【技术实现步骤摘要】
本专利技术涉及运动状态的心率测量，尤其涉及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。
技术介绍
随着电子技术微型化的发展以及人们对于健康的重视，使用光电容积脉搏波信号进行心率测量的方法引起了学术界和工业界的高度关注。光电容积脉搏波信号是借助一种无创检测方法从皮肤表面提取的生物信号，它的信号强度弱、易受噪声干扰。在运动状态下，存在由于组织干扰、静脉血容量以及光程变化产生的运动噪声干扰，并且运动噪声的频率在很多情况下会与心率的频率十分接近，因此使得心率测量变得较为困难。针对光电容积脉搏波信号中运动噪声干扰的消除，研究人员已进行了相关研究并取得了一些研究成果。例如，专利技术专利“一种适用于可穿戴式心率监测设备的运动和噪声干扰消除方法”中将归一化最小均方差(NLMS)自适应滤波器和Mallat算法融合，用于消除运动部分噪声干扰，其中自适应滤波器的运动参考信号选用由三轴加速度计及陀螺仪组成的六轴加速度信号；专利技术专利“基于光电容积描记和谱分析的运动状态心率监测方法”中首先对源信号进行零相位基线滤波，再用滑动窗方法分割处理后的信号并使用短时傅立叶变换得到频谱，然后利用谱峰追踪方法找到代表心率数据的谱峰，最后用循环移动平均滤波器对心率数据进行处理，得出最终心率结果；张坤等人在“运用小波模极大值滤波算法消除光电容积脉搏波中的运动干扰”中先利用朗伯-比尔定理和指尖半球形模型分析运动干扰和正常信号之间的关系，然后引入小波模极大值重构滤波算法去除信号中的运动干扰。然而上述算法主要针对缓和或者不剧烈的运动，比如手移动、走路、慢跑(速度低于8km/h)。针对剧烈运动的...
【技术保护点】
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，包括信号采集、频谱矩阵分解模型和谱峰跟踪方法三个部分，其特征在于：所述脉搏血氧仪和所述三轴加速计采集多个光电容积脉搏波信号及运动加速度信号；利用所述多个光电容积脉搏波信号和所述运动加速度信号构成频谱矩阵；然后，依据上述频谱矩阵的结构特征构建频谱矩阵分解模型，并求解所述频谱矩阵分解模型的最优解；最后，利用所述谱峰跟踪方法准确定位心率频率点位置；该方法包括如下步骤：所述脉搏血氧仪和所述三轴加速计在用户手腕处采集同一时间段内的多个光电容积脉搏波信号及运动加速度信号；对上述多个光电容积脉搏波信号和运动加速度信号进行预处理；同时，利用所述多个光电容积脉搏波信号和所述运动加速度信号构成频谱矩阵；依据上述频谱矩阵的整体稀疏和行稀疏的结构特征建立所述频谱矩阵分解模型，并通过近端梯度加速优化算法求解所述频谱矩阵分解模型的最优解；所述谱峰跟踪方法的各个子阶段对上述去噪后的多个光电容积脉搏波信号频谱进行处理，定位用户的心率频率点位置。
【技术特征摘要】
1.一种去除光电容积脉搏波信号中运动噪声的心率测量方法，包括信号采集、频谱矩阵分解模型和谱峰跟踪方法三个部分，其特征在于：所述脉搏血氧仪和所述三轴加速计采集多个光电容积脉搏波信号及运动加速度信号；利用所述多个光电容积脉搏波信号和所述运动加速度信号构成频谱矩阵；然后，依据上述频谱矩阵的结构特征构建频谱矩阵分解模型，并求解所述频谱矩阵分解模型的最优解；最后，利用所述谱峰跟踪方法准确定位心率频率点位置；该方法包括如下步骤：所述脉搏血氧仪和所述三轴加速计在用户手腕处采集同一时间段内的多个光电容积脉搏波信号及运动加速度信号；对上述多个光电容积脉搏波信号和运动加速度信号进行预处理；同时，利用所述多个光电容积脉搏波信号和所述运动加速度信号构成频谱矩阵；依据上述频谱矩阵的整体稀疏和行稀疏的结构特征建立所述频谱矩阵分解模型，并通过近端梯度加速优化算法求解所述频谱矩阵分解模型的最优解；所述谱峰跟踪方法的各个子阶段对上述去噪后的多个光电容积脉搏波信号频谱进行处理，定位用户的心率频率点位置。2.根据权利要求1所述的去除光电容积脉搏波信号中运动噪声的心率测量方法，其特征在于：所述预处理的过程包括对所述多个光电容积脉搏波信号和所述运动加速度信号进行下采样处理以及对下采样后的上述信号进行带通滤波操作。3.根据权利要求1所述的去除光电容积脉搏波信号中运动噪声的心率测量方法，其特征在于：所述频谱矩阵由所述多个光电容积脉搏波信号和所述运动加速度信号构成；所述频谱矩阵分解模型的构造是依据所述频谱矩阵的全局稀疏和行稀疏的结构特征，并将所述频谱矩阵分解为运动噪声信号频谱矩阵和真实光电容积脉搏波信号频谱矩阵，所述频谱矩阵分解模型的目标函数如下： min P , Q 1 2 | ...
【专利技术属性】
技术研发人员：熊继平，蔡丽桑，汤清华，王妃，
申请(专利权)人：浙江师范大学，
类型：发明
国别省市：浙江;33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。