CN117860223A - 基于imu信号的心率变异性参数采集计算方法 - Google Patents
基于imu信号的心率变异性参数采集计算方法 Download PDFInfo
- Publication number
- CN117860223A CN117860223A CN202410040725.7A CN202410040725A CN117860223A CN 117860223 A CN117860223 A CN 117860223A CN 202410040725 A CN202410040725 A CN 202410040725A CN 117860223 A CN117860223 A CN 117860223A
- Authority
- CN
- China
- Prior art keywords
- peak
- signal
- time intervals
- hrv
- peak time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 22
- 230000001133 acceleration Effects 0.000 claims abstract description 54
- 238000012544 monitoring process Methods 0.000 claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 27
- 230000007958 sleep Effects 0.000 claims description 60
- 238000004458 analytical method Methods 0.000 claims description 40
- 238000004891 communication Methods 0.000 claims description 25
- 208000010125 myocardial infarction Diseases 0.000 claims description 18
- 238000007781 pre-processing Methods 0.000 claims description 16
- 230000000747 cardiac effect Effects 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 8
- 206010041235 Snoring Diseases 0.000 claims description 7
- 230000002401 inhibitory effect Effects 0.000 claims description 7
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 230000002889 sympathetic effect Effects 0.000 claims description 7
- 210000005036 nerve Anatomy 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000010183 spectrum analysis Methods 0.000 claims description 4
- 230000001515 vagal effect Effects 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 20
- 230000008569 process Effects 0.000 abstract description 5
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000001939 inductive effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 18
- 238000002565 electrocardiography Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 239000012528 membrane Substances 0.000 description 5
- 239000000835 fiber Substances 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000013155 cardiography Methods 0.000 description 3
- 230000036544 posture Effects 0.000 description 3
- 208000019116 sleep disease Diseases 0.000 description 3
- 210000000709 aorta Anatomy 0.000 description 2
- 210000003403 autonomic nervous system Anatomy 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 208000001797 obstructive sleep apnea Diseases 0.000 description 2
- 210000001002 parasympathetic nervous system Anatomy 0.000 description 2
- 229920000139 polyethylene terephthalate Polymers 0.000 description 2
- 239000005020 polyethylene terephthalate Substances 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003860 sleep quality Effects 0.000 description 2
