一种适用于智能穿戴设备的心率测量方法及装置与流程

本发明涉及智能穿戴装置领域，尤其涉及一种适用于智能穿戴设备的心率测量方法及装置。

背景技术：

心率是指正常人安静状态下每分钟心跳的次数，也叫安静心率，可因年龄、性别或其他生理因素产生个体差异。一般来说，年龄越小，心率越快，老年人心跳比年轻人慢，女性的心率比同龄男性快。心率是确定人身体是否健康的重要指标，现如今，随着科学技术的发展，实时便捷的心率测量越来越受到人们的欢迎。

现阶段，应用于智能穿戴设备当中的心率测量方法主要有电势法和光电法两种，由于电势法在心率测量过程中操作复杂，实时性较差，因此相比较而言，光电法更适用于智能穿戴装置中的心率测量，其操作成本低、方法简单、实时性好。

现有设备使用光电法进行心率测量，当血液经过毛细血管进入手腕时，血液流速会相应的减慢，在智能手表接收信号时受到的噪声干扰会相应的增加，影响测量准确性。

如公开号为CN 105816163A的专利文献提供的“检测心率的方法、装置及可穿戴设备”，该方法包括：计算预设时间周期内获取的第一PPG数据的时域特征值和频域特征值；根据所述第一PPG数据的时域特征值、所述频域特征值以及所述用户在所述预设时间周期内的活动量，确定所述预设时间周期内的心率信号质量；根据所述第一PPG数据的时域特征值、所述频域特征值、所述预设时间周期内的心率信号质量、以及前一预设时间周期的心率相关数据，确定所述用户在所述预设时间周期内的心率值，其中，所述心率相关数据包括心率值和心率信号质量。该专利从硬件角度进行改进以降低噪声影响，提高接收器灵敏度，但会噪声成本增加，同时设备复杂度也会上升。

又如公开号为CN105125199A的专利文献提供的“一种心率检测方法与装置”，该方法包括：循环执行第一流程直至获取若干个R波；所述第一流程包括：采样心电数据以获取新的采样值，记所述新采样值的前一采样值为当前采样值；对当前采样值执行R波判定流程；根据所述获取的若干个R波确定当前心率。所述R波判定流程主要是根据R波的特点，排除与R波类似波形的影响，找出正确的R波，为心率的计算提供正确的数据。该方法未对采样值进行筛选或其他处理，容易受到外界干扰，影响结果准确性。

