使用低功率传感器进行心率和呼吸率估计的方法和装置与流程

相关申请的交叉引用

本申请要求2016年3月28日递交的美国临时申请第62/313,910号的权益，在此通过引用将其公开内容全部并入。通过引用将美国申请第14/924,565号的内容全部并入。

本公开涉及测量用户的身体信号，并且更具体地，涉及使用低功率传感器进行心率和呼吸率估计的方法和装置。

背景技术：

和任何便携式电子设备一样，也期望监测生物信号的可穿戴传感器设备有长的电池寿命。通常，可以通过提供较少的信息内容而为可穿戴设备提供较长的电池寿命。然而，在一些情况下，减少的信息内容可能是不可接受的。

光电容积描记图(photoplethysmogram，ppg)传感器设备通常基于以ppg为基础的心率方法确定并且估计心率和呼吸率。然而，ppg传感器消耗大量功率。

技术实现要素：

提供了用于基于非期望的生物信号或生物计量数据进行连续分类(triage)和随后上报(escalation)的方法和装置。示例实施例可以包括存储机器可运行的指令的非暂态机器可读介质，当运行指令时导致计算系统控制用于测量用户的生物信号的操作。所述操作可以包括经由当前信道获取用户的心脏射血容量描记图(ballistocardiogram，bcg)信号，其中当前信道是传感器的至少一个信道。bcg信号可被处理为分解信号(decomposedsignal)，并且分解信号可被处理为重构信号(reconstructedsignal)。重构信号然后可被处理为心率、呼吸率、呼吸相位和血压中的至少一者，其可被显示以供用户或其他人观看。

另一示例实施例可以是用于测量用户的生物信号的系统，包含传感器模块，被配置为经由当前信道获取用户的心脏射血容量描记图(bcg)信号，其中当前信道是传感器模块的至少一个信道。该系统还可以包括分解模块，被配置为将bcg信号分解为分解信号，以及重构模块，被配置为将分解信号的至少部分重构为重构信号。处理模块可被配置为将重构信号处理为心率、呼吸率、呼吸相位和血压的至少一者。心率、呼吸率、呼吸相位和血压的一个或多个可被显示在显示模块上以供用户或其他人观看。

另一示例实施例可以是用于测量用户的生物信号的方法，包含经由当前信道获取用户的心脏射血容量描记图(bcg)信号，其中当前信道是传感器模块的至少一个信道。bcg信号可被分解为分解信号，并且分解信号的至少部分可被重构为重构信号。重构信号可被处理为心率、呼吸率、呼吸相位和血压的至少一者，并且心率、呼吸率、呼吸相位和/或血压的一个或多个可被显示在显示设备上。

