用于可穿戴心率監測設備的心率估計方法及裝置的制造方法
【專利摘要】本發明公開了一種用于可穿戴心率監測設備的心率估計方法及裝置。本發明主要包括運動偽影移除以及心率譜峰追蹤兩部分。運動偽影移除為：首先利用非線性自適應濾波法捕獲噪聲參考信號與脈搏波信號中的運動偽影噪聲間的非線性關系，從而有效的消除運動偽影干擾，然后采用基于分類的二元決策方法判斷濾波后的脈搏波信號是否仍含有大量噪聲，對判決為仍含有噪聲的脈搏波信號采用奇異譜分析方法進一步去除噪聲干擾；再基于頻譜的心率譜峰追蹤，定位每個時間窗的心率譜峰，即首先基于非線性定位法定位心率譜峰，若不能成功定位，再基于分類定位法定位心率譜峰。本發明用于心率估計，其計算精度高、復雜度低，從而保證了其在可穿戴監測設備的可實施性。
【專利說明】
用于可穿戴心率監測設備的心率估計方法及裝置
技術領域
[0001] 本發明設及生物醫學信號處理領域，尤其設及一種用于可穿戴屯、率監測設備的屯、 率估計方法及裝置。
【背景技術】
[0002] 屯、率是人體生理參數中一個非常重要的指標，同時屯、率也可W作為人體運動生理 負荷客觀評定的一個有效參考，而基于可穿戴設備的屯、率監測是控制人體運動強度的一個 重要且有效的手段。
[0003] 目前對于屯、率的監測主要有兩種方法，一種是傳統的基于屯、電信號的屯、率監測， 運種方法要求若干個電極在人體的不同部位同時采集生理電信號，然后根據采集到的信號 來計算屯、率，運是在臨床醫療中最常用的一種方法。然而其缺點是大大限制的人體的活動， 因此運種方法并不適用于人體運動狀態下的屯、率監測。另一種方法是基于光電容積脈搏波 描記法的屯、率監測，運種方法是借助光電技術通過人體皮膚來檢測血液容積的變化，而血 液容積的變化是由屯、臟有規律地舒張與收縮引起的，因此可W根據采集到的光電容積脈搏 波信號(PPG信號)來監測屯、率。運種方法的優點是信號采集非常方便，只需要一個光電傳感 器與皮膚接觸，并且人體的活動可W不受其影響，運也是目前可穿戴屯、率監測設備最常用 的一種方法。
[0004] 但是由于光電容積脈搏波信號是從皮膚表面采集的信號，其信號強度弱，且易受 干擾，工頻噪聲、環境噪聲、運動噪聲都會對采集的信號質量造成很大的影響，而其中最主 要的就是由于人體運動而造成的運動偽影干擾，并且運種運動偽影干擾的主要頻率在很多 情況下會與屯、率的頻率發生重疊，很難消除。因此，在運動狀態下的基于光電容積脈搏波信 號的屯、率監測仍具有一定的挑戰性。
[0005] 為了解決運一問題，目前已經有很多方法嘗試著消除運動偽影噪聲。自適應濾波 是一種常見的去噪方法，但是它對參考信號過于地依賴，如果參考信號選擇不合適，去噪效 果就會非常不理想。另外，運動偽影與脈搏波信號在劇烈運動時往往并不是線性相關的，運 也對自適應濾波的去噪效果有很大的影響。除此之外，奇異譜分析是另一個去除運動偽影 效果較好的方法，但是運種基于信號分解的方法往往有著很大的計算量，運對于要求低功 耗的可穿戴設備來說并不適用。因此，出現了基于奈曼皮爾遜檢測的運動偽影噪聲檢測單 元與抑ICA化requen巧Domain Ind邱endent Component Analysis)的兩階段去噪算法。該 方法在受試者運動量小的時候(運動噪聲比較小），能夠取得好的消噪效果。但是，當運動量 大的時候，受到嚴重噪聲干擾的脈搏波信號并不滿足ICA( Independent Component Analysis)所要求的統計獨立性，因此不適用于運動量大的情況。