1.本发明涉及信号分析技术领域，具体地说，涉及一种体征信号的质量评估方法、装置、电子设备和存储介质。
背景技术：
2.随着社会经济的发展，国民生活方式的变化，尤其是人口老龄化及城镇化进程的加速，居民不健康生活方式日益突出，心血管病危险因素对居民健康的影响越加显著，心血管病发病率持续增高。
3.采集心电、血压和血氧等体征数据，有助于对心血管患者进行病情观察和进一步诊疗。随着远程医疗科学技术的发展，通过可穿戴带设备对体征信号进行连续监测的技术越加普遍。但是，可穿戴设备采集的体征信号容易受到基线漂移、肌电干扰、电极接触噪声、运动伪迹等方面的影响，会造成心电、血压和血氧等体征数据的监测结果不准确，进一步会影响对心血管患者病情的评估。
4.因此，对可穿戴设备采集的体征信号进行质量评估尤为重要。
5.目前的信号质量评估，通常会采用神经网络模型，先对体征信号进行特征提取，再输入神经网络模获取质量分，普遍存在如下问题：
6.一，需要对原始采集的体征信号进行特征提取，然后基于提取的特征进行信号质量评估，在体征信号存在干扰的情况下，难以提取到准确的特征，进而影响信号质量评估的准确性；
7.二，神经网络模型属于有监督机器学习模型，需要基于有标签的训练集进行训练，容易出现过拟合问题，导致实际应用的效果不佳；
8.三，神经网络模型的运算复杂度高、计算量大，无法用于信号质量的实时评估，也不适合在可穿戴设备上运行。
9.需要说明的是，上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现要素：
10.有鉴于此，本发明提供一种体征信号的质量评估方法、装置、电子设备和存储介质，能够克服现有方法的问题。
11.根据本发明的一个方面，提供一种体征信号的质量评估方法，包括：基于时间窗口自采集到的体征信号流中截取当前时间窗口的体征信号；按采样点对所述当前时间窗口的体征信号进行逐点前向差分计算，获得当前组前向差分值；对所述当前组差分值进行直方图统计，并计算直方图的各组频数分布的标准差；根据所述标准差与质量阈值，获得所述当前时间窗口的体征信号的质量评估结果。
12.在一些实施例中，所述基于时间窗口自采集到的体征信号流中截取当前时间窗口的体征信号之前，还包括：对采集到的体征信号流进行包含工频滤波和带通滤波的降噪处
理。
13.在一些实施例中，所述按采样点对所述当前时间窗口的体征信号进行逐点前向差分计算之后，还包括：对每个前向差分值取绝对值。
14.在一些实施例中，所述直方图的横轴为所述当前组前向差分值的分布，所述直方图的纵轴为频数。
15.在一些实施例中，所述计算直方图的各组频数分布的标准差之后，还包括：对所述标准差进行除以所述直方图的平均值的归一化处理。
16.在一些实施例中，所述质量阈值至少包括用于区分体征信号是否有效的目标质量阈值；所述获得所述当前时间窗口的体征信号的质量评估结果，包括：当所述标准差大于等于所述目标质量阈值，获得所述当前时间窗口的体征信号有效的质量评估结果；当所述标准差小于所述目标质量阈值，获得所述当前时间窗口的体征信号无效的质量评估结果。
17.在一些实施例中，所述体征信号通过可穿戴设备采集；所述获得所述当前时间窗口的体征信号的质量评估结果之后，还包括：当所述当前时间窗口的体征信号有效，将所述当前时间窗口的体征信号传递至体征监测模块，所述体征监测模块部署于或独立于所述可穿戴设备；当连续预设时段的体征信号的质量评估结果均为无效，确定所述连续预设时段的体征信号的无效因素，并通过所述可穿戴设备发出对应于所述无效因素的调整提醒。
18.在一些实施例中，所述无效因素包括设备类无效因素和非设备类无效因素，所述通过所述可穿戴设备发出对应于所述无效因素的调整提醒，包括：当所述无效因素为所述设备类无效因素，通过所述可穿戴设备发出设备重启的调整提醒；当所述无效因素为非设备类无效因素，通过所述可穿戴设备发出设备位置调整的调整提醒。
19.在一些实施例中，所述通过所述可穿戴设备发出对应于所述无效因素的调整提醒之后，还包括：于下一连续预设时段的体征信号的质量评估结果均为无效，向所述可穿戴设备的远程监控设备发出报警通知。
20.根据本发明的另一个方面，提供一种体征信号的质量评估装置，包括：时间窗口模块，用于基于时间窗口自采集到的体征信号流中截取当前时间窗口的体征信号；差分计算模块，用于按采样点对所述当前时间窗口的体征信号进行逐点前向差分计算，获得当前组前向差分值；直方统计模块，用于对所述当前组差分值进行直方图统计，并计算直方图的各组频数分布的标准差；阈值比对模块，用于根据所述标准差与质量阈值，获得所述当前时间窗口的体征信号的质量评估结果。
21.根据本发明的又一个方面，提供一种电子设备，包括：一处理器；一存储器，所述存储器中存储有可执行指令；其中，所述可执行指令被所述处理器执行时，实现如上述任意实施例所述的体征信号的质量评估方法。
22.根据本发明的再一个方面，提供一种计算机可读的存储介质，用于存储程序，所述程序被处理器执行时实现如上述任意实施例所述的体征信号的质量评估方法。
23.本发明与现有技术相比的有益效果至少包括：
24.本发明不依赖于特征提取，而直接基于原始采集的体征信号进行质量评估，质量评估的准确度不受特征提取准确度的影响；
25.本发明不采用有监督的机器学习训练出的算法模型，不存在过拟合的现象，实际应用效果佳，与先验数据无明显差异；
26.本发明的运算复杂度低，适用于可穿戴设备运行；
27.本发明的算法时延小，时间窗口可根据需要设定，最小可设为1s，实现对信号质量的实时评估。
28.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。
附图说明
29.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
30.图1示出本发明一实施例中体征信号的质量评估方法的步骤示意图；
31.图2示出本发明一实施例中体征信号的质量评估方法的具体流程图；
32.图3示出本发明一实施例中未受干扰的心电信号波形及对应的信号质量评估值的曲线图；
33.图4示出本发明一实施例中被干扰但存在可见的qrs波的心电信号波形及对应的信号质量评估值的曲线图；
34.图5示出本发明一实施例中被干扰覆盖且无可见的qrs波的心电信号波形及对应的信号质量评估值的曲线图；
35.图6示出本发明一实施例中体征信号的质量评估装置的模块示意图；
36.图7示出本发明一实施例中电子设备的结构示意图。
具体实施方式
37.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式。相反，提供这些实施方式使本发明全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。
38.附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
39.此外，附图中所示的流程仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤可以分解，有的步骤可以合并或部分合并，且实际执行的顺序有可能根据实际情况改变。具体描述时使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。需要说明的是，在不冲突的情况下，本发明的实施例及不同实施例中的特征可以相互组合。
40.图1示出一实施例中体征信号的质量评估方法的主要步骤，参照图1所示，本实施例的体征信号的质量评估方法包括：
41.步骤s110，基于时间窗口自采集到的体征信号流中截取当前时间窗口的体征信
号。
42.时间窗口的窗口宽度可根据需要设定，例如可设为1-10秒。窗口宽度会影响信号质量评估的实时性，窗口宽度越小则信号质量评估的实时性越高。本实施例中，出于实时性和效率的兼顾考虑，将时间窗口的窗口宽度设为2s。
43.时间窗口用于对体征信号流进行窗口划分，每次截取当前时间窗口的体征信号进行分析处理；不同时间窗口的体征信号的分析处理无需流式进行，在体征信号流持续输出的情况下，每次截取到一个时间窗口的体征信号即可进入分析处理过程。
44.本实施例中，体征信号流由可穿戴设备持续地采集输出，当然，本发明的质量评估方法并不仅限于应用在可穿戴设备上，而可对以任意合适方式采集到的体征信号进行质量评估。此外，本实施例所称的体征信号，具体是指生命体征类的准周期信号，包括但不限于心电、血压和血氧信号。在其他实施例中，体征信号也可指其他任意能够表征生命体征的信号。
45.在一个实施例中，步骤s110之前，即基于时间窗口对体征信号流进行窗口划分之前，还可包括：对采集到的体征信号流进行包含工频滤波和带通滤波的降噪处理。工频滤波能够滤除体征信号中的工频干扰，带通滤波能够滤除体征信号中0.5～45hz的杂波和谐波。通过工频滤波和带通滤波，能够实现对体征信号的降噪处理。
46.步骤s120，按采样点对当前时间窗口的体征信号进行逐点前向差分计算，获得当前组前向差分值。
47.逐点前向差分计算，是指对当前时间窗口的每个采样点对应的体征信号的参数值进行前向差分计算。以窗口宽度为2秒，每秒包含250个采样点为例，按采样点对当前时间窗口的体征信号进行逐点前向差分计算，包括：将第二个采样点对应的体征信号的参数值减去第一个采样点对应的体征信号的参数值以获得第一个前向差分值、将第三个采样点对应的体征信号的参数值减去第二个采样点对应的体征信号的参数值以获得第二个前向差分值，...以此类推，将最后一个采样点对应的体征信号的参数值减去倒数第二个采样点对应的体征信号的参数值以获得最后一个前向差分值，各前向差分值的计算可并行处理，最终获得包含499个前向差分值的当前组前向差分值。
48.通过前向差分计算，能够进一步滤除体征信号的干扰波动，使体征信号趋于平稳。
49.进一步地，逐点前向差分计算之后，还可包括：对每个前向差分值取绝对值，使当前组前向差分值中的每个前向差分值都不为负。
50.步骤s130，对当前组差分值进行直方图统计，并计算直方图的各组频数分布的标准差。
51.通过直方图统计(hist)能够便捷、准确地获得体征信号的分布规律。在一个实施例中，直方图的横轴为当前组前向差分值的分布，直方图的纵轴为频数。直方图统计的组数(hist_num)可根据需要设定，例如可设为8-15组，本实施例中具体设为12组。从而，本实施例中进行直方图统计的过程包括：先获得当前组前向差分值的最大值和最小值，计算二者差值后除以12组，获得直方图的每组的数值区间；然后统计当前组前向差分值的各个值落入的数值区间，获得各组的频数，最终统计出直方图。
52.统计获得当前组前向差分值对应的直方图后，进一步计算直方图的各组频数分布的标准差(hist_std)，以获取当前组前向差分值的离散程度。
53.进一步地，计算出直方图的各组频数分布的标准差之后，还可包括：对标准差进行除以直方图的平均值的归一化处理。归一化处理能够消除因不同窗口宽度而导致计算出的标准差在数值范围上的差异。将标准差hist_std除以直方图hist的平均值进行归一化的函数表达为：
54.hist_std_nor＝hist_std/mean(hist)；hist_std_nor即为归一化的直方图统计值。
55.步骤s140，根据标准差与质量阈值，获得当前时间窗口的体征信号的质量评估结果。
56.质量阈值可根据需要设定。根据设定的质量阈值和获得的标准差(即上述的归一化的直方图统计值)，能够对当前时间窗口的体征信号进行质量分级评估。
57.在一个实施例中，质量阈值至少包括用于区分体征信号是否有效的目标质量阈值(可设为2.0)；获得当前时间窗口的体征信号的质量评估结果，具体包括：当标准差大于等于目标质量阈值，获得当前时间窗口的体征信号有效的质量评估结果；当标准差小于目标质量阈值，获得当前时间窗口的体征信号无效的质量评估结果。
58.在又一个实施例中，质量阈值可设置多个，以对体征信号进行多级分级评估。具体来说，可以设置第一质量阈值(thr1，thr1＝2.5或其他合适的数值)和第二质量阈值(thr2，thr2＝2.0或其他合适的数值)。对当前时间窗口的体征信号进行多级分级评估，包括：
59.当hist_std_nor》＝thr1时，表明信号质量好，未受到干扰的影响，获得当前时间窗口的体征信号有效的质量评估结果；
60.当hist_std_nor》＝thr2且hist_std_nor《thr1，表明信号受到干扰的影响，但有用信号未被噪声淹没，基于此信号仍可以计算出准确的生命体征参数，因此也可获得当前时间窗口的体征信号有效的质量评估结果；
61.当hist_std_nor《thr2，表明信号受到干扰的影响严重，有用信号被噪声所淹没，基于此信号计算出的生命体征参数准确度较低，计算结果不可用于被测者病情观察及诊疗的依据。因此，获得当前时间窗口的体征信号无效的质量评估结果。
62.在其他实施例中，质量阈值的个数和具体数值可以根据需要调整，而不以上述列举为限。
63.进一步地，在一个实施例中，获得当前时间窗口的体征信号的质量评估结果之后，还可包括：在当前时间窗口的体征信号有效的情况下，将当前时间窗口的体征信号传递至体征监测模块，体征监测模块部署于或独立于可穿戴设备；在连续预设时段的体征信号无效的情况下，确定连续预设时段的体征信号的无效因素，并通过可穿戴设备发出对应于无效因素的调整提醒。
64.当质量评估结果为体征信号有效，能够根据对应的体征信号计算出准确的生命体征参数，因此传递至用于计算生命体征参数的体征监测模块。体征监测模块可部署于可穿戴设备中，即是可穿戴设备的内置模块；体征监测模块也可独立于可穿戴设备，例如部署于远程监控设备中。
65.当质量评估结果为体征信号无效，无法根据对应的体征信号计算出准确的生命体征参数，因此不传递该体征信号。此外，当连续预设时段(可根据需要设定，例如连续10s，对应至窗口宽度为2s的实施例中即连续5个时间窗口)的体征信号的质量评估结果均为无效，
表明可能存在可穿戴设备发生故障、佩戴不规范等等情况，导致连续一段时间内采集到的体征信号均无效。因此，首先确定导致该段连续预设时段的体征信号无效的无效因素。无效因素具体包括设备类无效因素和非设备类无效因素。设备类无效因素是指可穿戴设备本身故障，非设备类无效因素是非可穿戴设备本身故障，而是可穿戴设备佩戴不规范/接触不良等原因。具体如何确定无效因素，可采用已有的方法，本发明将无效因素分为设备类无效因素和非设备类无效因素，有利于针对不同类的无效因素引导使用者进行调整处理。
66.具体来说，通过可穿戴设备发出对应于无效因素的调整提醒，包括：若无效因素为设备类无效因素，则通过可穿戴设备发出设备重启的调整提醒，以引导可穿戴设备的使用者重启可穿戴设备，克服设备类无效因素导致的采集信号无效情况；若无效因素为非设备类无效因素，则通过可穿戴设备发出设备位置调整的调整提醒，以引导可穿戴设备的使用者调整可穿戴设备的佩戴位置，克服非设备类无效因素导致的采集信号无效情况。通过引导使用者在所采集的体征信号无效的情况下及时进行调整，能够确保采集到可用于计算生命体征参数的有效的体征信号。
67.进一步地，在一个实施例中，通过可穿戴设备发出调整提醒之后，还可包括：于下一连续预设时段的体征信号的质量评估结果均为无效，向可穿戴设备的远程监控设备发出报警通知。
68.对体征信号流的质量评估持续地进行。若监测到下一连续预设时段(即下一连续10s)的体征信号的质量评估结果仍均为无效，表明可穿戴设备很有可能存在无法通过简单的设备重启/设备位置调整而克服的问题，为确保被测者的安全，向可穿戴设备的远程监控设备发出报警通知，以避免因无法采集到有效的体征信号，无法获取到准确的生命体征参数，而导致的体征监测漏洞。
69.综上，本发明的体征信号的质量评估方法具有如下优点：不依赖于特征提取，而直接基于原始采集的体征信号进行质量评估，质量评估的准确度不受特征提取准确度的影响；不基于有监督的机器学习训练出的算法模型，不存在过拟合的现象，实际应用效果佳，与先验数据无明显差异；整体运算复杂度低，适用于可穿戴设备运行；算法时延小，时间窗口可根据需要设定，最小可设为1s，实现对信号质量的实时评估；在连续预设时段的体征信号采集无效的情况下，能够引导使用者进行调整以克服信号采集无效问题，并能够向远程监控设备发出报警，确保使用安全。
70.图2示出一实施例中体征信号的质量评估方法的具体流程，参照图2所示，结合上述各实施例的说明，在一个具体示例中，对体征信号进行质量评估，包括：
71.s210，对采集的体征信号先后进行工频滤波和0.5～45hz的带通滤波，以实现对原始采集的体征信号进行降噪处理。
72.s220，对滤波后的体征信号进行基于时间窗口的窗口划分，窗口宽度可为1-10秒，本示例中具体为2秒。
73.s230，对当前时间窗口的体征信号逐点进行前向差分计算，并对差分后的值取绝对值，以获得当前组前向差分值。
74.s240，对当前组前向差分值进行直方图统计(hist)，直方图统计的组数hist_num可以为8-15个，本示例中具体为12个。
75.s250，计算直方图的各组频数分布的标准差(hist_std)。
76.s260，将标准差hist_std除以直方图hist的平均值进行归一化，以消除不同窗口宽度导致计算出的标准差hist_std在数值范围上的差异。归一化的函数表达为：hist_std_nor＝hist_std/mean(hist)。
77.s270，根据计算出的归一化值hist_std_nor对当前时间窗口的体征信号进行质量分级，包括：
78.s270a，当hist_std_nor》＝thr1时，信号质量好，未受到干扰的影响，thr1的典型值为2.5。图3示出一实施例中未受干扰的心电信号波形及对应的信号质量评估值，参照图3所示，当心电信号波形310未受到干扰的影响，其波形平稳、干净，对应的信号质量评估值320在阈值2.5之上。
79.s270b，当hist_std_nor》＝thr2&&hist_std_nor《thr1，信号受到干扰的影响，但有用信号未被噪声淹没，基于此信号仍可以计算出准确的生命体征参数，thr2的典型值为2.0。图4示出一实施例中被干扰但存在可见的qrs波的心电信号波形及对应的信号质量评估值，参照图4所示，当心电信号波形410受到一定干扰影响，但存在可见的qrs波，对应的信号质量评估值420在阈值2.0至阈值2.5之间。
80.s270c，当hist_std_nor《thr2，信号受到干扰的影响严重，有用信号被噪声所淹没，基于此信号计算出的生命体征参数准确度较低，该计算结果不可用于被测者病情观察及诊疗的依据。图5示出一实施例中被干扰覆盖且无可见的qrs波的心电信号波形及对应的信号质量评估值，参照图5所示，当心电信号波形510受到严重干扰影响，无可见的qrs波，对应的信号质量评估值520小于阈值2.0。
81.本发明实施例还提供一种体征信号的质量评估装置，可用于实现上述任意实施例描述的体征信号的质量评估方法。上述任意实施例描述的质量评估方法的特征和原理均可应用至下面的质量评估装置实施例。在下面的质量评估装置实施例中，对已经阐明的关于体征信号的质量评估的特征和原理不再重复说明。
82.图6示出一实施例中体征信号的质量评估装置的主要模块，参照图6所示，本实施例的体征信号的质量评估装置600包括：时间窗口模块610，用于基于时间窗口自采集到的体征信号流中截取当前时间窗口的体征信号；差分计算模块620，用于按采样点对当前时间窗口的体征信号进行逐点前向差分计算，获得当前组前向差分值；直方统计模块630，用于对当前组差分值进行直方图统计，并计算直方图的各组频数分布的标准差；阈值比对模块640，用于根据标准差与质量阈值，获得当前时间窗口的体征信号的质量评估结果。
83.体征信号的质量评估装置600可以是上述的可穿戴设备，或者是与可穿戴设备通信连接的一独立装置。
84.进一步地，体征信号的质量评估装置600还可包括实现上述各质量评估方法实施例的其他流程步骤的模块，各个模块的具体原理可参照上述各质量评估方法实施例的描述，此处不再重复说明。
85.本发明的体征信号的质量评估装置，能够实现对体征信号的便捷、准确的质量评估，质量评估的准确度不受特征提取准确度的影响，评估效果佳，且整体运算复杂度低，算法时延小，适用于可穿戴设备运行，实现对信号质量的实时评估；在连续预设时段的体征信号采集无效的情况下，能够引导使用者进行调整以克服信号采集无效问题，并能够向远程监控设备发出报警，确保使用安全。
86.本发明实施例还提供一种电子设备，包括处理器和存储器，存储器中存储有可执行指令，可执行指令被处理器执行时，实现上述任意实施例描述的体征信号的质量评估方法。
87.本发明的电子设备可以是上述的可穿戴设备，或者是与可穿戴设备通信连接的一独立设备。本发明的电子设备，能够实现对体征信号的便捷、准确的质量评估，质量评估的准确度不受特征提取准确度的影响，评估效果佳，且整体运算复杂度低，算法时延小，适用于可穿戴设备运行，实现对信号质量的实时评估；在连续预设时段的体征信号采集无效的情况下，能够引导使用者进行调整以克服信号采集无效问题，并能够向远程监控设备发出报警，确保使用安全。
88.图7示出一实施例中电子设备的主要结构，应当理解的是，图7仅示意性地示出各个模块，这些模块可以是虚拟的软件模块或实际的硬件模块，这些模块的合并、拆分及其余模块的增加都在本发明的保护范围之内。
89.参照图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件包括但不限于：至少一个处理单元710、至少一个存储单元720、连接不同平台组件(包括存储单元720和处理单元710)的总线730、显示单元740等。
90.存储单元720存储有程序代码，程序代码可以被处理单元710执行，使得处理单元710执行上述任意实施例描述的体征信号的质量评估方法的步骤。例如，处理单元710可以执行如图1和图2所示的步骤。
91.存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(rom)7203。
92.存储单元720还可以包括具有一个或多个程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
93.总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
94.电子设备700也可以与一个或多个外部设备通信，外部设备可以是键盘、指向设备、蓝牙设备等设备中的一种或多种。这些外部设备使得用户能与该电子设备700进行交互通信。电子设备700也能与一个或多个其它计算设备进行通信，所示计算机设备包括路由器、调制解调器。这种通信可以通过输入/输出(i/o)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器760可以通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储平台等。
95.本发明实施例还提供一种计算机可读的存储介质，用于存储程序，程序被执行时实现上述任意实施例描述的体征信号的质量评估方法。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在终端设备上运行时，程序代码用于使终端设备执行上述任意实施例描述的体征信号的质量评估方
法。
96.本发明的存储介质可由部署于可穿戴设备中的或者与可穿戴设备通信连接的一独立设备中的处理器执行，实现对体征信号的便捷、准确的质量评估，质量评估的准确度不受特征提取准确度的影响，评估效果佳，且整体运算复杂度低，算法时延小，适用于可穿戴设备运行，实现对信号质量的实时评估；在连续预设时段的体征信号采集无效的情况下，还能够引导使用者进行调整以克服信号采集无效问题，并能够向远程监控设备发出报警，确保使用安全。
97.存储介质可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的存储介质不限于此，其可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
98.存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子包括但不限于：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
99.可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读信号介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
100.可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如java、c++等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备，例如利用因特网服务提供商来通过因特网连接。
101.以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。