CN111698939B - 生成与外部对象相关联的心率波动信息的方法及其设备 - Google Patents
生成与外部对象相关联的心率波动信息的方法及其设备 Download PDFInfo
- Publication number
- CN111698939B CN111698939B CN201980012456.0A CN201980012456A CN111698939B CN 111698939 B CN111698939 B CN 111698939B CN 201980012456 A CN201980012456 A CN 201980012456A CN 111698939 B CN111698939 B CN 111698939B
- Authority
- CN
- China
- Prior art keywords
- electronic device
- signal
- filter
- heart rate
- tracker
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 57
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000004891 communication Methods 0.000 claims description 51
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000010219 correlation analysis Methods 0.000 claims description 6
- 230000007958 sleep Effects 0.000 description 38
- 230000033001 locomotion Effects 0.000 description 27
- 238000012545 processing Methods 0.000 description 22
- 238000013186 photoplethysmography Methods 0.000 description 19
- 230000004461 rapid eye movement Effects 0.000 description 16
- 230000001133 acceleration Effects 0.000 description 13
- 230000009471 action Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 13
- 230000008667 sleep stage Effects 0.000 description 13
- 230000036385 rapid eye movement (rem) sleep Effects 0.000 description 12
- 230000003044 adaptive effect Effects 0.000 description 11
- 230000008569 process Effects 0.000 description 11
- 206010062519 Poor quality sleep Diseases 0.000 description 10
- 230000008859 change Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 7
- 238000003672 processing method Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000002889 sympathetic effect Effects 0.000 description 3
- 210000003403 autonomic nervous system Anatomy 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 210000000748 cardiovascular system Anatomy 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000001734 parasympathetic effect Effects 0.000 description 2
- 210000005037 parasympathetic nerve Anatomy 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 241001364929 Havel River virus Species 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000002567 autonomic effect Effects 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000009084 cardiovascular function Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 239000003623 enhancer Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000001121 heart beat frequency Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 229920000333 poly(propyleneimine) Polymers 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000037322 slow-wave sleep Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009885 systemic effect Effects 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
- A61B5/02405—Determining heart rate variability
-
- 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
- A61B5/02444—Details of sensor
-
- 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
- A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Cardiology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Power Engineering (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
公开了一种电子设备,其包括检测电路和可操作地连接到检测电路的处理器。处理器配置成:通过检测电路获得与外部对象相关联的第一信号;至少基于第一信号,使用具有第一频带的属性的第一滤波器获得第一HR,并且使用具有第二频带的属性的第二滤波器获得第二HR;至少基于第一HR和第二HR,改变与第二滤波器相关联的至少一些属性;以及通过检测电路获得与外部对象相关联的第二信号,并基于第二信号、使用至少一些属性已经被改变的第二滤波器生成心率波动(HRV)信息。此外,如根据说明书所理解的各种实施例也是可行的。
Description
技术领域
本说明书中公开的实施例涉及与外部对象相关联的信息处理技术。
背景技术
多方面地开发了各种类型的健康护理。正在进行对这样的电子设备的研究,其使用户能够连续地监控生物信息并且在日常生活中管理用户的健康。
电子设备(例如,穿戴在手腕上的可穿戴设备,诸如智能手表或智能手环)可以基于光体积描记术(PPG)的原理来提取和提供心率(HR)信息。
随着每当心跳时血管反复地膨胀和收缩,动脉中的血流改变。当发光二极管(LED)的光被照射到人体组织并且然后透射或反射的光被光电二极管收集时,可以测量周期性脉冲形式的PPG信号,其中血流的变化被反射到该PPG信号。可以基于用于检测PPG信号的峰值-峰值间隔(PPI)的方法来确定每秒脉冲的数量并且可以提取HR。此外,可以使用精细记录的PPI通过估算心率波动(HRV)来掌握交感神经和副交感神经的相互作用和心血管功能的调节。
发明内容
技术问题
基于用于检测PPG信号的PPI以估算HR和HRV的方法来提取心跳间隔的方法的可用性在具有用户移动的环境中可能不高。例如,当在由光学传感器测量的PPG信号中包括各种噪声(包括在日常生活中发生的动作)时,波形可能失真或者周期性可能消失,并且因此可能难以用常规方法检测PPI。
甚至当包括各种噪声时,设计了一种基于PPG信号的频率分析和HR生成手环的频率功率跟踪的HR监控方法,来稳定地检测HR。然而,因为需要峰值检测来估算心跳间隔,所以它仍然具有可能不会基于PPI再现复杂的HRV的限制。
在使用传统方法的、涉及大量动作的情况下,使用电子设备获得心跳间隔或使用心跳间隔获得各种生物信息处理结果可能降低利用了数据和生物信息的算法的精确性。在下文中,在本说明书中公开的实施例中,可以提出一种即使在存在外部对象(例如,用户)的动作时也能有效地处理与外部对象相关联的信息的方法及其设备。
技术方案
根据本说明书中公开的实施例,电子设备可以包括检测电路和可操作地连接到检测电路的处理器。处理器可配置成:通过检测电路获得与外部对象相关联的第一信号;至少基于第一信号,使用具有第一频带的属性的第一滤波器获得第一心率(HR),并且使用具有第二频带的属性的第二滤波器获得第二HR;至少基于第一HR和第二HR,改变与第二滤波器相关联的至少一些属性;通过检测电路获得与外部对象相关联的第二信号,并且基于第二信号、使用至少一些属性已经改变的第二滤波器生成心率波动(HRV)信息。根据实施例,第一滤波器可以使用第一信号处理方案,第二滤波器可以使用第二信号处理方案。
此外,根据本说明书中公开的实施例,由电子设备执行的方法可以包括:获得与外部对象相关联的信号;使用第一信号处理方案,基于所述信号获得第一HR;使用第二信号处理方案,基于信号获得第二HR;以及至少基于第二HR生成HRV信息。
有益效果
根据本说明书中公开的实施例,电子设备可以更准确地获得与外部对象相关联的信息的处理结果。
根据本说明书中公开的实施例,电子设备可以有效地处理与外部对象相关联的信息。
此外,可以提供通过本公开直接或间接了解的各种效果。
附图说明
图1是示出根据实施例的电子设备的配置的框图。
图2是示出根据实施例的频带和带宽相关参数之间的关系的视图。
图3是示出根据实施例的处理器的功能性配置的框图。
图4示出了根据实施例的电子设备获得心跳信息的方法。
图5是根据实施例的电子设备获得最佳参数的方法的流程图。
图6是根据实施例的电子设备获得HRV的方法的流程图。
图7是根据实施例的电子设备获得HRV的方法的流程图。
图8是示出根据实施例的根据***的参数变化的HRV变化的图形。
图9示出了根据各种实施例的心跳信息与第一***和第二***中的每个的参数值的组合之间的关系。
图10示出了根据实施例使用参数优化来计算频率域中的HRV值的结果。
图11是用于呈现PPI重建方法的描述的图。
图12示出了根据实施例的时间域中的HRV值(RMSSD)。
图13示出了根据实施例的时间域中的HRV值(pNN50)。
图14是根据实施例的估算睡眠模式的图形。
图15示出了通过比较睡眠模式的REM特征和多导睡眠图的结果而获得的图形。
图16示出了根据实施例对睡眠阶段进行分类的示例。
图17是根据实施例的对睡眠阶段进行分类的操作的流程图。
图18示出了根据实施例对睡眠阶段进行分类的结果。
图19是根据各种实施例的用于在网络环境中使用多个滤波器来生成与外部对象相关联的HRV信息的电子设备的框图。
关于附图的描述,相同或相似的部件可以用相同或相似的附图标记来标记。
具体实施方式
在下文中,将参考附图描述本公开的各种实施例。然而,本领域的普通技术人员将认识到,在不脱离本公开的范围和精神的情况下,可以对本文描述的各种实施例进行各种修改、等效和/或替换。
图1是示出根据实施例的电子设备的配置的框图。
根据实施例,电子设备100(例如,图19的电子设备1901)可以包括处理器110(例如,图19的处理器1920)、存储器120(例如,图19的存储器1930)和检测电路130中的至少一个。在各种实施例中,电子设备100可省略上述组件的一部分或可进一步包括其它组件。例如,电子设备100中可以另外包括诸如显示器(例如,图19中的显示器设备1960)、相机(例如,图19中的相机模块1980)、电池或输入/输出接口(例如,图19中的接口1977)的配置。
根据实施例,处理器110可以执行根据说明书中公开的各种实施例的操作。例如,处理器110可以处理与外部对象相关联的信息。例如,外部对象可以是用户。与外部对象相关联的信息可以包括生物信息。例如,电子设备可以处理与外部对象相关联的信息,并且可以获得心跳信息(例如,HR或HRV)。处理器110可以控制心跳信息的显示。根据实施例,处理器110可以设置在电子设备100的外壳中。处理器110可以电连接到存储器120和检测电路130或可操作地连接到存储器120和检测电路130。处理器110可以执行存储在存储器120中的指令。
根据实施例,存储器120可以存储与电子设备100的操作相关联的至少一个应用或至少一条数据。根据实施例,存储器120可以存储与用户的生物信息(例如健康或睡眠模式)相关联的应用程序。根据各种实施例,存储器120可包括用于本说明书中所公开的各种操作的指令。指令可以由处理器110执行。
根据实施例,电子设备100可以获得与外部对象相关联的信号。为此,电子设备100可以包括检测电路130。根据实施例,检测电路130可以包括传感器132(例如,图19的传感器模块1976)和通信电路140(例如,图19的通信模块1990)中的至少一个。
与外部对象相关联的信号可以包括例如生物信号和/或动作信号。生物信号可以是与用户的生物活动相关联的信号。动作信号可以是指示用户的动作的信号,例如加速度信号。
根据实施例,传感器132可以获得与外部对象相关联的信号。与外部对象相关联的信号可以包括感测信号。例如,传感器132可以包括用于测量生物信号的生物传感器(例如,光体积描记(PPG)传感器)和用于测量诸如加速度的动作信号的动作传感器(例如,加速度计(ACC)传感器)中的至少一个。此外,根据各种实施例的传感器132可以包括用于测量用户的生物信号或动作信号的各种设备(例如,心电图(ECG)传感器、陀螺仪传感器、气压传感器等)。
根据实施例,PPG传感器可以包括至少一个光发射单元和至少一个光接收单元。光接收单元可以获得从光发射单元输出的光之中的、通过用户的皮肤透射或反射的光,并且可以将与所获得的光对应的生物信号传递到处理器110。在下面的描述中,由PPG传感器获得的感测信号可以称为PPG信号。
根据实施例,加速度传感器可以获得电子设备100的动作信号。例如,当电子设备100使用PPG传感器测量用户的生物信号时,加速度传感器可以获得动作信号并且可以将获得的动作信号传递到处理器110。在下面的描述中,由加速度传感器获得的信号可以称为加速度计(ACC)信号。
根据实施例,电子设备100可以从外部设备获得与外部对象相关联的信号。根据实施例,电子设备100可以通过通信电路140将与外部对象相关联的信号发送到外部设备或者从外部设备接收与外部对象相关联的信号。此时,与外部对象相关联的信号可以是由外部电子设备的传感器获得的信号。例如,与外部对象相关联的信号可以是生物信号或动作信号。根据实施例,通信电路140可以支持有线通信或无线通信。无线通信可以包括短距离通信或长距离通信。
根据实施例,电子设备100可以包括显示器。电子设备100可以在显示器上显示与根据稍后公开的实施例而获得的与外部对象相关联的心跳信息。
图2是根据实施例的频率跟踪参数的描述。
根据实施例,电子设备(例如,图1的电子设备100)可以基于频率估算来获得心跳信息。电子设备可以分析所获得的信号的频率并且可以使用时变带通滤波器一起执行基于振荡器的自适应频率跟踪,并且因此电子设备可以在不从脉搏波信号获得峰值间隔的情况下测量心跳信息。心跳信息可以包括HR和/或HRV。根据实施例,可以在基于频率跟踪执行心跳监控时使用自适应滤波器。自适应滤波器可以包括这样的技术,该技术使用基于无限脉冲响应(IIR)滤波器的自适应线路增强器(ALE)来有效地去除其中感兴趣信号和噪声被混合的测量信号中的噪声。ALE可以基于线性预测来实现,该线性预测通过线性组合先前的信号来预测稍后将输出的信号。
可以通过以下两个参数来确定基于自适应滤波器的频率跟踪的特征。频率跟踪参数可以包括带宽相关参数β和遗忘因子δ。图2示出了带宽相关参数和带宽之间的关系。参照图2,当带宽相关参数较小时,带宽可以较宽。此外,在自适应带通滤波器中,当遗忘因子较小时,对先前估算值的影响可以较小。
下面的公式1至4是根据在说明书中公开的各种实施例的、用于获得参数的公式。
公式1表示振荡器公式;公式2表示IIR滤波器的公式;公式3表示滤波器的带宽;公式4表示自适应带通滤波器的公式。
Oscillator equation:x(n)=2cos(ω)·x(n-1)-x(n-2)
Adaptive Band-passFilter:P(n)=δ·P(n-1)+(1-δ)·x2(n-1)
在公式1中,w可以是归一化的瞬时频率值;n可以是输入信号的阶数。在公式2中,β可以是带宽相关参数;α(n)可以是校正函数;z可以是输入信号。在公式4中,δ可以是遗忘因子。
心率监控(heart rate monitoring,HRM)算法的频率跟踪参数可以被改变以反映更好的HRV。
例如,当调整两个参数时,可以更快速地跟踪心跳信息的变化,减小均衡效果,并且可以反映更多的波动。在下文中,将描述包括作为带通滤波器工作的***的电子设备的配置。
图3是示出根据实施例的处理器的功能性配置的框图。
根据实施例,处理器110(例如,图1中的处理器110)可包括预处理模块310、噪声消除模块320、第一***330、第二***340或计算模块350。在各种实施例中,处理器110可省略上述组件的一部分或可进一步包括其它组件。在各种实施例中,包括在图3的处理器110中的组件的至少一部分可以用软件或硬件来实现。例如,每个模块的操作可以以指令的形式存储在存储器中,并且可以由处理器执行。
根据实施例,预处理模块310可以对所获得的信号执行预处理。预处理模块310可以对所获得的信号进行过滤和归一化。例如,预处理模块310可以针对与外部对象相关联的信号对频带中的、可能无法确定为生物信号的信号进行过滤,然后可以对过滤后的信号的幅值分布进行归一化。例如,预处理模块310可以包括处理每个信号的至少一个过滤模块312或316以及归一化模块314或318。可以由过滤模块312和归一化模块314处理生物信号(PPG);并且可以由过滤模块316和归一化模块318处理动作信号(ACC)。
根据实施例,噪声消除模块320可以从与外部对象相关联的预处理信号中去除噪声。噪声消除模块320可以使用预处理的动作信号从预处理的生物信号中去除由电子设备100的动作引起的噪声。根据实施例,噪声消除模块320可以使用自适应滤波器来执行噪声消除信号处理。可以使用基于最陡下降、最小均方(LMS)和递归最小二乘方(RLS)方法的算法作为噪声消除模块320收集信号然后优化自适应滤波器的滤波器系数以适配于信号的特征的方案的示例。例如,噪声消除模块320可以包括自适应噪声消除模块。
根据实施例,第一***330和第二***340可以处理从其去除了噪声并且与外部对象相关联的信号,并且可以计算心跳信息。例如,心跳信息可以包括HR、HRV和/或推导出的其它生物信息。
根据实施例,第一***330和第二***340可以以不同的信号处理方案处理与外部对象相关联的信号。根据实施例,第一***330和/或第二***340可以在计算心跳信息时使用频率跟踪方法。第一***330和/或第二***340可以使用频率跟踪方法,但是可以针对在跟踪频率时使用的至少一些属性使用不同的值。例如,第一***330和/或第二***340可以配置为使得用于频率跟踪的参数(以下称为跟踪参数)具有不同的值。例如,在本文中,跟踪参数可以包括遗忘因子δ和/或带宽相关参数β。第一***330和/或第二***340的参数可以分别称为第一跟踪参数和第二跟踪参数。
根据实施例,第一***330可以基于与外部对象相关联的信号来计算第一心跳信息。第二***340可以基于与外部对象相关联的信号来计算第二心跳信息;或者,第二***340可至少基于第二心跳信息获得与第二心跳信息的类型不同类型的第三心跳信息;或者,第二***340可以计算第一心跳信息和第二心跳信息之间的连接性(connectivity)。处理器110可以通过第二***340获得第二心跳信息和/或连接性。例如,可以使用相关性系数或走势特征来识别连接性。第一心跳信息和第二心跳信息可以是由***330和340中的每个计算的HR,或者可以是包括HR的推导出的生物信息。第三心跳信息可以是HRV,或者可以是包括HRV的推导出的生物信息。
根据实施例,第一***330可以配置为搜索心跳频带的主频率。第一***330可用于动态噪声消除和稳定心跳跟踪。
根据实施例,第一***330可以基于与外部对象相关联的信号来计算第一心跳信息。第一***330可以分析从中去除了噪声的生物信号的频率,并且可以跟踪该频率。处理器110可以通过第一***330获得第一心跳信息。
根据实施例,第一***330可以具有带通滤波器的属性。根据实施例,第一***330可以对与外部对象相关联的信号进行过滤,但是第一***330的跟踪参数的至少一部分可以配置为具有相对窄的带通滤波器的特征。也就是说,第一***330可以称为第一滤波器。第一***330可以对第一频带中的信号进行过滤,并且第一频带可以设置为比后面将要描述的第二频带窄。
根据实施例,第一***330的至少一部分属性可以设置为第一值。换句话说,第一***330的跟踪参数可以设置为第一值。在下文中,应用于第一***330的跟踪参数的值可以称为第一参数值。第一***330的第一参数值和中心频率可以具有预定值。根据实施例,第一***330可以使用第一参数值获得第一心跳信息。
根据实施例,处理器110可以将第一心跳信息传递到第二***340。
与第一***330相比,第二***340可以配置为具有大的频带波动和小程度的信号均衡。换句话说,电子设备(例如,图1的电子设备100)可以设置第二***340,从而反映心跳的波动(以下称为“心率波动”或“HRV”)。
根据实施例,第二***340可以分析从中去除了噪声的生物信号的频率,并且可以跟踪该频率。根据实施例,第二***340可以以不同于第一***330的信号处理方法的信号处理方法来处理与外部对象相关联的信号。第二***340可以在调整至少一些属性的情况下跟踪频率。为此,第二***340的跟踪参数可以设置为具有第二值。
根据实施例,第二***340可以具有带通滤波器的属性。根据实施例,第二***340可以对与外部对象相关联的信号进行过滤,但是第二***340的跟踪参数的至少一部分可以配置为具有相对宽的带通滤波器的特征。也就是说,第二***340可以称为第二滤波器。第二***340可以对第二频带中的信号进行过滤,并且可以将第二频带设置为比第一频带宽。
根据实施例,第二***340的至少一部分属性可以设置为第二值。第二***340可以应用不同于第一值的第二值。在下文中,应用于第二***340的参数值可以称为第二参数值。根据实施例,可以设置第二参数值,使得第二频带比第一频带宽并且第二***340的均衡效果小于第一***330的均衡效果。例如,作为第二参数值的频带相关参数和遗忘因子值可以小于第一参数值。第二参数值可以变化。关于第二参数值的确定的细节将在后面描述。
根据实施例,第二***340可以使用基于输入信号的第二参数来获得第二心跳信息。第二***340的输入信号可以是从噪声消除模块320获得的生物信息和/或从第一***330获得的第一心跳信息。
根据实施例,计算模块350可以接收从中去除了噪声的生物信息以及从第一***330获得的第一心跳信息,并且可以执行计算。运算可以是算术运算(例如,和运算)或比较运算。
根据实施例,处理器110或第二***340可以确定第二参数值。处理器110可以基于第一心跳信息来确定第二参数值,或者可以基于第一心跳信息和第二心跳信息之间的连接性(例如,相关性系数或走势特征)来确定第二参数值。此外,处理器110可以基于各种方法来确定第二参数值。
根据实施例,处理器110可以基于第一心跳信息和第二心跳信息中的至少一个来确定心率波动(以下称为HRV)。根据实施例,HRV可以由第二***340或单独的模块来确定。
根据实施例,第一心跳信息可以直接或间接地影响用于确定HRV的第二心跳信息。例如,可以基于第一心跳信息来确定第二心跳信息或第二参数,并且可以基于第二心跳信息来确定HRV。结果,第一心跳信息可以间接地影响HRV的确定。
根据实施例,处理器110可以将第二心跳信息和第一心跳信息进行比较。处理器110可以基于第一心跳信息和第二心跳信息来识别彼此之间的连接性。根据实施例,连接性可以由第二***340或单独的模块来确定。处理器110可以响应于连接性的识别来确定第三心跳信息。
根据实施例,频率初始化模块332和342可以设置***330和340的属性。例如,频率初始化模块332和342可以设置频带相关参数和/或遗忘因子的值。
根据实施例,频率跟踪模块334和344可以根据由频率初始化模块332和342确定的属性来跟踪与在外部对象中测量的生物信息相关联的信号的频率。
图4示出了根据实施例的电子设备获得心跳信息的方法。
图4所示的操作可以由电子设备(例如,图1的电子设备100)执行。这些操作由处理器(例如,图1或图3的处理器110)执行,并且可以以指令的形式存储在存储器(例如,图1的存储器120)中。
在操作401中,电子设备可以获得与外部对象相关联的信号。例如,与外部对象相关联的信息可以是通过对由传感器(例如,图1的传感器132)获得的信号执行预处理或者通过从由传感器获得的信号中去除噪声而获得的信号。例如,与外部对象相关联的信号可以是从中去除了噪声的生物信号。
在操作403中,电子设备可以基于第一信号处理方法获得第一HR。例如,第一信号处理方法可以是通过使用第一参数值来获得第一HR。这里,第一参数值可以是固定的或预设的值。电子设备可以通过使用第一参数值基于与外部对象相关联的信号来计算第一HR。
在操作405中,电子设备可以基于第二信号处理方法获得第二HR。例如,第二信号处理方法可以是使用第二参数值来获得第二HR。第二参数值可以是变量值。电子设备可以自适应地确定第二参数值。电子设备可以使用第二参数值基于与外部对象相关联的信号来获得第二HR。
在操作407中,电子设备可以至少基于第二HR生成HRV。
这里,当第一HR和第二HR之间的连接性低时,所获得的HRV可能是不准确的。根据实施例,电子设备可以执行“A”操作和“A”操作之后的操作,以确定用于获得更精确的HRV值的第二参数值。在操作405之后,可以进一步执行“A”操作之后的操作。可以参考图5来描述细节。
图5示出了根据实施例的电子设备获得最佳参数的方法的流程图。
图5所示的操作可以由电子设备(例如,图1的电子设备100)执行。这些操作由处理器(例如,图1或图3的处理器110)执行,并且可以以指令的形式存储在存储器(例如,图1的存储器120)中。
在操作501中,电子设备可以使用第一HR和第二HR来获得HR之间的连接性。可以基于相关性系数或走势特征来识别连接性。
在操作503中,电子设备可以确定连接性是否满足指定条件。操作501和操作503可以由第二***(例如,图3的第二***340)执行。
当连接性不满足指定条件时(例如,当相关性系数不大于阈值时),在操作505,电子设备可以改变第二参数值。然后,电子设备可以使用第二参数值执行“B”操作和“B”操作之后的操作。
当连接性满足指定条件时(例如,当相关性系数超过阈值时),电子设备可以将在图4的操作405中使用的第二参数值确定为最佳的第二参数值。然后,在图4的操作407中,电子设备可以基于使用最佳的第二参数值获得的第二HR来获得HRV。
在图4中,“B”操作之后的操作作为图4中的操作401之前的操作被执行,但是也可以作为图4中的操作405之后的操作被执行。
图6是根据实施例的电子设备获得HRV的方法的流程图。
图6所示的操作可以由电子设备(例如,图1的电子设备100)执行。这些操作由处理器(例如,图1或图3的处理器110)执行,并且可以以指令的形式存储在存储器(例如,图1的存储器120)中。根据实施例,电子设备可以使用第一HR和第二HR的相关性系数来确定用于获得第二HR的第二参数值,并且可以获得HRV。相关性系数是表示关系类型的统计含义;当相关性系数接近1时,相关性系数可意味着强连接。在下文中,将描述基于第一HR和第二HR之间的相关性系数来确定第二参数值并获得HRV的方法。
在操作601中,电子设备可以通过传感器(例如,图1的传感器132)或通信电路(例如,图1的通信电路140)获得与外部对象相关联的信号。与外部对象相关联的信号可以至少包括生物信号。例如,电子设备可以从PPG传感器获得生物信号,并且可以从加速度传感器获得动作信号。例如,电子设备可以通过通信电路从外部电子设备获得生物信号或动作信号。
在操作603中,电子设备可以对与外部对象相关联的信号进行过滤和归一化。例如,电子设备可以对生物信号和动作信号进行过滤和归一化。电子设备可以对每个信号进行过滤,从而从生物信号和动作信号中滤除处于不需要的频带中的信号。电子设备可以对每个过滤后的信号进行归一化。
在操作605中,电子设备可以从与外部对象相关联的信号(或生物信号)中去除噪声。电子设备可以基于动作信号去除生物信号中的噪声。这里,可以对经过过滤和归一化的生物信号执行噪声消除。
在操作607中,电子设备可以跟踪生物信号的频率并且可以获得第一HR。电子设备可以使用第一参数值来跟踪生物信号的频率。例如,电子设备可以使用第一***(例如,图3的第一***330)来跟踪生物信号的频率,并且可以获得第一HR。与第一参数值对应的参数可以是两个参数。例如,该参数可以包括带宽相关参数和遗忘因子。例如,第一***的带宽相关参数可以是0.98,且遗忘因子可以是0.97。
在操作609中,电子设备可以跟踪生物信号的频率并且可以获得第二HR。电子设备可以使用第二参数值来跟踪生物信号的频率。例如,电子设备可以使用第二***(例如,图3的第二***340)来跟踪生物信号的频率,并且可以获得第二HR。包括在第二参数值中的带宽相关参数和遗忘因子中的至少一个可以是不同于第一参数值的值。例如,第二参数值中的带宽相关参数可以小于第一参数值。结果,第二***的带宽可以设置为大于第一***的带宽。第二参数值中的遗忘因子可以小于第一参数值。
在操作611中,第二***可以获得第一HR。第二***可以从第一***接收第一HR。
在操作613中,电子设备可以识别第一HR和第二HR之间的连接性。例如,电子设备可以比较第一HR和第二HR,并且可以识别相关性系数。第二***可以使用第一HR和第二HR来计算相关性系数。
在操作615中,电子设备可以确定相关性系数是否满足指定阈值。根据实施例,电子设备可以确定相关性系数是否满足指定阈值。例如,电子设备可以确定相关性系数是否大于阈值。该操作可以由第二***执行。阈值可以是基于统计或学习的实验确定值。
当相关性系数满足指定阈值时(或者当相关性系数大于指定阈值时),电子设备可以执行操作619。电子设备可以将在操作609中使用的第二参数值确定为最佳的第二参数值。在操作621中,电子设备可以使用最佳的第二参数值跟踪连续接收的生物信号的频率。然后,电子设备可以使用具有第二参数值的第二***来获得HRV。
当相关性系数不满足阈值时(或当相关性系数小于或等于阈值时),电子设备可以在操作617中改变第二***的第二参数值。电子设备可以对第二参数值重复地执行操作601至操作613中的至少一部分。
例如,在改变第二参数值之后,电子设备可以获得感测信号,可以对感测信号进行过滤和归一化。在去除生物信号的噪声之后,电子设备可以使用第一HR和改变的第二参数值来获得第二HR。电子设备可以获得第一HR和第二HR,可以获得相关性系数,并且可以确定相关性系数是否满足指定阈值。针对相关性系数满足指定阈值的情况,可以确定第二参数值是适于计算HRV的第二参数值。在确定第二参数值之后,电子设备可以使用具有第二参数值的第二***来获得HRV。
在本说明书中公开的实施例中,可以进行顺序或操作的各种改变。例如,可以在执行操作609之前和执行操作607之后执行操作611。对于另一个示例,电子设备可以在执行操作611之后,使用第一HR和第二HR来计算HRV;然而,当确定最佳的第二参数值时,可以将相应的HRV确定为最佳的HRV值。在这种情况下,可以将确定为最佳HRV的HRV信息显示在显示器上。
图7是根据实施例的电子设备获得HRV的方法的流程图。
图7所示的操作可以由电子设备(例如,图1的电子设备100)执行。这些操作由处理器(例如,图1或图3的处理器110)执行,并且可以以指令的形式存储在存储器(例如,图1的存储器120)中。根据实施例,电子设备可以通过识别心跳走势特征来确定连接性。电子设备可以使用心跳走势特征来确定第二参数值,并且可以获得HRV。根据实施例,电子设备可以基于心跳特征信息来获得走势特征。例如,心跳特征信息可以是心跳信息(例如,HR)。
在操作701中,电子设备可以获得与外部对象相关联的信号。例如,电子设备可以从PPG传感器获得生物信号,并且可以从加速度传感器获得动作信号。动作信号可以是加速度信号。例如,电子设备可以通过通信电路从外部电子设备获得生物信号或动作信号。电子设备可以将与外部对象相关联的信号输入到第一***(例如,图3中的第一***330)和/或第二***(例如,图3中的第二***340)。这里,输入到***的、与外部对象相关联的信号可以是对其执行图6的操作601到操作605并且从其去除了噪声的信号。此外,对***的输入或使用***可以意味着使用特定的属性值(或参数值)或使用特定的信号处理方法。
根据实施例,电子设备可以使用第一参数值和第二参数来计算心跳特征信息。
在操作703中,电子设备可以通过第一***计算第一心跳特征信息。电子设备可以基于第一参数值从生物信号获得心跳特征信息。
在操作705中,电子设备可以在特定范围内改变参数值。特定范围可以是预定值。电子设备可以改变第二***的HR和/或HRV的测量相关参数。测量相关参数可以是图3至图6的跟踪参数。相应的参数值可以是第二参数值。
在操作707中,电子设备可以基于第二参数值根据生物信号计算心跳特征信息。换句话说,电子设备可以通过第二***计算第二心跳特征信息。
在操作709中,电子设备可以通过第一***和第二***来确定心跳走势特征是否匹配。电子设备可以使用第一心跳特征信息和第二心跳特征信息来确定心跳走势特征是否匹配。随后将描述心跳特征信息和心跳走势特征。
当心跳走势特征匹配时,电子设备可以执行操作707。
当心跳走势特征不匹配时,在操作711,电子设备可以检测最佳参数。例如,电子设备可以检测用于测量HR和/或HRV的最佳参数。例如,电子设备可以将在操作707中使用的第二参数值确定为最佳的第二参数值。
在操作713中,电子设备可以在提取的时间域/频率域中归一化HRV,并且可以提取走势特征。
同样,在操作709中,电子设备可以分析心跳走势特征,以确定利用第二***所得的心跳特征是否可靠。
根据实施例,电子设备(例如,图1的电子设备100)可以使用第一心跳特征信息和第二心跳特征信息之间的相关性分析来识别从两个***获得的变量之间的相关性。电子设备可以通过在图形或图表中的两个轴上绘制变量中的每个来进行用于寻找变量之间的完全关系的离散;当建立完美的关系时,电子设备可以画出通过所有点的直线。
根据实施例,电子设备还可以应用相位同步和方向性分析方法。在相关性分析中不能推断两个变量之间的影响方向,因此上述方法可能是有效的。
可以以几种方式量化相位同步。例如,相位同步方法包括通过同步图和递归图进行量化以调查变量之间的同步频率比的方法以及使用基于熵的相位同步指示符(ρ,λ,γ)的方法。
根据实施例,电子设备可以通过希尔伯特(Hilbert)变换提取每个心跳特征变量的相位,并且可以设置每个周期以根据比率来调查或量化同步特征变换,从而将调查或量化的结果显示为图形。
根据实施例,电子设备可以通过相位同步分析和方向性分析来分析通过由两个***测量的心跳变量造成的影响,作为方向性的大小。方向性分析可以通过Granger因果指数、部分定向相干(PDC)和/或方向性指数来执行。
根据实施例,电子设备可以使用上述的相关性分析和/或相位同步分析和方向性分析来识别心跳走势特征。当基于走势特征确定出能够保证由第二***测量的HRV信息的可靠性时,电子设备可以逐渐调整第二***的参数,并且可以允许计算最佳参数。例如,电子设备可以在对参数应用“%”或者在数值上对参数应用“+/-”的同时调整参数。
图8是示出根据实施例的心跳信息的波动的反映的图形。
图形1 801将“R到R间隔”(RRI)表示为通过心电图(ECG)测量的参考心跳间隔;图形2至4 803、805和807将峰值-峰值间隔(PPI)表示为在改变第二***(例如,图3中的第二***340)中的跟踪参数(δ,β)的情况下估算的心跳间隔。
这里,假设第一***(例如,图3中的第一***330)中的跟踪参数(δ,β)的组合(或第一参数值的组合)是例如(0.97,0.98)。为了在相应的仿真中计算稳定的心跳信息,已经将第一***的跟踪参数(δ,β)设置为使得频率跟踪的频带变窄并且均衡的程度增加。
图形2 803示出了通过仿真所得的、在振荡器频率跟踪(例如,δ=0.92、0.95或0.98)中在调整遗忘因子δ时改变心跳信息跟踪的特征。图形2 803是带宽相关参数β为0.90的情况下的结果。
图形3 805示出了通过仿真所得的、在振荡器频率跟踪(β=0.80、0.86或0.92)中在调整带宽相关参数时改变心跳信息跟踪的特征。图形3 805示出遗忘因子δ为0.92的情况。
图形4 807示出了通过仿真所得的、在第二***中的跟踪参数(δ,β)的组合(或第二参数值的组合)不同地改变时改变心跳信息跟踪的特征。
参照图形2 803,可以看出,当遗忘因子较小时,心跳的波动较大。参考图形3 805,可以看出,随着带宽相关参数越小,心跳的波动越大。参考图形4 807,可以看出,当带宽相关参数β和遗忘因子δ较小时,心跳的波动较大。
参照图8,可以看出,心跳信息的波动通过调整带宽相关参数和/或遗忘因子来反映,带宽相关参数和/或遗忘因子是与***的频率跟踪波动相关联的参数。当遗忘因子较小时或者当带宽相关参数较小时,可以更好地反映心跳信息的波动。另一方面,当遗忘因子较大或带宽相关参数较大时,可以获得稳定的心跳信息。
图9示出了根据各种实施例的心跳信息与第一***和第二***中的每个的参数值的组合之间的关系。
图形1 901和图形2 903是同时示出所测量的参考心跳间隔(虚线)和心跳信息频率跟踪结果(实线)的图形。图形1 901和图形2 903示出了不同的跟踪参数(δ,β)的组合的结果。例如,图形1 901示出了跟踪参数是(0.98,0.97)的情况;例如,图形2 903示出了跟踪参数是(0.92,0.92)的情况。
图形1 901示出了当带宽相关参数和遗忘因子大于图形2 903时的跟踪结果;图形1 901示出了当追求心跳信息跟踪的稳定性时使用的第一***(例如,图3中的第一***330)的特征。
图形2 903示出了第二***(例如,图3中的第二***340)的特征,其集中于当带宽相关参数和遗忘因子相对较小时获得HRV波动。
参照图9,可以通过相关性分析、相位同步和方向性分析来分析其中保持在第一***中测量的心跳特征信息的走势特征的可靠区段,并且可以在该区段内使用第二***来识别波动。为此,电子设备(例如,图1的电子设备100)可以通过在将频带设置为宽的方法中调整跟踪参数并减少对先前值的依赖性以减少均衡,来估算类似于基于ECG的心跳间隔的PPI值。
HRV分析主要在时间和频率范围上进行。在时间范围内的HRV分析以诸如心跳的平均偏差和标准偏差的统计信息、关于心血管***的稳定性的信息和自主神经***的控制能力为基础,并且副交感神经的活性可以通过诸如NN间隔的标准差(SDNN)和连续差的均方根(RMSSD)的参数而得知。此外,对基于特定频率(0.04,0.15或0.4Hz)划分的低频、高频等范围进行频率范围内的HRV分析;HRV分析可以提供能够评估交感神经和副交感神经或总自主神经***的活性的信息。
图10示出了根据实施例的使用参数优化计算频率域中的HRV参数的结果。
图10是通过以下来例示的:利用参数优化,当在通过如图9所示的PPG频率跟踪估算的心跳信息中出现HRV波动之后,获得频率域中的HRV参数(归一化低频(nLF)和归一化高频(nHF))。在图10中,实线表示nLF;虚线表示nHF。
图形1 1001示出了使用测量的ECG的RRI作为参考获得的nLF和nHF;图形2 1003示出了使用第一***的PPI获得的nLF和nHF。图形3 1005示出了使用第二***的PPI获得的nLF和nHF。
参考图形2 1003,第一***的nLF和nHF看起来与图形1 1001的参考具有低的相关性。参考图形3 1005,第二***的nLF和nHF看起来与图形1 1001的参考具有高的相关性。
参照图10,可以看出,在第一***中没有很好地反映HR的波动,因为设置了反映低波动的跟踪参数;另一方面,可以看出在第二***中很好地反映了HR的波动。
根据实施例,当根据电子设备的采样率以相等的间隔进行基于频率跟踪的HR提取时,在根据心跳间隔以不等的间隔重建PPI以获得时间域中的HRV参数的方法中,可以提高HRV参数估算的准确性。
图11是用于呈现PPI重建方法的描述的图。
图形1101示出了心跳间隔的原始数据和针对相应数据的采样“*”。如图形1101所示,PPI方法可以是以不等的间隔对心跳间隔采样的方法。例如,电子设备(例如,图1的电子设备100)可以重复以下操作:获得当前心跳间隔,并且确定在与心跳间隔值对应的时间或者与间隔值对应的时间之后出现的样本是下一心跳间隔值。当心跳间隔值较小时,具有下一个采样值的时间间隔可能较小;当心跳间隔值大时,具有下一个采样值的时间间隔可能较大。
图12和图13示出了根据实施例在时间域中计算的HRV参数值。
根据实施例,HRV可以是RMSSD或pNN50(“相差超过50ms的连续NN对的数量(NN50)”的比例除以NN的总数)。此外,HRV也可以以各种方式测量。
图12示出HRV为RMSSD;图形1 1201表示跟踪参数(δ,β)例如为(0.98,0.97)的情况;图形2 1203表示跟踪参数例如是(0.93,0.87)的情况。
图13示出了HRV为pNN50,并且示出了根据跟踪参数组合(δ,β)计算pNN50的结果。例如,图形1 1301示出了跟踪参数是(0.98,0.97)的情况;例如,图形2 1303示出了跟踪参数是(0.93,0.87)的情况。
在图12和图13,实线表示根据基于ECG的参考心跳信息计算的HRV测量值;虚线表示使用利用频率跟踪估算的心跳信息的HRV结果值。
换句话说,例如,(0.98,0.97)是第一***的参数组合(第一参数值);图形11201和1301可以是第一***的相对稳定的HRV计算值。
例如,(0.93,0.87)可以是第二***的参数组合(第二参数值);图形2 1203和1303可以是集中于获得波动的第二***的HRV计算值。
参照图12和图13,在仅使用第一***的情况下,难以精确地估算时间域中的HRV指标。然而,当使用应用了不等间隔采样的第二***来估算时间域中的HRV时,电子设备(例如,图1的电子设备100)可以在基于第一***稳定地操作的情况下,通过第二***精确地估算心跳波动。
根据实施例,电子设备可以确定第二***的最佳参数值,并且可以使用应用了最佳参数的第二***来获得精确的HRV值。电子设备可以基于通过第二***获得的HRV值执行睡眠阶段预测和应激指数测量。在下文中,将描述睡眠阶段预测。
快速眼球运动(REM)睡眠是指这样的睡眠状态,其使得可以在轻度睡眠的状态下做梦。在REM睡眠期间,身体睡眠但是大脑清醒并活动;因此,可能出现不规则的生物节律并且可能激活交感神经。此时,在心血管***中,HR和HRV可能增加并且可能是不规则的。
根据实施例,电子设备可以基于关于HR和HRV的信息来计算REM特征。
图14是根据实施例的用于计算REM特征的图形。
图形1 1401是说明HR和HRV的原始数据的图形。
图形2 1403是通过应用低通滤波器来提取数据的低频模式的图形。因为导致清楚、轻度睡眠、深度睡眠和REM睡眠的睡眠周期通常具有大约1.5到2小时的周期,所以电子设备(例如,图1的电子设备100)可以通过对HR和HRV应用低通滤波器来提取低频模式,从而反映睡眠周期的阶段。在图形2 1403中,实线表示根据睡眠的HRV,虚线表示HR。
图形3 1405示出了通过组合HR和HRV而生成的中间阶段的REM特征。中间阶段的REM特征可以通过对HR和HRV的各种操作来表示。
图形4 1407示出通过组合HR和HRV获得的值的香农熵(Shannon-entropy)。在强调主峰值分量的方法中,电子设备可以应用香农熵信号处理。
图15示出睡眠模式的REM特征和测量多导睡眠图的结果。
图形1 1501示出了通过多导睡眠图测量的REM睡眠模式。图形2 1503使用与HR和HRV有关的信息来例示所估算的REM特征。在图形2 1503中,实线可指示由电子设备(例如,图1中的电子设备100)估算的REM特征,且虚线可指示指定阈值。电子设备可以设置指定阈值,并且可以估算其中估算的REM特征大于指定阈值的区段作为REM睡眠区段。
当将图形1 1501与图形2 1503进行比较时,可以看出,在基于多导睡眠图的REM睡眠区域和基于估算的REM特征的REM睡眠区域之间存在一定关系。因此,电子设备可以获得HR和/或HRV值,并且可以基于所获得的HR和/或HRV值来估算REM睡眠模式。
电子设备可以使用HR和/或HRV来对轻度睡眠和深度睡眠进行分类。在下文中,将描述轻度睡眠和深度睡眠的分类。
睡眠可以被分成具有瞳孔快速运动的非REM(NREM)睡眠和REM睡眠。可以根据深度将NREM睡眠分为三个睡眠阶段N1、N2和N3;通过组合N1和N2获得的睡眠可以被分类为轻度睡眠;N3可以被分类为深度睡眠或慢波睡眠。总之,睡眠期间自主神经***的变化具有在NREM睡眠中激活副交感神经的特征。
根据实施例,当估算睡眠阶段时,电子设备(例如,戴在手腕上的可穿戴设备)可以在区分轻度睡眠和深度睡眠的方法中使用HR、HRV和运动参数(或动作)中的至少一个。
图16示出了根据实施例的睡眠分类的示例。
根据实施例,电子设备(例如,图1的电子设备100)可以基于用于测量HR、HRV和/或活动水平(AL)的活动来区分轻度睡眠和深度睡眠。
当HRV足够低时,当HR接近局部最小值时和/或当动作少时,电子设备可以确定外部对象处于深度睡眠状态。
图形1601示出通过测量HR和HRV以及深度睡眠状态区域获得的值。
参考图形1601,当通过测量HR和HRV获得的值满足条件并且没有额外足够的动作时,电子设备可以确定外部对象处于深度睡眠状态。在图16中,电子设备可以确定外部对象在30和50分钟之间以及在140和150分钟之间处于深度睡眠状态。
图17示出了根据实施例的电子设备对睡眠阶段进行分类的方法。
根据实施例,电子设备(例如,图1的电子设备100)可以基于HR、HRV和动作参数(或动作信息)中的至少一个来对睡眠阶段分类。HRV的测量可以使用说明书中公开的方法。根据实施例的动作参数可以对应于动作信号。例如,动作参数可以是加速度和/或推导出的动作相关信息。
电子设备可以在操作1701中执行感测操作,并且可以在操作1703至操作1707中分析执行感测操作的结果,以对睡眠阶段进行分类。
在操作1701中,电子设备可以获得与外部对象相关联的信号。然后,电子设备可以处理与外部对象相关联的信号。例如,电子设备可以处理动作信号和生物信号。动作信号可以是加速度信号;生物信号可以是PPG信号。
在操作1703中,电子设备可以测量AL。电子设备可以基于加速度信号测量AL。
在操作1705中,电子设备可以获得REM特征。电子设备可以基于例如HR和HRV来计算REM特征。为此,电子设备可以执行低频带过滤和香农熵计算。
在操作1707中,电子设备可以对睡眠阶段进行分类。电子设备可以基于REM特征对睡眠阶段进行分类。电子设备可以确定睡眠/清醒状态,可以确定REM,并且可以对轻度睡眠和深度睡眠进行分类。
根据实施例,电子设备可以确定睡眠/清醒状态。电子设备可以将加速度的加权和与指定阈值进行比较。当加权和小于指定阈值时,电子设备可以确定睡眠状态。
根据实施例,电子设备可以确定当前状态是否是REM睡眠状态。当REM特征大于指定阈值时,电子设备可以确定当前状态是REM睡眠状态。
根据实施例,电子设备可以对轻度睡眠和深度睡眠进行分类。电子设备可以在确定REM睡眠之后对轻度睡眠和深度睡眠进行分类。这样,电子设备可以基于HR、HRV和/或AL对睡眠阶段进行分类。
图18示出了根据实施例的对睡眠的四个阶段进行分类的结果。
图形1 1801示出了在多导睡眠图中测量的参考睡眠阶跃图形;图形2 1803示出根据本公开中公开的实施例的基于HR、HRV和/或动作参数估算的睡眠模式测量结果。
参照图形1 1801和图形2 1803,可以看出,根据实施例,睡眠阶跃图形和睡眠模式测量结果之间存在重大的关系。
根据本说明书中公开的实施例,电子设备(例如,图1的电子设备100)可以包括检测电路(例如,图1的检测电路130)和可操作地连接到检测电路的处理器(例如,图1的处理器110)。处理器可以配置为:通过检测电路获得与外部对象相关联的第一信号;至少基于第一信号,使用具有第一频带的属性的第一滤波器(例如,图3的第一触发器330)获得第一心率(HR),并且使用具有第二频带的属性的第二滤波器(例如,图3的第二***340)获得第二HR;至少基于第一HR和第二HR,改变与第二滤波器相关联的至少一些属性;以及通过检测电路获得与外部对象相关联的第二信号,并且基于第二信号、使用其中至少一些属性已经被改变的第二滤波器生成心率波动(HRV)信息。
根据实施例,第二频带可以是比第一频带宽的频带。
根据实施例,第一滤波器和第二滤波器可以是带通滤波器。
根据实施例,检测电路可以包括HR传感器(例如,图1的传感器132)和用于与外部电子设备发送或接收信号的通信电路(例如,图1的传感器132)中的至少一个。
根据实施例,与第一滤波器相关联的至少一些属性可以具有固定值。
根据实施例,与第二滤波器相关联的至少一些属性的值可以小于与第一滤波器相关联的至少一些属性的值。
根据实施例,至少一些属性可以包括频带相关参数(β)和遗忘因子(平滑因子,δ)中的至少一个。
根据实施例,处理器可以配置为基于第一HR和第二HR获得相关性系数,并且基于相关性系数改变至少一些属性。
根据实施例,处理器可以配置为当相关性系数满足指定阈值时改变至少一些属性。
根据实施例,处理器可以配置为基于相关性分析来改变至少一些属性。
根据实施例,处理器可以配置为基于相位同步或方向性分析来改变至少一些属性。
此外,根据本说明书中公开的实施例,电子设备(例如,图1的电子设备100)可以包括检测电路(例如,图1的检测电路130)和可操作地连接到检测电路的处理器(例如,图1的处理器110)。处理器可配置成:通过检测电路获得与外部对象相关联的第一信号;至少基于第一信号,通过使用第一信号处理方案获得第一HR,并且通过使用第二信号处理方案获得第二HR;至少基于第一HR及第二HR,改变与第二信号处理方案相关联的至少一些属性;以及通过HR传感器获得与外部对象相关联的第二信号,并且基于第二信号使用至少一些属性已经改变的第二信号处理方案,生成心率波动(HRV)信息。
根据实施例,检测电路可以包括HR传感器(例如,图1的传感器132)和用于与外部电子设备发送或接收信号的通信电路(例如,图1的传感器132)中的至少一个。
根据实施例,至少一些属性可以包括频带相关参数和遗忘因子(平滑因子)中的至少一个。
根据实施例,处理器可以配置为基于第一HR和第二HR获得相关性系数,并且基于相关性系数改变至少一些属性。
根据实施例,与第二信号处理方案相关联的至少一些属性的值可以小于与第一信号处理方案相关联的至少一些属性的值。
此外,根据本说明书中公开的实施例,由电子设备执行的方法可以包括:获得与外部对象相关联的信号;使用第一信号处理方案,基于所述信号获得第一HR;使用第二信号处理方案,基于所述信号获得第二HR;以及至少基于第二HR生成HRV信息。
根据实施例,获得第二HR可以包括:基于第一HR和第二HR获得与第二信号处理方案相关联的至少一些属性值。
使用第二信号处理方案,基于至少一些属性值获得第二HR。
根据实施例,生成HRV信息可以包括:根据基于至少一些属性值获得的第二HR生成HRV信息。
根据实施例,可以基于第一HR自适应地改变与第二HR相关联的至少一些属性值。
图19是根据各种实施例的网络环境1900中的电子设备1901的框图。参照图19,电子设备100(例如,图1的电子设备100)可以通过第一网络1998(例如,短距离无线通信)与电子设备1902通信,或者可以通过网络环境1900中的第二网络1999(例如,长距离无线通信)与电子设备1904或服务器1908通信。根据实施例,电子设备1901可以通过服务器1908与电子设备1904通信。根据实施例,电子设备1901可以包括处理器1920、存储器1930、输入设备1950、声音输出设备1955、显示器设备1960、音频模块1970、传感器模块1976、接口1977、触觉模块1979、相机模块1980、电力管理模块1988、电池1989、通信模块1990、用户身份模块1996和天线模块1997。在一些实施例中,电子设备1901可以不包括上述组件中的至少一个(例如,显示器设备1960或相机模块1980),或者可以进一步包括另一个组件。在一些实施例中,例如,如在嵌入显示器设备1960(例如,显示器)中的传感器模块1976(例如,指纹传感器、虹膜传感器或照度传感器)中,一些组件可以被整体实现。
例如,处理器1920(例如,图1的处理器110)可以执行软件(例如,程序1940)以控制电子设备1901的连接到处理器1920的至少另一组件(例如,硬件或软件组件),并且可以处理和计算各种类型的数据。处理器1920可将从其它组件(例如,传感器模块1976或通信模块1990)接收的命令或数据加载到易失性存储器1932中,可处理命令或数据,且可将结果数据存储在非易失性存储器1934中。根据实施例,处理器1920可以包括主处理器1921(例如,中央处理单元或应用处理器)和辅助处理器1923(例如,图形处理单元、图像信号处理器、传感器集线器处理器或通信处理器),所述辅助处理器1923能够独立地操作并且其附加地或替代地使用比主处理器1921低的功率或专用于指定功能。这里,辅助处理器1923可以与主处理器1921分开操作或嵌入在主处理器1921中。
在这种情况下,辅助处理器1923可以在主处理器1921处于禁用(例如,睡眠)状态的情况下替代主处理器1921控制与电子设备1901的组件中的至少一个(例如,显示器设备1960、传感器模块1976或通信模块1990)相关联的功能或状态的至少一部分,或者在主处理器1921处于启用(例如,应用的执行)状态的情况下与主处理器1921一起控制与电子设备1901的组件中的至少一个。根据实施例,辅助处理器1923(例如,图像信号处理器或通信处理器)可以实现为可操作地与其它组件(例如,相机模块1980或通信模块1990)关联的一些组件。存储器1930可以存储由电子设备1901的至少一个组件(例如,处理器1920或传感器模块1976)使用的各种数据,例如,软件(例如,程序1940)以及用于与软件相关联的命令的输入数据或输出数据。存储器1930可以包括例如易失性存储器1932或非易失性存储器1934。
程序1940可以是存储在存储器1930(例如,图1的存储器120)中的软件,并且可以包括例如操作***1942、中间件1944或应用1946。
输入设备1950可以是用于从电子设备1901的外部(例如,用户)接收要用于电子设备1901的组件(例如,处理器1920)的命令或数据的设备,并且可以包括例如麦克风、鼠标或键盘。
声音输出设备1955可以是用于向电子设备1901的外部输出音频信号的设备;例如,声音输出设备1955可以包括用于例如多媒体回放或录音回放的通用目的的扬声器以及仅用于接收呼叫的接收器。根据实施例,接收机可以与扬声器分开实现,或者可以与扬声器集成在一起。
显示器设备1960可以是用于在视觉上向电子设备1901的用户提供信息的设备,并且可以包括例如显示器、全息图设备或投影仪、以及用于控制相应设备的控制电路。根据实施例,显示器设备1960可以包括用于测量触摸压力强度的触摸电路或压力传感器。
音频模块1970可以双向转换声音和电信号。根据实施例,音频模块1970可以通过输入设备1950获得声音,或者可以通过声音输出设备1955输出声音,或者通过与电子设备1901有线或无线连接的外部电子设备(例如,电子设备1902)(例如,扬声器或耳机)输出声音。
传感器模块1976(例如,图1的传感器132)可生成与电子设备1901的内部操作状态(例如,电力或温度)对应的或者与外部环境状态对应的电信号或数据值。例如、传感器模块1976可以包括姿势传感器、陀螺仪传感器、气压传感器、磁传感器、加速度传感器、握持传感器、接近传感器、颜色传感器、红外(IR)传感器、生物传感器、温度传感器、湿度传感器或照明传感器。
接口1977可以支持能够有线或无线地连接到外部电子设备(例如,电子设备1902)的指定协议。根据实施例,接口1977可包括高清晰度多媒体接口(HDMI)、通用串行总线(USB)接口、安全数字(SD)卡接口或音频接口。
连接端子1978可以包括能够将电子设备1901物理连接到外部电子设备(例如,电子设备1902)的连接器,例如,HDMI连接器、USB连接器、SD卡连接器或音频连接器(例如,耳机连接器)。
触觉模块1979可以将电信号转换为机械刺激(例如,振动或运动)或电刺激,用户可以通过触摸感觉或动作感觉来感知机械刺激或电刺激。触觉模块1979可以包括例如电机、压电元件或电刺激器。
相机模块1980可以拍摄静止图像或视频图像。根据实施例,相机模块1980可以包括一个或多个镜头、图像传感器、图像信号处理器或闪光灯。
电力管理模块1988可以是用于管理供应到电子设备1901的电力的模块,并且可以用作电力管理集成电路(PMIC)的至少一部分。
作为用于向电子设备1901的至少一个组件供电的设备的电池1989可以包括例如不可再充电的原电池、二次可再充电电池、或燃料电池。
通信模块1990(例如,图1的通信电路140)可以在电子设备1901和外部电子设备(例如,电子设备1902、电子设备1904或服务器1908)之间建立有线或无线通信信道,并且可以通过所建立的通信信道执行通信。通信模块1990可包括独立于处理器1920(例如,应用处理器)操作并支持有线通信或无线通信的至少一个通信处理器。根据实施例,通信模块1990可以包括无线通信模块1992(例如,蜂窝通信模块、短距离无线通信模块或全球导航卫星***(GNSS)通信模块)或有线通信模块1994(例如,局域网(LAN)通信模块或电力线通信模块)。通信模块1990可以使用无线通信模块1992和有线通信模块1994中的相应通信模块通过第一网络1998(例如,诸如蓝牙、Wi-Fi直连或红外数据关联(IrDA)的短距离通信网络)或第二网络1999(例如,诸如蜂窝网络、因特网或计算机网络(例如,LAN或WAN)的长距离通信网络)与外部电子设备通信。上述各种通信模块1990可以分别实现为一个芯片或单独的芯片。
根据实施例,无线通信模块1992可以使用存储在用户身份模块1996中的用户信息来区分和认证通信网络中的电子设备1901。
天线模块1997可以包括用于向外部发送或从外部接收信号或电力的一个或多个天线。根据实施例,通信模块1990(例如,无线通信模块1992)可以通过适于通信方法的天线向外部电子设备发送信号,或者可以从外部电子设备接收信号。
至少部分组件可以通过通信方案(例如,总线、通用输入和输出(GPIO)、串行***接口(SPI)或移动工业处理器接口(MIPI))在***设备之间彼此连接,并且可以彼此交换信号(例如,命令或数据)。
根据实施例,可以通过连接到第二网络1999的服务器1908在电子设备1901和外部电子设备1904之间发送或接收命令或数据。电子设备1902和1904中的每个可以是其类型与电子设备1901的类型不同或相同的设备。根据实施例,电子设备1901将执行的所有或部分操作可以由另一个外部电子设备或多个外部电子设备执行。根据实施例,当电子设备1901需要自动或者响应于请求执行任何功能或服务时,电子设备1901可以不在内部执行功能或服务,而是可选地或附加地,可以向外部电子设备请求与电子设备1901相关联的功能的至少一部分。接收请求的外部电子设备可以执行所请求的功能或附加功能,并且可以将执行结果发送到电子设备1901。电子设备1901可以按原样提供所请求的功能或服务,或者可以附加地通过处理所接收的结果来提供所请求的功能或服务。为此,例如,可以使用云计算、分布式计算或客户机-服务器计算技术。
根据本公开中公开的各种实施例,电子设备可以包括各种类型的设备。例如,电子设备可以包括便携式通信设备(例如,智能电话)、计算机设备、便携式多媒体设备、移动医疗设备、相机、可穿戴设备和家用设备中的至少一个。根据本公开的实施例的电子设备可以不限于上述电子设备。
本公开的各种实施例和本文所用的术语并非旨在将本公开中所描述的技术限于特定实施例,且应理解,实施例和术语包括本文所描述的相应实施例的修改、等效和/或替代。关于附图的描述,类似的部件可以用类似的附图标记来标记。除非另有说明,否则单数形式的术语可包括复数形式。在本文披露的公开内容中,本文使用的表述“A或B”、“A和/或B中的至少一个”、“A、B或C”或“A、B和/或C中的至少一个”等可以包括一个或多个相关列出的项目的任何和所有组合。诸如“第一”或“第二”等的表述可以表示它们的组件而不管它们的优先级或重要性,并且可以用于将一个组件与另一个组件区分开而不限于这些组件。当(例如,第一)元件被称为与另一(例如,第二)元件(可操作地或通信地)联接/联接到或连接到另一(例如,第二)元件时,其可直接与该另一个元件联接/联接或连接到该另一个元件,或者可存在中间元件(例如,第三元件)。
本文使用的术语“模块”可以包括用硬件、软件或固件实现的单元,并且可以与术语“逻辑”、“逻辑块”、“部分”、“电路”等互换使用。“模块”可以是集成部件的最小单元或其一部分,或者可以是用于执行一个或多个功能或其一部分的最小单元。例如,该模块可以用专用集成电路(ASIC)来实现。
本公开的各种实施例可以用包括存储在机器(例如计算机)可读的机器可读存储介质(例如,内部存储器1936或外部存储器1938)中的指令的软件(例如程序1940)来实现。机器可以是能够从存储介质调用所存储的指令并且能够根据所调用的指令进行操作的设备,并且可以包括根据所公开的实施例的电子设备(例如,电子设备1901)。指令在由处理器(例如,处理器1920)执行时可致使处理器在处理器的控制下直接或通过使用其它组件来执行对应于指令的功能。指令可以包括由编译器或解释器生成或执行的代码。机器可读存储介质可以以非暂时性存储介质的形式提供。这里,“非暂时性”仅意味着存储介质是有形设备并且不包括信号,并且“非暂时性”不区分数据被半永久地存储在存储介质中的情况和数据被临时存储的情况。
根据实施例,根据在此公开的各种实施例的方法可以提供成包括在计算机程序产品中。计算机程序产品可以作为产品在卖方和买方之间交易。计算机程序产品可以以机器可读存储介质(例如,光盘只读存储器(CD-ROM))的形式分布或通过应用商店(例如,PlayStoreTM)在线分布。在在线分布的情况下,计算机程序产品的至少一部分可以至少临时存储在存储介质中或者可以被临时生成,其中该存储介质例如为制造商的服务器、应用商店的服务器或中继服务器的存储器。
根据各种实施例的组件(例如,模块或程序)中的每个可包括单个实体或多个实体;上述相应的子部件中的一些可以被省略,或者任何其它子部件可以进一步包括在各种实施例中。可替换地或附加地,一些组件(例如,模块或程序)可以彼此组合以便形成一个实体,从而可以以与组合之前相同的方式来执行组件的功能。根据各种实施例,由模块、程序模块或其它组件执行的操作可以通过连续方法、并行方法、重复方法或试探方法来执行。或者,至少一些操作可以以另一顺序执行或者可以省略,或者可以添加任何其它操作。
Claims (11)
1.电子设备,包括:
检测电路;以及
处理器,可操作地连接到所述检测电路,
其中,所述处理器配置成:
通过所述检测电路获得与外部对象相关联的第一信号,
至少基于所述第一信号,使用具有第一频带的属性的第一滤波器识别第一心率,并且使用具有第二频带的属性的第二滤波器识别第二心率,
至少基于所述第一心率和所述第二心率,改变与所述第二滤波器相关联的至少一个属性;
通过所述检测电路获得与所述外部对象相关联的第二信号;
基于所述第二信号,使用具有已改变的所述至少一个属性的所述第二滤波器识别第三心率;以及
基于所述第三心率,生成心率波动信息,
其中,具有所述第一频带的属性的所述第一滤波器和具有所述第二频带的属性的所述第二滤波器是带通滤波器,并且所述第二频带是比所述第一频带宽的频带。
2.根据权利要求1所述的电子设备,其中,所述检测电路包括心率传感器和用于与外部电子设备发送或接收信号的通信电路中的至少一个。
3.根据权利要求1所述的电子设备,其中,与所述第一滤波器相关联的、与所述第二滤波器的所述至少一个属性对应的至少一个属性具有固定值。
4.根据权利要求1所述的电子设备,其中,与所述第二滤波器相关联的所述至少一个属性的值小于与所述第一滤波器相关联的所述至少一个属性的值。
5.根据权利要求1所述的电子设备,其中,所述至少一个属性包括频带相关参数和遗忘因子中的至少一个。
6. 根据权利要求1所述的电子设备,其中,所述处理器配置为:
基于所述第一心率和所述第二心率获得相关性系数;以及
基于所述相关性系数改变所述至少一个属性。
7.根据权利要求6所述的电子设备,其中,所述处理器配置为:
当所述相关性系数满足指定阈值时,改变所述至少一个属性。
8.根据权利要求1所述的电子设备,其中,所述处理器配置为:
基于相关性分析改变所述至少一个属性。
9.根据权利要求8所述的电子设备,其中,所述处理器配置为:
基于相位同步或方向性分析改变所述至少一个属性。
10.由电子设备执行的方法,所述方法包括:
获取与外部对象相关联的第一信号;
使用具有第一频带的属性的第一滤波器,基于所述第一信号识别第一心率;
使用具有第二频带的属性的第二滤波器,基于所述第一信号识别第二心率;
至少基于所述第一心率和所述第二心率,改变与所述第二滤波器相关联的至少一个属性;
获得与所述外部对象相关联的第二信号,并基于所述第二信号,使用具有已改变的所述至少一个属性的所述第二滤波器识别第三心率;以及
基于所述第三心率,生成心率波动信息,
其中,具有所述第一频带的属性的所述第一滤波器和具有所述第二频带的属性的所述第二滤波器是带通滤波器,并且所述第二频带是比所述第一频带宽的频带。
11.根据权利要求10所述的方法,其中,基于所述第一心率自适应地改变与所述第二心率相关联的所述至少一个属性。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180015272A KR102547612B1 (ko) | 2018-02-07 | 2018-02-07 | 복수의 필터를 이용하여 외부 객체와 관련된 심박변이도 정보를 생성하기 위한 방법 및 이를 위한 장치 |
KR10-2018-0015272 | 2018-02-07 | ||
PCT/KR2019/001386 WO2019156433A1 (ko) | 2018-02-07 | 2019-01-31 | 복수의 필터를 이용하여 외부 객체와 관련된 심박변이도 정보를 생성하기 위한 방법 및 이를 위한 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111698939A CN111698939A (zh) | 2020-09-22 |
CN111698939B true CN111698939B (zh) | 2024-04-09 |
Family
ID=67548322
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980012456.0A Active CN111698939B (zh) | 2018-02-07 | 2019-01-31 | 生成与外部对象相关联的心率波动信息的方法及其设备 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP3735893A4 (zh) |
KR (1) | KR102547612B1 (zh) |
CN (1) | CN111698939B (zh) |
WO (1) | WO2019156433A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102415955B1 (ko) * | 2020-02-24 | 2022-07-04 | 주식회사 에이티센스 | 신호 피크를 검출하는 생체 신호 측정 장치, 심전도의 신호 피크를 검출하는 방법, 및 상기 방법들을 실행하기 위한 컴퓨터 프로그램 |
KR20240009891A (ko) | 2022-07-14 | 2024-01-23 | 주식회사 메디컬에이아이 | 단기 측정된 심장 신호를 기반으로 장기 심박 변이도를생성하는 방법, 프로그램 및 장치 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103222283A (zh) * | 2010-11-19 | 2013-07-24 | Jacoti有限公司 | 具有听力支持的个人通信设备及其提供方法 |
CN106687027A (zh) * | 2014-08-25 | 2017-05-17 | 德尔格医疗***有限责任公司 | 除去信号中的噪声 |
CN107088060A (zh) * | 2016-02-17 | 2017-08-25 | 富士通株式会社 | 传感器信息处理设备 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100462182B1 (ko) | 2002-04-15 | 2004-12-16 | 삼성전자주식회사 | Ppg 기반의 심박 검출 장치 및 방법 |
US7186220B2 (en) * | 2003-07-02 | 2007-03-06 | Cardiac Pacemakers, Inc. | Implantable devices and methods using frequency-domain analysis of thoracic signal |
US8821418B2 (en) * | 2007-05-02 | 2014-09-02 | Earlysense Ltd. | Monitoring, predicting and treating clinical episodes |
KR20100065084A (ko) * | 2008-12-05 | 2010-06-15 | 한국전자통신연구원 | 움직임 잡음에 강인한 맥파 측정 장치 및 그 방법 |
WO2011080188A1 (en) * | 2009-12-28 | 2011-07-07 | Gambro Lundia Ab | Method and device for detecting a configuration of withdrawal and return devices |
US20140018635A1 (en) * | 2012-01-05 | 2014-01-16 | Scosche Industries, Inc. | Heart rate monitor |
EP2896359B1 (en) * | 2014-01-07 | 2016-12-14 | Samsung Electronics Co., Ltd | Method and system for measuring heart rate in electronic device using photoplethysmography |
KR101837835B1 (ko) * | 2016-06-02 | 2018-03-12 | 한양대학교 산학협력단 | 광용적맥파를 이용하는 호흡수 측정 및 관리 방법 |
-
2018
- 2018-02-07 KR KR1020180015272A patent/KR102547612B1/ko active IP Right Grant
-
2019
- 2019-01-31 CN CN201980012456.0A patent/CN111698939B/zh active Active
- 2019-01-31 WO PCT/KR2019/001386 patent/WO2019156433A1/ko unknown
- 2019-01-31 EP EP19751774.1A patent/EP3735893A4/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103222283A (zh) * | 2010-11-19 | 2013-07-24 | Jacoti有限公司 | 具有听力支持的个人通信设备及其提供方法 |
CN106687027A (zh) * | 2014-08-25 | 2017-05-17 | 德尔格医疗***有限责任公司 | 除去信号中的噪声 |
CN107088060A (zh) * | 2016-02-17 | 2017-08-25 | 富士通株式会社 | 传感器信息处理设备 |
Also Published As
Publication number | Publication date |
---|---|
KR20190095820A (ko) | 2019-08-16 |
EP3735893A1 (en) | 2020-11-11 |
US20210361179A1 (en) | 2021-11-25 |
WO2019156433A1 (ko) | 2019-08-15 |
EP3735893A4 (en) | 2021-01-20 |
CN111698939A (zh) | 2020-09-22 |
KR102547612B1 (ko) | 2023-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10706717B2 (en) | Electronic device and control method thereof | |
JP6516846B2 (ja) | 睡眠監視のデバイス及び方法 | |
JP5920364B2 (ja) | 情報処理装置、代表波形生成方法および代表波形生成プログラム | |
US10506975B2 (en) | Bio-signal processing apparatus and biometric information detection apparatus and method | |
KR20190050725A (ko) | 모바일 단말을 이용한 맥파 신호 및 스트레스 측정 방법 및 장치 | |
US20180008191A1 (en) | Pain management wearable device | |
KR102036987B1 (ko) | 생체 및 움직임 정보를 이용한 수면 상태 감지 방법 및 장치 | |
KR20190021113A (ko) | 전자 장치 및 그의 스트레스 측정 방법 | |
CN104027109A (zh) | 心房颤动解析装置以及程序 | |
CN113613553B (zh) | 测量血压的电子设备和测量血压的方法 | |
CN111698939B (zh) | 生成与外部对象相关联的心率波动信息的方法及其设备 | |
US20210090740A1 (en) | State estimation apparatus, state estimation method, and non-transitory recording medium | |
JP2016202603A (ja) | 生体情報処理システム、プログラム、生体情報処理システムの制御方法 | |
JP6702559B2 (ja) | 電子機器、方法及びプログラム | |
CN109106383A (zh) | 情绪感测***及方法 | |
CN113365550A (zh) | 用于基于rem睡眠阶段计算恢复指数的方法及其电子设备 | |
US12016665B2 (en) | Method for generating heart rate variability information related to external object by using plurality of filters, and device therefor | |
EP4166070A1 (en) | Method of evaluating quality of bio-signal and apparatus for estimating bio-information | |
EP4059418A1 (en) | Apparatus and method for estimating bio-information | |
JP7327417B2 (ja) | 状態推定装置、状態推定方法、及びプログラム | |
US20230139441A1 (en) | Method of extracting representative waveform of bio-signal and apparatus for estimating bio-information | |
JP2022130174A (ja) | 居眠り検知装置、検知方法、及びコンピュータプログラム | |
CN116721757A (zh) | 基于血流动力学及弦脉分析且与肝火旺盛/心火旺盛相关的特定生理综合症侦测方法及*** | |
CN116018088A (zh) | 生物体信息运算*** | |
KR20230138373A (ko) | 혈관 경직도를 측정하기 위한 전자 장치, 방법 및 저장 매체 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |