值小于或等于比较值，判定第i个区段信号为可信，而保留第i个区段信号。
本发明的信号处理装置，包括：心率感测器，感测佩戴者的生理信号；储存单元，包括多个程序码片段；以及处理器，耦接至心率感测器与储存单元，处理器执行所述程序码片段以：自心率感测器接收生理信号；依据时间序列自生理信号中取出多个区段信号；判断各区段信号为良好信号或不良信号，以计算判定为良好信号的这些区段信号的峰值；倘若第i个区段信号被判定为不良信号，确认第i-2个区段信号以及第i+2个区段信号是否为良好信号；在确定第i-2个区段信号以及第i+2个区段信号皆为良好信号的情况下，保留第i个区段信号来计算第i个区段信号的代表峰值；在确定第i-2个区段信号以及第i+2个区段信号至少其中一个为不良信号的情况下，舍弃第i个区段信号；以及基于被判定为良好信号的区段信号以及保留下来的被判定为不良信号的区段信号来计算多个瞬时心率。
本发明的非暂态计算机可读存储介质，其记录至少一程序指令，所述程序指令在载入电子装置后，执行下述步骤：依据时间序列自生理信号中取出多个区段信号；判断各区段信号为良好信号或不良信号，以计算判定为良好信号的这些区段信号的峰值；倘若第i个区段信号被判定为不良信号，确认第i-2个区段信号以及第i+2个区段信号是否为良好信号；在确定第i-2个区段信号以及第i+2个区段信号皆为良好信号的情况下，保留第i个区段信号来计算第i个区段信号的代表峰值；在确定第i-2个区段信号以及第i+2个区段信号至少其中一个为不良信号的情况下，舍弃第i个区段信号；以及基于被判定为良好信号的区段信号以及保留下来的被判定为不良信号的区段信号来计算多个瞬时心率。
基于上述，本发明可进一步判断是否要保留不良信号，以在不良信号中找出峰值，藉此稳定输出平均心率。
附图说明
图1是依照本发明一实施例的信号处理装置的方块图。
图2是依照本发明一实施例的信号处理方法的流程图。
图3A是依照本发明一实施例的生理信号的示意图。
图3B是依照本发明一实施例的计算瞬时心率的示意图。
图4是依照本发明一实施例的稳定状态的波形图。
图5是依照本发明一实施例的持续增加状态的波形图。
图6是依照本发明一实施例的持续减少状态的波形图。
图7是依照本发明一实施例的在稳定状态的情况下代表峰值的计算方式的波形图。
图8A～图8B是依照本发明一实施例的在持续增加状态的情况下代表峰值的计算方式的波形图。
图9A～图9B是依照本发明一实施例的在持续减少状态的情况下代表峰值的计算方式的波形图。
附图符号说明：
100:信号处理装置；
110:处理器；
120:储存单元；
130:心率感测器；
300:生理信号；
401～404、501～504、601～604:峰值；
701～704、801、802、901～903:候选峰值；
A1～A13、M1～M3:区段信号；
iHR1～iHR12:瞬时心率；
L100、L210、L220、L310、L320:线段；
S205～S230:信号处理方法的各步骤。
具体实施方式
图1是依照本发明一实施例的信号处理装置的方块图。请参照图1，信号处理装置100包括处理器110、储存单元120以及心率感测器130。处理器110直接或间接电性耦接至储存单元120以及心率感测器130。
处理器110例如为中央处理单元(Central Processing Unit，CPU)、物理处理单元(Physics Processing Unit，PPU)、可程序化的微处理器(Microprocessor)、嵌入式控制芯片、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(ApplicationSpecific Integrated Circuits，ASIC)或其他类似装置。
储存单元120例如是任意型式的固定式或可移动式随机存取存储器(RandomAccess Memory，RAM)、只读存储器(Read-Only Memory，ROM)、闪存(Flash memory)、硬件或其他类似装置或这些装置的组合。储存单元120中储存有多个程序码片段，上述程序码片段在被安装后，会由处理器110来执行，以实现下述信号处理方法。
