CN106137167A - 一种基于光电容积脉搏波信号的运动噪声检测方法 - Google Patents
一种基于光电容积脉搏波信号的运动噪声检测方法 Download PDFInfo
- Publication number
- CN106137167A CN106137167A CN201610604505.8A CN201610604505A CN106137167A CN 106137167 A CN106137167 A CN 106137167A CN 201610604505 A CN201610604505 A CN 201610604505A CN 106137167 A CN106137167 A CN 106137167A
- Authority
- CN
- China
- Prior art keywords
- signal
- motion artifacts
- photoplethysmographic
- sparse
- spectral matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- 239000011159 matrix material Substances 0.000 claims abstract description 38
- 230000003595 spectral effect Effects 0.000 claims abstract description 33
- 230000001133 acceleration Effects 0.000 claims abstract description 28
- 238000001228 spectrum Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims abstract description 13
- 230000008030 elimination Effects 0.000 claims abstract description 4
- 238000003379 elimination reaction Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000005303 weighing Methods 0.000 claims 1
- 238000009532 heart rate measurement Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 230000009894 physiological stress Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6824—Arm or wrist
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种基于光电容积脉搏波信号的运动噪声检测方法,为心率测量的后续工作奠定基础。该方法中,由反射式光电传感器和运动传感器采集同时间段内的多个光电容积脉搏波信号及加速度信号;采用主成分分析法对加速度信号进行处理,产生运动噪声相关的参考信号,并结合最小均方自适应滤波器消除部分运动噪声;然后将处理后多个光电容积脉搏波信号和加速度信号构成频谱矩阵,提取频谱矩阵行稀疏的结构特征构建稀疏信号重构模型;最后通过正则化算法优化稀疏信号重构模型,获得多个光电容积脉搏波信号频谱中运动噪声的谱峰位置。本发明能精确地检测出光电容积脉搏波信号中的运动噪声,实现心率的高精度测量。
Description
技术领域
本发明涉及生理信号处理领域,尤其涉及一种基于光电容积脉搏波信号的运动噪声检测方法。
背景技术
心率测量作为人体运动生理负荷的客观评定指标,已被广泛应用于健身运动、竞技体育训练的各个方面。传统的心率测量技术虽能达到较高的测量精度,但是测量条件限制较多。为了满足未来电子健康监测要求,基于光电容积脉搏波信号的心率测量方法引起了学术界和工业界的高度关注。
然而,光电容积脉搏波是一种信号强度弱、易受噪声干扰的生物信号。在运动状态下,由于组织干扰、静脉血容量以及光程变化,极易产生与心率频率十分接近的运动噪声,进而使得心率测量精度下降。
近年来,研究人员已对光电容积脉搏波信号中运动噪声的检测工作进行了相关研究。例如,发明专利“一种适用于心率信号的运动噪声检测方法”(申请号:2015108739783,申请公布号:CN105286846A)中提出了联合稀疏谱重构模型,该模型中对整个频谱矩阵进行了行稀疏和全局稀疏的限制,并通过不精确增广拉格朗日乘子法求解该模型的最优解,进而检测出运动噪声的位置。而本发明采用快速去噪算法和信号重构算法相结合的技术进行光电容积脉搏波信号中的运动噪声的检测。即首先利用主成分分析法和最小均方自适应滤波器的结合消除光电容积脉搏波中的部分运动噪声;其次提取频谱矩阵行稀疏的结构特征构建稀疏信号重构模型,并通过正则化M-FOCUSS算法优化重构模型。本发明大大地提高了运动噪声的检测精确度,降低了计算复杂度。
发明内容
本发明所要解决的技术问题是如何有效检测出光电容积脉搏波信号中强烈运动噪声的谱峰位置,从而实现心率的高精度测量。
为了解决上述技术问题,本发明提供了一种基于光电容积脉搏波信号的运动噪声检测方法,其特征在于:
所述主成分分析法对所述加速度信号进行处理,并结合所述自适应滤波器消除所述多个光电容积脉搏波信号中的部分运动噪声;然后,将处理后的多个光电容积脉搏波信号和所述加速度信号构成频谱矩阵,依据上述频谱矩阵的结构特征构建所述稀疏信号重构模型,并优化所述稀疏信号重构模型;
该方法包括如下步骤:
所述主成分分析法对预处理后的所述加速度信号进行分析,产生运动噪声相关的参考信号,并结合最小均方自适应滤波器对所述光电容积脉搏波信号中的部分运动噪声进行消除;
同时,将去除部分运动噪声的多个光电容积脉搏波信号和所述加速度信号构成频谱矩阵,依据上述频谱矩阵行稀疏的结构特征建立所述稀疏信号重构模型,并通过正则化M-FOCUSS算法优化所述重构模型,获得多个光电容积脉搏波信号频谱中运动噪声的谱峰位置;
优选地,所述加速度信号与所述光电容积脉搏波信号中的运动噪声具有强相关性,即所述加速度信号能够在三轴方向上描述运动噪声的“足迹”;故所述主成分分析法对所述加速度信号进行处理,选取出包含“信息”最多的第一主成分,并作为运动噪声相关的参考信号;
优选地,所述最小均方自适应滤波器选用上述运动噪声相关的参考信号,根据均方误差最小化的准则,不断更新滤波权重,消除所述光电容积脉搏波信号中的部分运动噪声;
优选地,所述频谱矩阵由上述消除部分运动噪声的多个光电容积脉搏波信号和所述加速度信号构成;依据所述频谱矩阵行稀疏的结构特征构造所述稀疏信号重构模型,其目标函数如下:
s.t:Y=ΦX+V
其中,
用来约束频谱矩阵行稀疏,xi,j是频谱矩阵X第i行第j列元素,λ是用来权衡||X||1,2重要性的权值;约束条件中Y∈RM×H是一个观测矩阵,X∈CN×H是相应信号的频谱矩阵,即需要求解的稀疏频谱矩阵是一个冗余离散傅里叶变换基,V是模型误差或者测量误差矩阵。
与现有技术相比,本发明提供的技术方案采用快速去噪算法和信号重构算法相结合的技术准确检测光电容积脉搏波信号中的运动噪声,大大地提高了运动噪声的检测精度,并降低了计算复杂度。
附图说明
图1为本发明实施例的基于光电容积脉搏波信号的运动噪声检测方法的流程示意图。
具体实施方式
以下结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达到相应技术效果的实现过程能充分理解并据以实施。
本发明的技术方案包括两部分,第一利用主成分分析法对加速度信号进行分析,产生自适应滤波需要的运动噪声相关的参考信号,进而利用最小均方自适应滤波器消除光电容积脉搏波中的部分运动噪声;第二依据加速度信号和运动噪声信号的强相关性在频域表现为光电容积脉搏波信号频谱中运动噪声的谱峰位置和加速度信号频谱的谱峰位置相对齐的特征构建稀疏信号重构模型。此技术方案能精确地检测出光电容积脉搏波信号中的运动噪声,为后续去除运动噪声工作奠定基础。
实施例一、基于光电容积脉搏波信号的运动噪声检测方法
图1为本实施例的基于光电容积脉搏波信号的运动噪声检测方法的流程示意图。
图1所示的本实施例,是基于光电容积脉搏波信号的运动噪声检测方法的整体流程,主要包括如下步骤:
步骤S210,利用分布在不同位置的两个反射式光电传感器采集两个通道的光电容积脉搏波信号,再利用运动传感器采集同步的三个运动方向的加速度信号;
步骤S220,预处理包括将上述原始信号进行下采样至采样频率为25Hz的操作以及通过通带为0.4Hz-4Hz的二阶巴特沃斯滤波器的滤波操作;
步骤S230,利用主成分分析法对经预处理后的加速度信号进行分析,选取出包含“信息”最多的第一主成分,即运动噪声相关的参考信号X(n);
步骤S240,最小均方自适应滤波器选用步骤S220产生的运动噪声相关的参考信号X(n),通过不断更新滤波权重W(n)对光电容积脉搏波信号中部分运动噪声进行消除;
本步骤中,典型地,差值e(n)以及滤波权重W(n)更新的数学表达如下:
其中,S(n)表示干净的光电容积脉搏波信号,M(n)表示运动噪声信号,M’(n)表示最大程度的近似运动干扰信号;
步骤S250,利用经步骤S240处理后的两个光电容积脉搏波信号和三个加速度信号构成频谱矩阵;
步骤S260,依据上述频谱矩阵行稀疏的结构特征,构造稀疏信号重构模型;
本步骤中,典型地,公式(2)为稀疏信号重构模型的目标函数:
其中,用来约束频谱矩阵行稀疏,xi,j是频谱矩阵X第i行第j列元素,λ是用来权衡||X||1,2重要性的权值;约束条件中Y∈RM×H是一个观测矩阵,X∈CN×H是相应信号的频谱矩阵,即需要求解的稀疏频谱矩阵,是一个冗余离散傅里叶变换基,V是模型误差或者测量误差矩阵,本实施例中H=5;
步骤S270,通过正则化M-FOCUSS算法可求解上述稀疏信号重构模型的目标函数的最优解;
本步骤中,典型地,上述M-FOCUSS算法的数学表达式如下所示:
步骤S280,经上述步骤处理后,可获得光电容积脉搏波信号频谱中运动噪声的谱峰位置,从而完成检测运动噪声的工作。
本实施例中,同时间段内的两个光电容积脉搏波信号和加速度信号是利用两个反射式光电传感器和一个运动传感器从用户手腕处采集的;利用主成分分析法对加速度信号进行处理,获得运动噪声相关的参考信号,结合最小均方自适应滤波器消除两个光电容积脉搏波信号中的部分运动噪声;然后利用去除部分运动噪声的两个光电容积脉搏波信号和加速度信号构成频谱矩阵,提取上述频谱矩阵的行稀疏的结构特征建立稀疏信号重构模型,通过正则化M-FOCUSS算法求解上述重构模型中的稀疏频谱矩阵;最后获得两个光电容积脉搏波信号频谱中运动噪声的谱峰位置。此方法大大地提高了运动噪声的检测性能,降低了计算复杂度,为实现心率的高精度测量奠定理论基础。
虽然本发明所揭露的实施方式如上,但上述内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。在不脱离本发明所揭露的精神及范围的前提下,可在实施的形式上及细节上作任何的修饰与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (4)
1.一种基于光电容积脉搏波信号的运动噪声检测方法,其特征在于:
所述主成分分析法对所述加速度信号进行处理,并结合所述自适应滤波器消除所述多个光电容积脉搏波信号中的部分运动噪声;然后,将处理后的多个光电容积脉搏波信号和所述加速度信号构成频谱矩阵,依据上述频谱矩阵的结构特征构建所述稀疏信号重构模型,并优化所述稀疏信号重构模型;
该方法包括如下步骤:
所述主成分分析法对预处理后的所述加速度信号进行分析,产生运动噪声相关的参考信号,并结合最小均方自适应滤波器对所述光电容积脉搏波信号中的部分运动噪声进行消除;
同时,将去除部分运动噪声的多个光电容积脉搏波信号和所述加速度信号构成频谱矩阵,依据上述频谱矩阵行稀疏的结构特征建立所述稀疏信号重构模型,并通过正则化M-FOCUSS算法优化所述重构模型,获得多个光电容积脉搏波信号频谱中运动噪声的谱峰位置。
2.根据权利要求1所述的基于光电容积脉搏波信号的运动噪声检测方法,其特征在于:
所述加速度信号与所述光电容积脉搏波信号中的运动噪声具有强相关性,即所述加速度信号能够在三轴方向上描述运动噪声的“足迹”;故所述主成分分析法对所述加速度信号进行处理,选取出包含“信息”最多的第一主成分,并作为运动噪声相关的参考信号。
3.根据权利要求1所述的基于光电容积脉搏波信号的运动噪声检测方法,其特征在于:
所述最小均方自适应滤波器选用上述运动噪声相关的参考信号,根据均方误差最小化的准则,不断更新滤波权重,消除所述光电容积脉搏波信号中的部分运动噪声。
4.根据权利要求1所述的基于光电容积脉搏波信号的运动噪声检测方法,其特征在于:
所述频谱矩阵由上述消除部分运动噪声的多个光电容积脉搏波信号和所述加速度信号构成;依据所述频谱矩阵行稀疏的结构特征构造所述稀疏信号重构模型,其目标函数如下:
s.t:Y=ΦX+V
其中,
用来约束频谱矩阵行稀疏,xi,j是频谱矩阵X第i行第j列元素,λ是用来权衡||X||1,2重要性的权值;约束条件中Y∈RM×H是一个观测矩阵,X∈CN×H是相应信号的频谱矩阵,即需要求解的稀疏频谱矩阵 是一个冗余离散傅里叶变换基,V是模型误差或者测量误差矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610604505.8A CN106137167A (zh) | 2016-07-21 | 2016-07-21 | 一种基于光电容积脉搏波信号的运动噪声检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610604505.8A CN106137167A (zh) | 2016-07-21 | 2016-07-21 | 一种基于光电容积脉搏波信号的运动噪声检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106137167A true CN106137167A (zh) | 2016-11-23 |
Family
ID=58060992
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610604505.8A Pending CN106137167A (zh) | 2016-07-21 | 2016-07-21 | 一种基于光电容积脉搏波信号的运动噪声检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106137167A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108652609A (zh) * | 2018-05-17 | 2018-10-16 | 歌尔科技有限公司 | 一种心率获取方法、***及可穿戴式设备 |
CN109728822A (zh) * | 2018-12-29 | 2019-05-07 | 潍坊新力超导磁电科技有限公司 | 一种信号处理的方法、装置、设备及计算机可读存储介质 |
CN109959917A (zh) * | 2019-03-08 | 2019-07-02 | 南京航空航天大学 | 一种宽带非频变多波束成像声纳的阵列稀疏方法 |
CN110956197A (zh) * | 2019-10-28 | 2020-04-03 | 新绎健康科技有限公司 | 一种基于卷积神经网络建立脉波噪声信号识别模型的方法及*** |
CN113349752A (zh) * | 2021-05-08 | 2021-09-07 | 电子科技大学 | 一种基于传感融合的可穿戴设备实时心率监测方法 |
CN114305355A (zh) * | 2022-01-05 | 2022-04-12 | 北京科技大学 | 基于毫米波雷达的呼吸心跳检测方法、***及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105286846A (zh) * | 2015-11-29 | 2016-02-03 | 浙江师范大学 | 一种适用于心率信号的运动噪声检测方法 |
CN105286845A (zh) * | 2015-11-29 | 2016-02-03 | 浙江师范大学 | 一种适用于可穿戴式心率测量设备的运动噪声消除方法 |
CN105549408A (zh) * | 2015-12-31 | 2016-05-04 | 歌尔声学股份有限公司 | 可穿戴设备、智能家居服务器及其控制方法和*** |
-
2016
- 2016-07-21 CN CN201610604505.8A patent/CN106137167A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105286846A (zh) * | 2015-11-29 | 2016-02-03 | 浙江师范大学 | 一种适用于心率信号的运动噪声检测方法 |
CN105286845A (zh) * | 2015-11-29 | 2016-02-03 | 浙江师范大学 | 一种适用于可穿戴式心率测量设备的运动噪声消除方法 |
CN105549408A (zh) * | 2015-12-31 | 2016-05-04 | 歌尔声学股份有限公司 | 可穿戴设备、智能家居服务器及其控制方法和*** |
Non-Patent Citations (2)
Title |
---|
ZHILIN ZHANG: "Photoplethysmography-Based Heart Rate Monitoring in Physical Activities via Joint Sparse Spectrum Reconstruction", 《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》 * |
王群等: "一种基于时变自回归模型的抗运动干扰心率提取算法", 《航天医学与医学工程》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108652609A (zh) * | 2018-05-17 | 2018-10-16 | 歌尔科技有限公司 | 一种心率获取方法、***及可穿戴式设备 |
CN108652609B (zh) * | 2018-05-17 | 2020-10-02 | 歌尔科技有限公司 | 一种心率获取方法、***及可穿戴式设备 |
CN109728822A (zh) * | 2018-12-29 | 2019-05-07 | 潍坊新力超导磁电科技有限公司 | 一种信号处理的方法、装置、设备及计算机可读存储介质 |
CN109959917A (zh) * | 2019-03-08 | 2019-07-02 | 南京航空航天大学 | 一种宽带非频变多波束成像声纳的阵列稀疏方法 |
CN110956197A (zh) * | 2019-10-28 | 2020-04-03 | 新绎健康科技有限公司 | 一种基于卷积神经网络建立脉波噪声信号识别模型的方法及*** |
CN113349752A (zh) * | 2021-05-08 | 2021-09-07 | 电子科技大学 | 一种基于传感融合的可穿戴设备实时心率监测方法 |
CN113349752B (zh) * | 2021-05-08 | 2022-10-14 | 电子科技大学 | 一种基于传感融合的可穿戴设备实时心率监测方法 |
CN114305355A (zh) * | 2022-01-05 | 2022-04-12 | 北京科技大学 | 基于毫米波雷达的呼吸心跳检测方法、***及装置 |
CN114305355B (zh) * | 2022-01-05 | 2023-08-22 | 北京科技大学 | 基于毫米波雷达的呼吸心跳检测方法、***及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106137167A (zh) | 一种基于光电容积脉搏波信号的运动噪声检测方法 | |
CN109961017A (zh) | 一种基于卷积循环神经网络的心音信号分类方法 | |
CN109994203B (zh) | 一种基于eeg信号深度多视角特征学习的癫痫检测方法 | |
CN110141239A (zh) | 一种用于下肢外骨骼的运动意图识别及装置方法 | |
CN105943012A (zh) | 一种去除光电容积脉搏波信号中运动噪声的心率测量方法 | |
CN107822622A (zh) | 基于深度卷积神经网络的心电图诊断方法和*** | |
CN105249925B (zh) | 一种中医脉象采集装置及降噪***和降噪方法 | |
CN105286846B (zh) | 一种适用于心率信号的运动噪声检测方法 | |
CN100589759C (zh) | 一种血氧饱和度检测方法 | |
CN111481192B (zh) | 一种基于改进U-Net的心电信号R波检测方法 | |
CN106344006A (zh) | 基于极点对称模态分解和支持向量机的j波检测方法 | |
CN109645989A (zh) | 一种麻醉深度估计方法及*** | |
CN106446762A (zh) | 一种基于稀疏表征分类算法的运动想象脑电分类处理方法 | |
TW201424683A (zh) | 脈波與體質健康風險評估系統與方法 | |
CN107870205A (zh) | 一种基于小波分析的复合材料损伤探测检测方法 | |
Xiong et al. | SVM-based spectral analysis for heart rate from multi-channel WPPG sensor signals | |
CN105796091B (zh) | 一种用于去除心电信号车辆运动噪声的智能终端 | |
CN114052693A (zh) | 心率分析方法、装置及设备 | |
Malliga et al. | Maize leaf disease classification using convolutional neural network | |
Singh et al. | Alzheimer’s Detection And Categorization using a Deep-Learning Approach | |
CN109620198B (zh) | 心血管指数检测、模型训练方法及装置 | |
Chougui et al. | Plant-leaf diseases classification using cnn, cbam and vision transformer | |
Huang et al. | Interference signal identification of sensor array based on convolutional neural network and FPGA implementation | |
CN116226624A (zh) | 一种基于张量分解的运动想象脑机接口的通道选择方法 | |
Sajedin et al. | A trainable neural network ensemble for ECG beat classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161123 |