CN115089164A - 呼吸率变异性数据的提取方法及装置、存储介质 - Google Patents

呼吸率变异性数据的提取方法及装置、存储介质 Download PDF

Info

Publication number
CN115089164A
CN115089164A CN202210720397.6A CN202210720397A CN115089164A CN 115089164 A CN115089164 A CN 115089164A CN 202210720397 A CN202210720397 A CN 202210720397A CN 115089164 A CN115089164 A CN 115089164A
Authority
CN
China
Prior art keywords
signal
target
respiratory
data
breathing
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
CN202210720397.6A
Other languages
English (en)
Inventor
贺飞翔
丁玉国
王泽涛
吴昊
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.)
Beijing Qinglei Technology Co ltd
Original Assignee
Beijing Qinglei Technology 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 Beijing Qinglei Technology Co ltd filed Critical Beijing Qinglei Technology Co ltd
Priority to CN202210720397.6A priority Critical patent/CN115089164A/zh
Publication of CN115089164A publication Critical patent/CN115089164A/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
    • A61B5/08—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
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes

Landscapes

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

Abstract

本申请公开了一种呼吸率变异性数据的提取方法及装置、存储介质。该方法包括：通过目标监测设备采集睡眠状态下目标对象的回波数据，其中，目标监测设备为目标对象无需穿戴的雷达监测设备；对回波数据进行处理，得到目标对象的生命体征信号；对生命体征信号进行滤波，得到目标对象的呼吸信号；基于呼吸信号，确定目标对象的呼吸率变异性数据。通过本申请，解决了相关技术中采用接触式的方式获取呼吸率变异性数据，导致用户的睡眠质量下降，影响呼吸率变异性数据统计结果的准确性的问题。

Description

呼吸率变异性数据的提取方法及装置、存储介质
技术领域
本申请涉及生物医学工程处理技术领域，具体而言，涉及一种呼吸率变异性数据的提取方法及装置、存储介质。
背景技术
目前，随着医疗技术水平的不断提高，现代人越来越关注自己的健康。而且，人体的呼吸运动既可以随意控制，但又可以在无意识下自主进行。因此，对人体在睡眠过程中的呼吸频率、节律、波形变化进行深入的研究，可以挖掘出很多健康信息。另外，呼吸频率变异性(Respire Rate Variability，RRV)数据是指一定时间内，呼吸信号在各时间段的变异程度。且最近的研究数据表明，呼吸频率变异性指标对评价患者病情恶化有重要的预测作用，故呼吸频率变异性数据正受到医生的重视。
然而目前相关技术中，呼吸频率变异性数据的获取方式主要是接触式的，即通过导联电极从胸前测量心电信号。这种方式容易引起使用者的不适，且会引起睡眠质量下降，进而会影响呼吸率变异性数据统计结果的准确性。
针对相关技术中采用接触式的方式获取呼吸率变异性数据，导致用户的睡眠质量下降，影响呼吸率变异性数据统计结果的准确性的问题，目前尚未提出存在效的解决方案。
发明内容
本申请的主要目的在于提供一种呼吸率变异性数据的提取方法及装置、存储介质，以解决相关技术中采用接触式的方式获取呼吸率变异性数据，导致用户的睡眠质量下降，影响呼吸率变异性数据统计结果的准确性的问题。
为了实现上述目的，根据本申请的一个方面，提供了一种呼吸率变异性数据的提取方法。该方法包括：通过目标监测设备采集睡眠状态下目标对象的回波数据，其中，所述目标监测设备为所述目标对象无需穿戴的雷达监测设备；对所述回波数据进行处理，得到所述目标对象的生命体征信号；对所述生命体征信号进行滤波，得到所述目标对象的呼吸信号；基于所述呼吸信号，确定所述目标对象的呼吸率变异性数据。
进一步地，基于所述呼吸信号，确定所述目标对象的呼吸率变异性数据包括：在所述呼吸信号中确定多个分界点；依据所述多个分界点，将所述呼吸信号划分为多个呼吸周期；对每个呼吸周期中的呼吸信号进行筛选，得到多个目标呼吸信号，其中，每个目标呼吸信号为所述每个呼吸周期中满足预设条件的信号；依据所述多个目标呼吸信号，确定所述呼吸率变异性数据。
进一步地，依据所述多个目标呼吸信号，确定所述呼吸率变异性数据包括：设置第一滑动窗口和第二滑动窗口，其中，所述第一滑动窗口的长度为第一预设长度，所述第二滑动窗口的长度为第二预设长度，所述第一预设长度和所述第二预设长度不相同；结合滑窗算法，基于所述第一预设长度和预设步进长度，分别计算第一标准差值和第一均方根值，其中，所述第一标准差值用于表示所述第一滑动窗口中每两个相邻目标呼吸信号之间的标准差，所述第一均方根值用于表示所述第一滑动窗口中每两个相邻目标呼吸信号之间的差值的均方根；结合所述滑窗算法，基于所述第二预设长度和所述预设步进长度，分别计算第二标准差值和第二均方根值，其中，所述第二标准差值用于表示所述第二滑动窗口中每两个相邻目标呼吸信号之间的标准差，所述第二均方根值用于表示所述第二滑动窗口中每两个相邻目标呼吸信号之间的差值的均方根；依据所述第一标准差值、所述第一均方根值、所述第二标准差值和所述第二均方根值，确定所述呼吸率变异性数据。
进一步地，在所述呼吸信号中确定多个分界点之前，所述方法还包括：设置多个第三滑动窗口，其中，每个第三滑动窗口的长度为第三预设长度，所述第三预设长度和所述第一预设长度、所述第二预设长度均不相同；确定所述每个第三滑动窗口中呼吸信号的多个第一波峰位置和多个第一波谷位置；结合所述滑窗算法，基于所述多个第一波峰位置、所述多个第一波谷位置、所述第三预设长度和预设的交叠比例，确定所述呼吸信号的多个目标波峰位置和多个目标波谷位置；分别将所述多个目标波峰位置和所述多个目标波谷位置作为所述多个分界点。
进一步地，在确定所述每个第三滑动窗口中呼吸信号的多个第一波峰位置和多个第一波谷位置之前，所述方法还包括：基于所述第三预设长度，对所述呼吸信号进行短时傅里叶变换，得到目标频率信息，其中，所述目标频率信息用于表示所述每个第三滑动窗口中呼吸信号的频率；依据所述目标频率信息，在所述呼吸信号中设置最小呼吸周期的时间范围和最大呼吸周期的时间范围；结合所述最小呼吸周期的时间范围和所述最大呼吸周期的时间范围，确定所述多个第一波峰位置和所述多个第一波谷位置。
进一步地，对每个呼吸周期中的呼吸信号进行筛选，得到多个目标呼吸信号包括：对所述每个呼吸周期中的呼吸信号的模态进行判断，得到判断结果；依据所述判断结果，得到所述多个目标呼吸信号。
进一步地，对所述生命体征信号进行滤波，得到所述目标对象的呼吸信号包括：确定所述生命体征信号中的低频信号和高频信号，其中，所述低频信号用于表示所述目标对象的呼吸信息，所述高频信号用于表示所述目标对象的心跳信息；对所述低频信号进行过滤处理，得到所述呼吸信号。
进一步地，对所述回波数据进行处理，得到所述目标对象的生命体征信号包括：获取所述回波数据中的目标段数据，其中，所述目标段数据的波动幅度小于预设阈值；在所述目标段数据中，确定所述目标对象的胸腔对应的距离门，其中，所述距离门用于表示所述目标对象的胸腔与所述目标监测设备之间的距离；基于所述距离门，在所述目标段数据中提取原始相位信号，其中，所述原始相位信号用于表示时间与所述距离门的相位角之间的对应关系；对所述原始相位信号进行解缠绕处理，得到所述生命体征信号。
进一步地，通过目标监测设备采集睡眠状态下目标对象的回波数据包括：通过所述目标监测设备发射调频连续波信号；通过所述目标监测设备接收所述目标对象反射的回波信号；将所述调频连续波信号和所述回波信号进行混频处理，得到差频信号；对所述差频信号进行处理，得到所述回波数据。
为了实现上述目的，根据本申请的另一方面，提供了一种呼吸率变异性数据的提取装置。该装置包括：第一采集单元，用于通过目标监测设备采集睡眠状态下目标对象的回波数据，其中，所述目标监测设备为所述目标对象无需穿戴的雷达监测设备；第一处理单元，用于对所述回波数据进行处理，得到所述目标对象的生命体征信号；第一滤波单元，用于对所述生命体征信号进行滤波，得到所述目标对象的呼吸信号；第一确定单元，用于基于所述呼吸信号，确定所述目标对象的呼吸率变异性数据。
进一步地，所述第一确定单元包括：第一确定模块，用于在所述呼吸信号中确定多个分界点；第一划分模块，用于依据所述多个分界点，将所述呼吸信号划分为多个呼吸周期；第一筛选模块，用于对每个呼吸周期中的呼吸信号进行筛选，得到多个目标呼吸信号，其中，每个目标呼吸信号为所述每个呼吸周期中满足预设条件的信号；第二确定模块，用于依据所述多个目标呼吸信号，确定所述呼吸率变异性数据。
进一步地，所述第二确定模块包括：第一设置子模块，用于设置第一滑动窗口和第二滑动窗口，其中，所述第一滑动窗口的长度为第一预设长度，所述第二滑动窗口的长度为第二预设长度，所述第一预设长度和所述第二预设长度不相同；第一计算子模块，用于结合滑窗算法，基于所述第一预设长度和预设步进长度，分别计算第一标准差值和第一均方根值，其中，所述第一标准差值用于表示所述第一滑动窗口中每两个相邻目标呼吸信号之间的标准差，所述第一均方根值用于表示所述第一滑动窗口中每两个相邻目标呼吸信号之间的差值的均方根；第二计算子模块，用于结合所述滑窗算法，基于所述第二预设长度和所述预设步进长度，分别计算第二标准差值和第二均方根值，其中，所述第二标准差值用于表示所述第二滑动窗口中每两个相邻目标呼吸信号之间的标准差，所述第二均方根值用于表示所述第二滑动窗口中每两个相邻目标呼吸信号之间的差值的均方根；第一确定子模块，用于依据所述第一标准差值、所述第一均方根值、所述第二标准差值和所述第二均方根值，确定所述呼吸率变异性数据。
进一步地，所述装置还包括：第一设置单元，用于在所述呼吸信号中确定多个分界点之前，设置多个第三滑动窗口，其中，每个第三滑动窗口的长度为第三预设长度，所述第三预设长度和所述第一预设长度、所述第二预设长度均不相同；第二确定单元，用于确定所述每个第三滑动窗口中呼吸信号的多个第一波峰位置和多个第一波谷位置；第三确定单元，用于结合所述滑窗算法，基于所述多个第一波峰位置、所述多个第一波谷位置、所述第三预设长度和预设的交叠比例，确定所述呼吸信号的多个目标波峰位置和多个目标波谷位置；第二处理单元，用于分别将所述多个目标波峰位置和所述多个目标波谷位置作为所述多个分界点。
进一步地，所述装置还包括：第一变换单元，用于在确定所述每个第三滑动窗口中呼吸信号的多个第一波峰位置和多个第一波谷位置之前，基于所述第三预设长度，对所述呼吸信号进行短时傅里叶变换，得到目标频率信息，其中，所述目标频率信息用于表示所述每个第三滑动窗口中呼吸信号的频率；第二设置单元，用于依据所述目标频率信息，在所述呼吸信号中设置最小呼吸周期的时间范围和最大呼吸周期的时间范围；第四确定单元，用于结合所述最小呼吸周期的时间范围和所述最大呼吸周期的时间范围，确定所述多个第一波峰位置和所述多个第一波谷位置。
