健康看护系统和方法与流程

1.本发明涉及健康看护技术领域，尤其涉及一种健康看护系统和方法。


背景技术：

2.随着人们生活水平的提高和科技的发展，远程实时的健康看护成为人们关注的问题， 尤其是对于老年人和小孩的健康问题。在一些集中式管理的特殊场景下，甚至希望能够实 现对被监护人的心理健康和生理健康进行全方位监护，从而实现对被监护的心理状况进行 诊断分析。
3.近年来，智能穿戴掀起了健康看护设备的浪潮，尤为突出的是智能手环、智能手表等， 但是大多数智能穿戴设备都只是处于在单一的功能层面上满足于个体的需求，不仅监护功 能单一，而且还会出现监护异常或数据误差等问题，不满足集中式管理场所的健康看护需 求。


技术实现要素：

4.本技术提供了一种健康看护系统和方法，解决了现有技术中人体健康看护功能单一和 误差大的问题，不仅提高了健康监测的准确性和稳定性，还满足了集中式管理场所的健康 看护需求。
5.第一方面，本技术提供一种健康看护系统，所述健康看护系统包括：感知层，设置在 目标监测区域内，用于获取检测目标在目标监测区域内的生命体征信号；传输层，与所述 感知层相连，用于传输生命体征信号；数据处理层，分别与所述感知层和所述传输层相连， 用于根据所述生命体征信号得到所述检测目标的健康状态。
6.可选地，所述感知层包括获取所述检测目标的生命体征信号的看护设备。
7.可选地，所述看护设备包括：通过非接触所述检测目标来获取所述检测目标的生命体 征信号的远程看护设备，所述远程看护设备包括生物雷达、摄像头或麦克风中的一种或多 种；或/和，通过接触所述检测目标来获取所述检测目标的生命体征信号的无感知接触式看 护设备，所述无感知接触式看护设备包括床、服装、椅子、凳子、马桶中的一种或多种。
8.可选地，所述传输层包括定位装置，用于获取感知层中看护设备的定位坐标，所述数 据处理层还用于根据所述定位坐标获取所述检测目标的位置信息或/和移动状态。
9.可选地，所述生命体征信号包括容积脉搏波信号、呼吸信号、声音信号、心电图信号、 心冲击图信号、运动信号、体温信号、血压信号中的一种或多种信号。
10.可选地，所述健康看护系统还包括：自动绑定模块，分别与所述定位装置和数据处理 层相连，用于接收所述定位装置发送所述看护设备的定位坐标；所述自动绑定模块还用于 根据所述定位坐标和目标监测区域的地图信息，获取所述看护设备在所述目标监测区域的 房间信息；所述自动绑定模块还用于将所述看护设备的设备标识与所述房间信息进行绑 定。
11.可选地，所述感知层包括蓝牙芯片或/和rfid标签，所述定位装置还用于根据所述蓝 牙芯片广播的蓝牙定位信号或/和读取所述rfid标签的信息，得到所述看护设备的定位坐 标。
12.可选地，当所述感知层包括rfid标签时，所述传输层包括：rfid读写器，用于当所 述检测目标移动到预设目标范围时，读出所述rfid标签中存储的设备标识和记录当前的 目标时刻信息，所述数据处理层还用于根据所述设备标识和所述目标时刻信息，获取所述 检测目标在当前的移动状态。
13.可选地，当所述感知层包括蓝牙芯片和rfid标签时，所述rfid读写器还用于将所 述设备标识和所述目标时刻信息写入到所述rfid标签中；所述rfid标签用于将所述设 备标识和所述目标时刻信息发送到所述蓝牙芯片；所述数据处理层还用于根据所述设备标 识和所述目标时刻信息，获取所述检测目标在当前的移动状态。
14.可选地，所述数据处理层包括：坐标集获取单元，用于获取所述感知层在所述目标时 刻信息之前的第一时间段内的第一定位坐标集，以及在所述目标时刻信息之后的第二时间 段内的第二定位坐标集；位置信息获取单元，用于根据所述目标监测区域的地图信息、所 述第一定位坐标集和所述第二定位坐标集，获取所述检测目标在所述第一时间段内的第一 位置信息和在所述第二时间段内的第二位置信息；移动状态获取单元，用于根据所述第一 位置信息和所述第二位置信息，获取所述检测目标在当前的移动状态。
15.可选地，所述数据处理层包括：信噪比计算单元，用于根据多个生命体征信号，计算 每个生命体征信号对应的信噪比；判断单元，用于判断所有信噪比中是否存在大于预设阈 值的目标信噪比；心率值获取单元，用于当存在大于所述预设阈值的目标信噪比时，获取 所述目标信噪比对应的生命体征信号的当前目标心率值；健康状态获取单元，用于根据所 述当前目标心率值，得到所述检测目标的当前健康状态。
16.可选地，所述数据处理层还包括：心率校准单元，用于当不存在大于所述预设阈值的 目标信噪比时，获取当前生命体征信号对应的校准心率值和当前波峰系数，还用于根据所 述校准心率值，获取在其他生命体征信号中对应多个校准波峰系数，还用于根据所有生命 体征信号对应的所有当前波峰系数和所有校准波峰系数，按照预设策略计算出目标波峰系 数，还用于根据所述目标波峰系数得到所述当前目标心率值。
17.可选地，所述信噪比计算单元包括：滤波子单元，用于对每个生命体征信号进行滤波， 得到预处理特征信号；变换子单元，用于对所述预处理特征信号进行傅里叶变换，得到特 征频谱图；第一计算子单元，用于计算出所述特征频谱图中所有峰值的均方根；第二计算 子单元，用于根据所述特征频谱图中每个峰值点对应的峰值与所述均方根的比值，得到每 个峰值点对应的波峰系数，并将所述波峰系数作为所述信噪比。
18.可选地，所述心率值获取单元包括：目标频率获取子单元，用于根据初始搜索窗，获 取所述特征频谱图在所述初始搜索窗中峰值最大的目标频率；目标心率值获取子单元，用 于将所述目标频率乘以预设目标值得到所述当前目标心率值。
19.可选地，所述心率值获取单元还包括：搜索窗获取子单元，用于以所述目标频率为中 心得到目标搜索窗，还用于将所述目标搜索窗作为下一个时间段的特征频谱图对应的初始 搜索窗。
20.第二方面，本技术提供一种健康看护方法，所述看护方法包括：采集检测目标在当
前 时间段内的多个生命体征信号；根据所述多个生命体征信号，计算每个生命体征信号对应 的信噪比；判断所有信噪比中是否存在大于预设阈值的目标信噪比；当存在大于所述预设 阈值的目标信噪比时，获取所述目标信噪比对应的当前目标心率值；根据所述当前目标心 率值，得到所述检测目标的当前健康状态。
21.可选地，当不存在大于所述预设阈值的目标信噪比时，所述方法还包括：获取当前生 命体征信号对应的校准心率值和当前波峰系数；根据所述校准心率值，获取在其他生命体 征信号中对应多个校准波峰系数；根据所有生命体征信号对应的所有当前波峰系数和所有 校准波峰系数，按照预设策略计算出目标波峰系数；根据所述目标波峰系数得到所述当前 目标心率值。
22.可选地，计算每个生命体征信号对应的信噪比，包括：对每个生命体征信号进行滤波， 得到预处理特征信号；对所述预处理特征信号进行傅里叶变换，得到特征频谱图；计算出 所述特征频谱图中所有峰值的均方根；根据所述特征频谱图中每个峰值点对应的峰值与所 述均方根的比值，得到每个峰值点对应的波峰系数，并将所述波峰系数作为所述信噪比。
23.可选地，获取所述目标信噪比对应的生命体征信号的当前目标心率值，包括：根据初 始搜索窗，获取所述特征频谱图在所述初始搜索窗中峰值最大的目标频率；将所述目标频 率乘以预设目标值得到所述当前目标心率值。
24.可选地，当将所述目标频率乘以预设目标值得到所述当前目标心率值之后，所述方法 还包括：以所述目标频率为中心，得到目标搜索窗；将所述目标搜索窗作为下一个时间段 的特征频谱图对应的初始搜索窗。
25.相比于现有技术，本技术具有如下有益效果：
26.本技术通过多维度、多角度地采集被监护人的生命体征数据，以达到生理和心理健康 状态的准确预判，并且通过多种生命体征信号的融合分析和处理，可以使采集到的多种生 命体征信号相互进行校准，提高了健康看护的准确性和稳定性；与现有技术中的手环类监 护设备相比，本实施例感知层中的看护设备可以间隔衣物，应用更加便捷。因此，本技术 解决了现有技术中人体健康看护功能单一和误差大的问题，不仅提高了健康监测的准确性 和稳定性，还满足了集中式管理场所的健康看护需求。
附图说明
27.图1所示为本技术实施例提供的一种健康看护系统的结构示意图；
28.图2所示为本技术实施例提供的一种看护设备与房间的位置关系示意图；
29.图3所示为本技术实施例提供的一种基于rfid的健康看护系统的结构示意图；
30.图4所示为本技术实施例提供的又一种基于rfid的健康看护系统的结构示意图；
31.图5所示为本技术实施例提供的一种多数据融合的活动状态判断流程示意图；
32.图6所示为本技术实施例提供的一种生理特性信号的频谱示意图；
33.图7所示为本技术实施例提供的一种心率互校准的流程示意图；
34.图8所示为本技术实施例提供的又一种心率互校准的流程示意图；
35.图9所示为本技术实施例提供的一种健康看护方法的流程示意图。
具体实施方式
36.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的 附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本 发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人 员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
37.第一方面，本发明提供一种健康看护系统，具体包括以下实施例：
38.实施例一
39.图1所示为本技术实施例提供的一种健康看护系统的结构示意图，如图1所示，所述 健康看护系统包括：
40.感知层，设置在目标监测区域内，用于获取检测目标在目标监测区域内的生命体征信 号；
41.传输层，与所述感知层相连，用于传输生命体征信号；
42.数据处理层，分别与所述感知层和所述传输层相连，用于根据所述生命体征信号得到 所述检测目标的健康状态。
43.需要说明的是，本实施例中的感知层包括可以是单独采集人体生命体征信号的传感器 设备，例如包括但不限于心电传感器、体温传感器、脉搏监测仪和血压监测仪等，也可以 包括获取所述检测目标的生命体征信号的看护设备，使看护设备具有生命体征信号采集的 功能，所述看护设备包括：通过非接触所述检测目标来获取所述检测目标的生命体征信号 的远程看护设备，所述远程看护设备包括生物雷达、摄像头或麦克风中的一种或多种；或 /和，通过接触所述检测目标来获取所述检测目标的生命体征信号的无感知接触式看护设 备，所述无感知接触式看护设备包括床、服装、椅子、凳子、马桶中的一种或多种。
44.在本实施例中传输层包括定位装置，所述定位装置可以是定位基站，也可以将具有定 位功能的模块集成到其他智能设备中，使其智能设备具有定位功能，例如智能网关等；本 实施例中的数据处理层包括但不限于服务器、计算机、手机、pad或手持等终端；其中， 目标监测区域包括集中式管理的养老院、看守所和公寓等，且目标监测区域包括若干个与 检测目标进行绑定的房间，检测目标为目标监测区域内的被监护人，所述多种生命体征信 号包括但不限于容积脉搏波信号、心电图信号、心冲击图信号、胸卡移位信号、体温信号、 血压信号中的任意组合。
45.在本实施例中，通过设置目标监测区域内的多个看护设备，采集目标监测区域内的检 测目标的多种生命体征信号，并通过数据处理层对所在生命体征信号进行融合处理，分析 得出检测目标的生理健康状态和心理健康状态；因此本技术通过多维度、多角度地采集被 监护人的生命体征数据，以达到生理和心理健康状态的准确预判，并且通过多种生命体征 信号的融合分析和处理，可以使采集到的多种生命体征信号相互进行校准，提高了健康监 测的准确性和稳定性。
46.进一步地，本实施例通过定位装置可以实时获取感知层中看护设备的定位坐标，从而 使数据处理层根据所述定位坐标得出检测目标的位置信息或/和移动状态；其中，所述位置 信息包括但不限于在自己房间内、在自己房间外、在活动室和在某某房间内，所述移动状 态包括但不限于进房间、出房间、进活动室和出活动室，进而通过被监护人的位置
信息或 /和移动状态，可以及时了解被监护人的行动轨迹，从而对被监护人的异常行动进行及时救 护或阻止，解决了现有技术中人体健康看护功能单一和误差大的问题，不仅提高了健康监 测的准确性和稳定性，还满足了集中式管理场所的健康看护需求。
47.实施例二
48.如图1所示，本实施例提供的健康看护系统主要分为三层：1)感知层：包括远程监 护设备和接触式监护设备，远程监护设备主要是指不需要与被监护人直接接触(距离10cm 以上)，依然可以完成对被监护人的生命体征采集(如心率、呼吸、体温等)，接触式监 护设备具体包括需要与皮肤接触的设备(如心电监护仪、水银体温计等)和不需要与皮肤 接触的设备(如基于摄像头的心率呼吸智能摄像头)；2)传输层：主要包括智能网关、 网络交换机、路由器等数据转发设备，主要完成感知层设备的数据获取与转发；3)数据 处理层：主要包括服务器、计算机、手机、pad、显示屏等业务管理、计算引擎、业务呈 现。
49.在本实施例中，设置在感知层具有数据采集功能的物联网设备包括但不限于：(1) 生物雷达：基于微波进行探测心脏跳动和呼吸导致的胸卡位移信号，从而提取出心率和呼 吸值，可进行心率、呼吸监测；(2)ai摄像头：优选红外线摄像头，一方面可以监测人 体体温数据，另一方面可以监测人体皮肤组织对不同波长波的吸收情况，从而提取出容积 脉搏波信号(ppg信号)，从而实现心率、呼吸、血压的监测；(3)ai麦克风：能够从人 的声音信号中提取出反应情绪和谈话内容真实性的数据。同时，也能侦听人咳嗽、呼噜、 呼吸急促等反应人体健康状况的生理数据；(4)智能床：能够从人的心脏跳动和呼吸产 生的周期性振动信号中提取到心率、呼吸信号、翻身状态、睡眠质量，同时配备有可自动 充泄气的分区气囊，根据睡眠质量进行充泄气调节以提高睡眠质量；(5)智能服装：集 成有温度、湿度、运动传感器和rfid芯片，能够监测人的体温、出汗量、活动状态、运 动量和进行身份识别。通常智能服装，集成有无线模块，无线模块配合对应的接收基站可 以实现定位；(6)智能马桶：集成有心电传感器、气体传感器、称重传感器、体脂传感 器等，通过与人体皮肤的直接接触可以监测心电图、心率、呼吸、体重、体脂及对排泄物 的成分进行初步分析；(7)智能椅子：能够从人的心脏跳动和呼吸产生的周期性振动信 号中提取到心率、呼吸信号，同时配备有可自动充泄气的分区气囊，根据压力分布自动调 节局部压力。由此可知，与现有技术中的手环类监护设备相比，本实施例无感接触式监护 设备可以间隔衣物，应用更加便捷。
50.在本实施例中，设置在传输层的设备包括但不限于：(1)智能网关：进行数据的接 收与转发，典型如蓝牙数据转有线以太网；(2)定位基站：根据设备广播的无线电信息 或接收信号的强度进行设备定位，并将定位结果通过网络转发到服务器；(3)智能交换 机：通常为poe交换机，能够为智能网关、定位基站、摄像头、麦克风远距离供电。同时， 支持单口独立上下电和工作状态(工作电流、耗电量等)监测，能够通过软件对设备进行 断电、重启等远程操作，以提高系统的稳定性；(4)路由器：对网络数据进行路由和转 发。
51.在本实施例中，设置在服务层的设备包括但不限于：(1)服务器：对感知层数据(心 率、呼吸、活动状态与轨迹、体温、睡眠质量、体脂、心电等)进行综合分析，进行人的 生理健康和心理健康进行大数据分析；(2)移动设备：包括手机、平板电脑、笔记本电 脑、台式电脑、显示器等，可以通过web页面或客户端软件查看生理健康数据、心理健 康分析数据和活动状态相关的设备。
52.实施例三
53.在本实施例中，所述健康看护系统还包括：自动绑定模块，分别与所述定位装置和数 据处理层相连，用于接收所述定位装置发送所述看护设备的定位坐标；所述自动绑定模块 还用于根据所述定位坐标和目标监测区域的地图信息，获取所述看护设备在所述目标监测 区域的房间信息；所述自动绑定模块还用于将所述看护设备的设备标识与所述房间信息进 行绑定。
54.需要说明的是，由于感知层的设备本身只是用来采集人的生理数据，但是它并不知道 自己采集的是哪个人的数据，每个设备都有自己的唯一标识符，比如mac地址，只有将 感知层中看护设备上的唯一标识符与被监护人的对应关系绑定起来，才能通过感知层实现 被监护人的健康监测；当目标监测区域内的看护设备具有流动性时，比如更换看护设备， 需要重新进行绑定关系的人为设定，绑定过程需要查找设备标识符并在系统中录入，对于 非专业人士操作起来较为复杂，存在一定的学习成本；而本实施例提供的自动绑定模块可 以根据所述看护设备的定位坐标和目标监测区域的地图信息，实现看护设备的设备标识与 所述房间信息进行绑定，从而达到看护设备与被监护人的对应关系绑定，具体过程如下： 如图2所示，被定位的看护设备的坐标m(x，y)可以通过定位基站和运行在服务器上的定 位引擎获得。目标监测区域的地图信息包括每个房间的顶点坐标，可以在绘制地图的过程 中通过实际丈量或基建图纸得到。
55.在本实施例中，根据目标监测区域的地图信息建立坐标系，房间的边满足ab//cd、 ad//bc，当ab//cd//x轴，ad//bc//y轴时(即x1＝x4,x2＝x3,y1＝y2,y3＝y4)，被定位的看护 设备的坐标m(x，y)在房间的条件可描述为如下公式：
[0056][0057]
当ab≠cd≠x轴，ad≠bc≠y轴时(即x1≠x4,x2≠x3,y1≠y2,y3≠y4)，被定位的看 护设备的坐标m(x，y)在房间的条件可描述为如下公式：
[0058][0059]
由此可知，当自动绑定模块接收到被定位的看护设备的坐标m(x，y)与目标房间坐标 满足上述公式(1)或公式(2)时，则将所述看护设备与所述目标房间进行自动绑定，其 中所述目标监测区域的房间信息相当于本实施例中的目标房间的编码信息。
[0060]
在本实施例中，所述自动绑定模块还可以定时或实时判断当前具有绑定关系的看护设 备与相对应的房间是否满足公式(1)或公式(2)的关系；当不满足时，根据所述看护设 备的当前定位坐标重新按照上述方式寻找相匹配的目标房间进行绑定，防止被监护人的健 康监测状态出现张冠李戴的问题，提高了健康监测的准确性。
将门框信息写入到被定为设备的rfid芯片中，被定位设备通过广播的形式将门框信息一 起传送到定位基站，定位基站统一传送至服务器进行分析。具体分析方案与上述图4描述 的过程类似。
[0071]
实施例五
[0072]
需要说明的是，现有技术对人的定位和活动状态跟踪以可穿戴设备为主。最优地，为 具体监测功能的智能服装。而典型应用则是用具体活动状态监测的功能的智能服装。一般 地，智能服装要求尽可能少充电甚至不充电。而高精度的活动状态判断一般要求运动传感 器有较高的频率。此时，更优的方案是将系统中的多个设备进行数据融合，以提高活动状 态的判断精度。
[0073]
在本实施例提供的健康看护系统中，凳子、椅子、床垫、服装都可获取用户的活动状 态。一般地，跌倒是可能会影响被监护人生命健康的关键因素。一般地，单靠运动传感器 识别跌倒一方面会存在一定误差，另一方面需要较高的采样频率。而识别被监护人处于平 躺状态相对简单且准确率高。如图5所示，通过依次检测凳子状态、椅子状态和床垫状态， 进行融合判断被监护人是否为坐凳子状态、坐椅子状态、在床上状态，再通过对服装状态 的检测判断被监护人是否为站立状态、跌倒状态或跑步状态，因此结合所有设备的状态共 同判断被监护人所处状态，能够更加准确，尤其是对于跌倒这种特殊状态。
[0074]
在本实施例中，本实施例提供的健康看护系统，能够同时监测人的语音、视频、生命 体征参数，可以基于这些数据进行融合大数据分析，从而达到精准判断人的心理和生理状 态的目的。具体是通过麦克风、摄像头、床垫、椅子、马桶采集被监护人的声音、视频、 心率、呼吸及基于心电图和bcg设备测到的心冲击图计算出的心率变异性参数hrv传感 数据及对应的实际情绪标签，进行训练得到深度学习的模型参数，而实际测试过程将采集 到的特征数据送入深度学习模型，代入参数进行计算即可得到分类结果。
[0075]
实施例六
[0076]
在本实施例中，所述数据处理模块包括：信噪比计算单元，用于根据所述多个生命体 征信号，计算每个生命体征信号对应的信噪比；判断单元，用于判断所有信噪比中是否存 在大于预设阈值的目标信噪比；心率值获取单元，用于当存在大于所述预设阈值的目标信 噪比时，获取所述目标信噪比对应的生命体征信号的当前目标心率值；健康状态获取单元， 用于根据所述当前目标心率值，得到所述检测目标的当前健康状态。
[0077]
进一步地，所述信噪比计算单元包括：滤波子单元，用于对每个生命体征信号进行滤 波，得到预处理特征信号；变换子单元，用于对所述预处理特征信号进行傅里叶变换，得 到特征频谱图；第一计算子单元，用于计算出所述特征频谱图中所有峰值的均方根；第二 计算子单元，用于根据所述特征频谱图中每个峰值点对应的峰值与所述均方根的比值，得 到每个峰值点对应的波峰系数，并将所述波峰系数作为所述信噪比。
[0078]
进一步地，所述心率值获取单元包括：目标频率获取子单元，用于根据初始搜索窗， 获取所述特征频谱图在所述初始搜索窗中峰值最大的目标频率；目标心率值获取子单元， 用于将所述目标频率乘以预设目标值得到所述当前目标心率值。
[0079]
进一步地，所述心率值获取单元还包括：搜索窗获取子单元，用于以所述目标频率为 中心得到目标搜索窗，还用于将所述目标搜索窗作为下一个时间段的特征频谱图对应的初 始搜索窗。
[0080]
需要说明的是，生命体征信号属于强噪声背景下的低频微弱信号，如心电图(ecg) 信号、容积脉搏波(ppg)信号、心冲击图(bcg)信号。传统的方法通过对信号进行降 噪以达到提取生命体征信号的目的。但是，在一些信噪比特别低的场景下，往往各种降噪 手段都无法还原出真实信号。本实施例提出一种多设备互较准的方法，典型地基于bcg、 ppg、ecg都可以进行心率计算，并且各个设备分时对人进行监护。如ai摄像头(ppg)和 智能凳子(bcg)都可以进行心率计算，摄像头可以一直捕捉ppg进行心率计算，但容易 受干扰，此时可以在人坐在凳子上后，基于bcg计算心率对摄像头捕捉ppg信号的计算 进行较准。
[0081]
具体地，通过计算信号的信噪比和信号质量进行当前信号是否需要其它信号协助较准 的判断。典型地噪声较强的情况下，对信号进行傅里叶变化，以频域峰值作为心率值是常 见心率计算算法。如图6所示，在噪声较强的情况下，会存在多个峰值的问题，此时说明 在信号频段内存在能量与频率相当的噪声，此时想要区分噪声与信号将变得特别困难。此 时，可用波峰系数cf来描述信号的质量，当cf值较大时，认为信号强，不存在多峰问题。 cf的阈值与具体信号采集电路和数据提取方法相关，应用基于ppg的心率计算，典型值 为2.5，即当cf小于2.5时，认为当前信号质量较差，此时一方面可以直接用其它技术计 算的心率为输出心率值，另一方面也可以以其它技术计算的心率值所在频点为中心点以固 定窗口大寻找新的峰值，作为当前技术的输出。
[0082]
其中，每个峰值点对应的波峰系数的计算公式为：
[0083][0084]
公式(3)中，x
peak
是图6中的峰值点对应的峰值(y轴值)，x
rms
是所有峰值的均方 根，计算公式如式如下：
[0085][0086]
在本实施例中，将波峰系数作为信噪比来判断生命体征信号的质量，若当前生命体 征信号的中每个峰值点的波峰系数都小于预设阈值，表示当前生命体征信号质量差；若存 在峰值点的波峰系数大于预设阈值时，表示当前生命体征信号质量高，可以输出精度较高 的准确心率值。
[0087]
在本实施例中，当存在大于所述预设阈值的目标信噪比时，获取所述目标信噪比对 应的生命体征信号的当前目标心率值具体包括以下步骤：
[0088]
(1)对原始信号(包含ecg/ppg/bcg等生物信号和噪声的原始信号)进行预处理， 更具体地，预处理通常包括带通滤波(如进行心率测量可进行0.3～4hz的带通滤波，仅保 留和心率相关的信号数据)、带阻滤波(又称陷波器，滤除50hz的工频干扰)，高斯滤 波滤除高斯噪声信号干扰，以及其它常见的自适应滤波器(如维纳滤波等)；
[0089]
(2)对预处理之后的数据进行傅里叶变化，得到频谱图；
[0090]
(3)在设定的初始搜索窗内寻找频谱幅值最大的点，初始搜索窗为0.3～4hz；
[0091]
(4)取幅值最大的点对应的频率乘以60即为心率值；
[0092]
(5)心率的变化是一个相对连续的过程，以当前心率频率为中心点，以5bpm为宽度， 设定为下一次的搜索窗。
[0093]
进一步地，所述数据处理模块还包括：心率校准单元，用于当不存在大于所述预设阈 值的目标信噪比时，获取当前生命体征信号对应的校准心率值和当前波峰系数，还用于根 据所述校准心率值，获取在其他生命体征信号中对应多个校准波峰系数，还用于根据所有 生命体征信号对应的所有当前波峰系数和所有校准波峰系数，按照预设策略计算出目标波 峰系数，还用于根据所述目标波峰系数得到所述当前目标心率值。
[0094]
需要说明的是，在本实施例中当不存在大于所述预设阈值的目标信噪比时，提供时间 上和空间上两个不同的维度的心率校准方法，使输出的心率值更加精准，如图7所示，详 细过程为：
[0095]
(1)技术方案i获取原始数据，通常ppg数据、bcg数据、ecg数据有可能能够同 时被采集；
[0096]
(2)对数据分别进行前述预处理；
[0097]
(3)对数据进行频域映射，即通过傅里叶变化得到各个数据的频谱图；
[0098]
(4)在搜索窗内查找频域最大峰值点，计算对应的波峰系数cfii作为输出；
[0099]
(5)将最大峰值点对应的频率乘以60即为对应心率值；
[0100]
(6)输出心率hri和对应波峰系数cfii；
[0101]
(7)计算hri在另外几种技术j下对应幅值点的波峰系数cfij，其中i≠j；
[0102]
(8)策略选择：实现空间维度的互校准，按f(cfij)(对于图7中所示即为 f(cfi1,cfi2,cfi3))进行计算，具体的f函数包括求最大值、求平均值等，将f(cfij)最大的 hri作为最终输出；也可以用k均值聚类、支持向量机、深度学习等人工智能的方法直接 对(hri,cfij)进行分类，选择概率最大的hri作为最终心率输出；
[0103]
(9)输出心率；
[0104]
(10)更新搜索窗，此处基于各种技术融合输出的心率作为下一次搜索的中心点，由 此实现时间维度的互校准，即各种技术都以互校准之后的准确心率为新的搜索窗的中心 点，以保证下一次搜索时尽可能的在一个准确的区间内搜索。
[0105]
在另一个实施例中，每种技术不止输出一个峰值点，可以输出多个峰值点，典型地， 取前三个峰值点对应的频率作为心率输出，如图8所示：
[0106]
(1)技术方案i获取原始数据，通常ppg数据、bcg数据、ecg数据有可能能够同 时被采集；
[0107]
(2)对数据分别进行前述预处理；
[0108]
(3)对数据进行频域映射，即通过傅里叶变化得到各个数据的频谱图；
[0109]
(4)在搜索窗内查找频域排名前3的峰值点；
[0110]
(5)取峰值点对应的频率乘以60即为对应心率值；
[0111]
(6)对所有9个心率点，分别求在三种技术频谱图下幅值对应的点的波峰系数，cfijk 代表第i种技术的第j个峰值点在第k种技术的频谱图中的频率点上的幅值的波峰系数；
[0112]
(7)策略选择：实现空间维度的互校准，按f(cfijk)(对于图8中所示即为 f(cfi1i,cfi1j,cfi1k))进行计算，具体的f函数包括求最大值、求平均值等，将f(cfijk)最 大的hri作为最终输出；也可以用k均值聚类、支持向量机、深度学习等人工智能的方法 直接对(hri,cfijk)进行分类，选择概率最大的hri作为最终心率输出；
[0113]
(8)输出心率；
[0114]
(9)更新搜索窗，此处基于各种技术融合输出的心率作为下一次搜索的中心点，由 此实现时间维度的互校准，即各种技术都以互校准之后的准确心率为新的搜索窗的中心 点，以保证下一次搜索时尽可能的在一个准确的区间内搜索。
[0115]
综上，本实施例提供的基于bcg、ecg、ppg等多种心率监测技术的互较准，可以 提高心率在各种场景下的准确度。
[0116]
第二方面，本发明提供一种健康看护方法，具体包括以下实施例：
[0117]
实施例七
[0118]
图9所示为本技术实施例提供的一种健康看护方法的流程示意图，如图9所示，本实 施例提供的健康看护方法具体包括以下步骤：
[0119]
步骤s101，采集检测目标在当前时间段内的多个生命体征信号；
[0120]
步骤s102，根据所述多个生命体征信号，计算每个生命体征信号对应的信噪比；
[0121]
步骤s103，判断所有信噪比中是否存在大于预设阈值的目标信噪比，当存在大于所述 预设阈值的目标信噪比时执行步骤s104，当不存在大于所述预设阈值的目标信噪比时执行 步骤s106；
[0122]
步骤s104，获取所述目标信噪比对应的生命体征信号的当前目标心率值；
[0123]
步骤s105，根据所述当前目标心率值，得到所述检测目标的当前健康状态；
[0124]
步骤s106，获取当前生命体征信号对应的校准心率值和当前波峰系数；
[0125]
步骤s107，根据所述校准心率值，获取在其他生命体征信号中对应多个校准波峰系数；
[0126]
步骤s108，根据所有生命体征信号对应的所有当前波峰系数和所有校准波峰系数，按 照预设策略计算出目标波峰系数；
[0127]
步骤s109，根据所述目标波峰系数得到所述当前目标心率值，继续执行s105。
[0128]
在本实施例中，计算每个生命体征信号对应的信噪比，包括：对每个生命体征信号进 行滤波，得到预处理特征信号；对所述预处理特征信号进行傅里叶变换，得到特征频谱图； 计算出所述特征频谱图中所有峰值的均方根；根据所述特征频谱图中每个峰值点对应的峰 值与所述均方根的比值，得到每个峰值点对应的波峰系数，并将所述波峰系数作为所述信 噪比。
[0129]
在本实施例中，获取所述目标信噪比对应的生命体征信号的当前目标心率值，包括： 根据初始搜索窗，获取所述特征频谱图在所述初始搜索窗中峰值最大的目标频率；将所述 目标频率乘以预设目标值得到所述当前目标心率值。
[0130]
在本实施例中，当将所述目标频率乘以预设目标值得到所述当前目标心率值之后，所 述方法还包括：以所述目标频率为中心，得到目标搜索窗；将所述目标搜索窗作为下一个 时间段的特征频谱图对应的初始搜索窗。
[0131]
需要说明的是，本实施例提供的健康看护方法与上述实施例六的描述的工作过程和工 作原理相同，此处就不再赘述。
[0132]
最后需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来 将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操 作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其 他变
体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备 不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方 法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限 定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要 素。
[0133]
以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进 行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者 等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围 当中。