CN117481665B - 心电信号r波监测方法及其穿戴设备 - Google Patents
心电信号r波监测方法及其穿戴设备 Download PDFInfo
- Publication number
- CN117481665B CN117481665B CN202311702937.9A CN202311702937A CN117481665B CN 117481665 B CN117481665 B CN 117481665B CN 202311702937 A CN202311702937 A CN 202311702937A CN 117481665 B CN117481665 B CN 117481665B
- Authority
- CN
- China
- Prior art keywords
- electrocardiosignal
- signal
- wave
- segment
- frequency
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 51
- 238000001914 filtration Methods 0.000 claims abstract description 42
- 238000012806 monitoring device Methods 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 24
- 230000003044 adaptive effect Effects 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 12
- 230000000747 cardiac effect Effects 0.000 claims description 5
- 239000012634 fragment Substances 0.000 claims description 5
- 101000835860 Homo sapiens SWI/SNF-related matrix-associated actin-dependent regulator of chromatin subfamily B member 1 Proteins 0.000 claims description 4
- 102100025746 SWI/SNF-related matrix-associated actin-dependent regulator of chromatin subfamily B member 1 Human genes 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 16
- 238000004590 computer program Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 2
- 101100398248 Arabidopsis thaliana KIN10 gene Proteins 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- A61B5/24—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]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- 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
-
- 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
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- 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)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Power Engineering (AREA)
- Mathematical Physics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请涉及数据处理技术领域,提供一种心电信号R波监测方法及其穿戴设备,该方法包括:以第一移动窗框内数据点集合的平均数为滑动均值对原始心电信号进行均值滤波处理,得到心电原始波形,并基于心电原始波形对原始心电信号进行波形处理,得到第一心电信号;以第二移动窗框内数据点集合的中位数为滑动中值对第一心电信号进行中值滤波处理,得到第二心电信号;对第二心电信号中预设时长的心电信号为离散心电信号进行快速傅里叶变换,得到傅里叶变换结果,并以振幅能量在0.1‑0.6赫兹范围内最大的傅里叶变换结果为心电信号频率计算自适应参数;基于自适应参数对第二心电信号进行R波监测。本申请实现了快速且准确地对心电信号进行R波检测。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及一种心电信号R波监测方法。
背景技术
随着医疗保健需求日益增高,可穿戴心电图(Electrocardiogram,ECG)监测设备由于穿戴方便而受到人们的青睐。目前心电信号R波检测方法主要包括特征点检测方法、Pan方法和Tompkins方法,但是,方法Pan和Tompkins方法的R波检测思路主要是立基在心电监护仪的使用,即基本是对躺在病床或照护病床上患者进行量测,其三个估计量主要反映的是心电基本特性,而对于人为运动所创造的运动干扰噪声并不具备自适应的特征。特征点检测方法经常漏检错检R波以及对高频噪声和基线漂移的去除效果较差。因此,如何快速、准确地实现心电信号的R波检测成为当前需要克服的问题
发明内容
本申请实施例提供一种心电信号R波监测方法,旨在实现快速且准确地对心电信号进行R波检测。
第一方面,本申请实施例提供一种心电信号R波监测方法,包括:
以第一移动窗框内数据点集合的平均数为滑动均值对原始心电信号进行均值滤波处理,得到心电原始波形,并基于所述心电原始波形对所述原始心电信号进行波形处理,得到第一心电信号;所述第一移动窗框为包含第一预设数量数据点的移动窗框;
以第二移动窗框内数据点集合的中位数为滑动中值对所述第一心电信号进行中值滤波处理,得到第二心电信号;所述第二移动窗框包含第二预设数量数据点的移动窗框;
对所述第二心电信号中预设时长的心电信号为离散心电信号进行快速傅里叶变换,得到傅里叶变换结果,并以振幅能量在0.1-0.6赫兹范围内最大的傅里叶变换结果为心电信号频率计算自适应参数;
基于所述自适应参数对所述第二心电信号进行R波监测。
在一个实施例中,所述基于所述自适应参数对所述第二心电信号进行R波监测,包括:
以预设间隔为单位对所述第二心电信号进行拆分,得到多个心电信号片段;
计算每一个所述心电信号片段的心电主能量强度特征;
根据所述自适应参数和每一个所述心电信号片段的心电主能量强度特征,对每一个所述心电信号片段进行R波监测。
在一个实施例中,所述计算每一个所述心电信号片段的心电主能量强度特征,包括:
获取每一个所述心电信号片段的所有数据点的数量,并根据每一个所述心电信号片段的数量,计算每一个所述心电信号片段的频率系数,计算公式为:
其中,DF(kf0)为频率系数,kf0为频率范围,N为所有数据点的数量,CH[n]为心电信号片段,e为自然常数,j为复数的虚部,k为正整数,f0为平均采样频率,sprate为采样频率;
根据每一个所述心电信号片段的频率系数和频率范围,计算每一个所述心电信号片段的心电主能量强度特征,心电主能量强度特征的计算公式如下:
其中,F为心电主能量强度特征,(x1,x2)为频率范围。
在一个实施例中,所述根据所述自适应参数和每一个所述心电信号片段的心电主能量强度特征,对每一个所述心电信号片段进行R波监测,包括:
根据每一个所述心电信号片段的心电主能量强度特征,读取出每一个所述心电信号片段中的待处理R波峰值信号;
计算所述待处理R波峰值信号的初始信噪比,并根据所述初始信噪比和所述自适应参数计算出目标信噪比;
根据所述目标信噪比确定每一个所述心电信号片段中的目标R波峰值信号;
确定每一个所述心电信号片段中的相邻两个目标R波峰值信号之间的R波间距,并根据所述R波间距确定每一个所述心电信号片段的最终R波峰值位置。
在一个实施例中,所述计算所述待处理R波峰值信号的初始信噪比,包括:
获取待处理R波峰值信号的主信号频带和噪声信号频带;所述主信号频带的上频带为20赫兹,下频带为3赫兹;所述噪声信号频带的上频带为80赫兹,下频带为47赫兹;
根据所述主信号频带的上频带和下频带,以及所述噪声信号频带的上频带和下频带,计算所述待处理R波峰值信号的初始信噪比,初始信噪比的计算公式如下:
其中,SNR1为初始信噪比,为频率振幅,θ为频率相位,e是自然对数的底数,j是虚数单位,/>是角频率,t是时间。
在一个实施例中,所述根据所述R波间距确定每一个所述心电信号片段的最终R波峰值位置,包括:
若确定所述R波间距小于或者等于预设间距,则将相邻两个目标R波峰值信号进行合并,得到合并后的R波峰值信号;
根据每一个所述心电信号片段的采集频率和数量以及所述R波间距,计算所述合并后的R波峰值信号的第一覆盖区段;
将所述合并后得到的R波峰值信号所在的波峰值位置,确定为所述第一覆盖区段的R波峰值位置,并将所有的所述第一覆盖区段的R波峰值位置,确定为每一个所述心电信号片段的最终R波峰值位置。
在一个实施例中,所述根据所述R波间距确定每一个所述心电信号片段的最终R波峰值位置,包括:
若确定所述R波间距大于预设间距,则根据每一个所述心电信号片段的采集频率和数量以及R波间距和预设间距参数,计算每一个目标R波峰值信号的第二覆盖区段;
将所述每一个目标R波峰值信号所在的波峰值位置,确定为所述第二覆盖区段的R波峰值位置,并将所有的所述第二覆盖区段的R波峰值位置,确定为每一个所述心电信号片段的最终R波峰值位置。
第二方面,本申请实施例提供一种心电信号R波监测装置,包括:
第一滤波处理模块,用于以第一移动窗框内数据点集合的平均数为滑动均值对原始心电信号进行均值滤波处理,得到心电原始波形,并基于所述心电原始波形对所述原始心电信号进行波形处理,得到第一心电信号;第一移动窗框为包含第一预设数量数据点的移动窗框;
第二滤波处理模块,用于以第二移动窗框内数据点集合的中位数为滑动中值对所述第一心电信号进行中值滤波处理,得到第二心电信号;所述第二移动窗框包含第二预设数量数据点的移动窗框;
自适应参数计算模块,用于对所述第二心电信号中预设时长的心电信号为离散心电信号进行快速傅里叶变换,得到傅里叶变换结果,并以振幅能量在0.1-0.6赫兹范围内最大的傅里叶变换结果为心电信号频率计算自适应参数;
R波监测模块,用于基于所述自适应参数对所述第二心电信号进行R波监测。
第三方面,本申请实施例提供一种穿戴设备,所述穿戴设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的确定机程序,所述处理器执行所述确定机程序时实现第一方面所述的心电信号R波监测方法。
第四方面,本申请实施例提供一种非暂态确定机可读存储介质,非暂态确定机可读存储介质包括确定机程序,所述确定机程序被处理器执行时实现第一方面所述的心电信号R波监测方法。
第五方面,本申请实施例提供一种计算机产品,计算机产品包括确定机程序,所述确定机程序被处理器执行时实现第一方面所述的心电信号R波监测方法。
本申请实施例提供的心电信号R波监测方法及其穿戴设备,以第一移动窗框内数据点集合的平均数为滑动均值对原始心电信号进行均值滤波处理,得到心电原始波形,并基于心电原始波形对原始心电信号进行波形处理,得到第一心电信号;以第二移动窗框内数据点集合的中位数为滑动中值对第一心电信号进行中值滤波处理,得到第二心电信号;对第二心电信号中预设时长的心电信号为离散心电信号进行快速傅里叶变换,得到傅里叶变换结果,并以振幅能量在0.1-0.6赫兹范围内最大的傅里叶变换结果为心电信号频率计算自适应参数;基于自适应参数对第二心电信号进行R波监测。在心电信号R波监测的过程中,通过第一移动窗框对原始心电信号进行均值滤波处理,再通过第二移动窗框进行中值滤波处理,再通过自适应参数进行R波监测,实现了快速且准确地对心电信号进行R波检测。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,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是本申请实施例提供的心电信号R波监测方法的流程图;
图2是本申请实施例提供的心电信号R波监测装置的结构图;
图3是本申请实施例提供的穿戴设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请中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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
如图1,图1是本申请实施例提供的心电信号R波监测方法的流程图。本申请实施例提供一种心电信号R波监测方法,包括:
步骤101,以第一移动窗框内数据点集合的平均数为滑动均值对原始心电信号进行均值滤波处理,得到心电原始波形,并基于所述心电原始波形对所述原始心电信号进行波形处理,得到第一心电信号;
步骤102,以第二移动窗框内数据点集合的中位数为滑动中值对所述第一心电信号进行中值滤波处理,得到第二心电信号;
步骤103,对第二心电信号中预设时长的心电信号为离散心电信号进行快速傅里叶变换,得到傅里叶变换结果,以振幅能量在0.1-0.6赫兹范围内最大的傅里叶变换结果为心电信号频率计算自适应参数;
步骤104,基于自适应参数对所述第二心电信号进行R波监测。
需要说明的是,本申请实施例提供的心电信号R波监测方法以R波监测装置为执行主体举例说明。在一实施例中,R波监测装置可以应用在如智能手表等穿戴设备中。
具体地,R波监测装置获取预先设置的第一移动窗框,其中,第一移动窗框为包含第一预设数量数据点的移动窗框,第一预设数量等于第一移动窗框的窗口长度,一般地,第一移动窗框的窗口长度取值范围为3到7。可选的,R波监测装置以第一移动窗框内数据点集合的平均数为滑动均值对原始心电信号进行均值滤波处理,得到心电原始波形。可选的,R波监测装置将原始心电信号减去心电原始波形进行波形处理,得到第一心电信号。在一实施例中,第一移动窗框的窗口长度为5,即对原始心电信号进行均值滤波处理,得到心电原始波形F1[n],其中,X[n],X[n+1],...,X[n+4]为原始心电信号,将原始心电信号减去心电原始波形进行波形处理,得到第一心电信号Y1[n],即Y1[n]=X[n]-F1[n]。
可选的,R波监测装置获取预先设置的第二移动窗框,其中,第二移动窗框包含第二预设数量数据点的移动窗框,第二预设数量等于第二移动窗框的窗口长度,一般地,第二移动窗框的窗口长度取值范围为30到70。可选的,R波监测装置以第二移动窗框内数据点集合的中位数为滑动中值对第一心电信号进行中值滤波处理,得到第二心电信号。在一实施例中,第二移动窗框的窗口长度为40,一心电信号进行中值滤波处理,得到第二心电信号Y2[n]。
可选的,R波监测装置对第二心电信号中预设时长的心电信号为离散心电信号进行快速傅里叶变换,得到傅里叶变换结果,其中,预设时长根据实际设定,一般为10秒(sec)。可选的,R波监测装置以振幅能量在0.1-0.6赫兹范围内最大的傅里叶变换结果为心电信号频率计算自适应参数K,自适应参数具体计算公式:
K=max|fft(z[n]0-10sec)|0.1-0.6Hz
其中,fft为快速傅里叶变换,z[n]为离散心电信号。
可选的,R波监测装置通过自适应参数对第二心电信号进行R波监测。
本申请实施例提供的心电信号R波监测方法,以第一移动窗框内数据点集合的平均数为滑动均值对原始心电信号进行均值滤波处理,得到心电原始波形,并基于心电原始波形对原始心电信号进行波形处理,得到第一心电信号;以第二移动窗框内数据点集合的中位数为滑动中值对第一心电信号进行中值滤波处理,得到第二心电信号;对第二心电信号中预设时长的心电信号为离散心电信号进行快速傅里叶变换,得到傅里叶变换结果,并以振幅能量在0.1-0.6赫兹范围内最大的傅里叶变换结果为心电信号频率计算自适应参数;基于自适应参数对第二心电信号进行R波监测。在心电信号R波监测的过程中,通过第一移动窗框对原始心电信号进行均值滤波处理,再通过第二移动窗框进行中值滤波处理,再通过自适应参数进行R波监测,实现了快速且准确地对心电信号进行R波检测。
在一实施例中,基于所述自适应参数对所述第二心电信号进行R波监测,包括:
以预设间隔为单位对所述第二心电信号进行拆分,得到多个心电信号片段;
计算每一个所述心电信号片段的心电主能量强度特征;
根据所述自适应参数和每一个所述心电信号片段的心电主能量强度特征,对每一个所述心电信号片段进行R波监测。
具体地,R波监测装置以预设间隔为单位对第二心电信号进行拆分,得到多个心电信号片段,其中,预设间隔一般为10秒。
可选的,R波监测装置计算每一个心电信号片段的心电主能量强度特征。
可选的,R波监测装置根据自适应参数和每一个心电信号片段的心电主能量强度特征,对每一个心电信号片段进行R波监测。
在一实施例中,计算每一个所述心电信号片段的心电主能量强度特征,包括:
获取每一个所述心电信号片段的所有数据点的数量,并根据每一个所述心电信号片段的数量,计算每一个所述心电信号片段的频率系数,计算公式为:
其中,DF(kf0)为频率系数,kf0为频率范围,N为所有数据点的数量,CH[n]为心电信号片段,e为自然常数,j为复数的虚部,k为正整数,f0为平均采样频率,sprate为采样频率;
根据每一个所述心电信号片段的频率系数和频率范围,计算每一个所述心电信号片段的心电主能量强度特征,心电主能量强度特征的计算公式如下:
其中,F为心电主能量强度特征,(x1,x2)为频率范围。
具体地,R波监测装置获取每一个心电信号片段的所有数据点的数量,并根据每一个心电信号片段的数量,计算每一个心电信号片段的频率系数,计算公式为:
其中,DF(kf0)为频率系数,kf0为频率范围,N为所有数据点的数量,CH[n]为心电信号片段,e为自然常数,j为复数的虚部,k为正整数,f0为平均采样频率,sprate为采样频率。
可选的,R波监测装置根据每一个心电信号片段的频率系数和频率范围,计算每一个心电信号片段的心电主能量强度特征,心电主能量强度特征的计算公式如下:
其中,F为心电主能量强度特征,(x1,x2)为频率范围。
本申请实施例计算每一个心电信号片段的心电主能量强度特征,使得可以通过心电主能量强度特征和自适应参数对心电信号进行R波监测,实现了快速且准确地对心电信号进行R波检测。
在一实施例中,根据自适应参数和每一个所述心电信号片段的心电主能量强度特征,对每一个所述心电信号片段进行R波监测,包括:
根据每一个所述心电信号片段的心电主能量强度特征,读取出每一个所述心电信号片段中的待处理R波峰值信号;
计算所述待处理R波峰值信号的初始信噪比,并根据所述初始信噪比和所述自适应参数计算出目标信噪比;
根据所述目标信噪比确定每一个所述心电信号片段中的目标R波峰值信号;
确定每一个所述心电信号片段中的相邻两个目标R波峰值信号之间的R波间距,并根据所述R波间距确定每一个所述心电信号片段的最终R波峰值位置。
具体地,R波监测装置根据每一个心电信号片段的心电主能量强度特征,读取出每一个心电信号片段中的待处理R波峰值信号。
可选的,R波监测装置计算待处理R波峰值信号的初始信噪比,初始信噪比的具体过程为:获取待处理R波峰值信号的主信号频带和噪声信号频带,其中,主信号频带的上频带为20赫兹,下频带为3赫兹,噪声信号频带的上频带为80赫兹,下频带为47赫兹。
可选的,R波监测装置根据主信号频带的上频带和下频带,以及噪声信号频带的上频带和下频带,计算待处理R波峰值信号的初始信噪比,初始信噪比的计算公式如下:
其中,SNR1为初始信噪比,为频率振幅,θ为频率相位,e是自然对数的底数,j是虚数单位,/>是角频率,t是时间。
可选的,R波监测装置根据初始信噪比和自适应参数计算出目标信噪比,目标信噪比的计算公式为:
SNR2=0.7*K*SNR1
其中,K为自适应参数。
进一步地,R波监测装置以目标信噪比为质量参数对每一个心电信号片段中的R波峰值信号进行处理,即将每一个心电信号片段中信噪比小于目标信噪比的R波峰值信号进行处理,保留每一个心电信号片段中信噪比大于等于目标信噪比的R波峰值信号,确定每一个心电信号片段中的目标R波峰值信号。
可选的,R波监测装置确定每一个心电信号片段中的相邻两个目标R波峰值信号之间的R波间距,并根据R波间距确定每一个心电信号片段的最终R波峰值位置。
本申请实施例通过心电主能量强度特征和自适应参数对心电信号进行R波监测,实现了快速且准确地对心电信号进行R波检测。
在一实施例中,根据所述R波间距确定每一个所述心电信号片段的最终R波峰值位置,包括:
若确定所述R波间距小于或者等于预设间距,则将相邻两个目标R波峰值信号进行合并,得到合并后的R波峰值信号;
根据每一个所述心电信号片段的采集频率和数量以及所述R波间距,计算所述合并后的R波峰值信号的第一覆盖区段;
将所述合并后得到的R波峰值信号所在的波峰值位置,确定为所述第一覆盖区段的R波峰值位置,并将所有的所述第一覆盖区段的R波峰值位置,确定为每一个所述心电信号片段的最终R波峰值位置。
具体地,若确定R波间距小于或者等于预设间距,R波监测装置则将相邻两个目标R波峰值信号进行合并,得到合并后的R波峰值信号,其中,预设间距根据实际设定。
可选的,R波监测装置根据每一个心电信号片段的采集频率和数量以及R波间距,计算合并后的R波峰值信号的第一覆盖区段L1,第一覆盖区段L1的计算公式如下:
L1=RRinterval*sprate*N1
其中,RRinterval为R波间距,sprate为采集频率,N1为数量。
R波监测装置将合并后得到的R波峰值信号所在的波峰值位置,确定为第一覆盖区段的R波峰值位置,并将所有的第一覆盖区段的R波峰值位置,确定为每一个心电信号片段的最终R波峰值位置。
本申请实施例通过R波间距对心电信号进行R波监测,实现了快速且准确地对心电信号进行R波检测。
在一实施例中,根据所述R波间距确定每一个所述心电信号片段的最终R波峰值位置,包括:
若确定所述R波间距大于预设间距,则根据每一个所述心电信号片段的采集频率和数量以及R波间距和预设间距参数,计算每一个目标R波峰值信号的第二覆盖区段;
将所述每一个目标R波峰值信号所在的波峰值位置,确定为所述第二覆盖区段的R波峰值位置,并将所有的所述第二覆盖区段的R波峰值位置,确定为每一个所述心电信号片段的最终R波峰值位置。
具体地,若确定R波间距大于预设间距,R波监测装置则根据每一个心电信号片段的采集频率和数量以及R波间距和预设间距参数,计算每一个目标R波峰值信号的第二覆盖区段L2,其中,预设间距参数根据实际设定,第二覆盖区段L2的计算公式如下:
其中,RRinterval为R波间距,sprate为采集频率,N1为数量,M为预设间距参数。
R波监测装置将每一个目标R波峰值信号所在的波峰值位置,确定为第二覆盖区段的R波峰值位置,并将所有的第二覆盖区段的R波峰值位置,确定为每一个心电信号片段的最终R波峰值位置。
本申请实施例通过R波间距对心电信号进行R波监测,实现了快速且准确地对心电信号进行R波检测。
下面对本申请实施例提供的心电信号R波监测装置进行描述,下文描述的心电信号R波监测装置与上文描述的心电信号R波监测方法可相互对应参照。
参考图2,图2是本申请实施例提供的心电信号R波监测装置的结构图,本申请实施例提供的心电信号R波监测装置包括:
第一滤波处理模块201,用于以第一移动窗框内数据点集合的平均数为滑动均值对原始心电信号进行均值滤波处理,得到心电原始波形,并基于所述心电原始波形对原始心电信号进行波形处理,得到第一心电信号;第一移动窗框为包含第一预设数量数据点的移动窗框;
第二滤波处理模块202,用于以第二移动窗框内数据点集合的中位数为滑动中值对所述第一心电信号进行中值滤波处理,得到第二心电信号;所述第二移动窗框包含第二预设数量数据点的移动窗框;
自适应参数计算模块203,用于对所述第二心电信号中预设时长的心电信号为离散心电信号进行快速傅里叶变换,得到傅里叶变换结果,并以振幅能量在0.1-0.6赫兹范围内最大的傅里叶变换结果为心电信号频率计算自适应参数;
R波监测模块204,用于基于所述自适应参数对所述第二心电信号进行R波监测。
本申请实施例提供的心电信号R波监测装置,以第一移动窗框内数据点集合的平均数为滑动均值对原始心电信号进行均值滤波处理,得到心电原始波形,并基于心电原始波形对原始心电信号进行波形处理,得到第一心电信号;以第二移动窗框内数据点集合的中位数为滑动中值对第一心电信号进行中值滤波处理,得到第二心电信号;对第二心电信号中预设时长的心电信号为离散心电信号进行快速傅里叶变换,得到傅里叶变换结果,并以振幅能量在0.1-0.6赫兹范围内最大的傅里叶变换结果为心电信号频率计算自适应参数;基于自适应参数对第二心电信号进行R波监测。在心电信号R波监测的过程中,通过第一移动窗框对原始心电信号进行均值滤波处理,再通过第二移动窗框进行中值滤波处理,再通过自适应参数进行R波监测,实现了快速且准确地对心电信号进行R波检测。
在一个实施例中,R波监测模块204还用于:
以预设间隔为单位对所述第二心电信号进行拆分,得到多个心电信号片段;
计算每一个所述心电信号片段的心电主能量强度特征;
根据所述自适应参数和每一个所述心电信号片段的心电主能量强度特征,对每一个所述心电信号片段进行R波监测。
在一个实施例中,R波监测模块204还用于:
获取每一个所述心电信号片段的所有数据点的数量,并根据每一个所述心电信号片段的数量,计算每一个所述心电信号片段的频率系数,计算公式为:
其中,DF(kf0)为频率系数,kf0为频率范围,N为所有数据点的数量,CH[n]为心电信号片段,e为自然常数,j为复数的虚部,k为正整数,f0为平均采样频率,sprate为采样频率;
根据每一个所述心电信号片段的频率系数和频率范围,计算每一个所述心电信号片段的心电主能量强度特征,心电主能量强度特征的计算公式如下:
其中,F为心电主能量强度特征,(x1,x2)为频率范围。
在一个实施例中,R波监测模块204还用于:
根据每一个所述心电信号片段的心电主能量强度特征,读取出每一个所述心电信号片段中的待处理R波峰值信号;
计算所述待处理R波峰值信号的初始信噪比,并根据所述初始信噪比和所述自适应参数计算出目标信噪比;
根据所述目标信噪比确定每一个所述心电信号片段中的目标R波峰值信号;
确定每一个所述心电信号片段中的相邻两个目标R波峰值信号之间的R波间距,并根据所述R波间距确定每一个所述心电信号片段的最终R波峰值位置。
在一个实施例中,R波监测模块204还用于:
获取待处理R波峰值信号的主信号频带和噪声信号频带;所述主信号频带的上频带为20赫兹,下频带为3赫兹;所述噪声信号频带的上频带为80赫兹,下频带为47赫兹;
根据所述主信号频带的上频带和下频带,以及所述噪声信号频带的上频带和下频带,计算所述待处理R波峰值信号的初始信噪比,初始信噪比的计算公式如下:
其中,SNR为初始信噪比,为频率振幅,θ为频率相位,e是自然对数的底数,j是虚数单位,/>是角频率,t是时间。
在一个实施例中,R波监测模块204还用于:
若确定所述R波间距小于或者等于预设间距,则将相邻两个目标R波峰值信号进行合并,得到合并后的R波峰值信号;
根据每一个所述心电信号片段的采集频率和数量以及所述R波间距,计算所述合并后的R波峰值信号的第一覆盖区段;
将所述合并后得到的R波峰值信号所在的波峰值位置,确定为所述第一覆盖区段的R波峰值位置,并将所有的所述第一覆盖区段的R波峰值位置,确定为每一个所述心电信号片段的最终R波峰值位置。
在一个实施例中,R波监测模块204还用于:
若确定所述R波间距大于预设间距,则根据每一个所述心电信号片段的采集频率和数量以及R波间距和预设间距参数,计算每一个目标R波峰值信号的第二覆盖区段;
将所述每一个目标R波峰值信号所在的波峰值位置,确定为所述第二覆盖区段的R波峰值位置,并将所有的所述第二覆盖区段的R波峰值位置,确定为每一个所述心电信号片段的最终R波峰值位置。
本申请提供的心电信号R波监测装置的具体实施例与心电信号R波监测方法各实施例基本相同,在此不作赘述。
图3示例了一种穿戴设备的实体结构示意图,如图3所示,该穿戴设备可以包括:处理器(processor)310、通信接口(Communication Interface)320、存储器(memory)330和通信总线340,其中,处理器310,通信接口320,存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的确定机程序,以执行心电信号R波监测方法的步骤,例如包括:
以第一移动窗框内数据点集合的平均数为滑动均值对原始心电信号进行均值滤波处理,得到心电原始波形,并基于所述心电原始波形对所述原始心电信号进行波形处理,得到第一心电信号;所述第一移动窗框为包含第一预设数量数据点的移动窗框;
以第二移动窗框内数据点集合的中位数为滑动中值对所述第一心电信号进行中值滤波处理,得到第二心电信号;所述第二移动窗框包含第二预设数量数据点的移动窗框;
对所述第二心电信号中预设时长的心电信号为离散心电信号进行快速傅里叶变换,得到傅里叶变换结果,并以振幅能量在0.1-0.6赫兹范围内最大的傅里叶变换结果为心电信号频率计算自适应参数;
基于所述自适应参数对所述第二心电信号进行R波监测。
此外,上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个确定机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该确定机软件产品存储在一个存储介质中,包括若干指令用以使得一台确定机设备(可以是个人确定机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本申请实施例还提供一种非暂态确定机可读存储介质,所述非暂态确定机可读存储介质包括确定机程序,所述确定机程序可存储在非暂态确定机可读存储介质上,所述确定机程序被处理器执行时,确定机能够执行上述各实施例所提供的心电信号R波监测方法的步骤,例如包括:
以第一移动窗框内数据点集合的平均数为滑动均值对原始心电信号进行均值滤波处理,得到心电原始波形,并基于所述心电原始波形对所述原始心电信号进行波形处理,得到第一心电信号;所述第一移动窗框为包含第一预设数量数据点的移动窗框;
以第二移动窗框内数据点集合的中位数为滑动中值对所述第一心电信号进行中值滤波处理,得到第二心电信号;所述第二移动窗框包含第二预设数量数据点的移动窗框;
对所述第二心电信号中预设时长的心电信号为离散心电信号进行快速傅里叶变换,得到傅里叶变换结果,并以振幅能量在0.1-0.6赫兹范围内最大的傅里叶变换结果为心电信号频率计算自适应参数;
基于所述自适应参数对所述第二心电信号进行R波监测。
又一方面,本申请实施例还提供一种计算机产品,所述计算机产品包括确定机程序,所述确定机程序可存储在计算机产品上,所述确定机程序被处理器执行时,确定机能够执行上述各实施例所提供的心电信号R波监测方法的步骤,例如包括:
以第一移动窗框内数据点集合的平均数为滑动均值对原始心电信号进行均值滤波处理,得到心电原始波形,并基于所述心电原始波形对所述原始心电信号进行波形处理,得到第一心电信号;所述第一移动窗框为包含第一预设数量数据点的移动窗框;
以第二移动窗框内数据点集合的中位数为滑动中值对所述第一心电信号进行中值滤波处理,得到第二心电信号;所述第二移动窗框包含第二预设数量数据点的移动窗框;
对所述第二心电信号中预设时长的心电信号为离散心电信号进行快速傅里叶变换,得到傅里叶变换结果,并以振幅能量在0.1-0.6赫兹范围内最大的傅里叶变换结果为心电信号频率计算自适应参数;
基于所述自适应参数对所述第二心电信号进行R波监测。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该确定机软件产品可以存储在确定机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台确定机设备(可以是个人确定机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (8)
1.一种心电信号R波监测方法,其特征在于,包括:
以第一移动窗框内数据点集合的平均数为滑动均值对原始心电信号进行均值滤波处理,得到心电原始波形,并基于所述心电原始波形对所述原始心电信号进行波形处理,得到第一心电信号;所述第一移动窗框为包含第一预设数量数据点的移动窗框;
以第二移动窗框内数据点集合的中位数为滑动中值对所述第一心电信号进行中值滤波处理,得到第二心电信号;所述第二移动窗框包含第二预设数量数据点的移动窗框;
对所述第二心电信号中预设时长的心电信号为离散心电信号进行快速傅里叶变换,得到傅里叶变换结果,并以振幅能量在0.1-0.6赫兹范围内最大的傅里叶变换结果为心电信号频率计算自适应参数;
基于所述自适应参数对所述第二心电信号进行R波监测;
其中,所述自适应参数的计算公式为:
;
其中,K为自适应参数,fft为快速傅里叶变换,为离散心电信号,t为预设时长;
所述基于所述自适应参数对所述第二心电信号进行R波监测,包括:
以预设间隔为单位对所述第二心电信号进行拆分,得到多个心电信号片段;
计算每一个所述心电信号片段的心电主能量强度特征;
根据所述自适应参数和每一个所述心电信号片段的心电主能量强度特征,对每一个所述心电信号片段进行R波监测;
所述计算每一个所述心电信号片段的心电主能量强度特征,包括:
获取每一个所述心电信号片段的所有数据点的数量,并根据每一个所述心电信号片段的数量,计算每一个所述心电信号片段的频率系数,计算公式为:
;
其中,为频率系数,/>为频率范围,N为所有数据点的数量,/>为心电信号片段,e为自然常数,j为复数的虚部,k为正整数,/>为平均采样频率,sprate为采样频率;
根据每一个所述心电信号片段的频率系数和频率范围,计算每一个所述心电信号片段的心电主能量强度特征,心电主能量强度特征的计算公式如下:
;
其中,F为心电主能量强度特征,为频率范围。
2.根据权利要求1所述的心电信号R波监测方法,其特征在于,所述根据所述自适应参数和每一个所述心电信号片段的心电主能量强度特征,对每一个所述心电信号片段进行R波监测,包括:
根据每一个所述心电信号片段的心电主能量强度特征,读取出每一个所述心电信号片段中的待处理R波峰值信号;
计算所述待处理R波峰值信号的初始信噪比,并根据所述初始信噪比和所述自适应参数计算出目标信噪比;
根据所述目标信噪比确定每一个所述心电信号片段中的目标R波峰值信号;
确定每一个所述心电信号片段中的相邻两个目标R波峰值信号之间的R波间距,并根据所述R波间距确定每一个所述心电信号片段的最终R波峰值位置。
3.根据权利要求2所述的心电信号R波监测方法,其特征在于,所述计算所述待处理R波峰值信号的初始信噪比,包括:
获取待处理R波峰值信号的主信号频带和噪声信号频带;所述主信号频带的上频带为20赫兹,下频带为3赫兹;所述噪声信号频带的上频带为80赫兹,下频带为47赫兹;
根据所述主信号频带的上频带和下频带,以及所述噪声信号频带的上频带和下频带,计算所述待处理R波峰值信号的初始信噪比,初始信噪比的计算公式如下:
;
其中,SNR1为初始信噪比,为频率振幅,/>为频率相位,e是自然对数的底数,j是虚数单位,/>是角频率,t是时间。
4.根据权利要求2所述的心电信号R波监测方法,其特征在于,所述根据所述R波间距确定每一个所述心电信号片段的最终R波峰值位置,包括:
若确定所述R波间距小于或者等于预设间距,则将相邻两个目标R波峰值信号进行合并,得到合并后的R波峰值信号;
根据每一个所述心电信号片段的采集频率和数量以及所述R波间距,计算所述合并后的R波峰值信号的第一覆盖区段;
将所述合并后得到的R波峰值信号所在的波峰值位置,确定为所述第一覆盖区段的R波峰值位置,并将所有的所述第一覆盖区段的R波峰值位置,确定为每一个所述心电信号片段的最终R波峰值位置。
5.根据权利要求2所述的心电信号R波监测方法,其特征在于,所述根据所述R波间距确定每一个所述心电信号片段的最终R波峰值位置,包括:
若确定所述R波间距大于预设间距,则根据每一个所述心电信号片段的采集频率和数量以及R波间距和预设间距参数,计算每一个目标R波峰值信号的第二覆盖区段;
将所述每一个目标R波峰值信号所在的波峰值位置,确定为所述第二覆盖区段的R波峰值位置,并将所有的所述第二覆盖区段的R波峰值位置,确定为每一个所述心电信号片段的最终R波峰值位置。
6.一种心电信号R波监测装置,其特征在于,包括:
第一滤波处理模块,用于以第一移动窗框内数据点集合的平均数为滑动均值对原始心电信号进行均值滤波处理,得到心电原始波形,并基于所述心电原始波形对所述原始心电信号进行波形处理,得到第一心电信号;第一移动窗框为包含第一预设数量数据点的移动窗框;
第二滤波处理模块,用于以第二移动窗框内数据点集合的中位数为滑动中值对所述第一心电信号进行中值滤波处理,得到第二心电信号;所述第二移动窗框包含第二预设数量数据点的移动窗框;
自适应参数计算模块,用于对所述第二心电信号中预设时长的心电信号为离散心电信号进行快速傅里叶变换,得到傅里叶变换结果,并以振幅能量在0.1-0.6赫兹范围内最大的傅里叶变换结果为心电信号频率计算自适应参数;
R波监测模块,用于基于所述自适应参数对所述第二心电信号进行R波监测;
其中,所述自适应参数的计算公式为:
;
其中,K为自适应参数,fft为快速傅里叶变换,为离散心电信号,t为预设时长;
所述基于所述自适应参数对所述第二心电信号进行R波监测,包括:
以预设间隔为单位对所述第二心电信号进行拆分,得到多个心电信号片段;
计算每一个所述心电信号片段的心电主能量强度特征;
根据所述自适应参数和每一个所述心电信号片段的心电主能量强度特征,对每一个所述心电信号片段进行R波监测;
所述计算每一个所述心电信号片段的心电主能量强度特征,包括:
获取每一个所述心电信号片段的所有数据点的数量,并根据每一个所述心电信号片段的数量,计算每一个所述心电信号片段的频率系数,计算公式为:
;
其中,为频率系数,/>为频率范围,N为所有数据点的数量,/>为心电信号片段,e为自然常数,j为复数的虚部,k为正整数,/>为平均采样频率,sprate为采样频率;
根据每一个所述心电信号片段的频率系数和频率范围,计算每一个所述心电信号片段的心电主能量强度特征,心电主能量强度特征的计算公式如下:
;
其中,F为心电主能量强度特征,为频率范围。
7.一种穿戴设备,所述穿戴设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的确定机程序,其特征在于,所述处理器执行所述确定机程序时实现权利要求1至5任一项所述的心电信号R波监测方法。
8.一种非暂态确定机可读存储介质,所述非暂态确定机可读存储介质包括确定机程序,其特征在于,所述确定机程序被处理器执行时实现权利要求1至5任一项所述的心电信号R波监测方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2023112461008 | 2023-09-26 | ||
CN202311246100.8A CN116982989A (zh) | 2023-09-26 | 2023-09-26 | 心电信号r波监测方法及其穿戴设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117481665A CN117481665A (zh) | 2024-02-02 |
CN117481665B true CN117481665B (zh) | 2024-06-21 |
Family
ID=88521706
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311246100.8A Pending CN116982989A (zh) | 2023-09-26 | 2023-09-26 | 心电信号r波监测方法及其穿戴设备 |
CN202311702937.9A Active CN117481665B (zh) | 2023-09-26 | 2023-12-11 | 心电信号r波监测方法及其穿戴设备 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311246100.8A Pending CN116982989A (zh) | 2023-09-26 | 2023-09-26 | 心电信号r波监测方法及其穿戴设备 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN116982989A (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106974617A (zh) * | 2016-01-19 | 2017-07-25 | 深圳市卡迪赛克科技有限公司 | 一种高效准确的信号预处理方法及信号波峰检测方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009207763A (ja) * | 2008-03-05 | 2009-09-17 | Sharp Corp | 生体信号関連性計測装置および生体信号関連性計測方法 |
WO2013184315A1 (en) * | 2012-06-05 | 2013-12-12 | 3M Innovative Properties Company | Enhanced auscultatory sensor and analysis for patient diagnosis |
CN105105745A (zh) * | 2015-09-23 | 2015-12-02 | 京东方科技集团股份有限公司 | 一种获取心电数据的方法、装置和心电检测系统 |
CN108113667A (zh) * | 2017-12-20 | 2018-06-05 | 王艳景 | 一种心电监测方法及监测系统 |
CN110013247B (zh) * | 2019-05-24 | 2020-06-05 | 东北大学 | 一种心电图p波和t波的检测、区分与定位方法 |
CN212307036U (zh) * | 2020-03-13 | 2021-01-08 | 深圳新蕊科技有限公司 | 一种低功耗带语音通话的手环 |
CN113520401B (zh) * | 2021-06-18 | 2022-05-31 | 清华大学 | 心电信号的分类方法和装置 |
CN115422976B (zh) * | 2022-09-14 | 2023-11-21 | 湖南万脉医疗科技有限公司 | 一种基于人工网络的心肺耦合关系分析方法及监测系统 |
CN116712056B (zh) * | 2023-08-07 | 2023-11-03 | 合肥工业大学 | 心电图数据的特征图像生成与识别方法、设备及存储介质 |
-
2023
- 2023-09-26 CN CN202311246100.8A patent/CN116982989A/zh active Pending
- 2023-12-11 CN CN202311702937.9A patent/CN117481665B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106974617A (zh) * | 2016-01-19 | 2017-07-25 | 深圳市卡迪赛克科技有限公司 | 一种高效准确的信号预处理方法及信号波峰检测方法 |
Non-Patent Citations (1)
Title |
---|
基于体征信号分析的麻醉深度评价方法研究;魏勤;《中国博士学位论文全文数据库医药卫生科技辑》;20121115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116982989A (zh) | 2023-11-03 |
CN117481665A (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sharma et al. | Accurate tunable-Q wavelet transform based method for QRS complex detection | |
CA2979135C (en) | Systems, apparatus and methods for sensing fetal activity | |
CN109907752B (zh) | 一种去除运动伪影干扰与心电特征检测的心电诊断与监护系统 | |
US20070038382A1 (en) | Method and system for limiting interference in electroencephalographic signals | |
US11253204B2 (en) | Method for assessing electrocardiogram signal quality | |
KR20140139564A (ko) | Ecg 모니터링을 위한 시스템들 및 방법들 | |
AU2019313480B2 (en) | Systems and methods for maternal uterine activity detection | |
Tobón et al. | Adaptive spectro-temporal filtering for electrocardiogram signal enhancement | |
CN110680307A (zh) | 一种运动环境下基于脉搏波传导时间的动态血压监测方法 | |
CN112294340A (zh) | 快速自动去除肌电伪迹的方法、系统、存储介质及计算机设备 | |
Dora et al. | Robust ECG artifact removal from EEG using continuous wavelet transformation and linear regression | |
Faezipour et al. | Wavelet-based denoising and beat detection of ECG signal | |
Amri et al. | ECG signal processing using offline-wavelet transform method based on ECG-IoT device | |
CN113647925A (zh) | 基于心冲击信号的心率确定方法及装置 | |
Dora et al. | Efficient detection and correction of variable strength ECG artifact from single channel EEG | |
CN110507317B (zh) | 一种心电信号r波的自适应ca-cfar定位方法 | |
CN110420022B (zh) | 一种基于双密度小波变换的p波检测方法 | |
Sumathi et al. | Comparative study of QRS complex detection in ECG based on discrete wavelet transform | |
KR101483756B1 (ko) | 맥파 검출 방법 | |
CN108154112B (zh) | 一种处理心电数据的方法、处理心电数据的装置及电子设备 | |
CN117481665B (zh) | 心电信号r波监测方法及其穿戴设备 | |
KR101514151B1 (ko) | 동잡음에 강건한 ppg 신호 측정 방법 | |
CN113397523B (zh) | 一种呼吸率检测方法、装置及医疗设备 | |
CN117271977A (zh) | 一种hrv数据预处理方法、装置及电子设备 | |
Aurobinda et al. | R-peak detection of ECG using adaptive thresholding |
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 |