于处理生理信号的步骤。
[0069] 图4示出了两个生理信号6a、6b和两个特征信号12a、12b的曲线图。横轴表示以秒 为单位的时间T，而纵轴表示各自的信号的幅度。图4的下方曲线示出了生理信号6a，所述生 理信号是描述由于呼吸的生理运动的运动信号，所述运动信号能够是经由加速度计获得 的。在该实施例中，使用三轴加速度计，并且预处理被应用到加速度计的原始信号，以获得 生理信号6a。由交叉指示的特征信号12a描述了生理信号6a的峰的出现。
[0070]已经使用备选测量技术，即呼吸感应体积描记获得了第二生理信号6b，呼吸感应 体积描记常常也被称为呼吸带。由交叉指示的第二特征信号12b指代第二生理信号6b的峰。 应当指出，呼吸带生理信号6b示出了非常清洁的信号。因此，能够从生理信号6b以高准确度 导出特征信号12b的特征，并且特征信号6b具有固有的高质量。该呼吸带生理信号6b服务于 比较，以及评估基于加速度计的生理信号6a的性能。
[0071]图4中的竖直虚线指代延迟，其中，生理信号6a关于生理信号6b被延迟。这是由于 实验设置。在竖直虚线左侧的区段中，基于加速度计的生理信号6a示出与图4的上方部分的 呼吸带生理信号6b的良好的对应性。在竖直虚线右侧的区段中，可见在时间T = 2400秒之后 的运动伪影。呼吸带生理信号6b仅示出了轻微的扰动，并且仍然允许对峰的提取。然而，运 动伪影实质地干扰利用加速度计获得的生理信号6a。
[0072]图5涉及心脏监测。横轴指代以秒为单位的时间T，而纵轴表示各自的信号的幅度。 图5的下方曲线指代表示由于心脏搏动的生理运动的生理信号6c。也在该非限制性范例中， 特征信号12c描述生理信号6c中的峰的出现。针对比较，图5中的上方曲线示出了利用ECG电 极获得的生理信号6d，因此为心电图。也在该范例中，上方曲线是非常清洁的信号，其中，如 由特征信号12d所示，能够清楚地识别峰的出现。
[0073]生理信号6c和6d两者都是从相同的对象获得的。由竖直虚线指示两个信号之间的 时间延迟，其中，基于加速度计的生理信号6c关于基于ECG的生理信号6d稍微被延迟。
[0074] 应当指出，该范例中的对象具有不稳定、无规律的心率，所述心率示出心律不齐。 刚刚在第2400秒之后和第2410秒之后，在两次心搏之间存在宽区间（心搏间期IBI)。在该范 例中，只基于峰峰变化的分类器或质量度量，即评估近邻峰的间隔如何波动的分类器，可以 将所述信号分类为差。此外，评估谱特征的分类器可能出故障，并且将所述信号分类为差， 因为心律失常导致针对所测量的生理信号的谱的失真。例如，在所述谱中可能存在多个峰， 或者围绕峰的谱可能被显著增宽。
[0075]分类器通常被确定用于生理信号的区段。如果分类器指示差的信号质量，则整个 区段被抛弃，并且不被评估。因此，评估所述生理信号的降低数量的区段，并且降低生理信 号的范围。
[0076]在图4和图5中，在竖直虚线左侧的生理信号6a、6c的区段是高质量的，而在竖直虚 线右侧的区段示出失真。例如，在图5中，下方曲线6c，特征信号错误地包含由P1指代的峰作 为对应于生理现象的特征，而随后的由P2指代的峰被抛弃。例如，因为用于获得所述特征信 号的技术要求与先前识别的峰P1的间隔高于预定阈值，因此由P2指代的峰被抛弃。然而，基 于加速度计的生理信号6c与基于ECG的生理信号6d的比较示出，应当已经将P1处的峰抛弃， 而峰P2对应于由P3指代的实际心脏搏动。
[0077]图6更详细地图示了根据示范性实施例的处理单元7。处理单元7包括:预处理装置 13,其用于基于传感器信号来生成生理信号；第一处理装置8,其用于确定描述生理信号中 的特征的出现的特征信号；以及第二处理装置9，其用于评估非稳定生理信号。
[0078]在该实施例中，预处理装置13接收三轴加速度计的输出信号acc_x、acc_y、acc_z， 并将这些信号组合为被提供到第一处理装置8和第二处理装置9的生理信号6。预处理装置 13是任选元件，其能够是传感器5(如图3所示）的部分或处理单元7的部分。在实施例中，预 处理包括:对传感器信号进行采样，对三个加速度计轴(acc_x、acc_y以及acc_z)的滤波和/ 或将加速度计轴融合到一个生理信号6中。备选地，传感器(例如，加速度计或PPG传感器)的 输出信号直接充当生理信号。
[0079] 在本文描述的实施例中，用于确定描述生理信号6中的特征的出现的特征信号的 第一处理装置8是峰检测器。然而应当指出，本发明不限于这一方面，并且所述信号的其他 特征，诸如波的极值、波的梯度（即，信号的斜率）的极值、拐点、峰能量等也能够被视为特 征。峰检测器(第一处理装置8)向第二处理装置9提供特征信号12。特征信号12描述生理信 号中的峰的出现。然而，峰检测未必是理想的。有时峰被错过(FN:假否定），并且有时峰错误 地被检测(FP:假肯定）。因此，该实施例中的第二处理装置9被配置为分类峰检测是否准确。
[0080] 该实施例中的第二处理装置9也能够被称为分类器单元。在实施例中，分类器单元 基于（例如，8秒长度的）生理信号的窗口，即区段来计算描述特征信号12的质量的质量度 量，并将生理信号6和/或特征信号12分类为良好或差。在分类器单元9的输出14处提供分类 器结果。
[0081] 任选地，分类器单元9还提供到峰检测器8的反馈路径15。从而，峰检测器8接收这 样的信息:生理信号6的区段是否良好并且应当被用于确定生命体征信号16,或者该特定区 段是否应当被抛弃而被不用于确定对象的生命体征。在该示范性实施例中，对象的生命体 征是心率。然而，本发明不限于这一方面，而是也能够被用于不同的生理信号和生命体征， 例如，用于处理作为生理信号6的呼吸信号并且用于确定作为生命体征的呼吸率。
[0082]参考图7所示的流程图更详细地描述由处理装置9对生理信号6的处理。
[0083] 图7示出了根据本发明的方面的由处理装置9执行的步骤的流程图。在第一步骤 S11中，生理信号被获得。在优选实施例中，生理信号是描述生理运动，即由生理现象引起的 运动的运动信号。生理信号能够是对应的传感器的输出，或者也能够指的是在后面的时间 点上被评估的预处理的信号或先前记录的信号。
[0084] 在第二步骤S12中，描述生理信号中的特征的出现的特征信号被获得。例如，所述 特征信号能够指示时间或位置，诸如所述生理信号的在诸如峰的特征出现之处的样本。例 如，所述特征信号能够从峰检测器8来获得，如图6所示的。备选地，用于处理生理信号的处 理装置还能够被配置为确定描述生理信号中的特征的出现的特征信号。
[0085]在第三步骤S13中，在所述生理信号中的特征的所述出现周围的所述生理信号的 平均波形被确定。例如，所述生理信号的峰被采取作为开始点，并且针对每个峰，确定其近 邻值关于所述峰的值的差异。基于这些差异，针对关于峰的每个距离，确定平均差异。任选 地，峰和近邻值之间的差异被加权，例如，通过对应的峰的高度或其倒数来加权，以获得相 对变化。
[0086]在下一步骤S14中，包括生理信号中的特征的出现处的生理信号的平均波形的实 例的模型信号被确定。换言之，针对每个峰，平均波形的拷贝被例示和布置，使得所述平均 波形的峰对应于生理信号的各自的峰。任选地，由各自的峰的高度对平均波形的高度进行 缩放，使得所述模型信号包括所述平均波形的幅度缩放的实例。
[0087]在最后的任选步骤S15中，基于生理信号和模型信号的比较来确定描述特征信号 的质量的质量度量。例如，计算生理信号与模型信号之间的差异信号。任选地，例如通过生 理信号的峰值或平均值将所述差异信号规范化。计算所述差异信号的能量，其描述特征信 号和/或生理信号的质量。小的差异信号，并且因此差异信号的小的能量指示良好的匹配和 高信号质量，而大的差异指示差的匹配和低信号质量。该步骤的输出14是基于质量度量的 分类器输出。该质量度量直接被计算为例如所述差异信号的能量值或者是所述差异信号的 规范化能量值。备选地，将所计算的差异与阈值进行比较以确定数字输出，例如1，如果信号 质量良好并且应当将所述生理信号的各自的区段用于确定生命体征;或者〇,其意指应当抛 弃所述区段。在实施例中，分类器确定特定的摘录是否属于特定不同类别。分类器的输出能 够是这些类别之一的标签或标识符。
[0088]应当指出，确定生理信号中的特征的出现周围的生理信号的平均波形的步骤S13 和确定参考信号的步骤S14也能够以组合的步骤被执行或者也以迭代的方式被执行。例如， 在确定模型信号之前不确定整个平均波形。相反，还能够在逐个采样的基础上逐步地确定 平均波形和模型信号。
[0089]参考图8图示了基于对在生理信号中的特征的出现周围的生理信号进行平均来确 定模型信号的示范性实施例。在图9A到9D中示出了能够如何建立模型信号的中间步骤。
[0090] 参考图8,在第一步骤S21中，对模型信号进行初始化。在给定的范例中，在对生理 信号的非交叠区段逐块的基础上对所述生理信号进行处理。在该实施例中，生理信号具有 62.5Hz的采样率并且每个块包括512样本，图9A到9D。然而，本发明不限于这一方面。该区段 具有约8秒的持续时间。在峰的出现处，利用峰的生理信号的值对参考信号进行初始化。这 在图9A中被图示。图9A到9D中的生理信号6c对应于图5中的生理信号6c，其中，描绘了从第 3292到第2400秒的区段。横轴指代样本号S，而纵轴表示各自的信号的幅度A。所述区段示出 了心搏的清晰的心律不齐，即，峰的变化的间隔或心搏间期（IBI)。能够通过计算向量m_est (P) =峰Jt(P)，利用如由峰检测器识别的峰值对所述模型进行初始化。任选地，还确定峰 倒数，以节约计算复杂性。假设具有P个峰值，那么必须计算P个峰值倒数，这得到辅助向量 峰_值_倒数(p) = 1 /峰_值(p)。
[0091] 在第二步骤S22中，针对峰的每个近邻值，通过计算变化(p) = (峰Jt(p)_近邻_值 (P))*峰_值_倒数(P)来确定关于所述峰值的相对变化，其中，P指示峰号指数，p=[0. . .p-1]。如本文使用的近邻值指的是关于峰被定位于左侧或右侧处的样本。例如，左侧的第一近 邻是在图9B中关于峰的出现的位置的左侧的第一样本。换言之，每个峰能够具有第一左侧 近邻(假定所述峰不是所述区段的第一样本，然而，在图9A到图9D图示的范例中情况不是这 样)。
[0092] 在步骤S23中，针对所有峰，确定特定近邻值的平均相对变化，例如，通过计算Avg_ 变化= sum(变化(p))