/P。例如，针对每个峰的第一左侧近邻，计算各自的峰的第一左侧近邻 的相对变化。然后，计算所有这些相对变化的和，并且结果除以峰的数量。
[0093 ]在下一步骤S24中，基于峰峰_值(p)的值和所确定的平均相对变化Avg_变化，通过 计算m_e st (p) = (1 -Avg_变化(p)) *峰_值(p)来对辅助向量m_es t (p)进行更新。乘以峰值给 出平均相对变化的幅度缩放的值。将该辅助向量用于更新参考信号，其中，例如，向第一峰 的第一左侧近邻分派辅助向量111_68以口)的第一元的值，向第二峰的第一左侧近邻分派辅助 向量m_est(p)的第二值，等等。
[0094] 能够对另外的左侧近邻和另外的右侧近邻执行相同的计算。这由图8中的回路17 指示。决策步骤S25使得针对峰的左端或右侧的不同近邻值，对峰的每个接下来的近邻重复 步骤S22到S24,直到两个样本的指数属于两个近邻峰的模型信号，例如，第二峰的左侧近邻 的样本号和第一峰的右侧近邻的样本号重合。在图9C中，针对由峰P4和P5之间的XI指示的 样本，该停止准则被满足，其中，P4的右侧近邻的样本号和P5的左侧近邻的样本号重合。
[0095] 在最后的任选步骤S26中，能够插入未在前述过程中计算的参考信号的样本值，以 关闭缺口。由X2指示的示范性缺口出现在峰P8与P9之间。
[0096]参考图9A到9D所示的曲线图图示了根据本发明的该方面的流程。图9A图示了开始 点和初始化。图9B示出了中间曲线图，其中，步骤S22到S24已经在每个侧上被重复七次，即， 针对每个峰的左侧的七个近邻和每个峰的右侧的七个近邻被重复。在该中间曲线图中，参 考信号朝向初始峰检测的左侧(被示为交叉)和右侧(被示为圆圈）延伸。应当指出，峰的左 侧的样本的数量能够与峰的右侧的样本的数量不同。如参考图9C示范性示出的，能够对左 侧实施较早停止准则。例如，在参考信号的值低于阈值，例如，〇处的基线时，停止准则能够 停止添加峰的左侧的额外的近邻样本。图9C示出了，参考信号进一步向峰的右侧增长，直到 峰的左侧近邻和另一峰的右侧近邻的指数重合。利用XI指示这，其中，峰P4的右侧近邻和峰 P5的左侧近邻的指数(但不必是值)重合。
[0097]最后，如参考图8中的步骤S26所述的，通过对模型信号进行插值来封闭模型信号 的缺口，从而达到最终模型信号。在该步骤中，确定还未在重复期间在步骤S22到S24被计算 的参考信号的值，例如，从样本50到80以及110到150,因为这些是具有长峰峰区间的心脏周 期。在图9D中将最终参考信号18与生理信号6c-起示出。
[0098]任选地，基于质量度量来计算分类器输出。该质量度量描述特征信号的质量，是基 于生理信号和参考信号的比较计算的。能够将所述质量度量计算为模型信号18与生理信号 6c之间的差异信号的能量。为了评估所述模型信号与所述生理信号多么好地匹配，例如能 够通过下式计算质量度量：能量= sum(abs(生理_信号-模型_信号））/sum(abs (生理_信 号））。如果不针对生理信号的所有样本计算模型信号，则对所述质量度量或能量的计算能 够限于其中可获得模型信号的那些样本。通过生理信号的绝对值的规范化是任选的，但是 能够帮助对具有不同信号幅值的区段进行比较。对于图9D所示的范例而言，质量度量值为 0.2056〇
[0099]图10A和10B图示了对针对图5的生理信号6c的从第2408到第2416秒的区段，即针 对具有错误峰检测的区段的质量度量的确定，其中，峰P1已经被检测，而非峰P2。
[0100] 图10A图示了生理信号6c和所确定的模型信号18A，其中，所述模型信号是基于特 征信号确定的，其中，错误地考虑了峰P1，而峰P2已经被抛弃。对于该情况而言，质量度量为 0.6357。显然，所述模型信号以及因此所确定的质量度量由错失的峰检测P2的严重影响。错 失的峰检测引起在平均波形内的凸点，这由模型信号中的X4来指示。
[0101] 图10B示出了正确检测的情况，即其中，在样本指数230处的峰P2而不是在样本指 数200处的峰P1被检测。由曲线18b来指示所得到的模型信号。在该正确的情况下，与图10A 所示的错误情况下的〇. 6357的相比，质量度量为0.1674。
[0102] 应当指出，在大的运动伪影的情况下，不同信号的质量度量或者能量的值甚至能 够展现更极端的值，例如，10或1〇〇。然而，质量度量的值不限于这一方面的，而是取决于预 期的规范化缩放以及所评估的生理信号和参考信号的幅度。
[0103] 参考图11A到11C描述能够如何确定质量度量的更加详细的范例，其包括平均波形 和模型信号的示范性计算的细节。
[0104] 所提出的信号处理基于这样的发现:生理信号中的每个波周期具有相似的形状， 然而未必是某一（即，规律的）时间间隔和/或波周期的幅度。例如，心脏波的幅度能够依赖 于呼吸。
[0105] 能够将该范例中的确定模型信号的基本步骤总结为：（1)找到作为开始点的峰， (2)针对每个(左侧和/或右侧)近邻样本:计算与初始峰相比的水平的平均相对下降/增加， 并且基于所述平均下降/增加和初始峰来计算模型信号的值，（3)当任何两个近邻样本重合 时，对模型信号的另外的值的(线性)插值。
[0106] 图11A示出了生理信号6e的区段。该非限制性范例中的区段或窗口具有8秒的持续 时间并且包括512个样本。特征信号12e示出了六个清楚定义的峰，而在样本指数220周围处 的峰却不确定该峰是否应当被包括。例如，峰检测器能够被适配为不检测快速地跟随较大 检测的峰之后的较小峰。因此，在特征信号中不包括样本指数220处的峰。
[0107] 为了描述下文的另外的算法，将生理信号指代为向量
其中，wP是8秒窗 口的指数4的长度等于Nx。在图11的范例中，具有Nx = 512个样本。生理信号^的峰位置被列 出为具有^的长度的向量￡。在图11A的范例中，具有6个检测的峰，因而得到NP = 6,并且向量 ￡ 包含以下值:43、115、187、310、386以及462。 ^0108]由下式指代检测的峰位置出的波形值：
[0109]
[0110] 其中，j = 〇，. . .，NP-1是峰的指数。在图11A的范例中，向量办包含以下值:249、234、 278、227、251 以及 296。
[0111] 确定平均波形和确定模型中的下一步骤是寻找近邻样本(关于初始峰朝左和右）， 并且计算与初始峰水平相比的平均下降或增加。
[0112]能够将关于峰位置的近邻位置定义为：
[0113]
[0114] 其中，k=l定义了对左侧的近邻样本的扫描，而k = 2则定义了对右侧的近邻样本 的扫描，因此
[0115] Ak<0,针对:k=l，
[0116] Ak>〇,针对:k = 2，
[0117] 对于在8秒窗口内部的关于峰位置的所有近邻位置，平均水平下降/增加被计算 为：
[0118]
[0119]
[0120] 其中，N等于在区域[0, ...，NX_1]内部的近邻位置的数量，其被计算为：
[0121] G
[0122] 从而，针对各个峰的近邻的量#合出了峰的出现周围的生理信号的平均波形。在所 给出的范例中，由峰的值对所述下降/增加进行缩放。
[0123] 图11B图示了针对所述峰的每个的右侧的第十近邻，即针对A 2 = 1〇的计算。通过 45、35、67、75、40、74给出了峰的右侧的第十近邻处的生理信号值。在图118中由星号指示所 述值。对于平均波形而言所得到的值为也A k=〇.7815。
[0124] 由2指代与生理信号i进行比较的模型信号。5的长度等于i的长度，并且由仏=队指 代。
[0125] 模型信号的值被计算为：
[0126]
[0127] 在图11B中，由峰的具有A 2 = 1〇的近邻样本处的圆圈指示模型信号的值。模型信 号的各个值为:54.4、51.1、60.7、49.6、54.8以及64.7。
[0128] 模型信号的示范性计算涉及迭代地减小A :的值，并增加A 2的值，g卩，这给出（k， 八!〇 = (1，-1)，（2，1)，（1，-2)，（2,2)，...等的序列。在迭代的有限数量之后，明显，两个指 数将重合，并且能够停止参考波形的计算：
0[0130] 在该非限制性范例中，停止发生在以下时：
[0129]
[0131]
[0132]
顷实质上给出了两个近邻峰之间的区间。将由(k=l、2)指代在 出现先前等式的状况的时刻处的A k(k= 1，2)的值。这些值指代表示针对每个波（以峰检测 的出现为中心）的模型的边界的偏移(朝左和朝右）。针对给定的范例，A :和A 2的值分别为-36和36。图11B中的虚曲线表示停止准则之后的模型信号18e。
[0133] 备选地，可以针对左侧和/或右侧采用不同的停止准则。例如，朝左侧（A : < 〇)的 模型信号值的确定比朝右侧（A 2>〇)的模型信号值的确定结束得早。例如，能够将左侧的 停止准则定义为：
[0134]
[0135] 也能够组合上面描述的两种停止准则，或者能够使用备选停止准则。
[0136] 在对模型信号5的值的上述确定之后，仍然能够存在未在5当中模型化的值。换言 之，并非21的所有值被填这也能够在图中看到，其中，样本210和240之间的参考信号 18e的值^然未被模型化，并且模型信号18e示出缺口。
[0137] 能够借助于例如线性插值来填充区段的峰检测之间的未模型化的值。针对每对随 后的的峰检测(NP-1对)而言，能够计算具有N P-1个元的向量g。所述向量的元指示样本中的 各自的缺口的长度。对于第i对，能够通过下式计算所述向量&第i个元：
[0138]
[0139] 其中，A]和A；被定义为偏移(分别朝左和朝右），所述偏移表示针对每个缩放的平 均波形（以峰检测为中心）的模型信号的边界处的样本。针对图11B所示的范例的向量g中的 元为：1、2、51、5以及5。
[0140] 然后通过计算下式填充模型5中的缺口 ：
[0141]
[0142]
[0143] 图11C将插值步骤的结果示出为虚线曲线18f。
[0144] 任选地，能够通过计算原始数据^与模型@之间的规范化幅度差异来确