CN117064361B - 一种基于脉搏波的心率变异性分析方法及设备 - Google Patents
一种基于脉搏波的心率变异性分析方法及设备 Download PDFInfo
- Publication number
- CN117064361B CN117064361B CN202311330558.1A CN202311330558A CN117064361B CN 117064361 B CN117064361 B CN 117064361B CN 202311330558 A CN202311330558 A CN 202311330558A CN 117064361 B CN117064361 B CN 117064361B
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- signal
- pulse rate
- pulse
- peak point
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 28
- 230000008859 change Effects 0.000 claims abstract description 64
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims abstract description 15
- 230000004927 fusion Effects 0.000 claims abstract description 13
- 230000009467 reduction Effects 0.000 claims abstract description 11
- 239000011159 matrix material Substances 0.000 claims description 39
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 238000005304 joining Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 11
- 238000001228 spectrum Methods 0.000 claims description 11
- 238000012935 Averaging Methods 0.000 claims description 5
- 230000004931 aggregating effect Effects 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 241000411851 herbal medicine Species 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 6
- 238000012937 correction Methods 0.000 abstract description 3
- 238000004590 computer program Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 210000003403 autonomic nervous system Anatomy 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 210000000748 cardiovascular system Anatomy 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000002889 sympathetic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 150000003722 vitamin derivatives Chemical group 0.000 description 1
- 210000000707 wrist 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
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02405—Determining heart rate variability
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Cardiology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Power Engineering (AREA)
