信号处理方法技术

本申请涉及通信技术领域，尤其涉及一种信号处理方法

【技术实现步骤摘要】
信号处理方法、装置、电子设备及存储介质


[0001]本申请涉及通信
，尤其涉及一种信号处理方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]目前，电子设备可以利用例如光电容积脉搏波
(photoplethysmography
，
PPG)
信号来测量体征参数
。
光电传感器通过发光二极管
(light
‑
emitting diode
，
LED)
向皮肤发射光线，该光线透过皮肤组织被血流吸收后被皮肤反射，光电传感器通过接收器接收反射光信号
。
该反射光信号即为光电容积脉搏波信号，根据反射光信号的强度变化实现对体征参数的检测，体征参数可以为心率
、
血压或血氧饱和度
。
[0003]相关技术中，在获取表征体征参数的光电容积脉搏波信号时，用户的肢体活动会对该光电容积脉搏波信号产生干扰，形成运动伪影
(Motion artifacts
，
MA)
，由于光电容积脉搏波信号中包含运动伪影，运动伪影会被误测为心跳信号，从而导致在运动状态下采用光电容积脉搏波信号进行体征参数检测的准确率不高
。

技术实现思路

[0004]鉴于以上问题，本申请实施例提供一种信号处理方法
、
装置
、
电子设备及存储介质，以解决上述技术问题
。
>[0005]第一方面，本申请实施例提供一种信号处理方法，包括：
[0006]根据第一光电检测信号和运动信号，获取用户的运动特征数据，其中，所述运动特征数据包括多个目标信号特征；
[0007]根据所述运动特征数据以及预先建立的运动类型识别模型，获取所述用户的运动类型识别结果，其中，所述运动类型识别模型是根据历史运动特征数据进行机器学习得到的；
[0008]根据所述用户的运动类型识别结果对应的滤波策略去除所述第一光电检测信号中的运动伪影信号，输出目标光电检测信号
。
[0009]第二方面，本申请实施例提供一种信号处理装置，包括：
[0010]特征提取模块，用于根据第一光电检测信号和运动信号，获取用户的运动特征数据，其中，所述运动特征数据包括多个目标信号特征；
[0011]运动类型识别模块，用于根据所述运动特征数据以及预先建立的运动类型识别模型，获取所述用户的运动类型识别结果，其中，所述运动类型识别模型是根据历史运动特征数据进行机器学习得到的；
[0012]运动伪影滤波模块，用于根据所述用户的运动类型识别结果对应的滤波策略去除所述第一光电检测信号中的运动伪影信号，输出目标光电检测信号
。
[0013]第三方面，本申请实施例提供一种电子设备，所述电子设备包括处理器
、
以及与所述处理器耦接的存储器，所述存储器存储有可被所述处理器执行的程序指令；所述处理器
执行所述存储器存储的所述程序指令时实现上述的信号处理方法
。
[0014]第四方面，本申请实施例提供一种计算机可读存储介质，所述存储介质内存储有程序指令，所述程序指令被处理器执行时实现上述的信号处理方法
。
[0015]本申请实施例提供的信号处理方法
、
装置
、
电子设备及存储介质，根据第一光电检测信号和运动信号，获取用户的运动特征数据，其中，所述运动特征数据包括多个目标信号特征；根据所述运动特征数据以及预先建立的运动类型识别模型，获取所述用户的运动类型识别结果；根据所述用户的运动类型识别结果对应的滤波策略去除所述第一光电检测信号中的运动伪影信号，输出目标光电检测信号；通过运动类型识别模型能够准确识别用户的运动类型，针对不同的运动类型采用不同的运动伪影去除策略，提高了运动伪影的去除效果，有利于提高在运动状态下采用光电容积脉搏波信号进行体征参数检测的准确率
。
[0016]本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂
。
附图说明
[0017]图1示出了本申请实施例提供的信号处理方法的应用场景图
。
[0018]图2示出了本申请实施例提供的信号处理方法的流程示意图
。
[0019]图3示出了本申请实施例提供的信号处理方法中有规则运动或类有规则运动的频域信号示意图
。
[0020]图4示出了本申请实施例提供的信号处理方法中微弱无规则运动的时域信号示意图
。
[0021]图5示出了本申请实施例提供的信号处理方法中微弱无规则运动的频域信号示意图
。
[0022]图6示出了本申请实施例提供的信号处理方法中较强无规则运动的时域信号示意图
。
[0023]图7为图6中
I
处放大示意图
。
[0024]图8示出了本申请实施例提供的信号处理装置的结构示意图
。
[0025]图9示出了本申请实施例提供的芯片的结构示意图
。
[0026]图
10
示出了本申请实施例提供的电子设备的结构示意图
。
[0027]图
11
示出了本申请实施例提供的电子设备的结构示意图
。
[0028]图
12
示出了本申请实施例提供的计算机可读存储介质的结构示意图
。
具体实施方式
[0029]下面详细描述本申请的实施方式，实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件
。
下面通过参考附图描述的实施方式是示例性地，仅用于解释本申请，而不能理解为对本申请的限制
。
[0030]为了使本
的人员更好地理解本申请的方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整的描述
。
显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例
。
基于本申请中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围
。
[0031]本申请实施例中，需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅
仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序
。
[0032]而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程
、
方法
、
物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程
、
方法
、...

【技术保护点】

【技术特征摘要】
1.
一种信号处理方法，其特征在于，包括：根据第一光电检测信号和运动信号，获取用户的运动特征数据，其中，所述运动特征数据包括多个目标信号特征；根据所述运动特征数据以及预先建立的运动类型识别模型，获取所述用户的运动类型识别结果，其中，所述运动类型识别模型是根据历史运动特征数据进行机器学习得到的；根据所述用户的运动类型识别结果对应的滤波策略去除所述第一光电检测信号中的运动伪影信号，输出目标光电检测信号
。2.
根据权利要求1所述的信号处理方法，其特征在于，所述根据所述用户的运动类型识别结果对应的滤波策略去除所述光电容积脉搏波信号中的运动伪影信号，输出目标光电检测信号，包括：根据所述用户的运动类型识别结果确定对应的滤波算法；根据对应的滤波算法对所述第一光电检测信号进行处理，以去除所述运动伪影信号并输出所述目标光电检测信号
。3.
根据权利要求2所述的信号处理方法，其特征在于，所述根据所述用户的运动类型识别结果对应的滤波策略去除所述光电容积脉搏波信号中的运动伪影信号，输出目标光电检测信号，包括：若所述用户的运动类型识别结果为规则运动，则将所述运动信号作为参考信号；采用自适应滤波算法，根据所述运动信号和所述第一光电检测信号获取所述运动伪影信号；根据所述第一光电检测信号和所述运动伪影信号，获取所述目标光电检测信号
。4.
根据权利要求2所述的信号处理方法，其特征在于，所述根据所述用户的运动类型识别结果对应的滤波策略去除所述光电容积脉搏波信号中的运动伪影信号，输出目标光电检测信号，包括：若所述用户的运动类型识别结果为微弱无规则运动，则将第二光电检测信号作为参考信号；其中，所述第二光电检测信号为与所述第一光电检测信号同步采集且测量光源类型不同的信号，或所述第二光电检测信号为与所述第一光电检测信号同步采集且采集通道不同的信号；采用自适应滤波算法，根据所述第二光电检测信号和所述第一光电检测信号获取所述运动伪影信号；根据所述第一光电检测信号和所述运动伪影信号，获取所述目标光电检测信号
。5.
根据权利要求2所述的信号处理方法，其特征在于，所述根据所述用户的运动类型识别结果对应的滤波策略去除所述光电容积脉搏波信号中的运动伪影信号，输出目标光电检测信号，包括：若所述用户的运动类型识别结果为适中无规则运动，则采用差分滤波算法对所述第一光电检测信号进行滤波以去除所述第一光电检测信号中的所述运动伪影信号，输出所述目标光电检测信号
。6.
根据权利要求2所述的信号处理方法，其特征在于，所述根据所述用户的运动类型识别结果对应的滤波策略去除所述光电容积脉搏波信号中的运动伪影信号，输出目标光电检测信号，包括：
若所述用户的运动类型识别结果为较强无规则运动，则将所述运动信号作为第一参考信号，将第三光电检测信号作为第二参考信号，其中，所述第三光电检测信号为与所述第一光电检测信号同步采集且测量光源类型不同的信号；采用自适应滤波算法，根据所述运动信号和所述第一光电检测信号获取第一运动伪影信号；采用自适应滤波算法，根据所述第三光电检测信号和所述第一光电检测信号获取第二运动伪影信号；根据所述第一光电检测信号
、
所述第一运动伪影信号以及所述第二运动伪影信号，获取所述目标光电检测信号
。7.
根据权利要求1所述的信号处理方法，其特征在于，所述运动类型识别模型的建立步骤包括：获取多个第一训练样本，其中，每个所述第一训练样本包括历史运动特征数据以及对应的真实运动类型标签，所述历史运动特征数据包括多个所述目标信号特征；获取回归模型的目标函数，其中，所述目标函数分别包括不同预设运动类型的权重向量；将所述第一训练样本输入至所述目标函数，分别输出所述第一训练样本属于不同预设运动类型的预测概率；根据所述预测概率和所述真实运动类型标签，获取对应所述预设运动类型的权重向量的梯度；根据所述梯度更新对应所述预设运动类型的权重向量，直至所述梯度满足预设迭代停止条件，将对应所述预设运动类型的当前权重向量确定为所述预设运动类型的目标权重向量，得到所述运动类型识别模型
。8.
根据权利要求1所述的信号处理方法，其特征...

【专利技术属性】
技术研发人员：张英，
申请(专利权)人：芯海科技深圳股份有限公司，
类型：发明
国别省市：