进一步地，所述第一筛选模块包括：第一判断子模块，用于对所述每个呼吸周期中的呼吸信号的模态进行判断，得到判断结果；第二确定子模块，用于依据所述判断结果，得到所述多个目标呼吸信号。
进一步地，所述第一滤波单元包括：第三确定模块，用于确定所述生命体征信号中的低频信号和高频信号，其中，所述低频信号用于表示所述目标对象的呼吸信息，所述高频信号用于表示所述目标对象的心跳信息；第一过滤模块，用于对所述低频信号进行过滤处理，得到所述呼吸信号。
进一步地，所述第一处理单元包括：第一获取模块，用于获取所述回波数据中的目标段数据，其中，所述目标段数据的波动幅度小于预设阈值；第四确定模块，用于在所述目标段数据中，确定所述目标对象的胸腔对应的距离门，其中，所述距离门用于表示所述目标对象的胸腔与所述目标监测设备之间的距离；第一提取模块，用于基于所述距离门，在所述目标段数据中提取原始相位信号，其中，所述原始相位信号用于表示时间与所述距离门的相位角之间的对应关系；第一处理模块，用于对所述原始相位信号进行解缠绕处理，得到所述生命体征信号。
进一步地，所述第一采集单元包括：第一发射模块，用于通过所述目标监测设备发射调频连续波信号；第一接收模块，用于通过所述目标监测设备接收所述目标对象反射的回波信号；第二处理模块，用于将所述调频连续波信号和所述回波信号进行混频处理，得到差频信号；第三处理模块，用于对所述差频信号进行处理，得到所述回波数据。
为了实现上述目的，根据本申请的另一方面，提供了一种计算机可读存储介质，所述存储介质存储程序，其中，所述程序执行上述的任意一项所述的呼吸率变异性数据的提取方法。
为了实现上述目的，根据本申请的另一方面，提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述的任意一项所述的呼吸率变异性数据的提取方法。
通过本申请，采用以下步骤：通过目标监测设备采集睡眠状态下目标对象的回波数据，其中，目标监测设备为目标对象无需穿戴的雷达监测设备；对回波数据进行处理，得到目标对象的生命体征信号；对生命体征信号进行滤波，得到目标对象的呼吸信号；基于呼吸信号，确定目标对象的呼吸率变异性数据，解决了相关技术中采用接触式的方式获取呼吸率变异性数据，导致用户的睡眠质量下降，影响呼吸率变异性数据统计结果的准确性的问题。通过采用无需目标对象穿戴的雷达监测设备，采集目标对象的回波数据，并对其进行处理，分析，可以获取目标对象的呼吸率变异性数据，从而可以提升用户的睡眠质量，进而可以达到提升呼吸率变异性数据统计结果的准确性的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1是根据本申请实施例提供的呼吸率变异性数据的提取方法的流程图；
图2是本申请实施例中的毫米波雷达设备的安装方式的示意图；
图3是本申请实施例中的提取到的人体生命体征信号的示意图；
图4是本申请实施例中的对呼吸信号进行周期划分的示意图；
图5是根据本申请实施例提供的可选的呼吸率变异性数据的提取方法的流程图；
图6是根据本申请实施例提供的呼吸率变异性数据的提取装置的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没存在做出创造性劳动前提下所获得的所存在其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具存在”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没存在清楚地列出的或对于这些过程、方法、产品或设备固存在的其它步骤或单元。
下面结合优选的实施步骤对本发明进行说明，图1是根据本申请实施例提供的呼吸率变异性数据的提取方法的流程图，如图1所示，该方法包括如下步骤：
步骤S101，通过目标监测设备采集睡眠状态下目标对象的回波数据，其中，目标监测设备为目标对象无需穿戴的雷达监测设备。
例如，上述的目标监测设备可以为毫米波雷达。将毫米波雷达安装在床头中心上方墙壁适当位置处，雷达距床面高度约为1米，并使雷达波束指向人体胸腔位置，采集人体睡眠状态下的回波数据。
步骤S102，对回波数据进行处理，得到目标对象的生命体征信号。
例如，处理所采集的人体睡眠状态下的雷达回波数据，具体为，通过体动检测将人体雷达回波数据划分为体动段和平稳段，对平稳段提取胸腔所在距离门的原始相位信号，并对提取的原始相位信号进行解缠绕操作，得到解缠绕后的相位信号，该解缠绕后的相位信号即为所述生命体征信号，其中主要包含了与呼吸活动有关的信息。
步骤S103，对生命体征信号进行滤波，得到目标对象的呼吸信号。
例如，可以使用均值滤波方法对提取到的人体的生命体征信号进行滤波，得到平滑的呼吸相位信号，由于人体呼吸运动引起的胸腔位移远大于心跳运动引起的胸腔位移，因此，提取到的生命体征信号中的主要成分是呼吸的低频信号，次要成分是心跳的高频信号。故可以采用均值滤波方法过滤心跳的高频噪声，得到平滑的呼吸相位信号。
步骤S104，基于呼吸信号，确定目标对象的呼吸率变异性数据。
例如，对滤波得到的呼吸信号划分呼吸周期，并对每个呼吸周期中的呼吸信号进行筛选，得到筛选后的每个呼吸周期中的呼吸信号，然后根据筛选后的每个呼吸周期中的呼吸信号，获取到人体的呼吸率变异性数据。
通过上述的步骤S101至S104，通过采用无需目标对象穿戴的雷达监测设备，采集目标对象的回波数据，并对其进行处理，分析，可以获取目标对象的呼吸率变异性数据，从而可以提升用户的睡眠质量，进而可以达到提升呼吸率变异性数据统计结果的准确性的效果。
为了准确的得到睡眠状态下目标对象的回波数据，在本申请实施例提供的呼吸率变异性数据的提取方法中，还可以通过以下步骤获取睡眠状态下目标对象的回波数据：通过目标监测设备发射调频连续波信号；通过目标监测设备接收目标对象反射的回波信号；将调频连续波信号和回波信号进行混频处理，得到差频信号；对差频信号进行处理，得到回波数据。
例如，如图2所示，将毫米波雷达安装在床头中心上方墙壁适当位置处，雷达距床面高度约为1米，并使雷达波束指向人体胸腔位置。然后雷达发射调频连续波(FMCW)信号，并接收到返回的回拨信号，然后将雷达接收到的回波信号与发射信号进行混频，并得到差频信号，最后对差频信号进行高通滤波、低噪声放大、ADC采样处理，并得到数字化的回波信号。
综上所述，通过毫米波雷达在不接触人体的情况下，可以准确的获取到睡眠状态下人体的回波数据，同时可以提升用户体验。
为了准确的得到生命体征信号，在本申请实施例提供的呼吸率变异性数据的提取方法中，还可以通过以下步骤获取生命体征信号：获取回波数据中的目标段数据，其中，目标段数据的波动幅度小于预设阈值；在目标段数据中，确定目标对象的胸腔对应的距离门，其中，距离门用于表示目标对象的胸腔与目标监测设备之间的距离；基于距离门，在目标段数据中提取原始相位信号，其中，原始相位信号用于表示时间与距离门的相位角之间的对应关系；对原始相位信号进行解缠绕处理，得到生命体征信号。
例如，通过体动检测将人体雷达回波数据划分为体动段和平稳段，首先对平稳段确定胸腔所在距离门，然后沿该距离门提取原始相位信号，并对提取的原始相位信号进行解缠绕得到接缠绕后的相位信号。且该解缠绕后的相位信号即为生命体征信号，其中包含了与呼吸活动有关的信息。并且，本申请实施例中的提取到的人体生命体征信号的示意图如图3所示。
通过上述的方案，可以快速准确的得到与人体的呼吸活动有关的生命体征信号。
为了准确的得到呼吸信号，在本申请实施例提供的呼吸率变异性数据的提取方法中，还可以通过以下步骤获取呼吸信号：确定生命体征信号中的低频信号和高频信号，其中，低频信号用于表示目标对象的呼吸信息，高频信号用于表示目标对象的心跳信息；对低频信号进行过滤处理，得到呼吸信号。
例如，虽然提取出的生命体征信号代表了人体胸腔的运动特征，但是提取出的生命体征信号以呼吸运动为主要的形式，心跳运动为次要的形式，其中部分情况下还包含了体动等无规律的运动形式。因此，采用1秒钟数据量长度的移动均值滤波方法去平滑生命体征信号，并将平滑后的结果作为呼吸信号s1(t)。
通过上述的方案，可以准确的得到呼吸信号，从而可以避免心跳等其他高频生命体征对后续进行呼吸周期的划分时产生干扰。
为了确定呼吸信号中的呼吸周期分界点，在本申请实施例提供的呼吸率变异性数据的提取方法中，还可以通过以下步骤确定呼吸信号中的呼吸周期分界点：设置多个第三滑动窗口，其中，每个第三滑动窗口的长度为第三预设长度，第三预设长度和第一预设长度、第二预设长度均不相同；确定每个第三滑动窗口中呼吸信号的多个第一波峰位置和多个第一波谷位置；结合滑窗算法，基于多个第一波峰位置、多个第一波谷位置、第三预设长度和预设的交叠比例，确定呼吸信号的多个目标波峰位置和多个目标波谷位置；分别将多个目标波峰位置和多个目标波谷位置作为多个分界点。
例如，利用波峰波谷法，提取呼吸周期的分界点，即利用波峰波谷法对滤波信号s1(t)进行逐次呼吸周期划分，具体方式为：设置多个12.8秒长度的滑动窗口，并提取出的每个窗口内的所有波峰PeakLocs和波谷TroughLocs位置。然后根据每个窗口内的所有波峰PeakLocs和波谷TroughLocs位置，并按照0.1的交叠比例滑动窗口，最终得到呼吸相位信号中的所有波峰位置[PeakLocs0,…,PeakLocsk,…,PeakLocsK]、波谷位置[TroughLocs0,…,TroughLocsk,…,TroughLocsK]。其中，可以定义波峰位置为吸气相起始点，波谷位置为呼气相起始点，K为总的呼吸周期划分次数。并且，本申请实施例中的对呼吸信号进行周期划分的示意图如图4所示。
通过上述的方案，可以快速便捷的对呼吸信号进行周期划分。
为了确定每个滑动窗口中的所有波峰位置和所有波谷位置，在本申请实施例提供的呼吸率变异性数据的提取方法中，还可以通过以下步骤确定每个滑动窗口中的所有波峰位置和所有波谷位置：基于第三预设长度，对呼吸信号进行短时傅里叶变换，得到目标频率信息，其中，目标频率信息用于表示每个第三滑动窗口中呼吸信号的频率；依据目标频率信息，在呼吸信号中设置最小呼吸周期的时间范围和最大呼吸周期的时间范围；结合最小呼吸周期的时间范围和最大呼吸周期的时间范围，确定多个第一波峰位置和多个第一波谷位置。
例如，通过12.8秒的滑动窗口的长度，对呼吸信号s1(t)做短时傅里叶变换，求得窗口期内呼吸信号对应的频率信息，并根据呼吸频率设定最小呼吸周期Tmin和最大呼吸周期Tmax，然后在窗口内找信号的波峰波谷位置，并跳过两两峰值点小于最小呼吸周期Tmin和大于最大呼吸周期Tmax的峰值点，最后得到每个滑动窗口中的所有波峰位置和所有波谷位置。
通过上述的方案，可以快速准确的确定出每个滑动窗口中的呼吸信号的所有波峰位置和所有波谷位置。
为了得到准确的呼吸信号，在本申请实施例提供的呼吸率变异性数据的提取方法中，还可以通过以下步骤得到准确的呼吸信号：对每个呼吸周期中的呼吸信号进行筛选，得到多个目标呼吸信号包括：对每个呼吸周期中的呼吸信号的模态进行判断，得到判断结果；依据判断结果，得到多个目标呼吸信号。
例如，对每个呼吸周期内的呼吸相位信号模态做判断，并筛除掉不符合标准的数据。具体为，由于人在呼吸时，胸腔轮廓的起伏对应着呼吸相位信号呈现出类似正弦波的形式，而睡眠过程中的体动会严重影响呼吸信号的质量，在相位上呈现出一种杂乱的信号形式，以此为依据，剔除掉所有划分出的呼吸周期中，不满足条件的呼吸信号。
综上所述，通过对每个呼吸周期中的数据进行筛选，可以得到准确的呼吸信号，从而可以保证每个呼吸周期的有效性，进而可以提升呼吸率变异性数据计算的准确性。
为了获取到呼吸率变异性数据，在本申请实施例提供的呼吸率变异性数据的提取方法中，还可以通过以下步骤获取呼吸率变异性数据：设置第一滑动窗口和第二滑动窗口，其中，第一滑动窗口的长度为第一预设长度，第二滑动窗口的长度为第二预设长度，第一预设长度和第二预设长度不相同；结合滑窗算法，基于第一预设长度和预设步进长度，分别计算第一标准差值和第一均方根值，其中，第一标准差值用于表示第一滑动窗口中每两个相邻目标呼吸信号之间的标准差，第一均方根值用于表示第一滑动窗口中每两个相邻目标呼吸信号之间的差值的均方根；结合滑窗算法，基于第二预设长度和预设步进长度，分别计算第二标准差值和第二均方根值，其中，第二标准差值用于表示第二滑动窗口中每两个相邻目标呼吸信号之间的标准差，第二均方根值用于表示第二滑动窗口中每两个相邻目标呼吸信号之间的差值的均方根；依据第一标准差值、第一均方根值、第二标准差值和第二均方根值，确定呼吸率变异性数据。
例如，以吸气相起始点作为呼吸周期的起始点，相邻两次吸气相起始点的时间长度即为呼吸周期，记为BB(Breath to Breath)。呼吸率变异性指标SDBB定义为窗口长度内的呼吸周期标准差，公式为：
Figure BDA0003711066260000101
呼吸率变异性指标RMSSD定义为窗口内长度的呼吸周期连续差均方根，公式为：
Figure BDA0003711066260000102
分别选取90秒窗口长度和5分钟的窗口和长度，按照60秒的步进长度，滑窗计算上述两个呼吸率变异性的指标，并统计整晚睡眠过程中的呼吸率变异性数据。
通过上述的方案，根据每个周期中的呼吸信号，可以渐变快速的获取到整晚睡眠过程中的人体的呼吸率变异性数据。
为了得到准确的呼吸率变异性数据，在本申请实施例提供的呼吸率变异性数据的提取方法中，还可以通过以下步骤提取呼吸率变异性数据：在呼吸信号中确定多个分界点；依据多个分界点，将呼吸信号划分为多个呼吸周期；对每个呼吸周期中的呼吸信号进行筛选，得到多个目标呼吸信号，其中，每个目标呼吸信号为每个呼吸周期中满足预设条件的信号；依据多个目标呼吸信号，确定呼吸率变异性数据。
例如，利用波峰波谷法，提取呼吸周期的分界点，即利用时频分析法估计出的呼吸频率做参考，限制呼吸的最大及最小周期时间范围，在呼吸周期允许的范围内，利用波峰波谷法提取呼吸特征的吸气起始点和呼气起始点，并根据呼吸周期的分界点，将呼吸信号分为多个呼吸周期。然后筛选每个呼吸周期中的有效数据，由于人在呼吸时，胸腔轮廓是均匀起伏的，对应的呼吸相位信号也应该是呈现出一种正弦波的形式，所以对于每个呼吸周期内的呼吸相位信号的形式做判断，筛除由于体动等因素引起的呼吸相位信号杂乱无效的数据段，不计入统计。最后利用筛选出来的每个呼吸周期中的数据计算呼吸率变异性指标，具体为，计算每个呼吸周期的呼吸起始点时刻，经过差分运算得到相邻两个呼吸周期的间期差值，并分别计算90秒窗口内及5分钟窗口内呼吸周期的标准差及呼吸周期的连续差均方根。
综上所述，通过将呼吸信号划分为多个呼吸周期，并对每个呼吸周期中的数据进行筛选，再根据筛选后的每个呼吸周期中的数据获取呼吸率变异性数据，可以保证所提取的呼吸率变异性数据的有效性和准确性。
图5是根据本申请实施例提供的可选的呼吸率变异性数据的提取方法的流程图，如图5所示，可选的呼吸率变异性数据的提取方法包括如下步骤：
(1)采集人体睡眠状态下的雷达回波数据，并对人体睡眠状态下的雷达回波数据进行处理，提取生命体征信号。
具体地，将毫米波雷达安装在床头中心上方墙壁适当位置处，雷达距床面高度约为1米，并使雷达波束指向人体胸腔位置，采集人体睡眠状态下的回波数据。
然后处理所采集的人体睡眠状态下的雷达回波数据。具体为，通过体动检测将人体雷达回波数据划分为体动段和平稳段，对平稳段提取胸腔所在距离门的原始相位信号，对提取的原始相位信号进行解缠绕操作，得到解缠绕后的相位信号，该解缠绕后的相位信号即为所述生命体征信号，其中主要包含了与呼吸活动有关的信息。
(2)使用均值滤波方法对生命体征信号进行滤波，得到平滑的呼吸相位信号。
具体地，由于人体呼吸运动引起的胸腔位移远大于心跳运动引起的胸腔位移，提取的生命体征信号中的主要成分是呼吸的低频信号，次要成分是心跳的高频信号。故采用均值滤波方法过滤心跳的高频噪声，得到平滑的呼吸相位信号。
(3)利用波峰波谷法，提取呼吸周期的分界点。
具体地，利用时频分析法估计出的呼吸频率做参考，限制呼吸的最大及最小周期时间范围，在呼吸周期允许的范围内，利用波峰波谷法提取呼吸特征的吸气起始点和呼气起始点。
(4)筛选有效数据。
具体地，由于人在呼吸时，胸腔轮廓是均匀起伏的，对应的呼吸相位信号也应该是呈现出一种正弦波的形式。为保证所提取RRV信号的有效性，对于每个呼吸周期内的呼吸相位信号形式做判断，筛除由于体动等因素引起的呼吸相位信号杂乱无效的数据段，不计入统计。
(5)利用呼吸周期计算呼吸率变异性指标。
具体地，计算每个呼吸周期的呼吸起始点时刻，并经过差分运算得到相邻两个呼吸周期的间期差值BB。然后分别计算90秒窗口内及5分钟窗口内呼吸周期标准差SDBB及呼吸周期连续差均方根RMSSD。
通过上述的方案，采用毫米波雷达，能够在不接触人体的情况下探测人体的呼吸细节数据，从而为夜间连续监测人体生命体征数据提供了方案。另外，基于毫米波雷达探测的人体生命体征数据，在呼吸的细节研究上提出了呼吸率变异性的计算指标和统计方案，对被测人的早期诊断、病中监护、预后评估等具有重要意义。
综上，本申请实施例提供的呼吸率变异性数据的提取方法，通过目标监测设备采集睡眠状态下目标对象的回波数据，其中，目标监测设备为目标对象无需穿戴的雷达监测设备；对回波数据进行处理，得到目标对象的生命体征信号；对生命体征信号进行滤波，得到目标对象的呼吸信号；基于呼吸信号，确定目标对象的呼吸率变异性数据，解决了相关技术中采用接触式的方式获取呼吸率变异性数据，导致用户的睡眠质量下降，影响呼吸率变异性数据统计结果的准确性的问题。通过采用无需目标对象穿戴的雷达监测设备，采集目标对象的回波数据，并对其进行处理，分析，可以获取目标对象的呼吸率变异性数据，从而可以提升用户的睡眠质量，进而可以达到提升呼吸率变异性数据统计结果的准确性的效果。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种呼吸率变异性数据的提取装置，需要说明的是，本申请实施例的呼吸率变异性数据的提取装置可以用于执行本申请实施例所提供的用于呼吸率变异性数据的提取方法。以下对本申请实施例提供的呼吸率变异性数据的提取装置进行介绍。
图6是根据本申请实施例的呼吸率变异性数据的提取装置的示意图。如图6所示，该装置包括：第一采集单元601、第一处理单元602、第一滤波单元603和第一确定单元604。
具体地，第一采集单元601，用于通过目标监测设备采集睡眠状态下目标对象的回波数据，其中，目标监测设备为目标对象无需穿戴的雷达监测设备；
第一处理单元602，用于对回波数据进行处理，得到目标对象的生命体征信号；
第一滤波单元603，用于对生命体征信号进行滤波，得到目标对象的呼吸信号；
第一确定单元604，用于基于呼吸信号，确定目标对象的呼吸率变异性数据。
综上，本申请实施例提供的呼吸率变异性数据的提取装置，通过第一采集单元601通过目标监测设备采集睡眠状态下目标对象的回波数据，其中，目标监测设备为目标对象无需穿戴的雷达监测设备；第一处理单元602对回波数据进行处理，得到目标对象的生命体征信号；第一滤波单元603对生命体征信号进行滤波，得到目标对象的呼吸信号；第一确定单元604基于呼吸信号，确定目标对象的呼吸率变异性数据，解决了相关技术中采用接触式的方式获取呼吸率变异性数据，导致用户的睡眠质量下降，影响呼吸率变异性数据统计结果的准确性的问题，通过采用无需目标对象穿戴的雷达监测设备，采集目标对象的回波数据，并对其进行处理，分析，可以获取目标对象的呼吸率变异性数据，从而可以提升用户的睡眠质量，进而可以达到提升呼吸率变异性数据统计结果的准确性的效果。
可选地，在本申请实施例提供的呼吸率变异性数据的提取装置中，第一确定单元包括：第一确定模块，用于在呼吸信号中确定多个分界点；第一划分模块，用于依据多个分界点，将呼吸信号划分为多个呼吸周期；第一筛选模块，用于对每个呼吸周期中的呼吸信号进行筛选，得到多个目标呼吸信号，其中，每个目标呼吸信号为每个呼吸周期中满足预设条件的信号；第二确定模块，用于依据多个目标呼吸信号，确定呼吸率变异性数据。
可选地，在本申请实施例提供的呼吸率变异性数据的提取装置中，第二确定模块包括：第一设置子模块，用于设置第一滑动窗口和第二滑动窗口，其中，第一滑动窗口的长度为第一预设长度，第二滑动窗口的长度为第二预设长度，第一预设长度和第二预设长度不相同；第一计算子模块，用于结合滑窗算法，基于第一预设长度和预设步进长度，分别计算第一标准差值和第一均方根值，其中，第一标准差值用于表示第一滑动窗口中每两个相邻目标呼吸信号之间的标准差，第一均方根值用于表示第一滑动窗口中每两个相邻目标呼吸信号之间的差值的均方根；第二计算子模块，用于结合滑窗算法，基于第二预设长度和预设步进长度，分别计算第二标准差值和第二均方根值，其中，第二标准差值用于表示第二滑动窗口中每两个相邻目标呼吸信号之间的标准差，第二均方根值用于表示第二滑动窗口中每两个相邻目标呼吸信号之间的差值的均方根；第一确定子模块，用于依据第一标准差值、第一均方根值、第二标准差值和第二均方根值，确定呼吸率变异性数据。
可选地，在本申请实施例提供的呼吸率变异性数据的提取装置中，该装置还包括：第一设置单元，用于在呼吸信号中确定多个分界点之前，设置多个第三滑动窗口，其中，每个第三滑动窗口的长度为第三预设长度，第三预设长度和第一预设长度、第二预设长度均不相同；第二确定单元，用于确定每个第三滑动窗口中呼吸信号的多个第一波峰位置和多个第一波谷位置；第三确定单元，用于结合滑窗算法，基于多个第一波峰位置、多个第一波谷位置、第三预设长度和预设的交叠比例，确定呼吸信号的多个目标波峰位置和多个目标波谷位置；第二处理单元，用于分别将多个目标波峰位置和多个目标波谷位置作为多个分界点。
可选地，在本申请实施例提供的呼吸率变异性数据的提取装置中，该装置还包括：第一变换单元，用于在确定每个第三滑动窗口中呼吸信号的多个第一波峰位置和多个第一波谷位置之前，基于第三预设长度，对呼吸信号进行短时傅里叶变换，得到目标频率信息，其中，目标频率信息用于表示每个第三滑动窗口中呼吸信号的频率；第二设置单元，用于依据目标频率信息，在呼吸信号中设置最小呼吸周期的时间范围和最大呼吸周期的时间范围；第四确定单元，用于结合最小呼吸周期的时间范围和最大呼吸周期的时间范围，确定多个第一波峰位置和多个第一波谷位置。
可选地，在本申请实施例提供的呼吸率变异性数据的提取装置中，第一筛选模块包括：第一判断子模块，用于对每个呼吸周期中的呼吸信号的模态进行判断，得到判断结果；第二确定子模块，用于依据判断结果，得到多个目标呼吸信号。
可选地，在本申请实施例提供的呼吸率变异性数据的提取装置中，第一滤波单元包括：第三确定模块，用于确定生命体征信号中的低频信号和高频信号，其中，低频信号用于表示目标对象的呼吸信息，高频信号用于表示目标对象的心跳信息；第一过滤模块，用于对低频信号进行过滤处理，得到呼吸信号。
可选地，在本申请实施例提供的呼吸率变异性数据的提取装置中，第一处理单元包括：第一获取模块，用于获取回波数据中的目标段数据，其中，目标段数据的波动幅度小于预设阈值；第四确定模块，用于在目标段数据中，确定目标对象的胸腔对应的距离门，其中，距离门用于表示目标对象的胸腔与目标监测设备之间的距离；第一提取模块，用于基于距离门，在目标段数据中提取原始相位信号，其中，原始相位信号用于表示时间与距离门的相位角之间的对应关系；第一处理模块，用于对原始相位信号进行解缠绕处理，得到生命体征信号。
可选地，在本申请实施例提供的呼吸率变异性数据的提取装置中，第一采集单元包括：第一发射模块，用于通过目标监测设备发射调频连续波信号；第一接收模块，用于通过目标监测设备接收目标对象反射的回波信号；第二处理模块，用于将调频连续波信号和回波信号进行混频处理，得到差频信号；第三处理模块，用于对差频信号进行处理，得到回波数据。
呼吸率变异性数据的提取装置包括处理器和存储器，上述第一采集单元601、第一处理单元602、第一滤波单元603和第一确定单元604等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提升呼吸率变异性数据统计结果的准确性。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质，其上存储存有程序，该程序被处理器执行时实现所述呼吸率变异性数据的提取方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述呼吸率变异性数据的提取方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：通过目标监测设备采集睡眠状态下目标对象的回波数据，其中，所述目标监测设备为所述目标对象无需穿戴的雷达监测设备；对所述回波数据进行处理，得到所述目标对象的生命体征信号；对所述生命体征信号进行滤波，得到所述目标对象的呼吸信号；基于所述呼吸信号，确定所述目标对象的呼吸率变异性数据。
处理器执行程序时还实现以下步骤：基于所述呼吸信号，确定所述目标对象的呼吸率变异性数据包括：在所述呼吸信号中确定多个分界点；依据所述多个分界点，将所述呼吸信号划分为多个呼吸周期；对每个呼吸周期中的呼吸信号进行筛选，得到多个目标呼吸信号，其中，每个目标呼吸信号为所述每个呼吸周期中满足预设条件的信号；依据所述多个目标呼吸信号，确定所述呼吸率变异性数据。
处理器执行程序时还实现以下步骤：依据所述多个目标呼吸信号，确定所述呼吸率变异性数据包括：设置第一滑动窗口和第二滑动窗口，其中，所述第一滑动窗口的长度为第一预设长度，所述第二滑动窗口的长度为第二预设长度，所述第一预设长度和所述第二预设长度不相同；结合滑窗算法，基于所述第一预设长度和预设步进长度，分别计算第一标准差值和第一均方根值，其中，所述第一标准差值用于表示所述第一滑动窗口中每两个相邻目标呼吸信号之间的标准差，所述第一均方根值用于表示所述第一滑动窗口中每两个相邻目标呼吸信号之间的差值的均方根；结合所述滑窗算法，基于所述第二预设长度和所述预设步进长度，分别计算第二标准差值和第二均方根值，其中，所述第二标准差值用于表示所述第二滑动窗口中每两个相邻目标呼吸信号之间的标准差，所述第二均方根值用于表示所述第二滑动窗口中每两个相邻目标呼吸信号之间的差值的均方根；依据所述第一标准差值、所述第一均方根值、所述第二标准差值和所述第二均方根值，确定所述呼吸率变异性数据。
处理器执行程序时还实现以下步骤：在所述呼吸信号中确定多个分界点之前，所述方法还包括：设置多个第三滑动窗口，其中，每个第三滑动窗口的长度为第三预设长度，所述第三预设长度和所述第一预设长度、所述第二预设长度均不相同；确定所述每个第三滑动窗口中呼吸信号的多个第一波峰位置和多个第一波谷位置；结合所述滑窗算法，基于所述多个第一波峰位置、所述多个第一波谷位置、所述第三预设长度和预设的交叠比例，确定所述呼吸信号的多个目标波峰位置和多个目标波谷位置；分别将所述多个目标波峰位置和所述多个目标波谷位置作为所述多个分界点。
处理器执行程序时还实现以下步骤：在确定所述每个第三滑动窗口中呼吸信号的多个第一波峰位置和多个第一波谷位置之前，所述方法还包括：基于所述第三预设长度，对所述呼吸信号进行短时傅里叶变换，得到目标频率信息，其中，所述目标频率信息用于表示所述每个第三滑动窗口中呼吸信号的频率；依据所述目标频率信息，在所述呼吸信号中设置最小呼吸周期的时间范围和最大呼吸周期的时间范围；结合所述最小呼吸周期的时间范围和所述最大呼吸周期的时间范围，确定所述多个第一波峰位置和所述多个第一波谷位置。
处理器执行程序时还实现以下步骤：对每个呼吸周期中的呼吸信号进行筛选，得到多个目标呼吸信号包括：对所述每个呼吸周期中的呼吸信号的模态进行判断，得到判断结果；依据所述判断结果，得到所述多个目标呼吸信号。
处理器执行程序时还实现以下步骤：对所述生命体征信号进行滤波，得到所述目标对象的呼吸信号包括：确定所述生命体征信号中的低频信号和高频信号，其中，所述低频信号用于表示所述目标对象的呼吸信息，所述高频信号用于表示所述目标对象的心跳信息；对所述低频信号进行过滤处理，得到所述呼吸信号。
处理器执行程序时还实现以下步骤：对所述回波数据进行处理，得到所述目标对象的生命体征信号包括：获取所述回波数据中的目标段数据，其中，所述目标段数据的波动幅度小于预设阈值；在所述目标段数据中，确定所述目标对象的胸腔对应的距离门，其中，所述距离门用于表示所述目标对象的胸腔与所述目标监测设备之间的距离；基于所述距离门，在所述目标段数据中提取原始相位信号，其中，所述原始相位信号用于表示时间与所述距离门的相位角之间的对应关系；对所述原始相位信号进行解缠绕处理，得到所述生命体征信号。
处理器执行程序时还实现以下步骤：通过目标监测设备采集睡眠状态下目标对象的回波数据包括：通过所述目标监测设备发射调频连续波信号；通过所述目标监测设备接收所述目标对象反射的回波信号；将所述调频连续波信号和所述回波信号进行混频处理，得到差频信号；对所述差频信号进行处理，得到所述回波数据。
本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化存在如下方法步骤的程序：通过目标监测设备采集睡眠状态下目标对象的回波数据，其中，所述目标监测设备为所述目标对象无需穿戴的雷达监测设备；对所述回波数据进行处理，得到所述目标对象的生命体征信号；对所述生命体征信号进行滤波，得到所述目标对象的呼吸信号；基于所述呼吸信号，确定所述目标对象的呼吸率变异性数据。
当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：基于所述呼吸信号，确定所述目标对象的呼吸率变异性数据包括：在所述呼吸信号中确定多个分界点；依据所述多个分界点，将所述呼吸信号划分为多个呼吸周期；对每个呼吸周期中的呼吸信号进行筛选，得到多个目标呼吸信号，其中，每个目标呼吸信号为所述每个呼吸周期中满足预设条件的信号；依据所述多个目标呼吸信号，确定所述呼吸率变异性数据。
当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：依据所述多个目标呼吸信号，确定所述呼吸率变异性数据包括：设置第一滑动窗口和第二滑动窗口，其中，所述第一滑动窗口的长度为第一预设长度，所述第二滑动窗口的长度为第二预设长度，所述第一预设长度和所述第二预设长度不相同；结合滑窗算法，基于所述第一预设长度和预设步进长度，分别计算第一标准差值和第一均方根值，其中，所述第一标准差值用于表示所述第一滑动窗口中每两个相邻目标呼吸信号之间的标准差，所述第一均方根值用于表示所述第一滑动窗口中每两个相邻目标呼吸信号之间的差值的均方根；结合所述滑窗算法，基于所述第二预设长度和所述预设步进长度，分别计算第二标准差值和第二均方根值，其中，所述第二标准差值用于表示所述第二滑动窗口中每两个相邻目标呼吸信号之间的标准差，所述第二均方根值用于表示所述第二滑动窗口中每两个相邻目标呼吸信号之间的差值的均方根；依据所述第一标准差值、所述第一均方根值、所述第二标准差值和所述第二均方根值，确定所述呼吸率变异性数据。
当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：在所述呼吸信号中确定多个分界点之前，所述方法还包括：设置多个第三滑动窗口，其中，每个第三滑动窗口的长度为第三预设长度，所述第三预设长度和所述第一预设长度、所述第二预设长度均不相同；确定所述每个第三滑动窗口中呼吸信号的多个第一波峰位置和多个第一波谷位置；结合所述滑窗算法，基于所述多个第一波峰位置、所述多个第一波谷位置、所述第三预设长度和预设的交叠比例，确定所述呼吸信号的多个目标波峰位置和多个目标波谷位置；分别将所述多个目标波峰位置和所述多个目标波谷位置作为所述多个分界点。
当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：在确定所述每个第三滑动窗口中呼吸信号的多个第一波峰位置和多个第一波谷位置之前，所述方法还包括：基于所述第三预设长度，对所述呼吸信号进行短时傅里叶变换，得到目标频率信息，其中，所述目标频率信息用于表示所述每个第三滑动窗口中呼吸信号的频率；依据所述目标频率信息，在所述呼吸信号中设置最小呼吸周期的时间范围和最大呼吸周期的时间范围；结合所述最小呼吸周期的时间范围和所述最大呼吸周期的时间范围，确定所述多个第一波峰位置和所述多个第一波谷位置。
当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：对每个呼吸周期中的呼吸信号进行筛选，得到多个目标呼吸信号包括：对所述每个呼吸周期中的呼吸信号的模态进行判断，得到判断结果；依据所述判断结果，得到所述多个目标呼吸信号。
当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：对所述生命体征信号进行滤波，得到所述目标对象的呼吸信号包括：确定所述生命体征信号中的低频信号和高频信号，其中，所述低频信号用于表示所述目标对象的呼吸信息，所述高频信号用于表示所述目标对象的心跳信息；对所述低频信号进行过滤处理，得到所述呼吸信号。
当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：对所述回波数据进行处理，得到所述目标对象的生命体征信号包括：获取所述回波数据中的目标段数据，其中，所述目标段数据的波动幅度小于预设阈值；在所述目标段数据中，确定所述目标对象的胸腔对应的距离门，其中，所述距离门用于表示所述目标对象的胸腔与所述目标监测设备之间的距离；基于所述距离门，在所述目标段数据中提取原始相位信号，其中，所述原始相位信号用于表示时间与所述距离门的相位角之间的对应关系；对所述原始相位信号进行解缠绕处理，得到所述生命体征信号。
当在数据处理设备上执行时，还适于执行初始化有如下方法步骤的程序：通过目标监测设备采集睡眠状态下目标对象的回波数据包括：通过所述目标监测设备发射调频连续波信号；通过所述目标监测设备接收所述目标对象反射的回波信号；将所述调频连续波信号和所述回波信号进行混频处理，得到差频信号；对所述差频信号进行处理，得到所述回波数据。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含存在计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没存在明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固存在的要素。在没存在更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含存在计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以存在各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (12)

1.一种呼吸率变异性数据的提取方法，其特征在于，包括：
通过目标监测设备采集睡眠状态下目标对象的回波数据，其中，所述目标监测设备为所述目标对象无需穿戴的雷达监测设备；
对所述回波数据进行处理，得到所述目标对象的生命体征信号；
对所述生命体征信号进行滤波，得到所述目标对象的呼吸信号；
基于所述呼吸信号，确定所述目标对象的呼吸率变异性数据。
2.根据权利要求1所述的方法，其特征在于，基于所述呼吸信号，确定所述目标对象的呼吸率变异性数据包括：
在所述呼吸信号中确定多个分界点；
依据所述多个分界点，将所述呼吸信号划分为多个呼吸周期；
对每个呼吸周期中的呼吸信号进行筛选，得到多个目标呼吸信号，其中，每个目标呼吸信号为所述每个呼吸周期中满足预设条件的信号；
依据所述多个目标呼吸信号，确定所述呼吸率变异性数据。
3.根据权利要求2所述的方法，其特征在于，依据所述多个目标呼吸信号，确定所述呼吸率变异性数据包括：
设置第一滑动窗口和第二滑动窗口，其中，所述第一滑动窗口的长度为第一预设长度，所述第二滑动窗口的长度为第二预设长度，所述第一预设长度和所述第二预设长度不相同；
结合滑窗算法，基于所述第一预设长度和预设步进长度，分别计算第一标准差值和第一均方根值，其中，所述第一标准差值用于表示所述第一滑动窗口中每两个相邻目标呼吸信号之间的标准差，所述第一均方根值用于表示所述第一滑动窗口中每两个相邻目标呼吸信号之间的差值的均方根；
结合所述滑窗算法，基于所述第二预设长度和所述预设步进长度，分别计算第二标准差值和第二均方根值，其中，所述第二标准差值用于表示所述第二滑动窗口中每两个相邻目标呼吸信号之间的标准差，所述第二均方根值用于表示所述第二滑动窗口中每两个相邻目标呼吸信号之间的差值的均方根；
依据所述第一标准差值、所述第一均方根值、所述第二标准差值和所述第二均方根值，确定所述呼吸率变异性数据。
4.根据权利要求3所述的方法，其特征在于，在所述呼吸信号中确定多个分界点之前，所述方法还包括：
设置多个第三滑动窗口，其中，每个第三滑动窗口的长度为第三预设长度，所述第三预设长度和所述第一预设长度、所述第二预设长度均不相同；
确定所述每个第三滑动窗口中呼吸信号的多个第一波峰位置和多个第一波谷位置；
结合所述滑窗算法，基于所述多个第一波峰位置、所述多个第一波谷位置、所述第三预设长度和预设的交叠比例，确定所述呼吸信号的多个目标波峰位置和多个目标波谷位置；
分别将所述多个目标波峰位置和所述多个目标波谷位置作为所述多个分界点。
5.根据权利要求4所述的方法，其特征在于，在确定所述每个第三滑动窗口中呼吸信号的多个第一波峰位置和多个第一波谷位置之前，所述方法还包括：
基于所述第三预设长度，对所述呼吸信号进行短时傅里叶变换，得到目标频率信息，其中，所述目标频率信息用于表示所述每个第三滑动窗口中呼吸信号的频率；
依据所述目标频率信息，在所述呼吸信号中设置最小呼吸周期的时间范围和最大呼吸周期的时间范围；
结合所述最小呼吸周期的时间范围和所述最大呼吸周期的时间范围，确定所述多个第一波峰位置和所述多个第一波谷位置。
6.根据权利要求2所述的方法，其特征在于，对每个呼吸周期中的呼吸信号进行筛选，得到多个目标呼吸信号包括：
对所述每个呼吸周期中的呼吸信号的模态进行判断，得到判断结果；
依据所述判断结果，得到所述多个目标呼吸信号。
7.根据权利要求1所述的方法，其特征在于，对所述生命体征信号进行滤波，得到所述目标对象的呼吸信号包括：
确定所述生命体征信号中的低频信号和高频信号，其中，所述低频信号用于表示所述目标对象的呼吸信息，所述高频信号用于表示所述目标对象的心跳信息；
对所述低频信号进行过滤处理，得到所述呼吸信号。
8.根据权利要求1所述的方法，其特征在于，对所述回波数据进行处理，得到所述目标对象的生命体征信号包括：
获取所述回波数据中的目标段数据，其中，所述目标段数据的波动幅度小于预设阈值；
在所述目标段数据中，确定所述目标对象的胸腔对应的距离门，其中，所述距离门用于表示所述目标对象的胸腔与所述目标监测设备之间的距离；
基于所述距离门，在所述目标段数据中提取原始相位信号，其中，所述原始相位信号用于表示时间与所述距离门的相位角之间的对应关系；
对所述原始相位信号进行解缠绕处理，得到所述生命体征信号。
9.根据权利要求1所述的方法，其特征在于，通过目标监测设备采集睡眠状态下目标对象的回波数据包括：
通过所述目标监测设备发射调频连续波信号；
通过所述目标监测设备接收所述目标对象反射的回波信号；
将所述调频连续波信号和所述回波信号进行混频处理，得到差频信号；
对所述差频信号进行处理，得到所述回波数据。
10.一种呼吸率变异性数据的提取装置，其特征在于，包括：
第一采集单元，用于通过目标监测设备采集睡眠状态下目标对象的回波数据，其中，所述目标监测设备为所述目标对象无需穿戴的雷达监测设备；
第一处理单元，用于对所述回波数据进行处理，得到所述目标对象的生命体征信号；
第一滤波单元，用于对所述生命体征信号进行滤波，得到所述目标对象的呼吸信号；
第一确定单元，用于基于所述呼吸信号，确定所述目标对象的呼吸率变异性数据。
11.一种计算机可读存储介质，其特征在于，所述存储介质存储程序，其中，所述程序执行权利要求1至9中任意一项所述的呼吸率变异性数据的提取方法。
12.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至9中任意一项所述的呼吸率变异性数据的提取方法。
CN202210720397.6A 2022-06-23 2022-06-23 呼吸率变异性数据的提取方法及装置、存储介质 Pending CN115089164A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210720397.6A CN115089164A (zh) 2022-06-23 2022-06-23 呼吸率变异性数据的提取方法及装置、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210720397.6A CN115089164A (zh) 2022-06-23 2022-06-23 呼吸率变异性数据的提取方法及装置、存储介质

Publications (1)

Publication Number Publication Date
CN115089164A true CN115089164A (zh) 2022-09-23

Family

ID=83291953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210720397.6A Pending CN115089164A (zh) 2022-06-23 2022-06-23 呼吸率变异性数据的提取方法及装置、存储介质

Country Status (1)

Country Link
CN (1) CN115089164A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115778352A (zh) * 2023-02-02 2023-03-14 北京华声医学科技开发公司 基于毫米波雷达的睡眠质量评估方法、设备、系统及介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115778352A (zh) * 2023-02-02 2023-03-14 北京华声医学科技开发公司 基于毫米波雷达的睡眠质量评估方法、设备、系统及介质

Similar Documents

Publication Publication Date Title
CN108388912B (zh) 基于多传感器特征优化算法的睡眠分期方法
Boashash et al. Time-frequency processing of nonstationary signals: Advanced TFD design to aid diagnosis with highlights from medical applications
Wu et al. Evaluating physiological dynamics via synchrosqueezing: Prediction of ventilator weaning
US20140088373A1 (en) System and method for determining sleep stage
US20090171226A1 (en) System and method for evaluating variation in the timing of physiological events
JP6310401B2 (ja) 生理的リズムを表す信号を処理する方法、システム及びコンピュータプログラム
US10420499B2 (en) Method and system of detecting seizures
JP2015521075A (ja) 心臓信号からの呼吸速度の抽出
JP5929020B2 (ja) 意識状態推定装置及びプログラム
US20140073960A1 (en) Methods and systems for determining physiological information based on a combined autocorrelation sequence
US20140073898A1 (en) Methods and systems for qualifying physiological values based on segments of a physiological signal
US20140073963A1 (en) Methods and systems for qualifying physiological values based on segments from a cross-correlation sequence
US20140073864A1 (en) Methods and systems for determining physiological information based on fast start parameters
CN104757955A (zh) 一种基于脉搏波的人体血压预测方法
US20140073870A1 (en) Methods and systems for determining physiological information based on a peak of a cross-correlation
US20140073877A1 (en) Methods and systems for determining physiological information using autocorrelation and an envelope technique
Tataraidze et al. Bioradiolocation-based sleep stage classification
US20140073974A1 (en) Methods and systems for determining physiological information using an autocorrelation sequence and a variable threshold
CN115089164A (zh) 呼吸率变异性数据的提取方法及装置、存储介质
JP2021032880A (ja) バイタルサインの検出装置、方法及びシステム
CN115778352A (zh) 基于毫米波雷达的睡眠质量评估方法、设备、系统及介质
US20140073955A1 (en) Methods and systems for determining physiological information based on a classification of a physiological signal
US20140073866A1 (en) Methods and systems for determining physiological information based on a cross-correlation waveform
Dai et al. Respwatch: Robust measurement of respiratory rate on smartwatches with photoplethysmography
Surrel et al. Low-power wearable system for real-time screening of obstructive sleep apnea

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