附加的方面将在以下描述中说明和/或通过给出的示例实施例的实践而习得。

附图说明

结合附图，从示例实施例的以下描述中，这些和/或其它方面将变得显见并且更容易理解。

图1是示出根据本公开的实施例的电子设备的图。

图2是根据本公开的实施例的电子设备的高级框图。

图3是根据本公开的实施例的通信网络中电子设备的图解。

图4a是根据本公开的实施例的bcg信号的示范性图解。

图4b是根据本公开的实施例的ppg信号的示范性图解。

图5a示出了根据本公开的实施例的示范性daubechies5缩放(scaling)函数波形。

图5b示出了根据本公开的实施例的示范性daubechies5小波函数波形。

图6a示出了根据本公开的实施例的示范性bcg信号。

图6b示出了根据本公开的实施例的在0到0.78hz频率范围内基于小波的bcg分解波形。

图6c示出了根据本公开的实施例的在0.78到1.56hz频率范围内基于小波的bcg分解波形。

图6d示出了根据本公开的实施例的在1.56到3.13hz频率范围内基于小波的bcg分解波形。

图6e示出了根据本公开的实施例的在3.13到6.25hz频率范围内基于小波的bcg分解波形。

图6f示出了根据本公开的实施例的在6.25到12.5hz频率范围内基于小波的bcg分解波形。

图6g示出了根据本公开的实施例的在12.5到25hz频率范围内基于小波的bcg分解波形。

图6h示出了根据本公开的实施例的在25到50hz频率范围内基于小波的bcg分解波形。

图6i示出了根据本公开的实施例的在50到100hz频率范围内基于小波的bcg分解波形。

图7a示出了根据本公开的示例实施例用于重构分解的bcg信号的示范性流程图。

图7b示出了根据本公开的示例实施例用于重构分解的bcg信号的示范性流程图。

图8a示出了根据本公开的实施例的示范性bcg波形。

图8b示出了根据本公开的实施例的重构的bcg信号的示范性波形。

图8c示出了根据本公开的实施例的示范性ppg波形。

图8d示出了根据本公开的实施例的示范性bcg波形。

图8e示出了根据本公开的实施例的重构的bcg信号的示范性波形。

图8f示出了根据本公开的实施例的示范性ppg波形。

图9a示出了根据本公开的实施例的第一用户的基于bcg和基于ppg的心率趋势的示范性波形。

图9b示出了根据本公开的实施例的第二用户的基于bcg和基于ppg的心率趋势的示范性波形。

图10示出了根据本公开的实施例的来自传感器的信号对比相应信号的甚低频(verylowfrequency，vlf)分量的示范性波形。

图11a示出了根据本公开的实施例的第一用户的夜间呼吸率趋势的示范性波形。

图11b示出了根据本公开的实施例的第二用户的夜间呼吸率趋势的示范性波形。

图12示出了根据本公开的实施例的由传感器的取向(orientation)变化触发的信号质量变化的示范性波形。

图13a示出了根据本公开的实施例的手在各种位置时呼吸率估计的示范性波形。

图13b示出了根据本公开的实施例的手在各种位置时心率估计的示范性波形。

图14a示出了根据本公开的实施例的针对连续静息(resting)的心率和呼吸监测的智能功率调度的示范性流程图。

图14b示出了根据本公开的实施例的针对连续静息的心率和呼吸监测的智能功率调度的示范性流程图。

具体实施方式

通过对实施例和附图的以下具体描述的引用，本公开的一个或多个实施例的优点和特征可以被更容易地理解。

在此方面，本实施例不应被解释为受限于本文阐述的描述。而是，这些实施例被提供为示例以便本公开将是全面和完整的并且将向本领域普通技术人员完全地传达本实施例的构思。所附权利要求阐述了本公开的实施例的一些。

贯穿本说明书全文，相同的附图标记指代相同的元件。本文使用的包括描述性或技术术语的全部术语应当被解释为具有对本领域普通技术人员显见的意思。当由于语言的演进、先例或新技术的出现而使术语的意思模糊时，本公开中使用的术语的意思应当被首先按照本公开中它的使用和/或定义来阐释。如果需要进一步说明时，则该术语之后应当被阐释为本领域普通技术人员应在公开时结合本公开的上下文理解该术语。

当部件“包括”或“包含”元件时，除非有与其相反的具体描述，否则该部件可以进一步包括其它元件。本公开的实施例中的术语“单元”意指执行具体功能的软件组件或硬件组件。硬件组件可以包括，例如，现场可编程门阵列(fpga)或专用集成电路(asic)。

软件组件可以指代可寻址存储介质中的可执行代码和/或可执行代码使用的数据。因而，软件组件可以是，例如，面向对象的软件组件、类组件和任务组件，并且可以包括进程、函数、属性、步骤、子例程、程序代码的分段，驱动器、固件、微代码、电路、数据、数据库、数据结构、表、数组或变量。

