人体阻抗异常测量的识别方法、测量设备及存储介质与流程

1.本发明涉及人体阻抗测量技术领域，尤其涉及一种人体阻抗异常测量的识别方法、测量设备及存储介质。


背景技术：

2.在现有的人体阻抗测量应用中，例如体脂秤或者具有体脂测量功能的手环，通过4个电极测量人体阻抗进而获得人体成分信息。一般为了方便用户使用，需要对于异常测量做出判断，例如电极是否悬空、测量者是否穿鞋测量以及测量者是否完整地接触4个电极等情况。
3.在现有的技术中，是通过在电路上电流激励端和电压测量端之间串接合适的电阻，设定正常人体阻抗范围，然后将测量的阻抗和上述范围比较，从而来判定是否为异常测量。例如，阻抗的范围为200到1200欧姆，当测量到的阻抗超过这个范围时，认为是异常测量。异常测量包括测量者与电极接触不充分(例如穿鞋或者戴手套)或不完整(例如只接触了3个或者更少的电极)，或者干脆是所有电极悬空的待机状态。但是，由于测量的阻抗受电极之间的寄生影响，因此不同的结构需要调整上述跨接电阻来满足该正常阻值判定范围，又或者找不到合适的阻值来区分上述异常状态。因此，在先专利申请中提出通过更低频率的测量电流来测量阻抗，然后根据阻值来判定是否为异常测量。该方法的原理是，低频率的测量电流有利于减少电极结构寄生之影响，但也无法彻底消除寄生影响及寄生随结构的变化导致不确定性，仍然存在无法识别的异常测量的情况。


技术实现要素：

4.本发明实施例的主要目的在于提出一种人体阻抗异常测量的识别方法、测量设备及存储介质，旨在解决现有技术无法准确识别人体阻抗异常测量的技术问题。
5.为实现上述目的，本发明实施例提供一种人体阻抗异常测量的识别方法，所述方法包括以下步骤：根据不同频率的多个激励电流信号测量目标对象的人体阻抗值，得到目标阻抗序列；对所述目标阻抗序列进行相关性分析，并根据所述相关性分析的结果确定所述目标阻抗序列是否为异常测量结果。
6.可选地，所述根据不同频率的多个激励电流信号测量目标对象的人体阻抗值，得到目标阻抗序列的步骤包括：根据5khz、10khz、25khz、50khz、250khz、100khz以及500khz中的任意两个或两个以上频率的激励电流信号测量目标对象的人体阻抗值，得到目标阻抗序列。
7.可选地，所述对所述目标阻抗序列进行相关性分析，并根据所述相关性分析的结果确定所述目标阻抗序列是否为异常测量结果的步骤包括：计算所述目标阻抗序列与预存阻抗序列之间的相关性参数，并根据所述相关性参数确定所述目标阻抗序列是否为异常测量结果。
8.可选地，所述计算所述目标阻抗序列与预存阻抗序列之间的相关性参数，并根据
所述相关性参数确定所述目标阻抗序列是否为异常测量结果的步骤包括：计算所述目标阻抗序列与所述预存阻抗序列之间的相关系数；若所述相关系数在预设系数范围内，则判断所述目标阻抗序列为正常测量结果；若所述相关系数不在预设系数范围内，则判断所述目标阻抗序列为异常测量结果。
9.可选地，所述计算所述目标阻抗序列与预存阻抗序列之间的相关性参数，并根据所述相关性参数确定所述目标阻抗序列是否为异常测量结果的步骤包括：计算所述目标阻抗序列与所述预存阻抗序列之间的欧式距离；若所述欧式距离在预设距离范围内，则判断所述目标阻抗序列为正常测量结果；若所述欧式距离不在预设距离范围内，则判断所述目标阻抗序列为异常测量结果。
10.可选地，所述对所述目标阻抗序列进行相关性分析，并根据所述相关性分析的结果确定所述目标阻抗序列是否为异常测量结果的步骤包括：计算所述目标阻抗序列中每相邻两个阻抗值之间的差值；根据所述目标阻抗序列中的所述人体阻抗值与对应的激励电流频率之间的关系和所述差值，确定所述目标阻抗序列是否为异常测量结果。
11.可选地，在所述计算所述目标阻抗序列中每相邻两个阻抗值之间的差值的步骤之前，所述方法还包括：按对应的激励电流信号的频率高低顺序，对测量得到的多个所述人体阻抗值进行排列，得到所述目标阻抗序列。
12.可选地，所述根据所述目标阻抗序列中的所述人体阻抗值与对应的激励电流频率之间的关系和所述差值，确定所述目标阻抗序列是否为异常测量结果的步骤包括：若所述目标阻抗序列中各所述人体阻抗值与其对应的激励电流信号的频率为负相关，且每相邻两个阻抗值之间的差值在预设差值范围内，则判断所述目标阻抗序列为正常测量结果；若所述目标阻抗序列中各所述人体阻抗值与其对应的激励电流信号的频率不为负相关，或每相邻两个阻抗值之间的差值不在预设差值范围内，则判断所述目标阻抗序列为异常测量结果。
13.可选地，所述根据不同频率的多个激励电流信号测量目标对象的人体阻抗值，得到目标阻抗序列的步骤之前，所述方法还包括：根据预设频率的激励电流信号测量目标对象的人体阻抗值，得到一目标阻抗值；若所述目标阻抗值在预设正常人体阻抗范围内，则继续进行所述根据不同频率的多个激励电流信号测量目标对象的人体阻抗值，得到目标阻抗序列的步骤；若所述目标阻抗值不在预设正常人体阻抗范围内，则直接判断所述目标阻抗值为异常测量结果，不再进行所述根据不同频率的多个激励电流信号测量目标对象的人体阻抗值，得到目标阻抗序列的步骤。
14.此外，为实现上述目的，本发明实施例还提供一种测量设备，包括：存储器、处理器、显示单元、若干人体阻抗测量电极、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，所述程序被所述处理器执行时实现上述的方法的步骤。
15.可选地，所述测量设备为体脂秤、手环、智能手表中的任意一种。
16.此外，为实现上述目的，本发明实施例还提供一种存储介质，用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述的方法的步骤。
17.本发明提出的人体阻抗异常测量的识别方法、测量设备及存储介质，其在进行人
体阻抗异常测量的识别过程中，先根据不同频率的多个激励电流信号测量目标对象的人体阻抗值，得到目标阻抗序列。再对该目标阻抗序列进行相关性分析，并根据该相关性分析的结果确定该目标阻抗序列是否为异常测量结果。这样一来，通过对在不同频率的多个激励电流信号下测量得到的目标阻抗序列进行相关性分析，以进行异常测量结果识别，相比现有技术只通过一个更低频率的激励电流信号来测量人体阻抗，然后根据阻值来判定是否为异常测量的方式而言，更能减少因为结构导致的寄生不同而造成异常测量无法识别的概率，提高测量设备产品用户体验。
附图说明
18.图1为本发明一个实施例提供的人体阻抗异常测量的识别方法的流程图。
19.图2为图1所示人体阻抗异常测量的识别方法的步骤s120的一个实施例的具体流程图。
20.图3为图1所示人体阻抗异常测量的识别方法的步骤s120的另一个实施例的具体流程图。
21.图4为图1所示人体阻抗异常测量的识别方法的步骤s120的又一个实施例的具体流程图。
22.图5为本发明另一个实施例提供的人体阻抗异常测量的识别方法的流程图。
23.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
24.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。
25.在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
26.在先专利申请中提出通过更低频率的测量电流来测量阻抗，然后根据阻值来判定是否为异常测量。该方法的原理是，低频率的测量电流有利于减少电极结构寄生之影响，但也无法彻底消除寄生影响及寄生随结构的变化导致不确定性，仍然存在无法识别的异常测量的情况。为此，本实施例提供了另外的人体阻抗异常测量的识别方法和测量设备，通过对在不同频率的多个激励电流信号下测量得到的目标阻抗序列进行相关性分析，以进行异常测量结果识别的技术方案来减少因为结构导致的寄生不同而造成异常测量无法识别的概率，提高测量设备产品用户体验。
27.其中，测量设备可以各种形式来实施。例如，本发明中描述的测量设备可以包括诸如电子秤、智能手环、智能手表、手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(persona l d i gita l ass i stant，pda)、便捷式媒体播放器(portab l e med i a p l ayer，pmp)、导航装置、计步器等便携式测量设备，以及诸如人体成分分析仪、数字tv、台式计算机等固定测量设备。
