带有噪声的实时生理数据信号数据处理方法技术

本发明专利技术涉及一种带有噪声的实时生理数据信号数据处理方法，从已经匹配好的蓝牙设备中，获取固定长度的实时生理数据信号模式的生理数据，并进行加密，通过蓝牙通信传到实时生理数据处理设备对应的应用程序中。本发明专利技术提供了一种带有噪声的实时生理数据信号数据处理方法，是一种快速，精度高的信号重构算法，通过这种算法，能够有效的消除由于各种运动造成的噪声，并且该算法针对手机和嵌入式设备做了相应的优化处理，能够顺畅的完成数据获取，数据分析和数据存储及加密的操作。

Real time physiological data signal processing method with noise

The invention relates to a real-time physiological data signal with noise data processing method, has a good match from the Bluetooth device, the real-time physiological data signal pattern physiological data acquisition of fixed length, and encryption, application to real-time physiological data processing equipment corresponding through Bluetooth communication. The present invention provides a real-time physiological data signal with noise data processing method is a fast and high precision signal reconstruction algorithm, this algorithm can effectively eliminate the noise due to various caused by sports, and the algorithm for the mobile phone and the embedded equipment be optimized accordingly, can smoothly complete data acquisition, data analysis and data storage and encryption operation.

【技术实现步骤摘要】
带有噪声的实时生理数据信号数据处理方法
本专利技术涉及一种通过盲数据源检测的方式来处理实时生理数据信号中带有的噪声数据，通过这些噪声数据的处理可以找到产生噪声的来源，通过对来源的分析来较好的重构出真实的生理数据，并设计相关算法及其相关的数据查询，通讯及更新方法。
技术介绍
通过光电信号来探测人体的生理数据已经广泛应用于临床的重症病人的监护中，随着可穿戴计算技术的普及和智能手机的广泛应用，这种应用已经不仅仅限于病人的状态监控。随着相关技术的发展，这种技术已经开始应用于正常人的生理数据的获取，来使普通人了解自己的身体状况获得更好的生活质量。然而在普通人群的使用场景中，和重病监控的一个显著差异在于个体处于一个不断的不可预测的变化中，运动，和其他物体的接触或靠近等均会给数据带来不同程度的影响。因此，我们需要建立一种消除上述因素带来的噪音，保证获得的数据能够真实的反应生理的状态。同时，我们也要考虑这种算法所需求的资源，保证在手机和相关的嵌入式设备中能够平滑的执行。
技术实现思路
(一)要解决的技术问题针对从可穿戴设备中获取生理数据的上述需求，本专利技术提供了一种带有噪声的实时生理数据信号数据处理方法，是一种快速，精度高的信号重构算法，通过这种算法，能够有效的消除由于各种运动造成的噪声，并且该算法针对手机和嵌入式设备做了相应的优化处理，能够顺畅的完成数据获取，数据分析和数据存储及加密的操作。(二)技术方案为了达到上述目的，本专利技术采取以下方案：本专利技术的一种带有噪声的实时生理数据信号数据处理方法，步骤包括：从已经匹配好的蓝牙设备中，获取固定长度的实时生理数据信号模式的生理数据，并进行加密，通过蓝牙通信传到实时生理数据处理设备对应的应用程序中；应用程序首先检查，数据的完整性，通过计算Sha1的校验位检测,如果没有问题，解密数据然后则进入步骤b，否则进入步骤a；步骤a：丢弃接受到的数据，向蓝牙设备发出新的数据请求；步骤b:从检查通过的数据包中，根据蓝牙通信的协议及规定好的数据格式，将数据提取出来，对这段数据做频谱分析,如果频谱结果符合规定的Profile,进入下一阶段；不符合规定的Profile,被丢弃；将数据进行做ButterWorth滤波处理，ButterWorth滤波参数是Profile中的中值频率的数据采样频率；如果通过ButterWorthFilter的数据没有纵轴上的漂移，这个能够通过比较每50个数据的极小值连接的两条直线，如果这条直线和水平线平行或者和水平线的夹角的绝对值不超过5度，则认为这次采样中没有要处理的运动漂移，进入步骤c,否则，如果有超过阈值的运动漂移，进入步骤d；步骤c:对ButterWorthfilter过滤的数据做反傅里叶变换，抽取最大的频谱和第二大的频谱来检验二者的频率是否接近双倍的关系，如果误差在5％的范围之内，认为生理数据已经获得成功，否则数据不合要求，丢弃；步骤d:首先，对数据进行多通道数据重构，在一般的情况下，数据仅包含一个通道，在这种情况下，数据通过从单一的通道中通过不同的采样延时来构造多通道数据，重构完毕之后，通过fastICA算法来做盲源分离，在这里，不可事先预估的运动是一个信号源，通过独立分量分析的方法来估计这种源来纠正运动产生的数据偏差，有可能返回的数据源有多个，而由运动源的特点是纵轴上的移动，同时这个信号是一个平稳的低频信号，这种特点使它区别于其他的信号，通过简单的频谱分析，计算最大的频率信号，如果小于1Hz，就基本上认定是运动源信号。找到之后，也可以通过在原始信号中消除这种信号之后，看是否新得到的信号是否在纵轴上的位移是否减小到阈值之内，如果在阈值之内，则我们认为运动造成的位移已经得到消除，否则，认为数据纠正失败。其中，所述步骤b中规定的Profile为标准的频谱的Profile跨越的频谱范围从0.1Hz-100Hz,超过这个频谱范围的波形被认为存在不可处理的问题，被丢弃。其中，所述步骤b中数据采样频率优选届数为5的ButterWorthFilter。其中，所述步骤b中极小值定义为在一段超过3个点的连续的区间内的最小值。其中，所述步骤c中反傅里叶变换是通过快速傅里叶变换算法达到。其中，所述步骤d中采样延时的取值为20个采样样本的时间；所述步骤d中的阈值之内为<5％。(三)有益效果本专利技术能提供一种快速、精度高的信号重构算法，通过这种算法，能够有效的消除由于各种运动造成的噪声，并且该算法针对手机和嵌入式设备做了相应的优化处理，能够顺畅的完成数据获取、数据分析和数据存储及加密的操作。附图说明图1-a是本专利技术Plusewave数据示意图一；图1-b是本专利技术Plusewave数据示意图二图2是本专利技术数据处理流程图；图3是本专利技术实施流程的示意图；图4是本专利技术Plusewave处理流程图；图5是本专利技术运动偏移的纠正的示意图。具体实施方式以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。本专利技术的一种带有噪声的实时生理数据信号数据处理方法，步骤包括：从已经匹配好的蓝牙设备中，获取固定长度的实时生理数据信号模式的生理数据，并进行加密，通过蓝牙通信传到实时生理数据处理设备对应的应用程序中；应用程序首先检查，数据的完整性，通过计算Sha1的校验位检测,如果没有问题，解密数据然后则进入步骤b，否则进入步骤a；步骤a：丢弃接受到的数据，向蓝牙设备发出新的数据请求；步骤b:从检查通过的数据包中，根据蓝牙通信的协议及规定好的数据格式，将数据提取出来，对这段数据做频谱分析,如果频谱结果符合规定的Profile,进入下一阶段；不符合规定的Profile,被丢弃；将数据进行做ButterWorth滤波处理，ButterWorth滤波参数是Profile中的中值频率的数据采样频率；如果通过ButterWorthFilter的数据没有纵轴上的漂移，这个能够通过比较每50个数据的极小值连接的两条直线，如果这条直线和水平线平行或者和水平线的夹角的绝对值不超过5度，则认为这次采样中没有要处理的运动漂移，进入步骤c,否则，如果有超过阈值的运动漂移，进入步骤d；步骤c:对ButterWorthfilter过滤的数据做反傅里叶变换，抽取最大的频谱和第二大的频谱来检验二者的频率是否接近双倍的关系，如果误差在5％的范围之内，认为生理数据已经获得成功，否则数据不合要求，丢弃；步骤d:首先，对数据进行多通道数据重构，在一般的情况下，数据仅包含一个通道，在这种情况下，数据通过从单一的通道中通过不同的采样延时来构造多通道数据，重构完毕之后，通过fastICA算法来做盲源分离，在这里，不可事先预估的运动是一个信号源，通过快速独立分量分析的方法来估计这种源来纠正运动产生的数据偏差，有可能返回的数据源有多个，而由运动源的特点是纵轴上的移动，同时这个信号是一个平稳的低频信号，这种特点使它区别于其他的信号，通过简单的频谱分析，计算最大的频率信号，如果小于1Hz，就基本上认定是运动源信号。找到之后，也可以通过在原始信号中消除这种信号之后，看是否新得到的信号是否在纵轴上的位移是否减小到阈值之内，如果在阈值之内，则我们认为运动造成的位移已经得到消除，否则，认为数据纠正失败。所述步骤b中规定的Profile为标准的频谱的Profil本文档来自技高网...

【技术保护点】
一种带有噪声的实时生理数据信号数据处理方法，其特征在于步骤包括：从已经匹配好的蓝牙设备中，获取固定长度的实时生理数据信号模式的生理数据，并进行加密，通过蓝牙通信传到实时生理数据处理设备对应的应用程序中；应用程序首先检查，数据的完整性，通过计算Sha1的校验位检测,如果没有问题，解密数据然后则进入步骤b，否则进入步骤a；步骤a：丢弃接受到的数据，向蓝牙设备发出新的数据请求；步骤b:从检查通过的数据包中，根据蓝牙通信的协议及规定好的数据格式，将数据提取出来，对这段数据做频谱分析,如果频谱结果符合规定的Profile,进入下一阶段；不符合规定的Profile,被丢弃；将数据进行做ButterWorth滤波处理，ButterWorth滤波参数是Profile中的中值频率的数据采样频率；如果通过ButterWorth Filter的数据没有纵轴上的漂移，这个能够通过比较每50个数据的极小值连接的两条直线，如果这条直线和水平线平行或者和水平线的夹角的绝对值不超过5度，则认为这次采样中没有要处理的运动漂移，进入步骤c,否则，如果有超过阈值的运动漂移，进入步骤d；步骤c:对ButterWorth filter过滤的数据做反傅里叶变换，抽取最大的频谱和第二大的频谱来检验二者的频率是否接近双倍的关系，如果误差在5％的范围之内，认为生理数据已经获得成功，否则数据不合要求，丢弃；步骤d:首先，对数据进行多通道数据重构，在一般的情况下，数据仅包含一个通道，在这种情况下，数据通过从单一的通道中通过不同的采样延时来构造多通道数据，重构完毕之后，通过fastICA算法来做盲源分离，在这里，不可事先预估的运动是一个信号源，通过独立分量分析的方法来估计这种源来纠正运动产生的数据偏差，有可能返回的数据源有多个，而由运动源的特点是纵轴上的移动，同时这个信号是一个平稳的低频信号，这种特点使它区别于其他的信号，通过简单的频谱分析，计算最大的频率信号，如果小于1Hz，就基本上认定是运动源信号。找到之后，也可以通过在原始信号中消除这种信号之后，看是否新得到的信号是否在纵轴上的位移是否减小到阈值之内，如果在阈值之内，则我们认为运动造成的位移已经得到消除，否则，认为数据纠正失败。...

【技术特征摘要】
1.一种带有噪声的实时生理数据信号数据处理方法，其特征在于步骤包括：从已经匹配好的蓝牙设备中，获取固定长度的实时生理数据信号模式的生理数据，并进行加密，通过蓝牙通信传到实时生理数据处理设备对应的应用程序中；应用程序首先检查，数据的完整性，通过计算Sha1的校验位检测,如果没有问题，解密数据然后则进入步骤b，否则进入步骤a；步骤a：丢弃接受到的数据，向蓝牙设备发出新的数据请求；步骤b:从检查通过的数据包中，根据蓝牙通信的协议及规定好的数据格式，将数据提取出来，对这段数据做频谱分析,如果频谱结果符合规定的Profile,进入下一阶段；不符合规定的Profile,被丢弃；将数据进行做ButterWorth滤波处理，ButterWorth滤波参数是Profile中的中值频率的数据采样频率；如果通过ButterWorthFilter的数据没有纵轴上的漂移，这个能够通过比较每50个数据的极小值连接的两条直线，如果这条直线和水平线平行或者和水平线的夹角的绝对值不超过5度，则认为这次采样中没有要处理的运动漂移，进入步骤c,否则，如果有超过阈值的运动漂移，进入步骤d；步骤c:对ButterWorthfilter过滤的数据做反傅里叶变换，抽取最大的频谱和第二大的频谱来检验二者的频率是否接近双倍的关系，如果误差在5％的范围之内，认为生理数据已经获得成功，否则数据不合要求，丢弃；步骤d:首先，对数据进行多通道数据重构，在一般的情况下，数据仅包含一个通道，在这种情况下，数据通过从单一的通道中通过不同的采样延时来构造多通道数据，重构完毕之后，通过fastIC...

【专利技术属性】
技术研发人员：敖新宇，刘红超，
申请(专利权)人：上海佑壳尔科技有限公司，
类型：发明
国别省市：上海,31