一种基于智能手表健康监测方法及系统与流程

本发明属于健康监测，尤其涉及一种基于智能手表健康监测方法及系统。

背景技术：

1、智能手表是一种便携式设备，与传统医疗设备不同，智能手表搭载微波雷达传感器可以实现连续性监测，用户可以佩戴它们在身上，随时随地进行监测，不受时间和地点的限制，这使得监测更加方便，用户可以持续监测自己的健康状况。

2、由于微波雷达传感器技术的非侵入性，监测时无需采集样本或使用传统的生理监测设备，能给用户带来很大的便利。但微波雷达传感器的监测效果也由于其非侵入性特点，容易受到一些外界因素的干扰影响，尤其会受到手表穿戴者皮肤的影响，用户皮肤的光暗程度（肤色）对微波雷达信号的吸收和散射性质会产生显著影响，其中，较暗的皮肤通常吸收微波信号更多，导致微波信号不能深入皮肤组织，监测深度有限，从而使得心率监测或其他生理参数的准确性下降；而较光的皮肤通常会引起微波信号的强烈散射，导致信号噪音增加，使得监测结果不稳定或不准确。因此，为了提高基于微波雷达传感器的智能手表的监测准确性，我们需要克服与智能手表直接接触的皮肤类型带来的干扰影响。

技术实现思路

1、本发明提供一种基于智能手表健康监测方法及系统，旨在解决上述背景技术提到的问题。

2、本发明是这样实现的，提供一种基于智能手表健康监测方法，智能手表中集成有微波雷达传感器，步骤包括：

3、通过微波雷达传感器采集目标用户皮肤的反射数据，并对采集到的反射数据进行预处理；

4、将预处理后的反射数据输入皮肤特性提取器，以通过皮肤特性提取器的卷积层执行卷积操作以提取特征图，再通过池化层降低特征图的空间维度，以保留重要的皮肤特性信息，并将降维后的特征图映射到输出层，得到皮肤特性特征向量；

5、将皮肤特性特征向量输入皮肤类型分类器中，以通过皮肤类型分类器对目标用户的皮肤类型进行分类，得到每种皮肤类型的分类概率，并将具有最高概率的皮肤类型定为目标用户的皮肤类型；

6、基于目标用户的皮肤类型及目标生理信号的组合，选取滤波器类型及参数组合，并根据参数组合对选取的滤波器的参数及校正参数进行自适应调整，以通过调整后的滤波器及校正参数对反射数据中除目标生理信号以外的其他信号进行滤除及校正处理，得到目标生理信号；

7、对目标生理信号运用信号处理算法进行计算以得到目标生理参数。

8、更进一步的，所述基于目标用户的皮肤类型及目标生理信号的组合，选取滤波器类型及参数组合，并根据参数组合对选取的滤波器的参数及校正参数进行自适应调整，以通过调整后的滤波器及校正参数对反射数据中除目标生理信号以外的其他信号进行滤除及校正处理，得到目标生理信号的步骤前还包括：

9、定义各个生理信号的标签及各种皮肤类型的标签，对各个生理信号与各种皮肤类型进行分组及分配唯一标识码，并根据分配的唯一标识码创建标签映射表，其中，标签映射表中包含各皮肤类型标签、各生理信号标签、各个生理信号与各种皮肤类型组合对应的唯一标识码、及其对应关系；

10、将各个生理信号与各种皮肤类型组合分配的唯一标识码与各个滤波器类型及参数组合关联起来并创建参数映射表，其中，参数映射表中包含各个生理信号与各种皮肤类型组合对应的唯一标识码、各个滤波器类型、各个参数组合的参数明细、及其对应关系，参数组合包含滤波器截止频率、阶数、窗口函数和滤波后的校正参数，校正参数包括校正幅度和校正相位。

11、更进一步的，所述基于目标用户的皮肤类型及目标生理信号的组合，选取滤波器类型及参数组合，并根据参数组合对选取的滤波器的参数及校正参数进行自适应调整，以通过调整后的滤波器及校正参数对反射数据中除目标生理信号以外的其他信号进行滤除及校正处理，得到目标生理信号的步骤包括：

12、根据目标用户的皮肤类型标签及目标生理信号标签的组合，从标签映射表中查找获取与目标用户的皮肤类型及目标生理信号标签组合对应的唯一标识码；

13、并根据唯一标识码从参数映射表中查找与唯一标识码对应的滤波器类型及参数组合；

14、根据查找获取的滤波器类型，调取匹配类型的滤波器，并根据查找获取的参数组合对调取的滤波器的参数进行调整；

15、通过调整后的滤波器对预处理后的反射数据进行滤波，以滤除非目标生理信号，保留目标生理信号，滤波操作公式为：y(t)=x(t)h(t，θ)，其中，y(t)是滤波后的信号，x(t)是反射数据，h(t，θ)是滤波器的响应，θ是调整后的滤波器参数；

16、根据调整后的校正参数对滤波后的目标生理信号的幅度及相位进行校正处理，校正公式为：ycorrected(t)=a⋅y(t−τ)，其中，ycorrected(t)是校正后的信号，a是调整后的幅度校正参数，τ是调整后的相位校正参数，表示延迟。

17、更进一步的，所述通过皮肤特性提取器的卷积层执行卷积操作以提取特征图的步骤包括：

18、通过卷积层的多个卷积核滑动在输入的反射数据上执行卷积操作，以捕捉输入数据的局部特征，其中，每个卷积核生成一个特征图，

19、对于每个卷积核，卷积操作公式为：

20、f(i，j)=∑m∑ni(i+m，j+n)⋅k(m，n)，

21、其中，f(i，j)是特征图中的一个像素值，i和j分别表示特征图中的像素的行和列索引，i(i+m，j+n)是反射数据中的像素值，k(m，n)是卷积核的权重，m和n分别表示卷积核内的权重的行和列索引。

22、更进一步的，所述通过皮肤类型分类器对目标用户的皮肤类型进行分类，得到每种皮肤类型的分类概率的步骤包括：

23、在多皮肤类别的分类中，通过softmax函数对每种皮肤类别的概率进行计算，计算公式为：，其中，x为目标用户的皮肤特性特征向量，r和s为皮肤类型的索引，r=1、2、…、k，s=1、2、…、k，k 为皮肤类别的总数，wr和br为与皮肤类别r相关的权重和偏差，ws和bs为与皮肤类别s相关的权重和偏差。

24、更进一步的，所述对目标生理信号运用信号处理算法进行计算以得到目标生理参数的步骤包括：

25、若目标生理信号为心跳信号，对心跳信号进行一次求导，以增强r波的斜率；

26、通过遍历心跳信号并检测超过阈值的点，识别峰值并确定为r峰；

27、测量相邻两个r峰之间的时间间隔，设为r-r间期；

28、根据r-r间期确定心跳周期；

29、将心跳周期转换为心率，心率=60000/平均心跳周期，心率表示每分钟的心跳数。

30、本发明还提供一种基于智能手表健康监测系统，用于执行基于智能手表健康监测方法，智能手表中集成有微波雷达传感器，包括：

31、采集模块：用于通过微波雷达传感器采集目标用户皮肤的反射数据，并对采集到的反射数据进行预处理；

32、提取模块：用于将预处理后的反射数据输入皮肤特性提取器，以通过皮肤特性提取器的卷积层执行卷积操作以提取特征图，再通过池化层降低特征图的空间维度，以保留重要的皮肤特性信息，并将降维后的特征图映射到输出层，得到皮肤特性特征向量；

33、分类模块：用于将皮肤特性特征向量输入皮肤类型分类器中，以通过皮肤类型分类器对目标用户的皮肤类型进行分类，得到每种皮肤类型的分类概率，并将具有最高概率的皮肤类型定为目标用户的皮肤类型；

34、参数调整模块：用于基于目标用户的皮肤类型及目标生理信号的组合，选取滤波器类型及参数组合，并根据参数组合对选取的滤波器的参数及校正参数进行自适应调整，以通过调整后的滤波器及校正参数对反射数据中除目标生理信号以外的其他信号进行滤除及校正处理，得到目标生理信号；

35、计算模块：用于对目标生理信号运用信号处理算法进行计算以得到目标生理参数。

36、本发明的有益效果在于，与现有技术相比，本发明的基于智能手表健康监测方法及系统，根据微波雷达传感器实时获取的反射数据并运用皮肤特性提取器及皮肤类型分类器进行分类识别获取用户的皮肤类型，再根据用户的皮肤类型并结合待监测的目标生理信号的频率范围对滤波器类型进行选取及对滤波器参数及校正参数进行自适应调整，再通过调整后的滤波器及校正参数进行滤波及校正得到目标生理信号，本发明根据用户的皮肤类型及监测目标（目标生理信号）的组合特性，来选择最优的滤波器类型及参数组合，从而达到很好的监测效果，这种自适应的定制滤波及校正方式不仅可以提高监测的特异性，确保只有感兴趣的频率成分被提取出来，还能减少皮肤类型的干扰影响，显著提高对生理信号监测的准确性。

37、其中，通过滤波降低皮肤干扰，对于较暗皮肤的信号吸收影响，可以选用更强的低通滤波器，以滤除噪音和增强信号穿透深度，还可以采用较高的滤波器功率和适当的频率，以增加信号的穿透深度；而对于较光皮肤的散射影响，可以选用带通滤波器，以更好地处理散射信号，还可以采用较低的功率和更适合散射的频率。

38、再通过校正可以进一步确保监测结果与实际生理参数之间的一致性。如不同的皮肤特性会对信号的幅度产生影响、导致信号的相位偏移，通过校正信号的幅度和相位，可以更准确的获取生理信号的相关特征。