利用智能腕带运动传感器的连续心电波形重构系统及方法技术方案

本发明专利技术提出了利用智能腕带运动传感器的连续心电波形重构系统及方法，属于移动计算应用技术领域。系统包括内置运动传感器的智能腕带设备和处理单元。智能腕带设备的运动传感器用于采集用户腕部的运动传感信号，并将信号发送至处理单元。处理单元处理运动传感器用于获取人体运动传感信号，提取与心跳相关的体表振动信号，将体表振动信号切分成单心跳周期片段，最终重构与心跳周期对应的心电波形。本发明专利技术基于与心跳相关的体表振动信号，能够精准重构心电波形。系统使用方便，可以连续重构心电波形，测量过程对用户透明，且无需用户参与。且无需用户参与。且无需用户参与。

【技术实现步骤摘要】
利用智能腕带运动传感器的连续心电波形重构系统及方法


[0001]本专利技术涉及一种连续心电波形重构系统，具体涉及一种利用智能腕带运动传感器的连续心电波形重构系统及方法，属于移动计算应用


技术介绍

[0002]连续心电波形测量系统在疲劳驾驶预警、生物特征识别、情绪识别等方面展示出了巨大潜力。传统的心电波形测量系统，利用电极和电解质凝胶在人体体表测量电位变化。然而，由于此类系统依赖特殊设备且操作复杂，难以在日常生活中广泛应用。为了实现方便的家用心电波形测量，一些系统将电极集成到家用设备和家具中(例如马桶和椅子)。然而，这些方法只能在用户接触测量设备时使用，无法长时间获取连续心电波形。目前，一些系统尝试把织物电极缝合到纺织品中(例如睡衣和腰带)，用于心电波形测量，但昂贵的造价阻碍了这类系统的广泛部署。近年来，一些新型商用智能手表中也部署了电极，用于测量心电波形，但此类设备在使用时，依赖用户执行特定动作(例如用手指覆盖电极)，仍无法连续获取佩戴者的心电波形。
[0003]此外，一些系统利用与心跳周期相关的信号重构心电波形。不同于利用体表电位变化直接测量心电图，这类系统无需用户接触电极，利用获取的传感信号与心跳周期间的相关关系，可以精准重构所对应的心电波形。例如，利用无线信号测量心跳引起的胸部微小振动，预测心电波形。然而在采集过程中需要用户保持静止，避免身体运动干扰胸部振动感知。还有一些系统利用部署在床垫内的振动传感器重构用户睡眠时的心电波形，然而，其只能在用户平躺时工作，当用户侧躺或离开床垫后测量被迫中断。另外，有系统利用配戴在指尖的血氧仪记录手指处的脉搏信号并预测心电波形，但长时间在手指佩戴测量设备会影响手部触摸功能，并带来不适。
[0004]综上所述，现有的系统存在各种缺陷和不足。

技术实现思路

[0005]本专利技术的目的是为了克服现有的心电波形测量和心电波形重构系统存在的造价高、使用不便，尤其是无法连续获取心电波形、需要用户执行特殊行为等技术缺陷，创造性地提出一种利用智能腕带运动传感器的连续心电波形重构系统及方法。
[0006]一种利用智能腕带运动传感器的连续心电波形重构系统，包括内置运动传感器的智能腕带设备和处理单元。
[0007]其中，智能腕带设备的运动传感器用于采集用户腕部的运动传感信号，并将信号发送至处理单元。
[0008]处理单元处理运动传感器用于获取人体运动传感信号，提取与心跳相关的体表振动信号，将体表振动信号切分成单心跳周期片段，最终重构与心跳周期对应的心电波形。
[0009]上述系统的实现方法如下，包括以下步骤：
[0010]步骤1：使用智能腕带设备的运动传感器(如陀螺仪)，采集目标用户腕部的运动传
感信号。
[0011]具体地，用户佩戴内置有运动传感器的智能腕带设备，运动传感器持续获取腕部的运动传感信号。
[0012]步骤2：处理单元提取运动传感信号中与心跳相关的体表振动。目的是从杂乱的运动传感信号中提取出由心跳周期中血流重心不断变化所引起的体表振动。
[0013]步骤2.1：使用带通滤波器，对步骤1采集的腕部运动传感信号进行处理，去除无关噪音。
[0014]步骤2.2：根据步骤2.1提取的滤波后的运动传感信号，基于平稳小波变换，进一步去除杂乱的运动传感信号中的噪音，提取与心跳相关的体表振动信号。
[0015]步骤3：处理单元切分与心跳相关的体表振动信号。目的是根据与心跳相关的体表振动信号的特殊波形，将体表振动信号切分成单心跳周期片段。
[0016]步骤3.1：检测与心跳相关的体表振动信号中局部极大值和局部极小值点，并构建局部三角形。根据局部三角形特征，识别与心室收缩相关的尖峰点。
[0017]步骤3.2：根据步骤3.1识别的与心室收缩相关的尖峰点，将与心跳相关的体表振动信号切分成单心跳周期的片段。
[0018]步骤四：利用与心跳相关的体表振动信号片段重构对应的心电波形。目的是建立体表振动信号与心电波形的对应关系。利用体表振动信号重构对应的心电波形。
[0019]步骤4.1：根据步骤3.2提取的体表振动信号的片段，建立能够重构心电波形的编码器
‑
解码器网络模型。
[0020]步骤4.2：利用生成对抗网络，训练步骤4.2建立的编码器
‑
解码器网络模型，根据与心跳相关的体表振动信号，精准重构对应的心电波形。
[0021]有益效果
[0022]与现有技术相比，本专利技术具有以下优点：
[0023]1.本专利技术利用智能腕带设备采集目标用户腕部运动传感信息，基于与心跳相关的体表振动信号，精准重构心电波形。
[0024]2.本专利技术使用方便，可以连续重构心电波形，测量过程对用户透明，无需用户参与。
附图说明
[0025]图1为本专利技术的示意图。
[0026]图2为本专利技术实施例智能腕带设备陀螺仪三个坐标轴方向及在三个坐标轴所获取的传感信号与心电波形的示意图。
[0027]图3为本专利技术实施例利用平稳小波变换提取与心跳相关的体表振动的运动信号示意图。
[0028]图4为本专利技术实施例构建局部三角形以及局部三角形特征的示意图。
[0029]图5为本专利技术实施例所开发的编码器
‑
解码器网络模型示意图。
[0030]图6为本专利技术实施例构建的生成对抗网络结构示意图。
[0031]图7为本专利技术实施例所用原型图。
[0032]图8为本专利技术实施例重构心电波形的波形重构误差。
[0033]图9为本专利技术实施例重构心电波形的相关系数。
[0034]图10为本专利技术实施例在不同采样频率下的波形重构误差和相关系数。
[0035]图11为本专利技术实施例在腕带设备佩戴在手腕不同位置情况下的波形重构误差和相关系数。
具体实施方式
[0036]下面结合实施例和附图，对本专利技术的原理和特征做进一步详细说明。所举实例只用于解释专利技术，并非用于限定本专利技术范围。
[0037]一种利用智能腕带运动传感器的连续心电波形重构系统，包括内置运动传感器的智能腕带设备和处理单元。
[0038]其中，智能腕带设备的运动传感器用于采集用户腕部的运动传感信号，并将信号发送至处理单元。
[0039]处理单元处理运动传感器用于获取人体运动传感信号，提取与心跳相关的体表振动信号，将体表振动信号切分成单心跳周期片段，最终重构与心跳周期对应的心电波形。
[0040]图1展示了本专利技术实施例的示意图。当血液伴随心跳在血管中周期性流动时，血液重心发生周期性变化。用户身体受到血液重心变化的影响，产生相互作用的对冲力，尤其产生旋转能量，引起身体的微小振动。因此，利用运动传感器，特别是陀螺仪采集与心跳相关的体表振动。通过分析与心跳相关的体表振动信号估计对应的心电图信号，实现持续心电图测量。
[0041]上述系统的实现方法如下，包括以下步骤：
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.利用智能腕带运动传感器的连续心电波形重构系统，其特征在于，包括内置运动传感器的智能腕带设备和处理单元；其中，智能腕带设备的运动传感器用于采集用户腕部的运动传感信号，并将信号发送至处理单元；处理单元处理运动传感器用于获取人体运动传感信号，提取与心跳相关的体表振动信号，将体表振动信号切分成单心跳周期片段，最终重构与心跳周期对应的心电波形。2.利用智能腕带运动传感器的连续心电波形重构方法，其特征在于，包括以下步骤：步骤1：使用智能腕带设备的运动传感器，采集目标用户腕部的运动传感信号；步骤2：处理单元提取运动传感信号中与心跳相关的体表振动；步骤2.1：使用带通滤波器对步骤1采集的腕部运动传感信号进行处理，去除无关噪音，保留运动传感信号中频率范围在0Hz
‑
50Hz的部分；步骤2.2：根据步骤2.1提取的滤波后的运动传感信号，基于平稳小波变换，进一步去除杂乱的运动传感信号中的噪音，提取与心跳相关的体表振动信号；步骤3：处理单元切分与心跳相关的体表振动信号；步骤3.1：检测与心跳相关的体表振动信号中局部极大值和局部极小值点，并构建局部三角形；根据局部三角形特征，识别与心室收缩相关的尖峰点；步骤3.2：根据步骤3.1识别的与心室收缩相关的尖峰点，将与心跳相关的体表振动信号切分成单心跳周期的片段；其中，确定尖峰点前X毫秒为一个心脏周期的开始点，下一个尖峰点前X毫秒为此心跳周期的结束点，X取值范围为100毫秒至400毫秒；步骤4：利用与心跳相关的体表振动信号片段重构对应的心电波形；步骤4.1：根据步骤3.2提取的体表振动信号的片段，建立能够重构心电波形的编码器
‑
解码器网络模型；步骤4.2：利用生成对抗网络，训练步骤4.2建立的编码器
‑
解码器网络模型，根据与心跳相关的体表振动信号，精准重构对应的心电波形。3.如权利要求1所述的利用智能腕带运动传感器的连续心电波形重构系统，其特征在于，运动传感器包括三轴加速度计、三轴陀螺仪和三轴磁力计，分析三轴陀螺仪数据，智能腕带设备内置的三轴陀螺仪X、Y、Z三个坐标轴，三轴陀螺仪X、Y、Z轴的传感信号分别定义为G
X
、G
Y
和G
Z
，心电图和传感信号G
X
、G
Y
和G
Z
具有明显相关关系，其中，心电图关键拐点与G
X
关键拐点具有对应关系，使用智能腕带设备三轴陀螺仪的X轴传感信号G
X
，作为腕部的运动传感信号。4.如权利要求2所述的利用智能腕带运动传感器的连续心电波形重构方法，其特征在于，步骤2.1中，保留运动传感信号中频率范围在5Hz
‑
30Hz的部分。5.如权利要求2所述的利用智能腕带运动传感器的连续心电波形重构方法，其特征在于，步骤2.2中，首先对步骤2.1提取的运动传感信号应用平稳小波变换；设母波为db4，按照频率分布范围将其分解为J个含有低频信息的近似分量a1,a2,
…
,a
J
和J个含有高频信息的细节分量d1,d2,
…
,d
J
，J为平稳小波变换过程中设定的阶数，J值取值范围为[2,10]；其次，计算每个细节分量d
j
的短时能量e
j
，并检测短时能量e
j
中所有局部极大振幅P
j
(k)，k＝1,2,
…
,K，标记出现局部极大振幅对应的时间；定义阈值,K，标记出现局部极大振幅对应的时间；定义阈值,K，标记出现局部极大振幅对应的时间；定义阈值和是细节分量d
j
的短时能量e
j
中全部局部极大振幅P
j
(k)的平均值和方差；分别比较每个P
j
(k)的振幅与阈值如果则归类P
j
(k)为与心跳相关的体表振动；利用相邻局部极大振幅出现时间间隔，进一步处理其他未归类的P
j
(k)；定义两个相邻的局部极大振幅P
j
(k
‑
1)和P
j
(k)出现的时间间隔为I
j
(k)；设定阈值为e
j
中全部相邻局部极大值出现时间间隔I
j
(k)的平均值；如果且则归类P
j
(k)为与心跳相关的体表振动；最后，利用归类为与心跳相关的体表振动的局部极大振幅P...

【专利技术属性】
技术研发人员：李凡，曹烨彤，刘晓晨，陈慧杰，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：