带有噪声的实时生理数据信号数据处理方法与流程

本发明涉及一种通过盲数据源检测的方式来处理实时生理数据信号中带有的噪声数据，通过这些噪声数据的处理可以找到产生噪声的来源，通过对来源的分析来较好的重构出真实的生理数据，并设计相关算法及其相关的数据查询，通讯及更新方法。

背景技术：

通过光电信号来探测人体的生理数据已经广泛应用于临床的重症病人的监护中，随着可穿戴计算技术的普及和智能手机的广泛应用，这种应用已经不仅仅限于病人的状态监控。随着相关技术的发展，这种技术已经开始应用于正常人的生理数据的获取，来使普通人了解自己的身体状况获得更好的生活质量。然而在普通人群的使用场景中，和重病监控的一个显著差异在于个体处于一个不断的不可预测的变化中，运动，和其他物体的接触或靠近等均会给数据带来不同程度的影响。因此，我们需要建立一种消除上述因素带来的噪音，保证获得的数据能够真实的反应生理的状态。同时，我们也要考虑这种算法所需求的资源，保证在手机和相关的嵌入式设备中能够平滑的执行。

技术实现要素：

(一)要解决的技术问题

针对从可穿戴设备中获取生理数据的上述需求，本发明提供了一种带有噪声的实时生理数据信号数据处理方法，是一种快速，精度高的信号重构算法，通过这种算法，能够有效的消除由于各种运动造成的噪声，并且该算法针对手机和嵌入式设备做了相应的优化处理，能够顺畅的完成数据获取，数据分析和数据存储及加密的操作。

(二)技术方案

为了达到上述目的，本发明采取以下方案：

本发明的一种带有噪声的实时生理数据信号数据处理方法，步骤包括：

从已经匹配好的蓝牙设备中，获取固定长度的实时生理数据信号模式的生理数据，并进行加密，通过蓝牙通信传到实时生理数据处理设备对应的应用程序中；

应用程序首先检查，数据的完整性，通过计算sha1的校验位检测,如果没有问题，解密数据然后则进入步骤b，否则进入步骤a；

步骤a：丢弃接受到的数据，向蓝牙设备发出新的数据请求；

步骤b:从检查通过的数据包中，根据蓝牙通信的协议及规定好的数据格式，将数据提取出来，对这段数据做频谱分析,如果频谱结果符合规定的profile,进入下一阶段；不符合规定的profile,被丢弃；

将数据进行做butterworth滤波处理，butterworth滤波参数是profile中的中值频率的数据采样频率；

如果通过butterworthfilter的数据没有纵轴上的漂移，这个能够通过比较每50个数据的极小值连接的两条直线，如果这条直线和水平线平行或者和水平线的夹角的绝对值不超过5度，则认为这次采样中没有要处理的运动漂移，进入步骤c,否则，如果有超过阈值的运动漂移，进入步骤d；

步骤c:对butterworthfilter过滤的数据做反傅里叶变换，抽取最大的频谱和第二大的频谱来检验二者的频率是否接近双倍的关系，如果误差在5％的范围之内，认为生理数据已经获得成功，否则数据不合要求，丢弃；

步骤d:首先，对数据进行多通道数据重构，在一般的情况下，数据仅包含一个通道，在这种情况下，数据通过从单一的通道中通过不同的采样延时来构造多通道数据，重构完毕之后，通过fastica算 法来做盲源分离，在这里，不可事先预估的运动是一个信号源，通过独立分量分析的方法来估计这种源来纠正运动产生的数据偏差，有可能返回的数据源有多个，而由运动源的特点是纵轴上的移动，同时这个信号是一个平稳的低频信号，这种特点使它区别于其他的信号，通过简单的频谱分析，计算最大的频率信号，如果小于1hz，就基本上认定是运动源信号。找到之后，也可以通过在原始信号中消除这种信号之后，看是否新得到的信号是否在纵轴上的位移是否减小到阈值之内，如果在阈值之内，则我们认为运动造成的位移已经得到消除，否则，认为数据纠正失败。

其中，所述步骤b中规定的profile为标准的频谱的profile跨越的频谱范围从0.1hz-100hz,超过这个频谱范围的波形被认为存在不可处理的问题，被丢弃。

其中，所述步骤b中数据采样频率优选届数为5的butterworthfilter。

其中，所述步骤b中极小值定义为在一段超过3个点的连续的区间内的最小值。

其中，所述步骤c中反傅里叶变换是通过快速傅里叶变换算法达到。

其中，所述步骤d中采样延时的取值为20个采样样本的时间；所述步骤d中的阈值之内为<5％。

(三)有益效果

本发明能提供一种快速、精度高的信号重构算法，通过这种算法，能够有效的消除由于各种运动造成的噪声，并且该算法针对手机和嵌入式设备做了相应的优化处理，能够顺畅的完成数据获取、数据分析和数据存储及加密的操作。

附图说明

图1-a是本发明plusewave数据示意图一；

图1-b是本发明plusewave数据示意图二

图2是本发明数据处理流程图；

图3是本发明实施流程的示意图；

图4是本发明plusewave处理流程图；

图5是本发明运动偏移的纠正的示意图。

具体实施方式

以下实施例用于说明本发明，但不用来限制本发明的范围。

本发明的一种带有噪声的实时生理数据信号数据处理方法，步骤包括：

从已经匹配好的蓝牙设备中，获取固定长度的实时生理数据信号模式的生理数据，并进行加密，通过蓝牙通信传到实时生理数据处理设备对应的应用程序中；

应用程序首先检查，数据的完整性，通过计算sha1的校验位检测,如果没有问题，解密数据然后则进入步骤b，否则进入步骤a；

步骤a：丢弃接受到的数据，向蓝牙设备发出新的数据请求；

步骤b:从检查通过的数据包中，根据蓝牙通信的协议及规定好的数据格式，将数据提取出来，对这段数据做频谱分析,如果频谱结果符合规定的profile,进入下一阶段；不符合规定的profile,被丢弃；

将数据进行做butterworth滤波处理，butterworth滤波参数是profile中的中值频率的数据采样频率；

如果通过butterworthfilter的数据没有纵轴上的漂移，这个能够通过比较每50个数据的极小值连接的两条直线，如果这条直线和水平线平行或者和水平线的夹角的绝对值不超过5度，则认为这次采样中没有要处理的运动漂移，进入步骤c,否则，如果有超过阈值的运动漂移，进入步骤d；

步骤c:对butterworthfilter过滤的数据做反傅里叶变换，抽取最大的频谱和第二大的频谱来检验二者的频率是否接近双倍的关系，如果误差在5％的范围之内，认为生理数据已经获得成功，否则数据不合要求，丢弃；

步骤d:首先，对数据进行多通道数据重构，在一般的情况下，数据仅包含一个通道，在这种情况下，数据通过从单一的通道中通过不同的采样延时来构造多通道数据，重构完毕之后，通过fastica算法来做盲源分离，在这里，不可事先预估的运动是一个信号源，通过快速独立分量分析的方法来估计这种源来纠正运动产生的数据偏差，有可能返回的数据源有多个，而由运动源的特点是纵轴上的移动，同时这个信号是一个平稳的低频信号，这种特点使它区别于其他的信号，通过简单的频谱分析，计算最大的频率信号，如果小于1hz，就基本上认定是运动源信号。找到之后，也可以通过在原始信号中消除这种信号之后，看是否新得到的信号是否在纵轴上的位移是否减小到阈值之内，如果在阈值之内，则我们认为运动造成的位移已经得到消除，否则，认为数据纠正失败。

所述步骤b中规定的profile为标准的频谱的profile跨越的频谱范围从0.1hz-100hz,超过这个频谱范围的波形被认为存在不可处理的问题，被丢弃。

所述步骤b中数据采样频率优选届数为5的butterworthfilter。

所述步骤b中极小值定义为在一段超过3个点的连续的区间内的最小值。

所述步骤c中反傅里叶变换是通过快速傅里叶变换算法达到。

所述步骤d中采样延时的取值为20个采样样本的时间；所述步骤d中的阈值之内为<5％。

所述阈值计算是计算一个相对量，假设阈值用d来表示d＝ |2*d2-d1|/d2,d1是指单倍频的值，d2是指双倍频的值，d<0.05,即在阈值之内。

在文中，具有生物医学信号处理的普通技术人员应当理解，某些术语来自于信号处理技术领域，如盲源分析，傅里叶变换，频谱分析等等。

盲源：指无法/很难通过测试来精确确定的数据信号源

fastica:fastindependentcomponentanalysis,快速独立分量分析；

快速独立分量分析：一种数字信号处理方法，是指从多个源信号的线性混合信号中分离出源信号的技术；

butterworthfilter:巴特沃斯滤波器

spectrumanalysis:频谱分析；

频谱分析：将时域信号变换至频域加以分析的方法称为频谱分析，可以通过傅里叶变换达到；

uuid：是通用唯一识别码(universallyuniqueidentifier)，这是一个软件建构的标准；

profile：是指数据频率的组成状况；

fastica算法：即快速独立分量分析；

sha1：散列算法；

fft：快速傅里叶变换；

pulsewave信号发生器：是指产生plusewave的信号源，plusewave是指心动信号波；

bw滤波模块：即butterworth滤波器，是一种数字信号处理的处理方法，目的在于获得具有某种属性的数据。

首先，在展开具体描述之前，如前所述，本发明揭示一种用于在自由运动环境下的生理数据降噪处理算法。此处，以一款实验中的光源为540纳米的pulsewave信号发生器为例来演示整个数据的处理流 程。

数据通过传感器采集之后，通过频谱检测模块对信号的频谱范围进行估测得到的结果如图4中的第三栏所示，可以计算出功率在20db/hz以上的频率值，如果在0.1到100hz之间，则通过，数据进入bw滤波模块203，滤波之后，检查是否数据有运动漂移，如果没有，则进入数据验证模块206，如果有则进入多通道重构模块204，重构之后，进入fastica模块205，通过fastica算法来获取数据源，如果多通道数据处理结果收敛，则进入数据验证模块206，否则，丢弃；在数据验证模块206，如果数据结果符合二倍频关系，则数据被接受，否则放弃。

图4中的最上一栏表示的是通过频谱检查的原始plusewave数据，中栏是通过了bw滤波处理的数据，我们可以看到数据的最小值连接的水平线和x轴平行，无需运动偏移校正，最下一栏是数据的质量验证，功率最大的频率和第二的频率正好是两倍的关系。

图5中可以看到在后面的数据中有一个运动抖动，第四栏是通过fastica算法找到的震动源，通过相加可以大致消除掉这个运动量。而最后的数据的质量验证的质量也完全合格。

图4和图5的x轴是指时间值，y轴是频谱值。

同时，为了便于这种数据的私密性能够得到保护，我们在数据通信中通过实时生理参数测定设备的独立的蓝牙uuid号码对数据加密,这个详细说明参见相关文档，如此，我们能够保证数据只有在用户的配合之下才能进行下一步的处理。

以上所述的仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。