CN116530960A - 基于bia的心率测量方法及设备 - Google Patents
基于bia的心率测量方法及设备 Download PDFInfo
- Publication number
- CN116530960A CN116530960A CN202310707273.9A CN202310707273A CN116530960A CN 116530960 A CN116530960 A CN 116530960A CN 202310707273 A CN202310707273 A CN 202310707273A CN 116530960 A CN116530960 A CN 116530960A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- data
- value
- bia
- filtering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000009532 heart rate measurement Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 51
- 238000005070 sampling Methods 0.000 claims abstract description 29
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 8
- 230000003111 delayed effect Effects 0.000 claims description 4
- 206010027336 Menstruation delayed Diseases 0.000 claims description 3
- 210000000577 adipose tissue Anatomy 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 24
- 230000008859 change Effects 0.000 description 4
- 230000003139 buffering effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000013589 supplement Substances 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
- A61B5/024—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
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0537—Measuring body composition by impedance, e.g. tissue hydration or fat content
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Theoretical Computer Science (AREA)
- Cardiology (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Bioinformatics & Computational Biology (AREA)
- Radiology & Medical Imaging (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Algebra (AREA)
- Power Engineering (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
Abstract
本发明公开了基于BIA的心率测量方法及设备,包括S1、使用第一采样率A1采集双脚间的实时阻抗;S2、对采集的数据进行滤波;S3、使用第二采样率A2对滤波后的数据进行降采样;S4、根据降采样后的数据进行心跳周期计算并转换成心率值;S5、对心率值进行区间统计,并在确定心率中心点后输出心率值和置信度;本发明提出一种轻量级的心率计算方法,适合在体脂秤上利用BIA信号进行心率测量,具有资源消耗少、抗干扰能力强以及测量精度高的优点。
Description
技术领域
本发明涉及体脂秤领域,特别涉及基于BIA的心率测量方法及设备。
背景技术
目前BIA测心率主要是应用在体脂秤上面,因为体脂秤是通过BIA技术来测人体阻抗,再通过人体阻抗估算人体成分,在体脂秤上增加心率测量功能并不用增加额外的硬件成本,只需要添加一个心率测量的算法就可以了;但由于一般体脂秤上用到的处理器都比较低端,价格便宜,但是可以用来进行心率计算的资源并不是很多,受限于计算资源,体脂秤上用的心率算法并不能做得很完善,其精度和抗干扰能力都有所欠缺,并且用户站在秤上进行心率测量的时候,是很容易出现抖动的干扰的;因此,急需一种基于BIA的心率测量方法及设备来解决上述问题。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出一种基于BIA的心率测量方法及设备。
本发明的一种实施例解决其技术问题所采用的技术方案是:基于BIA的心率测量方法,包括:
S1、使用第一采样率A1采集双脚间的实时阻抗;
S2、对采集的数据进行滤波;
S3、使用第二采样率A2对滤波后的数据进行降采样;
S4、根据降采样后的数据进行心跳周期计算并转换成心率值;
S5、对心率值进行区间统计,并在确定心率中心点后输出心率值和置信度。
进一步地,在步骤S2中,包括如下步骤:
S2.1、基线滤波,将采集到第一笔非0数据作为基线,采集到的数据均减去基线;
S2.2、带通滤波,对基线滤波后的数据进行带通滤波;
S2.3、差分滤波,使用带通滤波后的数据中的后一笔数据减去前一笔数据;
S2.4、阈值滤波,设定第一阈值B1和第二阈值B2,将差分滤波后的数据中大于第一阈值B1的部分置为0,小于第一阈值B1的部分符号取反并将取反后大于第二阈值B2的数据限制为第二阈值B2。
进一步地,在步骤S4中,包括如下步骤:
S4.1、定义一个长度为N的buf,保存最新T秒内降采样后的数据,N=T*A2,每隔T1秒使用简化后的短时自相关来计算缓存中数据的周期,具体的:
定义一个固定窗口buf1,长度为T/2秒,对应buf后半段的数据;
定义一个滑动窗口buf2,长度为T/2秒,从一个偏移量offset开始,每滑动一个点,与固定窗口buf1进行一次乘加运算得到一个结果,一直滑动N/2-offset次,得到一组新的数据;
新的数据以offset+滑动次数为X轴,乘加运算的结果为Y轴,波形的最高峰所对应的X轴坐标即为两个心跳之间的采样点数量,两个心跳之间的采样点数量除以采样率即为心跳周期;
S4.2、心率值HR=60*A2/INTV,其中,INTV为两个心跳之间的采样点数量。
进一步地,步骤S4.1与S4.2之间还包括如下步骤:使用二次样条插值提高心跳周期精度。
进一步地,在步骤S5中,包括如下步骤:
S5.1、将获得的心率值放入长度为M的队列中,当队列中的数据大于第三阈值B3时开始区间统计,其中,0<B3<M;S5.2、以K1 bpm为一个区间,对队列中的心率值进行加权统计,当心率值落在一个区间内时,该区间的分数+C1,相邻的两个区间分数+C2,其中,0<C2<C1;
S5.3、计算相邻两个区间的分数之和并记录分数最大的,若最大分数相同,则取心率区间较小的一个;若相邻两个心率区间的分数之差大于C3,则取分数较高的心率区间的中间值为中心点;若相邻两个心率区间的分数之差≦C3,则取两个心率区间的中心作为中心点;
S5.4、以心率值统计的中心点±K2 bpm为有效区间,取该有效区间的所有心率值并在心率值数量大于D时确定并输出心率值和置信度;
若最新的E笔心率值都落入该有效区间,并且最大值-最小值<C4,则置信度设为F1,心率值为该E笔数据的平均值;
若最新的E笔心率值都落入该有效区间,并且最大值-最小值<C5,其中,C4<C5,则置信度设为F2,F2<F1,心率值为该E笔数据的平均值;
若最新的E+1笔心率值中有E笔都落入该有效区间,并且落入该有效区间的心率值中最大值-最小值<C6,其中,C4<C6,则置信度设为F3,F3<F2,心率值为该E笔数据的平均值;
置信度越高,输出的心率值越可靠。
进一步地,若一直没有锁定,则在测量超时的时候输出超时心率,其中,超时心率为该有效区间内所有心率值的平均值。
进一步地,当最新的实时心率值与上一笔心率值之差大于C7时,延后G笔心率值后再输出,延后期间输出上一笔的心率值。
基于BIA的心率测量装置,应用所述的心率测量方法。
本发明的有益效果:基于BIA的心率测量方法及设备,包括S1、使用第一采样率A1采集双脚间的实时阻抗;S2、对采集的数据进行滤波;S3、使用第二采样率A2对滤波后的数据进行降采样;S4、根据降采样后的数据进行心跳周期计算并转换成心率值;S5、对心率值进行区间统计,并在确定心率中心点后输出心率值和置信度;本发明提出一种轻量级的心率计算方法,适合在体脂秤上利用BIA信号进行心率测量,具有资源消耗少、抗干扰能力强以及测量精度高的优点。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:
图1为基于BIA的心率测量方法的流程图;
图2为基线滤波前的波形图;
图3为基线滤波后的波形图;
图4为带通滤波前的波形图;
图5为带通滤波后的波形图;
图6为差分滤波前的波形图;
图7为差分滤波后的波形图;
图8为阈值滤波前的波形图;
图9为阈值滤波后的波形图;
图10为缓存数据的定义图;
图11为心率较慢时缓存降采样之后的波形图;
图12为心率较慢时短时自相关之后的波形图;
图13为心率较快时缓存降采样之后的波形图;
图14为心率较快时短时自相关之后的波形图;
图15为二次样条插值的模拟图;
图16为抛物线的推导图;
图17为心率值加权统计的实施例示意图;
图18为确定中心点的第一实施例示意图;
图19为确定中心点的第二实施例示意图;
图20为确定中心点的第三实施例示意图;
图21为延后输出的示意图。
具体实施方式
本部分将详细描述本发明的具体实施例,本发明之较佳实施例在附图中示出,附图的作用在于用图形补充说明书文字部分的描述,使人能够直观地、形象地理解本发明的每个技术特征和整体技术方案,但其不能理解为对本发明保护范围的限制。
在本发明的描述中,多个的含义是两个以上,大于、小于、超过等理解为不包括本数,以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
在本发明的描述中,需要理解的是,涉及到方位描述,例如上、下、前、后、左、右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发明和简化描述,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发明的限制。
本发明中,除非另有明确的限定,“设置”、“安装”、“连接”等词语应做广义理解,例如,可以是直接相连,也可以通过中间媒介间接相连;可以是固定连接,也可以是可拆卸连接,还可以是一体成型;可以是机械连接;可以是两个元件内部的连通或两个元件的相互作用关系。所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
参照图1至图21,基于BIA的心率测量方法,包括:
S1、使用第一采样率A1采集双脚间的实时阻抗;
S2、对采集的数据进行滤波;
S3、使用第二采样率A2对滤波后的数据进行降采样;
S4、根据降采样后的数据进行心跳周期计算并转换成心率值;
S5、对心率值进行区间统计,并在确定心率中心点后输出心率值和置信度。
作为本发明的优选实施例:
①用户将双脚踩在体脂秤的电极板上,体脂秤会通过电极板向人体内部传送一个频率为10-50kHz、电流强度在5-10μA的微弱交流信号,体脂秤内的检测电路会实时监测人体阻抗的变化,并用80Hz的采样率采集双脚间的实时阻抗;
②令采集到的第一笔非0数据作为基线,将采集到的数据都减去基线之后再进行下一步处理,基线滤波将用来计算心率的数据整偏到0的附近,可以加快后续接入的带通滤波器的收敛速度,避免产生大的扰动,参照图2-3,分别为基线滤波前的波形图和基线滤波后的波形图;
③对基线滤波后的数据进行带通滤波,通频带可以设为0.5-4Hz,参照图4,为带通滤波前的波形图,而图为带通滤波后的波形图5;
④通过将后一笔数据减去前一笔数据来进行差分滤波,差分滤波的主要目的是突出每个波的下降沿,参照图6,可以看出每个心跳的上升沿是比较缓慢,并且干扰较大的,而下降沿则比较陡峭;参照图7,可以看出差分滤波之后陡峭的下降沿产生的极小值会更突出;
⑤差分滤波之后的数据,把大于阈值的部分置为0,可以更好地突出心跳的下降沿,信号的周期性也更明显;把小于阈值的部分符号取反,同时把取反之后大于255的限制为255(把有符号数转成8位的无符号数,因为无符号数在单片机上的运算效率比有符号数要高,8位无符号数存储可以节省内存),参照图8,为阈值滤波前的波形图;将第一阈值设为-30,第二阈值则为255,参照图9,为阈值滤波后的波形图;
⑥对阈值滤波之后的数据进行降采样,第二采样率设置为40Hz,能够降低运算量和内存的消耗,前述的运算,包括基线滤波、带通滤波、差分滤波、阈值滤波都只是需要缓存几笔数据就能完成,不会占用大量内存,而后续心跳周期的计算需要缓存比较多的数据,通过降采样来减少资源消耗;
⑦参照图10,定义一个长度为N的缓存,保存最新2.4秒降采样之后的数据,按采样率40Hz来算,N则为96,每隔0.6s使用简化后的短时自相关来计算缓存里面数据的周期;
定义一个固定窗口buf1,长度为1.2s,对应缓存后半段的数据;
定义一个滑动窗口buf2,长度为1.2s,从一个偏移量offset开始,每滑动一个点,跟固定窗口进行一次乘加运算得到一个结果,一直滑动N/2-offset次,得到一组新的数据;
其中,假设做短时自相关的数据是周期性的信号,如果周期信号的两个波峰刚好叠加到一起,那么自相关得到的结果是最大的,第一个最大值的位置再加上偏移量,即为心跳周期,加上偏移量能够排除一些干扰,并且减少运算量,假设能够测量的最大心跳是240bpm,对应着0.25s的周期,偏移量就可以设为0.25*40Hz=10,因为间隔小于10就代表心率大于240bpm,已经超出测量范围,无需考虑;参照图11,为心率较慢时缓存降采样之后的波形图,包含缓存了2.4秒降采样之后的数据;而图12为心率较慢时短时自相关之后的波形图,包含加上偏移量后的短时自相关之后的数据,图12的最高峰对应的X轴坐标除以采样率就是缓存数据的周期,对应着图11中两个最高峰的间隔,使用简化后的短时自相关可以比较好的过滤一些小脉冲的干扰,简化心跳周期计算,也可以比较好地节省了计算资源;
进一步地,参照图13和图14,分别为心率较快时缓存降采样之后的波形图以及心率较快时短时自相关之后的波形图,在心率较快的时候,简化后的短时自相关可能会出现多个峰值,此时如果简单地取最高峰的X坐标来计算作心跳周期,则会出现误判,所以需要增加一个高峰选择机制,需要对所有的峰值进行排序,只保留峰值大于最高峰70%的,在留下来的峰里面选择X坐标最小的来计算缓存数据的周期;
⑨心跳周期转换成心率值的公式为:
HR=60*A2/INTV,其中,INTV为两个心跳之间的采样点数量,A2/INTV为周期的倒数,60乘以心跳周期的倒数即为心率;
令INTV=29,A2=40;以及INTV=30,A2=40,可分别计算心率值出HR1=60*40/29=82.6(四舍五入到83),HR2=60*40/30=80;
可以看出,一个采样点的差异就会引入3个bmp的量化误差,需要引入二次样条插值来降低量化误差,也就是通过采样点来求曲线的顶点,具体的:
参照图15-16,利用三个点推导计算抛物线的顶点,使用顶点式:y=a(x-b)2+k(a≠0)描述抛物线,感兴趣的只有b,使用顶点式可以简化运算步骤,假设:
波峰的前一个点为(x1,y1),定义为点1
波峰为(x2,y2),定义为点2
波峰的后一个点为(x3,y3),定义为点3
设(x1,y1)为原点(0,0),x2=1,x3=2,
由于每个点的X坐标的间隔是1,解方程可以得到b相对于原点坐标的结果是b=1+(y3)/2*(2*y2-y3),b是一个浮点数,表示更准确的顶点X坐标,再代入周期转心率值的公式,即可得到误差更小的心率值,由于y1设成了0,所以y2和y3的值应该是点2和点3的实际Y坐标减去点1的实际Y坐标;
⑩根据上述第⑨点的描述,每隔0.6s会计算出一个心率值,将心率值放入一个长度为20的队列里面,如果队列里面的数据已经满了,就会把最旧的数据删除,然后再推入最新的数据;当队列里面的数据大于第三阈值B3,例如10,则开始进行区间统计,通过统计的方法,确定心率值落在哪个区间的概率最高;
以10bpm为一个区间,对队列里面的心率值进行加权统计,当心率值落在某个区间的时候,该区间的分数+3,相邻的两个区间分数+1,如图17所示:心率值为85,[80,90)这个区间分数+3,[70,80)和[90,100)的区间+1;
队列中的心率值都统计完之后,按以下规则先找到中心点:
参照图18,先计算相邻两个区间分数之和,求出分数最大的,记录下来,如果有出现最高分数相同的情况,取心率区间较小的,即图中左侧框中的心率区间;
参照图19,在分数之和最大的两个区间之间比较,若两个区间的分数差值>2,取分数较高的那个区间的中间值为心率统计的为中心点,如图中箭头所示的心率区间;
参照图20,在分数之和最大的两个区间之间比较,两个区间的分数差值≤2,取两个区间的中心作为心率统计的中心点,即(60+80)/2=70;
以心率统计的中心±15bpm为有效区间,取这个区间的所有心率值来确定输出心率和置信度,并且有效区间内的心率值数量大于5,才进行心率值置信度的判断,否则置信度为0;
a)最新的6笔心率值,都落入这个区间,并且最大值–最小值<8,置信度为3,心率值为6笔数据的平均值;
b)最新的6笔心率值,都落入这个区间,并且最大值–最小值<10,置信度为2,心率值为6笔数据的平均值;
c)最新的7笔心率值,有6笔都落入这个区间,并且落入区间的心率值里面最大值–最小值<6,置信度为1,心率值为6笔数据的平均值;
d)置信度越高,输出的心率值越可靠,一般情况下默认使用置信度3进行锁定,如果某些应用场景需要快速锁定,并且不是那么在乎精度的话,可以选择大于等于置信度2或置信度1就锁定,置信度为0不能锁定;
同时也会输出超时心率,超时心率为该有效区间内的所有数据的平均值,如果一直都没有锁定,在测量超时的时候可以选择输出超时心率,超时时间由应用层根据业务逻辑来确定;
参照图21,在测量过程中,如果需要实时显示心率值,为了防止干扰引起心率值突变,当最新的实时心率跟上一笔输出的心率值相比,差别大于20,需要延后两笔再输出,在此期间先输出上一笔的心率值;也就是当心率突变大于20的时候,需要连续3笔心率都比突变前的同向变化大于20,才会把突变较大的心率输出显示;如果只有一笔突变大于20,第二笔恢复正常了,直接输出第二笔的结果;如果只有两笔突变大于20,第三笔恢复正常了,直接输出第三笔的结果,这样就把一些异常的突变值过滤掉。
在步骤S2中,包括如下步骤:
S2.1、基线滤波,将采集到第一笔非0数据作为基线,采集到的数据均减去基线;
S2.2、带通滤波,对基线滤波后的数据进行带通滤波;
S2.3、差分滤波,使用带通滤波后的数据中的后一笔数据减去前一笔数据;
S2.4、阈值滤波,设定第一阈值B1和第二阈值B2,将差分滤波后的数据中大于第一阈值B1的部分置为0,小于第一阈值B1的部分符号取反并将取反后大于第二阈值B2的数据限制为第二阈值B2。
在步骤S4中,包括如下步骤:
S4.1、定义一个长度为N的buf,保存最新T秒内降采样后的数据,N=T*A2,每隔T1秒使用简化后的短时自相关来计算缓存中数据的周期,具体的:
定义一个固定窗口buf1,长度为T/2秒,对应buf后半段的数据;
定义一个滑动窗口buf2,长度为T/2秒,从一个偏移量offset开始,每滑动一个点,与固定窗口buf1进行一次乘加运算得到一个结果,一直滑动N/2-offset次,得到一组新的数据;
新的数据以offset+滑动次数为X轴,乘加运算的结果为Y轴,波形的最高峰所对应的X轴坐标即为两个心跳之间的采样点数量,两个心跳之间的采样点数量除以采样率即为心跳周期;
S4.2、心率值HR=60*A2/INTV,其中,INTV为两个心跳之间的采样点数量。
步骤S4.1与S4.2之间还包括如下步骤:使用二次样条插值提高心跳周期精度。
在步骤S5中,包括如下步骤:
S5.1、将获得的心率值放入长度为M的队列中,当队列中的数据大于第三阈值B3时开始区间统计,其中,0<B3<M;S5.2、以K1 bpm为一个区间,对队列中的心率值进行加权统计,当心率值落在一个区间内时,该区间的分数+C1,相邻的两个区间分数+C2,其中,0<C2<C1;
S5.3、计算相邻两个区间的分数之和并记录分数最大的,若最大分数相同,则取心率区间较小的一个;若相邻两个心率区间的分数之差大于C3,则取分数较高的心率区间的中间值为中心点;若相邻两个心率区间的分数之差≦C3,则取两个心率区间的中心作为中心点;
S5.4、以心率值统计的中心点±K2 bpm为有效区间,取该有效区间的所有心率值并在心率值数量大于D时确定并输出心率值和置信度;
若最新的E笔心率值都落入该有效区间,并且最大值-最小值<C4,则置信度设为F1,心率值为该E笔数据的平均值;
若最新的E笔心率值都落入该有效区间,并且最大值-最小值<C5,其中,C4<C5,则置信度设为F2,F2<F1,心率值为该E笔数据的平均值;
若最新的E+1笔心率值中有E笔都落入该有效区间,并且落入该有效区间的心率值中最大值-最小值<C6,其中,C4<C6,则置信度设为F3,F3<F2,心率值为该E笔数据的平均值;
置信度越高,输出的心率值越可靠。
若一直没有锁定,则在测量超时的时候输出超时心率,其中,超时心率为该有效区间内所有心率值的平均值。
当最新的实时心率值与上一笔心率值之差大于C7时,延后G笔心率值后再输出,延后期间输出上一笔的心率值。
基于BIA的心率测量装置,应用所述的心率测量方法。
本发明的优点在于:提出了一种轻量级的心率计算方法,适合在体脂秤上利用BIA信号进行心率测量,具有资源消耗少、抗干扰能力强以及测量精度高的优点。
当然,本发明并不局限于上述实施方式,熟悉本领域的技术人员在不违背本发明精神的前提下还可作出等同变形或替换,这些等同的变形和替换均包含在本申请权利要求所限定的范围内。
Claims (8)
1.基于BIA的心率测量方法,其特征在于,包括:
S1、使用第一采样率A1采集双脚间的实时阻抗;
S2、对采集的数据进行滤波;
S3、使用第二采样率A2对滤波后的数据进行降采样;
S4、根据降采样后的数据进行心跳周期计算并转换成心率值;
S5、对心率值进行区间统计,并在确定心率中心点后输出心率值和置信度。
2.根据权利要求1的基于BIA的心率测量方法,其特征在于,在步骤S2中,包括如下步骤:
S2.1、基线滤波,将采集到第一笔非0数据作为基线,采集到的数据均减去基线;
S2.2、带通滤波,对基线滤波后的数据进行带通滤波;
S2.3、差分滤波,使用带通滤波后的数据中的后一笔数据减去前一笔数据;
S2.4、阈值滤波,设定第一阈值B1和第二阈值B2,将差分滤波后的数据中大于第一阈值B1的部分置为0,小于第一阈值B1的部分符号取反并将取反后大于第二阈值B2的数据限制为第二阈值B2。
3.根据权利要求1的基于BIA的心率测量方法,其特征在于,在步骤S4中,包括如下步骤:
S4.1、定义一个长度为N的buf,保存最新T秒内降采样后的数据,N=T*A2,每隔T1秒使用简化后的短时自相关来计算缓存中数据的周期,具体的:
定义一个固定窗口buf 1,长度为T/2秒,对应buf后半段的数据;
定义一个滑动窗口buf2,长度为T/2秒,从一个偏移量offset开始,每滑动一个点,与固定窗口buf 1进行一次乘加运算得到一个结果,一直滑动N/2-offset次,得到一组新的数据;
新的数据以offset+滑动次数为X轴,乘加运算的结果为Y轴,波形的最高峰所对应的X轴坐标即为两个心跳之间的采样点数量,两个心跳之间采样点数量除以采样率即为心跳周期;
S4.2、心率值HR=60*A2/INTV,其中,INTV为两个心跳之间的采样点数量。
4.根据权利要求3的基于BIA的心率测量方法,其特征在于,步骤S4.1与S4.2之间还包括如下步骤:使用二次样条插值提高心跳周期精度。
