生理数据的同步的制作方法

背景技术：

在一些应用中，生理信号从两个或更多传感器被收集。将这些信号彼此对准的过程称为同步。由不同传感器收集的生理数据的同步很重要，因为它可以确保使用或需要来自不同传感器的生理信号的应用的处理的准确性。

由于每个传感器的灵敏度、响应时间、通信信道时延等方面的差异，正确地实现处理来自不同传感器的生理信号可能是具有挑战性的。附接出于使生理信号同步的目的而生成的时间戳或其他信息或信号需要附加的设备和/或资源。在一些应用中，生成用于使生理信号同步的信号是不可行的。例如，所生成的信号可能会干扰生理信号或医疗设备(例如，起搏器)的正常功能。

技术实现要素：

以下呈现简化的概述，以便提供对本公开的某些方面的基本理解。该概述不是本公开的广泛概述。它既不旨在标识本公开的关键或重要元素，也不旨在界定本公开的范围。以下概述仅以简化形式呈现本公开的一些概念，作为以下描述的序言。

本公开的特征涉及用于使来自多个传感器的生理信号同步的系统、装置、计算机实现的方法和计算机可读介质。

代替时间戳，本文中讨论的用于使两个或更多生理信号同步的技术可以取决于嵌入在每个收集的信号内的共模信号。与测量信号的其他分量(例如，“缓慢移动”)相比，该共模信号可能处于更高频率(例如，“快速移动”)。

快速移动的信号可以精确地被链接到一个生理过程(例如，心跳、呼吸等)，因此，通过设计，它可以是非平稳的(即，其统计信号属性随时间变化)。而且，快速移动的信号可能不显眼地被嵌入(即，低强度)在缓慢移动的信号中，并且可能直到应用基于上下文的滤波才可辨别。

根据一个或多个示例，一种装置可以包括用于收集来自第一传感器的第一数据和来自第二传感器收集的数据的硬件或任何部件。第一数据和第二数据中的每个数据可以表示多个生理信号分量。该装置还可以包括用于提取第一数据和第二数据的公共生理信号分量并且使第一数据的多个生理信号分量中的公共生理信号分量与第二数据的多个生理信号分量中的公共生理信号分量相关的部件。另外，该装置可以包括用于基于该相关来使被包括在第一数据中的第一生理信号分量和被包括在第二数据中的第二生理信号分量同步的部件。

在一些实施例中，提取公共生理信号分量可以包括对第一数据和第二数据进行滤波以隔离第一数据和第二数据的公共高频分量。

在一些实施例中，第一传感器和第二传感器可以被配置为至少收集呼吸信号。在另外的实施例中，第一传感器和第二传感器可以被配置为至少收集脑电图(eeg)信号。

在一些实施例中，相关可以包括使第一数据的生理信号和第二数据的生理信号互相关。此外，第一数据和第二数据的公共生理信号分量可以对应于心跳信号。在一些实施例中，第一数据和第二数据的公共生理信号分量可以对应于γ脑电波、β脑电波、α脑电波和θ脑电波中的至少一种。

在一些实施例中，第一传感器和第二传感器中的至少一个传感器可以被配置为至少检测胃肠道肌肉移动信号。在一些实施例中，第一传感器和第二传感器可以被配置为检测不同类型的信号。

在一些实施例中，该部件可以包括至少一个处理器和包括计算机程序代码的至少一个存储器。至少一个存储器和计算机程序代码可以被配置为与至少一个处理器一起引起该装置的执行。

根据一个或多个示例，一种方法可以包括：接收来自第一传感器的第一数据和来自第二传感器的第二数据。第一数据和第二数据中的每个数据可以表示多个生理信号分量。该方法还可以包括：提取第一数据和第二数据的公共生理信号分量，并且使第一数据的多个生理信号分量中的公共生理信号分量与第二数据的多个生理信号分量中的公共生理信号分量相关。在一些实施例中，该方法可以包括基于该相关来使被包括在第一数据中的第一生理信号分量和被包括在第二数据中的第二生理信号分量同步。在一些实施例中，第一数据和第二数据的公共生理信号分量可以对应于心跳信号。

