一种心率和呼吸率信号处理与跟踪方法及其系统的制作方法
【专利摘要】本发明公开了一种心率和呼吸率信号处理与跟踪方法，包括：信号处理步骤用于通过加速度传感器采集的心率与呼吸率加速度原始信号，采用小波方法去除噪声信号，获取心率与呼吸率的去噪信号；信号分离步骤为基于心率与呼吸率去噪信号，采用信号平滑方法，获取呼吸率信号后，采用信号模型在心率与呼吸率去噪信号中实时去除呼吸率信号，获取心率信号；信号跟踪估算步骤用于跟踪呼吸率信号和心率信号，在设定时间段内获取瞬时呼吸率信号和瞬时心率信号，并在信号缺失的情况下，进行信号预测。
【专利说明】一种心率和呼吸率信号处理与跟踪方法及其系统
【技术领域】
[0001] 本发明涉及信号处理领域，特别涉及一种心率和呼吸率信号处理与跟踪方法及其 系统。
【背景技术】
[0002] 心率（heart rate)对衡量人的心脏健康程度有相当重要的意义，它是指单位时间 内心脏搏动的次数，是临床常规诊断的生理参数。通常测量的是静息心率，是指人在清醒不 活动的情况下每分钟的心跳次数。静息心率的升高会导致人的寿命的缩短。流行病学上已 经证明静息心率升高会增加死亡率，这对于心血管疾病患者尤其明显。近年来，越来越多的 医学研宄结果证明，静息心率加快可增加心血管疾病的发病率和死亡率，从而对健康造成 严重危害。
[0003] Marie Therese Cooney的研宄发现对于男性来说，平均心率大于90beats/min的 个体的心脏病患病风险是平均心率小于60beats/min的个体的两倍，对于女性来说，这个 值是三倍。E. Kristal-Boneh研宄发现静息心率增加还可以加速新陈代谢，同时伴随有害自 由基的产生量增加，损伤血管内皮，加速动脉硬化的发生。因此控制心率是防治多种疾病， 尤其是心血管疾病的重要方法。
[0004] 近几十年来，国民经济迅速发展，人民生活水平不断提高，与此同时，因心血管疾 病导致的死亡率逐年升高，尤其是自2001年我国进入老龄化社会以来，截止到2013年底， 我国65岁以上老年人口数量已超过总人口的10 %。大多数老年人受到糖尿病、心脑血管疾 病等全球性"杀手级"慢性疾病的困扰，严重威胁老年人的生命安全，因此需要便携式、低成 本的信息技术产品为老年人排忧解难。
[0005] 现有心率及呼吸率信号测量原理：心脏在收缩时，心尖撞击心前区胸壁，使相应 部位肋间组织向外搏动，称为心尖搏动。心尖搏动一般位于第5肋间左锁骨中线内0. 5? I. Ocm处，距正中线约L 0?9. 0cm，搏动范围直径约2. 0?2. 5cm，如图1中所示A，B位置。 人躺着、坐着或站立，通过将穿戴式设备（如使加速度传感器位于A位置的胸罩或胸带）捕 捉到这种振动，采样频率取IOOHz左右（视能耗情况而定）。实际测量中，也可以用带有加 速度传感器的手机放置于B位置，人躺着，手机的采样频率为25Hz左右（视手机CPU主频 不同有较大差异，一般在15?25Hz之间），也能感受得到搏动信号。
[0006] 智能手机的普及率很高，全球智能手机用户数超过7亿，并且智能手机一般都支 持多种高精度传感器，例如加速度传感器能捕捉到加速度的细微变化，光学传感器能捕捉 到由于血液循环而造成的人体表皮颜色的细微变化，GPS能够比较精确地测量海拔高度等 等。目前，大多数测量心率方法运用原理是PPG(光电容积脉搏波描记法），即利用心脏收缩 和舒张时，局部血液容量变化导致的透射光或者反射光的脉搏性变化。具体的便携式设备 实现形式有两类，一类利用反射光的衰减变化的，例如基于摄像头的心率监测方法，第二类 利用透射光的衰减变化，例如基于发射-接收光传感的指夹脉搏血氧仪器心率监测方法。 心率的获取途径仍有突破空间，目前提到的检测方法和设备形式都涉及到生物传感器，或 者价格稍贵的手机摄像头，虽然能够得到理想的结果，但是成本较高无法大量进入到平常 百姓家庭；另一方法面，部分穿戴式设备的存在感较强，便携性不好。
[0007] 基于以上现有技术存在的问题，亟待研发一种新型的心率和呼吸率信号处理与跟 踪方法及其系统。
【发明内容】
[0008] 本发明的目的在于提供一种心率和呼吸率信号处理与跟踪方法及其系统，以解决 现有技术中存在的心率与呼吸率信号处理及跟踪系统成本高，便携性差的问题。