28.在一个实施例中，如图1所示，本实施例提出一种人体阻抗异常测量的识别方法，该方法包括以下步骤：
29.步骤s110：根据不同频率的多个激励电流信号测量目标对象的人体阻抗值，得到
目标阻抗序列。
30.具体地，在测量人体阻抗值时，需要对人体施加特定频率的激励电流信号，并测量该激励电流信号经过人体后产生的电压降，对测得的电压降进行转换处理，可得到人体阻抗值。其中，当对同一个目标对象施加的激励电流信号的频率不同时，最终获得的人体阻抗值也会有所差异。
31.可选地，本实施例中可基于5khz、10khz、25khz、50khz、250khz、100khz以及500khz中的任意两个或两个以上频率的激励电流信号，对目标对象的人体阻抗值进行测量，得到目标阻抗序列。该目标阻抗序列中包括多个阻抗值，每个阻抗值对应一个特定频率。
32.步骤s120：对该目标阻抗序列进行相关性分析，并根据该相关性分析的结果确定该目标阻抗序列是否为异常测量结果。
33.具体地，对该目标阻抗序列进行相关性分析，可以是对目标阻抗序列与作为参考的预存阻抗序列之间的相关性进行分析，如先设置一个预存阻抗序列，再通过计算目标阻抗序列与预存阻抗序列之间的相关性参数来确定目标阻抗序列是否为异常测量结果。或者，该相关性分析也可以是对目标阻抗序列中各阻抗值之间的相关性进行分析。例如，可计算目标阻抗序列中每相邻两个阻抗值之间的差值，以根据目标阻抗序列中的人体阻抗值与对应的激励电流频率之间的关系和差值来确定目标阻抗序列是否为异常测量结果。
34.可选地，用于衡量相关性的参数，可以是相关系数或欧式距离。相关系数是一种用以反映变量之间相关关系密切程度的统计指标，相关系数可按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度。欧式距离是一个通常采用的距离定义，指在空间中两个点之间的真实距离，或者向量的自然长度，在二维和三维空间中的欧氏距离就是两点之间的实际距离。
35.这样一来，通过对在不同频率的多个激励电流信号下测量得到的目标阻抗序列进行相关性分析，以进行异常测量结果识别，相比现有技术只通过一个更低频率的激励电流信号来测量人体阻抗，然后根据阻值来判定是否为异常测量的方式而言，更能减少因为结构导致的寄生不同而造成异常测量无法识别的概率，提高测量设备产品用户体验。
36.在一个实施例中，如图2所示，执行步骤“计算目标阻抗序列与预存阻抗序列之间的相关性参数，并根据相关性参数确定目标阻抗序列是否为异常测量结果”的具体过程包括：
37.步骤s11：计算目标阻抗序列与预存阻抗序列之间的相关系数。
38.步骤s12：若该相关系数在预设系数范围内，则判断目标阻抗序列为正常测量结果。
39.步骤s13：若该相关系数不在预设系数范围内，则判断目标阻抗序列为异常测量结果。
40.由于预存阻抗序列可以是预存正常测量阻抗序列，亦可以预存异常测量阻抗序列。因而，对于预存阻抗序列为预存正常测量阻抗序列时，执行上述步骤的过程具体可以是：先计算目标阻抗序列与预存正常测量阻抗序列之间的相关系数，以得到第一相关系数。再根据该第一相关系数是否在预设系数范围内来判断目标阻抗序列是否为正常测量结果，即若第一相关系数等于或大于第一预设系数值，则判断目标阻抗序列为正常测量结果，否则，则判断目标阻抗序列为异常测量结果。对于预存阻抗序列为预存异常测量阻抗序列时，
执行上述步骤的过程具体可以是：先计算目标阻抗序列与预存异常测量阻抗序列之间的相关系数，以得到第二相关系数。再根据该第二相关系数是否在预设系数范围内来判断目标阻抗序列是否为正常测量结果，即若第二相关系数小于第二预设系数值，则判断目标阻抗序列为正常测量结果，否则，则判断目标阻抗序列为异常测量结果。
41.其中，预存正常测量阻抗序列指的是在正常测量情况下，基于上述不同频率的多个激励电流信号分别对目标对象或其他样本进行人体阻抗测量所获得的阻抗序列。预存异常测量阻抗序列指的是在异常测量情况下，基于上述不同频率的多个激励电流信号分别对目标对象或其他样本进行人体阻抗测量所获得的阻抗序列。上述的异常测量情况包括包括测量者与电极接触不充分(例如测量者穿鞋站在电极处或戴手套接触电极)或不完整(例如仅部分电极与人体接触，另外部分电极未与人体接触)，或者是所有电极悬空(未与人体接触)的待机状态。
42.目标阻抗序列与预存阻抗序列各包括多个阻抗值，为了保证相关性分析的准确性，这两个序列中阻抗值按频率排列的顺序应一致。例如，目标阻抗序列中的多个阻抗值和预存阻抗序列中的多个阻抗值均按对应的激励电流信号的频率由高到低的顺序排列，或者，目标阻抗序列中的多个阻抗值和预存阻抗序列中的多个阻抗值均按对应的激励电流信号的频率由低到高的顺序排列。又如，目标阻抗序列中的第一个阻抗值与预存阻抗序列中的第一个阻抗值均是在第一频率的激励电流信号下测得的，目标阻抗序列中的第二个阻抗值与预存阻抗序列中的第二个阻抗值均是在第二频率的激励电流信号下测得的，以此类推，目标阻抗序列中的任一阻抗值与预存阻抗序列中对应顺序的阻抗值均是在相同频率的激励电流信号下测得的。
43.这样一来，通过计算目标阻抗序列与预存阻抗序列之间的相关系数，以通过该相关系数反映目标阻抗序列与预存阻抗序列之间的相关关系密切程度，以在其与预存正常测量阻抗序列之间的相关关系密切程度低时，或在其与预存异常测量阻抗序列之间的相关关系密切程度高时，判断其为异常测量结果，这样可实现更为精准的异常测量结果识别。
44.在一个实施例中，如图3所示，执行步骤“计算目标阻抗序列与预存阻抗序列之间的相关性参数，并根据相关性参数确定目标阻抗序列是否为异常测量结果”的具体过程包括：
45.步骤s21：计算目标阻抗序列与预存阻抗序列之间的欧式距离；
46.步骤s22：若该欧式距离在预设距离范围内，则判断目标阻抗序列为正常测量结果。
47.步骤s23：若该欧式距离不在预设距离范围内，则判断目标阻抗序列为异常测量结果。
48.由于预存阻抗序列可以是预存正常测量阻抗序列，亦可以预存异常测量阻抗序列。因而，对于预存阻抗序列为预存正常测量阻抗序列时，执行上述步骤的过程具体可以是：先计算目标阻抗序列与预存正常测量阻抗序列之间的欧氏距离，以得到第一欧氏距离。再根据该第一欧氏距离是否在预设距离范围内来判断目标阻抗序列是否为正常测量结果，即若第一欧式距离等于或小于第一预设距离值，则判断目标阻抗序列为正常测量结果，否则，则判断目标阻抗序列为异常测量结果。对于预存阻抗序列为预存异常测量阻抗序列时，执行上述步骤的过程具体可以是：先计算目标阻抗序列与预存异常测量阻抗序列之间的欧
式距离，以得到第二欧式距离。再根据该第二欧式距离是否在预设距离范围内来判断目标阻抗序列是否为正常测量结果，即若第二欧式距离大于第二预设距离值，则判断目标阻抗序列为正常测量结果，否则，则判断目标阻抗序列为异常测量结果。
49.这样一来，通过计算目标阻抗序列与预存阻抗序列之间的欧式距离，以通过该欧式距离反映目标阻抗序列与预存阻抗序列之间的相关关系密切程度，以在其与预存正常测量阻抗序列之间的相关关系密切程度低时，或在其与预存异常测量阻抗序列之间的相关关系密切程度高时，判断其为异常测量结果，这样可实现更为精准的异常测量结果识别。
50.对于“直接计算目标阻抗序列中每相邻两个阻抗值之间的差值，以根据目标阻抗序列中的人体阻抗值与对应的激励电流频率之间的关系和差值来确定目标阻抗序列是否为异常测量结果”的这种情况，如图4所示，在一个实施例中，步骤s120的具体执行过程包括：
51.步骤s31：按对应的激励电流信号的频率高低顺序，对测量得到的多个人体阻抗值进行排列，得到目标阻抗序列。
52.步骤s32：计算该目标阻抗序列中每相邻两个阻抗值之间的差值。
53.步骤s33：根据目标阻抗序列中的人体阻抗值与对应的激励电流频率之间的关系和差值，确定目标阻抗序列是否为异常测量结果。
54.可选地，上述方法步骤中提到的按对应的激励电流信号的频率高低顺序可以是按对应的激励电流信号的频率由高到低的顺序，亦可以是按对应的激励电流信号的频率由低到高的顺序。当按对应的激励电流信号的频率高低顺序，对测量得到的多个人体阻抗值进行排列，得到目标阻抗序列后，先计算该目标阻抗序列中每相邻两个阻抗值之间的差值，再根据目标阻抗序列中的人体阻抗值与对应的激励电流频率之间的关系和差值，确定目标阻抗序列是否为异常测量结果，具体为：若目标阻抗序列中各人体阻抗值与其对应的激励电流信号的频率为负相关(即频率越低，阻抗值越大)，且每相邻两个阻抗值之间的差值在预设差值范围内，则判断目标阻抗序列为正常测量结果；若目标阻抗序列中各人体阻抗值与其对应的激励电流信号的频率不为负相关，或至少部分相邻两个阻抗值之间的差值不在预设差值范围内，则判断目标阻抗序列为异常测量结果。即当按对应的激励电流信号的频率由高到低的顺序，对测量得到的多个人体阻抗值进行排列，得到目标阻抗序列，若目标阻抗序列中各人体阻抗值为由低到高的顺序，且每相邻两个阻抗值之间的差值在预设差值范围内(优选为10～100欧姆)，则判断目标阻抗序列为正常测量结果，若目标阻抗序列中各人体阻抗值不为由低到高的顺序，或者部分或全部的相邻两个阻抗值之间的差值不在预设差值范围内(优选为10～100欧姆)，则判断目标阻抗序列为异常常测量结果。当按对应的激励电流信号的频率由低到高的顺序，对测量得到的多个人体阻抗值进行排列，得到目标阻抗序列，若目标阻抗序列中各人体阻抗值为由高到低的顺序，且每相邻两个阻抗值之间的差值在预设差值范围内(优选为10～100欧姆)，则判断目标阻抗序列为正常测量结果，若目标阻抗序列中各人体阻抗值不为由高到低的顺序，或者每相邻两个阻抗值之间的差值不在预设差值范围内(优选为10～100欧姆)，则判断目标阻抗序列为异常常测量结果。
55.在一个实施例中，如图5所示，在执行步骤“根据不同频率的多个激励电流信号测量目标对象的人体阻抗值，得到目标阻抗序列”之前，本发明实施例的人体阻抗异常测量的识别方法还包括：
56.步骤s210：根据预设频率的激励电流信号测量目标对象的人体阻抗值，得到一目标阻抗值。
57.步骤s220：判断该目标阻抗值是否在预设正常人体阻抗范围内，若判断结果为是，则执行上述任一实施例中的步骤s110；若判断结果为否，则执行步骤s230。
58.步骤s230：判定目标阻抗值为异常测量结果。
59.上述方法步骤中提到的预设频率的激励电流信号优选为50khz的激励电流信号，即优先测量频率为50khz的激励电流信号下目标对象的人体阻抗值，得到一目标阻抗值。并将该测量得到的目标阻抗值与预设正常人体阻抗范围进行比较。例如，在50khz频率的激励电流信号下，正常人体阻抗范围为200～1200欧姆，则本实施例可以获取目标对象在50khz的激励电流信号下的目标阻抗值，并判断目标阻抗值是否在200～1200欧姆范围内。若该次人体阻抗超出该预设范围，则判定为异常测量，结束本异常测量识别的方法的流程，不再执行步骤s120，否则开始本异常测量识别的方法的流程。
60.这样一来，本实施例通过设定一预判条件(即根据预设频率的激励电流信号测量目标对象的人体阻抗值得到的目标阻抗值)来对异常测量结果进行初步筛选，可在不影响整体识别准确率的基础上，大大提高整个识别过程的识别效率。
61.在一个实施例中，本实施例提供了一种测量设备，包括：存储器、处理器、存储在存储器上并可在处理器上运行的程序以及用于实现处理器和存储器之间的连接通信的数据总线，程序被处理器执行时实现上述的处理方法的步骤。该测量设备具体可为体脂秤、手环、智能手表中的任意一种。
62.在一个实施例中，本实施例提供了一种存储介质，用于计算机可读存储，存储介质存储有一个或者多个程序，一个或者多个程序可被一个或者多个处理器执行，以实现上述的处理方法的步骤。
63.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一序列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
64.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
65.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台测量设备设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的识别方法。
66.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。