任何示例方法可以被实现为可以存储在计算机可读介质中的可执行指令或计算机程序。

根据本文中提供的附加描述，本公开的其他特征和优点将很清楚。

附图说明

通过参考以下结合附图的描述，可以获取对本公开及其优点的更完整的理解，附图中的相似的附图标记指示相似的特征，并且在附图中：

图1示出了示例生理数据收集和分析环境。

图2示出了可以用于实现本文中描述的特征的示例计算和/或网络环境。

图3是示出使生理数据同步的示例方法的流程图。

图4a至图4c描绘了根据一个或多个示例实施例的用于使生理数据同步的说明性方法。

具体实施方式

在下面的描述中，参考附图，附图示出了本文中描述的示例的各种特征。应当理解，附加的示例在本公开的范围内。

如本领域的技术人员在阅读以下公开内容时将认识到的，本文中描述的各种特征可以实施为方法、装置、计算机系统、计算机程序和/或计算机程序产品。因此，这些特征可以采取完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。此外，这样的特征可以采取由一个或多个计算机可读存储介质存储的计算机程序产品的形式，该计算机可读产品具有存储在该存储介质之中或之上的计算机可读程序代码或指令。可以利用任何合适的计算机可读存储介质，包括非瞬态介质，诸如硬盘、cd-rom、光学存储设备、磁性存储设备和/或其任何组合。另外，本文中描述的表示数据或事件的各种信号可以以电磁波的形式在源与目的地之间传送，该电磁波通过诸如金属线、光纤和/或无线传输介质(例如，空气和/或空间)等瞬态或信号传导介质传播。

使用时间戳或其他生成的参考信号来实现生理信号的同步有若干缺点。首先，这种方法使测量信号的传感器设备的电子器件复杂化，因为它需要某种内部时钟，该内部时钟必须使用某种外部参考时钟正确地初始化。这种复杂性也增加了与附加资源相关联的成本。其次，如果内部时钟不同，则该方法可能导致不准确的同步，内部时钟不同有时是由环境或物理因素(例如，温度、压力等)变化而导致每个传感器中时钟晶体的频率漂移引起的。

图1示出了根据本文中描述的一个或多个示例的生理数据收集和分析环境。在图1中，一个或多个生理传感器170可以连接到个体90。生理传感器170可以包括例如被配置为检测、记录或收集呼吸、心跳、脑电波(例如，β、α、θ、δ等)和胃肠道肌肉移动信号(例如，从胃、小肠等)的心电图(ecg)、血管容积图(ppg)和/或脑电图(eeg)传感器。生理传感器170可以包括用于收集其他类型的信号的其他传感器。这样，传感器170可以连接到与个体90相关联的身体的各个部位。例如，eeg传感器170可以与个体90的大脑接近或接触，而ecg传感器170可以与个体90的心脏接近或接触。所示出的传感器仅是示例，并且可以使用或备选地使用其他类型的传感器。

传感器170被配置为检测、收集或记录与个体90相关联的生理信号，并且将这些信号传输给计算平台101。生理信号从传感器170到计算平台101的传输可以通过任何方式发生，包括传感器170与平台101之间的无线或有线连接。在一些实现中，由传感器170检测或收集的生理信号被存储在某种存储装置中。来自存储装置的所存储的生理信号随后可以被传输给计算平台101以进行处理。

生理传感器170可以检测、记录或收集一个或多个生理信号或数据，诸如呼吸、心跳、脑电波和胃肠道肌肉移动信号等。生理传感器170还可以检测移动两个或更多生理信号分量(包括诸如呼吸、心跳、脑电波和胃肠道肌肉移动信号分量等)的复合生理信号。在一些方面，单个生理传感器170可以检测、记录或收集多种类型的生理信号分量，这些生理信号分量可以与从单个生理传感器170记录或由单个生理传感器170收集的生理信号分开，从其中提取，或从其中滤波。例如，ppg传感器170可以记录来自个体90的ppg或心跳信号分量和呼吸信号分量。从传感器170收集的生理信号可以例如由计算平台101处理以提取或滤波快速移动的心跳信号分量和缓慢移动的呼吸信号分量。如本文中使用的，术语“快速移动”信号或信号分量是相对术语。该术语表示特性频率高于一个或多个其他信号或信号分量的信号或信号分量。类似地，术语“缓慢移动”信号或信号分量也是相对术语。该术语表示特性频率低于一个或多个其他信号或信号分量的信号或信号分量。

图2示出了可以结合本公开的一个或多个示例使用的计算机环境100中的计算平台101的框图。平台101可以具有一个或多个处理器103，以用于控制平台101及其相关联的组件(包括ram105、rom107、输入/输出组件109和存储器115)的整体操作。平台101以及一个或多个附加平台(例如，传感器170、安全和集成硬件160等)可以对应于如本文中所述被配置用于处理(包括同步)直接或先前从传感器170收集的一个或多个生理信号的任何系统或设备，诸如移动计算设备、可穿戴计算设备、台式计算机或计算机服务器。

输入/输出(i/o)109可以包括计算平台101的用户可以通过其来提供输入的麦克风、小键盘、触摸屏和/或手写笔，并且还可以包括以下中的一项或多项：用于提供音频输出的扬声器和用于提供文本、视听和/或图形输出的视频显示设备。软件可以存储在存储器115和/或存储装置内以向处理器103提供指令，该指令在由处理器103执行时使计算平台101执行各种动作，诸如例如本文中描述的动作。例如，存储器115可以存储由计算平台101的各个组件使用的软件，诸如操作系统117、同步模块119和相关联的内部数据库121。存储器115中的各种硬件存储器单元可以包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性的可移动和不可移动的介质。计算平台101内的某些设备/系统可以具有最小硬件要求，以支持足够的存储容量、分析能力、网络通信等。例如，在一些实施例中，具有最小大小(例如，至少1吉字节(gb)、2gb、5gb等)的一个或多个非易失性硬件存储器单元和/或具有最小大小(例如，256兆字节(mb)、512mb、1gb等)的一个或多个易失性硬件存储器单元可以在计算平台101(例如，个人计算平台101、移动计算平台101、可穿戴设备101、手表101、服务器101等)中使用，以便存储和执行数据同步软件应用，以从一个或多个传感器170收集和/或接收生理信号，滤除预定频率范围内的信号分量，以及使来自与同一个体90通信的传感器170的生理信号同步。存储器115还可以包括一个或多个物理持久性存储器设备和/或一个或多个非持久性存储器设备。存储器115可以包括但不限于随机存取存储器(ram)105、只读存储器(rom)107、电子可擦除可编程只读存储器(eeprom)、闪存或其他存储器技术、cd-rom、数字多用盘(dvd)或其他光盘存储器、磁带盒、磁带、磁盘存储器或其他磁性存储设备、或者可以用于存储期望信息并且可以由处理器103访问的任何其他介质。

处理器103可以包括单个中央处理单元(cpu)，该cpu可以是单核或多核处理器(例如，双核、四核等)，或者处理器103可以包括多个cpu。(多个)处理器103可以具有各种位大小(例如，16位、32位、64位、96位、128位等)和各种处理器速度(范围从100mhz到5ghz或更快)。(多个)处理器103及其相关联的组件可以允许计算平台101执行一系列计算机可读指令以例如从所测量的生理数据中滤除信号分量，调节由平台101执行的任何信号过滤操作的通带，使来自不同传感器170的两个或更多信号互相关，提取从传感器170测量的生理信号的各种特征，以及使生理信号同步，该生理信号可以基于同步信号的应用被进一步处理。

