非接触式检测生命体征信号的方法和装置的制造方法
【技术领域】
[0001]本发明涉及信号处理领域，特别是涉及非接触式检测生命体征信号的方法和非接触式检测生命体征信号的装置。
【背景技术】
[0002]随着都市工作节奏加快，各类人群的生活压力与日倶增，其中患有潜在慢性疾病人群更是超过了国际平均比例。针对日常生活环境中，实时对脉搏、呼吸、血氧信号等生命体征进行检测，对慢性疾病的监控和预防有重大意义。
[0003]目前，针对日常生活场景下的各类人群生命体征信号的实时监控需借助可穿戴设备(如电子手环、颈圈、背心等)实现。然而，佩戴可穿戴设备本身会给用户带来一定不适感；并且，虽然可穿戴设备能对用户脉搏、呼吸、体动等日常体征信号进行实时记录，但采集的数据的准确度不高，数据反映信息的真实性不强，不利于对日常生活中个体的精准监控。
【发明内容】
[0004]基于此，本发明提供一种非接触式检测生命体征信号的方法和装置，能够避免佩戴可穿戴设备带给用户的不适感，且提高采集数据的准确度。
[0005]本发明一方面提供一种非接触式检测生命体征信号的方法，包括:
[0006]以非接触方式获取包含用户体征的压力信号，将压力信号转换为电信号，该电信号为包括有脉搏、呼吸及噪声的混叠体征信号；
[0007]滤除混叠体征信号中的工频噪声，从混叠体征信号中分离出呼吸信号和脉搏信号；
[0008]对脉搏信号进行特征值提取，得到脉率;对呼吸信号进行特征值提取，得到呼吸率。
[0009]本发明另一方面提供一种非接触式检测生命体征信号的装置，包括:
[0010]采集模块，用于以非接触方式获取包含用户体征的压力信号；以及，用于将压力信号转换为电信号，该电信号为包括有脉搏、呼吸及噪声的混叠体征信号；
[0011]处理模块，用于滤除混叠体征信号中的工频噪声，从混叠体征信号中分离出呼吸信号和脉搏信号；
[0012]特征提取模块，用于对脉搏信号进行特征值提取，得到脉率;对呼吸信号进行特征值提取，得到呼吸率。
[0013]上述技术方案的非接触式检测生命体征信号的方法和装置，通过以非接触方式获取包含用户体征的压力信号，将压力信号转换为电信号，所述该电信号为包括有脉搏、呼吸及噪声的混叠体征信号;滤除混叠体征信号中的工频噪声，从混叠体征信号中分离出呼吸信号和脉搏信号;对脉搏信号进行特征值提取，得到脉率;对呼吸信号进行特征值提取，得到呼吸率。一方面，克服用户因接触式装置长期接触带来的不适感，另一方面，在信号识别方面，检测准确率和识别准确度方面与传统医用接触式体征信号获取装置相当，并且方案的运算复杂度更低。
【附图说明】
[0014]图1为实施例一的非接触式检测生命体征信号的方法的示意性流程图；
[0015]图2为对脉搏信号进行特征值提取得到脉率的示意性流程图；
[0016]图3为对呼吸信号进行特征值提取得到呼吸率的示意性流程图；
[0017]图4为实施例二的非接触式检测生命体征信号的方法的示意性流程图；
[0018]图5为实施例三的非接触式检测生命体征信号的装置的示意性结构图。
【具体实施方式】
[0019]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0020]本发明提供的实施例包括非接触式检测生命体征信号的方法实施例，还包括相应的非接触式检测生命体征信号的装置实施例。以下分别进行详细说明。
[0021]实施例一:
[0022]图1为实施例一的非接触式检测生命体征信号的方法的示意性流程图；如图1所示，本实施例的非接触式检测生命体征信号的方法包括如下步骤SI至S3，各步骤详述如下:
[0023]SI，以非接触方式获取包含用户体征的压力信号，将压力信号转换为电信号，该电信号为包括有脉搏、呼吸及噪声的混叠体征信号；
[0024]其中，用户体征包括体动、脉搏和呼吸信号等，本实施例中，需监测的用户体征指的是脉搏和呼吸信号。
[0025]步骤SI的具体实现方式可为:通过预先设置的压电传感器(例如压电陶瓷信号采集器)获取包含用户脉搏、呼吸等体征的压力信号;所述压力信号可包括用户头部、背部、胸部或颈部等部位产生的压力信号。压力传感器的数量为一个或多个。具体如:用户睡眠时，可通过预先设置在被子、床垫或枕头下的压电传感器获取包含用户脉搏、呼吸等体征的压力信号；日常生活中，可通过设置在衣物上的压电传感器获取包含用户脉搏、呼吸等体征的压力信号。可以理解的是，还可通过其它类似的非接触方式获取包含用户体征的压力信号，本发明对此不作穷举。本发明方案中，由于用户与压力信号获取装置不直接接触，因此不存在不适感。
[0026]其中，压电陶瓷信号采集器可实现压力信号到电信号的转换，即将获取的压力信号以电压或电流的信号形式输出给对应的处理器设备;本发明对压电陶瓷信号采集器不作限定。
[0027]压电陶瓷信号采集器以非接触的方式将用户体征的压力信号转换为电信号，即获取了初始化的混叠体征信号。
[0028]S2，滤除混叠体征信号中的工频噪声，从混叠体征信号中分离出呼吸信号和脉搏信号；
[0029]由于信号获取方式非直接接触，导致获取的体征信号信噪比低，且多路体征信号(如呼吸、脉搏、体动等)在时间上混叠，不易区分。因此，首先需对上述混叠体征信号进行去噪，以滤除混叠体征信号的工频噪声。
[0030]具体的，可采用两种方式滤除混叠体征信号的工频噪声:一是通过小波去噪方法滤除混叠体征信号的工频噪声;二是通过特定的陷波器滤除混叠体征信号的工频噪声。
[0031]进一步的，基于不同体征信号频率特征的差异化，可从混叠体征信号中分离出各体征信号。针对脉搏信号和呼吸信号，其分离方式具体可包括:1.设计截至频率性能较好的Butterworth滤波器(巴特沃斯带通滤波器)以分频输出呼吸信号、脉搏信号;2.将混叠体征信号进行小波分解，分解出呼吸信号和脉搏信号。
[0032]作为一优选实施方式，可根据压电陶瓷信号采集器的采样频率，建立一个5秒信号处理缓存空间，压电陶瓷信号采集器每秒传输的数据(即混叠体征信号)先经过一个50Hz的陷波器，滤除其中的工频噪声，然后将信号存入所述信号处理缓存空间；当所述信号处理缓存空间存满后，将混叠体征信号通过不同频率的滤波器以得到呼吸信号和脉搏信号。具体如:根据人体的呼吸频率特性，设计一个0.1-0.5Hz的巴特沃斯带通滤波器，将混叠体征信号通过0.1-0.5Hz的巴特沃斯带通滤波器，获得出呼吸信号;根据人体的脉搏频率特性，设计一个40Hz的低通滤波器，将混叠体征信号通过40Hz的低通滤波器，得出脉搏信号。
[0033]具体的，通过小波分解从混叠体征信号中分离获得脉搏信号的原理可为:首先，采用基于小波变换的时域峰值定位算法，利用小波分解混叠体征信号，得出在某一小波尺度上信号表现的时域特征，过程可为:直接利用小波分解混叠体征信号，得出在某一小波尺度上，信号特征表现最为突出的特征点，即识别出信号的时域特征，根据信号的时域特征建立对应的时间窗函数，采用峰值检测法得出粗略脉搏信号的特征;接着，采用小波变换的过零点算法对粗略脉搏信号进行去噪，过程可为:先使用离散小波变换来去噪，使用尺度为8的墨西哥草帽小波变换来获取平均系数，然后在一定范围内查找平均系数大的点，在这个点附近左右各0.2秒时间窗内寻找最大值和最小值来检测QRS波;为了提升QRS波检测精度，可采用基于人工神经网络的自适应匹配滤波器来检测QRS波，过程:先使用人工神经网络自适应噪声白化滤波器来降低心电信号中的低频能量，消除那些非线性和非统计特性的低频噪声，再使用人工神经网络自适应匹配滤波器模板来检测QRS波;最后，在检测到脉搏信号QRS波后，采用差分阈值法提升检测精度，具体过程可为:利用心电信号的一阶差分和二阶差分的平方和来检测R波，通过输出脉冲的宽度来比较精确地估计R波的宽度;再采用基于形态滤波的差分阈值法提取脉搏波，通过构造开、闭运算的各种形态滤波器，以及结构元素，对去噪后的脉搏信号进行预处理，以突出脉搏波信号