技术实现要素：

针对上述现有技术的现状，本发明所要解决的技术问题在于提供一种高效准确的适用于智能穿戴设备的心率测量系统及方法。

本发明解决上述技术问题所采用的技术方案为：

一种适用于智能穿戴设备的心率测量方法，包括：

S1.接收并传输反射信号；

S2.检测信号波谷位置，计算波谷宽度以及波谷深度；

S3.信号分割，得到搏动周期，计算直流信号值与交流信号值；

S4.筛选可信信号,计算心率值。

进一步地，所述步骤S2之前还包括对所述信号进行滤波处理。

进一步地，所述步骤S2中，所述信号波谷位置检测过程为：

S21.获取波谷位置；

S22.对所选波谷进行特征提取，并根据所述特征进行二次筛选；

S23.对二次筛选后的波谷重复上述筛选步骤，确定波谷位置；

筛选能确定波谷位置的信号，并根据所述波谷位置计算波谷宽度a以及波谷深度b。

进一步地，所述步骤S3中，对所述确定波谷位置的信号进行分割，得到多个搏动周期；

通过寻找所述搏动周期的波峰位置，得到直流信号值；

通过计算所述波峰与波谷的数字差，得到交流信号值。

进一步地，所述步骤S4中根据波谷宽度a以及波谷深度b筛选可信信号，所述筛选条件为：

0.7as≤ai≤1.3as且0.7bs≤bi≤1.3bs；

其中，ai为波谷宽度，bi为波谷深度，i为波谷数量；

as为正常健康情况下的波谷宽度，bs为正常健康情况下的波谷深度，所述as和bs均为固定的常数值。

进一步地，所述心率值计算公式为：

T＝60×f/median(a^λ)；

其中，f为采样率，a^λ为波长为λ的可信信号的平均波谷宽度。

进一步地，所述λ为绿色光波波长570nm。

一种适用于智能穿戴设备的心率测量装置，包括：

光源，所述光源为绿色光源，用于发射信号；

光电探测器，用于接收反射信号；

信号处理模块，用于对光电探测器接收的信号进行处理和分析，并计算心率值。

进一步地，所述信号处理模块包括：

滤波单元，用于对信号进行滤波处理；

检测单元，用于检测信号波谷位置；

筛选单元，用于对信号进行筛选；

计算单元。

进一步地，所述装置可用于智能手表、智能手环或者其他智能穿戴设备当中。

本发明技术方案具有如下优点：

(1)搭载本发明装置的智能穿戴设备在使用过程中抗噪性能更好，使用时对环境要求更低，测量结果更精确；

(2)可搭载在各种智能穿戴设备上，使用简单；

(3)采用单一光源照射，硬件难度小、成本低。

附图说明

图1为本发明结构示意图。

图2为本发明方法流程图。

具体实施方式

以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

实施例一

如图1所示为本实施例中的一种适用于智能穿戴设备的心率测量装置结构示意图，该装置包括：

光源100，所述光源100为绿色光源，用于向皮肤表面发射信号；

光电探测器200，用于接收皮肤表面反射的信号；

信号处理模块300，用于对光电探测器200接收的信号进行处理和分析，并计算心率值。

其中，信号处理模块300包括：

检测单元320，用于检测信号波谷精确位置；

筛选单元330，用于对信号是否有效的判别筛选；

计算单元340，用于测量过程中各种数值计算。

如图2所示为本实施例中一种适用于智能穿戴设备的心率测量方法流程图，该方法包括：

S1.接收并传输反射信号；

S2.检测信号波谷位置，计算波谷宽度以及波谷深度；

S3.信号分割，得到搏动周期，计算直流信号值与交流信号值；

S4.筛选可信信号,计算心率值。

在进行心率测量过程中，首先需要有光照射向皮肤表面。相比较而言，绿光具有更高的反射率，可以提高接收信号强度，因此步骤S1之前还包括采用绿色光源100照射手腕皮肤表面。

步骤S1中，光电探测器200接收皮肤表面反射的信号，并将该信号传输至信号处理模块300。

光电探测器能把光信号转换为电信号，其原理是由辐射引起被照射材料电导率发生改变。

步骤S2中，信号处理模块300接收光电探测器200发送的信号，检测单元320对接收的信号进行波谷检测。

波谷是指横波在正交于传递方向上极小值，与之相对的极大值则被称为波峰，因为极小和极大只是取决于正交于传递方向上的坐标方向而言，故两者合称为极值。

本实施例在波谷检测过程中采用自适应分级筛选方法，过程如下：

S21.获取波谷位置；

S22.对所选波谷进行特征提取，并根据所述特征进行二次筛选；

S23.对二次筛选后的波谷重复上述筛选步骤，直到筛选结果不再变化确定波谷位置。

上述过程中完成后，筛选单元330筛选处能确定波谷位置的信号，即对波谷位置进行粗选，并根据所述波谷位置，计算波谷宽度a以及波谷深度b。

步骤S3中，对所述确定波谷位置的信号进行分割，每一确定的波谷可以将信号分为多个波段，每一波段为搏动周期；

通过寻找搏动周期的波峰位置，得到直流信号值；

通过计算波峰与波谷的数字差，得到交流信号值。

由于动脉里有血液的流动，对光的吸收也有所变化。当把光信号转换成电信号时，由于动脉对光的吸收有变化而其他组织对光的吸收基本不变，得到的信号就可以分为直流信号和交流信号。直流分量和交流分量可以通过放大器和滤波器提取出来，用于脉搏分析。提取的交流信号能反应出血液流动的特点。

由于传感器采集到的信号不一定为有效心率信号，因此需要进一步对信号进行筛选。

步骤S4中，根据步骤S2中计算得到的波谷宽度a以及波谷深度b对信号是否有效进行判别筛选，筛选条件为：

0.7as≤ai≤1.3as且0.7bs≤bi≤1.3bs；

其中，ai为波谷宽度，bi为波谷深度，i为波谷数量；

as为正常健康情况下的波谷宽度，bs为正常健康情况下的波谷深度。

本实施例中，通过对大量样本预先试验得到正常情况下不同年龄段人们的正常心率信号波谷宽度as与波谷深度bs，在计算过程中，这两个参数是固定的常数值。

符合筛选条件的信号为可信信号，不符合的则为不可信信号。

步骤S4中，对可信信号进行心率计算，计算公式为：

T＝60×f/median(a^λ)