“单元”提供的功能可被划分为附加组件和“单元”。

现在将具体对实施例进行参考，实施例的示例在附图中示出。在此方面，本发明实施例可以具有不同形式并且不应当被解释为受限于本文阐述的描述。

以下描述中，公知的功能或结构不被具体描述以免用不必要的细节模糊了实施例。

图1是示出根据本公开的实施例的电子设备的图。参考图1，电子设备，其可以是用户可穿戴设备100，具有显示器102、第一处理器110和112、传感器模块120、电池130、带子140以及扣环142。传感器模块120可以包括传感器122和124。第一处理器110或第二处理器112还可以被称为诊断处理器。

尽管用户可穿戴设备100可被佩戴在手腕上，但本公开的各种实施例不需要被这样限制。用户可穿戴设备100还可被设计成佩戴在身体的其它部分，诸如，例如，胳膊上(前臂、肘部或上臂周围)、腿上、胸前、像头带一样在头上、像“项圈”一样在喉部、以及在耳朵上。用户可穿戴设备100可以与其它电子设备通信，诸如，例如，智能电话、膝上型计算机、或医院或医生办公室里的各种医疗设备。这将结合图3更具体描述。

显示器102可以输出来自用户身体的被监测的生理信号供用户或其他人观察。被监测的信号可以被称为生物信号或生物计量数据。监测的信号可以是，例如，心(脉搏)率、脉搏形态(形状)、脉搏间隔(搏动间隔)、呼吸率和血压。显示器102还可以在用户可穿戴设备100的使用或其它测量设备的使用时向用户或其它人输出指令，以及，例如，状态和诊断结果。

第一处理器110可以经由传感器模块120中的低功率传感器接收监测的信号。传感器模块120可以包括，例如，当用户佩戴用户可穿戴设备100时从用户的手腕获得信号的传感器122和124。第一传感器122和/或第二传感器124可以是，例如，加速度计。第二处理器112可以控制传感器122和124，并且还可以处理传感器122和124监测的信号。例如，第二处理器112可以分解第一传感器122和/或第二传感器124监测的信号，并且之后重构分解信号。本公开的各种实施例可以有同样执行第二处理器112的功能的第一处理器110。本公开的各种实施例还可以有不同数目的传感器。

第一传感器122可以是，例如，用来连续或接近连续地监测脉搏相关信息的运动传感器或加速度计。第二传感器124可以类似于第一传感器122或是不同类型的传感器，诸如，例如，用于测量用户温度的温度计。

电池130可被配置为向用户可穿戴设备100供电。电池130可以使用有线充电系统或无线充电系统来充电。带子140可以包裹在手腕周围并且用户可穿戴设备100可以通过使用扣环142固定在手腕上。

图2是根据本公开的实施例的电子设备的高级框图。参考图2，示出了显示器102、第一处理器110、传感器模块120和电池130。向显示器102的输出可以受第一处理器110的控制。显示器102还可以包括输入设备(未示出)，诸如，例如，按钮、拨号盘、触敏屏幕和麦克风。

第一处理器110可以包括cpu200、存储器210、输入/输出(io)接口220、通信接口230、电源管理单元(pmu)240、分解模块250和重构模块260。尽管第一处理器110被描述为包含这些各种设备，但其它实施例可以使用其它架构，其中不同功能被不同地分组。例如，所述分组可以在不同集成电路芯片中。或者所述分组可以是组合不同设备，诸如将io接口220和通信接口230组合一起，或将分解模块250和重构模块260组合一起。

cpu200可以控制传感器模块120的操作以及从传感器模块120接收监测的信号。cpu200可以控制用户可穿戴设备100，包括处理来自传感器模块120的监测信号、在显示器102上显示已处理的信号、从显示器102接收输入、通过运行存储器210中的指令经由io接口220或通信接口230与各种设备接口。io接口220可被cpu200用来与显示器102接口。

不同实施例中，第二处理器112可以使用不同架构来操作。例如，第二处理器112可以使用存储器210存储指令以运行，或者第二处理器112可以具有用于自己的指令的自身的存储器(未示出)。尽管一些实施例有单独的处理器110和112，但是各种实施例不需要被这样限制。可以有控制用户可穿戴设备100的功能的一个第一处理器110，或者可以有用于用户可穿戴设备100的多个处理器。

存储器210可以包括非易失性存储器216和易失性存储器218。操作系统和应用可以存储在非易失性存储器216中。本公开的各种实施例可以使用依赖设计和/或实现的不同存储器架构。

通信接口230可以允许用户可穿戴设备100经由，例如，诸如usb、蓝牙、近场通信(nfc)和wifi的有线或无线协议，与其它设备通信。pmu240可以控制从外部源接收功率、为电池130充电和向用户可穿戴设备100的不同部件的功率的分配。

分解模块250可以起分解的作用，例如，使用时频转换将诸如bcg信号的输入信号分解为多个频带。重构模块260可以起重构的作用，例如，将来自分解模块250的分解信号重构以提炼并获取诸如bcg信号的原始信号的期望分量。

图3是根据本公开的实施例的对通信网络中电子设备的图解。参考图3，示出了用户可穿戴设备100和智能电话300。用户可穿戴设备100可以使用通信模块230与智能电话300通信。该通信可以经由通信信号302，其中该通信可以在用户可穿戴设备100和智能电话300之间直接进行，或者在用户可穿戴设备100和智能电话300之间包括其它元件。

用户可穿戴设备100的应用214中的一个可以允许智能电话300控制用户可穿戴设备100的至少一些操作。例如，用户可穿戴设备100可以向显示器102输出第一处理器110的处理结果，和/或相同结果可被发送到智能电话300。用户还可以在用户可穿戴设备100或智能电话300的任一者上选择选项。所述选项可以是，例如，开启用户可穿戴设备100的生物信号监测过程或停止生物信号监测过程。

由于智能电话300有更大的显示器，所以用户在智能电话300上比用户可穿戴设备100上更容易看到结果或选择选项。然而，应当注意到智能电话300可能对于用户可穿戴设备100的操作来说通常不是必需的。

图4a和图4b分别示出了bcg信号和ppg信号。bcg信号测量心输出量和呼吸运动所引发的身体加速度。通常，bcg信号与人体同轴的运动相应。可以看出，图4b的ppg信号相对简单而图4a的bcg信号相对复杂，因为bcg信号在一次心跳期间包含多个峰值事件。峰值可被分类为三个主要组：预收缩、收缩和舒张。由于bcg信号的复杂性和bcg信号的谐波图样，这对于直接从原始bcg信号确定心率和呼吸率来说可能构成挑战。因此，bcg信号可能需要被处理以确定心率和呼吸率。

理想bcg信号可建模化为：

其中a指代心脏相关分量的权重，b指代呼吸分量的权重，fhr指代心跳频率，frr指代呼吸频率，k指代心跳的谐波因子，呼吸相移，以及δ指代噪声和伪影(artifact)。

为了使用bcg信号精确量化心脏和呼吸的活动，本公开提供bcg转换过程(信号预处理)以从等式(1)提取相应参数并且将该参数转变为类ppg波形(ppg-likewaveform)。这在以下更具体解释。

尽管本公开的各种实施例已被公开以确定心率和呼吸率，但是实施例不需要被这样限制。例如，bcg信号也可以被处理以确定用户的呼吸相位。

图5a和图5b分别示出了示例daubechies5缩放函数波形和daubechies5小波函数波形。本公开的实施例可以使用示出的缩放函数和小波函数来分解诸如，例如bcg信号的信号。

图6a到图6i示出了根据本公开的实施例的示例bcg信号和基于小波的bcg分解波形。这些图示出了图6a中的bcg信号和通过七级分解从bcg信号分解产生的8个频带。例如，图6b到图6i可以示出100hz采样速率的bcg信号被分解成8个频带。图6b到图6i所示的8个频带分别与大约0到0.78hz、0.78到1.56hz、1.56到3.13hz、3.13到6.25hz、6.25到12.5hz、12.5到25hz、25到50hz和50到100hz的频带对应。