- 230000008667 sleep stage Effects 0.000 description 2
- 230000004622 sleep time Effects 0.000 description 2
- 210000002820 sympathetic nervous system Anatomy 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000036642 wellbeing Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 206010021079 Hypopnoea Diseases 0.000 description 1
- 229920009405 Polyvinylidenefluoride (PVDF) Film Polymers 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 1
- 208000010340 Sleep Deprivation Diseases 0.000 description 1
- 208000013738 Sleep Initiation and Maintenance disease Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 210000000702 aorta abdominal Anatomy 0.000 description 1
- 210000002376 aorta thoracic Anatomy 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002939 deleterious effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010247 heart contraction Effects 0.000 description 1
- 210000003709 heart valve Anatomy 0.000 description 1
- 206010022437 insomnia Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000001734 parasympathetic effect Effects 0.000 description 1
- 210000005037 parasympathetic nerve Anatomy 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- -1 polyethylene terephthalate Polymers 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000010490 psychological well-being Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Abstract
本发明涉及基于IMU信号的心率变异性参数采集计算方法，本发明具有以下有益效果：本申请提供一种非穿戴式无感HRV参数监测设备，其结构简单，且利用该设备对人体HRV参数进行分析检测，精确度与传统的穿戴式设备精确度相当。本申请还进一步提供一种利用IMU信号对应分析HRV参数的方法，通过本方法，能够利用非穿戴设备所检测到的IMU加速度信号或者角速度信号，对应计算得到HRV参数，采用本方法，不需要受检测者时刻穿戴该设备，只需要在床上铺设相关设备，即可在睡觉过程中对受检测者的HRV参数进行实时检测，提高检测过程的舒适性。
Description
技术领域
本发明涉及心电信号检测技术领域，更具体地说，它涉及基于IMU信号的心率变异性参数采集计算方法。
背景技术
高质量的睡眠对认知功能、情绪和心理健康，以及心血管、脑血管和代谢健康都非常重要。美国睡眠医学学会(AASM)、睡眠研究学会(SRS)和美国国家睡眠基金会(NSF)建议，普通成年人每晚应保证7小时或以上的睡眠时间，以促进最佳健康。然而，根据美国疾病控制与预防中心(CDC)和妇幼保健局(MCHB)进行的基线调查数据显示，超过三分之一的人无法获得充足的睡眠时间，约四分之一的人患有睡眠障碍。睡眠质量差通常是由睡眠障碍引起的，包括睡眠不足、失眠和阻塞性睡眠呼吸暂停(OSA)，这可能会对身体健康、精神健康、情绪和公共安全产生深远的有害影响。睡眠不足与交感神经和副交感神经功能紊乱密切相关，可通过心率变异性(HRV)进行评估。因此，实时监测睡眠时的心率变异性意义重大。
自律神经系统(ANS)由两个分支组成：交感神经系统和副交感神经系统。如果交感神经更加活跃，心率变异就会降低，表明身体处于紧张和兴奋状态。相反，如果副交感神经更活跃，心率变异就会增加，表明身体处于放松和休息状态。因此，心率变异可以反映交感和副交感神经系统的变化，与多种心血管疾病和睡眠障碍的病理机制有关。一般来说，心率变异是根据医用心电图仪或多导睡眠图(PolySomnoGraphy，PSG)获取的心电图(ElectroCardioGraphy，ECG)信号得出的，测量精度非常高。然而，医用级心电图设备通常价格昂贵，而且需要受试者在特定位置佩戴多个电极，这让使用者很不舒服。此外，电极容易松动，设备不便携带。因此，为解决上述问题，有必要探索心率变异检测的新方法。
考虑到一些非接触式射频(RF)传感器，如多普勒雷达、频率调制连续波(FMCW)、脉冲无线电超宽带(IR-UWB)和毫米波雷达传感器，可用于检测心率和心率变异，但其价格昂贵，且检测结果易受同一空间内多人的干扰，因此，大多数心率变异检测方法都是接触式检测方法。除心电图设备外，基于心脏机械监测的无创心率变异检测方法主要包括球心动图(BCG)、地震心动图(SCG)和陀螺心动图(GCG)。BCG测量血液从主动脉射入血管树时的全身反冲力或弹道力。SCG测量心脏振动在胸部引起的三维(3D)线性加速度。GCG使用安装在胸部的陀螺仪测量心脏振动引起的三维角速度。SCG和GCG通过佩戴在胸部的传感器测量胸部的局部振动，佩戴产品可能会给使用者带来不适。然而，BCG可以测量人体的整体振动，无需在身上佩戴任何产品，因此被广泛采用。
对于BCG方案，心脏瓣膜开合引起的机械振动可通过传导应变传感器、光纤应变传感器、力传感器或惯性测量单元(IMU)来捕捉。这些传感器可以集成到椅子、床单、床垫或床上。最近，一些柔性材料，如聚偏二氟乙烯(PVDF)薄膜或机电薄膜(EMF)，被广泛应用于监测心率和心率变异。其检测灵敏度非常高，但成本也很高。虽然压电陶瓷传感器、机电薄膜和力传感器可以嵌入枕头、床单、床垫或床上，但家具一般都很昂贵。为提高检测灵敏度，可在床垫或床上嵌入光纤干涉仪和激光血流计，用于睡眠监测，但这些传感器也非常昂贵。近来，IMU逐渐被应用于分析心率和心率变异，与心电图的结果相比，其结果具有较高的准确性，因此这种方法很有前景。
现有技术中，Carlo Massaroni等人使用惯性测量单元(IMU)的信号分析侧卧和坐姿的心率和心率变异性指数，分析卧姿和坐姿对HRV性能的影响，结果表明，当加速度计信号用于坐姿时，IMU在估计心率和心率方面具有良好的性能。但是该设备依然存在以下缺陷：该设备需要穿戴在胸部位置，并且装置要被固定在胸腔的中央，并且对用户体验不好，尤其是在睡眠期间。因此，为了实现高性能、非穿戴和舒适的体验，开发一种基于MEMS三轴加速器和陀螺仪的睡眠监测带，可用于检测心脏和呼吸频率、身体运动、在离床和打鼾事件，还可以应用于进一步估计睡眠阶段和睡眠质量。在此基础上，提出一种从IMU信号中提取心间期计算心率变异性的方法。
发明内容
针对现有技术存在的不足，本发明的目的在于提供基于IMU信号的心率变异性参数采集计算方法，以克服现有的HRV监测设备需要穿戴、舒适性较低的缺点。
本发明的上述技术目的是通过以下技术方案得以实现的：基于IMU信号的心率变异性参数采集计算方法，包括：
利用柔性睡眠监测带采集受试者在睡眠状态下的加速度信号；
对所述加速度信号进行预处理，抑制所述加速度信号中的噪声信号，得到心脏冲击信号；
在所述心脏冲击信号中定位所有的J峰，计算所有相邻的两个J峰之间的JJ峰时间间隔；
对所有的JJ峰时间间隔进行线性分析，对应得到受试者的HRV时域参数和HRV频域参数；对所有的JJ峰时间间隔进行非线性分析，对应得到受试者的HRV椭圆长轴标准差数据和HRV椭圆短轴标准差数据。
可选的，所述利用柔性睡眠监测带采集受试者在睡眠状态下的加速度信号，包括：
在床上铺设柔性睡眠监测带；让受试者躺在床上，且将所述柔性睡眠监测带铺设在受试者的胸部下方；
在预设的时间段内，采集受试者在睡眠状态下的加速度信号。
可选的，所述对所述加速度信号进行预处理，抑制所述加速度信号中的噪声信号，得到心脏冲击信号，包括：
采用二阶数字带通滤波器对所述加速度信号进行预处理，对所述加速度信号中的小于5Hz或者大于9Hz的噪声信号进行抑制；将其余的信号记作心脏冲击信号。
可选的，所述在所述心脏冲击信号中定位所有的J峰，包括：
将所述心脏冲击信号按照预设的时间间隔，划分为若干子冲击信号；
分别获取各个子冲击信号中高度最高的波峰，对应记作第一波峰；
分别判断各个第一波峰的高度是否大于等于预设的高度阈值，若是，则将该第一波峰对应记作第二波峰；
分别判断各个第二波峰的峰突出度是大于等于预设的峰突出度阈值，若是，则将该第二波峰对应记作J峰。
可选的，所述计算所有相邻的两个J峰之间的JJ峰时间间隔，包括：
其中，表示心电图的第i个心率间期的时间间隔；/>表示第i个J峰对应的时刻；表示第i-1个J峰对应的时刻。
可选的，所述对所有的JJ峰时间间隔进行线性分析，对应得到受试者的HRV时域参数和HRV频域参数，包括：
对所有的JJ峰时间间隔进行时域分析，得到对应的时域参数；
所述时域参数包括：JJ峰时间间隔的均值JJMEAN、JJ峰时间间隔的标准差SDNN、相邻的JJ峰时间间隔的差值均方根RMSSD、相邻的JJ峰时间间隔的差值大于50ms的个数占总的JJ峰时间间隔的个数的比值PNN50、全部相邻JJ峰时间间隔之差的标准差SDSD；
PNN50＝NN50/TotalNN；
其中，JJi为第i个JJ峰时间间隔长度；为JJ峰时间间隔的均值；NN50为相邻的JJ峰时间间隔之差大于50ms的个数；TotalNN为总的JJ峰时间间隔的个数；ΔJJi为两个相邻的JJ峰时间间隔的差值。
可选的，所述对所有的JJ峰时间间隔进行线性分析，对应得到受试者的HRV时域参数和HRV频域参数，还包括：
对所有的JJ峰时间间隔进行FFT频谱分析，得到对应的功率谱密度函数PSD(f)；
按照预设的频率区间，对所述功率谱密度函数PSD(f)进行积分，得到极低频功率VLF、低频功率LF、高频功率HF、总功率TP以及低频功率LF与高频功率HF的比值RLH：
RLH＝LF/HF。
可选的，所述对所有的JJ峰时间间隔进行非线性分析，对应得到受试者的HRV椭圆长轴标准差数据和HRV椭圆短轴标准差数据，包括：
所述椭圆短轴标准差数据SD1用于反映HRV中低频分量和极低频分量的变化，与交感神经变化有关；
所述椭圆长轴标准差数据SD2用于反应HRV的快速变化，与迷走神经活动有关：
其中，JJi为第i个JJ峰时间间隔长度；为JJ峰时间间隔的均值。
可选的，所述柔性睡眠监测带的内部设置有控制模块、用于调整输入电压的调压模块、用于检测加速度信号的惯性传感器模块、用于检测鼾声的麦克风模块、用于播放音乐的扬声器模块、用于检测实验环境数据的环境数据检测模块、用于进行物联网通信的通信模块、第一闪存模块以及第二闪存模块；
所述惯性传感器模块、麦克风模块、扬声器模块、环境数据检测模块、通信模块以及第一闪存模块均与控制模块连接；
所述惯性传感器模块、麦克风模块、扬声器模块、环境数据检测模块、通信模块、第一闪存模块、第二闪存模块以及控制模块均与调压模块连接；
所述第二闪存模块还与通信模块连接。
基于IMU信号的心率变异性参数采集计算方法，包括：
利用柔性睡眠监测带采集受试者在睡眠状态下的角速度信号；
对所述角速度信号进行预处理，抑制所述角速度信号中的频率小于1Hz或者频率大于10Hz的噪声信号，得到频率介于1Hz-10Hz的心脏冲击信号；
在所述心脏冲击信号中定位所有的AO峰，计算所有相邻的两个AO峰之间的AOAO峰时间间隔；
对所有的AOAO峰时间间隔进行线性分析，对应得到受试者的HRV时域参数和HRV频域参数；对所有的AOAO峰时间间隔进行非线性分析，对应得到受试者的HRV椭圆长轴标准差数据和HRV椭圆短轴标准差数据。
综上所述，本发明具有以下有益效果：本申请提供一种非穿戴式无感HRV参数监测设备，其结构简单，且利用该设备对人体HRV参数进行分析检测，精确度与传统的穿戴式设备精确度相当。本申请还进一步提供一种利用IMU信号对应分析HRV参数的方法，通过本方法，能够利用非穿戴设备所检测到的IMU加速度信号或者角速度信号，对应计算得到HRV参数，采用本方法，不需要受检测者时刻穿戴该设备，只需要在床上铺设相关设备，即可在睡觉过程中对受检测者的HRV参数进行实时检测，提高检测过程的舒适性。
附图说明
图1为本发明的基于IMU信号的心率变异性参数采集计算方法流程图；
图2为本发明的对加速度信号进行预处理后得到心脏冲击信号的时域图；
图3为标准的BCG心率信号的时域图；
图4为对JJ峰时间间隔进行进行非线性分析的散点图；
图5为本发明的实施例中计算机的内部结构示意图；
图6为本发明的柔性睡眠监测带的电路框图；
图7为本发明的控制模块的电路原理图；
图8为本发明的惯性传感器模块的电路原理图；
图9为本发明的调压模块的电路原理图；
图10为本发明的用于与惯性传感器模块连接的插接件的电路原理图；
图11为本发明的通信模块的4G单元的电路原理图；
图12为本发明的通信模块的BLE单元的电路原理图；
图13为本发明的麦克风模块的电路原理图；
图14为本发明的闪存模块的电路原理图；
图15为本发明的扬声器模块的电路原理图；
图16为本发明的环境数据检测模块的电路原理图；
图17为本发明的柔性睡眠监测带的立体结构示意图；
图18为采用本发明的方法检测到的BCG信号与传统的采集方法采集到的ECG信号的对比表格；
图19为ECG信号、BCG信号以及SCG信号的对比图；
图20为标准的SCG心率信号的时域图。
具体实施方式
为使本发明的目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。术语“第一”、“第二”仅用于描述目的，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。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。术语“垂直的”、“水平的”、“左”、“右”、“上”、“下”以及类似的表述只是为了说明的目的，而不是指示或暗示所指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。
下面结合附图和实施例，对本发明进行详细描述。
本发明提供了基于IMU信号的心率变异性参数采集计算方法,如图1所示，包括：
S1、利用柔性睡眠监测带采集受试者在睡眠状态下的加速度信号；
S2、对所述加速度信号进行预处理，抑制所述加速度信号中的噪声信号，得到心脏冲击信号；
S3、在所述心脏冲击信号中定位所有的J峰，计算所有相邻的两个J峰之间的JJ峰时间间隔；
S4、对所有的JJ峰时间间隔进行线性分析，对应得到受试者的HRV时域参数和HRV频域参数；对所有的JJ峰时间间隔进行非线性分析，对应得到受试者的HRV椭圆长轴标准差数据和HRV椭圆短轴标准差数据。
具体来说，在本申请中，为了降低设备的复杂度，提高使用者的舒适度，本申请提出一种基于非穿戴设备的HRV分析方法以及分析设备，具体包括：设计一种柔性睡眠监测带，柔性监测带中设置有惯性传感器，能够测量到人体内由于心脏跳动导致的微弱震动对应的加速度信号，通过对该加速度信号进行分析，即可得到对应的HRV参数。使用本装置测量HRV参数，只需把柔性睡眠监测带放置在床上，让受试者躺在床上睡觉，即可采集受试者的睡眠状态下的即可测量受试者的HRV参数，相比现有装置能够大大提高的用户的舒适性，还能够有效的降低设备的制造成本。
进一步的，所述利用柔性睡眠监测带采集受试者在睡眠状态下的加速度信号，包括：在床上铺设柔性睡眠监测带；让受试者躺在床上，且将所述柔性睡眠监测带铺设在受试者的胸部下方；在预设的时间段内，采集受试者在睡眠状态下的加速度信号。
在本申请中，预设的时间间隔为五分钟。
进一步的，所述对所述加速度信号进行预处理，抑制所述加速度信号中的噪声信号，得到心脏冲击信号，包括：
采用二阶数字带通滤波器对所述加速度信号进行预处理，对所述加速度信号中的小于5Hz或者大于9Hz的噪声信号进行抑制；将其余的信号记作心脏冲击信号；
在本申请中，二阶数字带通滤波器利用FDATools工具生成，其公式为：
y(n)＝b1x(n)+b2x(n-1)
其中，b1和b2为滤波器的系数，x(n)是当前采集到的数据，x(n-1)是上一次采集到的数据。为了获取带通信号，需要对信号进行滤波，当信号越小于5Hz或者越大于9Hz，信号衰减越严重，近似消除。
在实际应用中，如图2、3所示，IMU加速度信号经过滤波处理后得到BCG信号，主要含有H、I、J、K、L、M和N等7种波形，其中J波最为突出。J波峰值对应着心搏点，表示两个心室快速射血的结束，反映降主动脉和腹主动脉的血液加速和升主动脉的血液减速，是一个BCG周期中正向幅值最大的位置。在睡眠状态下，一个BCG周期对应一个心动周期，BCG周期中的J峰对应心搏点，因此J-J间期可以替代R-R间期进行心率计算和HRV分析。
进一步的，所述在所述心脏冲击信号中定位所有的J峰，包括：
将所述心脏冲击信号按照预设的时间间隔，划分为若干子冲击信号；
分别获取各个子冲击信号中高度最高的波峰，对应记作第一波峰；
分别判断各个第一波峰的高度是否大于等于预设的高度阈值，若是，则将该第一波峰对应记作第二波峰；
分别判断各个第二波峰的峰突出度是大于等于预设的峰突出度阈值，若是，则将该第二波峰对应记作J峰。
在实际应用中，定位J峰的位置，得到JJ间期的数据，J峰的具体筛选条件有以下三个：
1、J峰是BCG波群中最高的峰，所以设定一个阙值MinPeakHeight，高于这个阈值的峰进入备选集合。
2、正常人一分钟的睡眠心跳次数的范围在40-120之内，所以J峰的间距在0.5s-1.5s之间，对心电数据进行分段，每个分段0.5s。如果一个分段内有多个峰，最高的那个进入备选集合。
3、J峰的峰突出度会比其他的波的波峰更加突出，设定一个峰突出度的阈值MinPeakProminence，峰突出度超过这个阙值的峰进入备选集合。
只有同时满足上述的三个条件的波峰，才能够被认定为J峰。在本申请中，如果定义了60个J峰，则共有59个JJ间期，也就是说，在本申请中，N为J峰的个数，i则表示为从1到N的自然数。
进一步的，所述计算所有相邻的两个J峰之间的JJ峰时间间隔，包括：
其中，表示心电图的第i个心率间期的时间间隔；/>表示第i个J峰对应的时刻；表示第i-1个J峰对应的时刻。
进一步的，所述对所有的JJ峰时间间隔进行线性分析，对应得到受试者的HRV时域参数和HRV频域参数，包括：
对所有的JJ峰时间间隔进行时域分析，得到对应的时域参数；
所述时域参数包括：JJ峰时间间隔的均值JJMEAN、JJ峰时间间隔的标准差SDNN、相邻的JJ峰时间间隔的差值均方根RMSSD、相邻的JJ峰时间间隔的差值大于50ms的个数占总的JJ峰时间间隔的个数的比值PNN50、全部相邻JJ峰时间间隔之差的标准差SDSD；
PNN50＝NN50/TotalNN；
其中，JJi为第i个JJ峰时间间隔长度；为JJ峰时间间隔的均值；NN50为相邻的JJ峰时间间隔之差大于50ms的个数；TotalNN为总的JJ峰时间间隔的个数；ΔJJi为两个相邻的JJ峰时间间隔的差值。
在实际应用中，HRV是指逐次心跳周期差异的变化情况或者说是指心跳快慢的变化情况。是由两个相邻的R-R间期时间长短决定的，即心跳间隔的周期性变化，在睡眠状态下，一个BCG周期对应一个心动周期，BCG周期中的J峰对应心搏点，因此J-J间期可以替代R-R间期进行心率计算和HRV分析。这里采用J-J间期替代。
进一步的，所述对所有的JJ峰时间间隔进行线性分析，对应得到受试者的HRV时域参数和HRV频域参数，还包括：
对所有的JJ峰时间间隔进行FFT频谱分析，得到对应的功率谱密度函数PSD(f)；
按照预设的频率区间，对所述功率谱密度函数PSD(f)进行积分，得到极低频功率VLF、低频功率LF、高频功率HF、总功率TP以及低频功率LF与高频功率HF的比值RLH：
RLH＝LF/HF。
进一步的，线性分析中还包括测量平均心率；在五分钟的测试时间内，将五分钟划分为五个一分钟，每1分钟采集一次心率HR，即J峰一分钟的个数，得到心率HR，求平均，由此可得到平均心率HRMEAN为：
在实际应用中，仅使用线性分析方法具有不可避免的局限性，并且不能反映关于HRV的所有信息，因此需使用非线性分析方法来分析HRV。
进一步的，所述对所有的JJ峰时间间隔进行非线性分析，对应得到受试者的HRV椭圆长轴标准差数据和HRV椭圆短轴标准差数据，包括：
所述椭圆短轴标准差数据SD1用于反映HRV中低频分量和极低频分量的变化，与交感神经变化有关；
所述椭圆长轴标准差数据SD2用于反应HRV的快速变化，与迷走神经活动有关：
其中，JJi为第i个JJ峰时间间隔长度；为JJ峰时间间隔的均值。
具体来说，庞加莱图(Poincare Plot)是HRV非线性分析的一种方法。对于一段连续的心跳间隔，将第i个心跳间隔作为横坐标，第(i+1)个心跳间隔作为纵坐标，即可画出庞加莱图。这些点的分布可以近似为椭圆，椭圆的中心位于(心跳间隔平均值，心跳间隔平均值)确定的坐标点。椭圆的半长轴和半短轴分别为SD1和SD2。图4为ECG和IMU的庞加莱图，从图中可知，IMU庞加莱图存在偏移点和错误点，这是由于IMU的漂移和运动伪影造成的，但是总体上ECG和IMU信号提取的心率变异性相近，证明了IMU实现HRV分析的可行性。
进一步的，本申请还提供一种对比例，包括：在受试者的手臂上设置EGC信号采集设备，在同一个受试者的胸口下方铺设本申请记载的柔性睡眠监测带；对两个设备所采集到的信号进行对比可知，对比ECG和BCG的平均心率，误差为0。在此基础上，对比频域指标VLF、LF、HF、LF/HF、时域指标RRMEAN、SDNN、RMSSD、PNN50以及SDSD、SD1、SD2的误差(ABS(ECG-IMU))，结果如图18中的表格所示。各项误差基本在可接受范围内，其中HRMEAN误差为0，平均心率与ECG一致。
实施例2
进一步的，本申请还提供一种柔性睡眠监测带的电路图，如图6-图16所示，所述柔性睡眠监测带的内部设置有控制模块、用于调整输入电压的调压模块、用于检测加速度信号的惯性传感器模块、用于检测鼾声的麦克风模块、用于播放音乐的扬声器模块、用于检测实验环境数据的环境数据检测模块、用于进行物联网通信的通信模块、第一闪存模块以及第二闪存模块；所述惯性传感器模块、麦克风模块、扬声器模块、环境数据检测模块、通信模块以及第一闪存模块均与控制模块连接；所述惯性传感器模块、麦克风模块、扬声器模块、环境数据检测模块、通信模块、第一闪存模块、第二闪存模块以及控制模块均与调压模块连接；所述第二闪存模块还与通信模块连接。
其中如图8所示，惯性传感器模块用于测量加速度信号，惯性传感器采用ST公司的ISM330DLC，其加速度获取的微弱振动信号可用于提取心率、呼吸率、身体运动和HRV等。从惯性传感器提取的瞬时信号特征还可以用于睡姿检测，还可以结合柔性压力传感器实现在离床检测；MEMS麦克风采集的声音信号可用于鼾声检测。MEMS扬声器可用于助眠音乐播放，与麦克风结合还可实现语音交互；环境传感器可以获取温湿度和气压，实现环境舒适度检测；原理图如图3和图4所示。控制模块采用型号为STM32F411的微程序控制单元(MCU)；它有足够的资源来实现生命体征检测、打鼾识别和睡眠阶段分类的关键算法。同时利用4G和BLE模块实现物联网通信，闪存模块用于保存最近一个月的日志数据和睡眠结果。调压模块应用DC/DC转换器、低压差稳压器(LDO)和电源适配器来产生适当的电源电压给其他子系统。
