一种基于PPG信号的心率估计方法、电子设备及存储介质技术

本发明专利技术公开了一种基于PPG信号的心率估计方法、电子设备及存储介质，涉及信号处理技术领域。获取光体积描记术PPG传感器采集的目标人员的目标PPG信号；对目标PPG信号进行预处理，得到归一化的目标PPG信号；将归一化的目标PPG信号输入预先训练好的生成对抗网络模型，生成目标PPG信号对应的目标心电描记术ECG信号；使用峰值检测算法对目标ECG信号进行心率估计，得到目标人员的估计心率。提高了使用PPG信号进行心率估计的准确度。信号进行心率估计的准确度。信号进行心率估计的准确度。

【技术实现步骤摘要】
一种基于PPG信号的心率估计方法、电子设备及存储介质


[0001]本专利技术涉及信号处理
，具体涉及一种基于PPG信号的心率估计方法、电子设备及存储介质。

技术介绍

[0002]随着生活质量的提高，人们越来越重视身体健康状况的监测，而心率是监测身体健康状态的重要指标。基于可穿戴设备的心率估计主要有两种方式，一种是使用ECG(Electrocardiography，心电描记术)信号进行心率估计的技术，基于ECG技术的产品，进行心率估计的准确度较高，但使用不方便，不适合长时间进行心率测量；另外一种是使用PPG(Photoplethysmography，光体积描记术)信号来进行心率估计的技术，PPG信号作为一种非侵入式的测量方法，在日常生活中得到了广泛地应用。基于PPG技术的产品，佩戴舒适测量方便，并且适合长时间测量。
[0003]现有技术中，基于PPG信号的心率估计方法，是通过光电PPG传感器检测血液容积的变化，进而进行心率估计。而通过光电PPG传感器采集的PPG信号，由于存在运动伪影的影响，使得使用PPG信号进行心率估计时误差较大。

技术实现思路

[0004]本专利技术实施例的目的在于提供一种基于PPG信号的心率估计方法、电子设备及存储介质，实现提高使用PPG信号进行心率估计的准确度。
[0005]具体技术方案如下：
[0006]在本专利技术实施的第一方面，首先提供了一种基于PPG信号的心率估计方法，所述方法包括：
[0007]获取光体积描记术PPG传感器采集的目标人员的目标PPG信号；
[0008]对所述目标PPG信号进行预处理，得到归一化的目标PPG信号；
[0009]将所述归一化的目标PPG信号输入预先训练好的生成对抗网络模型，生成所述目标PPG信号对应的目标心电描记术ECG信号；
[0010]使用峰值检测算法对所述目标ECG信号进行心率估计，得到所述目标人员的估计心率。
[0011]可选地，对所述目标PPG信号进行预处理，得到归一化的目标PPG信号，包括：
[0012]将所述目标PPG信号依次进行重采样和滤波操作，得到预设频率且预设波段的PPG信号，作为第一预处理信号；
[0013]将所述第一预处理信号进行Z分数标准化，得到第二预处理信号；
[0014]将所述第二预处理信号，分割成多个预设时长的信号片段，作为第三预处理信号；相邻两个第三预处理信号之间存在重叠部分；
[0015]将所有第三预处理信号进行归一化处理，得到归一化的目标PPG信号。
[0016]可选地，所述生成对抗网络模型包括生成器；
[0017]所述生成器包括一个多层感知机、三个编码器模块、两个上采样模块以及一个卷积层组成，连接顺序依次为多层感知机、第一编码器模块、第一上采样模块、第二编码器模块、第二上采样模块、第三编码器模块以及卷积层；其中，所述第一上采样模块和所述第二上采样模块结构相同，都包含一个双三次插值层和一个卷积核为3的一维卷积层；所述第一编码器模块、所述第二编码器模块以及所述第三编码器模块，堆积的编码器个数分别为5个、4个和2个。
[0018]可选地，在将所述目标PPG信号输入预先训练好的生成对抗网络模型，得到所述目标PPG信号对应的目标ECG信号之前，所述方法还包括：
[0019]获取多个人员的PPG信号以及每一PPG信号对应的同步ECG信号，作为第一训练信号；
[0020]对所述第一训练信号进行预处理，得到第二训练信号；
[0021]对第二训练信号进行随机打乱，以解除PPG信号与其相应的ECG信号之间的配对耦合关系，得到第三训练信号；
[0022]使用第三训练信号对生成器进行训练，直至所述生成对抗网络模型的损失函数收敛，并且生成结果达到预设的ECG信号形态，得到训练好的生成器，完成训练。
[0023]可选地，所述生成对抗网络模型为循环一致性对抗网络模型，包括前向通道部分和反向通道部分；
[0024]所述前向通道部分，以输入的原始PPG信号P作为第一生成器G
A2B
的输入，第一生成器执行前向映射操作输出合成ECG信号E
′
，即G
A2B
(P)＝E
′
；然后将合成ECG信号输入到第二生成器G
B2A
，第二生成器执行反向映射操作生成重建原始PPG信号P
″
，即G
B2A
(E
′
)＝P
″
，从而构成循环训练；
[0025]所述反向通道部分，以输入的原始的ECG信号E作为第二生成器的输入，第二生成器执行所述反向映射操作输出合成PPG信号P
′
，即G
B2A
(E)＝P
′
；然后将合成PPG信号输入到第一生成器中，第一生成器执行所述前向映射操作生成重建原始ECG信号E
″
，即G
A2B
(P
′
)＝E
″
，从而构成完整的循环训练。
[0026]可选地，所述生成对抗网络模型的损失函数由对抗损失与循环一致性损失组成；
[0027]所述前向通道部分还包括第一鉴别器D
E
，所述前向映射操作的对抗损失为：
[0028]所述反向通道部分还包括第二鉴别器D
P
，所述反向映射操作的对抗损失为：
[0029]所述循环一致性损失为：
[0030]L
cyc
(G
A2B
,G
B2A
)＝E
e～E
[G
A2B
(G
B2A
(e))
‑
e||1]+E
p～P
[G
B2A
(G
A2B
(p))
‑
p||1]；
[0031]所述生成对抗网络模型的损失函数为：
[0032]L
ALL
＝αL
adv
(G
A2B
,D
E
)+αL
adv
(G
B2A
,D
P
)+βL
cyc
(G
A2B
,G
B2A
)，其中α和β为预设权重参数。
[0033]本专利技术实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
[0034]存储器，用于存放计算机程序；
[0035]处理器，用于执行存储器上所存放的程序时，实现上述任一所述的基于PPG信号的
心率估计方法。
[0036]本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一所述的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于PPG信号的心率估计方法，其特征在于，所述方法包括：获取光体积描记术PPG传感器采集的目标人员的目标PPG信号；对所述目标PPG信号进行预处理，得到归一化的目标PPG信号；将所述归一化的目标PPG信号输入预先训练好的生成对抗网络模型，生成所述目标PPG信号对应的目标心电描记术ECG信号；使用峰值检测算法对所述目标ECG信号进行心率估计，得到所述目标人员的估计心率。2.根据权利要求1所述的一种基于PPG信号的心率估计方法，其特征在于，对所述目标PPG信号进行预处理，得到归一化的目标PPG信号，包括：将所述目标PPG信号依次进行重采样和滤波操作，得到预设频率且预设波段的PPG信号，作为第一预处理信号；将所述第一预处理信号进行Z分数标准化，得到第二预处理信号；将所述第二预处理信号，分割成多个预设时长的信号片段，作为第三预处理信号；相邻两个第三预处理信号之间存在重叠部分；将所有第三预处理信号进行归一化处理，得到归一化的目标PPG信号。3.根据权利要求1所述的一种基于PPG信号的心率估计方法，其特征在于，所述生成对抗网络模型包括生成器；所述生成器包括一个多层感知机、三个编码器模块、两个上采样模块以及一个卷积层组成，连接顺序依次为多层感知机、第一编码器模块、第一上采样模块、第二编码器模块、第二上采样模块、第三编码器模块以及卷积层；其中，所述第一上采样模块和所述第二上采样模块结构相同，都包含一个双三次插值层和一个卷积核为3的一维卷积层；所述第一编码器模块、所述第二编码器模块以及所述第三编码器模块，堆积的编码器个数分别为5个、4个和2个。4.根据权利要求3所述的一种基于PPG信号的心率估计方法，其特征在于，在将所述目标PPG信号输入预先训练好的生成对抗网络模型，得到所述目标PPG信号对应的目标ECG信号之前，所述方法还包括：获取多个人员的PPG信号以及每一PPG信号对应的同步ECG信号，作为第一训练信号；对所述第一训练信号进行预处理，得到第二训练信号；对第二训练信号进行随机打乱，以解除PPG信号与其相应的ECG信号之间的配对耦合关系，得到第三训练信号；使用第三训练信号对生成器进行训练，直至所述生成对抗网络模型的损失函数收敛，并且生成结果达到预设的ECG信号形态，得到训练好的生成器，完成训练。5.根据权利要求4所述的一种基于PPG信号的心率估计方法，其特征在于，所述生成对抗网络模型为循环一致性对抗网络模型，包括前向通道部分和反向通道部分；所述前向通道部分，以输入的原始PPG信号P作为第一生成器G
A2B
的输入，第一生成器执行前向映射操作输出合成ECG信号E
′
，即G
A2B
(P)＝E
′
；然后将合成ECG信号输入到第二生成器G
B2A
，第...

【专利技术属性】
技术研发人员：夏懿，许洋洋，方永康健，张诚志，
申请(专利权)人：安徽大学，
类型：发明
国别省市：