CN116269260B - 一种智能手表心率监测方法及系统 - Google Patents
一种智能手表心率监测方法及系统 Download PDFInfo
- Publication number
- CN116269260B CN116269260B CN202310181124.3A CN202310181124A CN116269260B CN 116269260 B CN116269260 B CN 116269260B CN 202310181124 A CN202310181124 A CN 202310181124A CN 116269260 B CN116269260 B CN 116269260B
- Authority
- CN
- China
- Prior art keywords
- heart rate
- human body
- signal
- value
- preset
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 title claims abstract description 16
- 230000033001 locomotion Effects 0.000 claims abstract description 174
- 230000000694 effects Effects 0.000 claims abstract description 59
- 230000000241 respiratory effect Effects 0.000 claims abstract description 51
- 238000012360 testing method Methods 0.000 claims abstract description 33
- 230000036391 respiratory frequency Effects 0.000 claims abstract description 32
- 230000001133 acceleration Effects 0.000 claims abstract description 20
- 230000002401 inhibitory effect Effects 0.000 claims abstract description 10
- 239000004480 active ingredient Substances 0.000 claims abstract description 9
- 210000004369 blood Anatomy 0.000 claims description 107
- 239000008280 blood Substances 0.000 claims description 107
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 42
- 229910052760 oxygen Inorganic materials 0.000 claims description 42
- 239000001301 oxygen Substances 0.000 claims description 42
- 230000008859 change Effects 0.000 claims description 39
- 230000002159 abnormal effect Effects 0.000 claims description 33
- 238000001914 filtration Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 15
- 108010054147 Hemoglobins Proteins 0.000 claims description 13
- 102000001554 Hemoglobins Human genes 0.000 claims description 13
- 108010064719 Oxyhemoglobins Proteins 0.000 claims description 11
- 230000031700 light absorption Effects 0.000 claims description 9
- 230000010363 phase shift Effects 0.000 claims description 8
- 230000036387 respiratory rate Effects 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000001228 spectrum Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 abstract description 3
- 239000000284 extract Substances 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 4
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 4
- 235000013305 food Nutrition 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 206010003119 arrhythmia Diseases 0.000 description 3
- 230000006793 arrhythmia Effects 0.000 description 3
- INGWEZCOABYORO-UHFFFAOYSA-N 2-(furan-2-yl)-7-methyl-1h-1,8-naphthyridin-4-one Chemical compound N=1C2=NC(C)=CC=C2C(O)=CC=1C1=CC=CO1 INGWEZCOABYORO-UHFFFAOYSA-N 0.000 description 2
- 241001122767 Theaceae Species 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 238000013019 agitation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 235000019219 chocolate Nutrition 0.000 description 2
- 235000012000 cholesterol Nutrition 0.000 description 2
- 108010002255 deoxyhemoglobin Proteins 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 210000003743 erythrocyte Anatomy 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000035565 breathing frequency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009965 odorless effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000779 thoracic wall Anatomy 0.000 description 1
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
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/332—Portable devices specially adapted therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Pulmonology (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Optics & Photonics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明提供了一种智能手表心率监测方法及系统，运用于数据测试领域；应用预设的毫米波雷达发射电磁波信号至人体皮肤区域，基于电磁波信号与人体皮肤区域之间形成回波间隙，接收回波间隙回返的回波信号，通过加速度传感器定义人体的活动状态，通过毫米波雷达应用相位偏移对人体的呼吸信号进行调制，保留呼吸信号的有效成分，抑制呼吸信号中的杂音干扰，生成人体的呼吸频率，并基于回波信号提取呼吸频率和运动心率区间值对应的至少一个或多个心率波形信号；滤出心率波形信号的带能量，并对心率波形信号进行帧抽取，得到带能量的振幅信息，基于振幅信息对心率波形信号进行提取分析，实时跟踪人体的心率值直至心率值跌落超出心率波谷值。
Description
技术领域
本发明涉及数据测试领域，特别涉及为一种智能手表心率监测方法及系统。
背景技术
心率一般定义为人体心脏每分钟的跳动次数，心率变化与心脏疾病密切相关。因而及时了解自己的心率状态，在心率发生异常时及早知道，是非常重要的。现有技术中，人们是通过如手环、智能手表等可穿戴设备来监测用户的心率。
心率的检测确需要更多的数据和准确性，雷达心跳检测一大挑战在于呼吸及其谐波强干扰，因此采用连续波多普勒雷达体征检测，分离出心肺信号，利用捕捉微动目标引起的胸壁频移来计算得出心率数据，但是当目标处于运动状态时就会产生各种干扰，使心率测试误差增大。
发明内容
本发明旨在解决当目标处于运动状态时就会产生各种干扰，使心率测试误差增大的问题，提供一种智能手表心率监测方法及系统。
本发明为解决技术问题采用如下技术手段：
一种智能手表心率监测方法，其特征在于，包括以下步骤：
应用预设的毫米波雷达发射电磁波信号至预设的人体皮肤区域，基于所述毫米波雷达的芯片与所述人体皮肤区域之间形成回波间隙，接收在所述回波间隙之间回返的回波信号，并与预设的运动活动信号进行差异性比对，生成人体的活动状态，其中，所述与预设的运动活动信号进行差异性比对具体通过预设的加速度传感器获取加速度信号并计算后分辨得出所述人体的活动状态；
判断所述活动状态是否匹配运动状态；
若是，则根据所述运动状态采集所述人体的运动心率变化轨迹，并根据所述运动心率变化轨迹建立属于所述人体的运动心率区间值，基于将所述运动心率区间值划分心率波峰值和心率波谷值，通过所述毫米波雷达应用预设的相位偏移对所述人体的呼吸信号进行调制，保留所述呼吸信号的有效成分，抑制所述呼吸信号中的杂音干扰，生成所述人体的呼吸频率，并基于所述回波信号提取所述呼吸频率和所述运动心率区间值对应的至少一个或多个心率波形信号；
滤出所述心率波形信号的带能量，并对所述心率波形信号进行帧抽取，得到所述带能量的振幅信息，基于所述振幅信息对所述心率波形信号进行提取分析，判断所述心率波形信号中是否匹配所述人体的运动状态；
若否，则实时跟踪所述人体的心率值直至所述心率值跌落超出所述心率波谷值，重新定义所述人体的活动状态，基于所述回波信号具备的收发功能，获取所述人体回返的高频脉冲信号，根据所述毫米波雷达输出的预设频率的脉冲与所述高频脉冲信号的时间间隔对所述人体的心率值进行计算，生成所述人体在不同活动状态下的运动心率值与非运动心率值。
进一步地，所述根据所述毫米波雷达输出的预设频率的脉冲与所述高频脉冲信号的时间间隔对所述人体的心率值进行计算的步骤中，包括：
根据预设的发射周期输出至低脉宽的线性调频脉冲信号与至高脉宽的线性调频脉冲信号，其中，所述预设的发射周期具体基于所述线性调频脉冲信号的脉宽进行适应性调整；
基于所述至低脉宽的线性调频脉冲信号与所述至高脉宽的线性调频脉冲信号，构建多频域并行通道，生成至少两种或多种心率间隔序列；
依据预设的心率变异性获取所述至少两种或多种心率间隔序列对应的权重系数，根据动脉多普勒范围和所述心率变异性构建心率匹配矩阵，基于所述心率匹配矩阵对各个所述权重系数进行加权平均，生成若干个同一变量的所述权重系数以时间顺序变量出现次数的总权数，得到心率变异性预测值。
进一步地，所述并基于所述回波信号提取所述呼吸频率和所述运动心率区间值对应的至少一个或多个心率波形信号的步骤中，包括：
依据预设时段选定某一时刻的所述呼吸频率和所述运动心率区间值进行匹配，获取所述人体基于运动状态下的心率样本数据；
判断所述心率样本数据是否匹配所述运动状态；
若否，则将所述心率样本数据从时域数据转换为频域数据，查找所述频域数据中的频谱间隔规律，分析后获得最终能匹配所述运动状态的心率样本。
进一步地，所述生成所述人体的运动心率值与非运动心率值的步骤中，包括：
根据所述人体处于不同状态下，分别获取两种所述高频脉冲信号的时间间隔以及高频脉冲信号总时段，其中，所述高频脉冲信号的时间间隔和所述高频脉冲信号总时段存在预设的比例关系；
根据所述高频脉冲信号的时间间隔、所述高频脉冲信号总时段和所述预设的比例关系，生成不同活动状态下的运动心率值测试方案与非运动心率值测试方案；
根据所述运动心率值测试方案与所述非运动心率值测试方案，从所述时间间隔的最小值开始输出的高频脉冲信号，维持所述预设频率的脉冲持续输出，直至所述高频脉冲信号的时间间隔与所述高频脉冲信号总时段达到所述预设的比例关系，获取到所述运动心率值与所述非运动心率值；
基于预收录的所述人体心率区间值，判断所述运动心率值与所述非运动心率值是否出现异常；
若是，则生成所述人体处于运动状态或非运动状态下的异常心率值，并为所述人体生成异常心率报告，其中，所述异常心率报告具体为生成日常收录所述人体的心率值与所述人体异常心率值的差值，并生成预设的生活建议。
进一步地，所述则根据所述运动状态采集所述人体的运动心率变化轨迹的步骤前，包括：
基于所述回波信号采集所述人体的心率波动变化周期，创建基于所述人体处于运动状态时的打点数据规则，根据所述心率波动变化周期，判断所述人体是否需要执行打点数据获取，其中，所述打点数据具体为人体处于运动状态时，定时采集人体的心率数据信息；
若需要，则录入所述打点数据获取过程，并依据所述打点数据规则对所述打点数据进行滑动截取，获取相邻截取段的首个数据波形段与下个数据波形段之间最大幅度与最小幅度的差比值，作为各个数据波形段的幅度差比值，将至少一次或多次所得到的所述打点数据依据定位时间依次相连接，以得到所述人体的运动轨迹数据。
进一步地，所述通过所述毫米波雷达应用预设的相位偏移对所述人体的呼吸信号进行调制，保留所述呼吸信号的有效成分，抑制所述呼吸信号中的杂音干扰，生成所述人体的呼吸频率的步骤中，包括：
根据所述毫米波雷达配置下自设有的线性调频参数，生成相应的波形数据，在生成波形数据的同时，根据线性调频的扫频周期和扫频带宽参数调整波形的周期和幅度，对匹配好调制参数后的进行数据波形处理，获取瞬时相位值；
利用预设的正余弦对照表对所述瞬时相位值进行对照处理，获取所述瞬时相位值对应的模拟调制信号值；
将所述瞬时相位值与所述模拟调制信号值输入至预设的调制器进行正交调制，得到可输出的线性调频信号，应用所述线性调频信号对所述呼吸信号进行抑制，生成所述人体的呼吸频率。
进一步地，所述滤出所述心率波形信号的带能量，并对所述心率波形信号进行帧抽取，得到所述带能量的振幅信息，基于所述振幅信息对所述心率波形信号进行提取分析的步骤中，包括：
将所述心率波形信号按照预设的帧基带进行信号分段截取，得到信号最大值与每帧信号的最大值和信号探测范围，将所述信号最大值、所述每帧信号的最大值和所述信号探测范围作为判断所述人体处于运动状态的条件。
进一步地，所述则实时跟踪所述人体的心率值直至所述心率值跌落超出所述心率波谷值，重新定义所述人体的活动状态的步骤中，包括：
基于预设的扫描仪对预设的光信号输出部位进行光线照射，采用预设的PPG光电容积脉搏波描记法通过光敏传感器采集所述人体回返的心电信号，其中，所述光线照射具体采用600nm-1000nm的红光进行照射；
对所述心电信号进行信号滤波处理，在预设独立空间中生成所述信号滤波处理对应时段的波峰个数，根据所述波峰个数生成所述人体对应的各个血液特征数据，其中，所述血液特征数据包括动脉血液、静脉血液与其他组织血液；
基于所述各个血液特征数据对应的不同光吸收特性，识别所述各个血液特征数据中的血氧含量信息，根据所述血氧含量信息的比例值得到所述人体的血氧比例，其中，所述血氧含量信息包括氧合血红蛋白与血红蛋白。
本发明还提供一种智能手表心率监测系统，包括：
生成模块，用于应用预设的毫米波雷达发射电磁波信号至预设的人体皮肤区域，基于所述毫米波雷达的芯片与所述人体皮肤区域之间形成回波间隙，接收在所述回波间隙之间回返的回波信号，并与预设的运动活动信号进行差异性比对，生成人体的活动状态，其中，所述与预设的运动活动信号进行差异性比对具体通过预设的加速度传感器获取加速度信号并计算后分辨得出所述人体的活动状态；
判断模块，用于判断所述活动状态是否匹配运动状态；
执行模块，用于若是，则根据所述运动状态采集所述人体的运动心率变化轨迹，并根据所述运动心率变化轨迹建立属于所述人体的运动心率区间值，基于将所述运动心率区间值划分心率波峰值和心率波谷值，通过所述毫米波雷达应用预设的相位偏移对所述人体的呼吸信号进行调制，保留所述呼吸信号的有效成分，抑制所述呼吸信号中的杂音干扰，生成所述人体的呼吸频率，并基于所述回波信号提取所述呼吸频率和所述运动心率区间值对应的至少一个或多个心率波形信号；
第二判断模块，用于滤出所述心率波形信号的带能量，并对所述心率波形信号进行帧抽取，得到所述带能量的振幅信息，基于所述振幅信息对所述心率波形信号进行提取分析，判断所述心率波形信号中是否匹配所述人体的运动状态；
第二执行模块，用于若否，则实时跟踪所述人体的心率值直至所述心率值跌落超出所述心率波谷值，重新定义所述人体的活动状态，基于所述回波信号具备的收发功能，获取所述人体回返的高频脉冲信号，根据所述毫米波雷达输出的预设频率的脉冲与所述高频脉冲信号的时间间隔对所述人体的心率值进行计算，生成所述人体在不同活动状态下的运动心率值与非运动心率值。
进一步地，所述第二执行模块还包括：
输出单元，用于根据预设的发射周期输出至低脉宽的线性调频脉冲信号与至高脉宽的线性调频脉冲信号，其中，所述预设的发射周期具体基于所述线性调频脉冲信号的脉宽进行适应性调整；
构建单元，用于基于所述至低脉宽的线性调频脉冲信号与所述至高脉宽的线性调频脉冲信号，构建多频域并行通道，生成至少两种或多种心率间隔序列；
获取单元，用于依据预设的心率变异性获取所述至少两种或多种心率间隔序列对应的权重系数，根据动脉多普勒范围和所述心率变异性构建心率匹配矩阵，基于所述心率匹配矩阵对各个所述权重系数进行加权平均，生成若干个同一变量的所述权重系数以时间顺序变量出现次数的总权数，得到心率变异性预测值。
本发明提供了一种智能手表心率监测方法及系统，具有以下有益效果：
本发明通过用户佩戴智能手表时应用智能手表预先设定有的毫米波雷达发射电磁波信号至人体后，接收回返的回波信号分辨出人体当前的活动状态，辨别人体的运动状态或非运动状态后；与现有技术相比，本申请，通过高频脉冲信号与毫米波雷达预设频率的脉冲，实现了以下效果：
1、分别采集运动状态与非运动状态下的心率数据，并生成心率数据的区间变化值；
2、避免用户处于运动状态下时的进行心率测试得到的测试结果受到干扰，导致心率测试结果误差增大；
3、通过调整不同脉宽的线性调频脉冲信号实现了能够预测人体的心率变异性预测值，心率变异性预测值可以作为预先反映该人体心脏事件或者心律失常时有效的参考指标。不同脉宽的线性调频脉冲信号所收发得到的人体心率间隔序列也不同；综合所得的心率更接近真真实的心率变化曲线，如出现异常，更真实准确的反应异常做出预警。
附图说明
图1为本发明一种智能手表心率监测方法一个实施例的流程示意图；
图2为本发明一种智能手表心率监测系统一个实施例的结构框图。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明，本发明为目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
下面将结合本发明的实施例中的附图，对本发明的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的一部分实施例，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。
参考附图1，为本发明一实施例中的一种智能手表心率监测方法，包括：
S1：应用预设的毫米波雷达发射电磁波信号至预设的人体皮肤区域，基于所述毫米波雷达的芯片与所述人体皮肤区域之间形成回波间隙，接收在所述回波间隙之间回返的回波信号，并与预设的运动活动信号进行差异性比对，生成人体的活动状态，其中，所述与预设的运动活动信号进行差异性比对具体通过预设的加速度传感器获取加速度信号并计算后分辨得出所述人体的活动状态；
S2：判断所述活动状态是否匹配运动状态；
S3：若是，则根据所述运动状态采集所述人体的运动心率变化轨迹，并根据所述运动心率变化轨迹建立属于所述人体的运动心率区间值，基于将所述运动心率区间值划分心率波峰值和心率波谷值，通过所述毫米波雷达应用预设的相位偏移对所述人体的呼吸信号进行调制，保留所述呼吸信号的有效成分，抑制所述呼吸信号中的杂音干扰，生成所述人体的呼吸频率，并基于所述回波信号提取所述呼吸频率和所述运动心率区间值对应的至少一个或多个心率波形信号；
S4：滤出所述心率波形信号的带能量，并对所述心率波形信号进行帧抽取，得到所述带能量的振幅信息，基于所述振幅信息对所述心率波形信号进行提取分析，判断所述心率波形信号中是否匹配所述人体的运动状态；
S5：若否，则实时跟踪所述人体的心率值直至所述心率值跌落超出所述心率波谷值，重新定义所述人体的活动状态，基于所述回波信号具备的收发功能，获取所述人体回返的高频脉冲信号，根据所述毫米波雷达输出的预设频率的脉冲与所述高频脉冲信号的时间间隔对所述人体的心率值进行计算，生成所述人体在不同活动状态下的运动心率值与非运动心率值。
在本实施例中，智能系统通过启用预先设定在穿戴设备上的毫米波雷达，控制毫米波雷达发出信号执行发射指令，发射电磁波信号至预先设定好的人体皮肤区域，毫米波雷达芯片与皮肤之间形成回波间隙，通过接收电磁波信号回返的回波信号，与系统预先收录的运动活动信号进行差异性比对，并通过加速度传感器获取到人体的加速度信号后进行计算，分辨得出人体当前的活动状态是否为运动状态或非运动状态；而后智能系统通过判断该活动状态是否匹配预先收录有的运动状态（根据电磁波信号回返的回波信号的具体波长判断活动状态；当回波信号的波长λ等于或大于0.5米时，则此时人体的波长变化较为常规，此时人体处于非运动状态；当回波信号的波长λ小于0.5米时，则此时人体的波长变化较为频繁，此时人体处于运动状态），以执行对应的步骤；例如，系统通过回波信号的波长为0.3米时，判定到人体属于运动状态时，此时系统会根据人体基于运动状态采集人体对应的运动心率变化轨迹（包括人体的运动心率值），且根据运动心率变化轨迹建立属于该人体的运动心率区间值，根据运动心率区间值划分运动状态时心率最大值的波峰心率值和运动状态时心率最小值的波谷心率值，而后通过毫米波雷达预先设定有的相位偏移功能对人体发出的呼吸信号进行调制，保留这些呼吸信号中的有效成分，抑制并剔除呼吸信号中的杂音干扰成分，以生成该人体的呼吸频率，系统还能基于毫米波雷达获取的回波信号，提取呼吸频率和运动心率区间值共通时的至少一个或多个对应心率波形信号；智能系统通过滤出心率波形信号自设有的带能量，并对心率波形信号进行帧抽取，以得到带能量对应的振幅信息，基于这些振幅信息对心率波形信号进行提取分析后，以判断该心率波形信号能否匹配该人体目前的运动状态，以执行对应的步骤；例如，当心率波形信号无法匹配该人体目前的运动状态时，此时智能系统会实时跟踪人体的实时心率值，直至实时心率值跌落出运动状态时的心率波谷值，则重新定义目前该人体所处的活动状态，并生成人体处于运动状态下与非运动状态下的两种心率值。
在本实施例中，根据所述毫米波雷达输出的预设频率的脉冲与所述高频脉冲信号的时间间隔对所述人体的心率值进行计算的步骤中，包括：
根据预设的发射周期输出至低脉宽的线性调频脉冲信号与至高脉宽的线性调频脉冲信号，其中，所述预设的发射周期具体基于所述线性调频脉冲信号的脉宽进行适应性调整；
基于所述至低脉宽的线性调频脉冲信号与所述至高脉宽的线性调频脉冲信号，构建多频域并行通道，生成至少两种或多种心率间隔序列；
依据预设的心率变异性获取所述至少两种或多种心率间隔序列对应的权重系数，根据动脉多普勒范围和所述心率变异性构建心率匹配矩阵，基于所述心率匹配矩阵对各个所述权重系数进行加权平均，生成若干个同一变量的所述权重系数以时间顺序变量出现次数的总权数，得到心率变异性预测值。
在本实施例中，系统通过预先设定好高频脉冲信号的发射周期，而后调整输出模式进行最低脉宽的线性调频脉冲信号的输出与最高脉宽的线性调频脉冲信号的输出，经由两种不同脉宽的线性调频脉冲信号构建得到多频域并行通道，毫米波雷达可通过该多频域并行通道发射不同脉宽的线性调频脉冲信号，以生成至少两种或更多种的心率间隔序列，系统依据预先设有的心率变异性获取至少两种或更多种的心率间隔序列对应的权重系数，根据预先收录有的动脉多普勒范围和心率变异性，构建出属于该人体的心率匹配矩阵，基于该心率匹配矩阵对各个权重系数进行加权平均，以生成各个属于同一变量的权重系数，并以时间顺序变量出现次数的权数，该权数作为由始至终的各个权重系数组成的加权平均数，作为人体的心率变异性预测值；例如，依据预先设定的心率变异性获取到两种心率间隔序列对应的权重系数为60、100，则此时构建得到的心率匹配矩阵则对应存在该两个权重系数60和100，基于时间顺序出现次数的总权数为160，160通过加权平均/2后得到80，即代表80为心率变异性预测值；例如，依据预先设定的心率变异性获取到五种心率间隔序列对应的权重系数为60、70、80、90、100，则此时构建得到的心率匹配矩阵则对应存在该五个权重系数60、70、80、90、100，基于时间顺序出现次数的总权数为400，400通过加权平均/5后得到80，即代表80为心率变异性预测值；通过调整不同脉宽的线性调频脉冲信号实现了能够预测人体的心率变异性预测值，心率变异性预测值可以作为预先反映该人体心脏事件或者心律失常时有效的参考指标。
需要说明的是，不同脉宽的线性调频脉冲信号所收发得到的人体心率间隔序列也不同；心率变异性是指逐次心搏间期之间的微小差异；心率匹配矩阵用于观察最适配该人体的脉宽线性调频脉冲信号。
在本实施例中，并基于所述回波信号提取所述呼吸频率和所述运动心率区间值对应的至少一个或多个心率波形信号的步骤中，包括：
依据预设时段选定某一时刻的所述呼吸频率和所述运动心率区间值进行匹配，获取所述人体基于运动状态下的心率样本数据；
判断所述心率样本数据是否匹配所述运动状态；
若否，则将所述心率样本数据从时域数据转换为频域数据，查找所述频域数据中的频谱间隔规律，分析后获得最终能匹配所述运动状态的心率样本。
在本实施例中，智能系统依据预先设定好的时段选定某一时刻的呼吸频率和运动心率区间值进行匹配，以获取人体在运动状态下的心率样本数据，并判断该心率样本数据是否匹配人体的运动状态，以执行对应的步骤；例如，系统判定到心率样本数据无法匹配到运动状态时，则此时系统会将心率样本数据由时域数据转换为频域数据，通过对时域/频域峰点间隔进行统计，更加直观的观察到心率样本数据的分布特性，使用测量范围内的统计，做傅里叶变化时，将时域数据翻转合并，在不增加采样时间的基础上，增加频谱的分辨率，提高频域数据的准确度，利用频谱图中峰点间隔的规律，心率越大间隔越大，心率越小间隔越小，通过倍数频率的特性，提高了傅里叶变换的实用性，将时域数据的计算结果，与频域数据的计算结果进行比对，时频交互，从而提高了最后心率样本数据的准确度，得到匹配运动状态的心率样本。
在本实施例中，生成所述人体的运动心率值与非运动心率值的步骤中，包括：
根据所述人体处于不同状态下，分别获取两种所述高频脉冲信号的时间间隔以及高频脉冲信号总时段，其中，所述高频脉冲信号的时间间隔和所述高频脉冲信号总时段存在预设的比例关系；
根据所述高频脉冲信号的时间间隔、所述高频脉冲信号总时段和所述预设的比例关系，生成不同活动状态下的运动心率值测试方案与非运动心率值测试方案；
根据所述运动心率值测试方案与所述非运动心率值测试方案，从所述时间间隔的最小值开始输出的高频脉冲信号，维持所述预设频率的脉冲持续输出，直至所述高频脉冲信号的时间间隔与所述高频脉冲信号总时段达到所述预设的比例关系，获取到所述运动心率值与所述非运动心率值；
基于预收录的所述人体心率区间值，判断所述运动心率值与所述非运动心率值是否出现异常；
若是，则生成所述人体处于运动状态或非运动状态下的异常心率值，并为所述人体生成异常心率报告，其中，所述异常心率报告具体为生成日常收录所述人体的心率值与所述人体异常心率值的差值，并生成预设的生活建议。
在本实施例中，智能系统基于人体处于两种不同状态下时，分别获取两种高频脉冲信号的时间间隔与高频脉冲信号总时段，而后根据高频脉冲信号的时间间隔、高频脉冲信号总时段和预设的比例关系，生成不同活动状态下的运动心率值测试方案与非运动心率值测试方案，最后根据运动心率值测试方案与非运动心率值测试方案，从时间间隔的最小值开始输出的高频脉冲信号，维持预设频率的脉冲持续输出，直至高频脉冲信号的时间间隔与高频脉冲信号总时段达到预设的比例关系；例如，当人体处于运动状态下时，此时回波信号设定的收发高频脉冲信号的时间间隔为1min/次，而高频脉冲信号的总时段为60min，根据人体1min-60min的总心率值，取该人体的平均心率值，作为该人体的运动心率值；例如，当人体处于非运动状态下时，此时回波信号设定的收发高频脉冲信号的时间间隔为1s/次，而高频脉冲信号的总时段为60s，根据人体1s-60s的总心率值，取该人体的平均心率值，作为该人体的非运动心率值，在获取到人体处于运动状态下的心率值与非运动状态下的心率值后，系统通过将日常生活中预先收录有该人体的心率区间值，以判断该运动状态下的心率值与非运动状态下的心率值是否出现异常，以执行对应的不同步骤；例如，当系统捕捉到该人体处于运动状态下的心率值为120次/分，而日常生活中预先收录有该人体的心率区间值仅在60次-100次/分，即代表当前该人体的心跳次数过高，则此时系统会判定该人体在运动状态下的心率值出现异常，因为此时的心率值高于该人体常规的心率值，此时系统会生成该人体日常生活中预先收录有该人体的心率最高值100次/分、运动状态下的心率值120次/分和差值20次/分，至该人体的异常心率报告中，并生成预先设定有的运动建议，如运动状态勿过于激烈、运动时长勿过于长久等建议；例如，当系统捕捉到该人体处于非运动状态下的心率值为40次/分，即代表当前该人体的心跳次数过低，则此时系统会判定该人体在非运动状态下的心率值出现异常，因为此时的心率值低于该人体常规的心率值，此时系统会生成该人体日常生活中预先收录有的该人体的心率最低值60次/分、非运动状态下的心率值40次/分和差值20次/分，至该人体的异常心率报告中，并生成预先设定有的生活建议，如平时尽量少吃例如巧克力、咖啡、浓茶、酒水等刺激心脏与血管的食物或饮品,少吃含高热量、高脂肪、高胆固醇的油腻食物等；智能系统会根据该人体处于心率过高或过低时生成两种对应的异常心率报告。
需要说明的是，该实施例中毫米波雷达通过设定频率脉冲收发时间延迟得到人体的心率信息，根据回波信号接收高频脉冲载波中的多普勒频率测量目标的径向速度，利用等信号法采集人体的心率数据，并且高频脉冲信号与毫米波雷达预设频率的脉冲是相对的，通过脉冲信号对人体心率区间值进行细化的计算后，取平均值作为人体处于运动状态下的心率值与非运动状态下的心率值，从而提取了人体不同状态下的各个心率值，通过脉冲测试的方式，可以直观了解人体心率数据的波动情况，并且可以实时记录心率数据内容。
需要补充的是，“正常成年人的心率波动在每分钟60~100次，婴幼儿、儿童的心率要比成人快，老年人的心率要偏慢；人体在运动、精神紧张、情绪激动、进食时心率会增快，甚至超过每分钟100次，但是不会多于110次，是属于正常的；而安静休息或者睡眠的时候，心跳可以减慢，甚至小于每分钟60次，但是不会少于50次，也是属于正常的。
在本实施例中，则根据所述运动状态采集所述人体的运动心率变化轨迹的步骤前，包括：
基于所述回波信号采集所述人体的心率波动变化周期，创建基于所述人体处于运动状态时的打点数据规则，根据所述心率波动变化周期，判断所述人体是否需要执行打点数据获取，其中，所述打点数据具体为人体处于运动状态时，定时采集人体的心率数据信息；
若需要，则录入所述打点数据获取过程，并依据所述打点数据规则对所述打点数据进行滑动截取，获取相邻截取段的首个数据波形段与下个数据波形段之间最大幅度与最小幅度的差比值，作为各个数据波形段的幅度差比值，将至少一次或多次所得到的所述打点数据依据定位时间依次相连接，以得到所述人体的运动轨迹数据。
在本实施例中，智能系统基于毫米波雷达接收的回波信号，采集该人体的心率波动变化周期，创建基于该人体处于运动状态时的打点数据获取进程，根据该人体的心率波动变化周期，以判断该人体是否需要执行打点数据获取进程，以执行对应的步骤；例如，当人体的心率波动边周期需要执行打点数据获取进程时，此时则按照预先设定好的打点频率对打点数据进行滑动截取，获取首个截取段与下个截取段的两个数据波形段，并获取这两个数据波形段之间的最大幅度与最小幅度的差比值，将差比值作为各个数据波形段的幅度差比值，根据这些幅度差比值可以观察到该人体的运动心率变化轨迹变化，而后将至少一次或多次得到的打点数据依据定位打点时间依次相连接，即可得到该人体的运动轨迹数据；通过设定打点数据规则，可以得知人体在运动状态下的心率波动变化情况，或通过打点数据规则的停止，得知人体处于非运动状态；打点数据规则的设定，能够提高：对应于人体处于运动状态时，各个打点频率对应的人体心率获取效率和获取精度；依次相连接的意义在于能够清楚地呈现出人体处于运动状态下，心率波动的变化情况，如相连接时得知人体的心率波动从高到低、从低到高、一直处于高心率或一直处于低心率。
在本实施例中，通过所述毫米波雷达应用预设的相位偏移对所述人体的呼吸信号进行调制，保留所述呼吸信号的有效成分，抑制所述呼吸信号中的杂音干扰，生成所述人体的呼吸频率的步骤中，包括：
根据所述毫米波雷达配置下自设有的线性调频参数，生成相应的波形数据，在生成波形数据的同时，根据线性调频的扫频周期和扫频带宽参数调整波形的周期和幅度，对匹配好调制参数后的进行数据波形处理，获取瞬时相位值；
利用预设的正余弦对照表对所述瞬时相位值进行对照处理，获取所述瞬时相位值对应的模拟调制信号值；
将所述瞬时相位值与所述模拟调制信号值输入至预设的调制器进行正交调制，得到可输出的线性调频信号，应用所述线性调频信号对所述呼吸信号进行抑制，生成所述人体的呼吸频率。
在本实施例中，智能系统根据毫米波雷达预先配置有的线性调频参数，生成相应的波形数据，同时根据线性调频的扫频周期和扫频带宽参数以调整波形的周期和幅度，对预先匹配好的调制参数进行数据波形处理，生成瞬时相位值，应用预先设定有的正余弦对照表对该瞬时相位值进行对照处理，以获取该瞬时相位值对应的模拟调制信号值（用于矫正呼吸信号存在的多余杂音），将瞬时相位值与模拟调制信号值输入至预先设置有的调制器进行正交调制，即可得到可输出的线性调频信号，重新应用线性调频信号通过毫米波雷达对具备杂音的呼吸信号进行抑制，以生成人体的呼吸频率；通过灵活调整线性调频的扫描周期和扫描带宽，进一步提高了线性调频生成波形信号的灵活性和波形信号类型的多样性，能够提高毫米波雷达通过回波信号得到人体心率数据时的精度。
在本实施例中，滤出所述心率波形信号的带能量，并对所述心率波形信号进行帧抽取，得到所述带能量的振幅信息，基于所述振幅信息对所述心率波形信号进行提取分析的步骤中，包括：
将所述心率波形信号按照预设的帧基带进行信号分段截取，得到信号最大值与每帧信号的最大值和信号探测范围，将所述信号最大值、所述每帧信号的最大值和所述信号探测范围作为判断所述人体处于运动状态的条件。
在本实施例中，智能系统通过将心率波形信号按照预先设好的帧基带进行信号分段截取，以获取信号最大值、每帧信号的最大值和信号的探测范围，而后以信号最大值、每帧信号的最大值和信号的探测范围作为回波信号中判断人体是否处于运动状态的判定条件。
在本实施例中，则实时跟踪所述人体的心率值直至所述心率值跌落超出所述心率波谷值，重新定义所述人体的活动状态的步骤中，包括：
基于预设的扫描仪对预设的光信号输出部位进行光线照射，采用预设的PPG光电容积脉搏波描记法通过光敏传感器采集所述人体回返的心电信号，其中，所述光线照射具体采用600nm-1000nm的红光进行照射；
对所述心电信号进行信号滤波处理，在预设独立空间中生成所述信号滤波处理对应时段的波峰个数，根据所述波峰个数生成所述人体对应的各个血液特征数据，其中，所述血液特征数据包括动脉血液、静脉血液与其他组织血液；
基于所述各个血液特征数据对应的不同光吸收特性，识别所述各个血液特征数据中的血氧含量信息，根据所述血氧含量信息的比例值得到所述人体的血氧比例，其中，所述血氧含量信息包括氧合血红蛋白与血红蛋白。
在本实施例中，系统基于预先设定在手表背面处的小型扫描仪对预先设定的扫描瞄准位采用600nm-1000nm的红色光线进行光线照射，通过光敏传感器接收到人体回返的心电信号后，应用预先设定的PPG光电容积脉搏波描记法对心电信号进行信号滤波处理，处理结果生成在预先设定的独立空间中，生成信号滤波处理不同时段对应的不同波峰个数信息，根据这些波峰个数信息生成人体对应的各个血液特征数据；例如，信号滤波处理的时段为10s，则10s内对应生成的波峰个数为N，生成血液特征数据中的动脉血液为N*3，静脉血液为N*3，其他组织血液为N*2；例如，信号滤波处理的时段为20s，则20s内对应生成的波峰个数为2N，生成血液特征数据中的动脉血液为2N*3，静脉血液为2N*3，其他组织血液为2N*2；基于各个血液特征数据对应的不同光吸收特征，识别各个血液特征数据中的血氧含量信息，根据血氧含量信息中氧合血红蛋白与血红蛋白的比例值，即可得到人体的血氧比例；例如，识别到动态血液特征数据的血氧含量信息中，氧合血红蛋白与血红蛋白的比例为600：900，即血氧比例值为66.66%，而正常水平的动脉血氧饱和度为95%-98%，即此时系统会判定人体的动脉血液特征数据出现异常；例如，识别到静态血液特征数据的血氧含量信息中，氧合血红蛋白与血红蛋白的比例为600：800，即血氧含量信息的比例值为75%，而正常水平的静脉血氧饱和度为64%-88%,即此时系统会判定人体的静脉血液特征数据为正常。
需要说明的是，目前常规的手表传感器均采用绿光进行光线照射，而采用绿光进行照射时，进入皮肤组织的绿光仅为500nm，且大部分会被红细胞所吸收，会影响光敏传感器所采集的心电信号；而使用红光进行照射的好处在于，红光和接近IR的光相比其他波长的光，更容易穿过皮肤组织，且血液要比其他组织吸收更多的光，将红光和绿光进行相比，绿光更容易被脱氧血红蛋白吸收；采用600-1000nm红色光线照射的优势在于，氧和血红白丹HbO2和血红蛋白Hb对波长的光吸收特征分别为：600-800nm之间Hb的吸收系数更高，800-1000nm之间HbO2的吸收系数更高，使得检测出来的人体血氧比例相对于其他常规检测手段，检测结果更加精确。
参考附图2，为本发明一实施例中一种智能手表心率监测系统，包括：
生成模块10，用于应用预设的毫米波雷达发射电磁波信号至预设的人体皮肤区域，基于所述毫米波雷达的芯片与所述人体皮肤区域之间形成回波间隙，接收在所述回波间隙之间回返的回波信号，并与预设的运动活动信号进行差异性比对，生成人体的活动状态，其中，所述与预设的运动活动信号进行差异性比对具体通过预设的加速度传感器获取加速度信号并计算后分辨得出所述人体的活动状态；
判断模块20，用于判断所述活动状态是否匹配运动状态；
执行模块30，用于若是，则根据所述运动状态采集所述人体的运动心率变化轨迹，并根据所述运动心率变化轨迹建立属于所述人体的运动心率区间值，基于将所述运动心率区间值划分心率波峰值和心率波谷值，通过所述毫米波雷达应用预设的相位偏移对所述人体的呼吸信号进行调制，保留所述呼吸信号的有效成分，抑制所述呼吸信号中的杂音干扰，生成所述人体的呼吸频率，并基于所述回波信号提取所述呼吸频率和所述运动心率区间值对应的至少一个或多个心率波形信号；
第二判断模块40，用于滤出所述心率波形信号的带能量，并对所述心率波形信号进行帧抽取，得到所述带能量的振幅信息，基于所述振幅信息对所述心率波形信号进行提取分析，判断所述心率波形信号中是否匹配所述人体的运动状态；
第二执行模块50，用于若否，则实时跟踪所述人体的心率值直至所述心率值跌落超出所述心率波谷值，重新定义所述人体的活动状态，基于所述回波信号具备的收发功能，获取所述人体回返的高频脉冲信号，根据所述毫米波雷达输出的预设频率的脉冲与所述高频脉冲信号的时间间隔对所述人体的心率值进行计算，生成所述人体在不同活动状态下的运动心率值与非运动心率值。
在本实施例中，生成模块10通过启用预先设定在穿戴设备上的毫米波雷达，控制毫米波雷达发出信号执行发射指令，发射电磁波信号至预先设定好的人体皮肤区域，毫米波雷达芯片与皮肤之间形成回波间隙，通过接收电磁波信号回返的回波信号，与系统预先收录的运动活动信号进行差异性比对，并通过加速度传感器获取到人体的加速度信号后进行计算，分辨得出人体当前的活动状态是否为运动状态或非运动状态；而后判断模块20通过判断该活动状态是否匹配预先收录有的运动状态（根据电磁波信号回返的回波信号的具体波长判断活动状态；当回波信号的波长λ等于或大于0.5米时，则此时人体的波长变化较为常规，此时人体处于非运动状态；当回波信号的波长λ小于0.5米时，则此时人体的波长变化较为频繁，此时人体处于运动状态），以执行对应的步骤；例如，系统通过回波信号的波长为0.3米时，判定到人体属于运动状态时，此时执行模块30会根据人体基于运动状态采集人体对应的运动心率变化轨迹（包括人体的运动心率值），且根据运动心率变化轨迹建立属于该人体的运动心率区间值，根据运动心率区间值划分运动状态时心率最大值的波峰心率值和运动状态时心率最小值的波谷心率值，而后通过毫米波雷达预先设定有的相位偏移功能对人体发出的呼吸信号进行调制，保留这些呼吸信号中的有效成分，抑制并剔除呼吸信号中的杂音干扰成分，以生成该人体的呼吸频率，系统还能基于毫米波雷达获取的回波信号，提取呼吸频率和运动心率区间值共通时的至少一个或多个对应心率波形信号；第二判断模块40通过滤出心率波形信号自设有的带能量，并对心率波形信号进行帧抽取，以得到带能量对应的振幅信息，基于这些振幅信息对心率波形信号进行提取分析后，以判断该心率波形信号能否匹配该人体目前的运动状态，以执行对应的步骤；例如，当心率波形信号无法匹配该人体目前的运动状态时，此时第二执行模块50会实时跟踪人体的实时心率值，直至实时心率值跌落出运动状态时的心率波谷值，则重新定义目前该人体所处的活动状态，并生成人体处于运动状态下与非运动状态下的两种心率值。
在本实施例中，生成模块10通过启用预先设定在穿戴设备上的毫米波雷达，控制毫米波雷达发出信号执行发射指令，发射电磁波信号至预先设定好的人体皮肤区域，毫米波雷达芯片与皮肤之间形成回波间隙，通过接收电磁波信号回返的回波信号，与系统预先收录的运动活动信号进行差异性比对，以生成目前穿戴设备的人体活动状态；可以理解的是：通过发射电磁波信号照射人体时，这些电磁波无色无味、看不见、摸不着、穿透力强，因此穿戴设备无论照射人体的哪个部位，只需要能够接收到人体反射的回波信号，即可根据该回波信号生成该人体的活动状态；而后判断模块20通过判断该活动状态是否匹配预先收录有的运动状态（根据电磁波信号回返的回波信号的具体波长判断活动状态；当回波信号的波长λ等于或大于0.5米时，则此时人体的波长变化较为常规，此时人体处于非运动状态；当回波信号的波长λ小于0.5米时，则此时人体的波长变化较为频繁，此时人体处于运动状态），以执行对应的步骤；例如，系统通过回波信号的波长为0.3米时，判定到人体属于运动状态时，此时执行模块30会根据人体基于运动状态采集人体对应的运动心率变化轨迹（包括人体的运动心率值），且根据运动心率变化轨迹建立属于该人体的运动心率区间值，根据运动心率区间值划分运动状态时心率最大值的波峰心率值和运动状态时心率最小值的波谷心率值，而后通过毫米波雷达预先设定有的相位偏移功能对人体发出的呼吸信号进行调制，保留这些呼吸信号中的有效成分，抑制并剔除呼吸信号中的杂音干扰成分，以生成该人体的呼吸频率，系统还能基于毫米波雷达获取的回波信号，提取呼吸频率和运动心率区间值共通时的至少一个或多个对应心率波形信号；第二判断模块40通过滤出心率波形信号自设有的带能量，并对心率波形信号进行帧抽取，以得到带能量对应的振幅信息，基于这些振幅信息对心率波形信号进行提取分析后，以判断该心率波形信号能否匹配该人体目前的运动状态，以执行对应的步骤；例如，当心率波形信号无法匹配该人体目前的运动状态时，此时智能系统会实时跟踪人体的实时心率值，直至实时心率值跌落出运动状态时的心率波谷值，则重新定义目前该人体所处的活动状态，并应用回波信号的收发功能，以获取输出至人体后回返的高频脉冲信号，根据毫米波雷达预先设定好频率的脉冲和高频脉冲信号设定的时间间隔对该人体的心率值进行计算，且应用预先设有的加速度传感器对人体的心率进行测量，通过加速度传感器生成的加速度信号，以生成该人体处于不同活动状态下的运动心率值和非运动心率值。
在本实施例中，第二执行模块还包括：
输出单元，用于根据预设的发射周期输出至低脉宽的线性调频脉冲信号与至高脉宽的线性调频脉冲信号，其中，所述预设的发射周期具体基于所述线性调频脉冲信号的脉宽进行适应性调整；
构建单元，用于基于所述至低脉宽的线性调频脉冲信号与所述至高脉宽的线性调频脉冲信号，构建多频域并行通道，生成至少两种或多种心率间隔序列；
获取单元，用于依据预设的心率变异性获取所述至少两种或多种心率间隔序列对应的权重系数，根据动脉多普勒范围和所述心率变异性构建心率匹配矩阵，基于所述心率匹配矩阵对各个所述权重系数进行加权平均，生成若干个同一变量的所述权重系数以时间顺序变量出现次数的总权数，得到心率变异性预测值。
在本实施例中，系统通过预先设定好高频脉冲信号的发射周期，而后调整输出模式进行最低脉宽的线性调频脉冲信号的输出与最高脉宽的线性调频脉冲信号的输出，经由两种不同脉宽的线性调频脉冲信号构建得到多频域并行通道，毫米波雷达可通过该多频域并行通道发射不同脉宽的线性调频脉冲信号，以生成至少两种或更多种的心率间隔序列，系统依据预先设有的心率变异性获取至少两种或更多种的心率间隔序列对应的权重系数，根据预先收录有的动脉多普勒范围和心率变异性，构建出属于该人体的心率匹配矩阵，基于该心率匹配矩阵对各个权重系数进行加权平均，以生成各个属于同一变量的权重系数，并以时间顺序变量出现次数的权数，该权数作为由始至终的各个权重系数组成的加权平均数，作为人体的心率变异性预测值；例如，依据预先设定的心率变异性获取到两种心率间隔序列对应的权重系数为60、100，则此时构建得到的心率匹配矩阵则对应存在该两个权重系数60和100，基于时间顺序出现次数的总权数为160，160通过加权平均/2后得到80，即代表80为心率变异性预测值；例如，依据预先设定的心率变异性获取到五种心率间隔序列对应的权重系数为60、70、80、90、100，则此时构建得到的心率匹配矩阵则对应存在该五个权重系数60、70、80、90、100，基于时间顺序出现次数的总权数为400，400通过加权平均/5后得到80，即代表80为心率变异性预测值；通过调整不同脉宽的线性调频脉冲信号实现了能够预测人体的心率变异性预测值，心率变异性预测值可以作为预先反映该人体心脏事件或者心律失常时有效的参考指标。
需要说明的是，不同脉宽的线性调频脉冲信号所收发得到的人体心率间隔序列也不同；心率变异性是指逐次心搏间期之间的微小差异；心率匹配矩阵用于观察最适配该人体的脉宽线性调频脉冲信号。
在本实施例中，所述执行模块还包括：
第二获取单元，用于依据预设时段选定某一时刻的所述呼吸频率和所述运动心率区间值进行匹配，获取所述人体基于运动状态下的心率样本数据；
判断单元，用于判断所述心率样本数据是否匹配所述运动状态；
执行单元，用于若否，则将所述心率样本数据从时域数据转换为频域数据，查找所述频域数据中的频谱间隔规律，分析后获得最终能匹配所述运动状态的心率样本。
在本实施例中，智能系统依据预先设定好的时段选定某一时刻的呼吸频率和运动心率区间值进行匹配，以获取人体在运动状态下的心率样本数据，并判断该心率样本数据是否匹配人体的运动状态，以执行对应的步骤；例如，系统判定到心率样本数据无法匹配到运动状态时，则此时系统会将心率样本数据由时域数据转换为频域数据，通过对时域/频域峰点间隔进行统计，更加直观的观察到心率样本数据的分布特性，使用测量范围内的统计，做傅里叶变化时，将时域数据翻转合并，在不增加采样时间的基础上，增加频谱的分辨率，提高频域数据的准确度，利用频谱图中峰点间隔的规律，心率越大间隔越大，心率越小间隔越小，通过倍数频率的特性，提高了傅里叶变换的实用性，将时域数据的计算结果，与频域数据的计算结果进行比对，时频交互，从而提高了最后心率样本数据的准确度，得到匹配运动状态的心率样本。
在本实施例中，第二执行模块还包括：
第三获取单元，用于根据所述人体处于不同状态下，分别获取两种所述高频脉冲信号的时间间隔以及高频脉冲信号总时段，其中，所述高频脉冲信号的时间间隔和所述高频脉冲信号总时段存在预设的比例关系；
第二生成单元，用于根据所述高频脉冲信号的时间间隔、所述高频脉冲信号总时段和所述预设的比例关系，生成不同活动状态下的运动心率值测试方案与非运动心率值测试方案；
第四获取单元，用于根据所述运动心率值测试方案与所述非运动心率值测试方案，从所述时间间隔的最小值开始输出的高频脉冲信号，维持所述预设频率的脉冲持续输出，直至所述高频脉冲信号的时间间隔与所述高频脉冲信号总时段达到所述预设的比例关系，获取到所述运动心率值与所述非运动心率值；
第二判断单元，用于基于预收录的所述人体心率区间值，判断所述运动心率值与所述非运动心率值是否出现异常；
第二执行单元，用于若是，则生成所述人体处于运动状态或非运动状态下的异常心率值，并为所述人体生成异常心率报告，其中，所述异常心率报告具体为生成日常收录所述人体的心率值与所述人体异常心率值的差值，并生成预设的生活建议。
在本实施例中，智能系统基于人体处于两种不同状态下时，分别获取两种高频脉冲信号的时间间隔与高频脉冲信号总时段，而后根据高频脉冲信号的时间间隔、高频脉冲信号总时段和预设的比例关系，生成不同活动状态下的运动心率值测试方案与非运动心率值测试方案，最后根据运动心率值测试方案与非运动心率值测试方案，从时间间隔的最小值开始输出的高频脉冲信号，维持预设频率的脉冲持续输出，直至高频脉冲信号的时间间隔与高频脉冲信号总时段达到预设的比例关系；例如，当人体处于运动状态下时，此时回波信号设定的收发高频脉冲信号的时间间隔为1min/次，而高频脉冲信号的总时段为60min，根据人体1min-60min的总心率值，取该人体的平均心率值，作为该人体的运动心率值；例如，当人体处于非运动状态下时，此时回波信号设定的收发高频脉冲信号的时间间隔为1s/次，而高频脉冲信号的总时段为60s，根据人体1s-60s的总心率值，取该人体的平均心率值，作为该人体的非运动心率值，在获取到人体处于运动状态下的心率值与非运动状态下的心率值后，系统通过将日常生活中预先收录有该人体的心率区间值，以判断该运动状态下的心率值与非运动状态下的心率值是否出现异常，以执行对应的不同步骤；例如，当系统捕捉到该人体处于运动状态下的心率值为120次/分，而日常生活中预先收录有该人体的心率区间值仅在60次-100次/分，即代表当前该人体的心跳次数过高，则此时系统会判定该人体在运动状态下的心率值出现异常，因为此时的心率值高于该人体常规的心率值，此时系统会生成该人体日常生活中预先收录有该人体的心率最高值100次/分、运动状态下的心率值120次/分和差值20次/分，至该人体的异常心率报告中，并生成预先设定有的运动建议，如运动状态勿过于激烈、运动时长勿过于长久等建议；例如，当系统捕捉到该人体处于非运动状态下的心率值为40次/分，即代表当前该人体的心跳次数过低，则此时系统会判定该人体在非运动状态下的心率值出现异常，因为此时的心率值低于该人体常规的心率值，此时系统会生成该人体日常生活中预先收录有的该人体的心率最低值60次/分、非运动状态下的心率值40次/分和差值20次/分，至该人体的异常心率报告中，并生成预先设定有的生活建议，如平时尽量少吃例如巧克力、咖啡、浓茶、酒水等刺激心脏与血管的食物或饮品,少吃含高热量、高脂肪、高胆固醇的油腻食物等；智能系统会根据该人体处于心率过高或过低时生成两种对应的异常心率报告。
需要说明的是，该实施例中毫米波雷达通过设定频率脉冲收发时间延迟得到人体的心率信息，根据回波信号接收高频脉冲载波中的多普勒频率测量目标的径向速度，利用等信号法采集人体的心率数据，并且高频脉冲信号与毫米波雷达预设频率的脉冲是相对的，通过脉冲信号对人体心率区间值进行细化的计算后，取平均值作为人体处于运动状态下的心率值与非运动状态下的心率值，从而提取了人体不同状态下的各个心率值，通过脉冲测试的方式，可以直观了解人体心率数据的波动情况，并且可以实时记录心率数据内容。
需要补充的是，“正常成年人的心率波动在每分钟60~100次，婴幼儿、儿童的心率要比成人快，老年人的心率要偏慢；人体在运动、精神紧张、情绪激动、进食时心率会增快，甚至超过每分钟100次，但是不会多于110次，是属于正常的；而安静休息或者睡眠的时候，心跳可以减慢，甚至小于每分钟60次，但是不会少于50次，也是属于正常的。
在本实施例中，还包括：
第三判断模块，用于基于所述回波信号采集所述人体的心率波动变化周期，创建基于所述人体处于运动状态时的打点数据规则，根据所述心率波动变化周期，判断所述人体是否需要执行打点数据获取，其中，所述打点数据具体为人体处于运动状态时，定时采集人体的心率数据信息；
第三执行模块，用于若需要，则录入所述打点数据获取过程，并依据所述打点数据规则对所述打点数据进行滑动截取，获取相邻截取段的首个数据波形段与下个数据波形段之间最大幅度与最小幅度的差比值，作为各个数据波形段的幅度差比值，将至少一次或多次所得到的所述打点数据依据定位时间依次相连接，以得到所述人体的运动轨迹数据。
在本实施例中，智能系统基于毫米波雷达接收的回波信号，采集该人体的心率波动变化周期，创建基于该人体处于运动状态时的打点数据获取进程，根据该人体的心率波动变化周期，以判断该人体是否需要执行打点数据获取进程，以执行对应的步骤；例如，当人体的心率波动边周期需要执行打点数据获取进程时，此时则按照预先设定好的打点频率对打点数据进行滑动截取，获取首个截取段与下个截取段的两个数据波形段，并获取这两个数据波形段之间的最大幅度与最小幅度的差比值，将差比值作为各个数据波形段的幅度差比值，根据这些幅度差比值可以观察到该人体的运动心率变化轨迹变化，而后将至少一次或多次得到的打点数据依据定位打点时间依次相连接，即可得到该人体的运动轨迹数据；通过设定打点数据规则，可以得知人体在运动状态下的心率波动变化情况，或通过打点数据规则的停止，得知人体处于非运动状态；打点数据规则的设定，能够提高：对应于人体处于运动状态时，各个打点频率对应的人体心率获取效率和获取精度；依次相连接的意义在于能够清楚地呈现出人体处于运动状态下，心率波动的变化情况，如相连接时得知人体的心率波动从高到低、从低到高、一直处于高心率或一直处于低心率。
在本实施例中，执行模块还包括：
第五获取单元，用于根据所述毫米波雷达配置下自设有的线性调频参数，生成相应的波形数据，在生成波形数据的同时，根据线性调频的扫频周期和扫频带宽参数调整波形的周期和幅度，对匹配好调制参数后的进行数据波形处理，获取瞬时相位值；
第六获取单元，用于利用预设的正余弦对照表对所述瞬时相位值进行对照处理，获取所述瞬时相位值对应的模拟调制信号值；
第三生成单元，用于将所述瞬时相位值与所述模拟调制信号值输入至预设的调制器进行正交调制，得到可输出的线性调频信号，应用所述线性调频信号对所述呼吸信号进行抑制，生成所述人体的呼吸频率。
在本实施例中，智能系统根据毫米波雷达预先配置有的线性调频参数，生成相应的波形数据，同时根据线性调频的扫频周期和扫频带宽参数以调整波形的周期和幅度，对预先匹配好的调制参数进行数据波形处理，生成瞬时相位值，应用预先设定有的正余弦对照表对该瞬时相位值进行对照处理，以获取该瞬时相位值对应的模拟调制信号值（用于矫正呼吸信号存在的多余杂音），将瞬时相位值与模拟调制信号值输入至预先设置有的调制器进行正交调制，即可得到可输出的线性调频信号，重新应用线性调频信号通过毫米波雷达对具备杂音的呼吸信号进行抑制，以生成人体的呼吸频率；通过灵活调整线性调频的扫描周期和扫描带宽，进一步提高了线性调频生成波形信号的灵活性和波形信号类型的多样性，能够提高毫米波雷达通过回波信号得到人体心率数据时的精度。
在本实施例中，第二判断模块还包括：
截取单元，用于将所述心率波形信号按照预设的帧基带进行信号分段截取，得到信号最大值与每帧信号的最大值和信号探测范围，将所述信号最大值、所述每帧信号的最大值和所述信号探测范围作为判断所述人体处于运动状态的条件。
在本实施例中，智能系统通过将心率波形信号按照预先设好的帧基带进行信号分段截取，以获取信号最大值、每帧信号的最大值和信号的探测范围，而后以信号最大值、每帧信号的最大值和信号的探测范围作为回波信号中判断人体是否处于运动状态的判定条件。
在本实施例中，第二执行模块还包括：
采集单元，用于基于预设的扫描仪对预设的光信号输出部位进行光线照射，采用预设的PPG光电容积脉搏波描记法通过光敏传感器采集所述人体回返的心电信号，其中，所述光线照射具体采用600nm-1000nm的红光进行照射；
处理单元，用于对所述心电信号进行信号滤波处理，在预设独立空间中生成所述信号滤波处理对应时段的波峰个数，根据所述波峰个数生成所述人体对应的各个血液特征数据，其中，所述血液特征数据包括动脉血液、静脉血液与其他组织血液；
识别单元，用于基于所述各个血液特征数据对应的不同光吸收特性，识别所述各个血液特征数据中的血氧含量信息，根据所述血氧含量信息的比例值得到所述人体的血氧比例，其中，所述血氧含量信息包括氧合血红蛋白与血红蛋白。
在本实施例中，系统基于预先设定在手表背面处的小型扫描仪对预先设定的扫描瞄准位采用600nm-1000nm的红色光线进行光线照射，通过光敏传感器接收到人体回返的心电信号后，应用预先设定的PPG光电容积脉搏波描记法对心电信号进行信号滤波处理，处理结果生成在预先设定的独立空间中，生成信号滤波处理不同时段对应的不同波峰个数信息，根据这些波峰个数信息生成人体对应的各个血液特征数据；例如，信号滤波处理的时段为10s，则10s内对应生成的波峰个数为N，生成血液特征数据中的动脉血液为N*3，静脉血液为N*3，其他组织血液为N*2；例如，信号滤波处理的时段为20s，则20s内对应生成的波峰个数为2N，生成血液特征数据中的动脉血液为2N*3，静脉血液为2N*3，其他组织血液为2N*2；基于各个血液特征数据对应的不同光吸收特征，识别各个血液特征数据中的血氧含量信息，根据血氧含量信息中氧合血红蛋白与血红蛋白的比例值，即可得到人体的血氧比例；例如，识别到动态血液特征数据的血氧含量信息中，氧合血红蛋白与血红蛋白的比例为600：900，即血氧比例值为66.66%，而正常水平的动脉血氧饱和度为95%-98%，即此时系统会判定人体的动脉血液特征数据出现异常；例如，识别到静态血液特征数据的血氧含量信息中，氧合血红蛋白与血红蛋白的比例为600：800，即血氧含量信息的比例值为75%，而正常水平的静脉血氧饱和度为64%-88%,即此时系统会判定人体的静脉血液特征数据为正常。
需要说明的是，目前常规的手表传感器均采用绿光进行光线照射，而采用绿光进行照射时，进入皮肤组织的绿光仅为500nm，且大部分会被红细胞所吸收，会影响光敏传感器所采集的心电信号；而使用红光进行照射的好处在于，红光和接近IR的光相比其他波长的光，更容易穿过皮肤组织，且血液要比其他组织吸收更多的光，将红光和绿光进行相比，绿光更容易被脱氧血红蛋白吸收；采用600-1000nm红色光线照射的优势在于，氧和血红白丹HbO2和血红蛋白Hb对波长的光吸收特征分别为：600-800nm之间Hb的吸收系数更高，800-1000nm之间HbO2的吸收系数更高，使得检测出来的人体血氧比例相对于其他常规检测手段，检测结果更加精确。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种智能手表心率监测方法，其特征在于，包括以下步骤：
应用预设的毫米波雷达发射电磁波信号至预设的人体皮肤区域，基于所述毫米波雷达的芯片与所述人体皮肤区域之间形成回波间隙，接收在所述回波间隙之间回返的回波信号，并与预设的运动活动信号进行差异性比对，生成人体的活动状态，其中，所述与预设的运动活动信号进行差异性比对具体通过预设的加速度传感器获取加速度信号并计算后分辨得出所述人体的活动状态；
判断所述活动状态是否匹配运动状态；
若是，则根据所述运动状态采集所述人体的运动心率变化轨迹，并根据所述运动心率变化轨迹建立属于所述人体的运动心率区间值，基于将所述运动心率区间值划分心率波峰值和心率波谷值，通过所述毫米波雷达应用预设的相位偏移对所述人体的呼吸信号进行调制，保留所述呼吸信号的有效成分，抑制所述呼吸信号中的杂音干扰，生成所述人体的呼吸频率，并基于所述回波信号提取所述呼吸频率和所述运动心率区间值对应的至少一个心率波形信号；
滤出所述心率波形信号的带能量，并对所述心率波形信号进行帧抽取，得到所述带能量的振幅信息，基于所述振幅信息对所述心率波形信号进行提取分析，判断所述心率波形信号中是否匹配所述人体的运动状态；
若否，则实时跟踪所述人体的心率值直至所述心率值跌落超出所述心率波谷值，重新定义所述人体的活动状态，基于所述回波信号具备的收发功能，获取所述人体回返的高频脉冲信号，根据所述毫米波雷达输出的预设频率的脉冲与所述高频脉冲信号的时间间隔对所述人体的心率值进行计算，生成所述人体在不同活动状态下的运动心率值与非运动心率值；所述根据所述毫米波雷达输出的预设频率的脉冲与所述高频脉冲信号的时间间隔对所述人体的心率值进行计算的步骤中，包括：
根据预设的发射周期输出至低脉宽的线性调频脉冲信号与至高脉宽的线性调频脉冲信号，其中，所述预设的发射周期具体基于所述线性调频脉冲信号的脉宽进行适应性调整；
基于所述至低脉宽的线性调频脉冲信号与所述至高脉宽的线性调频脉冲信号，构建多频域并行通道，生成至少两种心率间隔序列；
依据预设的心率变异性获取所述至少两种心率间隔序列对应的权重系数，根据动脉多普勒范围和所述心率变异性构建心率匹配矩阵，基于所述心率匹配矩阵对各个所述权重系数进行加权平均，生成若干个同一变量的所述权重系数以时间顺序变量出现次数的总权数，得到心率变异性预测值；
所述并基于所述回波信号提取所述呼吸频率和所述运动心率区间值对应的至少一个心率波形信号的步骤中，包括：
依据预设时段选定某一时刻的所述呼吸频率和所述运动心率区间值进行匹配，获取所述人体基于运动状态下的心率样本数据；
判断所述心率样本数据是否匹配所述运动状态；
若否，则将所述心率样本数据从时域数据转换为频域数据，查找所述频域数据中的频谱间隔规律，分析后获得最终能匹配所述运动状态的心率样本；
所述生成所述人体的运动心率值与非运动心率值的步骤中，包括：
根据所述人体处于不同状态下，分别获取两种所述高频脉冲信号的时间间隔以及高频脉冲信号总时段，其中，所述高频脉冲信号的时间间隔和所述高频脉冲信号总时段存在预设的比例关系；
根据所述高频脉冲信号的时间间隔、所述高频脉冲信号总时段和所述预设的比例关系，生成不同活动状态下的运动心率值测试方案与非运动心率值测试方案；
根据所述运动心率值测试方案与所述非运动心率值测试方案，从所述时间间隔的最小值开始输出的高频脉冲信号，维持所述预设频率的脉冲持续输出，直至所述高频脉冲信号的时间间隔与所述高频脉冲信号总时段达到所述预设的比例关系，获取到所述运动心率值与所述非运动心率值；
基于预收录的所述人体心率区间值，判断所述运动心率值与所述非运动心率值是否出现异常；
若是，则生成所述人体处于运动状态或非运动状态下的异常心率值，并为所述人体生成异常心率报告，其中，所述异常心率报告具体为生成日常收录所述人体的心率值与所述人体异常心率值的差值，并生成预设的生活建议；
所述通过所述毫米波雷达应用预设的相位偏移对所述人体的呼吸信号进行调制，保留所述呼吸信号的有效成分，抑制所述呼吸信号中的杂音干扰，生成所述人体的呼吸频率的步骤中，包括：
根据所述毫米波雷达配置下自设有的线性调频参数，生成相应的波形数据，在生成波形数据的同时，根据线性调频的扫频周期和扫频带宽参数调整波形的周期和幅度，对匹配好调制参数后的进行数据波形处理，获取瞬时相位值；
利用预设的正余弦对照表对所述瞬时相位值进行对照处理，获取所述瞬时相位值对应的模拟调制信号值；
将所述瞬时相位值与所述模拟调制信号值输入至预设的调制器进行正交调制，得到可输出的线性调频信号，应用所述线性调频信号对所述呼吸信号进行抑制，生成所述人体的呼吸频率；
所述滤出所述心率波形信号的带能量，并对所述心率波形信号进行帧抽取，得到所述带能量的振幅信息，基于所述振幅信息对所述心率波形信号进行提取分析的步骤中，包括：
将所述心率波形信号按照预设的帧基带进行信号分段截取，得到信号最大值与每帧信号的最大值和信号探测范围，将所述信号最大值、所述每帧信号的最大值和所述信号探测范围作为判断所述人体处于运动状态的条件；
所述则实时跟踪所述人体的心率值直至所述心率值跌落超出所述心率波谷值，重新定义所述人体的活动状态的步骤中，包括：
基于预设的扫描仪对预设的光信号输出部位进行光线照射，采用预设的PPG光电容积脉搏波描记法通过光敏传感器采集所述人体回返的心电信号，其中，所述光线照射具体采用600nm-1000nm的红光进行照射；
对所述心电信号进行信号滤波处理，在预设独立空间中生成所述信号滤波处理对应时段的波峰个数，根据所述波峰个数生成所述人体对应的各个血液特征数据，其中，所述血液特征数据包括动脉血液、静脉血液与其他组织血液；
基于所述各个血液特征数据对应的不同光吸收特性，识别所述各个血液特征数据中的血氧含量信息，根据所述血氧含量信息的比例值得到所述人体的血氧比例，其中，所述血氧含量信息包括氧合血红蛋白与血红蛋白。
2.根据权利要求1所述的一种智能手表心率监测方法，其特征在于，所述则根据所述运动状态采集所述人体的运动心率变化轨迹的步骤前，包括：
基于所述回波信号采集所述人体的心率波动变化周期，创建基于所述人体处于运动状态时的打点数据规则，根据所述心率波动变化周期，判断所述人体是否需要执行打点数据获取，其中，所述打点数据具体为人体处于运动状态时，定时采集人体的心率数据信息；
若需要，则录入所述打点数据获取过程，并依据所述打点数据规则对所述打点数据进行滑动截取，获取相邻截取段的首个数据波形段与下个数据波形段之间最大幅度与最小幅度的差比值，作为各个数据波形段的幅度差比值，将至少一次所得到的所述打点数据依据定位时间依次相连接，以得到所述人体的运动轨迹数据。
3.一种智能手表心率监测系统，其特征在于，包括：
生成模块，用于应用预设的毫米波雷达发射电磁波信号至预设的人体皮肤区域，基于所述毫米波雷达的芯片与所述人体皮肤区域之间形成回波间隙，接收在所述回波间隙之间回返的回波信号，并与预设的运动活动信号进行差异性比对，生成人体的活动状态，其中，所述与预设的运动活动信号进行差异性比对具体通过预设的加速度传感器获取加速度信号并计算后分辨得出所述人体的活动状态；
判断模块，用于判断所述活动状态是否匹配运动状态；
执行模块，用于若是，则根据所述运动状态采集所述人体的运动心率变化轨迹，并根据所述运动心率变化轨迹建立属于所述人体的运动心率区间值，基于将所述运动心率区间值划分心率波峰值和心率波谷值，通过所述毫米波雷达应用预设的相位偏移对所述人体的呼吸信号进行调制，保留所述呼吸信号的有效成分，抑制所述呼吸信号中的杂音干扰，生成所述人体的呼吸频率，并基于所述回波信号提取所述呼吸频率和所述运动心率区间值对应的至少一个心率波形信号；
所述通过所述毫米波雷达应用预设的相位偏移对所述人体的呼吸信号进行调制，保留所述呼吸信号的有效成分，抑制所述呼吸信号中的杂音干扰，生成所述人体的呼吸频率的步骤中，包括：
根据所述毫米波雷达配置下自设有的线性调频参数，生成相应的波形数据，在生成波形数据的同时，根据线性调频的扫频周期和扫频带宽参数调整波形的周期和幅度，对匹配好调制参数后的进行数据波形处理，获取瞬时相位值；
利用预设的正余弦对照表对所述瞬时相位值进行对照处理，获取所述瞬时相位值对应的模拟调制信号值；
将所述瞬时相位值与所述模拟调制信号值输入至预设的调制器进行正交调制，得到可输出的线性调频信号，应用所述线性调频信号对所述呼吸信号进行抑制，生成所述人体的呼吸频率；
第二判断模块，用于滤出所述心率波形信号的带能量，并对所述心率波形信号进行帧抽取，得到所述带能量的振幅信息，基于所述振幅信息对所述心率波形信号进行提取分析，判断所述心率波形信号中是否匹配所述人体的运动状态；
所述滤出所述心率波形信号的带能量，并对所述心率波形信号进行帧抽取，得到所述带能量的振幅信息，基于所述振幅信息对所述心率波形信号进行提取分析的步骤中，包括：
将所述心率波形信号按照预设的帧基带进行信号分段截取，得到信号最大值与每帧信号的最大值和信号探测范围，将所述信号最大值、所述每帧信号的最大值和所述信号探测范围作为判断所述人体处于运动状态的条件；
第二执行模块，用于若否，则实时跟踪所述人体的心率值直至所述心率值跌落超出所述心率波谷值，重新定义所述人体的活动状态，基于所述回波信号具备的收发功能，获取所述人体回返的高频脉冲信号，根据所述毫米波雷达输出的预设频率的脉冲与所述高频脉冲信号的时间间隔对所述人体的心率值进行计算，生成所述人体在不同活动状态下的运动心率值与非运动心率值；
所述则实时跟踪所述人体的心率值直至所述心率值跌落超出所述心率波谷值，重新定义所述人体的活动状态的步骤中，包括：
基于预设的扫描仪对预设的光信号输出部位进行光线照射，采用预设的PPG光电容积脉搏波描记法通过光敏传感器采集所述人体回返的心电信号，其中，所述光线照射具体采用600nm-1000nm的红光进行照射；
对所述心电信号进行信号滤波处理，在预设独立空间中生成所述信号滤波处理对应时段的波峰个数，根据所述波峰个数生成所述人体对应的各个血液特征数据，其中，所述血液特征数据包括动脉血液、静脉血液与其他组织血液；
基于所述各个血液特征数据对应的不同光吸收特性，识别所述各个血液特征数据中的血氧含量信息，根据所述血氧含量信息的比例值得到所述人体的血氧比例，其中，所述血氧含量信息包括氧合血红蛋白与血红蛋白。
4.根据权利要求3所述的一种智能手表心率监测系统，其特征在于，所述第二执行模块还包括：
输出单元，用于根据预设的发射周期输出至低脉宽的线性调频脉冲信号与至高脉宽的线性调频脉冲信号，其中，所述预设的发射周期具体基于所述线性调频脉冲信号的脉宽进行适应性调整；
构建单元，用于基于所述至低脉宽的线性调频脉冲信号与所述至高脉宽的线性调频脉冲信号，构建多频域并行通道，生成至少两种心率间隔序列；
获取单元，用于依据预设的心率变异性获取所述至少两种心率间隔序列对应的权重系数，根据动脉多普勒范围和所述心率变异性构建心率匹配矩阵，基于所述心率匹配矩阵对各个所述权重系数进行加权平均，生成若干个同一变量的所述权重系数以时间顺序变量出现次数的总权数，得到心率变异性预测值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310181124.3A CN116269260B (zh) | 2023-03-01 | 2023-03-01 | 一种智能手表心率监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310181124.3A CN116269260B (zh) | 2023-03-01 | 2023-03-01 | 一种智能手表心率监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116269260A CN116269260A (zh) | 2023-06-23 |
| CN116269260B true CN116269260B (zh) | 2023-07-25 |
Family
ID=86837210
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310181124.3A Active CN116269260B (zh) | 2023-03-01 | 2023-03-01 | 一种智能手表心率监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116269260B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117224095B (zh) * | 2023-11-15 | 2024-03-19 | 亿慧云智能科技（深圳）股份有限公司 | 一种基于智能手表健康监测方法及系统 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105433931A (zh) * | 2014-09-18 | 2016-03-30 | 义明科技股份有限公司 | 光体积变化描述波形的处理装置及其方法 |
| CN106175731A (zh) * | 2016-08-10 | 2016-12-07 | 上海交通大学 | 非接触式生命体征监测的信号处理系统 |
| CN107920766A (zh) * | 2015-08-10 | 2018-04-17 | 株式会社村田制作所 | 睡眠现象监测 |
| US11051703B2 (en) * | 2017-02-13 | 2021-07-06 | Stichting Imec Nederland | Method and device for detecting a vital sign carrying signal using a phase-locked loop |
| CN113925475A (zh) * | 2021-10-16 | 2022-01-14 | 谢俊 | 一种非接触式的人体健康监测装置及方法 |
| CN113951856A (zh) * | 2021-10-13 | 2022-01-21 | 浙江理工大学 | 一种基于多普勒雷达心跳检测的频谱估计方法 |
| CN114732384A (zh) * | 2022-06-14 | 2022-07-12 | 亿慧云智能科技（深圳）股份有限公司 | 基于微波雷达的心脏健康监测方法、装置、存储介质 |
| EP4059420A1 (en) * | 2021-03-16 | 2022-09-21 | Canon Medical Systems Corporation | Biological information monitoring apparatus and mri apparatus |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9986934B2 (en) * | 2014-01-29 | 2018-06-05 | California Institute Of Technology | Microwave radar sensor modules |
| US20150223701A1 (en) * | 2014-02-10 | 2015-08-13 | California Institute Of Technology | Breathing and heartbeat feature extraction and victim detection |
-
2023
- 2023-03-01 CN CN202310181124.3A patent/CN116269260B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105433931A (zh) * | 2014-09-18 | 2016-03-30 | 义明科技股份有限公司 | 光体积变化描述波形的处理装置及其方法 |
| CN107920766A (zh) * | 2015-08-10 | 2018-04-17 | 株式会社村田制作所 | 睡眠现象监测 |
| CN106175731A (zh) * | 2016-08-10 | 2016-12-07 | 上海交通大学 | 非接触式生命体征监测的信号处理系统 |
| US11051703B2 (en) * | 2017-02-13 | 2021-07-06 | Stichting Imec Nederland | Method and device for detecting a vital sign carrying signal using a phase-locked loop |
| EP4059420A1 (en) * | 2021-03-16 | 2022-09-21 | Canon Medical Systems Corporation | Biological information monitoring apparatus and mri apparatus |
| CN113951856A (zh) * | 2021-10-13 | 2022-01-21 | 浙江理工大学 | 一种基于多普勒雷达心跳检测的频谱估计方法 |
| CN113925475A (zh) * | 2021-10-16 | 2022-01-14 | 谢俊 | 一种非接触式的人体健康监测装置及方法 |
| CN114732384A (zh) * | 2022-06-14 | 2022-07-12 | 亿慧云智能科技（深圳）股份有限公司 | 基于微波雷达的心脏健康监测方法、装置、存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116269260A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1121051B1 (en) | Method, apparatus and system for removing motion artifacts from measurements of bodily parameters | |
| US6002952A (en) | Signal processing apparatus and method | |
| CN101732050B (zh) | 一种基于光电容积波的呼吸率监测方法 | |
| CN102499664B (zh) | 基于视频图像的非接触式生命体征的检测方法及检测系统 | |
| US20050033129A1 (en) | Method, apparatus and system for removing motion artifacts from measurements of bodily parameters | |
| US20060122476A1 (en) | Relative phase estimation of harmonic frequency component of a plethysmographic waveform | |
| EP2537462A1 (en) | Peak frequency measurement system for subject-state analyzing signal | |
| WO2014151133A1 (en) | Apparatus and methods for remote monitoring of physiological parameters | |
| Elgendi et al. | Heart rate variability and the acceleration plethysmogram signals measured at rest | |
| CN116269260B (zh) | 一种智能手表心率监测方法及系统 | |
| CN111387959A (zh) | 一种基于ippg的非接触式生理参数检测方法 | |
| CN103027690A (zh) | 一种基于自相关建模法的低灌注血氧饱和度测量方法 | |
| CN106073729A (zh) | 光电容积脉搏波信号的采集方法 | |
| CN110881967A (zh) | 一种无创多节段外周动脉血管弹性功能检测方法及其仪器 | |
| CN109330582A (zh) | 基于心电信号分析的心率及其特征指标检测方法 | |
| US11786133B2 (en) | System for monitoring a health parameter of a person utilizing a pulse wave signal | |
| Aarthi et al. | Fingertip based estimation of heart rate using photoplethysmography | |
| CN105105733A (zh) | 实现连续追踪血压值的血压测量系统及方法 | |
| Bhat et al. | The biophysical parameter measurements from PPG signal | |
| CN104688199B (zh) | 一种基于皮肤色素浓度差分的非接触式脉搏测量方法 | |
| Wang et al. | KLT algorithm for non-contact heart rate detection based on image photoplethysmography | |
| CN114145725B (zh) | 一种基于无创连续血压测量的ppg采样率估算方法 | |
| US11832919B2 (en) | Method for generating training data for use in monitoring the blood pressure of a person that utilizes a pulse wave signal generated from radio frequency scanning | |
| US20220192524A1 (en) | Method for monitoring a health parameter of a person utilizing a pulse wave signal | |
| US20220192511A1 (en) | System for monitoring a health parameter of a person that involves producing a pulse wave signal from a radio frequency front-end |
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 |