- Mathematical Physics (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及生命体征监测技术领域,具体涉及一种基于脉搏波的心率变异性分析方法及设备,该方法包括收集脉搏波采集设备对被测人员的脉搏波信号;对脉搏波信号进行降噪处理,得到标准脉搏波信号;通过多路径搜索方式前向提取标准脉搏波信号的前向脉率变化信号;通过多路径搜索方式反向修正前向脉率变化信号得到反向脉率变化信号,并与前向脉率变化信号进行融合;在融合后的脉率变化信号中提取标准脉搏波信号的心跳峰值点,并根据心跳峰值点的位置计算心跳间期和心率变异性信息。本发明通过对采集到的脉搏波信号进行降噪处理、修正和融合脉率变化信号,可以得到更准确和可靠的脉率变化信号,提高了对心跳间期变化和心率变异性的分析结果的准确性。
Description
技术领域
本发明涉及生命体征监测技术领域,具体涉及一种基于脉搏波的心率变异性分析方法及设备。
背景技术
心率变异性(heart rate variability,HRV)是人体一项非常重要的生命体征指标,可以有效的反映自主神经系统调节状态的改变、神经体液因素对心血管系统调节的情况、交感神经张力及平衡性等生理体征情况。利用心电图采集心电信号是公认的分析心率相关特征和信息的金标准。但是,心电图采集设备需要在人体连接若干电极,对于人体有较大的负载,同时会限制人体的活动空间,不利于长期监测。
现有的心率变异性分析方法按照传感器的类别主要可以分为:基于手机摄像头的心率变异性分析方法、基于非接触式设备的心率变异性分析方法以及基于脉搏波的心率变异性方法。上述现有技术方案分别存在一些缺陷,手机摄像头无法进行长期监测;非接触式设备容易受到外界的干扰,对于数据收集环境具有较高的要求;收集人体的脉搏波数据对于数据收集环境的要求不高,使用条件很低,设备成本很低,更加利于推广,但是现有的基于脉搏波的心率变异性分析方法对于信号的信噪比有较高的要求,当噪声较为严重时很容易提取到错误的结果,造成数据不准确。
发明内容
有鉴于此,本发明一方面提供了一种基于脉搏波的心率变异性分析方法,可以在较低信噪比的情况下,提取得到较为准确的结果,该方法包括:
收集脉搏波采集设备对被测人员的脉搏波信号;
对所述脉搏波信号进行降噪处理,得到标准脉搏波信号;
通过多路径搜索方式前向提取所述标准脉搏波信号的前向脉率变化信号;
通过多路径搜索方式反向修正所述前向脉率变化信号得到后向脉率变化信号,并与所述脉率变化信号进行融合得到融合脉率变化信号;
根据所述融合脉率变化信号中在所述脉搏波信号中提取心跳峰值点,并根据心跳峰值点的位置计算心跳间期和心率变异性信息。
可选地,对所述脉搏波信号进行降噪处理,得到标准脉搏波信号,包括:
对所述脉搏波信号进行带通滤波,得到初始脉搏波信号;
将所述初始脉搏波信号切分为时长为/>的数据段/>;
将所述数据段重排为维度为/>的数据矩阵/>;
对所述数据矩阵进行主成分提取,得到主成分脉搏波信号/>;
对所述主成分脉搏波信号进行小波去噪,得到小波脉搏波信号/>;
将不同数据段的所述小波脉搏波信号按时间顺序组合,得到标准脉搏波信号/>。
可选地,对所述数据矩阵进行主成分提取,得到主成分脉搏波信号/>,包括:
对所述数据矩阵进行奇异值分解,得到左奇异值矩阵/>、右奇异值矩阵/>和奇异值矩阵/>;
提取所述奇异值矩阵的特征值,并选取最大的k个特征值/>,使特征值之和占总特征值的比例大于特征值阈值/>;
在左奇异值矩阵和右奇异值矩阵/>中提取与所述特征值/>相对应的k组特征向量,并恢复为主成分数据矩阵/>;
利用对角平均法将所述主成分数据矩阵转换为主成分脉搏波信号/>。
可选地,对所述主成分脉搏波信号进行小波去噪,得到小波脉搏波信号,包括:
利用小波核函数对所述主成分脉搏波信号/>进行w层小波分解,得到小波系数swa和swd;
在所述小波系数swd中选取第维信号,并融合为小波脉搏波信号/>。
可选地,通过多路径搜索方式前向提取所述标准脉搏波信号的前向脉率变化信号,包括:
利用长度为的窗函数逐步处理所述标准脉搏波信号/>:
判断历史候选频率集合是否为空集,根据判断结果计算当前窗口内标准脉搏波信号/>的频谱,从频谱中选取当前时刻t的候选频率/>,并将候选频率/>加入历史候选频率集合/>中,并更新历史候选频率集合/>的长度/>;
将所述历史候选频率集合的长度/>与阈值/>进行比较,若/>,则滑窗处理下一时刻t+1的标准脉搏波信号/>;
将所述历史候选频率集合的长度/>与阈值/>进行比较,若/>,则通过多路径搜索的方式,提取前向脉率变化信号/>。
可选地,若,则通过多路径搜索的方式,提取前向脉率变化信号/>,包括:
遍历所述历史候选频率集合在每个时刻的候选频点,生成多条候选路径;
分别计算每一个候选路径的置信度,确定置信度最高的候选路径;
选取所述置信度最高的候选路径在时刻的频率/>作为该时刻的前向脉率,并保留与置信度最高的候选路径的起始点相同的候选路径中的候选频率,删除所述历史候选频率集合/>在/>时刻的候选频率;
滑窗处理不同时刻的标准脉搏波信号,将提取到的前向脉率按时间顺序组合,得到前向脉率变化信号。
可选地,判断历史候选频率集合是否为空集,根据判断结果计算当前窗口内标准脉搏波信号/>的频谱,从频谱中选取当前时刻t的候选频率/>,并将候选频率/>加入历史候选频率集合/>中,包括:
当所述历史候选频率集合为空集时,利用快速傅里叶变换方法计算当前窗口内标准脉搏波信号/>的频谱,并从频谱中选取/>个峰值点作为当前时刻t的候选频率/>,并将候选频率/>加入历史候选频率集合/>中,且历史候选频率集合的长度为/>+1;
当所述历史候选频率集合为非空集时,利用快速傅里叶变换方法计算当前窗口内标准脉搏波信号/>的频谱,并从频谱中提取满足预设条件的峰值点/>,从历史候选频率集合/>中获得从上一时刻t-1提取到的候选频率/>,计算峰值点/>与候选频率/>间的距离,选取距离小于阈值/>的峰值点作为当前时刻的候选峰值点/>,将候选峰值点/>加入历史候选频率集合/>中,且历史候选频率集合的长度为/>+1。
可选地,通过多路径搜索方式反向修正所述前向脉率变化信号得到反向脉率变化信号,并与所述前向脉率变化信号进行融合得到融合脉率变化信号,包括:
计算相邻所述前向脉率变化信号的置信度,提取置信度低于阈值/>的时段作为问题脉率;
通过多路径搜索方式分别对每一时段的问题脉率进行反向修正,得到反向脉率变化信号;
计算所述前向脉率变化信号与所述反向脉率变化信号/>的距离,并提取前向脉率变化信号/>与反向脉率变化信号/>的距离在阈值/>的时段/>,分别计算每一时段/>中前向脉率变化信号/>和反向脉率变化信号/>的置信度,选取置信度最高的脉率变化信号作为标准脉搏波信号/>的融合脉率变化信号/>。
可选地,根据所述融合脉率变化信号提取所述脉搏波信号的心跳峰值点,并根据心跳峰值点的位置计算心跳间期和心率变异性信息,包括:
按照时间顺序根据所述融合脉率变化信号逐步在所述脉搏波信号中提取心跳峰值点;
判断所述心跳峰值点集合是否为空集;
当所述心跳峰值点集合为空集时,选取时间在/>时刻内的脉搏波信号的最高点为初始峰值点/>,且将初始峰值点/>加入心跳峰值点集合/>中;
当所述心跳峰值点集合为非空集时,计算心跳峰值点集合/>中最新的心跳峰值点/>对应时间在相邻/>时刻内的融合脉率的平均值/>,根据平均值/>计算理论心跳峰值点的位置/>,并选取脉搏波信号中距离理论心跳峰值点/>最近的峰值点作为当前时刻t的心跳峰值点/>,并将/>加入心跳峰值点集合/>中;
计算所述心跳峰值点集合中心跳峰值点/>相邻时刻之间的时间差,得到心跳间期;
根据所述心跳峰值点集合中心跳峰值点/>和心跳间期得到心率变异性信息。
本发明另一方面,还提供了一种基于脉搏波的心率变异性分析设备,该设备包括:
处理器以及与所述处理器连接的存储器;其中,所述存储器存储有可被所述处理器执行的指令,所述指令被所述处理器执行,以使所述处理器执行所述的基于脉搏波的心率变异性分析方法。
根据本发明提供的基于脉搏波的心率变异性分析方法和设备,通过对采集到的脉搏波信号进行降噪处理,去除或减少噪声干扰,得到更干净、更精确的标准脉搏波信号,然后通过多路径搜索方式,从标准脉搏波信号中提取脉率变化信号,以获取心率随时间变化的波动信息,然后通过修正和融合脉率变化信号,可以得到更准确和可靠的脉率变化信号,进一步提高对心跳间期变化和心率变异性的分析结果的准确性,最后根据心跳峰值点反映心跳的周期性,并通过计算间期来衡量心率的变化,以此获得准确的心跳间期和心跳间期的变化情况。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于脉搏波的心率变异性分析设备的应用场景;
图2为本发明实施例提供的一种基于脉搏波的心率变异性分析方法的流程示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,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做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。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
如图1所示,本发明实施例提供的一种基于脉搏波的心率变异性分析设备的应用场景:
本发明由设备端和云端构成,设备端为脉搏波采集设备,采集设备可以为能够采集人体脉搏的手表、手环、指环、耳夹等设备,将脉搏波采集设备佩戴在被测人员合适的身体部位上,脉搏波采集设备将获取的被测人员的脉搏波数据,通过网络上传至云端,并由云端进行数据处理。如图1中,脉搏波采集设备11为佩戴在被测人员手腕处的手表,手表采集的脉搏数据将传输至云端12进行数据处理,当积累了一定时长的脉搏波数据后,算法基于接收到的全部脉搏波数据分析得到心率变异性分析的最终结果。
如图2所示,本发明的一个实施例,提供了一种基于脉搏波的心率变异性分析方法,可以由上述云端12执行,包括如下操作:
S1,收集脉搏波采集设备对被测人员的脉搏波信号;
S2,对脉搏波信号进行降噪处理,得到标准脉搏波信号;
S3,通过多路径搜索方式前向提取标准脉搏波信号的前向脉率变化信号;
S4,通过多路径搜索方式反向修正前向脉率变化信号得到反向脉率变化信号,并与前向脉率变化信号进行融合得到融合脉率变化信号;
S5,根据融合脉率变化信号在脉搏波信号中提取心跳峰值点,并根据心跳峰值点的位置计算心跳间期和心率变异性信息。
本实施例中,通过对采集到的脉搏波信号进行降噪处理,去除或减少噪声干扰,得到更干净、更精确的标准脉搏波信号,然后通过多路径搜索方式的方法,从标准脉搏波信号中进行前向提取得到提取前向脉率变化信号,以获取心率随时间变化的波动信息,然后通过反向修正并融合前向脉率变化信号,可以得到更准确和可靠的融合脉率变化信号,进一步提高对心跳间期变化和心率变异性的分析结果的准确性,最后根据心跳峰值点反映心跳的周期性,并通过计算间期来衡量心跳的变化,以此获得准确的心跳间期和心跳间期的变化情况。
通过上述采集的准确的脉搏波信号,并经过处理和分析,保证了脉率准确性和稳定性,以此获得准确的心跳间期和心跳间期的变化情况,并且本监测手段和设备对测试环境要求低,受干扰的情况更小,适用于长期监测人体的心率情况。
优选实施例中,S2,对脉搏波信号进行降噪处理,得到标准脉搏波信号,包括:
S21,对脉搏波信号进行带通滤波,得到初始脉搏波信号;
本实施例中,带通滤波可以使用IIR滤波器或FIR滤波器。
S22,将初始脉搏波信号切分为时长为/>的数据段/>;
本实施例将初始脉搏波信号切分为时长一样的数据段,以便对每个数据段进行独立分析,进而对比不同时间段内的特征变化,使特征提取更加准确。
S23,将数据段重排为维度为/>的数据矩阵/>;
本实施例中,利用如下公式将所有数据段重排为维度为/>的数据矩阵/>:
,
S24,对数据矩阵进行主成分提取,得到主成分脉搏波信号/>;
S25,对主成分脉搏波信号进行小波去噪,得到小波脉搏波信号/>;
S26,将不同数据段的小波脉搏波信号按时间顺序组合,得到标准脉搏波信号/>。
本实施例通过对脉搏波信号进行带通滤波,减少噪声干扰,突出主要的脉搏波信号;将初始脉搏波信号按固定时长切分为多个数据段是对每个数据段进行独立的分析,以检测和比较不同时间段内的特征变化,提高特征提取的准确性和可靠性;对数据矩阵进行主成分分析,提取主成分脉搏波信号,通过提取主成分脉搏波信号,可以减少维度,并更好地捕捉到脉搏波信号中的关键特征;对主成分脉搏波信号进行小波去噪处理,以减少噪声的影响,提高信号质量;将不同数据段经过小波去噪处理后的脉搏波信号按时间顺序组合起来,得到最终的标准脉搏波信号,这一步骤的作用是将多个数据段的处理结果合并,得到整体的脉搏波信号,以供后续的分析和计算使用。
进一步地,S24,对数据矩阵进行主成分提取,得到主成分脉搏波信号/>,包括:
S241,对数据矩阵进行奇异值分解,得到左奇异值矩阵/>、右奇异值矩阵/>和奇异值矩阵/>;
本实施例中,利用如下公式对数据矩阵进行奇异值分解:
,
其中,为奇异值分解函数,是本领域公知公认公开的方法,/>为左奇异值矩阵,/>为右奇异值矩阵,/>和/>均为酉矩阵,/>为奇异值矩阵,其对角线上元素为特征值。
S242,提取奇异值矩阵的特征值,并选取最大的k个特征值/>,使特征值之和占总特征值的比例大于特征值阈值/>;
本实施例中,利用如下公式提取奇异值矩阵的特征值,并选取最大的k个特征值,使特征值之和占总特征值的比例大于特征值阈值/>:
,
,
其中,为最大的k个特征值集合。
S243,在左奇异值矩阵和右奇异值矩阵/>中提取与特征值/>相对应的k组特征向量,并恢复为主成分数据矩阵/>;
本实施例中,利用如下公式将k组特征向量恢复为主成分数据矩阵:
,
S244,利用对角平均法将主成分数据矩阵转换为主成分脉搏波信号/>。
本实施例中,对角平均法利用如下公式将主成分数据矩阵转换为主成分脉搏波信号/>:
,
本实施例通过提取奇异值矩阵的特征值并选取最大的k个特征值,可以有效的降低数据信息的冗余程度,通过选择合适的特征值阈值和相应的特征值个数,可以选择保留最重要的特征,丢弃对数据影响较小的特征;通过提取与选定特征值相对应的特征向量,可以得到主成分数据矩阵,这些特征向量代表了原始数据中重要的模式、结构或特征;利用对角平均法将主成分数据矩阵的每一组对角数据进行平均,可以得到一组合成的脉搏波信号,这些信号代表了原始数据中最显著的成分,可以用于进一步的分析、识别或可视化。
进一步地,S25,对主成分脉搏波信号进行小波去噪,得到小波脉搏波信号,包括:
S251,利用小波核函数对主成分脉搏波信号/>进行w层小波分解,得到小波系数swa和swd;
本实施例中,小波核函数wname利用如下公式对主成分脉搏波信号进行w层小波分解:
,
其中,为小波分解函数,是本领域公知公认公开的方法,/>为小波近似系数,/>为小波细节系数,小波核函数包括但不限于db系小波核、sym系小波核、bior小波核、rbio小波核等。
S252,在小波系数swd中选取第维信号,并融合为小波脉搏波信号/>。
本实施例中,利用如下公式在小波系数swd中选取第维信号融合为小波脉搏波信号/>:
,
本实施例通过小波分解将主成分脉搏波信号应用w层小波分解,可以获取信号在不同频率范围内的成分以反映信号的局部变化和特征,并获得相应的系数,利用系数的能量和统计信息来对信号进行降噪处理,去除噪声干扰,提升信号质量;通过将所选信号进行融合,可以综合不同频率范围内的信息,生成小波脉搏波信号。这有助于提取出主成分脉搏波信号中的重要特征,降低噪声的干扰,提高信噪比,可以使信号更具有辨识度。
优选实施例中,S3,通过多路径搜索方式前向提取标准脉搏波信号的前向脉率变化信号,包括:
利用长度为的窗函数逐步处理标准脉搏波信号/>:
S31,判断历史候选频率集合是否为空集,根据判断结果计算当前窗口内标准脉搏波信号/>的频谱,从频谱中选取当前时刻t的候选频率/>,并将候选频率/>加入历史候选频率集合/>中,并更新历史候选频率集合/>的长度/>;
S32,将更新后的历史候选频率集合的长度/>与阈值/>进行比较,若/>,则滑窗处理下一时刻t+1的标准脉搏波信号/>;
S33,将历史候选频率集合的长度/>与阈值/>进行比较,若/>,则通过多路径搜索的方式,提取前向脉率变化信号/>。
本实施例中判断历史候选频率集合是否为空集时,即判断提取的初始点有没有历史信息可以参考,以便进行后续的信号提取,然后由于历史数据达到一定程度后才能进行多路径搜索,因此将更新的历史候选频率集合的长度与/>与阈值/>进行比较,直到高于阈值后进行多路径搜索提取到前向脉率变化信号/>,通过滑动窗口的方式从标准脉搏波信号中提取出正确的脉率信息,获取到脉率随时间变化的动态信息,以准确的对脉率进行监测和分析。
进一步地,若,则通过多路径搜索的方式,提取前向脉率变化信号/>,包括:
遍历历史候选频率集合在每个时刻的候选频点,生成多条候选路径;
分别计算每一个候选路径的置信度,确定置信度最高的候选路径;
选取置信度最高的候选路径在时刻的频率/>作为该时刻的前向频率,并保留与置信度最高的候选路径的起始点相同的候选路径中的候选频率,删除历史候选频率集合/>在/>时刻的候选频率;
滑窗处理不同时刻的标准脉搏波信号,将提取到的前向脉率按时间顺序组合,得到前向脉率变化信号。
本实施例在历史候选频率集合的长度/>大于阈值/>时,表示历史候选频率集合中有足够的频率可供选择,然后根据每个时刻的候选频点生成候选路径,计算每条候选路径的置信度,选择置信度最高的候选路径在最早时刻的频率作为前向脉率,选择置信度最高的候选路径可以保证该条路径的频率选择更加稳健,保留与置信度最高的候选路径的起始点相同的候选路径中的候选频率,一方面可以避免频率之间的冲突和干扰,另一方面可以持续消除低置信度频率的影响,降低计算复杂度,后续基于上述操作滑窗处理每一时刻的标准脉搏波信号,然后按时间顺序组成前向脉率变化信号。脉率是反映心脏功能的关键指标之一,通过组合各个时刻提取到的前向脉率,可以获得一个按时间顺序排列的前向脉率变化信号,可以观察到脉率在不同时间段内的波动情况,了解人体心脏活动的整体节律和变化趋势。
进一步地,S31,判断历史候选频率集合是否为空集,根据判断结果计算当前窗口内标准脉搏波信号/>的频谱,从频谱中选取当前时刻t的候选频率/>,并将候选频率/>加入历史候选频率集合/>中,若为空集,则执行S311,若不是空集,则执行S312:
S311,当历史候选频率集合为空集时,利用快速傅里叶变换方法计算当前窗口内标准脉搏波信号/>的频谱,并从频谱中选取/>个峰值点作为当前时刻t的候选频率/>,并将候选频率/>加入历史候选频率集合/>中,且历史候选频率集合的长度为/>+1;
S312,当历史候选频率集合为非空集时,利用快速傅里叶变换方法计算当前窗口内标准脉搏波信号/>的频谱,并从频谱中提取满足预设条件的峰值点/>,从历史候选频率集合/>中获得从上一时刻t-1提取到的候选频率/>,计算峰值点/>与候选频率/>间的距离,选取距离小于阈值/>的峰值点作为当前时刻的候选峰值点/>,将候选峰值点/>加入历史候选频率集合/>中,且历史候选频率集合的长度为/>+1。
本实施例在滑动窗口的过程中,通过快速傅里叶变换方法计算当前窗口内标准脉搏波信号的频谱,并从频谱中选取候选频率作为当前时刻的脉率估计值,当历史候选频率集合为空集时,表示需要提取初始点无历史信息可参考,需根据计算的频谱选择峰值点作为当前时刻的候选频率,通过频谱分析方法获取标准脉搏波信号中的频率成分,选取峰值点可以作为可能的脉率估计值,并将候选频率加入历史候选频率集合中及时更新历史候选频率;当历史候选频率集合为非空集时,表示需要提取初始点有历史信息可参考,可以选取上一时刻的候选频率作为参考,并选取两个时刻的候选频率的距离小于预设距离阈值的频率,以筛选出与历史候选频率最接近的候选频率,该距离可以是简单的欧氏距离,也可以根据具体的需求进行设计;最后将候选频率加入历史候选频率集合中,用于后续的频率估计和脉率变化的追踪,并在滑动窗口的过程中持续更新候选频率。
优选实施例中,S4,通过多路径搜索方式反向修正前向脉率变化信号得到反向脉率变化信号,并与前向脉率变化信号进行融合得到融合脉率变化信号,包括:
S41,计算相邻前向脉率变化信号的置信度,提取置信度低于阈值/>的时段作为问题脉率;
S42,通过多路径搜索方式分别对每一时段的问题脉率进行反向修正,得到反向脉率变化信号;
S43,计算前向脉率变化信号与反向脉率变化信号/>的距离,并提取前向脉率变化信号/>与反向脉率变化信号/>的距离大于阈值/>的时段/>,分别计算每一时段/>中前向脉率变化信号/>和反向脉率变化信号/>的置信度,选取置信度最高的脉率变化信号作为标准脉搏波信号/>的融合脉率变化信号/>。
本实施例通过提取前向脉率变化信号的置信度,找出前向脉率中可能存在误差或异常的脉率,然后对问题脉率进行反向修正,通过反向搜索,根据问题脉率及其周围的信息修正问题脉率,以获得更准确的反向脉率,然后,通过比较前向脉率和反向脉率的一致性,提取前向脉率和反向脉率间的距离差别较大的时段,最后根据每个时段前向脉率和反向脉率的置信度,选取具有最高置信度的脉率作为标准脉搏波信号的最终脉率估计值,即将前向脉率和反向脉率进行融合,以得到更准确和可靠的脉率估计结果。通过多路径搜索和前后向信息相结合的方式,利用前向脉率和反向脉率融合计算脉率变化,可以提高标准脉搏波信号中脉率估计的准确性和稳定性。
优选实施例中,S5,根据融合脉率变化信号提取脉搏波信号的心跳峰值点,并根据心跳峰值点的位置计算心跳间期和心率变异性信息,包括:
按照时间顺序根据融合脉率变化信号逐步在脉搏波信号中提取心跳峰值点;
S51,判断心跳峰值点集合是否为空集;
S52,当心跳峰值点集合为空集时,选取时间在/>时刻内的脉搏波信号的最高点为初始峰值点/>,且将初始峰值点/>加入心跳峰值点集合/>中;
S53,当心跳峰值点集合为非空集时,计算心跳峰值点集合/>中最新的心跳峰值点/>对应时间在相邻/>时刻内的融合脉率的平均值/>,根据平均值/>计算理论心跳峰值点的位置/>,并选取脉搏波信号中距离理论心跳峰值点/>最近的峰值点作为当前时刻t的心跳峰值点/>,并将心跳峰值点/>加入心跳峰值点集合/>中;
根据以下公式计算理论峰值点应该的位置:
,
其中,为脉搏波采样频率。
S54,计算心跳峰值点集合中心跳峰值点/>相邻时刻之间的时间差,得到心跳间期;
S55,根据心跳峰值点集合中心跳峰值点/>和心跳间期得到心率变异性信息。
本实施例按照时间顺序,提取心跳峰值点,心跳峰值点是标识心脏跳动的时刻,提取这些峰值点可以反映心脏的跳动情况以及心率的变化规律。首先判断心跳峰值点集合是否为空集,在心跳峰值点集合为空集时,需要选取符合预设标准的峰值点作为初始峰值点,以此确定心跳峰值点的起始点,为后续的峰值点提取过程提供初始值;在心跳峰值点集合为非空集时,不需确定初始峰值点,需要计算预测的理论峰值点应该出现的位置,通过比较实际峰值点和理论峰值点的距离,选择距离最近即与理论峰值点最接近的实际峰值点作为当前时刻的心跳峰值点,以确保心跳峰值点的准确性,然后通过计算心跳峰值点之间的时间差,即可得到心跳间期。心跳间期是相邻两个心跳峰值点之间的时间间隔,反映了心跳的周期性和节律性,最后通过心跳峰值点之间的时间差(心跳间期)的变化得到心率变异性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明可采用在一个或多个其中包含有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。
本发明是参照根据本发明实施例的方法、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。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种基于脉搏波的心率变异性分析方法,其特征在于,包括:
收集脉搏波采集设备对被测人员的脉搏波信号;
对所述脉搏波信号进行降噪处理,得到标准脉搏波信号;
通过多路径搜索方式前向提取所述标准脉搏波信号的前向脉率变化信号;
通过多路径搜索方式反向修正所述前向脉率变化信号得到反向脉率变化信号,并与所述前向脉率变化信号进行融合得到融合脉率变化信号;
根据所述融合脉率变化信号在所述脉搏波信号中提取心跳峰值点,并根据心跳峰值点的位置计算心跳间期和心率变异性信息。
2.根据权利要求1所述的方法,其特征在于,对所述脉搏波信号进行降噪处理,得到标准脉搏波信号,包括:
对所述脉搏波信号进行带通滤波,得到初始脉搏波信号;
将所述初始脉搏波信号切分为时长为/>的数据段/>;
将所述数据段重排为维度为/>的数据矩阵/>;
对所述数据矩阵进行主成分提取,得到主成分脉搏波信号/>;
对所述主成分脉搏波信号进行小波去噪,得到小波脉搏波信号/>;
将不同数据段的所述小波脉搏波信号按时间顺序组合,得到标准脉搏波信号/>。
3.根据权利要求2所述的方法,其特征在于,对所述数据矩阵进行主成分提取,得到主成分脉搏波信号/>,包括:
对所述数据矩阵进行奇异值分解,得到左奇异值矩阵/>、右奇异值矩阵/>和奇异值矩阵/>;
提取所述奇异值矩阵的特征值,并选取最大的k个特征值/>,使特征值之和占总特征值的比例大于特征值阈值/>;
在左奇异值矩阵和右奇异值矩阵/>中提取与所述特征值/>相对应的k组特征向量,并恢复为主成分数据矩阵/>;
利用对角平均法将所述主成分数据矩阵转换为主成分脉搏波信号/>。
4.根据权利要求2所述的方法,其特征在于,对所述主成分脉搏波信号进行小波去噪,得到小波脉搏波信号/>,包括:
利用小波核函数对所述主成分脉搏波信号/>进行w层小波分解,得到小波系数swa和swd;
在所述小波系数swd中选取第维信号,并融合为小波脉搏波信号/>。
5.根据权利要求1所述的方法,其特征在于,通过多路径搜索方式前向提取所述标准脉搏波信号的前向脉率变化信号,包括:
利用长度为的窗函数逐步处理所述标准脉搏波信号/>:
判断历史候选频率集合是否为空集,根据判断结果计算当前窗口内标准脉搏波信号的频谱,从频谱中选取当前时刻t的候选频率/>,将候选频率/>加入历史候选频率集合中,并更新历史候选频率集合/>的长度/>;
将所述历史候选频率集合的长度/>与阈值/>进行比较,若/>,则滑窗处理下一时刻t+1的标准脉搏波信号/>;
将所述历史候选频率集合的长度/>与阈值/>进行比较,若/>,则通过多路径搜索的方式,提取前向脉率变化信号/>。
6.根据权利要求5所述的方法,其特征在于,若,则通过多路径搜索的方式,提取前向脉率变化信号/>,包括:
遍历所述历史候选频率集合在每个时刻的候选频点,生成多条候选路径;
分别计算每一个候选路径的置信度,确定置信度最高的候选路径;
选取所述置信度最高的候选路径在时刻的频率/>作为该时刻的前向脉率,并保留与置信度最高的候选路径的起始点相同的候选路径中的候选频率,删除所述历史候选频率集合/>在/>时刻的候选频率;
滑窗处理不同时刻的标准脉搏波信号,将提取到的前向脉率按时间顺序组合,得到前向脉率变化信号。
7.根据权利要求5所述的方法,其特征在于,判断历史候选频率集合是否为空集,根据判断结果计算当前窗口内标准脉搏波信号/>的频谱,从频谱中选取当前时刻t的候选频率,并将候选频率/>加入历史候选频率集合/>中,包括:
当所述历史候选频率集合为空集时,利用快速傅里叶变换方法计算当前窗口内标准脉搏波信号/>的频谱,并从频谱中选取/>个峰值点作为当前时刻t的候选频率/>,并将候选频率/>加入历史候选频率集合/>中,且历史候选频率集合的长度为/>+1;
当所述历史候选频率集合为非空集时,利用快速傅里叶变换方法计算当前窗口内标准脉搏波信号/>的频谱,并从频谱中提取满足预设条件的峰值点/>,从历史候选频率集合中获得从上一时刻t-1提取到的候选频率/>,计算峰值点/>与候选频率/>间的距离,选取距离小于阈值/>的峰值点作为当前时刻的候选峰值点/>,将候选峰值点/>加入历史候选频率集合/>中,且历史候选频率集合的长度为/>+1。
8.根据权利要求1所述的方法,其特征在于,通过多路径搜索方式反向修正所述前向脉率变化信号得到反向脉率变化信号,并与所述前向脉率变化信号进行融合得到融合脉率变化信号,包括:
计算相邻所述前向脉率变化信号的置信度,提取置信度低于阈值/>的时段作为问题脉率;
通过多路径搜索方式分别对每一时段的问题脉率进行反向修正,得到反向脉率变化信号;
计算所述前向脉率变化信号与所述反向脉率变化信号/>的距离,并提取前向脉率变化信号/>与反向脉率变化信号/>的距离大于阈值/>的时段/>,分别计算每一时段/>中前向脉率变化信号/>和反向脉率变化信号/>的置信度,选取置信度最高的脉率变化信号作为标准脉搏波信号/>的融合脉率变化信号/>。
9.根据权利要求1所述的方法,其特征在于,根据所述融合脉率变化信号提取所述脉搏波信号的心跳峰值点,并根据心跳峰值点的位置计算心跳间期和心率变异性信息,包括:
按照时间顺序根据所述融合脉率变化信号逐步在所述脉搏波信号中提取心跳峰值点;
判断所述心跳峰值点集合是否为空集;
当所述心跳峰值点集合为空集时,选取时间在/>时刻内的脉搏波信号的最高点为初始峰值点/>,且将初始峰值点/>加入心跳峰值点集合/>中;
当所述心跳峰值点集合为非空集时,计算心跳峰值点集合/>中最新的心跳峰值点对应时间在相邻/>时刻内的融合脉率的平均值/>,根据平均值/>计算理论心跳峰值点的位置/>,并选取脉搏波信号中距离理论心跳峰值点/>最近的峰值点作为当前时刻t的心跳峰值点/>,并将心跳峰值点/>加入心跳峰值点集合/>中;
计算所述心跳峰值点集合中心跳峰值点/>相邻时刻之间的时间差,得到心跳间期;
根据所述心跳峰值点集合中心跳峰值点/>和心跳间期得到心率变异性信息。
10.一种基于脉搏波的心率变异性分析设备,其特征在于,包括:处理器以及与所述处理器连接的存储器;其中,所述存储器存储有可被所述处理器执行的指令,所述指令被所述处理器执行,以使所述处理器执行如权利要求1-9中任意一项所述的基于脉搏波的心率变异性分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311330558.1A CN117064361B (zh) | 2023-10-16 | 2023-10-16 | 一种基于脉搏波的心率变异性分析方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311330558.1A CN117064361B (zh) | 2023-10-16 | 2023-10-16 | 一种基于脉搏波的心率变异性分析方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117064361A CN117064361A (zh) | 2023-11-17 |
CN117064361B true CN117064361B (zh) | 2023-12-19 |
Family
ID=88717516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311330558.1A Active CN117064361B (zh) | 2023-10-16 | 2023-10-16 | 一种基于脉搏波的心率变异性分析方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117064361B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220112547A (ko) * | 2021-02-04 | 2022-08-11 | 엘아이지넥스원 주식회사 | 다중경로 환경에서 레이더의 표적 고각 측정 방법 및 장치 |
