述检测信号是第一类型；当所述检测信号不满足所述第一预定条件时，确定所述检测信号是第三类型。
[0090]由此，在本实施例中，在确定检测信号的类型时，首先基于检测信号的特征信息，判断检测信号是否满足第二预定条件，即:检验该检测信号的是否为无效信号，当确定检测信号满足第二预定条件时，确定检测信号为第二类型的无效信号，电子设备直接忽略该检测信号。当确定检测信号不满足第二预定条件时，电子设备确定该检测信号为有效信号，此时，电子设备还需进一步确定该检测信号是否为需要报警类的信号，所以，电子设备还需判断检测信号是否满足第一预定条件，当确定检测信号不满足第一预定条件时，则该检测信号表明用户处于健康的状态，此时，电子设备仅需记录并保存该检测信号。当电子设备确定检测信号满足第一预定条件时，确定检测信号为第一类型，表明该检测信号为需要报警类且为有效的没有收到干扰的信号，此时，电子设备获得与第一类型检测信号对应的输出提示信息的第一指令，进而在执行第一指令时，可提示用户当前检测信号为需要报警类型的信号。
[0091]通过这样的方式，电子设备在确定检测信号是否为第一类型时，需要进行两重判断，比如:在确定检测信号的特征满足需要输出提示信息的第一预设条件时，还需要判断该检测信号是否为有效的用于表明用户生理参数信息的信号，在确定后才会执行输出提示信息的指令。所以，能避免因检测到的信号为受到干扰的信号时，触发误报警的情况，实现了对用于反应用户健康状态的生理参数信息进行有效监护的技术效果。
[0092]进一步，在本实施例中，步骤:基于所述特征信息，判断所述检测信号是否满足所述第二预定条件，在具体实现过程中包括如下步骤:
[0093]获得用于评价所述检测信号有效性的评价模型，其中，所述评价模型为基于已知是否有效的N个检测信号以预设模型进行训练后得到的评价模型，N为大于I的整数；
[0094]将所述特征信息输入所述评价模型，获得所述评价模型的输出结果，其中，在所述输出结果用于表明所述检测信号是否有效，在所述输出结果表明所述检测信号无效时，确定所述检测信号满足所述第二预定条件。
[0095]为了使得评价模型更精确，在获得所述评价模型的输出结果之后，基于所述输出结果，对所述评价模型进行修正，将所述修正后的评价模型作为用于评价所述检测信号有效性的模型。
[0096]具体的，在本实施例中，电子设备中预设有用于评价检测信号有效性的评价模型，该评价模型为基于已知是否有效的N个检测信号以预设模型进行训练后得到的评价模型。比如:在检测信号为心电信号，在评价心电信号的有效性时，从心电信号数据库中获得1000个12岛标准心电信号样本集，这1000个12岛标准心电信号中有773个心电信号为有效的心电信号，有225个心电信号为无效的心电信号，提取该心电信号样本集中的每个心电信号的电极错位信息、强噪声信息、峰度值、R波检测匹配度这4个中任一一个或多个能反映心电信号质量的特征信息，进而将电极错位信息、强噪声信息、峰度值、R波检测匹配度这4个中任--个或多个特征作为SVM(Support Vector Machine，支持向量机)模型的输入，将对应已知有效性的心电信号作为SVM的输出，对该SVM模型进行训练。进而，在检测到心电信号时，提取该心电信号的电极错位信息、强噪声信息、峰度值、R波检测匹配度这4个中任一一个或多个特征，将其输入训练好的SVM模型，得到的输出结果即为该心电信号的有效性结果。由此，当评价模型对应的输出结果表明检测信号无效时，即可确定检测信号满足第二预定条件。进一步，为了使得评价模型更精确，在通过评价模型获得检测信号对应的的输出结果之后，可将该检测信号添加至评价模型的训练样本中，进而根据更新后的训练样本对评价模型进行训练，得到修正后的评价模型。在具体实施过程中，评价还可以采用其他类型的模型，如:神经网络模型、决策树模型等等，在此，本申请不作限制。
[0097]通过这样的方式，电子设备在进行检测信号有效评价时，通过采用机器学习得到的评价模型对检测信号进行评价，进而获得与检测信号对应的评价结果。通过机器学习得到的评价模型能较准确地对检测信号进行评价，得到准确的评价结果。所以，实现了对用于表明用户生理参数信息的检测信号进行准确分类，进而，保证了对用于反应用户健康状态的生理参数信息进行有效监护。
[0098]实施例二
[0099]请参考图2，本申请实施例还提供一种电子设备，包括:
[0100]传感装置201，用于采集表明被检测者的生理参数信息对应的检测信号；