较低频率层可以与呼吸图样对应而中间频带可以与心跳事件对应。由于daubechies5小波与bcg心跳事件有高相似度，所以图4a和图4b所示的daubechies5波形可被用来将图6a所示的bcg信号分解成图6b到图6i所示的分解信号。

本公开的各种实施例可以基于其它小波执行bcg信号分解，其它小波诸如，例如展现出与bcg心跳事件高相关性的symlet小波或双正交小波。其它实施例可以提供指代bcg(形态)的可配置小波。因而，各种实施例可以使用不同类型的小波，包括，例如自生成母小波(self-generatedmotherwavelet)。

尽管图6b到图6i针对已分解bcg信号示出了8个频带，但是基于bcg采样速率和指定的使用案例(如，心率、呼吸率、呼吸相位、血压)已分解频带的数目可以是任意数目而不偏离本公开的范围。

本公开的各种实施例可以基于关联频带对用户身体采用期望类型的速率测量。因此，传感器数据可从用户的各种身体位置获得。

本公开的各种实施例可以基于多个信号分解技术的一个或多个执行bcg信号分解，多个信号分解技术包括但不限于hilbert(希尔伯特)变换、有不同截止频率和阻带的一个或多个有限冲击响应(fir)/无限冲击响应(iir)滤波器、基于时域的移动平均方法和多阶导数。

图7a示出了根据本公开的实施例用于重构分解后的bcg信号的示例流程图。参考图7a，各种传感器，诸如，例如第一传感器122和/或第二传感器124，可以检测一个或多个方向上的运动。例如，第一传感器122和第二124的每个可以检测x、y和z方向上的运动。替换地，用户可穿戴设备100上的传感器可以只在一个或两个方向上检测运动。能够检测多个方向上的运动的传感器可被称为具有多个信道，其中每个信道可以检测特定方向上的运动。bcg信号可被解释为单个信道运动传感器信号或多信道融合信号(如，加速度计幅度信号)。运动传感器可以检测，例如加速度。

运动数据可以在702处被接收。该运动数据可以是，例如，图4a的bcg信号所示的加速度幅度。704处，运动数据可以使用n级小波分解而被分解。该分解可由，例如分解模块250执行。这可以产生706a到706h处所示的分解信号，其与图6b到图6i所示的分解信号对应。

本公开的各种实施例可以应用，例如，用于重构过程的一个或多个统计平均方法以提炼并且增强分解后的bcg信号的确定性分量。例如，可以使用移动平均能量熵。滑动窗口可被用来计算移动平均能量。在每个窗口实例中，在以下给出的等式(2)-(4)中描述能量熵。可以使用基于特定使用案例的具有期望窗口大小的滑动窗口。并且，可以基于特定使用案例应用基于多窗口的重构。

708a到708h处，可以针对706a到706h所示的分解信号的每个进行能量计算。依赖于该架构，该计算可由分解模块250、重构模块260、第二处理器112和/或cpu200进行。未示出的其它架构可以使用其它处理器。能量计算可以使用等式(2)：

energyi＝sum(ithdecomposedsignal)²(2)

710处，各个能量级可被收集以计算分解信号706a到706h的概率分布。可以使用等式(3)计算各个概率：

712a到712h处的各个概率可以之后被用来计算信号的熵s，如等式(4)所示：

各种实施例可以使用熵s来计算boltzmann(玻尔兹曼)熵sb以从分解信号706a到706h重构所述重构信号：

通过调整boltzmann常数kb，本公开的各种实施例可以为每个滑动窗口形成适应性的权重。因而，各种实施例可以进一步基于具体用户情况提供时域平滑技术，包括但不限于移动平均和最大模原理。

714’处，与例如706a到706h相应的一个或多个频带可以被选择。714处，等式(4)和(5)可以用来对所选择的频带进行能量熵计算。该能量熵计算然后可以在716处被用来从分解的bcg信号中重构bcg信号以便增强和恢复，例如，心率、呼吸相位和呼吸率。本公开的一些实施例中，对于呼吸而言可以不需要重构。各种实施例可以使用更低频带，诸如用于确定呼吸率和/或呼吸相位的vlf带。

尽管具体模块已被描述为执行具体功能，但本公开的范围不需要被这样限制。例如，可以由常见硬件和/或软件模块执行分解和重构。软件模块可以包括由诸如第一处理器110和/或第二处理器112的处理器运行的指令。

图7b示出了根据本公开的实施例用于重构已分解的bcg信号的示范性流程图。将不描述图7b和图7a的相似部分，例如，702、704、706a…706h和708a…708h。在708之后，先于710，在710’处发生频带选择。因而，710处，可以为所选择的频带收集各个能量级以计算所选择的已分解信号706a-706h的概率分布。可以使用等式(3)计算所选择频带的各个概率。

所选择频带712a到712h的各个概率然后可以被用来计算信号的熵s，如等式(4)所示。714处，等式(4)和(5)可以被用来对所选择频带进行能量熵计算。该能量熵计算然后可被在716处用来从已分解bcg信号中重构bcg信号以便增强和恢复，例如，心率、呼吸相位和呼吸率。本公开的一些实施例中，对于呼吸而言可以不需要重构。

图8a-图8f示出了根据本公开的实施例的重构的bcg信号的示范性波形。为了比较，图8a-图8c示出了信号质量好的已重构信号的示范性波形并且图8d-图8f示出了信号质量差的已重构信号的示范性波形。

如图8a-图8f所示，bcg信号重构显著抑制宽范围bcg信号的心脏谐波分量和高频伪影(artifact)。所有平稳情况下，重构的bcg信号可以和来自ppg传感器的ppg信号高度相关。来自重构的bcg信号的信息可以进一步被提取用于下游方法以确定心率变异性(hrv)、睡眠质量和压力。bcg重构的优点是移除了多个心跳谐波和模糊。

根据一些实施例，可以基于bcg信号和期望的ppg信号之间的预定义频率变换函数将bcg信号转变为类ppg波形。预定义频率变换函数可以是基于比较bcg信号的频率响应和相应期望的ppg信号并且量化它们的频率关系。预定义变换函数可被用来指定用于bcg变换的滤波器参数。

图9a和图9b示出了根据本公开的实施例两个用户的基于bcg和基于ppg的心率趋势的示范性波形。可以在图9a和图9b的每个中看到，两个对象(用户)的基于bcg的夜间心率与基于光学传感器(ppg)的心率趋势极其相同。

一些实施例可以用滑动时间窗口对重构的bcg信号应用快速傅里叶变换。每个窗口中，频谱中前n个最大峰值可被提取为心率候选。诸如之前在美国申请第14/924,565号中公开的生物学上的心率追踪机制可被用来连续地追踪用户的心率。通过引用将美国申请第14/924,565号全部并入。

一些实施例可以进一步基于多个不同方法提取基于bcg的心率候选。一种方法包括对重构的bcg信号或原始bcg信号应用倒频谱(cepstrum)分析以识别谐波延迟。这些最大值可被认为信号的给定片段的基频。一些实施例基于将重构的bcg信号以给定的嵌入维度和时间延迟投射到指定吸引子(specifiedattractor)来应用非线性信号重构。递归图分析然后可被用来识别周期性的心脏活动图样。

到目前为止，已被描述了使用诸如三轴加速计的传感器的幅度矢量作为用于心率估计的bcg信号的各种实施例。其它实施例可以从图6b所示的bcg信号中的甚低频(vlf)带检测呼吸率。由于bcg信号的幅度矢量抑制dc/低频分量，所以加速计的单个轴可以用于呼吸率的估计。然而，多轴加速计融合也可以被用来确定呼吸事件。

图10示出了根据本公开的实施例来自加速计单个轴的信号和相应信号的vlf分量的示范性波形。可以看到，vlf分量很好地追踪来自加速计单个轴的信号的波形。这指示，在分解诸如图6a中bcg信号的原始信号时没有引进显著误差。因此，各种实施例也可以使用早前描述的机制来执行类似的追踪以连续地追踪用户的呼吸率。

图11a和图11b示出了根据本公开的实施例的两个用户夜间的呼吸率趋势的示范性波形。在本公开的各种实施例中可以使用bcg波形确定呼吸率。心跳事件也可由呼吸事件有原因地调节(causallymodulated)。

图12示出了根据本公开的实施例由传感器的取向变化触发的信号质量变化的示范性波形。可以看到在图12的图中央附近有移动并且在移动后监测到的信号不同于移动前监测到的信号。这是使传感器在不同位置或取向如何能影响信号质量的示例。

为了获得最佳的精度性能，本公开的各种实施例可以应用智能运动传感器信道选择机制。当检测到运动时，运动传感器信道重置标志可以被触发。实施例然后可以针对后续呼吸率估计周期重新选择运动传感器信道。信道评估准则可以基于呼吸率估计置信度指示符，其中给定轴的vlf频谱中主峰的存在可被认为是高呼吸率质量置信度。信道评估准则还可以是基于心率估计置信度指示符，其中重构的bcg信号的频谱中主峰的存在可以指示高心率质量置信度。

图13a和图13b示出了根据本公开的实施例手在各种位置时心率和呼吸率估计的示范性波形。图13a和图13b示出，当用户的手处于各种不同位置(如，手在桌上、手在腿上和手在垂下)时从用户的手腕处测量bcg信号时，所估计的心率和呼吸率保持稳健。因而，应当理解，在不脱离本公开范围的情况下，bcg信号可以从用户身体(如，前额、耳朵、胸部、腿和胳膊)的不同部分获得。

根据各种实施例，由于ppg传感器可能比运动传感器显著消耗更多功率，所以诸如加速计传感器的低功率运动传感器可以代替ppg传感器被用于连续静息的心率监测。因而，所公开的低功率运动传感器的使用可以显著延长电池充电周期。考虑以下系统功耗等式。

e(t)＝e0-∈0-sbgt-k1sppgt-k2sbaset-k3saccelt(6)

其中e0指代电池能量的初始状态(单位是焦耳)，∈0指代电池能量的安全裕度(单位是焦耳)，sbg指代后台监测过程的耗用功率(瓦特)，sppg指代ppg采样期间的平均耗用功率(单位是瓦特)，sbase指代加速计设备唤醒期间包括运动传感器或加速计的基础模块的平均耗用功率(瓦特)，k1指代ppg采样占空比，k2指代基础模块唤醒占空比，k3指代加速计采样占空比，以及t指代时间变量(单位是秒)。

对于连续的心率和呼吸率监测，k1和k3等于1，并且等式(6)可以按如下简化：

e(t)＝e0-∈0-sbgt-sppgt-k2sbaset-saccelt(7)

可以观察到，基础模块占空比k2取决于运行在基础模块上的过程的复杂度。如果在基础模块上运行的过程十分高效，则k2可以是非常小的分数。在此情况下，电池运行时间是直到电池已用尽的时间。

假定sppg＝k·(sbg+k2sbase+saccel)和k2是常数值：

基于等式(9)，电池充电周期可以通过切换到基于bcg的静息心率和呼吸率估计，而被延长多达k倍。并且，可以看出呼吸率精度显著提升。对比基于ppg的系统，目前公开的基于bcg的连续心率/呼吸率估计系统的各种实施例已将电池周期延长了至少300％。

根据本公开的各种实施例，可以基于一个或多个智能功率调度机制进一步延长电池周期。一个智能功率调度机制允许本系统间歇地在一般日常运动之间的静息时段期间获得日间心率和呼吸率测量。另一智能功率调度机制允许睡眠心率和呼吸率是连续的趋势，其只被短时间的觉醒中断。

大量日间静息时段可以提供对于用户的静息心率趋势的了解。它们对于诸如压力分析和高血压监测的使用案例是有意义的。另一方面，连续的睡眠趋势提供关于hrv、睡眠紊乱和心率失常的有价值的信息。

图14a示出了根据本公开的实施例用于连续静息的心率和呼吸监测的智能功率调度的示范性流程图。参考图14a，诸如，例如第一传感器122和/或第二传感器124的一个或多个传感器，可以检测x、y和z方向上的运动。感测到的运动可以是，例如，x、y和z加速度。替换地，可穿戴设备100上的传感器可以只在一个或两个方向上检测运动。

在1402处，运动可以被感测。这一运动数据可以是，例如，图4a所示的bcg信号。在1404处，可以关于可穿戴设备100是否已处于稳定位置达预定时间段做出确定。如果不是，则可以重复1404直到可穿戴设备100已处于稳定位置达所述预定时间段。本公开的各种实施例可以有时间延迟，该时间延迟可以是预定的或者是再次检查前可变地设置的。如果可穿戴设备100已处于稳定位置达预定时间段，则接下来可以是1406。

在1406处，可以为即将发生的生物信号测量选择信道。信道选择可以包括分析监测的信号以选择信道中最佳的信道。本公开的一些实施例可以不搜索最佳信道，而是可以停留在当前信道或者去向可用信道中的下一信道。

在1408处，信号可以从选择的信道接收，并且运动的幅度，例如加速度，可被用来确定bcg信号。这可以近似于图7a或图7b的702。在1410处，来自1408的信号可被分解，并且分解信号按先前描述的那样重构。1410可以近似于704到716。

在1412a处，可以为呼吸率监测选择分解后信号的vlf带。在1412b处，可以为心率监测选择重构信号。在1414a处，可以从vlf带中检测呼吸率特征。在1414b处，可以从重构信号中检测心率特征。

在1416a处，一个或多个呼吸率候选可以被选择用于进一步处理。在1416b处，一个或多个心率候选可以被选择用于进一步处理。在1418处，生物学趋势追踪可以确定心率和呼吸率。在1420a和1420b处，所确定的呼吸率和心率分别可以，例如，显示给用户或其他人来观看。或者，所确定的呼吸率和心率可被通信到另一设备，诸如，例如智能电话300。

图14b示出了根据本公开的实施例用于连续静息的心率和呼吸监测的智能功率调度的示范性流程图。图14b的流程图类似于图14a的流程图。因而，图14b与图14a的初始相似部分，例如，1402、1404、1406和1408将不再描述。在1410’处，来自1408的信号可被分解，但不像在图14a的1410中那样被重构。在1412a处，可以为呼吸率监测选择分解信号的vlf带。在1412b’处，可以为心率监测选择带通信号，而在图14a的1412b为心率监测选择重构信号。可以注意到，1414a、1414b、1416a、1416b、1418、1420a和1420b类似于图14a。

尽管智能电话300已被提及作为可以与可穿戴设备100通信的电子设备的示例，但本公开的各种实施例可以与诸如可存在于医院或医生办公室的那些电子设备的其它电子设备通信。

各种实施例已描述用户可穿戴设备100针对监测用户的生物信号或生物计量数据的一些。然而，其它实施例可以监测与本公开提及的生物信号不同的生物信号。

本公开的各种实施例可被写为计算机程序并且可以在使用非暂态计算机可读记录介质运行程序的通用数字计算机中实现。

非暂态计算机可读记录介质可以包括，例如，磁性存储介质(如，rom、软盘和硬盘)和光学记录介质(如，cd-rom或dvd)。

尽管已参考附图描述了本公开的各种实施例，但本领域普通技术人员将理解，在不脱离以下权利要求所限定的本公开的范围和精神的情况下，可以在其中进行形式和细节上的各种变化。因而，以上实施例及其所有方面只是示例而不是限制。