其中，f为采样频率，a^λ为波长为λ的平均波谷宽度，λ为绿色光波波长570nm。

采样频率f，也称为采样速度或者采样率，定义了每秒从连续信号中提取并组成离散信号的采样个数，它用赫兹(Hz)来表示。采样频率的倒数是采样周期或者称为采样时间，它是采样之间的时间间隔。通俗的讲采样频率是指计算机每秒钟采集多少个信号样本。采样率是光电探测器的属性，一般探测器型号选定了之后，对应的f即为固定值。

本实施例测量过程中各种数值计算均由计算单元340完成。

本实施例中提供的一种适用于智能穿戴设备的心率测量装置可用于智能手表、智能手环或者其他智能穿戴设备当中。

本发明装置由于可搭载在各种智能穿戴设备上，使用简单方便；此外，本发明采用单一光源照射，硬件难度小、成本低。

实施例二

本实施例与实施例一不同之处在于，本实施例中还包括对接收到的信号进行滤波处理以去除信号噪声干扰。

本实施例提供一种适用于智能穿戴设备的心率测量装置，该装置包括：

光源100，用于向皮肤表面发射信号；

光电探测器200，用于接收皮肤表面反射的信号；

信号处理模块300，用于对光电探测器接收的信号进行处理和分析，并计算心率值。

其中，信号处理模块300包括：

滤波单元310，用于对接收到的信号进行滤波处理，去除信号噪声干扰；

检测单元320，用于检测信号波谷精确位置；

筛选单元330，用于对信号是否有效的判别筛选；

计算单元340，用于测量过程中各种数值计算。

本实施例还提供一种适用于智能穿戴设备的心率测量方法，该方法包括：

S1.接收并传输反射信号；

S2.检测信号波谷位置，计算波谷宽度以及波谷深度；

S3.信号分割，得到搏动周期，计算直流信号值与交流信号值；

S4.筛选可信信号,计算心率值。

步骤S1之前还包括采用绿色光源100照射手腕皮肤表面。

步骤S1中，光电探测器200接收皮肤表面反射的信号，并将该信号传输至信号处理模块300。

由于在光电探测器200上直接获取到的信号中往往存在大量噪声，会影响后续计算，故本实施例中，步骤S2之前还包括对信号进行滤波处理。

本实施例中选择小波变换分析的方法对探测器直接接收到的信号进行滤波，以消除噪声干扰。

小波(Wavelet)，顾名思义，“小波”就是小的波形，所谓“小”是指它具有衰减性；而称之为“波”则是指它的波动性，其振幅正负相间的震荡形式。与Fourier变换相比，小波变换是时间(空间)频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。有人把小波变换称为“数学显微镜”。

本实施例中，滤波操作过程中小波基选择“db3”小波基，“db3”小波基属于Daubechies(dbN)小波(紧支集正交小波)。

步骤S2中，对完成滤波处理后的信号进行波谷检测，过程如下：

S21.获取波谷位置；

S22.对所选波谷进行特征提取，并根据所述特征进行二次筛选；

S23.对二次筛选后的波谷重复上述筛选步骤，直到筛选结果不再变化确定波谷位置。

上述过程中完成后，筛选单元330筛选出能确定波谷位置的信号，即对波谷位置进行粗选，根据所述波谷位置，计算波谷宽度a以及波谷深度b。

步骤S3中，对所述确定波谷位置的信号进行分割，获得多个搏动周期；

通过寻找搏动周期的波峰位置，得到直流信号值；

通过计算波峰与波谷的数字差，得到交流信号值。

步骤S4中，根据波谷宽度a以及波谷深度b对信号是否有效进行判别筛选，筛选条件为：

0.7as≤ai≤1.3as且0.7bs≤bi≤1.3bs；

符合筛选条件的信号为可信信号，不符合的则为不可信信号。

完成筛选后，对可信信号进行心率计算，计算公式为：

T＝60×f/median(a^λ)。

本发明中心率测量方法从软件算法上对获取到的信号进行针对性处理，以减少使用过程中外部噪声影响，提高测量精度，搭载本发明装置的智能穿戴设备在使用过程中抗噪性能更好，使用时对环境要求更低，测量结果更精确。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。