用于估计生物信息的设备和方法与流程

以下描述涉及用于非侵入性地使用生物信号估计生物信息的技术。

背景技术：

近来，随着人口老龄化、医疗费用激增以及缺乏用于专业医疗服务的医务人员，正在积极开展在其中组合了it技术和医学技术的it-医学融合技术的研究。

具体地讲，人体的健康状况的监测不限于医疗机构，而是正扩展到可在家或办公室的日常生活中随时随地监测用户的健康状况的移动医疗领域。

指示个人的健康状况的生物信号的典型示例包括：心电图(ecg)信号、血管容积图(ppg)信号、肌电图(emg)信号等，并且已经开发各种生物信号传感器以在日常生活中测量这些信号。

例如，根据对ppg信号的研究，整个ppg信号是从心脏开始向身体的远端部分(distalendportion)的传播波和从远端部分返回的反射波的叠加。

此外，已知可通过提取与传播波或反射波相关联的各种特征来获得用于估计血压的信息。

然而，在一些情况下，由于生物信号质量的下降、运动噪声的干扰等，从生物信号估计生物信息以在日常生活中监测健康状况的方法可能提供生物信息的不稳定的估计结果，因此已经进行各种研究以解决该问题。

技术实现要素：

提供了一种用于估计生物信息的设备和方法，其中，通过适当地执行从生物信号提取的特征的比例转换，即使在生物信号在不稳定的环境中被测量时，生物信息也可被准确并稳定地估计。

在一个总体方面，提供一种用于估计生物信息的设备，所述设备包括：生物信号获取器，被配置为获取生物信号；以及处理器，被配置为：从获取的生物信号提取一个或多个第一特征值，基于提取的第一特征值确定比例因子，并基于确定的比例因子和第一特征值估计生物信息。

第一特征可包括：与心输出量(co)相关联的特征、与总外周阻力(tpr)相关联的特征以及它们的组合。

处理器可通过对第一特征值进行组合来计算第二特征值，并可通过使用基于第二特征值计算的比例控制比调节参考比例因子，来确定比例因子。

此外，处理器可通过对第一特征值的个体变化和组合变化中的至少一个进行组合来计算第二特征值。

处理器可通过将计算的第二特征值应用于比例控制比决策函数根据第二特征值的大小来计算比例控制比。

这里，比例控制比决策函数可具有谷形，其中，在谷形中，比例控制比在参考第二特征值的点处具有最小值，并从参考第二特征值随着第二特征值的改变而增大，并且在第二特征值落在阈值范围之外的情况下，比例控制比被饱和为预定比例控制比。

处理器可计算针对第一特征值的个体比例控制比，并可通过使用基于个体比例控制比的统计值计算的比例控制比调节参考比例因子，来确定比例因子。

此外，处理器可通过对第一特征值进行组合来计算第三特征值，并基于计算的第三特征值和确定的比例因子来估计生物信息。

此外，处理器可通过将第三特征值与参考第三特征值之间的差与确定的比例因子相乘，并将针对生物信息的偏移值与相乘后的值相加，来估计生物信息。

响应于第一特征值超过预定阈值，处理器可将参考比例因子确定为比例因子。

处理器可基于参考第一特征值对第一特征值进行归一化。

所述用于估计生物信息的设备还可包括：输出部，被配置为：输出生物信号、生物信号的特征值、乘法系数比控制因子、乘法系数比以及生物信息。

这里，生物信息可包括：血压、脉搏、心输出量、血糖、甘油三酯以及角蛋白。

在另一个总体方面，提供了一种估计生物信息的方法，所述方法包括：获取生物信号；从获取的生物信号提取一个或多个第一特征值；基于提取的第一特征值确定比例因子；基于确定的比例因子和第一特征值估计生物信息。

确定比例因子的步骤可包括：通过对第一特征值进行组合来计算第二特征值；基于第二特征值计算比例控制比；通过基于计算的比例控制比调节参考比例因子，来确定比例因子。

此外，计算第二特征值的步骤可包括：对第一特征值的个体变化和组合变化中的至少一个进行组合。

在这种情况下，计算比例控制比的步骤可包括：通过将计算的第二特征值应用于比例控制比决策函数根据第二特征值的大小来计算比例控制比。

此外，比例控制比决策函数可具有谷形，其中，在谷形中，比例控制比在参考第二特征值的点处具有最小值，并从参考第二特征值随着第二特征值的改变而增大，并且在第二特征值落在阈值范围之外的情况下，比例控制比被饱和为预定比例控制比。

在这种情况下，确定比例因子的步骤可包括：计算针对第一特征值的个体比例控制比；基于个体比例控制比的统计值来计算比例控制比；通过基于计算的比例控制比调节参考比例因子，来确定比例因子。

此外，估计生物信息的步骤可包括：通过对第一特征值进行组合来计算第三特征值；通过将计算的第三特征值与参考第三特征值之间的差与确定的比例因子相乘，并将针对生物信息的偏移值与相乘后的值相加，来估计生物信息。

确定比例因子的步骤可包括：确定第一特征值是否超过预定阈值；在确定第一特征值超过预定阈值时，将参考比例因子确定为比例因子。

附图说明

图1是示出用于估计生物信息的设备的示例的框图。

图2是示出生物信号的示例的示例性示图。

图3是解释调节比例因子(scalefactor)的示例的示例性示图。

图4是解释计算第二特征值的示例的示例性示图。

图5是示出计算比例控制比(scalecontrolratio)的示例的示例性示图。

图6是解释计算比例控制比的另一示例的示例性示图。

图7是示出用于估计生物信息的设备的另一示例的框图。

图8是示出估计生物信息的方法的示例的流程图。

图9是示出估计生物信息的方法的另一示例的流程图。

贯穿附图和具体实施方式，除非另有描述，否则相同的附图参考标记将被理解为表示相同的元件、特征和结构。为了清楚、说明和方便，这些元件的相对尺寸和描述可被夸大。

具体实施方式

在下文中，将参照附图详细描述本公开的实施例。应注意，无论在何处，即使在不同附图中，相同的参考符号也表示相同的部分。在以下描述中，当在此包含的已知的功能和配置使本发明的主题模糊时，其详细描述可被省略。

除非在本公开的上下文中清楚地陈述特定顺序，否则在此描述的处理步骤可与特定顺序不同地被执行。也就是说，每个步骤可以以特定顺序、在基本相同的时间或以相反的顺序来执行。

此外，贯穿本说明书使用的术语鉴于根据示例性实施例的功能来定义，并可根据用户或管理者的目的或者先例等而改变。因此，应基于整体背景来进行术语的定义。

将理解，虽然术语第一、第二等可在此用于描述各种元素，但是这些元素不应被这些术语限制。这些术语仅用于将一个元素与另一个元素区分开来。除非另有明确地陈述，否则对单数的任何引用可包括复数。在本说明书中，应理解，诸如“包括”或“具有”等的术语意在指示存在本说明书中公开的特征、数量、步骤、动作、组件、部分或它们的组合，但不意在排除可存在或可增加一个或多个其它特征、数量、步骤、动作、组件、部分或它们的组合的可能性。

在下文中，将参照附图详细描述用于估计生物信息的设备和方法的实施例。

图1是示出用于估计生物信息的设备的示例的框图，图2是示出生物信号的示例的示例性示图。

生物信息估计设备100可获取生物信号，可从获取的生物信号提取特征，并可基于提取的特征估计生物信息。

例如，生物信息估计设备100可从由图2中示出的传播波和反射波的叠加组成的血管容积图(ppg)信号提取第一特征，可通过将第一特征与适当的比例因子相乘，并将偏移值(诸如，稳定状态下的血压值)与相乘后的第一特征相加来估计血压。这里，第一特征可包括与心输出量(co)相关联的特征f1_co、与总外周阻力(tpr)相关联的特征f1_tpr以及它们的组合等，其中，该组合可包括与心输出量(co)相关联的特征f1_co和与总外周阻力(tpr)相关联的特征f1_tpr的相加、相减、相乘、相除等，并还可包括将实数加到相加后的值、相减后的值、相乘后的值、相除后的值等，或从相加后的值、相减后的值、相乘后的值、相除后的值等减去实数。心输出量(co)是心脏在单位时间泵出的血液的量。总外周阻力(tpr)是全身动脉(systemicarteries)对穿过全身动脉的血流提供的总阻力。例如，可通过在ppg信号中提取第一峰值和第二峰值并且将第一峰值与第二峰值的比确定为的特征f1_co值，来获得与心输出量(co)相关联的特征f1_co，但是示例实施例不限于此。基于ppg信号的脉冲宽度的多普勒超声、胸部生物阻抗、脉冲轮廓分析或多线性回归分析可用于提取与心输出量(co)相关联的特征f1_co和与总外周阻力(tpr)相关联的特征f1_tpr。

在这种情况下，生物信息估计设备100可通过基于提取的第一特征的变化计算自适应比例因子，来稳定地估计生物信息。

例如，生物信息估计设备100可基于提取的第一特征计算用于调节比例因子的比例控制比，并可通过基于计算的比例控制比调节参考比例因子，来确定适应于第一特征值的变化的比例因子。例如，参考比例因子可具有预定值，并且比例控制比可具有大于0且小于或等于1的值。如果提取的第一特征具有大于预定阈值的值，则比例控制比可具有值1，从而在不调整参考比例因子的情况下使用参考比例因子估计生物信息。如果提取的第一特征具有小于或等于预定阈值的值，则比例控制比可具有0和1之间的值，并且可根据比例控制比的值按比例缩小参考比例因子。

如上所述，通过自适应地确定比例因子，即使在生物信号在恶劣的环境(诸如，在不稳定的生物信号由于运动噪声等被获取的情况下)中被估计时，生物信息估计设备100也可稳定地估计生物信息。

图3是解释调节比例因子的示例的示例性示图。

参照图3，根据从生物信号提取的特征的变化属于体内平衡维持区域(homoeostasismaintainingregion)、线性改变区域还是非线性饱和区域，生物信息的改变形状可针对从生物信号提取的特征的改变而改变。

例如，在体内平衡维持区域中，根据维持体内平衡的人体特性，生物信息的变化小于生物信号的特征的改变；在线性改变区域中，生物信息的变化与生物信号的特征的改变具有预定相关性；在非线性饱和区域中，生物信息不规则地改变(与生物信号的特征的改变具有非线性相关性或无特定的相关性)。

因此，生物信息估计设备100可确定从生物信号提取的第一特征值或第一特征值的改变属于体内平衡维持区域、线性改变区域还是非线性饱和区域，并可通过基于该确定调节比例因子来稳定并准确地估计生物信息。

更具体地说，生物信息估计设备100可在第一特征值的变化大于生物信号的变化时，确定第一特征值属于体内平衡维持区域；可在第一特征的变化与生物信号的变化之间的相关性大于等于预定的相关值时，确定第一特征值属于线性改变区域；并且可在第一特征的变化与生物信号的变化之间的相关性小于预定的相关值时，确定第一特征值属于非线性饱和区域。

例如，在第一特征值属于体内平衡维持区域的情况下，生物信息估计设备100可通过考虑体内平衡维持特性来减小比例因子，从而可减小第一特征值的改变对生物信息的改变的影响。

在另一示例中，在第一特征值属于线性改变区域的情况下，生物信息估计设备100可将预定参考比例因子确定为比例因子，使得第一特征值的改变可被原样地反映在生物信息中。

在另一示例中，在第一特征值属于非线性饱和区域的情况下，生物信息估计设备100可通过将第一特征值应用于通过非线性函数或机器学习而预先生成的生物信息估计模型来适当地调节比例因子，使得第一特征值的改变可被反映在生物信息的改变中。

如上所述，通过根据从生物信号提取的特征的改变适当地调节比例因子，生物信息估计设备100可原样地接受可影响生物信息的估计的特征改变，并可在生物信息的估计中反映特征改变。此外，生物信息估计设备100可自适应地减小不影响生物信息的估计的特征改变，并可减小由不必要的运动噪声导致的误差。因此，即使在不稳定的生物信号被测量的环境中，生物信息估计设备100也可稳定地估计生物信息。

为了便于解释，如果必要，将使用基于生物信号估计血压的示例来进行以下描述。然而，生物信息不限于此，并可包括血压、脉搏、氧饱和度、压力指数、心输出量、血糖、甘油三酯(triglyceride)、角蛋白(keratin)等中的至少一个。

返回参照图1，以下将详细描述通过生物信息估计设备100来估计生物信息的示例。

如图1中所示，生物信息估计设备100包括生物信号获取器110和处理器120。这里，处理器120可由一个或多个处理器、存储器和它们的组合组成。

生物信号获取器110可获取用户的生物信号。

这里，生物信号可包括心电图(ecg)信号、血管容积图(ppg)信号、肌电图(emg)信号、心冲击描记图(bcg)信号、心输出量(co)信号、总外周阻力(trp)信号、心音等。

例如，生物信号获取器110可包括包含以下项中的至少一个的传感器：用于测量生物信号的一个或多个电极、压力传感器以及包括光源和检测器的光电探测器模块。生物信号获取器110可通过传感器与用户直接接口连接，以获取生物信号。

此外，生物信号获取器110可与外部装置通信，以从外部装置接收用户的生物信号数据。例如，生物信号获取器110可使用以下方式从外部装置接收用户的生物信号数据：蓝牙通信、低功耗蓝牙(ble)通信、近场通信(nfc)、wlan通信、zigbee通信、红外数据协会(irda)通信、wi-fi直连(wfd)通信、超宽带(uwb)通信、ant+通信、wifi通信、射频识别(rfid)通信等。此外，外部装置的示例可包括蜂窝电话、智能电话、平板pc、膝上型计算机、个人数字助理(pda)、便携式多媒体播放器(pmp)、导航仪、mp3播放器、数码相机、可穿戴装置等。然而，外部装置不限于以上示例，并可包括存储用户的生物信号数据的各种装置。

处理器120可从获取的生物信号提取一个或多个第一特征值f1。

从生物信号提取的第一特征值可指示与期望估计的生物信息具有预定相关性的特征。一个或多个第一特征值可被提取；在通过使用例如生物信息估计设备100来估计血压的情况下，第一特征可包括与心输出量(co)相关联的特征f1_co、与总外周阻力(tpr)相关联的特征f1_tpr以及它们的组合等，其中，心输出量(co)指示心脏在一分钟泵出的血量。第一特征可根据期望估计的生物信息的类型来改变。

