一种基于非接触式的检测心率变异性的床垫及其检测方法与流程

文档序号:17075845发布日期:2019-03-08 23:43阅读:288来源:国知局
一种基于非接触式的检测心率变异性的床垫及其检测方法与流程

本发明涉及心率检测技术领域,尤其涉及一种基于非接触式的检测心率变异性的床垫及其检测方法。



背景技术:

心率变异性(heartratevariabilityhrv)是指心率节奏快慢随时间所发生的变化。从数学的角度来看,hrv反映心搏活动的规律性――规律性的增加对应心率变异性的降低,反之亦然。心率变异性测量的是两次连续心搏间期的差异,称为心脏间期(r-r间期),单位是毫秒(ms)。心脏间期取自ecg信号,如附图1所示:qrs波群对应心搏,r-r1和r-r2是心脏间期。

交感活动的增加(紧张)致使心率变异性降低,反之亦然――副交感活动增加导致心率变异性增加。

心率变异性的各式测量方法可以粗略地分成时域、频域和非线性测量。hrv是反映循环功能的自主神经调控的指标。也是自主神经系统活动的一种确切的分析方法。时域测量的一个简单的例子就是计算逐次心搏周期的标准差。其它时域测量方法包括心搏差值的均方根(rmssd),nn50(相邻n-n间期之差大于50ms的心搏间期数),和pnn50(50毫秒间隔以上临近周期的比例,单位为百分数)。最常见的频域分析方法是将心搏间期的时间序列进行离散傅立叶变换(也叫快速傅立叶变换)。表达的是不同频率的变异的数量。

鉴于hrv对自主神经系统的两个分支――交感神经和副交感神经(迷走神经)平衡的直接指征,也触发了一个新的重要的生物常量的创立,就是所谓的植物平衡,它广泛应用于预防以及其它的医学分支。

针对现有技术的不足,国内外也对如何实现hrv的测量进行了研究,如公开号为cn107595274a的中国专利申请文本中公开了“基于心率变异性非接触式检测情绪压力的靠垫”,该专利通过设置在靠垫内的压电传感器和数据运算盒之间的配合,可以在与使用者保持非直接接触的前提下,采集使用者的体震传感信号,并通过数据运算盒对压电传感器采集的压力信号进行分析处理,计算压力信号中包含的hrv参数,通过hrv参数与指数模型进行匹配,实现对测试者个人情绪压力及身体状态,便于及时作出干预,防止使用者状态继续恶化。但是,如上述cn107595274a的中国专利申请文本中记载,“压电传感器5通过封装盖6固定在运算盒上盖41上,封装盖6与压电传感器5对应的位置设有凸起……当封装盖6受力时,凸起受力压迫压电传感器5,压电传感器5受压输出信号”。介于其方案中涉及的主体为靠垫,靠垫使用时一般都与用户后背接触,因此其不存在压力传感器触点面积有限的问题。又如公开号为cn107569226a的中国专利申请文本中公开了一种基于压电传感器获取hrv的方法,其中公开了一种将采集设备放置于床垫下或枕下的方案,但由于床垫面积较大,而压电传感器触点面积较小,因此存在压电传感器检测面有限问题,无法获取精确的hrv信号。也有一些科学家提出过使用非接触式的压电传感方法获取hrv信号,但是由于压电传感采集的心冲击图(bcg)信号为被动感知,因此获得信号驳杂难处理,目前并没有一种很好的处理方法,很多研究最终都是因为无法处理驳杂的心冲击图(bcg)信号,无法获取精确的hrv信号,进而无法实现产业化。



技术实现要素:

为了解决上述问题,本发明的第一目的在于提供一种基于非接触式的检测心率变异性的床垫,该床垫使用振动传感部件,振动传感部件扩大振动接触面积,解决压力传感点的接触点面积有限的问题。本发明的第二目的在于提供基于非接触式的心率变异性检测方法,该检测方法使用心率减速力(dc)、连续心率减速力drn对长时间的心率信号进行分析,得到信号的整体趋势以及对心率的减速能力进行定量分析。

为了实现上述的目的,本发明采用了以下的技术方案:

一种基于非接触式的检测心率变异性的床垫,其特征在于:包括

床垫本体,供待检测用户睡卧;

压敏传感器,用于采集人体的心冲击信号并转化为电信号输出;