而在基于經驗模態分解和 譜減法的混合方法中，其利用脈搏波信號經過經驗模態分解后得到的本征模函數與加速度 信號之間的線性相關系數來檢測該本征模函數中運動偽影噪聲的存在，從而進一步利用譜 減方法去除運動偽影。但是由于脈搏波信號與運動偽影之間通常并不是線性相關的，因此 基于經驗模態分解和譜減的混合方法的性能并不穩定。公開號為CN104161505A的專利申請 提出了一種結合自適應濾波與Mailat的方法來消除運動偽影噪聲，但是，當自適應濾波后 的脈搏波信號只含有很少的噪聲時（即濾波后的脈搏波信號已經干凈時），其仍用Mallat繼 續消噪，運無疑不僅起不到去噪的效果而且會增加算法計算量。事實上，并不是所有時間窗 的脈搏波信號都含有大量噪聲，此時僅利用自適應濾波算法(不需要Mallat算法)就可W將 噪聲去除干凈。
[0006] 另外，也有一些研究者嘗試著在頻譜中尋找屯、率對應譜峰的方法（即譜峰追蹤方 法)來提高在運動狀態下基于光電容積脈搏波的屯、率檢測的精度。如基于啟發式的譜峰追 蹤方法(包括譜峰檢測階段與譜峰驗證階段)實現在頻譜中尋找屯、率對應譜峰。然而，啟發 式方法存在著規則過度依賴于人為設置W及參數可W隨意調整的缺點，會導致檢測的性能 不穩定。
【發明內容】
[0007] 本發明的發明目的在于:針對上述存在的問題，提供了一種用于可穿戴屯、率監測 設備的屯、率估計方法，此方法精確度高，計算復雜度低，能夠達到實時估計的目的，可W方 便的應用于可穿戴屯、率監測設備中。
[0008] 本發明的用于可穿戴屯、率監測設備的屯、率估計方法，包括下列步驟：
[0009] 對光電容積脈搏波傳感器采集的運動狀態下的原始脈搏波信號、運動傳感器采集 的原始運動信號(例如Ξ軸加速度信號)劃分時間窗并對各時間窗進行屯、率估計：
[0010] 步驟1:對當前時間窗的原始脈搏波信號、原始運動信號進行帶通濾波處理，得到 脈搏波信號SQ和噪聲參考信號；
[0011] 步驟2:使用非線性自適應濾波器獲取脈搏波信號so和噪聲參考信號的非線性關 系，即噪聲估計信號;基于噪聲估計信號對脈搏波信號SG進行濾波處理得到脈搏波信號Sk;
[0012] 步驟3:對脈搏波信號Sk提取特征信息（如時域、頻域W及小波域特征等），并基于 分類的二元決策方法將脈搏波信號Sk分為干凈與不干凈兩類；
[0013] 對于類別為干凈的脈搏波信號Sk，則直接將其作為脈搏波信號Sc;
[0014] 對于類別為不干凈的脈搏波信號sk，則基于噪聲參考信號，使用奇異譜分析方法 去除脈搏波信號Sk中的噪聲干擾，得到脈搏波信號Sc;
[001引步驟4:獲取脈搏波信號S。的頻譜，記為第一頻譜;獲取非線性處理(例如S。的平方、 立方等）后的脈搏波信號S。的頻譜，記為第二頻譜，獲取方式可采用任一慣用方式，如周期 圖法；
[0016] 獲取第一頻譜、第二頻譜在預設基頻范圍Ro的前D個最高譜峰，其中對應第一頻譜 的前D個最高譜峰的譜峰位置(即橫軸索引值，其中縱軸表示譜峰幅度)記為…，時，對 應第二頻譜的前D個最高譜峰的譜峰位置記為P1，P2，…，PD ;
[0017] 基于非線性定位法定位當前時間窗的屯、率譜峰，若不能定位，再基于分類定位法 定位；
[001引其中，非線性定位法為：查找fl，f2，…，fD與Pl，P2，…，PD中存在差值小于或等于預 設闊值T1的譜峰位置fi，且fi與Prev的差值小于或等于預設闊值T2,則譜峰位置fi為當前時 間窗的屯、率譜峰位置，其中ie{l，2, ···，0}，Prev表示上一時間窗確定的屯、率譜峰的譜峰位 置，Prev的初始值為初始時間窗的脈搏波信號Sc的頻譜的最高峰的譜峰位置；
[0019] 分類定位法為：將不同時間窗的脈搏波信號s。作為分類器的訓練樣本，基于先驗 知識提取脈搏波信號Sc的特征信息構建分類器，并指定不同分類結果的屯、率譜峰位置;提 取當前時間窗的脈搏波信號S。的特征信息并輸入分類器進行分類判決，基于當前類別對應 的屯、率譜峰位置確定當前時間窗的屯、率譜峰位置；
[0020] 步驟5:基于時間窗的屯、率譜峰位置計算屯、率值，比如首先根據頻譜(第一頻譜或 第二頻譜)的頻率范圍和傅里葉變換點數獲取屯、率譜峰位置所在坐標系的單位坐標點的頻 率值，從而得到屯、率譜峰位置的頻率值，即每秒的屯、率值。
[0021] 進一步的，在步驟4的分類定位法中，構建的分類器包括的分類目標有C1、C2、C3^ 類：
[0022] 判斷譜峰位置fi，f2，···，fD與第一頻譜在預設諧頻范圍化的前D個最高譜峰的譜峰 位置hi山，…，hD是否存在諧波對，即判斷是否存在阿片。|《了3，若是，則當前時間窗的脈 搏波信號Sc屬于類別C1，且類別C1對應的屯、率譜峰位置為f j，其中je{l，2，-'，D}，me{l， 2,…，D}，T3為預設闊值；
[0023] 否則繼續判斷fl，f2，…，時中是否存在譜峰fj滿足|f廣Prev|《T4，若是，則當前時 間窗的脈搏波信號Sc屬于類別C2,且類別C2對應的屯、率譜峰位置為fj，其中je{l，2，'''，D}， T4為預設闊值；否則當前時間窗的脈搏波信號Sc屬于類別C3,且類別C3對應的屯、率譜峰位 置為Prev。
[0024] 進一步的，Ro為[Prev-Δ，Prev+A ]，化為：[2(Prev-A-l)+l，2(Prev+A-l)+l]，其 中A表示預設參數。
[0025] 同時，本發明還公開了一種可穿戴屯、率監測設備，包括信號采集單元、信號預處理 單元、信號去噪單元、屯、率計算單元和輸出單元；
[0026] 其中信號采集單元包括光電容積脈搏波傳感器和運動傳感器，用于采集被測者在 運動狀態下的原始脈搏波信號、原始運動信號并傳輸給信號預處理單元；
[0027] 信號預處理單元對輸入信號進行時間窗劃分并進行帶通濾波處理，向信號去噪單 元輸入脈搏波信號SQ和噪聲參考信號；
[0028] 信號去噪單元通過非線性自適應濾波器捕獲脈搏波信號SQ和噪聲參考信號的非 線性關系，即噪聲估計信號；再基于噪聲估計信號對脈搏波信號SQ進行濾波處理得到脈搏 波信號Sk;w及通過判決單元采用分類的二元決策方法判決脈搏波信號Sk是否為干凈，若 是，則直接將脈搏波信號Sk作為脈搏波信號S。并輸入屯、率計算單元；否則基于噪聲參考信 號，使用奇異譜分析方法去除脈搏波信號Sk中的噪聲干擾，得到脈搏波信號Sc后再輸入屯、率 計算單元；
[0029] 屯、率計算單元時間窗為單位，結合非線性定位法和分類定位法定位每個時間 窗的脈搏波信號Sc的屯、率譜峰，并基于每個時間窗的屯、率譜峰位置計算當前時間窗的屯、率 值并發送給輸出顯示單元；
[0030] 其中，定位每個時間窗的脈搏波信號Sc的屯、率譜峰具體為：
[0031] 獲取脈搏波信號Sc的頻譜，記為第一頻譜;獲取非線性處理后的脈搏波信號Sc的頻 譜，記為第二頻譜;獲取第一頻譜、第二頻譜在預設基頻范圍Ro內的前D個最高譜峰，其中對 應第一頻譜的前D個最高譜峰的譜峰位置記為…，時，對應第二頻譜的前D個最高譜峰 的譜峰位置記為P1，P2,…，PD
[0032] 在非線性定位法中：查找f 1，f 2，…，時與PI，P2，…，PD中是否存在差值小于或等于預 設闊值T1的譜峰位置且fi與Prev的差值小于或等于預設闊值T2,如果存在，則譜峰位置 fi為當前時間窗的屯、率譜峰位置，其中?ε{1，2，···，0}，
[0033] 在分類定位法中：將不同時間窗的脈搏波信號S。作為分類器的訓練樣本，提取脈 搏波信號S。的特征信息構建分類器，并指定不同分類結果的屯、率譜峰位置;提取當前時間 窗的脈搏波信號Sc的特征信息并輸入分類器進行分類判決，基于當前類別對應的屯、率譜峰 位置確定當前時間窗的屯、率譜峰位置；
[0034] 輸出單元：W時間窗為單位，實時顯示屯、率監測結果，即當前時間窗的屯、率值。
[0035] 綜上所述，由于采用了上述技術方案，本發明的有益效果是:計算出的屯、率精確度 高，計算復雜度低。
【附圖說明】
[0036] 圖1是本發明的可穿戴屯、率監測設備單元結構示意圖；
[0037] 圖2是本發明的屯、率估計流程圖。
【具體實施方式】
[0038] 為使本發明的目的、技術方案和優點更加清楚，下面結合實施方式和附圖，對本發 明作進一步地詳細描述。
[0039] 參見圖1，2,本發明的可穿戴屯、率監測設備包括信號采集單元、信號預處理單元、 信號去噪單元、屯、率計算單元和輸出單元。
[0040] 其中，信號采集單元包括光電容積脈搏波傳感器和運動傳感器，用于采集源信號 (包括被測者在運動狀態下的原始脈搏波信號、原始運動信號，本實施例中使用的源信號是 由光電傳感器和Ξ軸加速度傳感器在被測者的腕部采集得到，信號的采樣頻率為125Hz)， 并輸入給信號預處理單元進行信號預處理。
[0041] 信號預處理單元利用滑動窗方法對原始信號劃分時間窗同時利用帶通濾波器對 信號進行帶通濾波，本實施例中，首先對源信號進行分割，使用滑動窗方法，窗口大小設為8 秒，滑動步長設為2秒，計算當前時間窗的平均屯、率。根據人類實際可能的屯、率范圍（40到 160下每分鐘），利用通頻帶為0.4Hz~5Hz(24到300下每分鐘）的帶通濾波器對分割后的信 號進行帶通濾波，將信號頻率范圍限制在0.4Hz~甜Z。經過預處理后的脈搏波信號記為so， Ξ軸加速度信號記為Acc，其中x、y、zS軸信號分別記為accl、acc2、acc3。
[0042] 信號去噪單元，通過非線性自適應濾波器捕獲脈搏波信號so和噪聲參考信號（Ξ 軸加速度信號Acc)的非線性關系，對脈搏波信號so進行濾波處理：
[0043] 將Ξ軸加速度信號Acc作為非線性自適應濾波器的輸入信號，脈搏波信號SQ作為 非線性自適應濾波器的期望信號。在開始進行自適應濾波之前，利用截短Volterra序列對 Ξ軸加速度信號Acc進行重組得到輸入信號X化），即：
[0044]
[0045] 其中，i = l，2,3，k為采樣點序號化=1，2，-，，1)，1為時間窗長度(本實施例中1 = 1000)。
[0046] 輸入信號x(k)經過非線性自適應濾波器，基于遞歸最小二乘準則不斷更新濾波系數 W化)直到目標函數ξ化)收斂，其中目標函i
h標叩'表 示矩陣轉置，下同。濾波系數W化)的迭代公式j
， 其中λ為遺忘因子，其作用是加強當前數據的影響，減少歷史數據的影響，本實施例取λ = 0.1。
[0047] 在經過非線性自適應濾波之后，可W得到輸出信號y化），即噪聲估計信號。基于噪 聲估計信號y化)對脈搏信號S日進行濾波處理得到脈搏波信號sk:sk = s日化)-y化）。
[004引同時，信號去噪單元還包括判決單元、奇異譜分析去噪單元，即首先通過判決單元 采用分類的二元決策方法判決脈搏波信號Sk是否為干凈（是否含有噪聲），若是，則直接將 脈搏波信號sk作為脈搏波信號Sc并輸入屯、率計算單元;否則基于噪聲參考信號y化），使用奇 異譜分析去噪單元去除脈搏波信號Sk中的噪聲干擾，得到脈搏波信號Sc后再輸入屯、率計算 單元；
[0049] 本實施例中，基于隨機森林算法實現分類的二元決策方法。即首先對脈搏波信號 Sk進行特征提取，包括:時域特征:脈搏波信號Sk的能量、均值、方差;頻域特征:脈搏波信號 Sk的頻譜的均值、方差、顯著波峰數量(指峰值大于預設闊值的波峰）、脈搏波信號Sk的頻譜 與脈搏波信號so的頻譜的相關系數、脈搏波信號Sk的頻譜與噪聲參考信號的頻譜的皮爾遜 相關系數。小波域特征:信號小波分解后各子帶信號的能量、均值、方差等。本實施例采用5 層小波分解，選擇的母小波為化4小波。
[0050] 在提取到W上特征后，將運些特征組成一個特征向量并利用分類器進行分類。然 后將特征向量輸入到隨機森林，隨機森林中的每一棵決策樹根據輸入的特征向量相互獨立 地做出分類，將特征向量對應的脈搏波信號分為干凈(標記為0)或者不干凈(標記為1)兩 類，然后根據Voting原則得出最終的分類結果。
[0051] 奇異譜分析去噪單元對濾波脈搏波信號Sk進一步去除噪聲干擾，基于奇異值分解 將脈搏波信號Sk分解為d個時間序列曰1。= 1，2'''，(1)，同時計算各時間序列的頻譜并查找最 大幅值對應的頻率值；W及計算噪聲參考信號的頻譜并統計主要頻率成分(幅值大于預設 闊值的譜峰對應的頻率成分）；依次判斷每個時間序列，若當前時間序列的最大幅值對應的 頻率值與噪聲參考信號的主要頻率成分重疊，則刪除當前時間序列，對保留的時間序列進 行重構得到脈搏波信號S。。【具體實施方式】具體為：
[00對首先將脈搏波信號sk映射為一個LXM的矩陣S，其中K = N-L+l，L<M/2,即：
[0053]
，M為時間窗長度(本實施例中1=1000)。
[0054] 再對矩陣S進行奇異值分解
其中= 且〇ι，μι， Vi分別為第i個奇異值和對應的左奇異向量和右奇異向量，并針對每一個矩陣Si利用對角平 均法求得對應的時間序列曰1。在獲得時間序列ai，a2，-'，ad后，計算時間序列曰1的頻譜并查找 其頻譜最大幅值對應的頻率值fl。
[0055] 然后計算噪聲參考信號Acc的頻譜并統計其中主要頻率成分(幅值大于預設闊值 的譜峰對應的頻率成分)對應的頻率值，構成集合Fa。如果fi在集合Fa中出現，則刪除fi所對 應的第i個時間序列ai。最終再利用剩余的時間序列進行重構得到進一步去噪之后的脈搏 波信號Sc。
[0056] 屯、率計算單元:對脈搏波信號Sc的頻譜進行屯、率譜峰追蹤，定位每個時間窗的屯、 率譜峰位置，并基于每個時間窗的屯、率譜峰位置計算當前時間窗的屯、率值并發送給輸出顯 示單元。
[0057] 首先獲取脈搏波信號S。的頻譜(例如基于周期圖法獲取對應頻譜），記為頻譜1，W 及非線性處理后的脈搏波信號S。的頻譜，記為頻譜2,運樣可W多一個頻譜版本，從而增加 找到屯、率對應譜峰的幾率。本實施例中，非線性處理采用求平方的方式。然后設置兩個頻譜 范圍，即基頻范圍Ro: [Prev- Δ ,Prev+ Δ ]，諧頻范圍R1: [2(Prev- Δ -1 ) + 1,2(Prev+ Δ -1) + 1]，為了便于實現，本實施例中，基頻范圍R〇、Rl為其預設頻譜段中的離散坐標點(頻譜的橫 軸上的離散坐標點）。
[005引在頻譜1的兩個范圍內分別找到前2個最高譜峰所對應的譜峰位置，即最高譜峰和 次高譜峰的橫軸索引值，其中在范圍Ro內找到的記為在范圍R1內找到的記為hi, h2。在 頻譜2的范圍Ro內找到的最高、次高譜峰記為pi，p2。其中預設參數Δ為正整數。
[0059] 屯、率計算單元首先基于非線性定位法定位當前時間窗的屯、率譜峰，若不能定位， 再基于分類定位法定位；
[0060] 其中，非線性定位法為:查找fl，f2與P1，P2中是否存在差值小于或等于預設闊值T1 (T1的通常取值范圍為0~3,本實施例取為2)的譜峰位置fiQe {1,2})，且fi與Prev的差值 小于或等于預設闊值Τ2(Τ2的通常取值范圍為0~6,本實施例取為3)，如果存在，則譜峰位 置fi為當前時間窗對應的屯、率譜峰位置。
[0061] 分類定位法為:提取脈搏波信號S。的特征向量，采用隨機森林算法，構建包括分類 目標C1、C2、C3^類的分類器，f 1，f2，…，時與hi山，…血的任意項滿足I 2f j-hm I《T3，則其屬 于類別Cl，且類別Cl對應的屯、率譜峰位置為f j，其中j e {1，2，…，D}，me {1，2，…，D}，預設 闊值Τ3的通常取值范圍為Ο~2,本實施例取為2);若存在|fj-Prev|《T4，則其屬于類別C2， 且類別C2對應的屯、率譜峰位置為。，其中^'￡{1，2，一，0}，預設闊值了4的通常取值范圍為0 ~3，本實施例取為2;否則其屬于類別C3，且類別C3對應的屯、率譜峰位置為Prev。
[0062] 在分類定位法中，提取脈搏波信號Sc的特征向量包括:脈搏波信號Sk與噪聲參考信 號在時域、頻域下的相關系數、脈搏波信號Sk在頻譜范圍Ro內的顯著譜峰個數、fl，f2與P1，P2 之間是否存在諧波對、fl，f2、pl，p2與Prev各自的差值，其中顯著波峰指峰值大于預設闊值 的波峰。
[0063] 當得到當前時間窗的屯、率譜峰位置(譜峰對應的橫軸索引值)后，屯、率計算單元再 根巧
計算屯、率值并發送給輸出顯示單元，W實現顯示檢測結果，其中 屯、率值的單位為下/分鐘，fs表示對應脈搏波信號S。的頻譜的頻率范圍，N表示傅里葉變換 (脈搏波信號S。從時頻到頻域的變換）的點數，即fs/N為單位坐標點的頻率值，Loc指的是根 據非線性定位法或者是分類法確定的屯、率譜峰位置(橫軸值），因 Loc的起始標記為1，故在 計算時需Loc-1。
[0064] W上所述，僅為本發明的【具體實施方式】，本說明書中所公開的任一特征，除非特別 敘述，均可被其他等效或具有類似目的的替代特征加 W替換;所公開的所有特征、或所有方 法或過程中的步驟，除了互相排斥的特征和/或步驟W外，均可W任何方式組合。
【主權項】
1. 用于可穿戴心率監測設備的心率估計方法，其特征在于，包括下列步驟： 對光電容積脈搏波傳感器采集的運動狀態下的原始脈搏波信號、運動傳感器采集的原 始運動信號劃分時間窗并對各時間窗進行心率估計： 步驟1:對當前時間窗的原始脈搏波信號、原始運動信號進行帶通濾波處理，得到脈搏 波信號SO和噪聲參考信號； 步驟2:使用非線性自適應濾波器獲取脈搏波信號SO和噪聲參考信號的非線性關系，即 噪聲估計信號;基于噪聲估計信號對脈搏波信號so進行濾波處理得到脈搏波信號Sk; 步驟3:對脈搏波信號Sk提取特征信息并基于分類的二元決策方法將脈搏波信號Sk分為 干凈與不干凈兩類； 對于類別為干凈的脈搏波信號Sk，則直接將其作為脈搏波信號s。； 對于類別為不干凈的脈搏波信號sk，則基于噪聲參考信號，使用奇異譜分析方法去除脈 搏波信號Sk中的噪聲干擾，得到脈搏波信號s。； 步驟4:獲取脈搏波信號s。的頻譜，記為第一頻譜;獲取非線性處理后的脈搏波信號Sc的 頻譜，記為第二頻譜； 獲取第一頻譜、第二頻譜在預設基頻范圍Ro的前D個最高譜峰，其中對應第一頻譜的前D 個最高譜峰的譜峰位置記為…，fD，對應第二頻譜的前D個最高譜峰的譜峰位置記為 P1，P2，···，PD; 基于非線性定位法定位當前時間窗的心率譜峰，若不能定位，再基于分類定位法定位； 其中，非線性定位法為:查找fl，f2,…，fD與P1，P2,…，PD中存在差值小于或等于預設閾 值Tl的譜峰位置A，且f1與Prev的差值小于或等于預設閾值T2,則譜峰位置A為當前時間窗 的心率譜峰位置，其中ie{l，2，···，0}，Prev表示上一時間窗確定的心率譜峰的譜峰位置， Prev的初始值為初始時間窗的脈搏波信號s。的頻譜的最高峰的譜峰位置； 分類定位法為:將不同時間窗的脈搏波信號s。作為分類器的訓練樣本，提取脈搏波信號 s。的特征信息構建分類器，并指定不同分類結果的心率譜峰位置;提取當前時間窗的脈搏 波信號s。的特征信息并輸入分類器進行分類判決，基于當前類別對應的心率譜峰位置確定 當前時間窗的心率譜峰位置； 步驟5:基于時間窗的心率譜峰位置計算心率值。2. 如權利要求1所述的方法，其特征在于，步驟4的分類定位法中，構建的分類器包括的 分類目標有C1、C2、C3三類： 判斷譜峰位置與第一頻譜在預設諧頻范圍R1的前D個最高譜峰的譜峰位置 出>，~>是否存在諧波對，即判斷是否滿足|2卜^|^^3，若是，則當前時間窗的脈搏波 信號s。屬于類別Cl，且類別Cl對應的心率譜峰位置為f j，其中je{l，2，~，D}，me{l，2，···， D}，T3為預設閾值； 否則繼續判斷譜峰位置fI，f2，…，fD中是否存在譜峰f j滿足I f j-Prev I彡T4，若是，則當 前時間窗的脈搏波信號s。屬于類別C2,且類別C2對應的心率譜峰位置為G，其中je {1， 2,…，D}，T4為預設閾值;否則當前時間窗的脈搏波信號Sc屬于類別C3,且類別C3對應的心 率譜峰位置為Prev。3. 如權利要求2所述的方法，其特征在于，步驟4中，基頻范圍Ro為[Prev-Δ ,Prev+Δ ]， 諧波范圍Ri為：[2(Prev_ Δ -I)+1，2(Prev+ Δ -1 )+1 ]，其中Δ表示預設參數。4. 步驟3中，基于噪聲參考信號，使用奇異譜分析方法去除脈搏波信號％中的噪聲干擾， 得到脈搏波信號s。具體為： 基于奇異值分解將脈搏波信號Sk分解為若干時間序列，同時計算各時間序列的頻譜并 統計主要頻率成分； 計算噪聲參考信號的頻譜并統計主要頻率成分； 依次判斷每個時間序列，若時間序列的主要頻率成分與噪聲參考信號的主要頻率成分 重疊，則刪除當前時間序列，對保留的時間序列進行重構得到脈搏波信號s。。5. 如權利要求1所述的方法，其特征在于，步驟4中，提取脈搏波信號Sk的特征向量包括： 脈搏波信號Sk與噪聲參考信號在時域、頻域下的皮爾遜相關系數、脈搏波信號Sk在頻譜 范圍Ro內的顯著譜峰個數、fi~f D與pi~Pd之間是否存在諧波對、fi~f D、pi~Pd與Prev各自 的差值，其中顯著波峰指峰值大于預設閾值的波峰。6. 如權利要求1所述的方法，其特征在于，采用時間窗長度為4~8秒，滑動間隔為1~2 秒的滑動時間窗對原始脈搏波信號、運動傳感器采集進行時間窗劃分。7. 如權利要求1所述的方法，其特征在于，步驟1中，帶通濾波處理的頻帶范圍為:〇. 4Hz ~0·5Ηζ〇8. 如權利要求1所述的方法，其特征在于，通過運動傳感器采集的原始運動信號為三軸 加速度信號。9. 如權利要求1所述的方法，其特征在于，步驟3中，對脈搏波信號&提取特征信息包括 時域特征、頻域特征和小波域特征： 時域特征包括:脈搏波信號Sk的能量、均值、方差； 頻域特征包括:脈搏波信號Sk的頻譜的均值、方差、顯著波峰數量，脈搏波信號Sk的頻譜 與脈搏波信號so的頻譜的相關系數、脈搏波信號Sk的頻譜與噪聲參考信號的頻譜的相關系 數，其中顯著波峰指峰值大于預設閾值的波峰； 小波域特征包括:脈搏波信號Sk小波分解后各子帶信號的能量、均值、方差。10. -種可穿戴心率監測設備，其特征在于，包括信號采集單元、信號預處理單元、信號 去噪單元、心率計算單元和輸出單元； 其中信號采集單元包括光電容積脈搏波傳感器和運動傳感器，用于采集被測者在運動 狀態下的原始脈搏波信號、原始運動信號并傳輸給信號預處理單元； 信號預處理單元對輸入信號進行時間窗劃分并進行帶通濾波處理，向信號去噪單元輸 入脈搏波信號SO和噪聲參考信號； 信號去噪單元通過非線性自適應濾波器捕獲脈搏波信號SO和噪聲參考信號的非線性關 系，即噪聲估計信號;再基于噪聲估計信號對脈搏波信號SO進行濾波處理得到脈搏波信號 Sk;以及通過判決單元采用分類的二元決策方法判決脈搏波信號Sk是否為干凈，若是，則直 接將脈搏波信號Sk作為脈搏波信號S。并輸入心率計算單元;否則基于噪聲參考信號，使用奇 異譜分析方法去除脈搏波信號Sk中的噪聲干擾，得到脈搏波信號S。后再輸入心率計算單元； 心率計算單元：以時間窗為單位，結合非線性定位法和分類定位法定位每個時間窗的 脈搏波信號S。的頻譜進行心率譜峰追蹤，定位每個時間窗的心率譜峰，并基于每個時間窗 的心率譜峰位置計算當前時間窗的心率值并發送給輸出顯示單元； 其中，定位每個時間窗的脈搏波信號S。的心率譜峰具體為： 獲取脈搏波信號S。的頻譜，記為第一頻譜;獲取非線性處理后的脈搏波信號S。的頻譜， 記為第二頻譜;獲取第一頻譜、第二頻譜在預設基頻范圍Ro內的前D個最高譜峰，其中對應 第一頻譜的前D個最高譜峰的譜峰位置記為…，f D，對應第二頻譜的前D個最高譜峰的 譜峰位置記為pi，P2，…，PD 在非線性定位法中：查找f I，f 2，…，fD與Pl，P2，…，PD中是否存在差值小于或等于預設閾 值Tl的譜峰位置h，且6與?代？的差值小于或等于預設閾值T2,如果存在，則譜峰位置心為 當前時間窗的心率譜峰位置，其中ie{l，2，-_，D}， 在分類定位法中：將不同時間窗的脈搏波信號s。作為分類器的訓練樣本，提取脈搏波信 號8。的特征信息構建分類器，并指定不同分類結果的心率譜峰位置;提取當前時間窗的脈 搏波信號S。的特征信息并輸入分類器進行分類判決，基于當前類別對應的心率譜峰位置確 定當前時間窗的心率譜峰位置； 輸出單元：以時間窗為單位，實時顯示當前時間窗的心率值。
【文檔編號】A61B5/11GK105919584SQ201610459447
【公開日】2016年9月7日
【申請日】2016年6月23日
【發明人】葉婭蘭, 何文文, 程云飛, 侯孟書, 張宇, 潘郎平, 徐海津, 陳天祥
【申請人】電子科技大學