进一步的，如图17所示，睡眠监测带主要由一个数字信号处理器(DSP)电路和一个柔性传感器薄膜组成。睡眠监测带由超细纤维布包装的，超细纤维布很薄，质地较好。由于摩擦力大，皮带放在床垫上时不易移动。皮带内的柔性聚对苯二甲酸乙二醇酯(PET)薄膜由一个压力传感器阵列和一个MEMS三轴加速度计组成。加速计被安装在柔性印刷电路(FPC)上，该电路用双面胶带固定在薄膜的顶部。薄膜中的导线或电极是用银浆制作的，这可以保证导线的最大电阻小于20Ω。
第一闪存模块与MCU连接，用于存储记录到的相关数据，第二闪存模块与通信模块中的蓝牙MCU芯片连接，用于存储控制数据和OTA升级数据。
图10为软排线的连接电路图，感应膜与控制模块通过软排线连接，感应膜的电路原理图如图8所示，感应膜中有柔性压力传感器和惯性传感器，柔性压力传感器用于检测在离床，惯性传感器用来监测HRV和睡姿。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机程序被处理器执行时以实现基于IMU信号的心率变异性参数采集计算方法。
本领域技术人员可以理解，图3中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：包括：
利用柔性睡眠监测带采集受试者在睡眠状态下的加速度信号；
对所述加速度信号进行预处理，抑制所述加速度信号中的噪声信号，得到心脏冲击信号；
在所述心脏冲击信号中定位所有的J峰，计算所有相邻的两个J峰之间的JJ峰时间间隔；
对所有的JJ峰时间间隔进行线性分析，对应得到受试者的HRV时域参数和HRV频域参数；对所有的JJ峰时间间隔进行非线性分析，对应得到受试者的HRV椭圆长轴标准差数据和HRV椭圆短轴标准差数据。
在一个实施例中，所述利用柔性睡眠监测带采集受试者在睡眠状态下的加速度信号，包括：
在床上铺设柔性睡眠监测带；让受试者躺在床上，且将所述柔性睡眠监测带铺设在受试者的胸部下方；
在预设的时间段内，采集受试者在睡眠状态下的加速度信号。
在一个实施例中，所述对所述加速度信号进行预处理，抑制所述加速度信号中的噪声信号，得到心脏冲击信号，包括：
采用二阶数字带通滤波器对所述加速度信号进行预处理，对所述加速度信号中的小于5Hz或者大于9Hz的噪声信号进行抑制；将其余的信号记作心脏冲击信号。
在一个实施例中，所述在所述心脏冲击信号中定位所有的J峰，包括：
将所述心脏冲击信号按照预设的时间间隔，划分为若干子冲击信号；
分别获取各个子冲击信号中高度最高的波峰，对应记作第一波峰；
分别判断各个第一波峰的高度是否大于等于预设的高度阈值，若是，则将该第一波峰对应记作第二波峰；
分别判断各个第二波峰的峰突出度是大于等于预设的峰突出度阈值，若是，则将该第二波峰对应记作J峰。
在一个实施例中，所述计算所有相邻的两个J峰之间的JJ峰时间间隔，包括：
其中，表示心电图的第i个心率间期的时间间隔；/>表示第i个J峰对应的时刻；表示第i-1个J峰对应的时刻。
在一个实施例中，所述对所有的JJ峰时间间隔进行线性分析，对应得到受试者的HRV时域参数和HRV频域参数，包括：
对所有的JJ峰时间间隔进行时域分析，得到对应的时域参数；
所述时域参数包括：JJ峰时间间隔的均值JJMEAN、JJ峰时间间隔的标准差SDNN、相邻的JJ峰时间间隔的差值均方根RMSSD、相邻的JJ峰时间间隔的差值大于50ms的个数占总的JJ峰时间间隔的个数的比值PNN50、全部相邻JJ峰时间间隔之差的标准差SDSD；
PNN50＝NN50/TotalNN；
其中，JJi为第i个JJ峰时间间隔长度；为JJ峰时间间隔的均值；NN50为相邻的JJ峰时间间隔之差大于50ms的个数；TotalNN为总的JJ峰时间间隔的个数；ΔJJi为两个相邻的JJ峰时间间隔的差值。
在一个实施例中，所述对所有的JJ峰时间间隔进行线性分析，对应得到受试者的HRV时域参数和HRV频域参数，还包括：
对所有的JJ峰时间间隔进行FFT频谱分析，得到对应的功率谱密度函数PSD(f)；
按照预设的频率区间，对所述功率谱密度函数PSD(f)进行积分，得到极低频功率VLF、低频功率LF、高频功率HF、总功率TP以及低频功率LF与高频功率HF的比值RLH：
/>
RLH＝LF/HF。
在一个实施例中，所述对所有的JJ峰时间间隔进行非线性分析，对应得到受试者的HRV椭圆长轴标准差数据和HRV椭圆短轴标准差数据，包括：
所述椭圆短轴标准差数据SD1用于反映HRV中低频分量和极低频分量的变化，与交感神经变化有关；
所述椭圆长轴标准差数据SD2用于反应HRV的快速变化，与迷走神经活动有关：
其中，JJi为第i个JJ峰时间间隔长度；为JJ峰时间间隔的均值。
在一个实施例中，所述柔性睡眠监测带的内部设置有控制模块、用于调整输入电压的调压模块、用于检测加速度信号的惯性传感器模块、用于检测鼾声的麦克风模块、用于播放音乐的扬声器模块、用于检测实验环境数据的环境数据检测模块、用于进行物联网通信的通信模块、第一闪存模块以及第二闪存模块；所述惯性传感器模块、麦克风模块、扬声器模块、环境数据检测模块、通信模块以及第一闪存模块均与控制模块连接；所述惯性传感器模块、麦克风模块、扬声器模块、环境数据检测模块、通信模块、第一闪存模块、第二闪存模块以及控制模块均与调压模块连接；所述第二闪存模块还与通信模块连接。
实施例3
进一步的，本申请还提供另外一种具体实施方式，利用陀螺仪采集人体的角速度信号，并且对角速度信号进行处理，并对应计算HRV参数，包括：
利用柔性睡眠监测带采集受试者在睡眠状态下的角速度信号；
对所述角速度信号进行预处理，抑制所述角速度信号中的频率小于1Hz或者频率大于10Hz的噪声信号，得到频率介于1Hz-10Hz的心脏冲击信号；
在所述心脏冲击信号中定位所有的AOAO峰，计算所有相邻的两个AO峰之间的AOAO峰时间间隔；
对所有的AOAO峰时间间隔进行线性分析，对应得到受试者的HRV时域参数和HRV频域参数；对所有的AOAO峰时间间隔进行非线性分析，对应得到受试者的HRV椭圆长轴标准差数据和HRV椭圆短轴标准差数据。