平台101可以在网络计算环境100中操作，该网络计算环境100支持与一个或多个远程设备(诸如连接到个体90的传感器170)的连接。传感器170可以包括上面关于计算平台101描述的一些或全部元件。传感器170可以包括用于直接从个体90收集、存储和处理生理信号的专门的软件和硬件。图1中描绘的网络连接包括局域网(lan)125、广域网(wan)129和无线电信网络133，但是还可以包括或备选地包括其他网络。当在lan联网环境中使用时，计算平台101可以通过网络接口或适配器123连接到lan125。当在wan联网环境中使用时，计算平台101可以包括调制解调器127或用于通过诸如网络131(例如，互联网)的wan129建立通信的其他部件。当在无线电信网络133中使用时，平台101可以包括一个或多个收发器、数字信号处理器、以及用于经由无线网络133中的一个或多个网络设备135(例如，基站收发器)与无线传感器170通信的附加电路系统和软件。

同步模块119可以由计算平台101用来使用信号数据本身的一部分来使来自两个或更多传感器170的生理信号同步。为了实现这一功能，同步模块119可以包括一个或多个子模块，诸如相关模块191、滤波模块192、带宽调节模块193和特征提取模块194。

同步模块119可以访问存储在数据存储库121中或驻留在与平台101相关联的高速缓存中的生理信号数据。如本文中使用的，术语“信号数据”是指表示来自一个或多个传感器170的一个或多个信号的数据。该数据可以从各种生理传感器进行测量，包括附接到个体90的不同部位(例如，腹部、胸部等)的ppg传感器、附接到个体90的大脑的eeg传感器、以及被配置为对个体90进行其他类型的生理测量(例如，胃肠道肌肉移动测量)的其他类型的传感器。

然后，可以使用滤波模块192来对来自两个或更多源的访问信号数据进行滤波，以隔离所收集的信号的高频分量，该高频分量可以是实时信号(例如，实时或基本实时信号)和/或存储信号(其在特定时间之前已经记录并且已经存储)。在这个方面，术语“高频分量”是相对术语。特别地，该术语是指具有比利用传感器170测量的信号的一个或多个其他分量更高的频率的任何信号分量。相同的信号分量相对于一个或多个信号分量可以是低频分量，而相对于另一个或多个信号分量可以是高频分量。为了进一步说明，利用ppg传感器170测量的呼吸信号可以包括在低频呼吸信号(即，“缓慢移动信号”)内的嵌入式高频心跳信号分量(即，“快速移动信号”)。在该示例中，滤波模块192可以从利用ppg传感器170测量的较低频率(例如，0.15至0.5hz)呼吸信号中提取高频(例如，0.75至2hz)心跳信号。

作为另一示例，eeg传感器170可以测量反映脑活动的信号。滤波模块192可以用于从测量数据中提取各种类型的脑信号。例如，eeg信号可以包括发生在14至30hz频带内的β脑电波、发生在8至14hz频带内的α脑电波、发生在4至8hz频带内的θ脑电波、发生在0.1至4hz频带内的δ脑电波和发生在30至50hz频带内的γ脑电波。因此，如果β脑电波也嵌入在所测量的eeg信号中，则由eeg传感器170测量并且由滤波模块192滤波的eeg信号的高频分量可以是α、θ、δ或γ脑电波。类似地，如果α脑电波也嵌入在所测量的eeg信号中，则由eeg传感器170测量并且由滤波模块192滤波的eeg信号的高频分量可以是θ、δ或γ脑电波。以这种方式，可以从由多种类型的脑电波组成的所测量的eeg信号中过滤任何更高频率的分量。

更进一步，传感器170可以测量来自胃肠道肌肉移动的信号，该信号发生在0.05hz或0.08至0.2hz范围内。滤波模块192然后可以用于滤除在0.15至0.5hz频带内发生的嵌入式呼吸信号。

带宽调节模块193可以用于基于输入信号(即，要滤波的信号)的特性来调节由滤波模块192提供的滤波器的通带(即，频率响应)。特别地，在一些应用中，带宽调节模块193可以用于通过滤波模块192来应用自适应滤波器，以解决其生理信号正在被测量的个体90的状态或轮廓的差异。例如，在从所测量的呼吸信号中滤除嵌入式快速移动心跳信号的场景下，对于年龄较大的个体90，嵌入式心跳信号的特性频率可能更接近正常范围的上部(例如，更接近2hz)，而年龄较小的个体90的心跳信号的特性频率可能更接近正常范围的下部(例如，更接近0.75hz)。类似地，具有健康状况(例如，高血压、糖尿病、压力、恐惧、精神病等)的个体90的嵌入式心跳信号的特性频率可能与没有该状况的个体90是不同的。在又一示例中，如果个体90的心率信息从第一传感器或设备170(例如，智能手表、ecg传感器等)可用，则该信息可以用于调节针对相同或相似个体90从第二传感器或设备170收集的数据的滤波特性。因此，带宽调节模块193可以用于适当地调节滤波模块192的滤波特性并且隔离感兴趣的快速移动信号。

