一种基于声音和惯性信号的呼吸心跳监测系统及方法技术方案

本发明专利技术公开了一种基于声音和惯性信号的呼吸心跳监测系统及方法，方法包括：分离出用于分析呼吸波形的惯性信号的低频部分，分离出用于分析心跳波形的声音信号的低频部分和惯性信号的中频部分；根据多模态信号的周期性来判断心跳信号是否稳定，若信号稳定则进行心跳波形和呼吸波形的提取；若不稳定则继续检测；计算心跳周期并使用神经网络融合多模态信号提取心跳波形；计算呼吸周期并使用神经网络提取呼吸波形。本发明专利技术采用了多模态相关检测方法和多模态融合算法，能够有效筛选出相对稳定的信号，从而排除外界的干扰得到准确的呼吸心跳波形。波形。波形。

【技术实现步骤摘要】
一种基于声音和惯性信号的呼吸心跳监测系统及方法


[0001]本专利技术属于多模态信号智能感知领域，具体涉及一种基于声音和惯性信号的呼吸心跳监测系统及方法。

技术介绍

[0002]随着社会经济的发展，越来越多的人在专注于工作的同时忽视了自身的健康，使得身体长期处于亚健康的状态。这不仅使他们精神不振影响工作效率，也使得他们的身体抵抗力下降容易受到病菌的侵入。因此，如何有效且便捷的监测身体的健康状况得到了广泛关注和研究，心跳和呼吸作为能够反应人体状况的重要体征，不仅可以反应用户的疲劳程度，还可以在用户睡眠时监测用户的睡眠质量。
[0003]目前主流的心跳呼吸监测手段有：
[0004]1)智能手表、智能手环，虽然可以对用户的心跳进行持续监测，但是缺少呼吸监测的能力；
[0005]2)心电监测仪，通过在用户身上粘贴多个电极对用户的心电波形进行监测，使用复杂且成本高；
[0006]3)RFID、毫米波雷达等新型传感技术，可以对用户的胸腔起伏进行持续监测，但是成本过于高昂。
[0007]因此基于上述考虑，有必要提出一种新的呼吸心跳监测系统，利用传感器实时监测用户的呼吸心跳，为用户的健康状态评估提供有效的参考。

技术实现思路

[0008]针对于上述现有技术的不足，本专利技术的目的在于提供一种基于声音和惯性信号的呼吸心跳监测系统及方法，以解决现有技术中无法对呼吸心跳同时进行监测，以及现有的检测设备成本高、操作复杂的问题。
[0009]为达到上述目的，本专利技术采用的技术方案如下：
[0010]本专利技术的一种基于声音和惯性信号的呼吸心跳监测系统，包括：呼吸心跳监测设备和中心服务器，所述呼吸心跳监测设备通过绑带固定在用户的左胸前，用于监测用户心跳和胸腔起伏；所述中心服务器用于接收呼吸心跳监测设备发送的数据，并根据接收到的数据对用户的呼吸和心跳状态进行分析及存储；
[0011]所述呼吸心跳监测设备，包含：单片机、麦克风及惯性传感器，单片机分别与麦克风、惯性传感器电性连接；
[0012]单片机，用于控制麦克风和惯性传感器采集用户心跳声音数据和胸腔起伏的惯性数据，并将采集到的数据通过网络上传到中心服务器。
[0013]进一步地，所述麦克风录音频率范围为20Hz
‑
20kHz，采样率为最高48kHz；所述惯性传感器采集加速度信号和角加速度信号，采样率为200Hz。
[0014]本专利技术的一种基于声音和惯性信号的呼吸心跳监测方法，基于上述系统，包括步
骤如下：
[0015](1)频率分离：分离出用于分析呼吸波形的惯性信号的低频部分imu
low
，分离出用于分析心跳波形的声音信号的低频部分sound
low
和惯性信号的中频部分imu
mid
；
[0016](2)心跳信号稳定性检测：根据多模态信号的周期性来判断心跳信号是否稳定，若信号稳定则进行心跳波形和呼吸波形的提取；若不稳定则继续检测；
[0017](3)心跳周期计算与波形提取：计算心跳周期并使用神经网络融合多模态信号提取心跳波形；
[0018](4)呼吸周期计算与波形提取：计算呼吸周期并使用神经网络提取呼吸波形。
[0019]进一步地，所述步骤(1)中的频率分离包括惯性信号的频率分离和麦克风信号的频率分离；所述惯性信号的频率分离包括频段为0
‑
2Hz的低频部分imu
low
和频段为5
‑
50Hz的中频部分imu
mid
的信号提取，分别用于分析呼吸波形和心跳波形；所述声音信号的频率分离包括频段为100
‑
2000Hz的低频部分sound
low
的信号提取，用于分析心跳波形。
[0020]进一步地，所述步骤(2)中的心跳信号稳定性检测通过检测多模态信号是否存在一致的周期性来判断信号是否稳定，若信号稳定则使用对应分段内多模态信号进行心跳波形、呼吸波形的提取，具体为：
[0021](21)包络提取：将imu
mid
和sound
low
归一化至[0,1]分别得到归一化惯性信号imu
norm
和归一化声音信号sound
norm
，归一化公式为其中x
norm
为归一化惯性信号imu
norm
或归一化声音信号sound
norm
，x为imu
mid
信号或sound
low
信号，x
min
为序列的最小值，x
max
为序列的最大值，再提取归一化信号的上包络得到惯性包络E
imu
和声音包络E
sound
；
[0022](22)降采样：将步骤(21)中频率分离后得到的声音包络E
sound
降采样至200Hz；
[0023](23)多模态相关分段：将包络E
imu
和E
sound
相乘得到多模态相关序列并对其进行自相关操作corr
self
得到多模态自相关序列C
mself
，使用寻峰算法在C
mself
寻找峰值，并根据自相关的峰值对C
mself
进行分段得到多个多模态自相关序列分段C
i
，其中i为分段序号；
[0024]C
mself
＝corr
self
(E
imu
*E
sound
)
[0025](24)分类：将C
i
插值到固定长度L得到插值后的多模态自相关序列分段C
i
′
，并将其输入训练好的分类器中进行分类，如果存在连续n个分段被分为正类且n大于经验阈值r，则认为n个分段所对应的心跳声音信号和惯性信号是稳定的。
[0026]其中，分类器为SVM分类器，在训练时将稳定信号所生成的多模态自相关序列分段作为正类，将不稳定信号所生成的多模态自相关序列分段作为负类。
[0027]进一步地，所述步骤(3)中的心跳周期计算具体为：计算步骤(24)中分为正类的连续自相关序列分段C
i
的数量m和每个分段的时长心跳周期t
heart
为分段时长的平均值
[0028][0029]进一步地，所述步骤(3)中的心跳波形提取具体为：
[0030](31)根据步骤(24)中分为正类的多模态自相关序列分段C
i
从信号包络E
imu
和E
sound
中提取对应的惯性包络分段和声音包络分段各m个，其中i为分段序号，将包络
分段插值为w长度并堆叠得到多模态信号矩阵M
2m*w
；
[0031](32)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于声音和惯性信号的呼吸心跳监测系统，其特征在于，包括：呼吸心跳监测设备和中心服务器，所述呼吸心跳监测设备通过绑带固定在用户的左胸前，用于监测用户心跳和胸腔起伏；所述中心服务器用于接收呼吸心跳监测设备发送的数据，并根据接收到的数据对用户的呼吸和心跳状态进行分析及存储；所述呼吸心跳监测设备，包含：单片机、麦克风及惯性传感器，单片机分别与麦克风、惯性传感器电性连接；单片机，用于控制麦克风和惯性传感器采集用户心跳声音数据和胸腔起伏的惯性数据，并将采集到的数据通过网络上传到中心服务器。2.根据权利要求1所述的基于声音和惯性信号的呼吸心跳监测系统，其特征在于，所述麦克风录音频率范围为20Hz
‑
20kHz，采样率为最高48kHz；所述惯性传感器采集加速度信号和角加速度信号，采样率为200Hz。3.一种基于声音和惯性信号的呼吸心跳监测方法，基于权利要求1
‑
2中任意一项所述系统，其特征在于，包括步骤如下：(1)分离出用于分析呼吸波形的惯性信号的低频部分imu
low
，分离出用于分析心跳波形的声音信号的低频部分sound
low
和惯性信号的中频部分imu
mid
；(2)根据多模态信号的周期性来判断心跳信号是否稳定，若信号稳定则进行心跳波形和呼吸波形的提取；若不稳定则继续检测；(3)计算心跳周期并使用神经网络融合多模态信号提取心跳波形；(4)计算呼吸周期并使用神经网络提取呼吸波形。4.根据权利要求3所述的基于声音和惯性信号的呼吸心跳监测方法，其特征在于，所述步骤(1)中的频率分离包括惯性信号的频率分离和麦克风信号的频率分离；所述惯性信号的频率分离包括频段为0
‑
2Hz的低频部分imu
low
和频段为5
‑
50Hz的中频部分imu
mid
的信号提取，分别用于分析呼吸波形和心跳波形；所述声音信号的频率分离包括频段为100
‑
2000Hz的低频部分sound
low
的信号提取，用于分析心跳波形。5.根据权利要求3所述的基于声音和惯性信号的呼吸心跳监测方法，其特征在于，所述步骤(2)中的心跳信号稳定性检测通过检测多模态信号是否存在一致的周期性来判断信号是否稳定，若信号稳定则使用对应分段内多模态信号进行心跳波形、呼吸波形的提取，具体为：(21)包络提取：将imu
mid
和sound
low
归一化至[0,1]分别得到归一化惯性信号imu
norm
和归一化声音信号sound
norm
，归一化公式为其中x
norm
为归一化惯性信号imu
norm
或归一化声音信号sound
norm
，x为imu
mid
信号或sound
low
信号，x
min
为序列的最小值，x
max
为序列的最大值，再提取归一化信号的上包络得到惯性包络E
imu
和声音包络E
sound
；(22)降采样：将步骤(21)中频率分离后得到的声音包络E
sound
降采样至200Hz；(23)多模态相关分段：将包络E
imu
和E
sound
相...

【专利技术属性】
技术研发人员：谢磊，郭庆，
申请(专利权)人：苏州森石智能科技有限公司，
类型：发明
国别省市：