System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及人体生命体征检测的,更具体的,涉及一种光电脉搏波信号的动态生命体征检测方法及系统。
技术介绍
1、输电线路深基坑与地下作业中,有限空间作业风险问题一直威胁着作业人员的健康与安全,实时准确监测作业人员的生命体征是保障现场作业安全的重要措施。基于光电脉搏波的生命体征传感器具有便携、轻便等优势,因此生命体征传感器通常采用测量脉搏波的手段计算人体的心率和血氧浓度。由发射光源和接收器构成,发射光源发射两种不同波长的光源照射人体,光经人体组织被吸收,接收器选择光电二极管,感受透射光或反射光强度并将其转化成电流信号,实现将非电量转化成电学物理量(ppg信号)进行处理分析。通过识别ppg信号的特征点,计算信号周期得到心率参数。通过识别信号峰值点并提取交直流分量,计算血氧饱和度参数。
2、然而,由于脉搏波采集设备与皮肤之间存在一定的空隙,且作业人员大部分时间处于大幅度的运动状态,在运动状态下空隙空间发生晃动,使得测量光路发生变化,从而导致脉搏波的波形被叠加以运动干扰噪声,使得心率的计算产生偏差。运动幅度越大,被叠加在脉搏波频谱上的噪声干扰也越大,从而对检测结果产生较大的干扰误差。
3、光电脉搏波信号的动态生命体征检测技术是一种非侵入式的生命体征监测方法,通过测量皮肤表面的脉搏波信号来反映心血管系统的状态,可用于测量心率、心律失常、血压、血氧饱和度等生命体征指标。
4、尽管光电脉搏波信号检测技术有着非侵入式、实时监测、方便易用、多指标监测等优点,但它也存在一些限制和局限性,如信号质量受到外界干扰的影响,
5、传统的线性时不变滤波器主要也是根据信号的频率特性来进行设计,在滤波器结构设计的时候通常需要考虑到滤波信号的频率特性,因为它内部的滤波器参数和结构都是固定的,不具备响应外界变化的能力。
6、现有技术文件1(cn113349752b)提出了一种基于传感融合的可穿戴设备实时心率监测方法。通过构建多传感融合的最小二乘自适应滤波去噪算法模型以去除原始光电脉搏信号和加速度信号中的干扰因素,通过提取三轴加速度信号的峰峰值、均方根特征建立决策树分类模型,同时根据该模型定义出心率分类区间,然后将滤波器输出的ppg信号输入到分类模型中,以确定出当前心率值所在频谱区间,并在该区间查找最大频谱峰值确定心率频率。最后,融合三路去噪后的光电脉搏波信号计算得到的心率值,并将其作为最终心率值。现有技术还存在以下技术缺陷:由心脏搏动和运动引起的噪声使得信号复杂多变,传统线性时不变滤波器由于其内部参数和结构是固定的,对于未知频率特性的信号处理不够准确,同时通过谱峰选择的方式计算心率的方法也容易因峰值重叠导致计算结果的不准确,从而引发监测不准的问题。
技术实现思路
1、为解决现有技术中存在的不足,本专利技术提供一种光电脉搏波信号的动态生命体征检测方法,能够解决生命体征检测时由于被测人员佩戴脉搏波采集设备时存在接触空隙,运动会使测量光路发生变化,从而导致测量到的脉搏波信号被叠加以运动干扰噪声,影响生命体征值的计算的技术问题。
2、本专利技术采用如下的技术方案。
3、一种基于光电脉搏波信号的动态生命体征检测方法,包括如下步骤:
4、步骤1,采集待测目标的同一位置的脉搏波信号和加速度信号;
5、步骤2,基于可变参数的自适应滤波器消除所采集数据的噪声,得到纯净脉搏波信号;
6、步骤3,对得到的纯净脉搏波信号进行计算,得到真实对应心率的脉搏波谱峰并计算平均心率值,将平均心率值作为待测目标的生命体征。
7、优选地,将光电传感器和陀螺仪设置于待测目标的同一位置,通过光电传感器采集光信号,并将光信号转化成电信号的脉搏波信号x(t),通过陀螺仪记录加速度信号v(t),t表示时间。
8、优选地,基于可变参数的自适应滤波器去除脉搏波信号中的噪声得到纯净脉搏波信号,具体包括:
9、根据采集到的脉搏波信号构建自适应滤波器输入信号,初始化自适应滤波器的参数,结合采集到的加速度信号和自适应滤波器的输出值计算误差,并根据误差对自适应滤波器参数进行调节,使得代价函数值达到最小,并将代价函数最小时的输出信号作为纯净脉搏波信号。
10、优选地,根据采集到的脉搏波信号x(t)构建的自适应滤波器输入信号x(t)为:
11、x(t)=[x(t),x(t-1),...,x(t-l+1)]t
12、其中,l为滤波器阶数,t为时间,上标t表示转置运算;
13、自适应滤波器的参数包括:滤波器的权重系数w(t)、可变步长参数μ(t)、步长调整因子α,对参数进行初始化,且:
14、w(t)=[w0(t),w1(t),...,wl-1(t)]t;
15、式中,wi(t)表示第i个阶数在时刻t的权重系数;
16、优选地,自适应滤波器的输出信号y(t)表示为滤波器的权重向量wt(t)与输入信号x(t)的内积,输出信号y(t)满足:
17、
18、将采集的加速度信号v(t)作为自适应滤波器的期望输出d(t),误差信号o(t)为期望输出d(t)与自适应滤波器的输出信号y(t)之间的差异:
19、o(t)=d(t)-y(t)=d(t)-wt(t)x(t)
20、使用上一时刻t-1处的滤波器参数,根据当前时刻t处的估计误差o(t),对滤波器参数进行自动调节,使得代价函数jt值达到最小,代价函数jt为:
21、jt=e{|o(t)|2}=e{|d(t)-wt(t)x(t)|2}
22、滤波器的权重w(t)在每次迭代时更新,以减小代价函数jt。权值向量更新公式为:
23、w(t+1)=w(t)+2μ(t)o(t)x(t)
24、步长更新参数:
25、μ(t+1)=μ(t)(1-α·sign(e(t))·x(t)·x(t)t)
26、通过不断迭代更新权重向量w(t),最小化代价函数jt,得到代价函数jt最小时的滤波器输出信号,将其作为加速度信号的最优估计得到纯净脉搏波信号s(t):
27、
28、优选地,对得到的纯净脉搏波信号进行计算,得到真实对应心率的脉搏波谱峰并计算得到心率值,具体包括:
29、获取加速度信号的频谱v(fk)和纯净脉搏波信号的频谱s(fk),并计算加速度信号频谱中的峰值频率facc,计算纯净脉搏波信号频谱中的峰值频率fppg;
30、计算任意的相邻两个加速度信号对应的峰值频率facc1、facc2;
31、基于两个加速度信号对应的峰值频率facc1、facc2计算干扰频率范围:
32、在脉搏波信号的频谱中去除facc附近的频率,定义一个去除窗口大小w,滤除加速度频谱峰值频率,得到加速度的频率区间[facc1-w,f本文档来自技高网...
【技术保护点】
1.一种基于光电脉搏波信号的动态生命体征检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于光电脉搏波信号的动态生命体征检测方法,其特征在于,
3.根据权利要求1所述的基于光电脉搏波信号的动态生命体征检测方法,其特征在于,
4.根据权利要求3所述的基于光电脉搏波信号的动态生命体征检测方法,其特征在于,
5.根据权利要求4所述的基于光电脉搏波信号的动态生命体征检测方法,其特征在于,
6.根据权利要求1所述的基于光电脉搏波信号的动态生命体征检测方法,其特征在于,
7.根据权利要求6所述的基于光电脉搏波信号的动态生命体征检测方法,其特征在于,
8.根据权利要求6所述的基于光电脉搏波信号的动态生命体征检测方法,其特征在于,
9.根据权利要求6所述的基于光电脉搏波信号的动态生命体征检测方法,其特征在于,
10.一种利用权利要求1-9任一项权利要求所述动态生命体征检测方法的光电脉搏波信号的动态生命体征检测系统,其特征在于,包括:采集模块、处理模块和心率计算模块;
< ...【技术特征摘要】
1.一种基于光电脉搏波信号的动态生命体征检测方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的基于光电脉搏波信号的动态生命体征检测方法,其特征在于,
3.根据权利要求1所述的基于光电脉搏波信号的动态生命体征检测方法,其特征在于,
4.根据权利要求3所述的基于光电脉搏波信号的动态生命体征检测方法,其特征在于,
5.根据权利要求4所述的基于光电脉搏波信号的动态生命体征检测方法,其特征在于,
6.根据权利要求1所述的基于光电脉搏波信号的动态生命体征检测方法,其特征在于,
7.根据权利要求6所述的基于光电脉搏波信号...
【专利技术属性】
技术研发人员:陈峻宇,何光华,张志坚,钱磊,陈晓伟,俞骏,何建益,徐骏,卞栋,孙柯,施子凡,
申请(专利权)人:国网江苏省电力有限公司无锡供电分公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。