[0045]其中，(12表示第二代价函数值，D 1、D2, Dn表示红光接收光强数据，L n L2, Ln表示干扰参考数据序列，M.a、M.b、M.c表示红光干扰参数。
[0046]η的取值越大，后续的血氧值测量的精确度越高，但是，计算的复杂程度也越高。
[0047]在一实施例中，所述根据所述红光干扰参数消除红光接收光强数据中的运动干扰步骤中，消除红光干扰公式为:
[0048]J1= D「Μ.b* (L1-M.a) -Μ.c ；
[0049]J2= D 2—M.b* (L2-M.a)—M.c ；
[0050]......;
[0051 ] Jn= D n-M.b* (Ln-M.a) _M.c ；
[0052]其中，Jn J2、丄表示消除运动干扰后的红光接收光强数据。
[0053]步骤S105:根据红外光接收光强数据和所述干扰参考数据序列计算红外光干扰参数，并根据所述红外光干扰参数消除红外光接收光强数据中的运动干扰；
[0054]在一实施例中，所述根据所述红外光接收光强数据和所述干扰参考数据序列计算红外光干扰参数的步骤可以包括:
[0055]根据所述红外光接收光强数据和预设的干扰参考数据序列计算第三代价函数的最小值，根据第三代价函数的最小值计算红外光干扰参数；其中，第三代价函数为:
[0056]d3= (E「N.b* (L1-N.a) _N.c)2+ (E2-N.b* (L2-N.a) _N.c)2+…+ (En-N.b* (Ln-N.a) -N.c)2;其中，d 3表不第三代价函数值，E ^ E2、En表不红外光接收光强数据，L n L2、1^表不干扰参考数据序列，N.a、N.b、N.c表示红外光干扰参数。
[0057]进一步的，在一实施例中，所述根据所述红外光干扰参数消除红外光接收光强数据中的运动干扰步骤中，消除红外光干扰公式为:
[0058]K1= E「N.b* (L1-N.a) -N.c ；
[0059]K2= E 2-N.b* (L2-N.a) -N.c ；
[0060]......;
[0061 ] Kn= E η-Ν.b* (Ln-N.a) _N.c ；
[0062]其中，Kp K2、Kn表示消除运动干扰后的红外光接收光强数据。
[0063]步骤S107:利用消除运动干扰后的红外光接收光强数据和红光接收光强数据计算血氧值。
[0064]上述血氧测量设备的运动干扰抵消方法，通过计算所述红光接收光强数据和红外光接收光强数据的形态相似度，当形态相似度大于设定阈值时，即发生了运动干扰，判断运动干扰较准确，延时较小；然后通过计算红光干扰参数和红外光干扰参数，根据两个参数以及预设的干扰参考数据序列消除运动干扰，再利用消除运动干扰后的红外光接收光强数据和红光接收光强数据计算血氧值，从而可以有效消除血氧测量设备测量血氧值中的运动干扰，提高测量准确性。
[0065]为了更进一步的详细说明本发明的血氧测量设备的运动干扰抵消方法，下面将结合具体应用实例进行说明。
[0066]请参阅图2，图2为一实施例血氧测量设备测量示意图。
[0067]目前的测量方法是采用指套式光电传感器，测量时，只需将传感器套在人手指上，如图2所示，利用手指作为盛装血红蛋白的透明容器，使用波长660nm的红光和940nm的近红外光作为射入光源，由发射器件向手指发射红光和红外光，由接收器件获取红光接收光强数据和红外光接收光强数据，并测定通过组织床的光传导强度，来计算血红蛋白浓度及血氧饱和度，仪器即可显示人体血氧饱和度。
[0068]请参阅图3，图3为一实施例未发生运动干扰时的红光和红外光波形图。
[0069]无运动干扰时，血氧测量设备测量到的光信号，红光与红外光的接收光强在形态上非常接近。如图3所示，上层曲线为红光的接收光强，下层曲线为红外光的接收光强。
[0070]请参阅图4，图4为一实施例发生运动干扰时的红光和红外光波形图。
[0071]运动干扰时，血氧测量设备测量到的光信号，红光与红外光的接收光强在形态上差异较大。如图4所示，上层曲线为红光的接收光强，下层曲线为红外光的接收光强。
[0072]下面将说明血氧测量的方法，首先预设运动干扰判别时长为A，即每次以最近的时长为A的一组数据来判别是否运动干扰，A可以是10s。
[0073]记设备光采样率为B，即每次以最近的时间段内C = A*B个数据来判别是否运动干扰。记红光接收光强的最近C个数据的序列为D，红外光接收光强的最近C个数据的序列为E。使用形态相似度算法，求得红光与红外光的接收光强在形态上相似程度F，以及相似参数G:
[0074]形态相似度算法如下:
[0075]Cl1= (E「b* (D「a)-c)2+(E2-b* (D2-a)-c)2+…+ (En-b* (Dn-a)-c)2，其中，山表不第一代价函数值，En E2、En表不红外光接收光强数据，D P D2、0?表不红光接收光强数据，a表示红光的基线值，c表示红外光的基线值，b表示红外光的峰谷差值与红光的峰谷差值的比例，η表示数据个数，a、b、c可取任意实数，η = Co
[0076]然后求得能使第一代价函数值(I1取值最小的a、b、c的值，以及d:的最小值，d:的最小值即为形态上相似程度F。使d取得最小值的a、b、C，即为相似参数G，下文将分别描述为 G.a、G.b、G.C。
[0077]预设运动干扰判断阀值H，若F>H，则判断为运动干扰状态；若F < H，则判断为非运动干扰状态，H取值越小则对运动干扰越敏感。若判断为运动干扰状态，则使用运动干扰抵消算法，通过G、D、E，求得抵消运动干扰后的红光接收光强的最近C个数据序列为J，抵消运动干扰后的红外光接收光强的最近C个数据序列为K。
[0078]此处使用的G，可以是非运动干扰状态储存下来的相似参数G，也可以是用下文的消除运动干扰后的数据J、K经过计算重新求得的G。
[0079]运动干扰抵消算法如下:
[0080]d2= (D !-Μ.b* (L1-M.a) -M.c)2+ (D2-M.b* (L2-M.a) -Μ.c)2+…+ (Dn-M.b* (Ln-M.a) -Μ.c)2；
[0081]其中，(12表示第二代价函数值，D 1、D2, Dn表示红光接收光强数据，L n L2, Ln表示干扰参考数据序列，M.a、M.b、M.c表示红光干扰参数。
[0082]干扰参考数据序列L为:
[0083]L1= E fG.b* (D1-G.a) -G.c ；
[0084]L2= E 2-G.b* (D2-G.a) _G.c ；
[0085]......；Ln= E n-G.b* (Dn-G.a) _G.c ；
[0086]其中，G.a、G.b、G.c表示计算得到形态相似度时a、b、c对应的数值。
[0087]根据L、D，求得红光干扰参数M，具体是，
[0088]求得能使第二代价函数值d2取值最小的a、b、c的值，此时的a、b、c值即为红光干扰参数M，下文将分别描述为M.a、M.b、M.C。
[0089]消除运动干扰后的红光接收光强数据J为:
[0090]J1= D「M.b* (L1-M.a) -Μ.c ；
[0091 ] J2= D 2—M.b* (L2-M.a)—M.c ；
[0092]......;
[0093]Jn= D n—M.b* (Ln—M.a)—M.c ；
[0094]根据L、E，求得红外光干扰参数N，具体是，设计第三代价函数:d3