心率感测器130用来感测佩戴者的生理信号。心率感测器130例如为使用光体积变化描记图法(Photoplethysmography，PPG)的感测器，但不以此为限，也可以是例如雷达感测器或心电图(Electrocardiogram，ECG)感测器。
图2是依照本发明一实施例的信号处理方法的流程图。在本实施例中，处理器110经配置用以执行储存单元120所储存的程序码片段，藉以实现下述信号处理方法。
在步骤S205中，依据时间序列自生理信号中取出多个区段信号。处理器110通过心率感测器130在取样时间范围内收集生理信号，并将生理信号划分为多个区段信号。接着，在步骤S210中，判断各区段信号为良好信号或不良信号，以计算判定为良好信号的区段信号的峰值。并且，进一步决定保留或舍弃不良信号，并计算被保留的不良信号的代表峰值。
在此，处理器110利用取样视窗来撷取一段固定长度的信号来计算一个峰值，在计算取样视窗内的峰值后，基于时间序列将取样视窗往后平移一段距离后，再计算下一个取样视窗内的信号的峰值。上述平移的距离例如为1/2取样视窗的宽度。
当佩戴者平稳没有动作的情况，心率感测器130检测到的生理信号会具有明显且规律的峰值。当佩戴者有动作，心率感测器130检测到的生理信号会出现杂讯。而在生理信号混合有杂讯的情况下，难以确定良好信号，且杂讯强度可能高于良好信号，因此无法使用强度来判断良好信号。在此，可将不良信号定义为峰值太多。例如，在区段信号中的峰值大于1个的情况下，可将其判定为不良信号。
另外，处理器110可利用动态时间扭曲(Dynamic Time Warping，DTW)演算法来判断区段信号为良好信号或不良信号。DTW演算法的原理为提供样板波形，判断每个待测波形与样板波型是否匹配。故，在此提供一个良好信号的样板波型，藉此将每个一区段信号的波型(即待测波形)与样板波形进行比对，以判断各区段信号为良好信号或不良信号。
而针对被判定为不良信号的第i个区段信号，处理器110可进一步根据其在时间序列上前后邻近的区段信号来判断变化趋势，藉此来计算第i个区段信号的代表峰值。据此，必须先确定在时间序列上前后邻近的区段信号是否可信，即确定是否为良好信号。
由于生理信号为连续性的信号，信号会符合整体的变化趋势，因此接近整体趋势的峰值较可能为实际的信号，脱离整体趋势的峰值较可能为杂讯。故，本实施例特别取出不良信号(第i个区段信号)的往前第二个区段信号与往后第二个区段信号(第i-2个区段信号以及第i+2个区段信号)来判断变化趋势。而不取相邻的前一个区段信号与后一个区段信号(第i-1个区段信号以及第i+1个区段信号)的原因在于：相邻的区段信号的峰值离不良信号比较近，可能是不稳定的峰值或者受到不良信号影响。因此，取出不良信号的往前第二个区段信号与往后第二个区段信号(第i-2个区段信号以及第i+2个区段信号)的峰值来进一步计算不良信号的代表峰值，一方面仍保留变化趋势，另一方面较不易受到不良信号的影响。
在本实施例中，计算峰值的方法是即时计算，因此在判定区段信号为不良信号的当下会先暂存此区段信号，待取得后面两笔区段信号的峰值后才能确定保留或舍弃此不良信号。而决定保留或舍弃此不良信号可参照步骤S215～步骤S225。另外，例如，将保留的区段信号各给予一标记“true”，将舍弃的区段信号各给予一标记“false”。
在步骤S215中，倘若第i个区段信号被判定为不良信号，确认第i-2个区段信号以及第i+2个区段信号是否为良好信号。在步骤S220中，在确定第i-2个区段信号以及第i+2个区段信号皆为良好信号的情况下，保留第i个区段信号来计算第i个区段信号的代表峰值。在步骤S225中，在确定第i-2个区段信号以及第i+2个区段信号至少其中一个为不良信号的情况下，舍弃第i个区段信号。
举例来说，假设判定第3个区段信号为不良信号，则处理器110会先暂存第3个区段信号，以等待取得第5个区段信号。处理器110进一步判断第1个区段信号与第5个区段信号是否皆为良好信号。倘若第1个区段信号与第5个区段信号皆为良好信号，则保留第3个区段信号，并进一步计算第3个区段信号的代表峰值。倘若第1个区段信号与第5个区段信号其中一个为不良信号，则舍弃第3个区段信号，即，不计算第3个区段信号的代表峰值。
最后，在步骤S230中，基于被判定为良好信号的区段信号以及保留下来的被判定为不良信号的区段信号来计算瞬时心率。在此，处理器110利用相邻的2个峰值的时间差来计算瞬时心率，最后统计数个瞬时心率来求得平均心率。