在本实施例中，IMU是惯性测量单元(Inertial Measurement Unit)的缩写。它是一种电子设备，用于测量和报告物体的三个基本线性运动(加速度)和三个基本角运动(角速度)。在实际使用过程中不仅可以利用加速度计算HRV参数，还可以利用角速度计算HRV参数，首先利用陀螺仪采集人体的角速度信号，然后对角速度信号进行带通滤波，获取频率介于1Hz-10Hz的心脏冲击信号，并对其余的频率的噪声信号进行抑制。后续对心脏冲击信号的处理步骤请参考实施例1。使用陀螺仪采集角速度信号，并且对角速度信号进行计算得到HRV参数，该方法与实施例1中的加速度计测量加速度信号为相互独立的两个方法，两种方法可以同时使用也可以分别独立使用。
在本申请中，如图20所示利用角速度计算得到的心率信号记作SCG信号，如图19所示，采用本实施例中的方法计算出来的SCG信号相比传统方法计算得到的ECG信号以及利用加速度信号计算得到的BCG信号，具备同等的精度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (10)
1.基于IMU信号的心率变异性参数采集计算方法，其特征在于，包括：
利用柔性睡眠监测带采集受试者在睡眠状态下的加速度信号；
对所述加速度信号进行预处理，抑制所述加速度信号中的噪声信号，得到心脏冲击信号；
在所述心脏冲击信号中定位所有的J峰，计算所有相邻的两个J峰之间的JJ峰时间间隔；
对所有的JJ峰时间间隔进行线性分析，对应得到受试者的HRV时域参数和HRV频域参数；对所有的JJ峰时间间隔进行非线性分析，对应得到受试者的HRV椭圆长轴标准差数据和HRV椭圆短轴标准差数据。
2.根据权利要求1所述的基于IMU信号的心率变异性参数采集计算方法，其特征在于，所述利用柔性睡眠监测带采集受试者在睡眠状态下的加速度信号，包括：
在床上铺设柔性睡眠监测带；让受试者躺在床上，且将所述柔性睡眠监测带铺设在受试者的胸部下方；
在预设的时间段内，采集受试者在睡眠状态下的加速度信号。
3.根据权利要求1所述的基于IMU信号的心率变异性参数采集计算方法，其特征在于，所述对所述加速度信号进行预处理，抑制所述加速度信号中的噪声信号，得到心脏冲击信号，包括：
采用二阶数字带通滤波器对所述加速度信号进行预处理，对所述加速度信号中的小于5Hz或者大于9Hz的噪声信号进行抑制；将其余的信号记作心脏冲击信号。
4.根据权利要求1所述的基于IMU信号的心率变异性参数采集计算方法，其特征在于，所述在所述心脏冲击信号中定位所有的J峰，包括：
将所述心脏冲击信号按照预设的时间间隔，划分为若干子冲击信号；
分别获取各个子冲击信号中高度最高的波峰，对应记作第一波峰；
分别判断各个第一波峰的高度是否大于等于预设的高度阈值，若是，则将该第一波峰对应记作第二波峰；
分别判断各个第二波峰的峰突出度是大于等于预设的峰突出度阈值，若是，则将该第二波峰对应记作J峰。
5.根据权利要求1所述的基于IMU信号的心率变异性参数采集计算方法，其特征在于，所述计算所有相邻的两个J峰之间的JJ峰时间间隔，包括：
其中，表示心电图的第i个心率间期的时间间隔；/>表示第i个J峰对应的时刻；/>表示第i-1个J峰对应的时刻。
6.根据权利要求1所述的基于IMU信号的心率变异性参数采集计算方法，其特征在于，所述对所有的JJ峰时间间隔进行线性分析，对应得到受试者的HRV时域参数和HRV频域参数，包括：
对所有的JJ峰时间间隔进行时域分析，得到对应的时域参数；
所述时域参数包括：JJ峰时间间隔的均值JJMEAN、JJ峰时间间隔的标准差SDNN、相邻的JJ峰时间间隔的差值均方根RMSSD、相邻的JJ峰时间间隔的差值大于50ms的个数占总的JJ峰时间间隔的个数的比值PNN50、全部相邻JJ峰时间间隔之差的标准差SDSD；
PNN50＝NN50/TotalNN；
其中，JJi为第i个JJ峰时间间隔长度；为JJ峰时间间隔的均值；NN50为相邻的JJ峰时间间隔之差大于50ms的个数；TotalNN为总的JJ峰时间间隔的个数；ΔJJi为两个相邻的JJ峰时间间隔的差值。
7.根据权利要求1所述的基于IMU信号的心率变异性参数采集计算方法，其特征在于，所述对所有的JJ峰时间间隔进行线性分析，对应得到受试者的HRV时域参数和HRV频域参数，还包括：
对所有的JJ峰时间间隔进行FFT频谱分析，得到对应的功率谱密度函数PSD(f)；
按照预设的频率区间，对所述功率谱密度函数PSD(f)进行积分，得到极低频功率VLF、低频功率LF、高频功率HF、总功率TP以及低频功率LF与高频功率HF的比值RLH：
RLH＝LF/HF。
8.根据权利要求1所述的基于IMU信号的心率变异性参数采集计算方法，其特征在于，所述对所有的JJ峰时间间隔进行非线性分析，对应得到受试者的HRV椭圆长轴标准差数据和HRV椭圆短轴标准差数据，包括：
所述椭圆短轴标准差数据SD1用于反映HRV中低频分量和极低频分量的变化，与交感神经变化有关；
所述椭圆长轴标准差数据SD2用于反应HRV的快速变化，与迷走神经活动有关：
其中，JJi为第i个JJ峰时间间隔长度；为JJ峰时间间隔的均值。
9.根据权利要求1所述的基于IMU信号的心率变异性参数采集计算方法，其特征在于，所述柔性睡眠监测带的内部设置有控制模块、用于调整输入电压的调压模块、用于检测加速度信号的惯性传感器模块、用于检测鼾声的麦克风模块、用于播放音乐的扬声器模块、用于检测实验环境数据的环境数据检测模块、用于进行物联网通信的通信模块、第一闪存模块以及第二闪存模块；
所述惯性传感器模块、麦克风模块、扬声器模块、环境数据检测模块、通信模块以及第一闪存模块均与控制模块连接；
所述惯性传感器模块、麦克风模块、扬声器模块、环境数据检测模块、通信模块、第一闪存模块、第二闪存模块以及控制模块均与调压模块连接；
所述第二闪存模块还与通信模块连接。
10.基于IMU信号的心率变异性参数采集计算方法，其特征在于，包括：
利用柔性睡眠监测带采集受试者在睡眠状态下的角速度信号；
对所述角速度信号进行预处理，抑制所述角速度信号中的频率小于1Hz或者频率大于10Hz的噪声信号，得到频率介于1Hz-10Hz的心脏冲击信号；
在所述心脏冲击信号中定位所有的AO峰，计算所有相邻的两个AO峰之间的AOAO峰时间间隔；
对所有的AOAO峰时间间隔进行线性分析，对应得到受试者的HRV时域参数和HRV频域参数；对所有的AOAO峰时间间隔进行非线性分析，对应得到受试者的HRV椭圆长轴标准差数据和HRV椭圆短轴标准差数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410040725.7A CN117860223A (zh) | 2024-01-10 | 2024-01-10 | 基于imu信号的心率变异性参数采集计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410040725.7A CN117860223A (zh) | 2024-01-10 | 2024-01-10 | 基于imu信号的心率变异性参数采集计算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117860223A true CN117860223A (zh) | 2024-04-12 |
Family
ID=90586306
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410040725.7A Pending CN117860223A (zh) | 2024-01-10 | 2024-01-10 | 基于imu信号的心率变异性参数采集计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117860223A (zh) |
-
2024
- 2024-01-10 CN CN202410040725.7A patent/CN117860223A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20220104758A1 (en) | Device And Method For Sleep Monitoring | |
| KR101656611B1 (ko) | 무구속적으로 측정한 생체신호를 이용하여 산소탈포화지수를 획득하는 방법 | |
| EP3927234B1 (en) | A sleep monitoring system and method | |
| US9820680B2 (en) | System and method for determining sleep and sleep stages of a person | |
| US20130006124A1 (en) | Sleep analysis based on inter beat interval | |
| US9675282B2 (en) | Method and apparatus for determining a respiration signal | |
| Hwang et al. | Nocturnal awakening and sleep efficiency estimation using unobtrusively measured ballistocardiogram | |
| WO2019096175A1 (zh) | 一种生命体征信号分析处理方法和生命体征监测设备 | |
| CN109222961B (zh) | 一种便携式睡眠监测系统及相关睡眠监测方法 | |
| CN105142515A (zh) | 测定有利于唤醒的人类睡眠阶段的方法 | |
| Vehkaoja et al. | Correlation approach for the detection of the heartbeat intervals using force sensors placed under the bed posts | |
| Doheny et al. | Estimation of respiration rate and sleeping position using a wearable accelerometer | |
| Hwang et al. | Unconstrained sleep stage estimation based on respiratory dynamics and body movement | |
| CN109009023A (zh) | 一种呼吸信号的提取方法、装置、处理设备和系统 | |
| Feng et al. | Non-contact home health monitoring based on low-cost high-performance accelerometers | |
| US11291406B2 (en) | System for determining a set of at least one cardio-respiratory descriptor of an individual during sleep | |
| CN209966365U (zh) | 一种便携式睡眠监测系统 | |
| WO2017099257A1 (ja) | 生体状態推定装置、生体状態推定方法、コンピュータプログラム及び記録媒体 | |
| CN117860223A (zh) | 基于imu信号的心率变异性参数采集计算方法 | |
| JP2005160650A (ja) | 無呼吸症候群判定装置 | |
| JP7301275B2 (ja) | 睡眠状態推定システム | |
| JP2020130264A (ja) | 体調判定装置及びコンピュータプログラム | |
| Park et al. | Ballistocardiography | |
| JP7288334B2 (ja) | 睡眠状態推定装置、睡眠状態推定装置の作動方法及び睡眠状態推定プログラム | |
| Smoleń et al. | Sleep evaluation device for home-care |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination |