CN115281641A - 心率提取方法及装置、电子设备、压电式传感器及介质 - Google Patents
心率提取方法及装置、电子设备、压电式传感器及介质 Download PDFInfo
- Publication number
- CN115281641A CN115281641A CN202110412200.8A CN202110412200A CN115281641A CN 115281641 A CN115281641 A CN 115281641A CN 202110412200 A CN202110412200 A CN 202110412200A CN 115281641 A CN115281641 A CN 115281641A
- Authority
- CN
- China
- Prior art keywords
- signal
- respiratory
- heart rate
- vital sign
- sequence
- 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
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 73
- 230000000241 respiratory effect Effects 0.000 claims abstract description 164
- 238000001514 detection method Methods 0.000 claims abstract description 70
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000001914 filtration Methods 0.000 claims description 49
- 238000012545 processing Methods 0.000 claims description 48
- 230000003044 adaptive effect Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 20
- 101150029607 SS18L1 gene Proteins 0.000 claims description 16
- 238000001228 spectrum Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000005311 autocorrelation function Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 12
- 238000012217 deletion Methods 0.000 description 6
- 230000037430 deletion Effects 0.000 description 6
- 230000033764 rhythmic process Effects 0.000 description 6
- 230000008030 elimination Effects 0.000 description 4
- 238000003379 elimination reaction Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000013589 supplement Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000001121 heart beat frequency Effects 0.000 description 2
- 230000008518 non respiratory effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000009532 heart rate measurement Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000036391 respiratory frequency Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- 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
- A61B5/7235—Details of waveform analysis
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
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)
- Signal Processing (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本申请实施例提供一种心率提取方法及装置、电子设备、压电式传感器及介质,所述方法包括:获取目标对象的生命体征信号;检测所述生命体征信号中是否包含呼吸谐波,得到检测结果;根据所述检测结果对所述生命体征信号执行相应的心率提取操作,以获得所述目标对象的心率。通过检测目标对象的生命体征信号中是否包含呼吸谐波,进而根据检测结果对所述生命体征信号执行相应的心率提取操作,以获得所述目标对象的心率,从而实现灵活且准确地提取心率,并提高了运算资源利用率。
Description
技术领域
本申请涉及心率测量技术领域,尤其是涉及一种心率提取方法及装置、电子设备、压电式传感器及计算机可读存储介质。
背景技术
当前,人们对于自身健康状况越来越关注,而心率作为一项重要的生命体征指标相应受到重视。通过压电式传感器可以检测到人体的生命体征信号,进而从该生命体征信号中可以分离得到人体的呼吸率和心率。在实际应用中,由于心跳信号比较微弱,且容易受到呼吸谐波影响,从而导致对心率提取的准确性低,而这种情况常见于临床心血患者或呼吸不均匀人群中。
然而,已知的心率提取方法主要存在以下问题,即要么是没有考虑呼吸谐波对心跳信号的影响,导致心率提取的准确性很低;要么是对任何信号都进行呼吸谐波抵消处理,占用较多的运算资源。
发明内容
为解决现有存在的技术问题,本申请提供一种能够灵活且准确地提取心率,运算资源利用率高的心率提取方法及装置、电子设备、压电式传感器及计算机可读存储介质。
为达到上述目的,本申请实施例的技术方案是这样实现的:
第一方面,本申请实施例提供一种心率提取方法,所述方法包括:
获取目标对象的生命体征信号;
检测所述生命体征信号中是否包含呼吸谐波,得到检测结果;
根据所述检测结果对所述生命体征信号执行相应的心率提取操作,以获得所述目标对象的心率。
第二方面,本申请实施例提供一种心率提取装置,所述装置包括:
获取模块,用于获取目标对象的生命体征信号;
呼吸谐波检测模块,用于检测所述生命体征信号中是否包含呼吸谐波,得到检测结果;
心率提取模块,用于根据所述检测结果对所述生命体征信号执行相应的心率提取操作,以获得所述目标对象的心率。
第三方面,本申请实施例提供一种电子设备,包括处理器、存储器及存储在所述存储器上并可被所述处理器执行的计算机程序,所述计算机程序被所述处理器执行时实现本申请任一实施例所述的心率提取方法。
第四方面,本申请实施例提供一种压电式传感器,包括处理器、存储器及存储在所述存储器上并可被所述处理器执行的计算机程序,所述计算机程序被所述处理器执行时实现本申请任一实施例所述的心率提取方法。
第五方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被所述处理器执行时实现本申请任一实施例所述的心率提取方法。
本申请上述实施例提供的心率提取方法及装置、电子设备及计算机可读存储介质,获取目标对象的生命体征信号,检测所述生命体征信号中是否包含呼吸谐波,得到检测结果,根据所述检测结果对所述生命体征信号执行相应的心率提取操作,以获得所述目标对象的心率,如此,通过检测目标对象的生命体征信号中是否包含呼吸谐波,进而根据检测结果对所述生命体征信号执行相应的心率提取操作,以获得所述目标对象的心率,从而实现灵活且准确地提取心率,并提高了运算资源利用率。此外,可为生命健康检测提供更准确的参考。
附图说明
图1为适用本申请实施例的应用环境示意图;
图2为本申请实施例中心率提取方法的流程图;
图3为本申请一实施例中心率提取装置的示意图;
图4为本申请另一实施例中心率提取装置的示意图;
图5为本申请一实施例中自适应滤波示意图;
图6为本申请一实施例中电子设备的结构示意图;
图7为本申请一实施例中压电式传感器的结构示意图;
图8为本申请另一实施例中电子设备的结构示意图;
图9为本申请一实施例中计算机可读存储介质的示意图。
具体实施方式
以下结合说明书附图及具体实施例对本申请技术方案做进一步的详细阐述。
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请的实现方式。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
在本申请的描述中,需要理解的是,术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
请参阅图1,图1为适用于本申请实施例的一种应用环境示意图。本申请实施例提供的心率提取方法可以应用于如图1所示的智能家居系统中,该智能家居系统包括压电式传感器101和计算机设备102。
其中,压电式传感器101可用于在贴附在目标对象的皮肤表面时,采集目标对象的生命体征信号。计算机设备102是指具备对数据进行处理和存储功能的设备,具体可以为个人计算机(Personal Computer,PC)、手机、平板电脑、穿戴式电子设备、服务器或者其他具有计算能力的电子设备,本申请实施例对此不作限定。计算机设备102与压电式传感器101可以为分离的硬件设备,计算机设备102可以接收压电式传感器101采集的目标对象的生命体征信号,然后作后续的处理,如对生命体征信号进行心率提取。在本申请实施例中,目标对象是指具有心率的人或动物等。
压电式传感器101与计算机设备102之间可以通过有线或者无线的方式进行通信。例如,压电式传感器101与计算机设备102之间的数据传送可以采用设备到设备(Ad-Hoc)的方式,也可以在基站或无线访问点(Access Point,AP)的协调下进行,本申请实施例对此不作限定。
在一些实施例中,压电式传感器101是独立的,压电式传感器101可以设置于其他电子设备上,例如,压电式传感器101可设置于计算机设备102,也可设置于除计算机设备102外的如呼吸机等其他设备,本申请实施例对此不作限定。在另一些实施例中,压电式传感器101与计算机设备102为集成为一体硬件设备,通过一体的压电式传感器101实施本申请实施例提供的心率提取方法。可以理解的是,以上应用环境仅为方便理解下述实施例作出的示例性描述,并不对本申请实施例实际可实施的应用环境构成任何限定。
请参阅图2,为本申请一实施例提供的一种心率提取方法,可应用于上述计算机设备,所述心率提取方法包括但不限于S101、S103和S105,具体介绍如下:
S101,获取目标对象的生命体征信号。
其中,所述目标对象可以为人体等具有心率的对象。计算机设备获取目标对象的生命体征信号可以是接收压电式传感器发送的其自身所采集的目标对象的生命体征信号,也可以是接收其它终端设备如智能手机等发送的由压电式传感器所采集的目标对象的生命体征信号。需要说明的是,本实施例中以所述生命体征信号为离散时间信号为例,即为通过对原始的生命体征信号进行间隔采样获得的。此外,所述生命体征信号可以为一帧或多帧,本实施例中以获取一帧生命体征信号为例。
S103,检测所述生命体征信号中是否包含呼吸谐波,得到检测结果。
可以理解地,因呼吸谐波的存在,包含呼吸谐波的生命体征信号与未包含呼吸谐波的生命体征信号之间将存在一些差异特征,而基于这些差异特征可检测获取的生命体征信号中是否包含呼吸谐波。本实施例中,计算机设备可基于生命体征信号中波峰与波谷的特征检测所述生命体征信号中是否包含呼吸谐波,得到检测结果。
S105,根据所述检测结果对所述生命体征信号执行相应的心率提取操作,以获得所述目标对象的心率。
其中,根据检测结果的不同,对所述生命体征信号执行心率提取操作也相应不同。具体地,当根据所述检测结果确定所述生命体征信号中不包含呼吸谐波时,可直接对所述生命体征信号进行心率提取,以获得所述目标对象的心率;当根据所述检测结果确定所述生命体征信号中包含呼吸谐波时,需要先消除所述生命体征信号中包含的呼吸谐波,然后再对消除呼吸谐波后的所述生命体征信号进行心率提取,以获得所述目标对象的心率。
本申请上述实施例中,获取目标对象的生命体征信号,检测所述生命体征信号中是否包含呼吸谐波,得到检测结果,根据所述检测结果对所述生命体征信号执行相应的心率提取操作,以获得所述目标对象的心率,如此,通过检测目标对象的生命体征信号中是否包含呼吸谐波,进而根据检测结果对所述生命体征信号执行相应的心率提取操作,以获得所述目标对象的心率,从而实现灵活且准确地提取心率,并提高了运算资源利用率。
在一些实施例中,所述检测所述生命体征信号中是否包含呼吸谐波,得到检测结果,包括:
对所述生命体征信号进行第一滤波处理,得到呼吸信号;