一般而言，藉由计算两个相邻的峰值的时间差T(即心率周期)，再计算其倒数来获得每分钟的心跳数F(瞬时心率)。其中，F＝1/T(心跳数/每秒)＝60/T(心跳数/每分钟)。
图3A是依照本发明一实施例的生理信号的示意图。图3B是依照本发明一实施例的计算瞬时心率的示意图。请参照图3A，生理信号300包括多个区段信号，在此绘示出13个区段信号A1～A13。其中，区段信号A1、A2、A4、A5、A8、A10～A13代表良好信号，区段信号A3、A6、A7、A9代表不良信号。以区段信号A3而言，往前取区段信号A1以及往后取区段信号A5，区段信号A1与区段信号A5皆为良好信号，故，保留被判定为不良信号的区段信号A3。以此类推，保留区段信号A3、A6，舍弃区段信号A7、A9。
参照图3B，处理器110基于相邻两个时间区段的峰值的时间差来获得瞬时心率。而基于上述实施例，被判定为不良信号的区段信号A3、A6被保留，故，基于时间区段A1～A6可获得瞬时心率iHR1～iHR5。基于时间区段A10～A13可获得瞬时心率iHR10～iHR12。另外，由于时间区段A7、A9已被舍弃，因此，原本可基于时间区段A6～A10而获得的瞬时心率iHR6～iHR9便无法获得。在此，处理器110可在获得预设数量的瞬时心率之后，计算平均心率。例如，可设计为以5个瞬时心率来计算平均心率。故，经由本实施例的方法，可基于时间区段A1～A6来获得5个瞬时心率iHR1～iHR5。平均心率＝(iHR1+iHR2+iHR3+iHR4+iHR5)/5。
倘若不使用上述实施例的方法，由于区段信号A3、A6、A7、A8皆被判定为不良信号，因此，瞬时心率iHR2、iHR3、iHR5～iHR9皆无法使用，因此必需延迟至区段信号A13，才能够获得5个瞬时心率iHR1、iHR4、iHR10、iHR11、iHR12。故，通过上述实施例的方法，可解决平均心率计算延迟的问题。
另外，在上述步骤S220中，计算第i个区段信号的代表峰值，可基于第i-2个区段信号的第一峰值以及第i+2个区段信号的第二峰值，而在第i个区段信号所包括的多个候选峰值中进行选择。具体而言，处理器110基于第i-2个区段信号的第一峰值以及第i+2个区段信号的第二峰值，判断第i个区段信号的变化趋势。之后，处理器110采用对应所述变化趋势的计算方式来获得第i个区段信号的代表峰值。
判定为不良信号的第i个区段信号具有三种变化趋势，包括稳定状态、持续增加状态以及持续减少状态。处理器110计算第一峰值与第二峰值之间的差值绝对值(|第一峰值-第二峰值|)，并基于差值绝对值来判断第i个区段信号的变化趋势。在此，处理器110比较差值绝对值与预设的门槛值。倘若差值绝对值小于或等于门槛值，判定第i个区段信号的变化趋势为稳定状态。倘若差值绝对值大于门槛值且第一峰值小于第二峰值，判定第i个区段信号的变化趋势为持续增加状态。倘若差值绝对值大于门槛值且第一峰值大于第二峰值，判定第i个区段信号的变化趋势为持续减少状态。
底下举图4～图6来分别说明稳定状态、持续增加状态以及持续减少状态。
图4是依照本发明一实施例的稳定状态的波形图。在图4中，假设绘示为第m个区段信号～第m+4个区段信号，其中第m+2个区段信号(区段信号M1)为不良信号，其他区段信号为良好信号。而峰值401、402、403、404分别为第m个区段信号、第m+1个区段信号、第m+3个区段信号以及第m+4个区段信号的峰值。|
以区段信号M1而言，处理器110往前取第m个区段信号的峰值401(第一峰值)，往后取第m+4个区段信号的峰值404(第二峰值)，计算峰值401与峰值404的差值绝对值，并与预设的门槛值进行比较。由于峰值401与峰值404的差值绝对值并未大于门槛值，故，判定区段信号M1的变化趋势为稳定状态。在此，假设预设的门槛值为1500毫伏(mV)。
图5是依照本发明一实施例的持续增加状态的波形图。在图5中，假设绘示为第n个区段信号～第n+4个区段信号，其中第n+2个区段信号(区段信号M2)为不良信号，其他区段信号为良好信号。而峰值501、502、503、504分别为第n个区段信号、第n+1个区段信号、第n+3个区段信号以及第n+4个区段信号的峰值。|
以区段信号M2而言，处理器110往前取第n个区段信号的峰值501(第一峰值)，往后取第n+4个区段信号的峰值504(第二峰值)，计算峰值501与峰值504的差值绝对值，并与预设的门槛值进行比较。由于峰值501与峰值504的差值绝对值大于门槛值，故，再进一步判断峰值501与峰值504的大小。在此，峰值504大于峰值501，故，判定区段信号M2的变化趋势为持续增加状态。
图6是依照本发明一实施例的持续减少状态的波形图。在图6中，假设绘示为第p个区段信号～第p+4个区段信号，其中第p+2个区段信号(区段信号M3)为不良信号，其他区段信号为良好信号。而峰值601、602、603、604分别为第p个区段信号、第p+1个区段信号、第p+3个区段信号以及第p+4个区段信号的峰值。|
以区段信号M3而言，处理器110往前取第p个区段信号的峰值601(第一峰值)，往后取第p+4个区段信号的峰值604(第二峰值)，计算峰值601与峰值604的差值绝对值，并与预设的门槛值进行比较。由于峰值601与峰值604的差值绝对值大于门槛值，故，再进一步判断峰值601与峰值604的大小。在此，峰值601大于峰值604，故，判定区段信号M3的变化趋势为持续减少状态。
而在获得不良信号的变化趋势之后，处理器110便可采用对应变化趋势的计算方式来获得不良信号的代表峰值。底下举图7、图8A～图8B、图9A～图9B来分别说明在稳定状态、持续增加状态以及持续减少状态的情况下代表峰值的计算方式。
图7是依照本发明一实施例的在稳定状态的情况下代表峰值的计算方式的波形图。在此，以图4的实施例来说明在稳定状态的情况下代表峰值的计算方式。
参照图7，首先，处理器110基于峰值401(第一峰值)与峰值404(第二峰值)获得线段L100。接着，处理器110在区段信号M1中，找出多个候选峰值701～704，在这些候选峰值701～704中取出最接近线段L100的其中一个候选峰值作为区段信号M1的代表峰值。在此，选择候选峰值702作为区段信号M1的代表峰值。
图8A～图8B是依照本发明一实施例的在持续增加状态的情况下代表峰值的计算方式的波形图。在此，以图5的实施例来说明在持续增加状态的情况下代表峰值的计算方式。
参照图8A～图8B，第n+2个区段信号(区段信号M2)为不良信号。处理器110基于第n个区段信号的峰值501(第一峰值)与第n+1个区段信号的峰值502(第三峰值)获得线段L210。并且，处理器110基于第n+4个区段信号的峰值504(第二峰值)与第n+3个区段信号的峰值503(第四峰值)获得线段L220。
并且，处理器110在区段信号M2中，找出多个候选峰值801、802。接着，处理器110在这些候选峰值801、802中取出最接近线段L210的候选峰值802(第一候选峰值)，并且，在这些候选峰值801、802中取出最接近线段L220的候选峰值801(第二候选峰值)。接着，处理器110会判断第一候选峰值与第二候选峰值是否相同。
在变化趋势为持续增加状态的波形中，由于强度忽然增加的突波比较可能是杂讯，倘若第一候选峰值与第二候选峰值不同，则以第一候选峰值与第二候选峰值中的最小者作为区段信号M2的代表峰值。在图8A～图8B的实施例中，第一候选峰值(候选峰值802)与第二候选峰值(候选峰值801)不同，故，处理器110在两者中选择最小者的候选峰值802作为区段信号M2的代表峰值。
在其他实施例中，倘若最接近线段L210的第一候选峰值与最接近线段L220的第二候选峰值相同，处理器110以第一候选峰值(即第二候选峰值)作为区段信号M2的代表峰值。
图9A～图9B是依照本发明一实施例的在持续减少状态的情况下代表峰值的计算方式的波形图。在此，以图6的实施例来说明在持续减少状态的情况下代表峰值的计算方式。
参照图9A～图9B，第p+2个区段信号(区段信号M3)为不良信号。处理器110基于第p个区段信号的峰值601(第一峰值)与第p+1个区段信号的峰值602(第三峰值)获得线段L310。并且，处理器110基于第p+4个区段信号的峰值604(第二峰值)与第p+3个区段信号的峰值603(第四峰值)获得线段L320。
并且，处理器110在区段信号M3中，找出多个候选峰值901、902、903。接着，处理器110在这些候选峰值901、902、903中取出最接近线段L310的候选峰值902(第一候选峰值)，并且，在这些候选峰值901、902、903中取出最接近线段L320的候选峰值902(第二候选峰值)。接着，处理器110会判断第一候选峰值与第二候选峰值是否相同。
在本实施例中，第一候选峰值与第二候选峰值皆为候选峰值902，故，处理器110以候选峰值902作为区段信号M3的代表峰值。
在其他实施例中，在变化趋势为持续减少状态的波形中，由于强度忽然减少的突波比较可能是杂讯，倘若最接近线段L310的第一候选峰值与最接近线段L320的第二候选峰值不同，则以第一候选峰值与第二候选峰值中的最大者作为区段信号M3的代表峰值。
另外，上述实施例中是在不良信号进一步计算出其代表峰值，为了避免过于荒谬的判断结果，因此，在获得不良信号的代表峰值之后，会进一步计算不良信号的代表峰值的电压值是否太高。例如，第i个区段信号判定为不良信号，基于第i-2个区段信号的第一峰值以及第i+2个区段信号的第二峰值的平均值来获得比较值。其中，比较值＝2×ACAVG(S1AC:S2AC)。ACAVG(S1AC:S2AC)表示第i-2个区段信号的第一峰值的电压值S1AC与第i+2个区段信号的第二峰值S2AC的电压值的平均值。
接着，将不良信号的代表峰值与比较值进行比较，倘若代表峰值大于比较值，判定此不良信号为不可信，而舍弃此不良信号。倘若代表峰值小于或等于比较值，判定此不良信号为可信，而保留此不良信号。
另外，上述实施例可以非暂态计算机可读存储介质来实现。非暂态计算机可读存储介质记录至少一程序指令，所述程序指令在载入电子装置后，执行所述步骤S205～S230。
综上所述，本发明针对品质不良的区段信号，基于前后信号的变化趋势来计算可能的代表峰值，由品质不良的PPG信号找出峰值，解决生理信号品质不良造成平均心率延迟的问题，能稳定输出平均心率。

Claims (11)

1.一种信号处理方法，其特征在于，包括：
依据时间序列自一生理信号中取出多个区段信号；
判断每一该些区段信号为良好信号或不良信号，以计算判定为良好信号的该些区段信号的峰值；
倘若第i个区段信号被判定为不良信号，确认第i-2个区段信号以及第i+2个区段信号是否为良好信号；
在确定该第i-2个区段信号以及该第i+2个区段信号皆为良好信号的情况下，保留被判定为不良信号的该第i个区段信号并计算该第i个区段信号的代表峰值；以及
基于被判定为良好信号的区段信号以及保留下来的被判定为不良信号的区段信号来计算多个瞬时心率。
2.如权利要求1所述的信号处理方法，其特征在于，在判定该第i-2个区段信号以及该第i+2个区段信号皆为良好信号的情况下，保留该第i个区段信号来计算该第i个区段信号的代表峰值的步骤包括：
基于该第i-2个区段信号的一第一峰值以及该第i+2个区段信号的一第二峰值，判断该第i个区段信号的变化趋势；以及
采用对应该变化趋势的计算方式来获得该第i个区段信号的代表峰值。
3.如权利要求2所述的信号处理方法，其特征在于，在判断该第i个区段信号的变化趋势的步骤之前，更包括：
计算该第一峰值与该第二峰值之间的差值绝对值；
而判断该第i个区段信号的变化趋势的步骤包括：
比较该差值绝对值与一门槛值；
倘若该差值绝对值小于或等于该门槛值，判定该第i个区段信号的变化趋势为一稳定状态；
倘若该差值绝对值大于该门槛值且该第一峰值小于该第二峰值，判定该第i个区段信号的变化趋势为一持续增加状态；以及
倘若该差值绝对值大于该门槛值且该第一峰值大于该第二峰值，判定该第i个区段信号的变化趋势为一持续减少状态。
4.如权利要求3所述的信号处理方法，其特征在于，采用对应该变化趋势的计算方式来获得该第i个区段信号的代表峰值的步骤包括：
在该变化趋势为该稳定状态的情况下，包括：
基于该第一峰值与该第二峰值获得一线段；
在该第i个区段信号中，找出多个候选峰值；以及
在该些候选峰值中取出最接近该线段的其中一个候选峰值作为该第i个区段信号的代表峰值。
5.如权利要求3所述的信号处理方法，其特征在于，采用对应该变化趋势的计算方式来获得该第i个区段信号的代表峰值的步骤包括：
在该变化趋势为该持续增加状态的情况下，包括：
基于该第一峰值与第i-1个区段信号的一第三峰值获得一第一线段；
基于该第二峰值与第i+1个区段信号的一第四峰值获得一第二线段；
在该第i个区段信号中，找出多个候选峰值；
在该些候选峰值中取出最接近该第一线段的一第一候选峰值；
在该些候选峰值中取出最接近该第二线段的一第二候选峰值；