[0009] 为达上述目的，本发明提出了一种心率和呼吸率信号处理与跟踪方法，包括：
[0010] 信号处理步骤：通过加速度传感器采集的心率与呼吸率加速度原始信号，采用小 波方法去除噪声信号，获取心率与呼吸率的去噪信号；
[0011] 信号分离步骤：基于所述心率与呼吸率去噪信号，采用信号平滑方法，获取呼吸率 信号后，采用信号模型在所述心率与呼吸率去噪信号中实时去除所述呼吸率信号，获取心 率信号；
[0012] 信号跟踪估算步骤：跟踪所述呼吸率信号和所述心率信号，在设定时间段内获取 瞬时呼吸率信号和瞬时心率信号。
[0013] 上述心率和呼吸率信号处理与跟踪方法，所述方法还包括：
[0014] 信号预测步骤：在采集的所述心率与呼吸率加速度原始信号缺失的情况下，采用 基于相空间的预测方法，对一段区间内的心率信号进行预测。
[0015] 上述心率和呼吸率信号处理与跟踪方法，所述信号模型为：S = S，Sh+e，其中S为 所述心率与呼吸率加速度原始信号，Sp Sh分别为所述呼吸信号和所述心率信号，e为所述 噪声信号。
[0016] 上述心率和呼吸率信号处理与跟踪方法，所述信号处理步骤还包括：
[0017] 小波分解步骤：对所述原始信号S通过小波分解方法分解为多层；
[0018] 去噪步骤：采用全局法估计小波阈值参数，对所述原始信号S进行去噪处理。
[0019] 上述心率和呼吸率信号处理与跟踪方法，所述小波阈值参数为W"k，通过公式表示 为：
【权利要求】
1. 一种心率和呼吸率信号处理与跟踪方法，其特征在于，包括： 信号处理步骤：通过加速度传感器采集的心率与呼吸率加速度原始信号，采用小波方 法去除噪声信号，获取心率与呼吸率的去噪信号； 信号分离步骤：基于所述心率与呼吸率去噪信号，采用信号平滑方法，获取呼吸率信号 后，采用信号模型在所述心率与呼吸率去噪信号中实时去除所述呼吸率信号，获取心率信 号； 信号跟踪估算步骤：跟踪所述呼吸率信号和所述心率信号，在设定时间段内获取瞬时 呼吸率信号和瞬时心率信号。
2. 根据权利要求1所述心率和呼吸率信号处理与跟踪方法，其特征在于，所述方法还 包括： 信号预测步骤：在采集的所述心率与呼吸率加速度原始信号缺失的情况下，采用基于 相空间的预测方法，对一段区间内的心率信号进行预测。
3. 根据权利要求1所述心率和呼吸率信号处理与跟踪方法，其特征在于，所述信号模 型为：S=S，Sh+e，其中S为所述心率与呼吸率加速度原始信号，Sh分别为所述呼吸信 号和所述心率信号，e为所述噪声信号。
4. 根据权利要求1所述心率和呼吸率信号处理与跟踪方法，其特征在于，所述信号处 理步骤还包括： 小波分解步骤：对所述原始信号S通过小波分解方法分解为多层； 去噪步骤：采用全局法估计小波阈值参数，对所述原始信号S进行去噪处理。
5. 根据权利要求4所述心率和呼吸率信号处理与跟踪方法，其特征在于，所述小波阈 值参数为，通过公式表示为：
其中所述λ为阈值，所述6为噪音方差估计，所述λ和所述&通过公式表示为： Λ = σ^2InN ^ Median (IdlI) σ=-~~L 0. 6745 其中，所述N为信号长度，所述屯表示第一级小波分解高频子带系数。
6. 根据权利要求1所述心率和呼吸率信号处理与跟踪方法，其特征在于，所述信号分 离步骤还包括： 呼吸率信号获取步骤：将所述去噪信号进行小波逆变换后，进行信号重构，再将信号进 行均值平滑，得到所述呼吸信号 心率信号获取步骤：对所述去噪信号中的残差信号作小波变换，取多层重构得到所述 心率信号Sh。
7. 根据权利要求1所述心率和呼吸率信号处理与跟踪方法，其特征在于，所述信号跟 踪估算步骤还包括： 瞬时呼吸率信号获取步骤：跟踪一时间段内的呼吸率信号，检测所述呼吸率信号的峰 值，计算所述瞬时呼吸率信号； 瞬时心率信号获取步骤：跟踪一时间段内的心率信号，计算每个预先设定时间间隔内 的所述瞬时心率信号。
8. 根据权利要求7所述心率和呼吸率信号处理与跟踪方法，其特征在于，所述瞬时心 率信号获取步骤还包括： 初始化步骤：选择初始同步位，开始进行所述心率信号的跟踪； 间期获取步骤：在所述心率信号的检测窗口内，设定一个扫描半径，如果在所述扫描半 径范围内多个所述心率信号的点值中的一值大于所述扫描半径范围内所述心率信号点值 的任意值，则所述心率信号的点值中的一值为局部极值，获取局部极值时间，根据两个所述 时间段的所述局部极值时间的差值，计算间期； 判断步骤：若所述间期大于预设的阈值，则判断发生了心率缺失，则执行所述信号预测 步骤； 心率序列计算步骤：基于第i个时间片内检测到η次的所述间期，计算心率序列hi; 更新步骤：基于所述心率序列Iii获取自相关函数值，检测自相关函数周期，并更新半径 r〇
9. 根据权利要求8所述心率和呼吸率信号处理与跟踪方法，其特征在于，所述间期为 RR，第k个所述RR的计算公式为：RRk=t ，其中，所述tk和tJrf为局部极值时间，k为 正整数。
10. 根据权利要求9所述心率和呼吸率信号处理与跟踪方法，其特征在于，所述心率序 列h;的计筧公式为：
;中，所述k、所述i和所述η为正整数。
11. 根据权利要求2所述心率和呼吸率信号处理与跟踪方法，其特征在于，所述信号预 测步骤还包括： 重构步骤：构造相空间的向量，在所述相空间中，计算所述相空间向量的多个近邻空间 重构向量； 心率预测步骤：当大于阈值个时间片缺失时，计算所述心率预测信号值。
12. 根据权利要求11所述心率和呼吸率信号处理与跟踪方法，其特征在于，所述心率 预测信号值h(T+l)的计算公式为：
其中，T+1为时间片缺失个数，e为随机误差，为待定系数， 其中，H(T)为所述相空间向量，H(T)表示为： H(T) =(h(T),h(T-xh(T-(m-l)τ)), 其中，所述相空间向量H(T)的k个近邻空间重构向量表示为： H(T1),H(T2),...,H(Tk)； 其中，h(T)为第T个时间片检测的心率信号值，τ为延迟时间，m为正整数， 其中，c为方程系数，所述c表示为：，其中A为参数，所述A表示为：
所述y为c的计算参数，所述y表示为：y =(h(?\+1)，h(T2+l)，......，h(Tk+1))τ。
13. -种心率和呼吸率信号处理与跟踪系统，采用如权利要求1-12中任一项所述心率 和呼吸率信号处理与跟踪方法，其特征在于，包括： 信号处理模块：通过加速度传感器采集的心率与呼吸率加速度原始信号，采用小波方 法去除噪声信号，获取心率与呼吸率的去噪信号； 信号分离模块：基于所述心率与呼吸率去噪信号，采用信号平滑方法，获取呼吸率信号 后，采用信号模型在所述心率与呼吸率去噪信号中实时去除所述呼吸率信号，获取心率信 号； 信号跟踪估算模块：跟踪所述呼吸率信号和所述心率信号，在设定时间段内获取瞬时 呼吸率信号和瞬时心率信号。
14. 根据权利要求13所述心率和呼吸率信号处理与跟踪系统，其特征在于，所述系统 还包括： 信号预测模块：在采集的所述心率与呼吸率加速度原始信号缺失的情况下，采用基于 相空间的预测方法，对一段区间内的心率信号进行预测。
15. 根据权利要求13所述心率和呼吸率信号处理与跟踪系统，其特征在于，所述信号 处理模块还包括： 小波分解模块：对所述原始信号S通过小波分解方法分解为多层； 去噪模块：采用全局法估计小波阈值参数，对所述原始信号S进行去噪处理。
16. 根据权利要求13所述心率和呼吸率信号处理与跟踪系统，其特征在于，所述信号 分离模块还包括： 呼吸率信号获取模块：将所述去噪信号进行小波逆变换后，进行信号重构，再将信号进 行均值平滑，得到所述呼吸信号 心率信号获取模块：对所述去噪信号中的残差信号作小波变换，取多层重构得到所述 心率信号sh。
17. 根据权利要求13所述心率和呼吸率信号处理与跟踪系统，其特征在于，所述信号 跟踪估算模块还包括： 瞬时呼吸率信号获取模块：跟踪一时间段内的呼吸率信号，检测所述呼吸率信号的峰 值，计算所述瞬时呼吸率信号； 瞬时心率信号获取模块：跟踪一时间段内的心率信号，计算每个预先设定时间间隔内 的所述瞬时心率信号。
18. 根据权利要求14所述心率和呼吸率信号处理与跟踪系统，其特征在于，所述信号 预测模块还包括： 重构模块：构造相空间的向量，在所述相空间中，计算所述相空间向量的多个近邻空间 重构向量； 心率预测模块：当大于阈值个时间片缺失时，计算所述心率预测信号值。
【文档编号】A61B5/0205GK104434064SQ201410697445
【公开日】2015年3月25日 申请日期:2014年11月26日 优先权日:2014年11月26日
【发明者】朱珍民, 郭高安, 沈燕飞, 马官慧, 许晓莹 申请人:中国科学院计算技术研究所