所述床垫本体内部设有基座和振动传感部件;所述压敏传感器设置在基座上,振动传感部件覆盖并接触于压敏传感器上;所述振动传感部件能够相对基座产生振动,振动传感部件在床垫本体上形成的接触面积大于压敏传感器的触点面积。

作为优选,所述基座为下壳体,振动传感部件为上壳体,上壳体与下壳体围合构成壳体,压敏传感器置于壳体的壳腔内。

作为优选,所述壳体设置于床垫本体的枕部区域内。

作为优选,所述压敏传感器包括设置在下壳体上的传感器下压盘,以及设置在传感器下压盘上的传感器上压盘,以及设置在传感器下压盘和传感器上压盘之间的压电陶瓷片;所述上壳体覆盖并接触于传感器上压盘之上。

作为优选,还包括用于判断待检测用户是否睡卧在床垫本体上的检测器。

作为优选,所述检测器为压力检测器,压力检测器设置于床垫本体的内部用于监测床垫本体所受压力,当压力检测器的监测压力数据大于一定数值时,压力检测器导通。

作为优选,所述压力检测器处于床垫本体的中部区域内。

作为优选,所述压力检测器包括上膜和下膜,以及设置于上膜和下膜之间的填充体;所述上膜和下膜上设有相对应的导电区,上膜导电区和下膜导电区之间的填充体上设有若干通孔。

作为优选,所述床垫本体内还设有控制单元,压力检测器和压敏传感器与控制单元连接;控制单元对于压力检测器和压敏传感器的电信号进行采样,输出到上位机。

一种基于非接触式的心率变异性检测方法,采用如上任一项所述的床垫;并执行如下步骤:

步骤1:通过压敏传感模块采集心冲击信号,并将心冲击信号通过adc转换为数字信号,然后传输至振动传感模块和控制模块;

步骤2,采用高通滤波器删除bcg信号中合并的基线干扰,完成对bcg信号的预处理;

步骤3,定义bcg信号处理周期为30-240次/分钟,并求解bcg信号j-j间期interval_jj(i),然后求解检测时间范围内所有j-j间期的平均值mean_jj,最后根据求解得到的bcg信号j-j间期interval_jj(i)和所有j-j间期的平均值mean_jj计算hrv的时域参数sdnn和pnn50;

步骤4、采用fastlomb-scargleperiodogram谱分析函数对步骤3中采集时间范围内的hrv时域参数进行频域功率谱分析,得到hrv功率谱,并根据hrv功率谱求解出心脏总功率值tp、高频功率值hf、低频功率值lf,以及lf/hf比值;

步骤5、建立情绪压力指数lf/hf模型、疲劳指数pnn50模型及抗压指数sdnn模型;

步骤6、将获取的hrv时域参数和频域参数与步骤7中建立的情绪压力指数lf/hf模型、疲劳指数pnn50模型及抗压指数sdnn模型进行匹配,实现对测试者个人情绪压力、抗压能力、疲劳指数的分析;

所述步骤3中的jj峰检测方法如下:

采取一个10s的信号窗进行计算,首先使用findpeaks函数找到峰值点;

计算峰值点索引对应的差分,就是jj间期,这个间期对应心率;

上述计算得到jj间期序列,序列就是一组数据,将这组数据进行统计分布,确定最大分布区间;

依据最大分布区间确定jj间期对应的数据集,在数据集中使用统计指标中位数来替代整个窗口的平均心率,这个是对心率的初步估计,下面对其进行修正;将上述计算得到的jj间期序列中的值和平均心率进行对比,设定一个阈值:当jj间期值和平均心率之间的差距小于阈值时,我们认定为正确的j峰;否自是错误的j峰,需要进行进一步修正;

进一步修正的方法:在错误的j峰附近确定相关邻域,在这个邻域中再次使用findpeaks函数进行二次j峰确定,计算二次确定的值和相邻的正确j峰之间的间期,和平均心率使用阈值进行对比操作,不断迭代直到找到正确j峰;

算法框架的核心就是findpeaks函数,其确定了框架的鲁棒性;分为三个步骤:1)一阶导数为0(拐点,比相邻点都高);2)具有一定的绝对高度;3)峰值之间具有最小距离。

作为优选,所述步骤4中提取包络的具体过程如下:

步骤4.1:定义bcg信号处理周期为30~240次/分钟,无体动干扰情况下堆栈信号为x(t),t=1,...,6000,构造理想bcg信号,定义为y(t),t=1,...,6000,t为时域采样点数;

步骤4.2:设定bcg信号主瓣宽度设定为100,其余旁瓣矢量补0,bcg峰值max(y(t))=max(x(t)),求解x(t)与y(t)协方差函数,具体公式如下:z(t)=cov{x(t),y(t)}公式1

其中:z(t)为x(t)与y(t)协方差函数,x(t)为采集并存储于堆栈内的体征信号,y(t)为构造的理想bcg信号;

步骤4.3:通过协方差处理,利用堆栈内信号与bcg信号的强相关性,最大程度上抑制高斯噪声对bcg信号的干扰;

步骤4.4:求解z(t)希尔伯特变换z(f),具体公式如下:

z(f)=hilbert{z(t)}公式2

其中z(f)表示z(t)的希尔伯特变换,取z(f)的模值,从而获得z(f)信号特征包络,并以长度为5的时间窗函数平滑处理,消除高频干扰。

作为优选,所述步骤3中计算hrv的时域参数sdnn和pnn50的具体过程如下:

步骤3.1、主控板中的中心处理器识别经过降噪处理后的bcg信号的峰值点j峰,然后使用周期为1s的滑动时间窗,选择时间窗内最大峰值点为j峰,即peak(i)=max{z(f)};

步骤3.2、求解j-j间期,具体计算公式如下:interval_jj(i)=peak(i+1)-peak(i)公式3

其中:interval_jj(i)为bcg信号j-j间期值;peak(i+1)表示第i+1个bcg信号j峰值,

peak(i)表示第i个bcg信号j峰值;

步骤3.3、剔除不合理的j-j间期,剔除条件如下:

条件1):当interval_jj(i)=peak(i+1)-peak(i)<0.5s;条件2):当interval_jj(i)=peak(i+1)-peak(i)>2.0s;

条件3):当相邻j-j间期,如interval_jj(i)、interval_jj(i+1)波动超过平均j-j间期的30%;

步骤3.4、剔除异常j-j间期数据后,求解检测时间范围内所有j-j间期的平均值mean_jj,

步骤3.5、根据求解得到的bcg信号j-j间期interval_jj(i)和所有j-j间期的平均值

mean_jj并根据公式4至公式5分别计算hrv的时域参数sdnn和pnn50,具体计算公式如下:

其中:sdnn为全部窦性心搏rr间期的标准差,是hrv的时域参数;interval_jj(i)为bcg信号j-j间期值;mean_jj为所有j-j间期的平均值;t为检测时间范围内有效j-j间期数;

hrv时域参数pnn50计算公式如下:

n{jj>mean_jj}表示jj间期与平均jj间期大于50ms的个数,ntotal表示jj间期总数。

作为优选,所述步骤5中建立情绪压力指数lf/hf模型、疲劳指数pnn50模型及抗压指数sdnn模型的具体过程如下:

步骤5.1、建立情绪压力指数lf/hf模型:主要由内分泌指数lf/hf决定,定义如下:当lf/hf范围处于(0-0.4)&(3.46-4),应激能力得分0~30分;当lf/hf范围处于(0.4-1)&(2.92-3.46),应激能力得分30~60分;当lf/hf范围处于(1-1.6)&(2.56-2.92),应激能力得分60~80分;当lf/hf范围处于(1.6-2.2)&(2.2-2.56),应激能力得分80~100分;

步骤5.2、建立疲劳指数pnn50模型:由时域hrv参数pnn50决定,定义如下:当pnn50>=49,疲劳指数得分0~30;当pnn50处于范围(1-2)&(12-49),疲劳指数得分30~60;当pnn50处于范围(3-4)&(8-12),疲劳指数得分60~80;当pnn50处于范围(5-8),疲劳指数得分80~100;

步骤5.3、建立抗压指数sdnn模型:由时域hrv参数sdnn决定,定义如下:当sdnn处于范围(0-25)&(960+),抗压指数得分0~30;当sdnn处于范围(25-50)&(240-960),抗压指数得分30~60;当sdnn处于范围(50-100),抗压指数得分60~80;当sdnn处于范围(100-160),疲劳指数得分80~100。

本发明涉及一种基于非接触式的检测心率变异性的床垫及其心率变异性检测方法,该床垫结构简单,使用方便,通过设置在床垫内的压敏传感器,可以在与使用者保持非直接接触的前提下,采集使用者的心冲击信号,并通过振动传感单元对压敏传感器采集的心冲击信号并对心冲击信号进行处理,提取出心率和呼吸率参数,计算hrv参数。在不影响病人的日常生活的情况下,即可全天侯实时检测病人的心率、呼吸率、在离床情况以及通过心率变异性评估病人植物神经功能。并且,本方案中使用振动传感部件,振动传感部件扩大振动接触面积,解决压力传感点的接触点面积毕竟有限问题。

附图说明

图1为ecg指心电图。

图2为本发明的床垫结构示意图。

图3为压敏传感器的安装示意图。

图4为压力检测器的结构示意图。

图5为原有传感器采集的信号图。

图6为本实施方式中传感器采集的信号图。

具体实施方式

下面结合附图,对本发明的优选实施方案作进一步详细的说明。

下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。

在本发明的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的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。

实施例1:

如图2~4所示的一种基于非接触式的检测心率变异性的床垫,包括床垫本体6,以及设置在床垫本体6内的压敏传感器1、检测器和控制单元2。所述的床垫本体6,供待检测用户睡卧,床垫本体可以是全棉斜纹军绿,并由竖立棉、无纺布、喷胶棉三层组成。并且床垫本体6内设有凹槽,用于安装上述压敏传感器1、压力检测器5和控制单元2。

所述的压敏传感器1,用于采集人体的心冲击信号并转化为电信号输出,所谓的心冲击信号包括心率,呼吸率等。具体来说,所述床垫本体6内部设有基座和振动传感部件;所述压敏传感器1设置在基座上,振动传感部件覆盖并接触于压敏传感器1上;所述振动传感部件能够相对基座产生振动,振动传感部件在床垫本体6上形成的接触面积大于压敏传感器1的触点面积。本方案中采用振动传感部件扩大振动接触面积,解决压力传感点的接触点面积毕竟有限问题。在如图中所示的优选方案中,基座为下壳体11,振动传感部件为上壳体12,上壳体12与下壳体11围合构成壳体,压敏传感器1置于壳体的壳腔内;其中,上壳体12相对于下壳体11采用非固定连接方式,可以相对产生振动。在进一步的优选方案中,将上述上壳体12与下壳体11围合构成壳体设置于床垫本体6的枕部区域内。一方面可作为颈部支撑,相比于靠垫本体拥有更强的支撑力度;另一方面,枕部区域可以直接检测用户颈部脉搏振动,数据也相对较为准确。上述方案中的压敏传感器1包括设置在下壳体11上的传感器下压盘13,以及设置在传感器下压盘13上的传感器上压盘14,以及设置在传感器下压盘13和传感器上压盘14之间的压电陶瓷片15;所述上壳体12覆盖并接触于传感器上压盘14之上。检测时,用户心跳所产生的振动依次由上壳体12、传感器上压盘14传递至压电陶瓷片15上,压电陶瓷片15是一种电子发音元件,在两片铜制圆形电极中间放入压电陶瓷介质材料,当在两片电极上面接通交流音频信号时,压电片会根据信号的大小频率发生振动而产生相应的声音;在本案中,压电陶瓷片15将采集人体的心冲击信号并转化为电信号输出。上述方案相比于背景技术(公开号为cn107595274a的中国专利申请文本)中所采用的方案,该方案的的振动接触面积更大,故适用于床垫,因此相比于靠垫,用户的使用舒适度更高。但由于振动接触面积更大,当压敏传感器1从床垫不同位置对信号进行采集,采集到的信号由于和信号源的距离不同而幅值具有较大不同,因此也产生了新的技术问题,该问题由实施例3中的心率变异性检测方法中解决,在此不做细述。

上述的检测器5的作用是,用于判断待检测用户是否睡卧在床垫本体6上,判断离床的情况,使系统判断是否进入检测程序。上述检测器5所采用的方式不唯一,如可采用红外传感器采集人体温度等。如图所示,本实施方案中的检测器5采用压力检测器5,压力检测器5设置于床垫本体6的内部用于监测床垫本体6所受压力,当压力检测器5的监测压力数据大于一定数值时,压力检测器5导通;即根据受压力的大小来判断在离床的情况。具体来说,压力检测器5处于床垫本体6的中部区域内;图中所示为两个压力检测器5。所述压力检测器5包括上膜51和下膜52,以及设置于上膜51和下膜52之间的填充体53;所述上膜51和下膜52上设有相对应的导电区,上膜51导电区和下膜52导电区之间的填充体53上设有若干通孔,填充体为海绵。当有重物作用下压时,上膜51受到力的作用通过海绵的每一个孔与下膜52贴合,从而实现导通。

如图中所示,控制单元2为控制盒,压力检测器5和压敏传感器1与控制单元2连接;控制单元2对于压力检测器5和压敏传感器1的电信号进行采样,将采集到的心冲击信号进行adc转换形成数字信号。控制单元2通过无线或有线的方式,将数字信号输出到上位机。上位机的软件中利用算法对不同频段的滤波,提取出心率和呼吸率,分析心跳间隔,从心跳的间隔中分析hrv,分析心率减速力。

本实施例涉及一种基于非接触式的检测心率变异性的床垫及其心率变异性检测方法,该床垫结构简单,使用方便,通过设置在床垫内的压敏传感器1,可以在与使用者保持非直接接触的前提下,采集使用者的心冲击信号,并通过振动传感单元对压敏传感器1采集的心冲击信号并对心冲击信号进行处理,提取出心率和呼吸率参数,计算hrv参数。在不影响病人的日常生活的情况下,即可全天侯实时检测病人的心率、呼吸率、在离床情况以及通过心率变异性评估病人植物神经功能。并且,本方案中使用振动传感部件,振动传感部件扩大振动接触面积,解决压力传感点的接触点面积毕竟有限的问题。

实施例2:

本实施例涉及一种心率变异性检测系统,该系统中采用了如实施例1中所述的床垫。

实施例3:

一种基于非接触式的心率变异性检测方法,采用了如实施例1中所述的床垫;并执行如下步骤:

步骤1:通过压敏传感模块采集心冲击信号,并将心冲击信号通过adc转换为数字信号,然后传输至振动传感模块和控制模块。

步骤2,采用高通滤波器删除bcg信号中合并的基线干扰,完成对bcg信号的预处理。

步骤3,定义bcg信号处理周期为30-240次/分钟,并求解bcg信号j-j间期interval_jj(i),然后求解检测时间范围内所有j-j间期的平均值mean_jj,最后根据求解得到的bcg信号j-j间期interval_jj(i)和所有j-j间期的平均值mean_jj计算hrv的时域参数sdnn和pnn50。

步骤4、采用fastlomb-scargleperiodogram谱分析函数对步骤3中采集时间范围内的hrv时域参数进行频域功率谱分析,得到hrv功率谱,并根据hrv功率谱求解出心脏总功率值tp、高频功率值hf、低频功率值lf,以及lf/hf比值。

步骤5、建立情绪压力指数lf/hf模型、疲劳指数pnn50模型及抗压指数sdnn模型。

步骤6、将获取的hrv时域参数和频域参数与步骤7中建立的情绪压力指数lf/hf模型、疲劳指数pnn50模型及抗压指数sdnn模型进行匹配,实现对测试者个人情绪压力、抗压能力、疲劳指数的分析。

所述步骤3中的jj峰检测方法如下:

采取一个10s的信号窗进行计算,首先使用findpeaks函数找到峰值点;

计算峰值点索引对应的差分,就是jj间期,这个间期对应心率;

上述计算得到jj间期序列,序列就是一组数据,将这组数据进行统计分布,确定最大分布区间;

依据最大分布区间确定jj间期对应的数据集,在数据集中使用统计指标中位数来替代整个窗口的平均心率,这个是对心率的初步估计,下面对其进行修正;将上述计算得到的jj间期序列中的值和平均心率进行对比,设定一个阈值:当jj间期值和平均心率之间的差距小于阈值时,我们认定为正确的j峰;否自是错误的j峰,需要进行进一步修正;

进一步修正的方法:在错误的j峰附近确定相关邻域,在这个邻域中再次使用findpeaks函数进行二次j峰确定,计算二次确定的值和相邻的正确j峰之间的间期,和平均心率使用阈值进行对比操作,不断迭代直到找到正确j峰;

算法框架的核心就是findpeaks函数,其确定了框架的鲁棒性;分为三个步骤:1)一阶导数为0(拐点,比相邻点都高);2)具有一定的绝对高度;3)峰值之间具有最小距离。

基于上述步骤3中的jj峰检测方法,能够解决实施例1中所提到的当压敏传感器1从床垫不同位置对信号进行采集,采集到的信号由于和信号源的距离不同而幅值具有较大不同的问题。采用实施例1方案中,振动传感部件对于心冲击信号进行传递,采集到的信号相对较明显。上述jj峰检测方法能够采集到信号的峰值,就可以从信号中提取出相应心率和呼吸率,进而分析心跳间隔,从心跳的间隔中分析hrv,分析心率减速力。

所述步骤3中计算hrv的时域参数sdnn和pnn50的具体过程如下:

步骤3.1、主控板中的中心处理器识别经过降噪处理后的bcg信号的峰值点j峰,然后使用周期为1s的滑动时间窗,选择时间窗内最大峰值点为j峰,即peak(i)=max{z(f)};

步骤3.2、求解j-j间期,具体计算公式如下:interval_jj(i)=peak(i+1)-peak(i)公式3

其中:interval_jj(i)为bcg信号j-j间期值;peak(i+1)表示第i+1个bcg信号j峰值,

peak(i)表示第i个bcg信号j峰值;

步骤3.3、剔除不合理的j-j间期,剔除条件如下:

条件1):当interval_jj(i)=peak(i+1)-peak(i)<0.5s;条件2):当interval_jj(i)=peak(i+1)-peak(i)>2.0s;

条件3):当相邻j-j间期,如interval_jj(i)、interval_jj(i+1)波动超过平均j-j间期的30%;

步骤3.4、剔除异常j-j间期数据后,求解检测时间范围内所有j-j间期的平均值mean_jj,

步骤3.5、根据求解得到的bcg信号j-j间期interval_jj(i)和所有j-j间期的平均值

mean_jj并根据公式4至公式5分别计算hrv的时域参数sdnn和pnn50,具体计算公式如下:

其中:sdnn为全部窦性心搏rr间期的标准差,是hrv的时域参数;interval_jj(i)为bcg信号j-j间期值;mean_jj为所有j-j间期的平均值;t为检测时间范围内有效j-j间期数;

hrv时域参数pnn50计算公式如下:

n{jj>mean_jj}表示jj间期与平均jj间期大于50ms的个数,ntotal表示jj间期总数。

所述步骤4中提取包络的具体过程如下:

步骤4.1:定义bcg信号处理周期为30~240次/分钟,无体动干扰情况下堆栈信号为x(t),t=1,...,6000,构造理想bcg信号,定义为y(t),t=1,...,6000,t为时域采样点数;

步骤4.2:设定bcg信号主瓣宽度设定为100,其余旁瓣矢量补0,bcg峰值max(y(t))=max(x(t)),求解x(t)与y(t)协方差函数,具体公式如下:z(t)=cov{x(t),y(t)}公式1

其中:z(t)为x(t)与y(t)协方差函数,x(t)为采集并存储于堆栈内的体征信号,y(t)为构造的理想bcg信号;

步骤4.3:通过协方差处理,利用堆栈内信号与bcg信号的强相关性,最大程度上抑制高斯噪声对bcg信号的干扰;

步骤4.4:求解z(t)希尔伯特变换z(f),具体公式如下:

z(f)=hilbert{z(t)}公式2

其中z(f)表示z(t)的希尔伯特变换,取z(f)的模值,从而获得z(f)信号特征包络,并以长度为5的时间窗函数平滑处理,消除高频干扰。

所述步骤5中建立情绪压力指数lf/hf模型、疲劳指数pnn50模型及抗压指数sdnn模型的具体过程如下:

步骤5.1、建立情绪压力指数lf/hf模型:主要由内分泌指数lf/hf决定,定义如下:当lf/hf范围处于(0-0.4)&(3.46-4),应激能力得分0~30分;当lf/hf范围处于(0.4-1)&(2.92-3.46),应激能力得分30~60分;当lf/hf范围处于(1-1.6)&(2.56-2.92),应激能力得分60~80分;当lf/hf范围处于(1.6-2.2)&(2.2-2.56),应激能力得分80~100分;

步骤5.2、建立疲劳指数pnn50模型:由时域hrv参数pnn50决定,定义如下:当pnn50>=49,疲劳指数得分0~30;当pnn50处于范围(1-2)&(12-49),疲劳指数得分30~60;当pnn50处于范围(3-4)&(8-12),疲劳指数得分60~80;当pnn50处于范围(5-8),疲劳指数得分80~100;

步骤5.3、建立抗压指数sdnn模型:由时域hrv参数sdnn决定,定义如下:当sdnn处于范围(0-25)&(960+),抗压指数得分0~30;当sdnn处于范围(25-50)&(240-960),抗压指数得分30~60;当sdnn处于范围(50-100),抗压指数得分60~80;当sdnn处于范围(100-160),疲劳指数得分80~100。

以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1