倘若该第一候选峰值与该第二候选峰值相同，以该第一候选峰值作为该第i个区段信号的代表峰值；以及
倘若该第一候选峰值与该第二候选峰值不同，以该第一候选峰值与该第二候选峰值中的最小者作为该第i个区段信号的代表峰值。
6.如权利要求3所述的信号处理方法，其特征在于，采用对应该变化趋势的计算方式来获得该第i个区段信号的代表峰值的步骤包括：
在该变化趋势为该持续减少状态的情况下，包括：
基于该第一峰值与第i-1个区段信号的一第三峰值获得一第一线段；
基于该第二峰值与第i+1个区段信号的一第四峰值获得一第二线段；
在该第i个区段信号中，找出多个候选峰值；
在该些候选峰值中取出最接近该第一线段的一第一候选峰值；
在该些候选峰值中取出最接近该第二线段的一第二候选峰值；
倘若该第一候选峰值与该第二候选峰值相同，以该第一候选峰值作为该第i个区段信号的代表峰值；以及
倘若该第一候选峰值与该第二候选峰值不同，以该第一候选峰值与该第二候选峰值中的最大者作为该第i个区段信号的代表峰值。
7.如权利要求1所述的信号处理方法，其特征在于，倘若第i个区段信号被判定为不良信号，在确认第i-2个区段信号以及第i+2个区段信号是否为良好信号的步骤之后，更包括：
在确定该第i-2个区段信号以及该第i+2个区段信号至少其中一个为不良信号的情况下，舍弃被判定为不良信号的该第i个区段信号。
8.如权利要求1所述的信号处理方法，其特征在于，判断每一该些区段信号为良好信号或不良信号的步骤包括：
利用一动态时间扭曲演算法来判断每一该些区段信号为良好信号或不良信号。
9.如权利要求1所述的信号处理方法，其特征在于，更包括：
在获得该第i个区段信号的代表峰值之后，基于该第i-2个区段信号的一第一峰值以及该第i+2个区段信号的一第二峰值的平均值来获得一比较值；
判断该代表峰值是否大于该比较值；
倘若该代表峰值大于该比较值，判定该第i个区段信号为不可信，而舍弃该第i个区段信号；以及
倘若该代表峰值小于或等于该比较值，判定该第i个区段信号为可信，而保留该第i个区段信号。
10.一种信号处理装置，其特征在于，包括：
一心率感测器，感测一佩戴者的一生理信号；
一储存单元，包括多个程序码片段；以及
一处理器，耦接至该心率感测器与该储存单元，该处理器执行该些程序码片段以：
自该心率感测器接收该生理信号；
依据时间序列自该生理信号中取出多个区段信号；
判断每一该些区段信号为良好信号或不良信号，以计算判定为良好信号的该些区段信号的峰值；
倘若第i个区段信号被判定为不良信号，确认第i-2个区段信号以及第i+2个区段信号是否为良好信号；
在确定该第i-2个区段信号以及该第i+2个区段信号皆为良好信号的情况下，保留被判定为不良信号的该第i个区段信号来计算该第i个区段信号的代表峰值；以及
基于被判定为良好信号的区段信号以及保留下来的被判定为不良信号的区段信号来计算多个瞬时心率。
11.一种非暂态计算机可读存储介质，其特征在于，该非暂态计算机可读存储介质记录至少一程序指令，该至少一程序指令在载入一电子装置后，执行下述步骤：
依据时间序列自一生理信号中取出多个区段信号；
判断每一该些区段信号为良好信号或不良信号，以计算判定为良好信号的该些区段信号的峰值；
倘若第i个区段信号被判定为不良信号，确认第i-2个区段信号以及第i+2个区段信号是否为良好信号；
在确定该第i-2个区段信号以及该第i+2个区段信号皆为良好信号的情况下，保留该第i个区段信号来计算该第i个区段信号的代表峰值；以及
基于被判定为良好信号的区段信号以及保留下来的被判定为不良信号的区段信号来计算多个瞬时心率。
CN202010776216.2A 2020-07-10 2020-08-05 信号处理方法、装置以及非暂态计算机可读存储介质 Pending CN113907734A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW109123292 2020-07-10
TW109123292A TWI749631B (zh) 2020-07-10 2020-07-10 訊號處理方法、裝置以及非暫態電腦可讀取記錄媒體

Publications (1)

Publication Number Publication Date
CN113907734A true CN113907734A (zh) 2022-01-11

Family

ID=72340201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010776216.2A Pending CN113907734A (zh) 2020-07-10 2020-08-05 信号处理方法、装置以及非暂态计算机可读存储介质

Country Status (4)

Country Link
US (1) US20220007947A1 (zh)
EP (1) EP3936038A1 (zh)
CN (1) CN113907734A (zh)
TW (1) TWI749631B (zh)

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0622914A (ja) * 1992-05-12 1994-02-01 Mitsubishi Motors Corp 心拍数検出装置
US8602997B2 (en) * 2007-06-12 2013-12-10 Sotera Wireless, Inc. Body-worn system for measuring continuous non-invasive blood pressure (cNIBP)
JP5038222B2 (ja) * 2008-04-21 2012-10-03 株式会社デンソー 生体状態推定装置及びプログラム並びに記録媒体
US20140073958A1 (en) * 2012-09-11 2014-03-13 Nellcor Puritan Bennett Llc Methods and systems for determining physiological information using initialization values
US9314209B2 (en) * 2012-09-11 2016-04-19 Covidien Lp Methods and systems for determining physiological information based on a correlation sequence
US9459201B2 (en) * 2014-09-29 2016-10-04 Zyomed Corp. Systems and methods for noninvasive blood glucose and other analyte detection and measurement using collision computing
US10874348B1 (en) * 2015-09-30 2020-12-29 Apple Inc. Force sensing for PPG heart-rate performance enhancement and contact detection
TWI603709B (zh) * 2016-01-22 2017-11-01 chang-an Zhou Dynamic cardiovascular activity monitoring method and apparatus and system using the same
US10548533B2 (en) * 2016-03-14 2020-02-04 Tata Consultancy Services Limited Method and system for removing corruption in photoplethysmogram signals for monitoring cardiac health of patients
WO2017220526A1 (en) * 2016-06-22 2017-12-28 Koninklijke Philips N.V. A method and apparatus for determining respiratory information for a subject
JP2018158010A (ja) * 2017-03-23 2018-10-11 学校法人慶應義塾 心拍検出システム、心拍検出方法
EP3646781A4 (en) * 2017-06-28 2020-07-29 Sony Corporation INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING PROCESS, AND PROGRAM
TWM567612U (zh) * 2018-02-07 2018-10-01 神仙科學股份有限公司 Multiple physiological detection device

Also Published As

Publication number Publication date
TWI749631B (zh) 2021-12-11
US20220007947A1 (en) 2022-01-13
TW202202089A (zh) 2022-01-16
EP3936038A1 (en) 2022-01-12

Similar Documents

Publication Publication Date Title
CN109700450B (zh) 一种心率检测方法及电子设备
US9936888B2 (en) Pulse period calculation device and biosensor equipped with the same
TWI583355B (zh) Heart rate detection method and heart rate detection device
JP6652655B2 (ja) 心拍検出方法および心拍検出装置
EP3643227B1 (en) Minimum heart rate value approximation
KR102272413B1 (ko) 관상동맥 혈관조영술 기반의 기계 학습을 통한 허혈 병변 정보 제공 장치, 정보 제공 방법 및 이의 기록매체
JP6951516B2 (ja) 人の歩調を検出する方法及びシステム
CN114469131A (zh) 自适应实时心电信号质量评估方法
KR100874168B1 (ko) 적응형 피크 심장박동 검출 시스템 및 그 방법
US11406309B2 (en) Heartbeat rate calculation device and method
EP3641628B1 (en) System and method for classifying ectopic cardiac beats
CN112236075A (zh) 用于检测心律失常的计算设备
CN108261196B (zh) 心电电极脱落检测方法、装置、计算机设备及存储介质
CN113907734A (zh) 信号处理方法、装置以及非暂态计算机可读存储介质
KR101524596B1 (ko) Qrs 패턴을 이용한 pvc 분류 장치 및 방법, pvc 패턴 분류 방법, 그리고 원격 모니터링 장치
JP6315633B2 (ja) 心拍検出方法および心拍検出装置
US20220202298A1 (en) Unsupervised real-time classification for arterial blood pressure signals
CN113208573B (zh) 一种支持ppg+ecg功能的可穿戴设备
JP2015217060A (ja) 心拍検出方法および心拍検出装置
CN114159075A (zh) Qrs波优化装置、系统及存储介质
US11363969B2 (en) Exercise intensity estimation method, exercise intensity estimation device, and program
CN117770782A (zh) 基于ecg的ppg房颤判定结果矫正方法、系统及计算机可读介质
EP1886625A1 (en) QRS Estimation method and device
CN116849677A (zh) 心律失常的检测方法及装置、设备及介质
CN115969412A (zh) 双阈值无定点检测胎心率的方法及装置、设备及存储介质

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