在从生物信号提取到第一特征值时，处理器120可转换第一特征值。

例如，处理器120可通过将从生物信号提取的第一特征值除以在参考状态下提取的参考第一特征值(例如，f1_co_ref、f1_tpr_ref等)(例如，f1_co_norm＝f1_co/f1_co_ref、f1_tpr_norm＝f1_tpr/f1_tpr_ref等)，来对提取的第一特征值进行归一化。

在这种情况下，参考状态是除了运动状态或睡眠状态以外的状态，并可表示，例如，脉搏和呼吸率是稳定的状态、或用于测量血压的外部装置测量的血压被维持而没有实质改变的状态。

此外，稍后将被描述的参考第二特征值和参考第三特征值可表示基于在参考状态下提取的参考第一特征值计算的第二特征值和第三特征值。在下文中，第一特征值可表示使用参考第一特征值进行归一化的第一特征值。

处理器120可基于提取的第一特征值确定比例因子。

比例因子可以是用于调节为了估计生物信息而提取的第一特征值的比例的系数，但不限于此，如稍后将描述的那样，比例因子可以是用于调节基于用于估计生物信息的第一特征值计算的第三特征值的比例的系数。

例如，处理器120可通过对多个第一特征值进行组合来计算第二特征值fsc，并可基于第二特征值来计算比例控制比。

这里，第二特征值可指示用于确定比例控制比的特征值，处理器120可使用第一特征值的个体变化或组合变化来计算第二特征值。

图4是解释计算第二特征值的示例的示例性示图。

参照图1和图4，图4示出根据流逝的时间的第一特征值f1a和第一特征值f1b的变化。在这种情况下，处理器120可基于参考第二特征值fsc,ref来计算第一特征值的变化。

在计算出一个或多个第一特征值时，处理器120可通过使用第一特征值的个体变化和/或组合变化来计算第二特征值。

在这种情况下，组合变化可表示通过第一特征值f1a和第一特征值f1b的线性组合(例如，f1a和f1b的相加，相减，相乘，相加、相减、相乘的组合等)而获得的值与参考第二特征值fsc,ref之间的差，个体变化可表示第一特征值f1a和第一特征值f1b中的每个与参考第二特征值fsc,ref之间的差。

例如，以下等式1可表示通过使用第一特征值的组合变化来计算第二特征值的示例。

[等式1]

fsc＝f1a+f1b–fsc,ref

此外，以下等式2可表示通过使用第一特征值的个体变化来计算第二特征值的另一示例。

[等式2]

fsc＝|f1a–fsc,ref|+|f1b–fsc,ref|+fsc,ref

此外，以下等式3可表示通过使用第一特征值的组合变化和个体变化的组合来计算第二特征值的另一示例。

[等式3]

fsc＝(f1a+f1b+|f1a–fsc,ref|+|f1b–fsc,ref|)/2

如上所述，处理器120可通过使用个体的第一特征值和/或其组合，来计算用于确定比例控制比的第二特征值。

在另一示例中，处理器120可通过将加权值应用于第一特征值来计算第二特征值，其中，与提取的第一特征值之中的其它第一特征值相比，该第一特征值与将被估计的生物信息具有更高的相关性，这由以下等式4表示。

[等式4]

fsc＝α×f1a+β×f1b–fsc,ref

α和β可表示分别应用于第一特征值f1a和第一特征值f1b的权重。当第一特征值f1a和生物信息之间的相关性大于第一特征值f1b和生物信息之间的相关性时，α可具有大于β的值。

等式1至等式4可表示计算第二特征值的示例，但是第二特征值的计算不限于此，并且用于确定比例控制比的第二特征值可通过第一特征值的各种组合来确定。

在计算出第二特征值时，处理器120可基于第二特征值来计算比例控制比，并可通过基于计算的比例控制比调节参考比例因子来确定比例因子。

基于计算的第二特征值的大小，处理器120可确定第一特征值的变化属于体内平衡维持区域、线性改变区域还是非线性饱和区域，并可基于该确定计算比例控制比。

例如，在计算的第二特征值属于体内平衡维持区域的情况下，处理器120可通过将比例控制比计算为1或更小来减小参考比例因子，并可将减小的参考比例因子确定为比例因子，从而减小第一特征值的改变对生物信息的改变的影响。

在另一示例中，在计算的第二特征值属于线性改变区域的情况下，处理器120可通过将比例控制比确定为1来将预定参考比例因子确定为比例因子。以这种方式，通过将预定参考比例因子用作比例因子，处理器120可根据预定的比，在生物信息的改变中反映第一特征值的改变。