CN116327133A (zh) * | 2023-05-29 | 2023-06-27 | 智慧眼科技股份有限公司 | 一种多生理指标检测方法、装置及相关设备 |
CN116434959A (zh) * | 2023-05-31 | 2023-07-14 | 皖南医学院 | 一种基于手机摄像头的人体疲劳度监测系统 |
-
2023
- 2023-10-16 CN CN202311330558.1A patent/CN117064361B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220112547A (ko) * | 2021-02-04 | 2022-08-11 | 엘아이지넥스원 주식회사 | 다중경로 환경에서 레이더의 표적 고각 측정 방법 및 장치 |
CN116327133A (zh) * | 2023-05-29 | 2023-06-27 | 智慧眼科技股份有限公司 | 一种多生理指标检测方法、装置及相关设备 |
CN116434959A (zh) * | 2023-05-31 | 2023-07-14 | 皖南医学院 | 一种基于手机摄像头的人体疲劳度监测系统 |
Non-Patent Citations (2)
Title |
---|
基于PPG信号的运动状态下心率检测;黄海诚;《中国优秀硕士学位论文全文数据库医药卫生科技辑》(第3期);第1-94页 * |
基于ZigBee的脉搏波监测系统设计及其自组网路径优化方法研究;袁珑珑;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》(1);第1-64页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117064361A (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416367B (zh) | 基于多传感器数据决策级融合的睡眠分期方法 | |
CN109700450B (zh) | 一种心率检测方法及电子设备 | |
WO2019161610A1 (zh) | 心电信息处理方法和心电工作站系统 | |
JP5799581B2 (ja) | 生体リズムの乱れ度算出装置、生体リズムの乱れ度算出システム、生体リズムの乱れ度算出方法、プログラム、及び記録媒体 | |
WO2015163369A1 (ja) | 心電波形検出装置、及び撮像装置 | |
CN106618560B (zh) | 脑电波信号的处理方法和装置 | |
JP2014505566A (ja) | 呼吸モニタリング方法およびシステム | |
CN110840443B (zh) | 心电信号处理方法、心电信号处理装置和电子设备 | |
CN112998690B (zh) | 一种基于脉搏波多特征融合的呼吸率提取方法 | |
JP6323809B2 (ja) | 生体情報推定装置及び生体情報推定方法 | |
US20200008690A1 (en) | Blood pressure data processing apparatus, blood pressure data processing method, and program | |
JP6519344B2 (ja) | 心拍間隔特定プログラム、心拍間隔特定装置、及び心拍間隔特定方法 | |
CN117064361B (zh) | 一种基于脉搏波的心率变异性分析方法及设备 | |
KR101971782B1 (ko) | 레이더 신호의 시계열 데이터 분석을 이용한 생체 정보 결정 장치 및 방법 | |
KR101744691B1 (ko) | 심탄도 신호를 이용한 심박 검출 방법 및 그 장치 | |
CN111345815B (zh) | 一种心电信号中qrs波的检测方法、装置、设备和存储介质 | |
JP2015217060A (ja) | 心拍検出方法および心拍検出装置 | |
Shcherbakova et al. | Determination of characteristic points of electrocardiograms using multi-start optimization with a wavelet transform | |
JP6706996B2 (ja) | 生体信号処理装置、異常判別方法およびプログラム | |
JP6468986B2 (ja) | ノイズ判定装置、方法、およびプログラム | |
CN114159075A (zh) | Qrs波优化装置、系统及存储介质 | |
KR20180128634A (ko) | 휴대용 생체정보 측정 단말기를 이용한 R-peak 검출 방법 및 시스템 | |
KR101992763B1 (ko) | 비정상 심전도 신호 정보 출력 디바이스 및 방법 | |
KR20210061122A (ko) | 타겟의 생체 정보 결정 방법 및 장치 | |
CN116942102B (zh) | 一种基于脉搏波的睡眠分期方法及设备 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |