估计心率的设备和系统的制作方法
【技术领域】
[0001] 本实用新型涉及用于估计心率的设备和系统。
[0002] 各个实施例可以在健身/健康应用中应用于例如可佩戴（尤其是手腕可佩戴）设 备，用于连续地监控心率。
【背景技术】
[0003] 在估计对象的心率的方法中，一种最常用的方法使用光学装置来基于光电容积脉 搏波（PPG)检测心搏来估计心率。光电容积脉搏波包括光学地获取器官的容积测量值（容 积描记图）。通常通过使用照射皮肤并测量光吸收的变化的脉搏血氧计来获取血管容积图。 传统的脉搏血氧计监控血液灌注到皮肤的真皮和皮下组织。
[0004] 历史上，PPG在医疗应用中首先利用指夹使用。后来的PPG也被用在手腕、手臂、 前臂上以使其适合于健康应用。
[0005] PPG技术通常能够容易估计休息时的心率。然而，在运动条件下，PPG信号被非常 低的SNR(信噪比）和SIR(信号干扰比）所影响。在这种具体条件下，SNR是指心率（例 如，表示心率的信号S)与所有其他信号（例如，噪声N)的比率。其可以通过使对象佩戴有 氧运动频率计和PPG设备来测量。与有氧运动频率计测量的有氧运动频率最接近的由PPG 设备测量的频率分量（峰值）的功率是信号S。总功率T为T= (S+N)。因此，对于SNR，其 为S/N=SAT-S)。作为信号S相对于I(最强非有氧运动频率分量的功率）的比率来获取 SIR值。
[0006] 有时通过已知的频域技术或时域技术（包括自适应滤波技术）处理PPG信号得到 较差的性能。
[0007] 因此，影响PPG的问题是较强的运动伪差，由于运动伪差而导致较低的SNR、较低 SIR，由于运动导致所检测信号中的尖峰。
[0008] 在本领域已知的状态下，为了补偿上述运动对SNR和SIR的影响和信号检测的其 他方面，为了光学地从身体器官获取心率信号，获取表不这种身体器官的加速的加速信号， 选择所述获取的心率信号和加速信号的数据块，在时域中通过加速信号补偿心率信号。
[0009] 类似于现有技术描述的以下公开用于减少伪差：
[0010] YutaKuboyama，"MotionArtifactCancellationforWearable PhotoplethismographySensor"，MIT，2009 ;
[0011]K.Ashokaeddy、V.JagadeeshKumar，"MotionArtifactReductionin PhotoplethysmographicSignalsusingSingularValueDecomposition''，仪器和测量技 术会议，波兰，2007年5月1-3日；
[0012] H.Han、M.Kim、J.Kim，"Developmentofreal-timemotionartifactreduction algorithmforawearablephotoplethismography''，Proceedingsofthe29thAnnual InternationalConferenceoftheIEEEEMBSCitelnternationale，法国里昂，2007年8 月23-26日；
[0013] P.Wei、R.Guo、J.Zhang、Υ·T.Zhang，"ANewWristbandSensorUsingAdaptive ReductionFiltertoReduceMotionArtifact"，第5届生物医学信息技术与应用国际会 议，中国深圳，2008年5月30-31日。 【实用新型内容】
[0014] 在一个实施例中，一种使用身体器官（具体为用户的手腕）上的光电容积脉搏波 估计心率的方法包括：光学地从所述身体器官获取心搏信号；获取表示所述身体器官的加 速的加速信号；选择获取的心搏信号和加速信号的数据块；通过加速信号补偿所述心搏信 号；基于补偿心搏信号计算心率值，其中，所述方法包括：从所选择的数据块中获取用于心 搏信号和加速信号的对应频域数据块，所述补偿操作包括在频域中执行运动补偿、利用用 于加速信号的对应频域数据块补偿用于心搏的频域数据块。在一个实施例中，所述运动补 偿包括：从用于心搏的频域数据块中减去乘以相应标量权重的频域数据块以获取所述补偿 心搏信号。在一个实施例中，该方法包括：对所述补偿心搏信号执行检测操作以获取心率的 估计值。在一个实施例中，该方法包括：基于所述频域数据块计算非线性预测值；执行心率 的检测估计值的校正操作，包括执行心率的检测估计值与预测估计值之间的判定以选择判 定的心率值，作为所述预测值的线性函数得到所述预测估计值。在一个实施例中，执行心率 的检测估计值和预测估计值之间的判定以选择判定心率值包括：考虑在不同时间处的多个 估计值并对它们求平均所应用的平滑操作。在一个实施例中，该方法包括：通过每次执行 判定选择光学估计值的操作时存储当前检测估计值和预测值更新所述线性函数；获取观察 点的序列，具体存储在FIFO中；作为观察点的序列上的回归计算线性函数。在一个实施例 中，该方法包括：在所述观察点的序列上执行回归操作以将它们的数量保持得较少。在一个 实施例中，该方法包括：在选择所获取的心搏信号和加速信号的数据块之前进行滤波，具体 地，所述滤波包括低通FIR滤波器和高通滤波器，尤其通过一系列的IIR滤波器来实施。在 一个实施例中，选择所获取的心搏信号和加速信号的数据块包括：根据获取的心搏信号临 时生成数据块；对所述块测试条件，并且在满足条件的情况下，将所述块和与来自获取的心 搏信号的数据块时间对准的所获取的加速信号的数据块传送至用于获取心搏信号和加速 信号的对应频域数据块的操作，而在不满足所述条件的情况下，生成相对于先前块时间偏 移的新临时块。在一个实施例中，所述运动补偿操作后面为检测操作，以识别作为检测心率 估计值输出的补偿频域心搏信号的主频率。在一个实施例中，从所选择的数据块中获取心 搏信号和加速信号的对应频域数据块的操作包括：通过交错多个快速傅里叶变换操作来得 到多个频点。
[0015] 在一个实施例中，一种使用身体器官（具体为用户的手腕）上的光电容积脉搏波 估计心率的系统包括：传感器，被配置为光学地从所述身体器官获取心搏信号以及获取表 示所述身体器官的加速的加速信号；以及处理器模块，被配置为选择所获取的心搏信号和 加速信号的数据块，通过加速信号补偿所述心搏信号，基于所述补偿心搏信号计算心率值， 其中，所述模块被配置为执行本文公开的方法的一个或多个实施例。在一个实施例中，所述 传感器和所述处理模块包括在相同的光电容积脉搏波心率测量设备中。在一个实施例中， 所述设备包括在可佩戴在所述身体器官上的装置中。在一个实施例中，所述可佩戴装置可 (具体通过腕带）佩戴在手腕或手臂上。在一个实施例中，该系统包括：远程处理设备，通 过通信链接与所述光电容积脉搏波心率测量设备连接。在一个实施例中，其中所述光电容 积脉搏波心率测量设备包括显示器。在一个实施例中，计算机程序产品可以加载到至少一 个计算机的存储器中，该计算机包括能够执行本文所公开的方法的一个或多个实施例的步 骤的软件代码的部分。
[0016] 一个或多个实施例可以涉及对应的系统、对应的测量设备以及计算机程序产品， 当产品在至少一个计算机上行运行时，该计算机程序产品可以加载到至少一个计算机的存 储器中并且包括能够执行方法步骤的软件代码的部分。如本文所使用的，参考这种计算机 程序产品被理解为等效于参考包含用于控制处理系统以协调根据实施例的方法的实例的 指令的计算机可读装置。参考"至少一个计算机"明显用于强调本实用新型的实施例在模 块和/或分配形式中实施的可能性。
[0017] 权利要求形成本文关于各个实施例提供的技术教导的主要部分。
[0018] 根据本文描述的实施例，包括所述补偿操作的方法包括：从获取的数据块中获取 用于心搏信号和加速信号的对应频域数据块；使用用于加速信号的频域数据块执行用于心 率的频域数据块的运动补偿。
[0019] 在各个实施例中，该方法包括：通过从用于心率的频域数据块中减去标量权重的 频域数据块以获取所述补偿心率信号来执行运动补偿。
[0020] 在各个实施例中，该方法包括：对所述补偿心率信号执行检测操作以获取心率的 估计值。
[0021] 在各个实施例中，该方法包括：基于所述频域数据块计算非线性预测值；执行心 率的检测估计值的校正操作，包括执行心率的检测估计值与预测估计值之间的判定，以选 择心率值，作为所述预测值的线性函数获取所述预测估计值。
[0022] 在各个实施例中，该方法包括：执行包括平均操作的判定以获取最终的心率估计 值。
[0023] 在各个实施例中，实施该方法的系统包括：传感器，被配置为光学地从所述身体器 官获取表示心搏的信号以及获取表示所述身体器官的加速的加速信号；以及处理器模块， 被配置为选择所获取的心搏信号和加速信号的数据块，通过加速信号补偿所述心搏信号， 基于所述补偿的心搏信号计算心率值。
[0024] 在各个实施例中，该系统包括：这种传感器和处理模块包括在相同的光电容积脉 搏波心率测量设备中。
[0025] 在各个实施例中，PPG心率测量设备包括在可佩戴在所述身体器官上的装置中，具 体为尤其通过腕带可佩戴在手腕或手臂上的装置中。
[0026] 在各个实施例中，提供了能够操作本文描述的系统的光电容积脉搏波心率测量设 备。
[0027] 在各个实施例中，这种设备与通过通信链接与其连接的远程处理设备相关联。
[0028] 在各个实施例中，这种设备包括显示器。
[0029] 在一个实施例中，一种方法包括：基于接收的心搏信号选择心搏数据块；基于接 收的一个或多个加速信号选择加速数据块；将选择的心搏数据块转换为心搏频域数据块； 将选择的加速数据块转换为加速频域数据块；基于转换的频域数据块在频域中执行运动补 偿；以及基于所述运动补偿生成心率信号。在一个实施例中，该方法包括：使用手腕上的光 电容积脉搏波生成接收的心搏信号。在一个实施例中，所述运动补偿包括：将加速频域数据 块乘以相应的标量权重；以及从心搏频域数据块中减去加权的加速频域数据块。在一个实 施例中，该方法包括：生成补偿后的心搏信号；以及基于补偿的心搏信号估计心率。在一个 实施例中，该方法包括：基于加速频域数据块计算非线性的预测值；生成预测估计值作为 预测值的线性函数；以及基于估计的心率和所述预测估计值生成心率信号。在一个实施例 中，生成心率信号包括：选择估计的心率和预测估计值中的一个。在一个实施例中，该方法 包括：对不同时间处估计的多个估计心率求平均。在一个实施例中，该方法包括：当选择估 计的心率时，通过存储当前估计心率和预测值更新所述线性函数，获取观察点的序列；以及 计算线性函数作为所述观察点的序列之上的回归。在一个实施例中，该方法包括：对所述观 察点的序列执行回归操作。在一个实施例中，该方法包括：对接收的心搏信号进行滤波并基 于滤波的心搏信号选择心搏数据块；对接收的一个或多个加速信号进行滤波并基于滤波的 一个或多个加速信号选择加速数据块，滤波包括低通滤波和高通滤波，高通滤波使用一系 列无限脉冲响应滤波器。在一个实施例中，该方法包括：基于接收的心搏信号生成数据块； 确定生成的数据块是否满足测试条件；当生成的数据块满足测试条件时，将生成的数据块 以及基于与生成的数据块时间对准的接收的一个或多个加速信号的数据块转换为频域数 据块；以及当生成的数据块不满足测试条件时，丢弃生成的数据块并生成相对于先前生成 的数据块时间偏移的新数据块。在一个实施例中，估计心率包括：识别补偿后的心搏信号的 频