在另一示例中，在第二特征值属于非线性饱和区域的情况下，处理器120可通过将第二特征值应用于通过非线性函数或机器学习而预先生成的预定比例控制估计模型，来确定用于调节参考比例因子的比例控制比，使得第一特征值的改变可被反映在生物信息的改变中。

如上所述，处理器120可基于计算的比例控制比来调节参考比例因子，并可通过自适应地调节用于估计生物信息的比例因子来估计生物信息。

处理器120可通过将第二特征值应用于比例控制比决策函数(decisionfunction)ρsc根据第二特征值的大小来计算比例控制比。

图5是示出计算比例控制比的示例的示例性示图。

参照图5，比例控制比决策函数ρsc(fsc)可具有谷形，其中，在谷形中，比例控制比在参考第二特征值fsc,ref的点处具有最小值ρmin，并从参考第二特征值随着第二特征值的改变而增大，并且第二特征值落在阈值范围之外的情况下，比例控制比被饱和为预定比例控制比(即，比例控制比被确定为预定比例控制比)。

这里，阈值范围可指示第二特征值的低点μlow与高点μhigh之间的间隔。换言之，阈值范围可指示第一特征值在体内平衡维持区域中改变的区域和比例控制比自适应地改变的区域。也就是说，在第二特征值fsc在预定阈值范围内改变的情况下，比例控制比从参考第二特征值开始沿两个方向增大。

如上所述，由于比例控制比在参考第二特征值的点处具有最小值，所以在稳定状态(诸如，参考状态)下的生物信号特征的改变可对生物信息的估计具有小的影响；并且随着第二特征值偏离参考状态，用于估计生物信息的比例控制比增大。因此，当生物信号的幅度增大时，生物信号特征的改变可对生物信息的估计具有更大的影响。

然后，随着第二特征值持续地改变为落在阈值范围之外，比例控制比被饱和为预定比例控制比(例如，1)，使得处理器120可将预定参考比例因子本身确定为比例因子。

返回参照图5，比例控制比决策函数(a)和比例控制比决策函数(b)可从参考第二特征值开始在阈值范围内线性地改变。然而，如从比例控制比决策函数(b)可以看出，比例控制比决策函数(a)的斜率可根据第二特征值的低点μlow和高点μhigh来不同地确定。

此外，比例控制比决策函数(c)可以以阈值范围内的n阶幂函数(例如，二次函数等)的形式给定；比例控制比决策函数(d)可以以阈值范围内的三角函数(例如，余弦函数等)的形式来给定。

比例控制比决策函数的阈值范围内的曲线的形状可根据生物信号和将被估计的生物信息而改变，并可基于估计模型来预先生成，其中，该估计模型通过机器学习或基于生物信号与生物信息之间的相关性来预先生成。此外，曲线的形状不限于此，处理器120可周期性地获取用户的生物信号，并可从用于生成比例控制比决策函数的学习模型直接生成比例控制比决策函数。

此外，处理器120可计算针对第一特征值的个体比例控制比，并可基于个体比例控制比的统计值来计算比例控制比。

图6是解释计算比例控制比的另一示例的示例性示图。

参照图1和图6，处理器120可基于针对第一特征值的每个的比例控制比决策函数，来计算针对第一特征值的每个的个体比例控制比。

例如，在提取到第一特征值f1a、f1b和f1c时，不通过对第一特征值进行组合来生成第二特征值，处理器120可使用针对第一特征值的每个的比例控制比函数ρ1(f1a)、ρ2(f1b)和ρ3(f1c)来计算个体比例控制比ρ1、ρ2和ρ3，并可将个体比例控制比的统计值用作比例控制比。

例如，处理器120可计算个体比例控制比的平均值(例如，ρ＝(ρ1+ρ2+ρ3)/3)作为比例控制比；处理器120可将加权值应用于与提取的第一特征值中的其它特征值相比与将被估计的生物信息具有更高的相关性的特征，并可计算所述特征的平均值(例如，ρ＝(α×ρ1+β×ρ2+γ×ρ3)/3)作为比例控制比。然而，比例控制比不限于此，处理器120可计算个体比例控制比的统计值(诸如，最大值、最小值和中值)作为比例控制比。

此外，响应于第一特征值超过预定阈值，处理器120可将参考比例因子确定为比例因子。

例如，处理器120可确定第一特征值是否超过预定阈值。

在一个实施例中，处理器120可将提取的第一特征值与比例控制比决策函数的预定低点μlow(例如，图6中的μ1a_low、μ1b_low、μ1c_low)处的值或预定高点μhigh(例如，图6中的μ1a_high、μ1b_high、μ1c_high)处的值进行比较，并可确定第一特征值是否低于预定低点μlow或者确定第一特征值是否高于预定高点μhigh。

也就是说，处理器120可比较第一特征值与预定阈值；响应于第一特征值超过阈值(例如，低于预定低点μlow或高于预定高点μhigh)，处理器120可确定第一特征值的变化偏离体内平衡维持区域并进入线性改变区域，并可将参考比例因子确定为比例因子。

此外，响应于第一特征值不超过预定阈值(例如，高于预定低点μlow且低于预定高点μhigh)，处理器120可确定第一特征值的变化属于体内平衡维持区域，并可计算比例控制比，以基于计算的比例控制比来调节参考比例因子。

如上所述，处理器120可确定第一特征值是否超过预定阈值；响应于第一特征值超过阈值，处理器120可省略比例控制比的计算，从而准确并快速地估计生物信息。

处理器120可通过对第一特征值进行组合来计算第三特征值fest，并可基于计算的第三特征值和确定的比例因子来估计生物信息。

例如，在计算出第三特征值时，处理器120可使用如以下等式5所示的生物信息估计模型来估计生物信息。

[等式5]

biest＝sf×(fest-fest_ref)+bioffset

这里，biest表示将被估计的生物信息，sf表示比例因子，fest_ref表示参考第三特征值，bioffset表示针对将被估计的生物信息的偏移值。bioffset可表示在参考状态下估计的生物信息，并可以是通过用于估计生物信息的外部装置测量的参考值，该值可根据将被估计的生物信息的类型而改变。

也就是说，在计算出第三特征值时，处理器120可通过将第三特征值与参考第三特征值之间的差与确定的比例因子相乘，并将针对生物信息的偏移值与相乘后的值相加来估计生物信息。

在这种情况下，第二特征值和第三特征值可通过第一特征值的不同组合来计算。

例如，第二特征值和第三特征值通过第一特征值的组合来计算，但对第一特征值进行组合以计算第二特征值和第三特征的方法可彼此不同。然而，计算不限于此，第二特征值和第三特征可通过第一特征值的相同的组合来计算。

如上所述，生物信息估计设备100可通过使用针对多个第一特征值的每个的个体比例控制比和/或基于第二特征值计算的比例控制比，来自适应地改变参考比例因子，从而可稳定地估计生物信息。

图7是示出用于估计生物信息的设备的另一示例的框图。

参照图7，生物信息估计设备700包括生物信号获取器710、处理器720、输入部730、存储器740、通信器750以及输出部760。这里，生物信号获取器710和处理器720基本执行与参照图1描述的生物信号获取器110和处理器120相同的功能，从而以下描述将基于未重叠的部分来进行。

输入部730可从用户接收估计生物信息所需的各种操作信号和数据的输入。

例如，输入部730可包括键盘、圆顶开关、触摸板(静压力/电容)、滚轮、轻摇开关(jogswitch)、硬件(h/w)按钮等。特别地，形成具有显示器的层结构的触摸板可被称为触摸屏。

例如，输入部730可接收用户特征信息或者生物信号的测量点、生物信号和生物信息的类型等，其中，用户特征信息包括以下项中的一个或多个：年龄、性别、体重、身体质量指数(bmi)、用户的病史。

存储器740可存储用于生物信息估计设备700的操作的程序或命令，并可存储输入至生物信息估计设备700的数据和从生物信息估计设备700输出的数据。例如，存储器740可存储通过输入部730输入的用户信息、由生物信号获取器710获取的生物信号数据，提取的第一特征值、计算的第二特征值和计算的第三特征值、比例因子、参考比例因子、比例控制比、个体比例控制比、比例控制比决策函数、参考第一特征值、参考第二特征值、参考第三特征值和生物信息估计模型。

存储器740可包括以下存储介质中的至少一个存储介质：闪存型存储器、硬盘型存储器、多媒体卡微型存储器、卡型存储器(例如，sd存储器，xd存储器等)、随机存取存储器(ram)、静态随机存取存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁存储器、磁盘、光盘等。此外，生物信息估计设备700可对在互联网上执行存储器740的存储功能的外部存储介质(例如，网页存储等)进行操作。

通信器750可执行与外部装置的通信。例如，通信器750可将通过输入部730输入的用户特征信息、通过生物信号获取器710获取的生物信号、处理器720的生物信息的估计结果等发送至外部装置；或可从外部装置接收各种数据(诸如，用户特征信息、生物信号、比例控制比决策函数、生物信息估计模型等)。

在这种情况下，外部装置可以是使用生物信息数据库(db)和/或生物信息的估计结果的医疗设备、用于打印出结果的打印机或用于显示生物信息的估计结果的显示器。此外，外部装置可以是数字tv、台式计算机、蜂窝电话、智能电话、平板pc、膝上型计算机、个人数字助理(pda)、便携式多媒体播放器(pmp)、导航仪、mp3播放器、数码相机、可穿戴装置等，但外部装置不限于此。

