本發(fā)明涉及參數監(jiān)測，尤其涉及一種生理參數監(jiān)測系統(tǒng)及方法。

背景技術：

1、血氧飽和度是血液中氧合血紅蛋白與總血紅蛋白的比例，是衡量人體氧氣供應狀況的重要指標。它不僅可以反映出人體循環(huán)系統(tǒng)和呼吸系統(tǒng)的生理狀態(tài)，而且對于監(jiān)測疾病治療效果、運動員訓練負荷及高海拔作業(yè)人員的身體狀況等都有著至關重要的意義。近年來，隨著可穿戴設備技術的發(fā)展，血氧監(jiān)測設備逐漸向小型化、便攜化發(fā)展。其中，光電容積脈搏圖(ppg)技術因其非侵入性和使用方便的特點，被廣泛應用于各種可穿戴血氧監(jiān)測設備中。

2、然而，現有的血氧、心率、溫度監(jiān)測技術在實際應用中仍面臨諸多挑戰(zhàn)。首先，傳統(tǒng)的ppg傳感器對運動和環(huán)境變化十分敏感，如體動、環(huán)境光干擾等都可能引起信號失真，影響測量精度。其次，高海拔環(huán)境的低氣壓和低氧狀態(tài)會對設備的性能造成額外的影響。此外，設備的功耗也是限制其長時間連續(xù)監(jiān)測的一個重要因素。這些限制導致了在動態(tài)環(huán)境下，尤其是在進行高強度活動或在極端環(huán)境中，現有設備難以提供準確和實時的血氧及心率數據。

技術實現思路

1、本發(fā)明所要解決的技術問題在于，提供一種生理參數監(jiān)測系統(tǒng)及方法，確保在動態(tài)環(huán)境下測量的準確性和可靠性，并配備了本地和遠程的預警系統(tǒng)，從而有效保障高海拔環(huán)境下作業(yè)人員的健康和安全。

2、為了解決上述技術問題，本發(fā)明實施例第一方面公開了一種生理參數監(jiān)測系統(tǒng)，所述系統(tǒng)包括血氧監(jiān)測模塊、溫度監(jiān)測模塊、心率監(jiān)測模塊、集成器模擬前端、供電模塊、藍牙傳輸模塊、混合信號微控制器和云端數據分析預警模塊；

3、所述血氧監(jiān)測模塊與所述集成器模擬前端數據連接，用于采集用戶的血氧信息；

4、所述溫度監(jiān)測模塊與所述集成器模擬前端數據連接，用于采集用戶的皮膚溫度信息；

5、所述心率監(jiān)測模塊與所述集成器模擬前端數據連接，用于采集用戶的心率信息；

6、所述集成器模擬前端與所述血氧監(jiān)測模塊、所述溫度監(jiān)測模塊、所述心率監(jiān)測模塊、所述供電模塊和所述混合信號微控制器數據連接，用于對所述血氧監(jiān)測模塊、所述溫度監(jiān)測模塊和所述心率監(jiān)測模塊進行控制和供電；

7、所述供電模塊與所述集成器模擬前端、所述藍牙傳輸模塊和所述混合信號微控制器數據連接，用于為所述集成器模擬前端、所述藍牙傳輸模塊和所述混合信號微控制器供電；

8、所述藍牙傳輸模塊與所述供電模塊、所述混合信號微控制器數據連接，用于進行數據通信；

9、所述混合信號微控制器與所述集成器模擬前端、所述藍牙傳輸模塊和所述供電模塊數據連接，用于對所述集成器模擬前端、所述藍牙傳輸模塊和所述供電模塊進行控制；

10、所述云端數據分析預警模塊與所述藍牙傳輸模塊數據連接，用于接收數據并進行數據處理；

11、所述血氧監(jiān)測模塊、所述溫度監(jiān)測模塊、所述心率監(jiān)測模塊、所述集成器模擬前端、所述供電模塊、所述藍牙傳輸模塊和所述混合信號微控制器集成于可穿戴手套上。

12、作為一種可選的實施方式，本發(fā)明實施例第一方面中，所述血氧監(jiān)測模塊位于可穿戴手套的食指指尖；

13、所述溫度監(jiān)測模塊位于可穿戴手套的掌心；

14、所述心率監(jiān)測模塊位于可穿戴手套的手腕處。

15、作為一種可選的實施方式，本發(fā)明實施例第一方面中，所述混合信號微控制器包括數據處理單元和報警單元；

16、所述數據處理單元用于對用戶的血氧信息、皮膚溫度信息和心率信息進行處理，得到生理參數監(jiān)測結果，并將所述生理參數監(jiān)測結果發(fā)送至所述藍牙傳輸模塊和所述報警單元；

17、所述報警單元用于根據所述生理參數監(jiān)測結果發(fā)出報警信息。

18、本發(fā)明實施例第二方面公開了一種生理參數監(jiān)測方法，所述方法包括：

19、s1，利用血氧監(jiān)測模塊采集血氧信息，并將所述血氧信息發(fā)送至集成器模擬前端；

20、s2，利用溫度監(jiān)測模塊采集皮膚溫度信息，并將所述皮膚溫度信息發(fā)送至集成器模擬前端；

21、s3，利用心率監(jiān)測模塊采集心率信息，并將所述心率信息發(fā)送至集成器模擬前端；

22、s4，利用所述集成器模擬前端，將所述血氧信息、所述皮膚溫度信息和所述心率信息發(fā)送至混合信號微控制器；

23、s5，利用所述混合信號微控制器，對所述血氧信息、所述皮膚溫度信息和所述心率信息進行處理，得到生理參數監(jiān)測結果，并通過藍牙傳輸模塊，將所述生理參數監(jiān)測結果和所述血氧信息、所述皮膚溫度信息和所述心率信息發(fā)送至云端數據分析預警模塊；

24、s6，利用所述云端數據分析預警模塊，對所述生理參數監(jiān)測結果、所述血氧信息、所述皮膚溫度信息和所述心率信息進行處理，得到健康管理報告。

25、作為一種可選的實施方式，本發(fā)明實施例第二方面中，所述利用所述混合信號微控制器，對所述血氧信息、所述皮膚溫度信息和所述心率信息進行處理，得到生理參數監(jiān)測結果，包括：

26、s51，對所述血氧信息進行特征提取，得到血氧參數信息；

27、s52，對所述皮膚溫度信息進行特征提取，得到溫度參數信息；

28、s53，對所述心率信息進行特征提取，得到心率參數信息；

29、s54，對所述血氧參數信息、所述溫度參數信息、所述心率參數信息進行融合，得到生理參數信息；

30、s55，利用所述生理參數信息，對預設的生理參數識別模型進行訓練，得到優(yōu)化生理參數識別模型；

31、s56，利用所述優(yōu)化生理參數識別模型，對待處理的生理參數信息進行識別，得到生理參數監(jiān)測結果。

32、作為一種可選的實施方式，本發(fā)明實施例第二方面中，所述對所述血氧信息進行特征提取，得到血氧參數信息，包括：

33、s511，對所述血氧信息進行濾波，得到預處理血氧信息；

34、s512，利用預設的特征提取模型，對所述預處理血氧信息進行特征提取，得到預處理特征信息；

35、所述特征提取模型表達式為：

36、

37、式中，t表示時間，ω表示角頻率，x()表示預處理血氧信息，τ表示延時，w(t,ω)為預處理特征信息，*表示取共軛；

38、s513，利用預設的濾波模型，對所述預處理特征信息w(t,ω)進行濾波，得到血氧參數信息

39、所述預設的濾波模型表達式為：

40、

41、式中，w(τ,θ)表示預處理特征信息，w1(t-τ,ω-θ)為二維模板，和是兩個高斯函數，分別表示空間域核和像素域核，τ為時域變量，θ為頻域變量；

42、和具體表達式為：

43、

44、式中，a、b表示輸入像素的橫縱坐標，i、j表示二維模板中心的坐標，σs、σr表示高斯函數標準差。

45、作為一種可選的實施方式，本發(fā)明實施例第二方面中，所述對所述皮膚溫度信息進行特征提取，得到溫度參數信息，包括：

46、s521，對所述皮膚溫度信息進行濾波，得到預處理溫度信息；

47、s522，對所述預處理溫度信息進行變分模態(tài)分解，得到n個變分模態(tài)分量；

48、s523，利用溫度參數提取模型，對所述n個變分模態(tài)分量進行處理，得到預處理溫度參數信息；

49、所述溫度參數提取模型表達式為：

50、

51、其中，yk為預處理溫度參數信息y＝[y1,y2,…,yn]的第k個分量，δ(t)為單位沖激信號，t為時間變量，j為虛數單位，j2＝-1，uk(t)為第k個變分模態(tài)分量，ωk為第k個變分模態(tài)分量的中心頻率；

52、s524，對所述預處理溫度參數信息進行處理，得到溫度參數信息；

53、所述溫度參數信息表達式為：

54、

55、其中為溫度參數信息。

56、作為一種可選的實施方式，本發(fā)明實施例第二方面中，所述對所述心率信息進行特征提取，得到心率參數信息，包括：

57、s531，對所述心率信息進行濾波，得到預處理心率信息；

58、s532，對所述預處理心率信息進行特征提取，得到預處理心率特征參數，包括：

59、

60、式中，s(m,n)為預處理心率特征參數，x(i)表示預處理心率信息，g(i-nt)表示窗函數，t表示滑動窗口長度，m,n分別表示預處理心率特征參數頻點和時刻，l表示信號長度，i表示信號樣點，m表示離散傅里葉變換長度，

61、s533，對所述預處理心率特征參數進行濾波，得到心率參數信息，包括：

62、設置初始閾值δth的目標區(qū)間[α,β],其中0≤α＜β≤max{s(m,n)}，s(m,n)為預處理心率特征參數；

63、將所述目標區(qū)間[α,β]劃分為l等份；

64、將初始閾值δth設置為α，按照的步長進行遞增迭代，得到閾值

65、利用閾值計算每一次迭代后的濾波心率參數信息

66、

67、其中，s(m,n)表示預處理心率特征參數，a,b表示閾值中的時間、頻率參量；

68、計算每一次迭代與上一次迭代的得到的心率參數信息的差值εi1,i1＝1,2,…，i1為迭代次數；

69、將差值εi1進行曲線擬合，得到曲線c，當曲線c出現拐點時，對應的閾值為最優(yōu)閾值；

70、利用所述最優(yōu)閾值，對所述預處理心率特征參數s(m,n)進行最優(yōu)閾值濾波，得到心率參數信息。

71、作為一種可選的實施方式，本發(fā)明實施例第二方面中，所述對所述血氧參數信息、所述溫度參數信息、所述心率參數信息進行融合，得到生理參數信息，包括：

72、s541，對所述血氧參數信息、所述溫度參數信息、所述心率參數信息進行整合，得到融合參數信息；

73、所述融合參數信息表達式為：

74、

75、其中，z為融合參數信息，z1為血氧參數信息，z2為溫度參數信息，z3為心率參數信息，α、β、γ為權重系數，α+β+γ＝1；

76、s542，對所述融合參數信息進行數據中心化，得到中心化參數信息；

77、所述中心化參數信息表達式為：

78、z1＝z-u

79、其中，z1為中心化參數信息，zi為z中第i個元素，共n個元素；

80、s543，對所述中心化參數信息進行協(xié)方差計算，得到協(xié)方差矩陣；

81、s544，對所述協(xié)方差矩陣進行特征值分解，得到m個特征值；

82、s545，對所述m個特征值進行排序，取出前k個特征值對應的特征向量；

83、s546，利用特征向量重構模型，對所述前k個特征值對應的特征向量進行處理，得到生理參數信息；

84、所述特征向量重構模型表達式為：

85、u＝[p1z1,p2z1,…,pkz1]

86、其中，u為生理參數信息，[p1,p2,…,pk]為所述前k個特征值對應的特征向量。

87、作為一種可選的實施方式，本發(fā)明實施例第二方面中，所述利用所述云端數據分析預警模塊，對所述生理參數監(jiān)測結果、所述血氧信息、所述皮膚溫度信息和所述心率信息進行處理，得到健康管理報告，包括：

88、s61，利用所述云端數據分析預警模塊，對所述生理參數監(jiān)測結果、所述血氧信息、所述皮膚溫度信息和所述心率信息進行顯示；

89、s62，獲取歷史數據信息；

90、s63，對所述歷史數據信息、所述血氧信息、所述皮膚溫度信息和所述心率信息進行處理，得到健康管理報告。

91、與現有技術相比，本發(fā)明實施例具有以下有益效果：

92、本發(fā)明方法顯著提升了血氧、皮膚溫度和心率監(jiān)測的準確性和可靠性，并通過實時預警系統(tǒng)和遠程(云端)數據分析，為用戶提供了全面的健康保障和個性化的健康管理服務。這些有益效果使得本發(fā)明在高海拔戶外活動和日常健康監(jiān)測中具有廣泛的應用前景。本發(fā)明云端數據分析預警模塊提供了直觀的用戶界面，顯示實時數據、歷史記錄和健康趨勢。用戶可以自定義報警閾值、查看報警歷史、生成健康報告，并與醫(yī)療專業(yè)人員共享數據。