检测所述呼吸信号中是否包含呼吸谐波,得到检测结果。
计算机设备先对所述生命体征信号进行第一滤波处理,从所述生命体征信号中得到呼吸信号,进而检测所述呼吸信号中是否包含呼吸谐波,得到检测结果。其中,所述第一滤波处理可采用带通滤波处理等方式,且当所述第一滤波处理为带通滤波处理时,对应的截止频率可根据呼吸信号的频率大小进行确定。可以理解地,由于呼吸谐波通常包含于呼吸信号中,可通过先对所述生命体征信号进行滤波以得到呼吸信号,进而检测所述呼吸信号中是否包含呼吸谐波,从而实现检测所述生命体征信号中是否包含呼吸谐波,与直接检测所述生命体征信号中是否包含呼吸谐波的方式相比,不仅减少了运算量,提高了处理速度,而且进一步提高了心率提取的准确性。
在一些实施例中,所述对所述生命体征信号进行第一滤波处理,得到呼吸信号,包括:
基于预设第一频率区间对获取的目标对象的生命体征信号进行第一带通滤波处理,得到去除基线与高频干扰的生命体征信号;
基于预设第二频率区间对所述去除基线与高频干扰的生命体征信号进行第二带通滤波处理,得到呼吸信号。
可以理解地,受到测量环境等因素的干扰,通过压电式传感器采集的目标对象的生命体征信号中除了包括呼吸信号之外,可能还包括其它非必要信号如高频干扰等,而高频干扰等其它非必要信号的存在将影响对呼吸信号的处理,因此,计算机设备可先基于预设第一频率区间对获取的目标对象的生命体征信号进行第一带通滤波处理,以得到去除基线与高频干扰的生命体征信号,然后基于预设第二频率区间对所述去除基线与高频干扰的生命体征信号进行第二带通滤波处理,以得到呼吸信号。其中,所述第一频率区间可根据基线与高频干扰等非必要信号所处的频率范围进行设置,比如可设置第一频率区间为0.1~4Hz 等。所述第二频率区间可根据呼吸信号所处的频率范围进行设置,比如可设置第二频率区间为0.1~0.5Hz等。在实际应用中,也可能通过对生命体征信号进行一次带通滤波处理操作而得到呼吸信号。如此,通过对目标对象的生命体征信号依次执行两次不同的带通滤波处理,进而获得目标对象的呼吸信号,进一步提高了心率提取的准确性。
在一些实施例中,所述检测所述呼吸信号中是否包含呼吸谐波,得到检测结果,包括:
对所述呼吸信号进行峰值检测,得到第一波峰序列和第一波谷序列;
按照预设规则分别对所述第一波峰序列和所述第一波谷序列进行处理,得到第二波峰序列和第二波谷序列;
判断基于所述第二波峰序列和所述第二波谷序列所确定的波形是否满足预设对称条件,得到所述呼吸信号中是否包含呼吸谐波的检测结果。
其中,所述对所述呼吸信号进行峰值检测的目的是查找出所述呼吸信号中所有的波峰和波谷,以得到第一波峰序列和第一波谷序列。具体地,在所述呼吸信号中顺序查找幅值既大于左侧,又大于右侧的点为波峰,而幅值既小于左侧,又小于右侧的点为波谷。需要说明的是,所述第一波峰序列既包括各波峰的幅值,还包括对应位置即时间序号,所述第一波谷序列既包括各波谷的幅值,还包括对应位置即时间序号。这里,基于包含呼吸谐波的呼吸信号与未包含呼吸谐波的呼吸信号之间存在的差异特征,可按照预设规则分别对所述第一波峰序列和所述第一波谷序列进行处理,比如删除明显非呼吸谐波的波峰和波谷等,以得到第二波峰序列和第二波谷序列。优选地,所述按照预设规则分别对所述第一波峰序列和所述第一波谷序列进行处理,得到第二波峰序列和第二波谷序列,包括:删除所述第一波峰序列中幅值与最大波峰幅值的比值小于预设第一比值阈值的波峰、以及位置间隔小于预设第一距离阈值的相邻波峰中幅值小的波峰,并在位置间隔大于预设第二距离阈值的相邻波峰中插入一目标波峰,得到第二波峰序列;其中,所述第二距离阈值大于所述第一距离阈值,所述目标波峰的幅值为相邻波峰幅值的平均值,且所述目标波峰的位置为相邻波峰位置的平均值;删除所述第一波谷序列中幅值与最大波谷幅值的比值小于预设第二比值阈值的波谷、以及位置间隔小于预设第三距离阈值的相邻波谷中幅值小的波谷,并在位置间隔大于预设第四距离阈值的相邻波谷中插入一目标波谷,得到第二波谷序列;其中,所述第四距离阈值大于所述第三距离阈值,所述目标波谷的幅值为相邻波谷幅值的平均值,且所述目标波谷的位置为相邻波谷位置的平均值。这里,所述第一比值阈值和所述第二比值阈值可以根据实际情况需要进行设置,比如可将所述第一比值阈值和所述第二比值阈值都设置为0.5,以将所述第一波峰序列中幅值与最大波峰幅值的比值小于0.5的波峰删除,以及将所述第一波谷序列中幅值与最大波谷幅值的比值小于0.5的波谷删除。所述第一距离阈值、所述第二距离阈值以及所述第三距离阈值和所述第四距离阈值可以根据实际情况需要进行设置,比如可根据所述第一波峰序列中相邻波峰之间的位置间隔平均值设置所述第一距离阈值和所述第二距离阈值,以及根据所述第一波谷序列中相邻波谷之间的位置间隔平均值设置所述第三距离阈值和所述第四距离阈值,当然,也可根据正常生命体征信号中相邻波峰之间的位置间隔设置所述第一距离阈值和所述第二距离阈值,以及根据正常生命体征信号中相邻波谷之间的位置间隔设置所述第三距离阈值和所述第四距离阈值。需要说明的是,所述相邻波峰是指位置间隔最小的两个波峰,所述相邻波谷是指位置间隔最小的两个波谷,其中,位置间隔是指波峰点或波谷点对应的时间序号之差。如此,通过对目标对象的呼吸信号中波峰序列和波谷序列进行删峰和补峰处理,以获得可用于判断波形是否对称的新波峰序列和新波谷序列,操作简便,且提高了心率提取的速度。
在一些实施例中,所述判断基于所述第二波峰序列和所述第二波谷序列所确定的波形是否满足预设对称条件,得到所述呼吸信号中是否包含呼吸谐波的检测结果,包括:
获取基于所述第二波峰序列和所述第二波谷序列所确定的波形中每个周期内波峰幅值与波谷幅值的第一比值;其中,相邻的波峰和波谷组成一个周期;
根据所述每个周期内波峰幅值与波谷幅值的第一比值,获取所述第一比值的平均值;
在所述第一比值的平均值不满足预设第一对称条件时,确定所述呼吸信号中包含呼吸谐波,否则确定所述呼吸信号中不包含呼吸谐波。
其中,由于所述第二波峰序列不仅包括各波峰的幅值,还包括对应位置即时间序号,所述第二波谷序列不仅包括各波谷的幅值,还包括对应位置即时间序号,因此,根据各波峰的对应位置和各波谷的对应位置可获知基于所述第二波峰序列和所述第二波谷序列所确定的波形中相邻的波峰和波谷,即可获知每个周期内波峰幅值与波谷幅值。在获取所述每个周期内波峰幅值与波谷幅值的第一比值后,可结合所述第二波峰序列和所述第二波谷序列所确定的波形包含的周期数量,获取所述第一比值的平均值。其中,所述第一对称条件可根据实际情况需要进行设置,比如,所述第一对称条件可设置为所述第一比值的平均值大于1-a1且小于a1,其中,a1可取值为1.3或1.35等。而在所述第一比值的平均值满足预设第一对称条件时,说明基于所述第二波峰序列和所述第二波谷序列所确定的波形上下对称,否则说明基于所述第二波峰序列和所述第二波谷序列所确定的波形上下不对称。在所述第一比值的平均值不满足预设第一对称条件,即基于所述第二波峰序列和所述第二波谷序列所确定的波形上下不对称时,表示检测到呼吸谐波,即所述呼吸信号中包含呼吸谐波,否则确定所述呼吸信号中不包含呼吸谐波。如此,通过检测基于所述第二波峰序列和所述第二波谷序列所确定的波形是否对称而判断所述呼吸信号中是否包含呼吸谐波的检测结果,操作简单且快速,进一步提高了心率提取的准确性和速度。
在一些实施例中,所述判断基于所述第二波峰序列和所述第二波谷序列所确定的波形是否满足预设对称条件,得到所述呼吸信号中是否包含呼吸谐波的检测结果,包括:
获取基于所述第二波峰序列和所述第二波谷序列所确定的波形中每个周期内第一幅值与第二幅值的第二比值;其中,相邻的波峰和波谷组成一个周期,所述第一幅值为波峰位置与波谷位置的位置差相对应的幅值,所述第二幅值为波谷位置与波峰位置的位置差相对应的幅值;
根据所述每个周期内第一幅值与第二幅值的第二比值,获取所述第二比值的平均值;
在所述第二比值的平均值不满足预设第二对称条件时,确定所述呼吸信号中包含呼吸谐波,否则确定所述呼吸信号中不包含呼吸谐波。
其中,由于所述第二波峰序列不仅包括各波峰的幅值,还包括对应位置即时间序号,所述第二波谷序列不仅包括各波谷的幅值,还包括对应位置即时间序号,因此,根据各波峰的对应位置和各波谷的对应位置可获知基于所述第二波峰序列和所述第二波谷序列所确定的波形中相邻的波峰和波谷,即可获知每个周期内波峰幅值与波谷幅值以及波峰位置与波谷位置。在获取所述每个周期内第一幅值与第二幅值的第二比值后,可结合所述第二波峰序列和所述第二波谷序列所确定的波形包含的周期数量,获取所述第二比值的平均值。其中,所述第二对称条件可根据实际情况需要进行设置,比如,所述第二对称条件可设置为所述第二比值的平均值大于1-a2且小于a2,其中,a2可取值为1.3或1.4 等。而在所述第二比值的平均值满足预设第二对称条件时,说明基于所述第二波峰序列和所述第二波谷序列所确定的波形左右对称,否则说明基于所述第二波峰序列和所述第二波谷序列所确定的波形左右不对称。在所述第二比值的平均值不满足预设第二对称条件,即基于所述第二波峰序列和所述第二波谷序列所确定的波形左右不对称时,表示检测到呼吸谐波,即所述呼吸信号中包含呼吸谐波,否则确定所述呼吸信号中不包含呼吸谐波。如此,通过检测基于所述第二波峰序列和所述第二波谷序列所确定的波形是否对称而判断所述呼吸信号中是否包含呼吸谐波的检测结果,操作简单且快速,进一步提高了心率提取的准确性和速度。
在一些实施例中,所述根据所述检测结果对所述生命体征信号执行相应的心率提取操作,以获得所述目标对象的心率,包括:
根据所述检测结果确定所述呼吸信号中包含呼吸谐波时,对所述呼吸信号进行呼吸谐波抵消处理,并对呼吸谐波抵消处理后获得的第一心跳信号进行心率提取,以获得所述目标对象的心率。
根据所述检测结果确定所述呼吸信号中不包含呼吸谐波时,对所述生命体征信号进行第二滤波处理,并对第二滤波处理后获得的第二心跳信号进行心率提取,以获得所述目标对象的心率。
具体地,当根据所述检测结果确定所述呼吸信号中包含呼吸谐波时,说明需要消除呼吸谐波以提高心率提取的准确性,此时对所述呼吸信号进行呼吸谐波抵消处理,获得呼吸谐波抵消处理后的第一心跳信号,并对呼吸谐波抵消处理后获得的第一心跳信号进行心率提取,以获得所述目标对象的心率。当根据所述检测结果确定所述呼吸信号中不包含呼吸谐波时,说明无需进行消除呼吸谐波处理,此时可直接对所述生命体征信号进行第二滤波处理,获得第二心跳信号,并对第二滤波处理后获得的第二心跳信号进行心率提取,以获得所述目标对象的心率。其中,所述第二滤波处理可采用带通滤波处理等方式,且当所述第二滤波处理为带通滤波处理时,对应的截止频率可根据心跳信号的频率大小进行确定。需要说明的是,上述对所述第一心跳信号或所述第二心跳信号进行心率提取的方法可采用现有的心率提取方法,如自相关函数方法或者谱估计方法,在此不再详细描述。如此,当目标对象的生命体征信号中不包含呼吸谐波时,无需进行呼吸谐波抵消处理,节省了运算资源;而当目标对象的生命体征信号中包含呼吸谐波时,则进行呼吸谐波抵消处理,以提高心率提取的准确性。
在一些实施例中,所述对所述呼吸信号进行呼吸谐波抵消处理,包括:
将所述呼吸信号作为自适应滤波器的输入信号、所述去除基线与高频干扰的生命体征信号作为自适应滤波器的期望信号,通过自适应滤波算法不断调整和更新自适应滤波器的参数,获得呼吸谐波抵消后的第一心跳信号。
计算机设备通过对所述呼吸信号进行自相关函数功率谱估计,可获得所述呼吸信号的功率谱函数,而该功率谱函数的最大峰值即为所述呼吸信号的基频。基于所述呼吸信号的基频,可建立呼吸谐波信号数学模型,以获取呼吸谐波信号。进而,将所述呼吸信号作为自适应滤波器的主输入、所述去除基线与高频干扰的生命体征信号作为自适应滤波器的期望参考输入、所述呼吸谐波信号作为自适应滤波器的输出,其中,所述自适应滤波器可采用最小均方等算法不断迭代和更新自适应滤波器参数,当所述去除基线与高频干扰的生命体征信号与所述呼吸谐波信号之差的平方最小时,此时所述去除基线与高频干扰的生命体征信号与所述呼吸谐波信号之差即为第一心跳信号。如此,通过自适应滤波对呼吸信号进行呼吸谐波抵消处理,以获得呼吸谐波抵消后的心跳信号,进而基于所述心跳信号提取目标对象的心率,进一步提高了心率提取的准确性。
本申请实施例另一方面,请参阅图3,还提供一种心率提取装置,所述装置包括:获取模块11,用于获取目标对象的生命体征信号;呼吸谐波检测模块 12,用于检测所述生命体征信号中是否包含呼吸谐波,得到检测结果;心率提取模块13,用于根据所述检测结果对所述生命体征信号执行相应的心率提取操作,以获得所述目标对象的心率。
在一些实施例中,所述呼吸谐波检测模块12包括:滤波子模块120,用于对所述生命体征信号进行第一滤波处理,得到呼吸信号;检测子模块121,用于检测所述呼吸信号中是否包含呼吸谐波,得到检测结果。
在一些实施例中,所述滤波子模块120,具体用于:基于预设第一频率区间对获取的目标对象的生命体征信号进行第一带通滤波处理,得到去除基线与高频干扰的生命体征信号;基于预设第二频率区间对所述去除基线与高频干扰的生命体征信号进行第二带通滤波处理,得到呼吸信号。
在一些实施例中,所述检测子模块121,具体用于:
对所述呼吸信号进行峰值检测,得到第一波峰序列和第一波谷序列;
按照预设规则分别对所述第一波峰序列和所述第一波谷序列进行处理,得到第二波峰序列和第二波谷序列;
判断基于所述第二波峰序列和所述第二波谷序列所确定的波形是否满足预设对称条件,得到所述呼吸信号中是否包含呼吸谐波的检测结果。
在一些实施例中,所述检测子模块121,具体用于:
删除所述第一波峰序列中幅值与最大波峰幅值的比值小于预设第一比值阈值的波峰、以及位置间隔小于预设第一距离阈值的相邻波峰中幅值小的波峰,并在位置间隔大于预设第二距离阈值的相邻波峰中插入一目标波峰,得到第二波峰序列;其中,所述第二距离阈值大于所述第一距离阈值,所述目标波峰的幅值为相邻波峰幅值的平均值,且所述目标波峰的位置为相邻波峰位置的平均值;
删除所述第一波谷序列中幅值与最大波谷幅值的比值小于预设第二比值阈值的波谷、以及位置间隔小于预设第三距离阈值的相邻波谷中幅值小的波谷,并在位置间隔大于预设第四距离阈值的相邻波谷中插入一目标波谷,得到第二波谷序列;其中,所述第四距离阈值大于所述第三距离阈值,所述目标波谷的幅值为相邻波谷幅值的平均值,且所述目标波谷的位置为相邻波谷位置的平均值。
在一些实施例中,所述检测子模块121,具体用于:
获取基于所述第二波峰序列和所述第二波谷序列所确定的波形中每个周期内波峰幅值与波谷幅值的第一比值;其中,相邻的波峰和波谷组成一个周期;
根据所述每个周期内波峰幅值与波谷幅值的第一比值,获取所述第一比值的平均值;
在所述第一比值的平均值不满足预设第一对称条件时,确定所述呼吸信号中包含呼吸谐波,否则确定所述呼吸信号中不包含呼吸谐波。
在一些实施例中,所述检测子模块121,具体用于:
获取基于所述第二波峰序列和所述第二波谷序列所确定的波形中每个周期内第一幅值与第二幅值的第二比值;其中,相邻的波峰和波谷组成一个周期,所述第一幅值为波峰位置与波谷位置的位置差相对应的幅值,所述第二幅值为波谷位置与波峰位置的位置差相对应的幅值;
根据所述每个周期内第一幅值与第二幅值的第二比值,获取所述第二比值的平均值;
在所述第二比值的平均值不满足预设第二对称条件时,确定所述呼吸信号中包含呼吸谐波,否则确定所述呼吸信号中不包含呼吸谐波。
在一些实施例中,所述心率提取模块13,具体用于:
根据所述检测结果确定所述呼吸信号中包含呼吸谐波时,对所述呼吸信号进行呼吸谐波抵消处理,并对呼吸谐波抵消处理后获得的第一心跳信号进行心率提取,以获得所述目标对象的心率。
根据所述检测结果确定所述呼吸信号中不包含呼吸谐波时,对所述生命体征信号进行第二滤波处理,并对第二滤波处理后获得的第二心跳信号进行心率提取,以获得所述目标对象的心率。
在一些实施例中,所述心率提取模块13,具体用于:
将所述呼吸信号作为自适应滤波器的输入信号、所述去除基线与高频干扰的生命体征信号作为自适应滤波器的期望信号,通过自适应滤波算法不断调整和更新自适应滤波器的参数,获得呼吸谐波抵消后的第一心跳信号。
在一些实施例中,所述心率提取模块13,具体用于:
对所述呼吸信号进行自相关函数功率谱估计,将获得的所述呼吸信号的功率谱函数的最大峰值确定为所述呼吸信号的基频;
基于所述呼吸信号的基频,建立呼吸谐波信号数学模型,以获取呼吸谐波信号;
将所述呼吸信号作为自适应滤波器的主输入、所述去除基线与高频干扰的生命体征信号作为自适应滤波器的期望参考输入、所述呼吸谐波信号作为自适应滤波器的输出,采用最小均方算法不断迭代和更新自适应滤波器参数,直至当所述去除基线与高频干扰的生命体征信号与所述呼吸谐波信号之差的平方最小时,将所述去除基线与高频干扰的生命体征信号与所述呼吸谐波信号之差确定为第一心跳信号。
需要说明的是:上述实施例提供的心率提取装置在实现心率提取过程中,仅以上述各程序模块的划分进行举例说明,在实际应用中,可以根据需要而将上述处理分配由不同的程序模块完成,即可将装置的内部结构划分成不同的程序模块,以完成以上描述的全部或者部分方法步骤。另外,上述实施例提供的心率提取装置与心率提取方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
为了能够对本申请实施例提供的心率提取方法具有更系统的理解,下面结合一具体示例进行说明,本示例中以所述心率提取装置为压电式传感器或云端服务器为例,请参阅图4,本示例提供的心率提取装置包括如下模块:滤波模块21、呼吸谐波检测模块22、呼吸谐波消除模块23和心率提取模块24;其中,
首先,滤波模块21对于压电式传感器采集的一帧信号x[n],n=1…N(n为离散时间序号,N为一帧数据总长度),将该信号分别通过截止频率为0.1~4Hz 的巴特沃斯带通滤波器(不限于采用其它FIR或IIR带通滤波器)得到去除基线与高频干扰的生命体征信号xm[n],以及通过截止频率为0.1~0.5Hz的巴特沃斯带通滤波器(不限于采用其它FIR或IIR带通滤波器)得到呼吸信号xb[n]。
需要说明的是,所述滤波模块21也可通过小波分解、小波去噪等方法对原始信号x[n]进行处理,以得到去除基线与高频干扰的生命体征信号xm[n]和呼吸信号xb[n]等。
对于呼吸谐波检测模块22,所述呼吸谐波检测模块22的作用主要包括峰值检测、删峰与补峰以及对称判断。
关于峰值检测,在呼吸信号xb[n]中顺序查找值既大于左侧,又大于右侧的点为波峰,保存波峰值xp[n],n=1ΛNp和波峰位置lp[n],n=1ΛNp,其中Np为波峰数目;并在呼吸信号xb[n]顺序查找值既小于左侧,又小于右侧的点为波谷,保存波谷值xv[n],n=1ΛNv和波谷位置lv[n],n=1ΛNv,其中Nv为波谷数目。
关于删峰与补峰,首先求解波峰模值最大值,在波峰点中删除模值小于最大值一半的波峰;并求解波谷模值最大值,在波谷点中删除模值小于最大值一半的波谷;接着,根据相邻两个波峰或波谷之间的位置差的合理范围为最小值lmin和最大值lmax,删除间隔小于lmin的相邻两个波峰中模值较小的波峰和删除间隔小于lmin的相邻两个波谷中模值较小的波谷,在间隔大于lmax的相邻两个波峰之间插入新的波峰,新波峰值为两个波峰值的平均值,新波峰位置为两个波峰位置的平均值,并在间隔大于lmax的相邻两个波谷之间插入新的波谷,新波谷值为两个波谷值的平均值,新波谷位置为两个波谷位置的平均值。经过删峰和补峰处理后,新的波峰值序列为Xp’[n],n=1ΛNp’,对应位置序列为lp’[n],n=1ΛNp’,且新的波谷值序列为Xv’[n],n=1ΛNv’,对应位置序列为lv’[n],n=1ΛNv’。
关于对称判断,相邻波峰和波谷组成一个完整的周期,计算每一个周期内波峰模值与波谷模值比值τ1,计算一帧数据中所有完整周期的比值平均值若大于α1或小于1-α1(α1值可取1.3等),则表示波形上下不对称,若大于 1-α1并小于α1,则表示波形上下对称;计算每一个周期内波峰与波谷位置差模值和波谷与波峰位置差模值的比值τ2,计算一帧数据中所有完整周期的比值平均值若大于α2或小于1-α2(α2值可取1.3等),则表示波形左右不对称,若大于1-α2并小于α2,则表示波形左右对称。
若波形上下不对称或左右不对称,则表示检测到呼吸谐波;否则,表示无呼吸谐波。
对于呼吸谐波消除模块23,所述呼吸谐波消除模块23的作用主要包括呼吸谐波信号数学建模、自适应滤波谐波抵消;其中,
关于呼吸谐波信号数学建模,包括如下过程:
首先对滤波模块21产生的呼吸信号xb[n]做自相关函数的功率谱估计,得到呼吸信号功率谱函数P(f),找到该功率谱函数的最大峰值即为呼吸信号的基频f0;
接着,建立呼吸谐波信号数学模型
其中,m为呼吸谐波阶数(成人呼吸频段在0.1~0.5Hz,心跳频段在0.8~2Hz,考虑呼吸谐波影响心跳频段信号,此处阶数可取2~20之间),Ai、和φi分别为呼吸第i阶谐波幅值、角频率和相位。通过三角函数公式变换,该数学模型的幅值和相位形式可转换为同相和正交分量sI(n)和sQ(n)与系数α(n)和β(n),其中,sI(n)=[cos(ω1n),cos(ω2n),…,cos(ωmn)],sQ(n)=[sin(ω1n),sin(ω2n),…,sin(ωmn)],α(n)=[α1,α2,…,αm],β(n)=[β1,β2,…,βm]。
关于自适应滤波谐波抵消,包括如下过程:
请参阅图5,为本示例提供的自适应滤波示意图,将滤波模块21得到的生命体征信号xm[n]当做期望信号,滤波模块21得到的呼吸信号xb[n]作为输入信号,呼吸谐波信号作为自适应滤波输出信号,通过期望信号与滤波输出信号的差采用LMS(最小均方)算法(也可以采用其它LMS类或RLS递推最小二乘算法替代)通过不断迭代和更新自适应滤波器参数,当两者差值的平方达到稳态时,两信号的差即为心跳信号。
其中,定义初始化n=0时刻自适应滤波器参数αi和βi为零向量,采用LMS 算法进行迭代和更新的步骤如下:
(1)在n时刻,根据期望信号xm[n]和呼吸谐波信号s(n),计算误差信号 e(n):e(n)=xm(n)-s(n)。
(2)通过递归更新系数:
其中,μ为迭代步长。
(3)重复上述步骤(1)和(2),直至算法稳态为止,可得到呼吸谐波抵消后的心跳信号xh[n]。
对于心率提取模块24,若没有检测到呼吸谐波,则可将原始信号x[n]通过截止频率为0.8~2Hz的巴特沃斯带通滤波器(不限于采用其它FIR或IIR带通滤波器)得到心跳信号xh[n];若检测到呼吸谐波,可得到得到呼吸谐波抵消后的心跳信号xh[n]。然后,对心跳信号xh[n]采用自相关函数方法或者谱估计方法即可得到较为准确的心率。
如此,上述实施例提供的心率提取装置,能够消除呼吸高次谐波的影响,得到更为准确的心率;而对没有检测到呼吸谐波的信号,不需要进行谐波抵消处理;此外,可通过呼吸波形是否对称,为生命健康检测提供更多维度的参考。
本申请实施例另一方面,请参阅图6,还提供一种电子设备,包括处理器 211、存储器212及存储在所述存储器212上并可被所述处理器211执行的计算机程序,所述计算机程序被所述处理器211执行时实现本申请任一实施例所提供的心率提取方法,且能达到相同的技术效果,为避免重复,这里不再赘述。所述电子设备可以是智能手机、个人计算机等。
本申请实施例另一方面,请参阅图7,还提供一种压电式传感器,包括处理器111、存储器112及存储在所述存储器112上并可被所述处理器111执行的计算机程序,所述计算机程序被所述处理器111执行时实现本申请任一实施例所提供的心率提取方法,且能达到相同的技术效果,为避免重复,这里不再赘述。所述压电式传感器可以包含与图6所示电子设备相同的硬件组成,且进一步包括采集目标对象的生命体征信号的采集传感组件。
请参阅图8,是本申请实施例提供的电子设备的一种可选的硬件结构框图。如图8所示,电子设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(ProcessingUnits,CPU)1110(处理器1110可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器1130,一个或一个以上存储应用程序1123或数据1122的存储介质1120(例如一个或一个以上海量存储设备)。其中,存储器1130和存储介质1120可以是短暂存储或持久存储。存储在存储介质1120的程序可以包括一个或一个以上模块,每个模块可以包括对心率提取中的一系列指令操作。更进一步地,处理器 1110可以设置为与存储介质1120通信,在电子设备上执行存储介质1120中的一系列指令操作。电子设备还可以包括一个或一个以上电源1160,一个或一个以上有线或无线网络接口1150,一个或一个以上输入输出接口1140,和/或,一个或一个以上操作系统1121,例如WindowsServerTM,MacOSXTM, UnixTM,LinuxTM,FreeBSDTM等等。
输入输出接口1140可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括电子设备的通信供应商提供的无线网络。在一个实例中,输入输出接口1140包括一个网络适配器(NetworkInterfaceController,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,输入输出接口1140可以为射频(RadioFrequency,RF)模块,其用于通过无线方式与互联网进行通讯。
本领域普通技术人员可以理解,图8所示的结构仅为示意,其并不对上述终端设备的结构造成限定。例如,电子设备还可包括比图8中所示更多或者更少的组件,或者具有与图8所示不同的配置。
本申请实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述心率提取方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-OnlyMemory,简称ROM)、随机存取存储器(RandomAccessMemory,简称RAM)、磁碟或者光盘等。
图9是本申请实施例提供的一种计算机可读存储介质800的结构框图。该计算机可读存储介质800中存储有程序代码,程序代码可被处理器调用执行本申请实施例所提供的智能家居控制方法。计算机可读存储介质800可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或ROM之类的电子存储器。可选地,计算机可读存储介质800包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质800 具有执行上述方法中的任何方法步骤的程序代码810的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码810可以例如以适当形式进行压缩。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围之内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (14)
1.一种心率提取方法,其特征在于,所述方法包括:
获取目标对象的生命体征信号;
检测所述生命体征信号中是否包含呼吸谐波,得到检测结果;
根据所述检测结果对所述生命体征信号执行相应的心率提取操作,以获得所述目标对象的心率。
2.如权利要求1所述的方法,其特征在于,所述检测所述生命体征信号中是否包含呼吸谐波,得到检测结果,包括:
对所述生命体征信号进行第一滤波处理,得到呼吸信号;:
检测所述呼吸信号中是否包含呼吸谐波,得到检测结果。
3.如权利要求2所述的方法,其特征在于,所述对所述生命体征信号进行第一滤波处理,得到呼吸信号,包括:
基于预设第一频率区间对获取的目标对象的生命体征信号进行第一带通滤波处理,得到去除基线与高频干扰的生命体征信号;
基于预设第二频率区间对所述去除基线与高频干扰的生命体征信号进行第二带通滤波处理,得到呼吸信号。
4.如权利要求2所述的方法,其特征在于,所述检测所述呼吸信号中是否包含呼吸谐波,得到检测结果,包括:
对所述呼吸信号进行峰值检测,得到第一波峰序列和第一波谷序列;
按照预设规则分别对所述第一波峰序列和所述第一波谷序列进行处理,得到第二波峰序列和第二波谷序列;
判断基于所述第二波峰序列和所述第二波谷序列所确定的波形是否满足预设对称条件,得到所述呼吸信号中是否包含呼吸谐波的检测结果。
5.如权利要求4所述的方法,其特征在于,所述按照预设规则分别对所述第一波峰序列和所述第一波谷序列进行处理,得到第二波峰序列和第二波谷序列,包括:
删除所述第一波峰序列中幅值与最大波峰幅值的比值小于预设第一比值阈值的波峰、以及位置间隔小于预设第一距离阈值的相邻波峰中幅值小的波峰,并在位置间隔大于预设第二距离阈值的相邻波峰中插入一目标波峰,得到第二波峰序列;其中,所述第二距离阈值大于所述第一距离阈值,所述目标波峰的幅值为相邻波峰幅值的平均值,且所述目标波峰的位置为相邻波峰位置的平均值;
删除所述第一波谷序列中幅值与最大波谷幅值的比值小于预设第二比值阈值的波谷、以及位置间隔小于预设第三距离阈值的相邻波谷中幅值小的波谷,并在位置间隔大于预设第四距离阈值的相邻波谷中插入一目标波谷,得到第二波谷序列;其中,所述第四距离阈值大于所述第三距离阈值,所述目标波谷的幅值为相邻波谷幅值的平均值,且所述目标波谷的位置为相邻波谷位置的平均值。
6.如权利要求4所述的方法,其特征在于,所述判断基于所述第二波峰序列和所述第二波谷序列所确定的波形是否满足预设对称条件,得到所述呼吸信号中是否包含呼吸谐波的检测结果,包括:
获取基于所述第二波峰序列和所述第二波谷序列所确定的波形中每个周期内波峰幅值与波谷幅值的第一比值;其中,相邻的波峰和波谷组成一个周期;
根据所述每个周期内波峰幅值与波谷幅值的第一比值,获取所述第一比值的平均值;
在所述第一比值的平均值不满足预设第一对称条件时,确定所述呼吸信号中包含呼吸谐波,否则确定所述呼吸信号中不包含呼吸谐波。
7.如权利要求4所述的方法,其特征在于,所述判断基于所述第二波峰序列和所述第二波谷序列所确定的波形是否满足预设对称条件,得到所述呼吸信号中是否包含呼吸谐波的检测结果,包括:
获取基于所述第二波峰序列和所述第二波谷序列所确定的波形中每个周期内第一幅值与第二幅值的第二比值;其中,相邻的波峰和波谷组成一个周期,所述第一幅值为波峰位置与波谷位置的位置差相对应的幅值,所述第二幅值为波谷位置与波峰位置的位置差相对应的幅值;
根据所述每个周期内第一幅值与第二幅值的第二比值,获取所述第二比值的平均值;
在所述第二比值的平均值不满足预设第二对称条件时,确定所述呼吸信号中包含呼吸谐波,否则确定所述呼吸信号中不包含呼吸谐波。
8.如权利要求2至7任一项所述的方法,其特征在于,所述根据所述检测结果对所述生命体征信号执行相应的心率提取操作,以获得所述目标对象的心率,包括:
根据所述检测结果确定所述呼吸信号中包含呼吸谐波时,对所述呼吸信号进行呼吸谐波抵消处理,并对呼吸谐波抵消处理后获得的第一心跳信号进行心率提取,以获得所述目标对象的心率。
根据所述检测结果确定所述呼吸信号中不包含呼吸谐波时,对所述生命体征信号进行第二滤波处理,并对第二滤波处理后获得的第二心跳信号进行心率提取,以获得所述目标对象的心率。
9.如权利要求8所述的方法,其特征在于,所述对所述呼吸信号进行呼吸谐波抵消处理,包括:
将所述呼吸信号作为自适应滤波器的输入信号、所述去除基线与高频干扰的生命体征信号作为自适应滤波器的期望信号,通过自适应滤波算法不断调整和更新自适应滤波器的参数,获得呼吸谐波抵消后的第一心跳信号。
10.如权利要求9所述的方法,其特征在于,所述将所述呼吸信号作为自适应滤波器的输入信号、所述去除基线与高频干扰的生命体征信号作为自适应滤波器的期望信号,通过自适应滤波算法不断调整和更新自适应滤波器的参数,获得呼吸谐波抵消后的第一心跳信号,包括:
对所述呼吸信号进行自相关函数功率谱估计,将获得的所述呼吸信号的功率谱函数的最大峰值确定为所述呼吸信号的基频;
基于所述呼吸信号的基频,建立呼吸谐波信号数学模型,以获取呼吸谐波信号;
将所述呼吸信号作为自适应滤波器的主输入、所述去除基线与高频干扰的生命体征信号作为自适应滤波器的期望参考输入、所述呼吸谐波信号作为自适应滤波器的输出,采用最小均方算法不断迭代和更新自适应滤波器参数,直至当所述去除基线与高频干扰的生命体征信号与所述呼吸谐波信号之差的平方最小时,将所述去除基线与高频干扰的生命体征信号与所述呼吸谐波信号之差确定为第一心跳信号。
11.一种心率提取装置,其特征在于,所述装置包括:
获取模块,用于获取目标对象的生命体征信号;
呼吸谐波检测模块,用于检测所述生命体征信号中是否包含呼吸谐波,得到检测结果;
心率提取模块,用于根据所述检测结果对所述生命体征信号执行相应的心率提取操作,以获得所述目标对象的心率。
12.一种电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并可被所述处理器执行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至10中任一项所述的心率提取方法。
13.一种压电式传感器,其特征在于,包括处理器、存储器及存储在所述存储器上并可被所述处理器执行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至10中任一项所述的心率提取方法。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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权利要求1至10中任一项所述的心率提取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110412200.8A CN115281641A (zh) | 2021-04-16 | 2021-04-16 | 心率提取方法及装置、电子设备、压电式传感器及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110412200.8A CN115281641A (zh) | 2021-04-16 | 2021-04-16 | 心率提取方法及装置、电子设备、压电式传感器及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115281641A true CN115281641A (zh) | 2022-11-04 |
Family
ID=83819099
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110412200.8A Pending CN115281641A (zh) | 2021-04-16 | 2021-04-16 | 心率提取方法及装置、电子设备、压电式传感器及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115281641A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116548928A (zh) * | 2023-07-11 | 2023-08-08 | 西安浩阳志德医疗科技有限公司 | 一种基于互联网的护理服务系统 |
-
2021
- 2021-04-16 CN CN202110412200.8A patent/CN115281641A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116548928A (zh) * | 2023-07-11 | 2023-08-08 | 西安浩阳志德医疗科技有限公司 | 一种基于互联网的护理服务系统 |
CN116548928B (zh) * | 2023-07-11 | 2023-09-08 | 西安浩阳志德医疗科技有限公司 | 一种基于互联网的护理服务系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11039747B2 (en) | Signal obtaining method and system | |
CN105578960B (zh) | 用于处理生理信号的处理装置、处理方法和系统 | |
Fedotov | Selection of parameters of bandpass filtering of the ECG signal for heart rhythm monitoring systems | |
Rooijakkers et al. | Low-complexity R-peak detection for ambulatory fetal monitoring | |
CN107249449B (zh) | 用于感测胎儿活动的系统、装置和方法 | |
CN109522826A (zh) | 一种基于fmcw毫米波雷达的生命信号检测方法和系统 | |
Cuomo et al. | A novel O (n) numerical scheme for ECG signal denoising | |
CN105962914B (zh) | 基于盲源分离的呼吸与心跳信号的分离方法及装置 | |
Tobola et al. | Sampling rate impact on energy consumption of biomedical signal processing systems | |
CN102499694A (zh) | 用于消除血氧饱和度监测干扰的方法 | |
Malghan et al. | A review on ECG filtering techniques for rhythm analysis | |
CN109219391A (zh) | 用于确定对象血压的设备和方法 | |
CN108992054B (zh) | 一种脉搏信号峰值点检测方法及装置 | |
CN115299915B (zh) | 一种基于红外热波成像的血管健康数据获取方法及系统 | |
CN107273827A (zh) | 一种心电信号r波检测方法及装置 | |
Torti et al. | Custom FPGA processing for real-time fetal ECG extraction and identification | |
CN115281641A (zh) | 心率提取方法及装置、电子设备、压电式传感器及介质 | |
Raeiatibanadkooki et al. | Real time processing and transferring ECG signal by a mobile phone | |
Erfianto et al. | IMU‐Based Respiratory Signal Processing Using Cascade Complementary Filter Method | |
Lapsa et al. | Adaptive signal-to-noise ratio indicator for wearable bioimpedance monitoring | |
Bhogeshwar et al. | To verify and compare denoising of ECG signal using various denoising algorithms of IIR and FIR filters | |
Cuomo et al. | A framework for ECG denoising for mobile devices | |
Fedotov et al. | Analysis of the parameters of frequency filtering of an electrocardiograph signal | |
Mishra et al. | Performance evaluation of various window techniques for noise cancellation from ECG signal | |
CN107088060A (zh) | 传感器信息处理设备 |
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 |