一种无束缚检测呼吸率心率的方法及智能床技术

本发明专利技术涉及一种无束缚检测呼吸率心率的方法及智能床，该方法的步骤如下：1)心冲击信号预处理；2)呼吸信号预处理；3)信号周期分析：对2n个预处理后的压力信号和预处理后的加速度信号均进行波峰检测与阈值判断，分别得到使用者的呼吸与心跳周期；4)计算心率和呼吸率：用60除以步骤3)得到的心跳周期即得使用者的心率；2n个压力传感器通过步骤3)得到2n个呼吸周期，计算2n个呼吸周期的平均值得到平均呼吸周期，用60除以平均呼吸周期即得使用者的呼吸率。该方法利用心冲击产生的床体振动加速度变化提取心率并利用呼吸运动中胸腔对床体的压力变化提取呼吸率，实现了心率与呼吸率的无束缚检测，且输出准确度高、识别速度快、实时性好。

Method and intelligent bed for detecting respiration rate and heart rate without bondage

The present invention relates to a non binding detection method of respiratory rate heart rate and intelligent bed, the method comprises the following steps: 1) heart shock signal pretreatment; 2) respiratory signal pretreatment; 3) signal cycle analysis of the acceleration signal and pressure signal pretreatment of 2n after pretreatment were detected with the threshold peak, the user's breathing and heartbeat cycle were obtained; 4) calculation of heart rate and respiratory rate: divide 60 by step 3) get a heartbeat cycle that users heart rate; 2n pressure sensors through step 3) get 2n respiratory cycle calculation 2n respiratory cycle averaged to mean respiratory cycle 60 respiratory cycle is divided by the average user's breathing rate. The extraction rate of bed body vibration acceleration changes the method and intentions impact and the use of chest breathing pressure on the bed body extraction achieved without respiratory rate, heart rate and respiratory rate of detection of bound, and the output of high accuracy, fast recognition speed and good real-time performance.

【技术实现步骤摘要】
一种无束缚检测呼吸率心率的方法及智能床
本专利技术涉及智能居家和医疗器械领域，尤其涉及一种无束缚检测呼吸率心率的方法及智能床。
技术介绍
随着生活水平的提高，人们对自身健康进行监测的需求不断增大，呼吸率和心率是最基本的人体生理活动，人体的病态体征往往会反映到异常的呼吸频率与心跳节拍上，因而实现呼吸率、心率的日常监测对健康评估甚至疾病预防有着重要的意义。睡眠监测是获取生理参数最有效的方法之一，但目前医疗机构所使用的多导睡眠仪、心电图仪由于束缚性强、操作复杂、费用昂贵，无法用于长期监测，更无法满足日常使用需要，而现存的无束缚监测方法往往容易受环境干扰影响，存在检测准确度不高的问题。因此，设计出一种无束缚高准确度提取呼吸率、心率的系统，实现在家庭日常生活中实时监测呼吸、心跳状况的方法，为呼吸系统、心血管疾病的预防提供有效的监测手段和可靠地临床诊断依据成为现有技术中亟待解决的关键问题。现已有一种具有心率与呼吸检测的床位(中国专利申请号：201510632987.3)，使用红外光束的光电检测法检测床上病人的实时心率与呼吸，该检测方法抗干扰性差，且红外光束探测需求病人保持一定的姿态，具有一定的约束性。还有一种实时且准确的测量心率及呼吸的算法及系统(中国专利申请号：201610711512.8)，该系统使用集成在床垫中的高灵敏压电传感器检测呼吸与心率，信号来源单一，心跳与呼吸信号耦合在一起，分离过程中容易出现误检漏检。
技术实现思路
针对现有技术存在技术问题，本专利技术拟解决的技术问题是，设计一种无束缚检测呼吸率心率的方法及智能床，该方法利用心冲击产生的床体振动加速度变化提取心率并利用呼吸运动中胸腔对床体的压力变化提取呼吸率，实现了心率与呼吸率的无束缚检测，且输出准确度高、识别速度快、实时性好，可适用于不同性别、身高、体重的使用者，尤其适用于呼吸、心血管系统疾病患者与老年人；该智能床将心率呼吸率监测设备集成到床体上，能够不加外设直接进行测量，且使用方便稳定性好。本专利技术解决所述技术问题采用的技术方案如下：一种无束缚检测呼吸率心率的方法，无束缚检测呼吸率心率的方法，该方法由LabVIEW平台实现，需要输入对称安装在护理床底端的2n个压力传感器的压力信号和安装在护理床左右两侧的加速度传感器的加速度信号，n为大于1的整数，压力传感器采集使用者的呼吸运动压力信号，加速度传感器采集使用者的心冲击振动加速度信号，该方法的步骤如下：1)心冲击信号预处理：以采集的加速度信号为加速度原始信号，使用LabVIEW中的巴特沃斯滤波器控件对包含心率信息的加速度原始信号进行心冲击信号预处理，具体预处理过程包括：将加速度原始信号输入通带为5～9Hz的巴特沃斯滤波器进行去噪，即通过带通滤波进行去噪处理；然后对去噪后的信号幅值取绝对值；再将取绝对值后的信号输入通带为0.8～1.5Hz的巴特沃斯滤波器，即再次进行带通滤波，得到预处理后的加速度信号；2)呼吸信号预处理：以采集的2n个压力信号为压力原始信号，使用巴特沃斯滤波器与小波变换对包含心率信息的压力原始信号进行呼吸信号预处理，具体预处理过程包括：将压力原始信号输入通带为0.05～1Hz的巴特沃斯滤波器进行去噪；然后对去噪后的信号进行db04离散小波变换，消除基线漂移，得到2n个预处理后的压力信号；3)信号周期分析：对2n个预处理后的压力信号和预处理后的加速度信号均进行波峰检测与阈值判断，分别得到使用者的呼吸与心跳周期，具体包括：使用LabVIEW中的小波多分辨度峰值检测控件对预处理后的压力信号和加速度信号进行波峰提取；设定呼吸峰值经验阈值范围和心跳峰值经验阈值范围，将提取的呼吸和心跳的波峰值分别与设定的相应的经验阈值范围进行比较，若处于经验阈值范围内则判断此峰值有效；分别计算两个有效峰值之差以获得呼吸周期和心跳周期；4)计算心率和呼吸率：用60除以步骤3)得到的心跳周期即得使用者的心率；2n个压力传感器通过步骤3)得到2n个呼吸周期，计算2n个呼吸周期的平均值得到平均呼吸周期，用60除以平均呼吸周期即得使用者的呼吸率。一种智能床，该智能床使用上述的无束缚检测呼吸率心率的方法，包括数据采集箱、一体式PC机、压力传感器、加速度传感器和护理床；所述数据采集箱安装在护理床尾，包含加速度传感器数据采集器、压力传感器信号放大器和压力传感器数据采集器；所述一体式PC机安装在护理床头，一体式PC机内加载有无束缚检测呼吸率心率的方法；所述压力传感器的数量为2n个，n为大于1的整数，2n个压力传感器对称安装在护理床的底端，用于采集由于使用者的呼吸运动对护理床产生的压力；所述加速度传感器固定在护理床左右两侧的横梁上，用于采集由使用者的心冲击力引起的护理床的振动加速度；所述压力传感器依次通过压力传感器信号放大器、压力传感器数据采集器与一体式PC机连接，所述加速度传感器通过加速度传感器数据采集器与一体式PC机连接。与现有技术相比，本专利技术的有益效果是：本专利技术与目前的呼吸、心率监测手段相比，不仅对使用者完全无束缚，而且与专业的检测仪器EmblaN7000多导睡眠的呼吸率心率检测结果相比，误差率在5％以下，具有很高的精确度；使用本专利技术的检测呼吸率心率的方法，大大减少了波峰检测的计算量，提高了检测效率；本专利技术方法使用了可靠的经验阈值进行心跳、呼吸检测，能够排除大部分环境强干扰造成的异常结果，呼吸率心率结果可信度较高；本专利技术操作简便，可以应用于日常家居生活。附图说明图1为本专利技术智能床的一种实施例的立体结构示意图；图2为本专利技术无束缚检测呼吸率心率的方法的流程图；图中，1、数据采集箱，2、一体式PC机，3、压力传感器，4、加速度传感器，5、护理床，6、使用者。具体实施方式为了使本专利技术实现上述的功能，以下将结合附图及实施例对本专利技术做出具体阐述，但并不以此作为对本申请权利要求保护范围的限定。本专利技术无束缚检测呼吸率心率的方法(参见图2)，由LabVIEW平台实现，需要输入对称安装在护理床底端的2n个压力传感器的压力信号和安装在护理床左右两侧的加速度传感器的加速度信号，n为大于1的整数，压力传感器采集使用者的呼吸运动压力信号，加速度传感器采集使用者的心冲击振动加速度信号，该方法的步骤如下：1)心冲击信号预处理：以采集的加速度信号为加速度原始信号，使用LabVIEW中的巴特沃斯滤波器控件对包含心率信息的加速度原始信号进行心冲击信号预处理，具体预处理过程包括：将加速度原始信号输入通带为5～9Hz的巴特沃斯滤波器进行去噪，即通过带通滤波进行去噪处理；然后对去噪后的信号幅值取绝对值；再将取绝对值后的信号输入通带为0.8～1.5Hz的巴特沃斯滤波器，即再次进行带通滤波，得到预处理后的加速度信号；2)呼吸信号预处理：以采集的2n个压力信号为压力原始信号，使用巴特沃斯滤波器与小波变换对包含心率信息的压力原始信号进行呼吸信号预处理，具体预处理过程包括：将压力原始信号输入通带为0.05～1Hz的巴特沃斯滤波器进行去噪；然后对去噪后的信号进行db04离散小波变换，消除基线漂移，得到2n个预处理后的压力信号；3)信号周期分析：对2n个预处理后的压力信号和预处理后的加速度信号均进行波峰检测与阈值判断，分别得到使用者的呼吸与心跳周期，具体包括：使用LabVIEW中的小本文档来自技高网...

【技术保护点】
一种无束缚检测呼吸率心率的方法，该方法由LabVIEW平台实现，需要输入对称安装在护理床底端的2n个压力传感器的压力信号和安装在护理床左右两侧的加速度传感器的加速度信号，n为大于1的整数，压力传感器采集使用者的呼吸运动压力信号，加速度传感器采集使用者的心冲击振动加速度信号，该方法的步骤如下：1)心冲击信号预处理：以采集的加速度信号为加速度原始信号，使用LabVIEW中的巴特沃斯滤波器控件对包含心率信息的加速度原始信号进行心冲击信号预处理，具体预处理过程包括：将加速度原始信号输入通带为5～9Hz的巴特沃斯滤波器进行去噪，即通过带通滤波进行去噪处理；然后对去噪后的信号幅值取绝对值；再将取绝对值后的信号输入通带为0.8～1.5Hz的巴特沃斯滤波器，即再次进行带通滤波，得到预处理后的加速度信号；2)呼吸信号预处理：以采集的2n个压力信号为压力原始信号，使用巴特沃斯滤波器与小波变换对包含心率信息的压力原始信号进行呼吸信号预处理，具体预处理过程包括：将压力原始信号输入通带为0.05～1Hz的巴特沃斯滤波器进行去噪；然后对去噪后的信号进行db04离散小波变换，消除基线漂移，得到2n个预处理后的压力信号；3)信号周期分析：对2n个预处理后的压力信号和预处理后的加速度信号均进行波峰检测与阈值判断，分别得到使用者的呼吸与心跳周期，具体包括：使用LabVIEW中的小波多分辨度峰值检测控件对预处理后的压力信号和加速度信号进行波峰提取；设定呼吸峰值经验阈值范围和心跳峰值经验阈值范围，将提取的呼吸和心跳的波峰值分别与设定的相应的经验阈值范围进行比较，若处于经验阈值范围内则判断此峰值有效；分别计算两个有效峰值之差以获得呼吸周期和心跳周期；4)计算心率和呼吸率：用60除以步骤3)得到的心跳周期即得使用者的心率；2n个压力传感器通过步骤3)得到2n个呼吸周期，计算2n个呼吸周期的平均值得到平均呼吸周期，用60除以平均呼吸周期即得使用者的呼吸率。...

【技术特征摘要】
1.一种无束缚检测呼吸率心率的方法，该方法由LabVIEW平台实现，需要输入对称安装在护理床底端的2n个压力传感器的压力信号和安装在护理床左右两侧的加速度传感器的加速度信号，n为大于1的整数，压力传感器采集使用者的呼吸运动压力信号，加速度传感器采集使用者的心冲击振动加速度信号，该方法的步骤如下：1)心冲击信号预处理：以采集的加速度信号为加速度原始信号，使用LabVIEW中的巴特沃斯滤波器控件对包含心率信息的加速度原始信号进行心冲击信号预处理，具体预处理过程包括：将加速度原始信号输入通带为5～9Hz的巴特沃斯滤波器进行去噪，即通过带通滤波进行去噪处理；然后对去噪后的信号幅值取绝对值；再将取绝对值后的信号输入通带为0.8～1.5Hz的巴特沃斯滤波器，即再次进行带通滤波，得到预处理后的加速度信号；2)呼吸信号预处理：以采集的2n个压力信号为压力原始信号，使用巴特沃斯滤波器与小波变换对包含心率信息的压力原始信号进行呼吸信号预处理，具体预处理过程包括：将压力原始信号输入通带为0.05～1Hz的巴特沃斯滤波器进行去噪；然后对去噪后的信号进行db04离散小波变换，消除基线漂移，得到2n个预处理后的压力信号；3)信号周期分析：对2n个预处理后的压力信号和预处理后的加速度信号均进行波峰检测与阈值判断，分别得到使用者的呼吸与心跳周期，具体包括：使用LabVIEW中的小波多分辨度峰值检测控件对预处理后的压力信号和加速度信号进行波峰提取；设定呼吸峰值经验阈值范围和心跳峰值经验阈值范围，将提取的呼吸和心跳的波峰值分别与设...

【专利技术属性】
技术研发人员：郭士杰，田浩辰，赵海文，王旭之，赵亚川，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：天津,12