[0101]处理装置202，用于处理所述检测信号，获得所述检测信号的特征信息；基于所述特征信息，确定所述检测信号的类型；依据所述检测信号的类型，获得对应的指令；执行所述指令。
[0102]可选的，所述电子设备还包括:
[0103]输出装置，用于依据第一指令输出提示信息，所述提示信息用于指示当前检测信号为第一类型，其中，所述第一指令是在所述处理装置基于所述特征信息，依据第一预定条件与第二预定条件确定所述检测信号的类型为第一类型时，获得并执行的与所述第一类型对应的指令；
[0104]存储装置，用于依据第三指令记录所述检测信号，其中，所述第三指令是在所述处理装置基于所述特征信息，依据第一预定条件与第二预定条件确定所述检测信号的类型为第三类型时，获得并执行的与所述第三类型对应的指令。
[0105]具体的，在本实施例中，当处理装置确定检测信号为第一类型时，处理装置获得与第一类型对应的第一指令，并将第一指令发送至电子设备的输出装置，该输出装置执行该第一指令后输出提示信息。具体的，输出装置可以是可以为振动提示装置或者是语音提示装置等。当输出装置接收到处理装置发送的第一指令时，输出装置可以以振动的方式进行提示或者是语音的方式进行提示。在具体实施过程中，输出装置的类型可根据实际需要进行设置，在此，本申请不做限制。进一步，当处理装置确定检测信号为第三类型时，处理装置获得与第三类型对应的第三指令，并将第三指令发送至电子设备的存储装置，该存储装置执行该第三指令后存储检测信号。该存储装置可以是R0M、RAM、硬盘、软盘、磁带、磁芯存储器中任一一种或多种，还可以是其他类型的存储装置，在此不再一一举例。
[0106]在本申请实施例中，所述电子设备中的传感装置201可以设计的足够小，为此，可以将传感装置201设置于一穿戴式设备中，进一步提高了设备的便携性。在所述电子设备具体为穿戴式设备时，请参考图3所示，所述电子设备还包括:
[0107]本体301;
[0108]固定体302，与本体301连接，用于维持所述电子设备与被检测者身体至少一部分的相对位置关系；
[0109]其中，传感装置201设置在本体301上和/或固定体302上，处理装置202设置在本体301上和/或固定体302上。
[0110]在所述穿戴式设备具体为腕带式设备时，传感装置201设置本体301上和/或固定体302上，固定体302用于维持所述腕带式设备与被检测者腕部间的相对位置关系；
[0111]其中，固定体302至少具有固定状态，在所述固定状态下，所述固定体302能作为一环状空间的至少一部分，或所述固定体302为满足第一预设条件的近似环状空间的至少一部分；其中，所述环状空间或所述近似环状空间能围绕在满足第二预设条件的柱状体外围。
[0112]在本申请实施例中，固定体302至少具有固定状态，也就是说，固定体302可以是固定状态，也可以是非固定状态。举个具体的例子来说，在所述电子设备具体为形如智能手表的穿戴式设备时，固定体302为该设备的表带部分，本体301为该设备的表盘部分，如图3所示。且在固定体302是一个整体时，固定体302只有固定状态，而在固定体302由两个分开的部分组成时，固定体302具有固定状态和非固定状态。比如，形如智能手表的表带通过表扣连接时，固定体302为固定状态，表扣断开时，固定体302为非固定状态。如果是手镯式的固定体302，则此时固定体302就只有固定状态。
[0113]在具体实施过程中，固定体302和本体301有以下两种连接方式，但又不仅限于于以下两种连接方式，本领域的普通技术人员可根据具体的需要来进行设计。
[0114]第一种连接方式:固定体302和本体301的(相反)两端连接，使得所述固定体只是环状/近似环状空间的一部分；具体的，固定体302可以是由两个分开的部分组成的，也可以是一个整体，如图3a和图3b所示。
[0115]第二种连接方式:固定体302本身构成一个环状/近似环状空间，本体301设置在固定体302外表面上，面接触(连接)。
[0116]在具体实施过程中，对于形如智能戒指的穿戴式设备的固定体302，其本身就能够构成环状/近似环状空间。
[0117]此外，在本申请实施例中，固定体302上可以开设有开口，但是所述开口需要小于柱状体的口径。所述柱状体可以是手腕，还可以是手臂，或者是手指等，在此就不一一赘述了。
[0118]进一步，在本申请实施例中，为了将所述环状空间或所述近似环状空间相对固定(或围绕)在柱状体的外围，