CN1977767A - 提高呼吸波识别率的方法 - Google Patents

Abstract

一种提高呼吸波识别率的方法，用于呼吸率测量或监护设备的数据处理模块，尤其是，包括步骤：该数据处理模块接收包括来自测量电路并经模数转换的呼吸波数据；依据所述呼吸波数据中同一波峰或波谷信号具备上升阶数和下降阶数的特点，由所述数据处理模块按预定阶数来顺序搜索，找出各波峰和波谷对应的数据；确定相应呼吸波中的各波峰和波谷。采用本发明，可以有效地消除干扰，提高呼吸波形的识别率，从而使呼吸率的计算有较高准确性和稳定性，测量设备更具有临床实用性。

Description

提高呼吸波识别率的方法

技术领域  本发明涉及医疗诊断用的测量或监护设备，尤其涉及呼吸率测量或监护设备中呼吸波采集数据的处理方法。

背景技术  现有技术中，呼吸波信号是通过呼吸测量装置采用一种基于阻抗法的测量方法来获得。该方法是在体表心电信号监测中借助贴在体表特定位置的AgCl电极，来将高频载波信号施加给人体胸腔；因为容积不变的人体胸腔对高频载波具有一个恒定的基阻抗，当呼吸引致该胸腔容积变化时，胸腔阻抗会有微小变化，因此呼吸变化可以通过这个微小变化来反映，并进一步被调制在所述高频载波信号上。该被人体呼吸调制过的高频载波信号可以通过心电导联线被送入呼吸放大电路进行载波放大、载波检波解调和呼吸波放大，最后得到伏特级的呼吸信号，再经A/D(模/数)转换得到数字呼吸波信号，用来进行呼吸波特征识别和呼吸率计算。

一般情况下，人的呼吸节律是相对稳定的，成人的正常呼吸率是10-30BPM(Beats PerMinute)，婴儿的是30-70BPM，所以如果考虑到异常情况，一般要求呼吸检测电路的检测范围为8-120BPM，个别可高达150BPM。该呼吸率范围对应的呼吸波频率约为0.125-2.5Hz。因人体个体差异较大，一般人的胸部基阻大约为200-5000欧姆，而呼吸作用引起的胸部阻抗变化约为0.3-3欧姆，这样由该变阻所产生的原始呼吸信号大小在数十微伏的数量级上(例如0.05-0.5mV之间)。

用所述阻抗法测量呼吸信号的测量过程容易遭受干扰。它主要来自于能产生人体胸部阻抗变化的肢体运动和心脏射血活动。在呼吸测量过程中，人的肢体运动是不可避免的，特别是对婴儿进行测量时。由该肢体运动导致的胸腹阻抗变化有时足以湮没由人体呼吸所引起的微小阻抗变化，从而此时的呼吸信号将不能被检测和识别。同样，心脏射血活动导致的胸部阻抗变化也可能对呼吸信号产生影响，该影响因人个体差异而程度不同。研究发现有一部分被测量对象的心跳活动对呼吸信号将产生较大干扰，以至出现心动伪信号CVA(Cardiovascular Artifact)；这种干扰一般导致的后果是，测量装置将把心动信号误识别为呼吸信号，从而计算出偏高的呼吸率。

呼吸率计算和窒息报警是呼吸测量的两个主要任务，准确的呼吸率和准确的窒息报警有赖于对呼吸波的高识别率。一般依靠低通或带通滤波器来滤波，采用一种基于基线(即，一段时间内的幅度均值)的阈值或变化的阈值的识别方法来进行波形识别，通过比较呼吸波和其基线的相对位置来确定某一段时间内是否存在呼吸波，并采用一种平均的方法来计算呼吸率。

上述现有技术使用的方法具有识别过程较直观的优点，其不足之处在于，在出现肢体运动干扰并引起基线漂移的时候，使用该方法可能出现呼吸波的漏识别；在呼吸强弱不稳定时可能产生错误的窒息报警；特别是在有CVA干扰时将可能出现错误的波形识别。总之，这种方法对各种干扰的抵抗能力不强，对信号变化的反应不够灵敏，并最终表现为呼吸率测量的不准确性和不稳定性。

发明内容  本发明要解决的技术问题是针对上述现有技术的不足而提出一种改进方法，用于呼吸率测量或监护设备，提高呼吸波识别率，便于设备准确计算呼吸率，和进行准确的窒息报警。

为解决上述技术问题，本发明的基本构思为，因为呼吸波是基于呼吸引发的胸部阻抗变化而产生的测试信号，它的特点是具有周期性的波峰和波谷，若能正确识别这些波峰和波谷，就可以确保正确的波形识别和准确的呼吸率计算，因此，本发明依据所制定模型中同一波峰或波谷信号的上升或下降具有一定阶数的特点，来设定预定阶数对采集数据进行波峰和波谷识别。此外，还可以进一步以自适应阈值的方法来对所识别出来的峰和谷作真伪判断。

作为实现本发明构思的技术方案是，提供一种提高呼吸波识别率的方法，用于呼吸率测量或监护设备的数据处理模块，包括步骤：

A.由数据处理模块接收包括来自测量电路并经模数转换的呼吸波数据；

C.确定相应呼吸波中的各波峰和波谷；

尤其是，还包括步骤：

B.依据所述呼吸波数据中同一波峰或波谷信号具备上升阶数和下降阶数的特点，由所述数据处理模块按预定阶数顺序搜索，找出各波峰和波谷对应的数据。

从而，该方法可以用预定阶数来消除较小幅度的干扰峰和干扰谷。

上述方案中，所述步骤B的搜索过程包括步骤：

a.将所述呼吸波数据与该数据的在先接收数据进行比较，以确定相应波形在上升或下降；

b.所述上升或下降达到预定程度时，记录搜索数据中该上升或下降出现最大值或最小值的位置；

c.判断当前数据在波形中对应的整体趋势为下降或上升，来确定是否要追认所述记录的极值位置为前一波峰或波谷；

d.取下一呼吸波数据重复步骤a直至搜索结束。

上述方案中，所述步骤C包括：根据当前搜索到的各波峰、波谷对应的数据，来判断波形幅度或频率变化是否超出预定范围；当超出预定范围时，在步骤A中启动心动滤波处理。

上述方案中，所述心动滤波采用FIR滤波器 $y\left(n\right)=\frac{1}{L}\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}x(n-k)$ 来实现，其中x(n)为测量到的呼吸波数据，y(n)为该数据心动滤波后的结果，L大致为一个心动周期内呼吸的采样点数。

上述方案中，所述步骤C还包括：根据当前搜索到的各波峰、波谷对应的数据，来判断波形幅度或周期变化是否在预定要求范围内；若预定时间内所述幅度的波动较小且所述周期满足预定要求，则在步骤A或步骤A之前增大对接收数据的放大系数；若信号处于放大状态且在预定时间内出现截止状态，则减小所述放大系数。

上述方案中，所述步骤C还包括自适应阈值方法判断所述各波峰和波谷真伪的过程，包括步骤：

①通过灵敏度设置来得到一系列的阈值参数，包括呼吸波峰、谷真伪判断参数；

②通过所述阈值参数来把所述步骤B识别到的各呼吸波峰或谷划分为各种类型；

③确定选择真正波峰和波谷。

上述方案中，所述呼吸波峰或谷的类型包括真峰、真谷、伪峰或伪谷。

采用上述各技术方案，可以在干扰状态下有效地消除包括CVA在内的干扰，从而提高呼吸波形的识别率，方便于计算出有效的呼吸率，并确保该计算值有较高的准确性和稳定性，能尽量减少错误报警。同时，依本发明方法获取波峰谷具有直接性，在有干扰的情况下也能有较快的数据响应速度，从而测量设备更具有临床实用性。

附图说明  图1是现有测量或监护设备中用于呼吸波信号测量的硬件框图

图2是本发明方法完整处理流程示意图

图3是本发明建立的波峰模型图

图4是本发明建立的波谷模型图

图5是本发明方法包括的心动滤除处理流程图

图6是本发明波峰谷识别具体流程图

图7是本发明方法包括的自动增益处理流程图

图8是本发明方法包括的峰谷自适应阈值判断流程图

图9是CVA情况下现有技术和本发明方法峰谷识别对比图

具体实施方式  下面，结合附图所示之最佳实施例进一步阐述本发明。

用于呼吸波信号测量的测量或监护设备可以如(但不限于)图1所示，包括上位机和下位机，下位机包括恒流源驱动电路、前级载波信号放大电路、二极管检波电路、低通滤波电路、基于数字反馈的自动偏置电压调节电路、呼吸波带通滤波放大电路、模数转换及单片机***等几个部分，共同构成一个模块化的呼吸波形监测***。其中单片机***配合软件负责对测量过程的状态进行监控、对载波解调后的直流电平数据进行采集、对偏置电压进行调节和反馈调节、并监控偏置调节效果，以及对呼吸波信号进行采集，并完成错误信息处理、与上位机控制***的通讯等功能。其它几部分电路主要完成高频载波恒流源信号的输出、呼吸载波信号的摄取、解调、放大及模数转换等功能。该下位机中，采用恒流源式载波信号驱动源和具有数字反馈式偏置调节功能的放大电路，可以使载波信号对不同基阻抗具有较强适应能力，并加强电路在呼吸波饱和后的快速恢复能力，以及放大电路具有结构简单的优点。该装置已在本公司申请号为200410015387.4的专利申请(基于阻抗变化原理的人体呼吸波监控方法和装置)中得到披露，不再详述。

针对所述单片机运算能力差的缺点，本实施例设置上位机，它接收来自下位机或经其它监护设备暂存的呼吸波采集数据，并由数据处理模块进行处理，利用本发明方法来克服现有技术识别率低的缺点，从而弥补和改善呼吸率计算结果，使设备更具有临床实用性。该方法包括步骤：

A.由数据处理模块接收所述呼吸波数据；

B.依据所述呼吸波数据中同一波峰或波谷信号具备上升阶数和下降阶数的特点，该数

据处理模块按预定阶数顺序搜索，找出各波峰和波谷对应的数据；

C.确定相应呼吸波中的各波峰和波谷。

其中步骤B的依据可以参考本发明制定的波峰、波谷模型，如图3和图4所示，每条横虚线各代表一阶，表示采集数据中的相邻若干(个数不限)同值数据；每条竖虚线表示相邻两个阶，即相邻两个不等数据之间的幅度差值，该差值大小不限；则在相同上升阶和下降阶的情况下，该模型所代表的波峰或波谷是可高可低，同时也可宽可窄。若再考虑上升阶和下降阶不等的情况，则该模型可以适用于任何波峰或波谷。对叠加有干扰信号的呼吸波信号而言，对应该步骤的数据搜索过程可以包括步骤：

a.将所述呼吸波数据与该数据的在先接收数据进行比较，以确定相应波形在上升或下降；当该数据比在先数据大时，说明波形处于局部上升，反之为局部下降；

b.所述上升或下降达到预定程度时，记录搜索数据中该上升或下降出现最大值或最小值的位置；

c.判断当前数据在波形中对应的整体趋势为下降或上升，来确定是否要追认所述记录的极值位置为前一波峰或波谷；

d.取下一呼吸波数据重复步骤a直至搜索结束。

在本发明实施例中，设置了若干计数参数来进行所述波形上升、下降整体趋势的判断，为直观起见，所述参数包括上升计数、最大上升计数、下降计数和最大下降计数。步骤B中可以先将它们初始化为0。在步骤a中，若当前数据大于前一数据时，所述上升计数若小于所述预定阶数的2倍则该将计数加1，所述下降计数若大于0则将该计数减1，最大上升计数若小于上升计数，则置为该上升计数的值；若当前数据小于前一数据时，所述下降计数若小于所述预定阶数的2倍则该将计数加1，所述上升计数若大于0则将该计数减1，最大下降计数若小于下降计数，则置为该下降计数值；从而，步骤c中所述整体趋势的判断条件可以设置为：所述上升计数和下降计数的值均等于所述预定阶数(若此时最大上升计数值为预定阶数的2倍，表明为下降趋势，则追认所述记录的极值位置为前一波峰并置该最大上升计数值为0；若最大下降计数值为预定阶数的2倍，表明为上升趋势，则追认所述记录的极值位置为前一波谷，并置该最大下降计数值为0)，否则，该数据对应的位置处于波形的原上升或下降趋势中。

步骤b中，若当前数据大于前一数据，即上升时，所述预定程度设置为：所述上升计数和最大上升计数等于所述预定阶数的2倍，此时所述下降计数和最大下降计数为0；若当前数据小于前一数据，即下降时，所述预定程度设置为：所述下降计数和最大下降计数等于所述预定阶数的2倍，此时所述上升计数和最大上升计数为0。

其中，最大上升计数和最大下降计数随波形变化而被置为0的时机并不由上述实施例所唯一限定。

本实施例的具体实现可以通过一个入口函数和一个数据结构来完成，可以用C语言定义数据结构如下：

typedef struct               //支持波峰，波谷检测所有的信息

{

INT UpCnt；                  //上升计数

INT DownCnt；                //下降计数

INT UpCntMax；               //最大上升计数

INT DownCntMax；             //最大下降计数

INT predata；                //前一数据

INT amp；                    //波峰或波谷幅度

INT pos；                    //当前位置和波峰或波谷的偏差

}FindPeakValleyType，^*PFindPeakValleyType；

定义入口函数如下：

INT PeakValleyDetect(INT data，         //当前数据

FindPeakValleyType^*pFindPV，           //数据状态数据结构

INT&Amplitude，                        //返回幅度

INT&Position，                        //返回位置偏差

INT Criterion)                        //预定阶数

该函数的返回值可以定义为：1，表示波峰；-1，表示波谷；0：既不是峰也不是谷。

这样，如流程图6所示，一段数据搜索中的最后一个UpCnt＝2*Criterion、DownCnt＝0、UpCntMax＝2*Criterion和DownCntMax＝0所对应的数据，将被记录为所述上升趋势的最大值，并被设置pos＝0，当继续搜索至UpCnt＝Criterion、DownCnt＝Criterion和UpCntMax＝2*Criterion时，可以确认前一记录值为波峰，所得到的pos反映了此时位置与该波峰之间的位置偏差，并以Position参数返回，而Amplitude返回的是该波峰的幅度。波谷的搜索过程同理类推，就不再赘述。这种识别方式可以带来明显的好处：波峰和波谷的获得具有直接性，可以识别任意形状的波甚至截止的方波；而且计算量很小。

上述实施例中，用来进行所述波形上升、下降整体趋势判断的计数参数还可以按其它方式设置多个，从而相应调整所述预定程度、波形下降趋势或上升趋势的判断标准；但只要这些方式也利用阶数来模拟波峰和波谷变化、用预定阶数来消除叠加干扰信号对波峰和波谷判断的影响，均落入本发明范围。

因为大量临床数据显示，20％左右人的呼吸信号中存在心动干扰，该干扰最终表现为一个0.5～4Hz范围内的低频信号，叠加在呼吸信号之中。如果该干扰很强，必将导致所述识别出来的峰、谷存在伪峰或伪谷；特别在呼吸信号较弱的情况下，该干扰将不利于测量电路的增益调节。如图5所示，本发明方法步骤C中还包括判断步骤：根据当前搜索到的各波峰、波谷对应的数据，来判断波形幅度或频率变化是否超出预定范围。当超出预定范围时，将在步骤A中启动心动滤波。所述心动滤波可以采用FIR(Finite Impulse Response)滤波器来实现。

一般情况下人的心跳速度大于呼吸率，心动干扰可被视一个周期信号，该周期对于不同的人或同一人的不同时刻可以不同。我们可以采用一个积分函数

$y\left(t\right)=\frac{1}{T_c}{\∫}_{t-T_c}^{t}x\left(u\right)\mathrm{du}$

其中x(t)是周期为T的心动干扰信号，让T_c→T，则y(t)→C(常数)，从而达到从呼吸信号中消除心动干扰信号的目的。该积分过程可以用一个FIR滤波器

$y\left(n\right)=\frac{1}{L}\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}x(n-k)$

来实现。其中x(n)为测量到的呼吸波数据，y(n)为该数据心动滤波后的结果，当L→心动周期内呼吸的采样点数，上述向心动周期渐变的过程可以滤除心率不断变化的心动干扰。

该滤波函数将对呼吸信号产生一定的衰减，因此还需要对滤波后的接收数据进行增益补偿。因为衰减系数可以通过仿真试验事先得到，例如在心率为70BPM、呼吸率为30BPM时该衰减约为-2.79dB。我们可以预先制定一个衰减系数表，根据查表法来得到相应参数条件下的衰减系数，从而设定相应的增益补偿系数来对呼吸信号进行补偿。

当步骤C中上述判断得知波形幅度或频率变化未超出预定范围时，表明不存在较强的心动干扰；这时，如图2所示，若适当对测量信号进行软件放大将有利于对信号的识别。基于临床上出现呼吸时弱时强的情况较为常见，而一般情况下针对较弱的呼吸需要人为地调大信号的增益，为避免呼吸测量过程中要不断地人工更改相关设置，临床上很有必要引入增益自动调节功能。该调节与高灵敏度识别不同的是，它不会单独放大一群大呼吸信号中的个别小干扰信号，从而该干扰信号不会被识别为呼吸信号。

如图7所示，本发明方法还包括的自动增益调节过程是：根据初步波形识别得到的一系列幅度和周期来判断是否要增大或减小信号的放大系数。所述初步波形识别可以通过设置一个较小的预定阶数来进行波峰、谷识别，以尽量把较小的信号都识别到。若预定时间内所述幅度的波动较小且所述周期满足预定要求，说明呼吸信号较弱，可以在步骤A中增大对接收数据的放大系数；反之，信号处于放大状态时若预定时间内出现截止状态，则减小所述放大系数。所述对接收数据的放大除了在步骤A中以软件方式进行外，还可以通过上位机控制下位机来实现，从而所述数据处理模块直接接收到以预定放大系数放大的采集数据。该自动增益调节还可以有利于本发明对所述识别的呼吸波峰、谷进一步用自适应阈值法来判断真伪(但不限为该判断的必要条件)。

所述自适应阈值法不同于现有基于基线的阈值法，它将包括三个方面的内容：振幅、时间和面积。根据真伪判断的条件形式，可以将阈值区分为绝对阈值和相对阈值：前者的含义为当前参数必须满足在某一预定数值范围；后者的为当前参数必须满足某一相对的变化范围，所述相对的变化范围是指相对于在先一段时间内呼吸波的一特征参数的最佳估计。本发明自适应方法的特点是，当前的合理呼吸波将参与下一呼吸波的相对阈值计算。

对一呼吸波的真伪判断条件可分为必要条件和半充分条件。前者可设定为：幅度必须达到一预定阈值并且呼吸周期满足在一个范围(例如0.4-6秒)之内。后者主要包括从所述振幅、时间和面积三方面出发的两种阈值，例如，对于成人，如果在满足必要条件的情况下，若一个呼吸波的周期在1.5秒到6秒之间(一个半充分条件，绝对阈值)，或一个呼吸波的振幅为该呼吸波之前的10秒钟内平均振幅的60％以上(另外一个半充分条件，相对阈值)，我们可以认为这是一个真正的呼吸波。

如图8所示，本发明包括的自适应阈值峰谷判断过程包括：先通过灵敏度设置来得到一系列的阈值参数，这些参数包括步骤B中的所述峰、谷识别参数(计数参数、预定阶数、预定程度等)和步骤C中的呼吸波真伪判断参数；再在步骤B中进行峰、谷识别；最后在步骤C中通过所述阈值参数来把识别到的呼吸波峰或谷划分为各种类型；选择真正波峰和波谷以便于进行实时呼吸率计算。

所述呼吸波峰或谷的划分类型可以用如下枚举类型来示例：

typedef enum

{

PEAK＝5，                //真正波峰

VALLEY＝-5，            //真正波谷

FAKE_PEAK＝3，          //一个伪峰

FAKE_VALLEY＝-3，       //一个伪谷

PRE_PEAK_FAKE＝6，      //真峰，且前一个真峰强行置为伪峰

PRE_VALLEY_FAKE＝-6，   //真谷，且前一个真谷强行置为伪谷

PEAK_FAKE_VALLEY＝4，   //真峰，且纠正前一个伪谷为真谷

VALLEY_FAKE_PEAK＝-4，  //真谷，且纠正前一个伪峰为真峰

NOTHING＝0       //既不是峰也不是谷

}PVTYPE；

其中，被判断划分为真峰(或谷)的条件是：满足必要条件和任一半充分条件；

被判断划分为伪峰(或谷)的条件是：不满足必要条件或不满足任一半充分条件；

对误识别的纠正条件是：若先识别到一真峰(谷)，然后在未识别到波谷(峰)的条件下又识别到另一波峰(谷)，若该波峰(谷)比前一波峰(谷)高(低)，则将该波峰(谷)置为真峰(谷)，而前一波峰(谷)置为假峰(谷)。这对应着一般有干扰存在的实际情况，这时连续识别到两个波峰或波谷是时而存在的，往往其中一个是小的干扰峰或干扰谷。

对漏识别的补充条件是：若在先识别的是一个伪峰(谷)，设该识别是因时间(半个呼吸周期)未能满足绝对条件的结果，此时又识别到一波谷(峰)，若该波谷(峰)和在先伪峰(谷)对应的时间之和正好与当前的呼吸周期相当，可以认为是因为严重的基线漂移造成了漏识别，从而将所述在先伪峰(谷)补充识别为真峰(谷)。

这样，通过对峰谷类型的划分能有效地提高对呼吸波的识别率和识别的正确率。

经过试验室实验证明，在呼吸信号较为理想的情况下，采用本发明如图2的新识别方法和采用常规识别方法的结果基本一致；在干扰存在情况下，如图9(有CVA情况下)的测试对比来看，本发明方法极大程度上消除了干扰带来的误识别，具有较高的识别率和稳定性，从而呼吸率的计算结果将更为可靠。

Claims (12)

1.一种提高呼吸波识别率的方法，用于呼吸率测量或监护设备的数据处理模块，包括步骤：

A.由数据处理模块接收包括来自测量电路并经模数转换的呼吸波数据；

C.确定相应呼吸波中的各波峰和波谷；

其特征在于，还包括步骤：

B.依据所述呼吸波数据中同一波峰或波谷信号具备上升阶数和下降阶数的特点，由所述数据处理模块按预定阶数顺序搜索，找出各波峰和波谷对应的数据。

2.根据权利要求1所述提高呼吸波识别率的方法，其特征在于，所述步骤B的搜索过程包括步骤：

a.将所述呼吸波数据与该数据的在先接收数据进行比较，以确定相应波形在上升或下降；

b.所述上升或下降达到预定程度时，记录搜索数据中该上升或下降出现最大值或最小值的位置；

c.判断当前数据在波形中对应的整体趋势为下降或上升，来确定是否要追认所述记录的极值位置为前一波峰或波谷；

d.取下一呼吸波数据重复步骤a直至搜索结束。

3.根据权利要求1或2所述提高呼吸波识别率的方法，其特征在于：

所述步骤B设置有进行波形上升、下降趋势判断的计数参数：上升计数、最大上升计数、下降计数和最大下降计数；

所述步骤B中先将它们初始化为0，在步骤a中，若当前数据大于前一数据时，所述上升计数若小于所述预定阶数的2倍则该将计数加1，所述下降计数若大于0则将该计数减1，最大上升计数若小于上升计数，则置为该上升计数值；若当前数据小于前一数据时，所述下降计数若小于所述预定阶数的2倍则该将计数加1，所述上升计数若大于0则将该计数减1，最大下降计数若小于下降计数，则置为该下降计数值；从而步骤c中，当所述上升计数和下降计数的值均等于所述预定阶数时，所述记录的极值位置在所述最大上升计数值为所述预定阶数的2倍时为前一波峰，并置该最大上升计数值为0，在所述最大下降计数值为所述预定阶数的2倍时为前一波谷，并置该最大下降计数值为0；

步骤b中，若当前数据大于前一数据，即上升时，所述预定程度设置为：所述上升计数和最大上升计数等于所述预定阶数的2倍，；若当前数据小于前一数据，即下降时，所述预定程度设置为：所述下降计数和最大下降计数等于所述预定阶数的2倍。

4.根据权利要求1所述提高呼吸波识别率的方法，其特征在于，

所述步骤C包括：根据当前搜索到的各波峰、波谷对应的数据，来判断波形幅度或频率变化是否超出预定范围；当超出预定范围时，在步骤A中启动心动滤波处理。

5.根据权利要求4所述提高呼吸波识别率的方法，其特征在于，

所述心动滤波采用FIR滤波器 $y\left(n\right)=\frac{1}{L}\underset{k=0}{\overset{L-1}{\mathrm{\Σ}}}x(n-k)$ 来实现，其中x(n)为测量到的呼吸

波数据，y(n)为该数据心动滤波后的结果，L大致为一个心动周期内呼吸的采样点数。

6.根据权利要求4或5所述提高呼吸波识别率的方法，其特征在于，

所述步骤A还包括增益补偿处理，对所述心动滤波处理后的数据进行增益补偿。

7.根据权利要求6所述提高呼吸波识别率的方法，其特征在于：

所述增益补偿是根据预先制定的衰减系数表来查表得到相应的增益补偿系数。

8.根据权利要求1所述提高呼吸波识别率的方法，其特征在于，

所述步骤C还包括：根据当前搜索到的各波峰、波谷对应的数据，来判断波形幅度或周期变化是否在预定要求范围内；若预定时间内所述幅度的波动较小且所述周期满足预定要求，则在步骤A或步骤A之前增大对接收数据的放大系数；若信号处于放大状态且在预定时间内出现截止状态，则减小所述放大系数。

9.根据权利要求1、4或8所述提高呼吸波识别率的方法，其特征在于，所述步骤C还包括自适应阈值方法判断所述各波峰和波谷真伪的过程，包括步骤：

①通过灵敏度设置来得到一系列的阈值参数，包括呼吸波峰、谷真伪判断参数；

②通过所述阈值参数来把所述步骤B识别到的各呼吸波峰或谷划分为各种类型；

③确定选择真正波峰和波谷。

10.根据权利要求9所述提高呼吸波识别率的方法，其特征在于：

所述呼吸波峰或谷的类型包括真峰、真谷、伪峰或伪谷；其中，被判断划分为前二者的条件是：满足必要条件和一半充分条件；被判断划分为后二者条件是：不满足必要条件或不满足任一半充分条件。

11.根据权利要求10所述提高呼吸波识别率的方法，其特征在于：

 所述必要条件包括：该波峰或波谷的幅度必须达到一预定阈值并且呼吸周期满足在一预定范围之内；

所述半充分条件包括从幅度、时间和面积三方面出发的两种预定阈值。

12.根据权利要求9或10所述提高呼吸波识别率的方法，其特征在于：

所述呼吸波峰或谷类型的真伪之间是可转换的：包括将误识别而来的真峰或真谷还原置为假峰或假谷；或将漏识别的真峰或真谷由原识别认为的伪峰或伪谷还原回来。

Images