5.根据权利要求1的基于BIA的心率测量方法,其特征在于,在步骤S5中,包括如下步骤:
S5.1、将获得的心率值放入长度为M的队列中,当队列中的数据大于第三阈值B3时开始区间统计,其中,0<B3<M;S5.2、以K1 bpm为一个区间,对队列中的心率值进行加权统计,当心率值落在一个区间内时,该区间的分数+C1,相邻的两个区间分数+C2,其中,0<C2<C1;
S5.3、计算相邻两个区间的分数之和并记录分数最大的,若最大分数相同,则取心率区间较小的一个;若相邻两个心率区间的分数之差大于C3,则取分数较高的心率区间的中间值为中心点;若相邻两个心率区间的分数之差≦C3,则取两个心率区间的中心作为中心点;
S5.4、以心率值统计的中心点±K2 bpm为有效区间,取该有效区间的所有心率值并在心率值数量大于D时确定并输出心率值和置信度;
若最新的E笔心率值都落入该有效区间,并且最大值-最小值<C4,则置信度设为F1,心率值为该E笔数据的平均值;
若最新的E笔心率值都落入该有效区间,并且最大值-最小值<C5,其中,C4<C5,则置信度设为F2,F2<F1,心率值为该E笔数据的平均值;
若最新的E+1笔心率值中有E笔都落入该有效区间,并且落入该有效区间的心率值中最大值-最小值<C6,其中,C4<C6,则置信度设为F3,F3<F2,心率值为该E笔数据的平均值;
置信度越高,输出的心率值越可靠。
6.根据权利要求5的基于BIA的心率测量方法,其特征在于:若一直没有锁定,则在测量超时的时候输出超时心率,其中,超时心率为该有效区间内所有心率值的平均值。
7.根据权利要求5的基于BIA的心率测量方法,其特征在于:当最新的实时心率值与上一笔心率值之差大于C7时,延后G笔心率值后再输出,延后期间输出上一笔的心率值。
8.基于BIA的心率测量装置,其特征在于:应用权利要求1-7任一项所述的心率测量方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310707273.9A CN116530960B (zh) | 2023-06-14 | 2023-06-14 | 基于bia的心率测量方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310707273.9A CN116530960B (zh) | 2023-06-14 | 2023-06-14 | 基于bia的心率测量方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116530960A true CN116530960A (zh) | 2023-08-04 |
CN116530960B CN116530960B (zh) | 2024-04-30 |
Family
ID=87450880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310707273.9A Active CN116530960B (zh) | 2023-06-14 | 2023-06-14 | 基于bia的心率测量方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116530960B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4456959A (en) * | 1980-07-17 | 1984-06-26 | Terumo Corporation | Period measurement system |
CN106214143A (zh) * | 2016-10-12 | 2016-12-14 | 成都心吉康科技有限公司 | 瞬时运动干扰识别方法及心率置信度计算方法 |
CN107837080A (zh) * | 2017-11-22 | 2018-03-27 | 芯海科技(深圳)股份有限公司 | 一种四电极人体阻抗获取心率信号电路及方法 |
CN210843026U (zh) * | 2019-08-21 | 2020-06-26 | 中山市亿莱电子有限公司 | 一种带测心率功能智能脂肪秤系统 |
CN113171073A (zh) * | 2021-05-18 | 2021-07-27 | 南京润楠医疗电子研究院有限公司 | 一种基于检波器的无感式心率检测方法 |
-
2023
- 2023-06-14 CN CN202310707273.9A patent/CN116530960B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4456959A (en) * | 1980-07-17 | 1984-06-26 | Terumo Corporation | Period measurement system |
CN106214143A (zh) * | 2016-10-12 | 2016-12-14 | 成都心吉康科技有限公司 | 瞬时运动干扰识别方法及心率置信度计算方法 |
CN107837080A (zh) * | 2017-11-22 | 2018-03-27 | 芯海科技(深圳)股份有限公司 | 一种四电极人体阻抗获取心率信号电路及方法 |
CN210843026U (zh) * | 2019-08-21 | 2020-06-26 | 中山市亿莱电子有限公司 | 一种带测心率功能智能脂肪秤系统 |
CN113171073A (zh) * | 2021-05-18 | 2021-07-27 | 南京润楠医疗电子研究院有限公司 | 一种基于检波器的无感式心率检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116530960B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110664390B (zh) | 基于腕带式ppg和深度学习的心率监测系统及方法 | |
Aly et al. | Zephyr: Ubiquitous accurate multi-sensor fusion-based respiratory rate estimation using smartphones | |
CN105852851B (zh) | 心房颤动检测系统 | |
CN105832289A (zh) | 用于使用希尔伯特变换估计生物生理速率的设备和方法 | |
JP2008520384A (ja) | 限られたプロセッサ資源で呼吸数を実時間判定するための方法及びシステム | |
CN103315728B (zh) | 心率检测和显示方法及其装置 | |
CN110461215B (zh) | 使用便携式设备确定健康标志 | |
CN107970590B (zh) | 一种基于Android平台的跑步健身数据系统及方法 | |
US20140276114A1 (en) | Signal processor, signal processing method, and recording medium | |
WO2013145731A9 (ja) | 拍動検出装置、電子機器及びプログラム | |
US11890092B2 (en) | Low power receiver for in vivo channel sensing and ingestible sensor detection with wandering frequency | |
JP2016202346A (ja) | 生体情報処理システム、生体情報処理装置及び解析結果情報の生成方法 | |
JP7170147B2 (ja) | 非一時的なコンピュータ可読記憶媒体、コンピュータ実装方法及びシステム | |
CN116530960B (zh) | 基于bia的心率测量方法及设备 | |
Tan et al. | EMD-based electrocardiogram delineation for a wearable low-power ECG monitoring device | |
CN113545753A (zh) | 波形检测方法、装置、可穿戴设备及计算机可读存储介质 | |
US20190021633A1 (en) | Detecting respiratory rates in audio using an adaptive low-pass filter | |
De Giovanni et al. | Ultra-low power estimation of heart rate under physical activity using a wearable photoplethysmographic system | |
US20180000423A1 (en) | Measuring apparatus, measuring method and non-transitory computer readable medium | |
JP2013208311A (ja) | 拍動検出装置、電子機器及びプログラム | |
JP2013172763A (ja) | 拍動検出装置、電子機器及びプログラム | |
CN113616217B (zh) | 基线漂移曲线的生成方法和装置 | |
CN115790810A (zh) | 基于事件相机的振动测量方法、装置、设备及存储介质 | |
CN109635786B (zh) | 一种基于心音自相关函数的心率计算方法 | |
JP2013208312A (ja) | 信号解析装置、電子機器及びプログラム |
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 |