一旦被滤波、分离或提取，可以使用相关模块191使来自两个不同传感器的快速移动信号互相关以确定它们之间的相对延迟，使得从中提取它们的生理信号(来自不同传感器)可以同步。例如，相关模块191可以在从两个不同传感器提取的快速移动信号之间执行互相关操作。互相关操作可以得到在两个生理信号对准的点处具有例如最大值或最小值的输出，从而允许计算平台101或另一设备确定两个生理信号之间的时间延迟。此外，相关模块191可以使测量信号的较高频率分量(与较低频率分量相对)互相关，因为较高频率分量可以具有更明显的特征，诸如峰值和谷值(即，频域中的较高频率含量)，并且可以得到对来自不同传感器的两个或更多生理信号之间的相对延迟的更准确的估计或计算。

特征提取模块194还可以用于提取所收集的生理信号数据的各种特征，诸如极值(信号的峰值和/或谷值)，以提高来自每个传感器170的信号质量验证的计算效率。例如，如果来自呼吸传感器170的信号的提取特征不包含与呼吸波形相一致的峰值和谷值，则可以从同步过程中省略或拒绝测量数据。在该示例中，可以使用任何种类的基于时间的方法(使用一阶和二阶差分)或基于时间频率的方法(例如，小波)来检测测量波形的峰值和谷值。

因为本文中讨论的信号同步方案是无源的，并且要同步的信号可以嵌入所捕获的数据中，所以即使在收集数据之后也可以实现同步。数据收集期间的任何错误都不会由于缺乏同步而导致所捕获的数据不可用。相反，在基于时间戳的方法中，必须在收集生理信号之后捕获用于实现同步的元数据(例如，校准设置、传感器设置等)。因此，本文中讨论的信号同步方法提高了数据收集的效率。此外，代替执行完整的信号相关，可以通过匹配所捕获的信号的峰值和谷值的时间差来使用本文中讨论的方法来降低信号同步的计算复杂度。

一旦已经从所收集的生理信号数据中提取了特征，就可以使所提取的特征相关(例如，通过计算相关系数)以辅助信号同步过程。

如本文中使用的，两个或更多信号的“互相关”这一术语是指作为一个信号相对于另一信号的位移的函数的信号相似性的度量。可以使用任何相似性度量，包括例如滑点积或滑动内积。例如，相似性量度可以用于在较长的生理信号中搜索较短的信号、信号的片段、或特征，诸如已知特征(例如，峰值和谷值)。

如本文中使用的，两个或更多信号之间的“相关”这一术语更广泛地是指信号之间的依赖性、关联性、连接性、相互关系，其通过各种技术确定，包括例如通过计算相关系数和/或通过两个信号的互相关。

在图2中还示出了安全和集成层160，通过该安全和集成层160，可以在计算平台101与诸如传感器170和远程网络(125、129和133)等远程设备之间发送和管理数据。安全和集成层160可以包括一个或多个单独的计算设备，诸如网络服务器、认证服务器和/或各种网络组件(例如，防火墙、路由器、网关、负载均衡器等)，该计算设备具有以上关于计算平台101描述的一些或全部元件。作为示例，计算平台101的安全和集成层160可以包括被配置为使用安全协议并且使平台101与传感器170隔离的网络应用服务器的集合。在一些情况下，安全和集成层160可以对应于在相同物理位置并且在与计算平台101相同的实体的控制下操作的专用硬件和/或软件的集合。例如，层160可以对应于组织数据中心或支持基于云的信号处理系统的云基础设施中的一个或多个专用网络服务器和网络硬件。在其他示例中，安全和集成层160可以对应于可以在单独的物理位置和/或由单独的实体进行操作的单独的硬件和软件组件。