通信器750可通过使用以下方式与外部装置通信：蓝牙通信、低功耗蓝牙(ble)通信、近场通信(nfc)、wlan通信、zigbee通信、红外数据协会(irda)通信、wi-fi直连(wfd)通信、超宽带(uwb)通信、ant+通信、wifi通信、射频识别(rfid)通信、3g通信、4g通信、5g通信等。然而，这只是示例性的，并不意在限制。

输出部760可输出以下项中的至少一个：生物信号、生物信号的特征值、乘法系数比控制因子、乘法系数比以及估计的生物信息。

例如，输出部760可输出以下项中的至少一个或多个：生物信息的估计结果，关于获取的生物信号的状态的警告信息，通过使用声学方法、视觉方法和触觉方法中的至少一个估计的生物信息的可靠性。为此，输出部760可包括显示器、扬声器、振动器等。

例如，处理器720可在参考状态下测量生物信号，并可输出用于计算参考第一特征值、参考第二特征值、参考第三特征值以及生物信息的偏移值的生物信号测量指导信息。

此外，处理器720可通过通信器750从外部生物信号数据库(db)接收新的生物信号。

图8是示出估计生物信息的方法的示例的流程图。图8的生物信息估计方法可通过图1中示出的生物信息估计设备100和图7中示出的生物信息估计设备700来执行。

在810中，生物信息估计设备700可获取生物信号。

生物信息估计设备700可包括包含以下项中的至少一个的传感器：用于测量生物信号的一个或多个电极、压力传感器以及包括光源和检测器的光电探测器模块。生物信息估计设备700可与用户直接接口连接，以获取生物信号。此外，生物信息估计设备700不限于此，并可与外部装置通信，以从外部装置接收用户的生物信号数据。

在820中，在获取到生物信号时，生物信息估计设备700可从获取的生物信号提取一个或多个第一特征值f1。

从生物信号提取的第一特征值可指示与期望估计的生物信息具有预定相关性的特征，并可根据生物信息的类型来改变。

在从生物信号提取到第一特征值时，生物信息估计设备700可转换第一特征值。例如，生物信息估计设备700可通过将提取的第一特征值除以在参考状态下提取的参考第一特征值，来对第一特征值进行归一化。

在这种情况下，参考状态是除了运动状态或睡眠状态以外的状态，并可表示，例如，脉搏和呼吸率是稳定的状态，或通过用于测量血压的外部装置测量的血压被维持而没有实质改变的状态。

此外，稍后将被描述的参考第二特征值和参考第三特征值可表示基于在参考状态下提取的参考第一特征值计算的第二特征值和第三特征值。

然后，在830中，生物信息估计设备700可基于提取的第一特征值确定比例因子。操作830可包括计算比例控制比的第一步骤以及将默认的比例因子与比例控制比相乘的第二步骤。例如，生物信息估计设备700可将默认的比例因子存储在存储器中，并且可通过将默认的比例因子与比例控制比相乘来调节默认的比例因子。术语“默认的比例因子”还可被称为“参考比例因子”。

生物信息估计设备700可通过对第一特征值进行组合来计算第二特征值fsc，并可基于第二特征值来计算比例控制比。

例如，在计算出一个或多个第一特征值时，生物信息估计设备700可通过使用第一特征值的个体变化和/或组合变化来计算第二特征值。

在这种情况下，组合变化可表示通过第一特征值f1a和第一特征值f1b的线性组合(例如，f1a和f1b的相加，相减，相乘，相加、相减、相乘的组合等)获得的值与参考第二特征值fsc,ref之间的差，个体变化可表示第一特征值f1a和第一特征值f1b中的每个与参考第二特征值fsc,ref之间的差。

生物信息估计设备700可将加权值应用于第一特征值，其中，与提取的第一特征值中的其它第一特征值相比，该第一特征值与将被估计的生物信息具有更高的相关性。

如上所述，在计算出第二特征值时，生物信息估计设备700可基于第二特征值来计算比例控制比，并可通过基于计算的比例控制比调节参考比例因子来确定比例因子。

例如，生物信息估计设备700可通过将计算的第二特征值应用于比例控制比决策函数根据第二特征值的大小来计算比例控制比。

这里，比例控制比决策函数可具有谷形，其中，在谷形中，比例控制比在参考第二特征值fsc,ref的点处具有最小值ρmin，并从参考第二特征值开始随着第二特征值的改变而增大，并且在第二特征值落在阈值范围之外的情况下，比例控制比被饱和为预定比例控制比。

这里，阈值范围可指示第二特征值的低点μlow与高点μhigh之间的间隔。换言之，阈值范围可指示第一特征值在体内平衡维持区域中改变的区域和比例控制比自适应地改变的区域。也就是说，在第二特征值fsc在预定阈值范围内改变的情况下，比例控制比从参考第二特征值开始沿着两个方向增大。

如上所述，由于比例控制比在参考第二特征值的点处具有最小值，所以在稳定状态(诸如，参考状态)下的生物信号特征的改变可对生物信息的估计具有小的影响；并且随着第二特征值偏离参考状态，用于估计生物信息的比例控制比增大。因此，随着生物信号的幅度增大，生物信号特征的改变可对生物信息的估计具有更大的影响。

然后，随着第二特征值持续地改变为落在阈值范围之外，比例控制比被饱和为预定比例控制比(例如，1)，使得生物信息估计设备700可将预定参考比例因子本身确定为比例因子。

在另一示例中，生物信息估计设备700可基于针对第一特征值的每个的比例控制比决策函数，来计算针对第一特征值的每个的个体比例控制比。

例如，在提取到第一特征值f1a、f1b和f1c时，不通过对第一特征值进行组合来生成第二特征值，生物信息估计设备700可使用针对每个第一特征值的比例控制比决策函数ρ1(f1a)、ρ2(f1b)和ρ3(f1c)来计算个体比例控制比ρ1、ρ2和ρ3，并可将个体比例控制比的统计值用作比例控制比。

如上所述，在计算出比例控制比时，生物信息估计设备700可通过使用计算的比例控制比调节参考比例因子，来确定比例因子。

然后，在操作840中，在确定了比例因子时，生物信息估计设备700可基于确定的比例因子和第一特征值来估计生物信息。操作840可包括从提取的生物信号的特征fest减去参考特征fest_ref以获得第一值的第一步骤、将第一值与调整的比例因子sf相乘以获得第二值的第二步骤以及将偏移值bioffset与第二值相加以获得估计的结果biest的第三步骤。

例如，生物信息估计设备700可通过对第一特征值进行组合来计算第三特征值fest，并可基于计算的第三特征值和确定的比例因子来估计生物信息。

在计算出第三特征值时，生物信息估计设备700可通过将第三特征值与参考第三特征值之间的差与确定的比例因子相乘，并将针对生物信息的偏移值与相乘后的值相加来估计生物信息。

图9是示出估计生物信息的方法的另一示例的流程图。

910中的获取生物信号、920中的从获取的生物信号提取一个或多个第一特征值、950中的基于提取的第一特征值确定比例因子、以及960中的基于确定的比例因子和第一特征值估计生物信息分别与810中的获取生物信号、820中的从获取的生物信号提取一个或多个第一特征值、830中的基于提取的第一特征值确定比例因子、840中的基于确定的比例因子和第一特征值估计生物信息基本相同，从而以下描述将基于未重叠的部分来进行。

在910中，生物信息估计设备700可获取生物信号。

在920中，在获取到生物信号时，生物信息估计设备700可从获取的生物信号提取一个或多个第一特征值。

然后，在930中，生物信息估计设备700可确定第一特征值是否超过预定阈值。

例如，生物信息估计设备700可将提取的第一特征值与比例控制比决策函数的预定低点μlow处的值或预定高点μhigh处的值进行比较，并可确定第一特征值是否低于预定低点μlow或者可确定定第一特征值是否高于预定高点μhigh。

在940中，在确定第一特征值超过阈值时，生物信息估计设备700可将参考比例因子确定为比例因子。

例如，生物信息估计设备700可比较第一特征值与预定阈值；响应于基于所述比较而第一特征值超过阈值，生物信息估计设备700可确定第一特征值的变化偏离体内平衡维持区域并进入线性改变区域，并可将参考比例因子确定为比例因子。

如上所述，生物信息估计设备700可确定第一特征值是否超过预定阈值；响应于第一特征值超过阈值，生物信息估计设备700可省略比例控制比的计算，从而准确并快速地估计生物信息。

此外，在950中，响应于第一特征值未超过预定阈值，生物信息估计设备700可确定生物信号的变化属于体内平衡维持区域，并可基于提取的第一特征值来确定比例因子。

在960中，在确定了比例因子时，生物信息估计设备700可基于确定的比例因子和第一特征值来估计生物信息。

本公开可实现为写在计算机可读记录介质上的计算机可读代码。本领域的普通计算机编程人员可容易地推导出实现本公开所需的代码和代码段。计算机可读记录介质可以是以计算机可读方式存储数据的任意类型的记录装置。计算机可读记录介质可以是以计算机可读方式存储数据的任何类型的记录装置。计算机可读记录介质的示例包括：rom、ram、cd-rom、磁盘、软盘、光盘等。此外，计算机可读记录介质可分布在联网的多个计算机系统上，使得计算机可读记录介质被写入其中，并以分布的方式从那里被执行。

在此已经针对优选的实施例描述了本发明。然而，对本领域的技术人员而言显而易见的是，可在不脱离本发明的要旨的情况下进行各种修改。因此，将理解，本发明的范围不限于以上提及的实施例，而意在包括在所附权利要求的精神和范围内包括的各种修改和等同物。