尽管未在图2中示出，但是存储器115或计算环境100中的其他组件内的各种元件可以包括一个或多个高速缓存，例如，由处理单元103使用的cpu高速缓存、由操作系统117使用的页面高速缓存、硬盘驱动器的硬盘高速缓存、和/或用于高速缓存来自数据库121的内容的数据库高速缓存。cpu高速缓存可以由处理单元103中的一个或多个处理器使用以减少存储器时延和访问时间。在这样的示例中，处理器103可以从cpu高速缓存检索数据或将数据写入cpu高速缓存，而不是对存储器115进行读取/写入，这可以提高这些操作的速度。在一些示例中，可以创建数据库高速缓存，其中来自数据库121的某些数据(例如，从传感器170等捕获的所存储的生理数据的数据库)被高速缓存在与数据库服务器分离的应用服务器上的单独的较小数据库中。例如，在多层应用中，应用服务器上的数据库高速缓存由于无需通过网络与后端数据库服务器通信而可以减少数据检索和数据处理时间。这些和/或其他类型的高速缓存可以被包括在各种实施例中，并且可以在某些实现中提供潜在优点。例如，这些和/或其他类型的高速缓存可以提供更快的响应时间(例如，用于计算两个生理信号的互相关)，并且在传输和检索所收集的生理数据、关联的患者数据等以及接收或传输用于使两个或更多生理数据集合同步的软件应用或应用更新时对网络状况的依赖性较小。

应当理解，所示出的网络连接是说明性的，并且可以使用在计算机之间建立通信链路的其他方式。假定存在各种网络协议(诸如tcp/ip、以太网、ftp、http等)和各种无线通信技术(诸如gsm、cdma、wifi和wimax)中的任何一种，并且本文中描述的各种计算机设备和系统组件可以被配置为使用这些网络协议或技术中的任何一种进行通信。

图3是示出使生理数据同步的一种示例方法的流程图。参考图3，在步骤305处，该方法可以包括以下步骤：收集来自第一传感器的第一数据和来自第二传感器的第二数据，第一数据和第二数据中的每个数据表示多个生理信号分量。第一数据和/或第二数据可以分别直接从第一传感器和第二传感器收集(由第一传感器和第二传感器检测和/或记录的生理信号)。第一数据和/或第二数据也可以从存储装置收集或检索(分别由第一传感器和第二传感器预先检测和/或记录的生理信号)。随后，在步骤310处，该方法还可以包括以下步骤：提取(例如，通过滤波或分离)第一数据和第二数据的公共生理信号分量。例如，第一数据可以包括心跳信号分量和呼吸信号分量。第二数据可以包括心跳信号分量和呼吸分量信号或其他类型的生理信号分量或生理信号(例如，心跳信号、以及呼吸、脑电波(例如，β、α、θ、δ等)和胃肠道肌肉移动信号中的一种或多种)。在该示例中，心跳信号分量是第一数据和第二数据的公共生理信号分量。在其他示例中，公共生理信号分量可以是另一种类型的信号。在提取或分离较高频公共生理信号分量时，第一数据和第二数据的较低频生理信号分量也被分离或隔离。接下来，在步骤315处，该方法可以包括使第一数据的多个生理信号分量中的公共生理信号分量(例如，心跳信号)和第二数据的多个生理信号分量中的公共生理信号分量(例如，心跳信号)相关。最终，在步骤320中，该方法可以包括基于相关来使包括来自第一传感器的第一数据的第一生理信号分量(例如，呼吸信号分量)和包括来自第二传感器的第二数据的第二生理信号分量(例如，呼吸信号分量或另一种类型的生理信号或信号分量)同步。例如，可以以周期性间隔(例如，每10分钟)重复上述过程，以解决例如两个不同生理信号或两个不同传感器或传感器类型之间的未知延迟的变化的性质。

图4a至图4c示出了由计算平台101处理的生理信号的示例流程图。对于该示例，假定两个不同的ppg传感器170附接到个体90。传感器170之一附接到个体90的腹部(例如，源1)，另一传感器170附接到90个体的胸部(例如，源2)。还假定由ppg传感器170捕获的每个呼吸信号具有某个未知延迟，该延迟可能会有所不同(例如，基于其呼吸正在被测量的个体等)并且无法估计。进一步假定由于电子时延和其他因素的差异，两个传感器170之间的延迟将不同。这些电子时延可以在几毫秒到若干秒的数量级。特别地，传感器170可以采用各种技术来进行信号调节，包括经由缓冲器在一定时间间隔内观察信号并且产生经滤波的输出。另外，即使是相同类型的传感器170也可能具有与温度、使用历史等相关联的漂移。由于操作员的疏忽(例如，在两个相同的传感器处使用不同的设置)，也会导致不同的时延。

现在假定图4a的曲线图402和404描绘了分别来自两个ppg传感器170的所测量的生理信号，一个ppg传感器170附接到个体90的腹部，另一ppg传感器170附接到个体90的胸部。如图4a所示，来自两个传感器170的所测量的生理信号包括低频分量和嵌入式高频分量(例如，传感器170每个检测和/或记录低频分量和高频分量作为复合信号)。在这种特定情况下，低频分量对应于呼吸信号，而高频分量对应于心跳信号。滤波模块192可以用于将高频心跳分量406和408与复合信号402和404隔离，其中来自两个源的所得到的隔离的心跳信号如图4b中的曲线图410和412所示。在隔离心跳信号时，也可以隔离低频信号，例如呼吸信号。心跳分量或心跳信号可以用作公共生理信号分量或生理信号以使来自腹部和胸部的复合信号或呼吸信号同步。一旦被提取、隔离、分离，生理信号分量可以被称为生理信号。在曲线图410和412中示出的隔离的心跳信号可以互相关414以确定从两个不同传感器170提取的两个心跳信号之间的时间延迟，如图4c中的曲线图416所示。两个经滤波的心跳信号之间的时间延迟将等于所测量的呼吸信号之间的时间延迟，并且因此，从互相关运算计算出的时间延迟可以用于使所测量的复合信号同步或使从腹部(例如，源1)和胸部(例如，源2)检测到的呼吸信号同步。如曲线图416所示，在该特定示例中，两个经滤波的心跳信号之间的时间延迟是40个时间单位，并且因此，为了使曲线图402和404所示的所测量的呼吸信号同步，曲线图402中所示的呼吸信号必须例如向左时移40个时间单位。

本文中讨论的方法和系统可以用于以更易访问且较不麻烦的方式来估计容积呼吸参数。用于测量呼吸参数的传统方法和系统涉及肺活量计的使用。然而，使用肺活量计对所有呼吸参数(例如，潮气量等)执行连续测量可能不适用于受益于反映出整个呼吸参数频谱的数据的新的健康和健身应用，因为肺活量计价格昂贵(成本为数百美元，并且因此可以选择性地使用)并且麻烦(需要在长期使用时很麻烦的口管)。

为了在没有肺活量计的情况下准确地测量呼吸参数，示例设置可以涉及将生理传感器170放置在个体90的胸部和腹部之上或附近。每个位置可以使用相同或不同类型的一个或多个传感器170(例如，来自不同的传感器制造商)来测量呼吸信号。例如，第一传感器可以捕获胸部移动(从呼吸)，并且第二传感器可以捕获腹部移动(从呼吸)。此外，传感器170可以使用相同或不同的技术。例如，以易于佩戴的可佩戴胸带形式的传感器技术或非接触式反射技术是两个可行的选择。如上所述，可以使用嵌入在来自相同个体90的所捕获的呼吸信号(例如，公共心跳信号)中的更快的信号来使所捕获的呼吸信号同步。

待同步的信号可以是不同类型的信号(例如，呼吸信号和胃肠道信号)。在某些示例中，当公共嵌入式信号(例如，心跳信号)的特性频率高于两个测量信号(例如，呼吸信号和胃肠道信号)的频率范围时，上述方法可以用于使两个测量信号同步。

在一些示例中，计算平台101可以使两个以上的信号相关并且同步。在这些示例中，平台101可以收集和访问来自三个或更多生理传感器170的生理信号。然后，可以使用滤波模块192来提取、滤波或以其他方式隔离所访问的生理信号(例如，复合信号)以隔离公共生理信号分量(例如，每个收集的生理信号的公共高频分量)。然后，平台101(例如，经由相关模块191)可以使来自三个或更多生理传感器170的公共生理信号相关。为了使三个或更多信号互相关，相关模块191可以执行一个以上的互相关。例如，为了使三个信号互相关，相关模块191可以使第一信号和第二信号互相关以确定这两个信号之间的第一最佳时间延迟。然后，相关模块191可以使第一信号和第三信号互相关以确定这两个信号之间的第二最佳时间延迟。最后，相关模块191可以使第二信号和第三信号互相关以确定这两个信号之间的第三最佳时间延迟。最后，基于这些时间延迟，平台101可以使来自三个或更多生理传感器170的信号同步。

本公开的一个或多个特征可以实施在由一个或多个计算机或其他设备的(多个)处理器执行以执行本文中描述的操作的计算机可用数据或计算机可执行指令中，诸如在一个或多个程序模块中。通常，程序模块包括例程、程序、对象、组件、数据结构等，它们在由计算机或其他数据处理设备中的一个或多个处理器执行时执行特定任务或实现特定抽象数据类型。可以将计算机可执行指令作为计算机可读指令存储在诸如硬盘、光盘、可移动存储介质、固态存储器、ram等计算机可读介质上。在各种实施例中，可以根据需要组合或分布程序模块的功能。另外，功能可以全部或部分地实施在固件或硬件等效物中，诸如集成电路、专用集成电路(asic)、现场可编程门阵列(fpga)等。特定数据结构可以用于更有效地实现本公开的一个或多个方面，并且这样的数据结构被认为在本文中描述的计算机可执行指令和计算机可用数据的范围内。

本文中描述的各个方面可以实施为一种方法、一种装置、或者存储计算机可执行指令的一种或多种计算机可读介质。因此，这些方面可以采取完全硬件实施例、完全软件实施例、完全固件实施例、或以任何组合结合软件、硬件和固件方面的实施例的形式。另外，本文中描述的表示数据或事件的各种信号可以以通过信号传导介质(诸如金属线、光纤或无线传输介质(例如，空气或空间))进行传播的光或电磁波的形式在源与目的地之间传送。通常，一种或多种计算机可读介质可以是一种或多种非瞬态和/或瞬态计算机可读介质。

如本文所述，各种方法和动作可以跨一个或多个计算服务器和一个或多个网络可操作。功能可以以任何方式分布，或者可以位于单个计算设备(例如，服务器、客户端计算机等)中。例如，在备选实施例中，以上讨论的一个或多个计算平台或设备可以被组合成单个计算平台或设备，并且每个计算平台或设备的各种功能可以由单个计算平台或设备执行。在这样的布置中，计算平台或设备之间的以上讨论的任何和/或所有通信可以对应于由单个计算平台或设备正在访问、移动、修改、更新和/或以其他方式使用的数据。另外地或备选地，以上讨论的一个或多个计算平台或设备可以在由一个或多个物理计算设备提供的一个或多个虚拟机中实现。在这样的布置中，每个计算平台或设备的各种功能可以由一个或多个虚拟机执行，并且计算平台或设备之间的以上讨论的任何和/或所有通信可以对应于由一个或多个虚拟机正在访问、移动、修改、更新和/或以其他方式使用的数据。

本文中已经描述了本公开的示例。通过阅读本公开，本领域普通技术人员将能够想到很多其他示例，包括在所附权利要求书的范围和精神内的修改和变型。例如，根据本公开的方面，说明性附图中描绘的一个或多个步骤可以以不同于所列举的顺序来执行，并且一个或多个描绘的步骤可以是可选的。