一種睡眠周期信號的分離及周期計算方法及裝置的制造方法
【專利摘要】本發(fā)明涉及一種睡眠周期信號的分離及周期計算方法及裝置，涉及睡眠信號檢測領域。方法具體是由以下步驟實現(xiàn)的：識別并除去混合信號中的噪聲信號，獲得有效信號；通過有效信號中的低頻段信號獲得呼吸信號；通過有效信號中的高頻段信號獲得心跳信號；將心跳信號進行峰值強化；獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果。本發(fā)明適用于睡眠信號中周期信號的分離及周期計算。
【專利說明】
一種睡眠周期信號的分離及周期計算方法及裝置
技術領域
[0001]本發(fā)明涉及睡眠信號檢測領域，具體涉及睡眠周期信號的分離和周期計算領域。
【背景技術】
[0002]睡眠醫(yī)學將睡眠分為兩大類:非快速眼動期睡眠和快速眼動期睡眠，美國睡眠醫(yī)學協(xié)會將非快速眼動期睡眠進一步分為三個不同階段，對于健康成年人，一個睡眠周期通常持續(xù)90-100分鐘，以非快速眼動期的3個階段開始，然后是快速眼動期。
[0003]隨著睡眠時相的改變，機體內(nèi)也發(fā)生著相應的生理變化，如心率、呼吸、消化液分泌、肌肉緊張度、體溫等。在非快速眼動期，呼吸淺、慢而均勻，心率較慢，血壓下降，全身肌肉松弛，但肌肉仍保持一定的緊張度。在快速眼動期，人體的感知功能比在非快速眼動期時進一步減退，肌肉更加松弛，呼吸稍快且不規(guī)則，體溫和心率較前階段稍高，心率在下半夜較高，身體部分肌肉群可出現(xiàn)輕微的抽動?；谏鲜錾碜兓?，除了作為金標準的多導睡眠儀外，還出現(xiàn)了許多基于心率、呼吸、體動這類信號的睡眠分析裝置。
[0004]最常見的就是體動儀，是一種類似腕部手板的裝置，用來監(jiān)控采集由于動作而產(chǎn)生的數(shù)據(jù)。還有一種方法是利用心沖擊信號，該方法是一種用來記錄心臟活動引起的身體震動的方法。但以上采集信號的方法都會將呼吸和體動作為噪聲的一部分進行去除，但是在睡眠監(jiān)測領域，呼吸和體動需要單獨提取出來作為睡眠質(zhì)量判斷的指標之一，因此，需要將呼吸和體動信號進行采集并分離出來進行逐一分析處理。
【發(fā)明內(nèi)容】
[0005]本發(fā)明所要解決的技術問題是提供一種用于睡眠周期信號分離和周期計算的方法及裝置，目的是能夠?qū)⑺哌^程中檢測到的混合信號進行分離，進而對每個信號進行分析，以實現(xiàn)更有效的睡眠質(zhì)量監(jiān)測過程。
[0006]本發(fā)明解決上述技術問題的技術方案如下:一種睡眠周期信號的分離及周期計算方法為:提取混合信號中的有效信號，對有效信號進行處理后獲得極值點距離序列，進而獲得周期結(jié)果。
[0007]本發(fā)明的有益效果是:本發(fā)明對人體睡眠過程中所采集的混合信號進行提取，將混合信號進行分離，獲得心跳信號以及因傳統(tǒng)作為噪聲信號而剔除的呼吸信號和體動信號，通過分別對呼吸信號和心跳信號進行處理獲得極值點距離序列，進而獲得周期結(jié)果，為睡眠質(zhì)量監(jiān)測過程提供有效的依據(jù)。
[0008]在上述技術方案的基礎上，本發(fā)明還可以做如下改進。
[0009]進一步，所述方法具體是由以下步驟實現(xiàn)的:
[0010]S1、識別并除去混合信號中的噪聲信號，獲得有效信號，并從噪聲信號中獲得體動信號；
[0011]S2、通過有效信號中的低頻段信號獲得呼吸信號;通過有效信號中的高頻段信號獲得心跳彳g號；
[0012]S3、將心跳信號進行峰值強化；
[0013]S4、獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果。
[0014]采用上述進一步方案的有益效果是:本發(fā)明所述方法針對的混合信號主要是由兩種不同頻率范圍段的有效周期信號組成，即心跳信號和呼吸信號，其中還混有高頻率大幅值的振蕩噪聲，即為無效信號，通過將混合信號進行分離，獲得呼吸信號和心跳信號的極值點距離序列，最終獲得周期結(jié)果。
[0015]進一步，所述噪聲信號包括突變信號，判斷突變信號的持續(xù)時間，當突變信號經(jīng)過一段時間后消失，混合信號恢復，則判斷為體動信號；當混合信號經(jīng)過一段時間后消失，則判斷為離床信號，即為無效信號。
[0016]采用上述進一步方案的有益效果是:通過對突變信號進行判斷，進而分析該突變信號為體動信號或無效信號，進而分離出體動信號。
[0017]進一步，所述SI中獲得有效信號的過程為:
[0018]S11、設定濾波器的階數(shù)；
[0019]S12、將混合信號進行分段濾波；
[0020]S13、分段濾波完成后進行信號拼接。
[0021]進一步，S13所述的分段濾波完成后進行信號拼接的過程為:
[0022]S131、在每一段單獨濾波之后選取無失真的范圍求取周期信號的平均模板；
[0023]S132、選定周期信號極值點到信號頭部或信號尾部的信號發(fā)生失真的部分；
[0024]S133、采用平均模板替換信號發(fā)生失真的部分；
[0025]S134、將每一段信號的邊界定點的幅值進行歸一化，信號拼接完成。
[0026]采用上述進一步方案的有益效果是:本發(fā)明所述的濾波過程采用軟件濾波，軟件濾波較硬件濾波的精確度更高，但是軟件濾波過程中會存在邊界效應，即在信號分段的邊界處出現(xiàn)失真，本方案通過分段濾波和信號拼接方式解決邊界失真的問題，使得拼接處更加光滑。
[0027]進一步，所述對有效信號中的低頻段信號進行高斯平滑處理、均值濾波處理或中值濾波處理獲得呼吸信號。
[0028]采用上述進一步方案的有益效果是:通過對低頻段信號進行高斯平滑處理、均值濾波處理或中值濾波處理使得曲線脈絡更加平滑，減少小范圍的起伏，信號更加平穩(wěn)。
[0029]進一步，所述通過有效信號中的高頻段信號獲得心跳信號的過程為:
[0030]S21、將有效信號中的高頻段信號按照頻率分為M層，其中，每一層均包括細節(jié)信號和近似信號，M為正整數(shù)；
[0031]S22、將第i層的近似信號分解作為i + Ι層的細節(jié)信號和近似信號，i為正整數(shù)，且i<M；
[0032]S23、將從M層中選取的預設數(shù)量的信號層的細節(jié)信號和近似信號進行合成，獲得心跳信號。
[0033]進一步，S3所述的將心跳信號進行峰值強化的過程為:
[0034]S31、對心跳彳目號進彳丁差分運算獲得彳目號D;
[0035]S32、將信號D與序列NI進行卷積獲得信號C，即完成對心跳信號的強化，所述序列NI的元素個數(shù)為N，所述N的取值小于心跳信號中起伏范圍的長度，所述序列NI存在且僅存在以下兩種情況:當序列NI的前一半元素為I時，序列NI的后一半元素為-1;當序列NI的前一半元素為-1時，序列NI的后一半元素為-1。
[0036]采用上述進一步方案的有益效果是:由于高頻段信號成分相對較為復雜，為了突出心跳信號的波峰和波谷，通過差分運算和卷積運算進行峰值強化，以便后續(xù)更好的對信號周期進行計算。
[0037]進一步，S4所述的獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果的過程為:
[0038]S41、采用局部極值點方法求解呼吸信號和信號C的全部極值點；
[0039]S42、計算呼吸信號和信號C的兩個相鄰極值點之間的距離，進而獲得平均距離；
[0040]S43、判斷當前全部極值點是否存在錯誤極值點，是，則去除錯誤極值點，并在錯誤極值點左右范圍內(nèi)尋找真實極值點，所述范圍為平均距離的兩倍；
[0041]S44、根據(jù)呼吸信號和信號C的真實極值點獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果。
[0042]進一步，所述判斷當前全部極值點是否存在錯誤極值點的依據(jù)為:當前極值點大于平均距離的最大閾值倍數(shù)或小于平均距離的最小閾值倍數(shù)，則當前極值點為錯誤極值點。
[0043]采用上述進一步方案的有益效果是:由于呼吸信號和心跳信號都是周期信號，其極值點之間的距離也具有相對穩(wěn)定性，如果出現(xiàn)了大于平均距離的最大閾值倍數(shù)或者小于平均距離的最小閾值背書，則認為當前極值點判斷錯誤，按照去除偽點后的平均距離去尋找偽點左右范圍的真實極值點，總體范圍為平均距離的兩倍，這樣可以得到呼吸信號和心跳信號的極值點距離序列，進而獲得周期計算結(jié)果。
[0044]進一步，S4所述的獲得心跳信號的極值點距離序列，進而獲得周期結(jié)果的過程為:
[0045]S4a、根據(jù)最大心率獲得當前時間段內(nèi)的最小心跳時間間隔，以此時間間隔為標準尋找心跳信號的上脈絡波形的極值點；
[0046]S4b、計算所有上脈絡波形極值點的高度并獲得平均高度；
[0047]S4c、判斷是否所有上脈絡波形極值點的高度都大于平均高度乘以比例系數(shù)后的數(shù)值，是，則執(zhí)行下一步；否，則將該條件作為補充條件重新尋找心跳信號的上脈絡波形的極值點；
[0048]S4d、檢測極值點的差分數(shù)組，判斷每個差值與平均差值的大小，獲得心跳信號的脈絡堆數(shù)，并將該堆數(shù)轉(zhuǎn)換為心跳間隔；
[0049]S4e、根據(jù)S4d獲得的心跳間隔乘以比例系數(shù)后作為最小極值距離限制，獲得心跳信號中的極值點；
[0050]S4f、求取心跳信號極值點的差分均值獲得當前時間段內(nèi)心跳周期的平均長度，得到一分鐘內(nèi)的心跳次數(shù)，進而獲得心跳信號周期結(jié)果。
[0051]采用上述進一步方案的有益效果是:心跳信號的波形有可能出現(xiàn)不穩(wěn)定的情況，峰值較難識別，采用脈絡的堆來判斷周期，然后在對峰值進行判斷，其效果更好。
[0052]本發(fā)明解決上述技術問題的技術方案如下:一種睡眠周期信號的分離及周期計算裝置包括:
[0053]用于提取混合信號中的有效信號的有效信號獲取模塊；
[0054]用于對有效信號進行處理后獲得極值點距離序列，進而獲得周期結(jié)果的周期結(jié)果獲取模塊。
[0055]進一步，所述有效信號獲取模塊包括:
[0056]用于識別并除去混合信號中的噪聲信號，獲得有效信號，并從噪聲信號中獲得體動信號的信號提取模塊；
[0057]用于通過有效信號中的低頻段信號獲得呼吸信號;通過有效信號中的高頻段信號獲得心跳信號的信號分離模塊；
[0058]所述周期結(jié)果獲取模塊包括:
[0059]用于將心跳信號進行峰值強化的峰值強化模塊；
[0060]用于獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果的周期計算模塊。
[0061]本發(fā)明的有益效果是:本發(fā)明對人體睡眠過程中所采集的混合信號進行提取，將混合信號進行分離，獲得心跳信號以及因傳統(tǒng)作為噪聲信號而剔除的呼吸信號和體動信號，通過分別對呼吸信號和心跳信號進行處理獲得極值點距離序列，進而獲得周期結(jié)果，為睡眠質(zhì)量監(jiān)測過程提供有效的依據(jù)。本發(fā)明所述方法針對的混合信號主要是由兩種不同頻率范圍段的有效周期信號組成，即心跳信號和呼吸信號，其中還混有高頻率大幅值的振蕩噪聲，即為無效信號，通過將混合信號進行分離，獲得呼吸信號和心跳信號的極值點距離序列，最終獲得周期結(jié)果。
[0062]進一步，所述噪聲信號包括突變信號，判斷突變信號的持續(xù)時間，當突變信號經(jīng)過一段時間后消失，混合信號恢復，則判斷為體動信號；當混合信號經(jīng)過一段時間后消失，則判斷為離床信號，即為無效信號。
[0063]采用上述進一步方案的有益效果是:通過對突變信號進行判斷，進而分析該突變信號為體動信號或無效信號，進而分離出體動信號。
[0064]進一步，所述信號提取模塊包括:
[0065]用于設定帶通濾波器階數(shù)的階數(shù)設定模塊；
[0066]用于將混合信號進行分段濾波的分段濾波模塊；
[0067]用于對分段濾波完成后的信號進行信號拼接的信號拼接模塊。
[0068]進一步，所述信號拼接模塊包括:
[0069]用于在每一段單獨濾波之后選取無失真的范圍求取周期信號的平均模板的平均模板獲取模塊；
[0070]用于選定周期信號極值點到信號頭部或信號尾部的信號發(fā)生失真的部分的失真信號獲取模塊；
[0071]用于采用平均模板替換信號發(fā)生失真的部分的信號替換模塊；
[0072]用于將每一段信號的邊界定點的幅值進行歸一化的幅值歸一化模塊。
[0073]采用上述進一步方案的有益效果是:本發(fā)明所述的濾波過程采用軟件濾波，軟件濾波較硬件濾波的精確度更高，但是軟件濾波過程中會存在邊界效應，即在信號分段的邊界處出現(xiàn)失真，本方案通過分段濾波和信號拼接方式解決邊界失真的問題，使得拼接處更加光滑。
[0074]進一步，對有效信號中的低頻段信號進行高斯平滑處理、均值濾波處理或中值濾波處理獲得呼吸信號。
[0075]采用上述進一步方案的有益效果是:通過對低頻段信號進行高斯平滑處理、均值濾波處理或中值濾波處理使得曲線脈絡更加平滑，減少小范圍的起伏，信號更加平穩(wěn)。
[0076]進一步，信號分離模塊包括:
[0077]用于將有效信號中的高頻段信號按照頻率分為M層的分層模塊，其中，每一層均包括細節(jié)信號和近似信號，M為正整數(shù)；
[0078]用于將第i層的近似信號分解作為i+ Ι層的細節(jié)信號和近似信號的分解模塊，i為正整數(shù)，且i<M;
[0079]用于將從M層中選取的預設數(shù)量的信號層的細節(jié)信號和近似信號進行合成，獲得心跳信號的信號合成模塊。
[0080]進一步，峰值強化模塊包括:
[0081]用于對心跳信號進行差分運算獲得信號D的差分運算?？欤?br>[0082]用于將信號D與序列NI進行卷積獲得信號C的卷積運算模塊，所述序列NI的元素個數(shù)為N，所述N的取值小于心跳信號中起伏范圍的長度，所述序列NI存在且僅存在以下兩種情況:當序列NI的前一半元素為I時，序列NI的后一半元素為-1;當序列NI的前一半元素為-1時，序列NI的后一半元素為-1。
[0083]采用上述進一步方案的有益效果是:由于高頻段信號成分相對較為復雜，為了突出心跳信號的波峰和波谷，通過差分運算和卷積運算進行峰值強化，以便后續(xù)更好的對信號周期進行計算。
[0084]進一步，周期計算模塊包括:
[0085]用于采用局部極值點方法求解呼吸信號和信號C的全部極值點的全部極值點獲取豐旲塊;
[0086]用于計算呼吸信號和信號C的兩個相鄰極值點之間的距離，進而獲得平均距離的平均距離獲取模塊；
[0087]用于判斷當前全部極值點是否存在錯誤極值點的極值點判斷模塊，是，則去除錯誤極值點，并在錯誤極值點左右范圍內(nèi)尋找真實極值點，所述范圍為平均距離的兩倍；
[0088]用于根據(jù)呼吸信號和信號C的真實極值點獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果的極值點距離序列獲取模塊。
[0089]進一步，所述判斷當前全部極值點是否存在錯誤極值點的依據(jù)為:當前極值點大于平均距離的最大閾值倍數(shù)或小于平均距離的最小閾值倍數(shù)，則當前極值點為錯誤極值點。
[0090]采用上述進一步方案的有益效果是:由于呼吸信號和心跳信號都是周期信號，其極值點之間的距離也具有相對穩(wěn)定性，如果出現(xiàn)了大于平均距離的最大閾值倍數(shù)或者小于平均距離的最小閾值背書，則認為當前極值點判斷錯誤，按照去除偽點后的平均距離去尋找偽點左右范圍的真實極值點，總體范圍為平均距離的兩倍，這樣可以得到呼吸信號和心跳信號的極值點距離序列，進而獲得周期計算結(jié)果。
[0091 ]進一步，周期計算模塊包括:
[0092]用于根據(jù)最大心率獲得當前時間段內(nèi)的最小心跳時間間隔，以此時間間隔為標準尋找心跳信號的上脈絡波形極值點的脈絡波形極值點獲取模塊；
[0093]用于計算所有上脈絡波形極值點的高度并獲得平均高度的平均高度獲取模塊；
[0094]用于判斷是否所有上脈絡波形極值點的高度都大于平均高度乘以比例系數(shù)后的數(shù)值的高度判斷模塊，是，則執(zhí)行下一步；否，則將該條件作為補充條件重新尋找心跳信號的上脈絡波形的極值點；
[0095]用于檢測極值點的差分數(shù)組，判斷每個差值與平均差值的大小，獲得心跳信號的脈絡堆數(shù)，并將該堆數(shù)轉(zhuǎn)換為心跳間隔的心跳間隔獲取模塊；
[0096]用于根據(jù)獲得的心跳間隔乘以比例系數(shù)后作為最小極值距離限制，獲得心跳信號極值點的心跳信號極值點獲取模塊；
[0097]用于求取心跳信號極值點的差分均值，獲得當前時間段內(nèi)心跳周期的平均長度，得到一分鐘內(nèi)的心跳次數(shù)，進而獲得心跳信號周期結(jié)果的心跳周期獲取模塊。
[0098]采用上述進一步方案的有益效果是:心跳信號的波形有可能出現(xiàn)不穩(wěn)定的情況，峰值較難識別，采用脈絡的堆來判斷周期，然后在對峰值進行判斷，其效果更好。
【附圖說明】
[0099]圖1為本發(fā)明所述方法的流程圖；
[0100]圖2為本發(fā)明所述的獲得有效信號的流程圖；
[0101]圖3為本發(fā)明所述的分段濾波完成后進行信號拼接的流程圖；
[0102]圖4為本發(fā)明所述的通過有效信號中的高頻段信號獲得心跳信號的流程圖；
[0103]圖5為本發(fā)明所述的將心跳信號進行峰值強化的流程圖；
[0104]圖6為獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果的流程圖；
[0105]圖7為另一種獲得心跳信號的極值點距離序列，進而獲得周期結(jié)果的方法的流程圖；
[0106]圖8為本發(fā)明所述裝置的原理示意圖。
【具體實施方式】
[0107]以下結(jié)合附圖對本發(fā)明的原理和特征進行描述，所舉實例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。
[0108]實施例1
[0109]本實施例提出了一種睡眠周期信號的分離及周期計算方法，所述方法為:提取混合信號中的有效信號，對有效信號進行處理后獲得極值點距離序列，進而獲得周期結(jié)果。
[0110]如圖1所示，所述方法具體是由以下步驟實現(xiàn)的:
[0111]S1、識別并除去混合信號中的噪聲信號，獲得有效信號，并從噪聲信號中獲得體動信號；
[0112]S2、通過有效信號中的低頻段信號獲得呼吸信號;通過有效信號中的高頻段信號得心跳彳g號；
[0113]S3、將心跳信號進行峰值強化；
[0114]S4、獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果。
[0115]本實施例通過對人體睡眠過程中所采集的混合信號進行提取，將混合信號進行分離，獲得心跳信號以及因傳統(tǒng)作為噪聲信號而剔除的呼吸信號和體動信號，通過分別對呼吸信號和心跳信號進行處理獲得極值點距離序列，進而獲得周期結(jié)果，為睡眠質(zhì)量監(jiān)測過程提供有效的依據(jù)。
[0116]本實施例所述的方法針對的混合信號主要是由兩種不同頻率范圍段的有效周期信號組成，即心跳信號和呼吸信號，其中還混有高頻率大幅值的振蕩噪聲。首先將混合信號中的噪聲段識別出來，由于噪聲信號的強度高于正常信號，將該段信號判定為無效信號，如果不將無效信號進行剔除，即無法進行呼吸信號和心跳信號的分離。將無效信號出去后，剩下的就是有效信號，呼吸信號對應低頻部分，心跳信號對應高頻部分。
[0117]優(yōu)選的，所述噪聲信號包括突變信號，判斷突變信號的持續(xù)時間，當突變信號經(jīng)過一段時間后消失，混合信號恢復，則判斷為體動信號；當混合信號經(jīng)過一段時間后消失，則判斷為離床信號，即為無效信號。
[0118]通過對突變信號進行判斷，進而分析該突變信號為體動信號或無效信號，進而分離出體動信號。
[0119]通過以上過程完成了心跳信號、呼吸信號和體動信號的分離。
[0120]心跳相關的特征可以從心跳間隔序列中提取一段時間內(nèi)的平均心跳間隔、一段時間內(nèi)心跳間隔的方差、每五分鐘的平均心跳間隔的方差、每五分鐘的心跳間隔方差的平均值、與前一段間隔相比間隔時間差異大于50ms的比例、與前一間隔相比間隔時間差異大于平均間隔時間6.25%或者更多的比例、連續(xù)相鄰時間間隔的差值的平方根、五分鐘心跳間隔的方差除以均值;也可以從心跳間隔序列中提取不同頻率段的信號能量，分為超低頻、低頻和高頻、低頻比例、高頻比例。
[0121]呼吸相關的特征可以是呼吸信號的深度(即幅值)、呼吸信號的面積(即波峰到波谷的曲線與基線圍起來的面積)、呼吸信號不同頻段的能量(也是超低頻、低頻、高頻)。
[0122]體動相關的特征可以是超過某個設定閾值的持續(xù)時間，信號大于信號平均幅值的某個倍數(shù)閾值。
[0123]優(yōu)選的，如圖2所示，所述SI中獲得有效信號的過程為:
[0124]S11、設定濾波器的階數(shù)；
[0125]S12、將混合信號進行分段濾波；
[0126]S13、分段濾波完成后進行信號拼接。
[0127]本實施例中，濾波器采用軟件濾波，由于區(qū)別于硬件濾波，其缺少實時性，是在數(shù)據(jù)采集完成后再進行計算，軟件濾波處于計算復雜性考慮，除了濾波器的階數(shù)設定不會太大外，還會對數(shù)據(jù)采用分段濾波，然后再將信號拼接在一起。
[0128]優(yōu)選的，如圖3所示，S13所述的分段濾波完成后進行信號拼接的過程為:
[0129]S131、在每一段單獨濾波之后選取無失真的范圍求取周期信號的平均模板；
[0130]S132、選定周期信號極值點到信號頭部或信號尾部的信號發(fā)生失真的部分；
[0131]S133、采用平均模板替換信號發(fā)生失真的部分；
[0132]S134、將每一段信號的邊界定點的幅值進行歸一化，信號拼接完成。
[0133]軟件濾波都會存在邊界效應，即在信號分段的邊界處出現(xiàn)失真。失真的范圍和濾波器的階數(shù)相關。在每一段單獨濾波之后選取無失真的范圍求取周期信號的平均模板，再選定極值點到信號頭部或者信號尾部的長度，按照平均模板去延展相應的長度，在對接時將邊界定點的幅值進行歸一化，使得拼接處光滑。
[0134]優(yōu)選的，所述對有效信號中的低頻段信號進行高斯平滑處理、均值濾波處理或中值濾波處理獲得呼吸信號。
[0135]通過對低頻段信號進行高斯平滑處理、均值濾波處理或中值濾波處理使得曲線脈絡更加平滑，減少小范圍的起伏，信號更加平穩(wěn)。
[0136]優(yōu)選的，如圖4所示，所述通過有效信號中的高頻段信號獲得心跳信號的過程為:
[0137]S21、將有效信號中的高頻段信號按照頻率分為M層，其中，每一層均包括細節(jié)信號和近似信號，M為正整數(shù)；
[0138]S22、將第i層的近似信號分解作為i + Ι層的細節(jié)信號和近似信號，i為正整數(shù)，且i<M；
[0139]S23、將從M層中選取的預設數(shù)量的信號層的細節(jié)信號和近似信號進行合成，獲得心跳信號。
[0140]選取的信號層一般從合成效果上來選擇，既能表達出信號的特征，有具有相對較少的噪聲。還有就是按照目標頻率來選擇。首先是有信號的原始頻率，小波每分解一層就是將頻率二分，下一層小波是將低頻段繼續(xù)二分。可以根據(jù)目標信號頻率大致確定層數(shù)，然后再用實際效果調(diào)整。
[0141 ]經(jīng)過濾波后的高頻段信號經(jīng)過小波提取方法獲得心跳信號，將高頻段信號按照頻率分層，每一層都會有細節(jié)信號和近似信號，同時每一層的近似信號都繼續(xù)分解為下一層的細節(jié)信號和近似信號，以此類推。一般第一層的細節(jié)信號都屬于噪聲信號，選取第二層以上的細節(jié)信號和近似信號進行合成，形成心跳信號。
[0142]優(yōu)選的，如圖5所示，S3所述的將心跳信號進行峰值強化的過程為:
[0143]S31、對心跳信號進行差分運算獲得信號D;
[0144]S32、將信號D與序列NI進行卷積獲得信號C，即完成對心跳信號的強化，所述序列NI的元素個數(shù)為N，所述N的取值小于心跳信號中起伏范圍的長度，所述序列NI存在且僅存在以下兩種情況:當序列NI的前一半元素為I時，序列NI的后一半元素為-1;當序列NI的前一半元素為-1時，序列NI的后一半元素為-1。
[0145]由于高頻段的信號成分相對復雜，為了突出心跳信號的波峰和波谷，首先將心跳信號進行差分運算，然后再與序列NI進行卷積獲得信號C，以實現(xiàn)峰值強化。序列NI種元素的個數(shù)N的取值小于心跳信號中起伏范圍的長度，其中以波峰為例，起伏范圍即為波峰之前單調(diào)上升加上波峰之后單調(diào)下降的范圍。卷積之后局部數(shù)值最大的即為波峰點，最小的即為波谷點，并且信號C和心跳信號在極值點上是一致的。
[0146]優(yōu)選的，如圖6所示，S4所述的獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果的過程為:
[0147]S41、采用局部極值點方法求解呼吸信號和信號C的全部極值點；
[0148]S42、計算呼吸信號和信號C的兩個相鄰極值點之間的距離，進而獲得平均距離；
[0149]S43、判斷當前全部極值點是否存在錯誤極值點，是，則去除錯誤極值點，并在錯誤極值點左右范圍內(nèi)尋找真實極值點，所述范圍為平均距離的兩倍；
[0150]S44、根據(jù)呼吸信號和信號C的真實極值點獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果。
[0151]所述判斷當前全部極值點是否存在錯誤極值點的依據(jù)為:當前極值點大于平均距離的最大閾值倍數(shù)或小于平均距離的最小閾值倍數(shù)，則當前極值點為錯誤極值點。
[0152]由于呼吸信號和心跳信號都是周期信號，其極值點之間的距離也具有相對穩(wěn)定性，如果出現(xiàn)了大于平均距離的最大閾值倍數(shù)或者小于平均距離的最小閾值背書，則認為當前極值點判斷錯誤，按照去除偽點后的平均距離去尋找偽點左右范圍的真實極值點，總體范圍為平均距離的兩倍，這樣可以得到呼吸信號和心跳信號的極值點距離序列，進而獲得周期計算結(jié)果。
[0153]優(yōu)選的，如圖7所示，另一種獲得心跳信號的極值點距離序列，進而獲得周期結(jié)果的過程為:
[0154]S4a、根據(jù)最大心率獲得當前時間段內(nèi)的最小心跳時間間隔，以此時間間隔為標準尋找心跳信號的上脈絡波形的極值點；
[0155]S4b、計算所有上脈絡波形極值點的高度并獲得平均高度；
[0156]S4c、判斷是否所有上脈絡波形極值點的高度都大于平均高度乘以比例系數(shù)后的數(shù)值，是，則執(zhí)行下一步；否，則將該條件作為補充條件重新尋找心跳信號的上脈絡波形的極值點；
[0157]S4d、檢測極值點的差分數(shù)組，判斷每個差值與平均差值的大小，獲得心跳信號的脈絡堆數(shù)，并將該堆數(shù)轉(zhuǎn)換為心跳間隔；
[0158]S4e、根據(jù)S4d獲得的心跳間隔乘以比例系數(shù)后作為最小極值距離限制，獲得心跳信號中的極值點；
[0159]S4f、求取心跳信號極值點的差分均值獲得當前時間段內(nèi)心跳周期的平均長度，得到一分鐘內(nèi)的心跳次數(shù)，進而獲得心跳信號周期結(jié)果。
[0160]心跳信號的波形有可能出現(xiàn)不穩(wěn)定的情況，峰值較難識別，采用脈絡的堆來判斷周期，然后在對峰值進行判斷，其效果更好。
[0161]實施例2
[0162]如圖8所示，本實施例提出了一種睡眠周期信號的分離及周期計算裝置，該裝置包括:
[0163]用于提取混合信號中的有效信號的有效信號獲取模塊；
[0164]用于對有效信號進行處理后獲得極值點距離序列，進而獲得周期結(jié)果的周期結(jié)果獲取模塊。
[0165]優(yōu)選的，該裝置進一步包括:
[0166]所述有效信號獲取模塊包括:
[0167]用于識別并除去混合信號中的噪聲信號，獲得有效信號，并從噪聲信號中獲得體動信號的信號提取模塊；
[0168]用于通過有效信號中的低頻段信號獲得呼吸信號;通過有效信號中的高頻段信號獲得心跳信號的信號分離模塊；
[0169]所述周期結(jié)果獲取模塊包括:
[0170]用于將心跳信號進行峰值強化的峰值強化模塊；
[0171]用于獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果的周期計算豐旲塊。
[0172]本實施例通過對人體睡眠過程中所采集的混合信號進行提取，將混合信號進行分離，獲得心跳信號以及因傳統(tǒng)作為噪聲信號而剔除的呼吸信號和體動信號，通過分別對呼吸信號和心跳信號進行處理獲得極值點距離序列，進而獲得周期結(jié)果，為睡眠質(zhì)量監(jiān)測過程提供有效的依據(jù)。
[0173]本實施例所述的裝置針對的混合信號主要是由兩種不同頻率范圍段的有效周期信號組成，即心跳信號和呼吸信號，其中還混有高頻率大幅值的振蕩噪聲。首先將混合信號中的噪聲段識別出來，由于噪聲信號的強度高于正常信號，將該段信號判定為無效信號，如果不將無效信號進行剔除，即無法進行呼吸信號和心跳信號的分離。將無效信號出去后，剩下的就是有效信號，呼吸信號對應低頻部分，心跳信號對應高頻部分。
[0174]優(yōu)選的，所述噪聲信號包括突變信號，判斷突變信號的持續(xù)時間，當突變信號經(jīng)過一段時間后消失，混合信號恢復，則判斷為體動信號；當混合信號經(jīng)過一段時間后消失，則判斷為離床信號，即為無效信號。
[0175]通過對突變信號進行判斷，進而分析該突變信號為體動信號或無效信號，進而分離出體動信號。
[0176]通過以上過程完成了心跳信號、呼吸信號和體動信號的分離。
[0177]心跳相關的特征可以從心跳間隔序列中提取一段時間內(nèi)的平均心跳間隔、一段時間內(nèi)心跳間隔的方差、每五分鐘的平均心跳間隔的方差、每五分鐘的心跳間隔方差的平均值、與前一段間隔相比間隔時間差異大于50ms的比例、與前一間隔相比間隔時間差異大于平均間隔時間6.25%或者更多的比例、連續(xù)相鄰時間間隔的差值的平方根、五分鐘心跳間隔的方差除以均值;也可以從心跳間隔序列中提取不同頻率段的信號能量，分為超低頻、低頻和高頻、低頻比例、高頻比例。
[0178]呼吸相關的特征可以是呼吸信號的深度(即幅值)、呼吸信號的面積(即波峰到波谷的曲線與基線圍起來的面積)、呼吸信號不同頻段的能量(也是超低頻、低頻、高頻)。
[0179]體動相關的特征可以是超過某個設定閾值的持續(xù)時間，信號大于信號平均幅值的某個倍數(shù)閾值。
[0180]優(yōu)選的，所述信號提取模塊包括:
[0181]用于設定帶通濾波器階數(shù)的階數(shù)設定模塊；
[0182]用于將混合信號進行分段濾波的分段濾波模塊；
[0183]用于對分段濾波完成后的信號進行信號拼接的信號拼接模塊。
[0184]本實施例中，濾波器采用軟件濾波，由于區(qū)別于硬件濾波，其缺少實時性，是在數(shù)據(jù)采集完成后再進行計算，軟件濾波處于計算復雜性考慮，除了濾波器的階數(shù)設定不會太大外，還會對數(shù)據(jù)采用分段濾波，然后再將信號拼接在一起。
[0185]優(yōu)選的，所述信號拼接模塊包括:
[0186]用于在每一段單獨濾波之后選取無失真的范圍求取周期信號的平均模板的平均模板獲取模塊；
[0187]用于選定周期信號極值點到信號頭部或信號尾部的信號發(fā)生失真的部分的失真信號獲取模塊；
[0188]用于采用平均模板替換信號發(fā)生失真的部分的信號替換模塊；
[0189]用于將每一段信號的邊界定點的幅值進行歸一化的幅值歸一化模塊。
[0190]軟件濾波都會存在邊界效應，即在信號分段的邊界處出現(xiàn)失真。失真的范圍和濾波器的階數(shù)相關。在每一段單獨濾波之后選取無失真的范圍求取周期信號的平均模板，再選定極值點到信號頭部或者信號尾部的長度，按照平均模板去延展相應的長度，在對接時將邊界定點的幅值進行歸一化，使得拼接處光滑。
[0191]優(yōu)選的，對有效信號中的低頻段信號進行高斯平滑處理、均值濾波處理或中值濾波處理獲得呼吸信號。
[0192]通過對低頻段信號進行高斯平滑處理、均值濾波處理或中值濾波處理使得曲線脈絡更加平滑，減少小范圍的起伏，信號更加平穩(wěn)。
[0193]優(yōu)選的，信號分離模塊包括:
[0194]用于將有效信號中的高頻段信號按照頻率分為M層的分層模塊，其中，每一層均包括細節(jié)信號和近似信號，M為正整數(shù)；
[0195]用于將第i層的近似信號分解作為i+ Ι層的細節(jié)信號和近似信號的分解模塊，i為正整數(shù)，且i<M;
[0196]用于將從M層中選取的預設數(shù)量的信號層的細節(jié)信號和近似信號進行合成，獲得心跳信號的信號合成模塊。
[0197]經(jīng)過濾波后的高頻段信號經(jīng)過小波提取方法獲得心跳信號，將高頻段信號按照頻率分層，每一層都會有細節(jié)信號和近似信號，同時每一層的近似信號都繼續(xù)分解為下一層的細節(jié)信號和近似信號，以此類推。一般第一層的細節(jié)信號都屬于噪聲信號，選取第二層以上的細節(jié)信號和近似信號進行合成，形成心跳信號。
[0198]優(yōu)選的，峰值強化模塊包括:
[0199]用于對心跳信號進行差分運算獲得信號D的差分運算?？欤?br>[0200]用于將信號D與序列NI進行卷積獲得信號C的卷積運算模塊，所述序列NI的元素個數(shù)為N，所述N的取值小于心跳信號中起伏范圍的長度，所述序列NI存在且僅存在以下兩種情況:當序列NI的前一半元素為I時，序列NI的后一半元素為-1;當序列NI的前一半元素為-1時，序列NI的后一半元素為-1。
[0201]由于高頻段的信號成分相對復雜，為了突出心跳信號的波峰和波谷，首先將心跳信號進行差分運算，然后再與序列NI進行卷積獲得信號C，以實現(xiàn)峰值強化。序列NI種元素的個數(shù)N的取值小于心跳信號中起伏范圍的長度，其中以波峰為例，起伏范圍即為波峰之前單調(diào)上升加上波峰之后單調(diào)下降的范圍。卷積之后局部數(shù)值最大的即為波峰點，最小的即為波谷點，并且信號C和心跳信號在極值點上是一致的。
[0202]優(yōu)選的，所述周期計算模塊包括:
[0203]用于采用局部極值點方法求解呼吸信號和信號C的全部極值點的全部極值點獲取豐旲塊;
[0204]用于計算呼吸信號和信號C的兩個相鄰極值點之間的距離，進而獲得平均距離的平均距離獲取模塊；
[0205]用于判斷當前全部極值點是否存在錯誤極值點的極值點判斷模塊，是，則去除錯誤極值點，并在錯誤極值點左右范圍內(nèi)尋找真實極值點，所述范圍為平均距離的兩倍；
[0206]用于根據(jù)呼吸信號和信號C的真實極值點獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果的極值點距離序列獲取模塊。
[0207]所述判斷當前全部極值點是否存在錯誤極值點的依據(jù)為:當前極值點大于平均距離的最大閾值倍數(shù)或小于平均距離的最小閾值倍數(shù)，則當前極值點為錯誤極值點。
[0208]由于呼吸信號和心跳信號都是周期信號，其極值點之間的距離也具有相對穩(wěn)定性，如果出現(xiàn)了大于平均距離的最大閾值倍數(shù)或者小于平均距離的最小閾值背書，則認為當前極值點判斷錯誤，按照去除偽點后的平均距離去尋找偽點左右范圍的真實極值點，總體范圍為平均距離的兩倍，這樣可以得到呼吸信號和心跳信號的極值點距離序列，進而獲得周期計算結(jié)果。
[0209]優(yōu)選的，周期計算模塊包括:
[0210]用于根據(jù)最大心率獲得當前時間段內(nèi)的最小心跳時間間隔，以此時間間隔為標準尋找心跳信號的上脈絡波形極值點的脈絡波形極值點獲取模塊；
[0211]用于計算所有上脈絡波形極值點的高度并獲得平均高度的平均高度獲取模塊；
[0212]用于判斷是否所有上脈絡波形極值點的高度都大于平均高度乘以比例系數(shù)后的數(shù)值的高度判斷模塊，是，則執(zhí)行下一步；否，則將該條件作為補充條件重新尋找心跳信號的上脈絡波形的極值點；
[0213]用于檢測極值點的差分數(shù)組，判斷每個差值與平均差值的大小，獲得心跳信號的脈絡堆數(shù)，并將該堆數(shù)轉(zhuǎn)換為心跳間隔的心跳間隔獲取模塊；
[0214]用于根據(jù)獲得的心跳間隔乘以比例系數(shù)后作為最小極值距離限制，獲得心跳信號極值點的心跳信號極值點獲取模塊；
[0215]用于求取心跳信號極值點的差分均值，獲得當前時間段內(nèi)心跳周期的平均長度，得到一分鐘內(nèi)的心跳次數(shù)，進而獲得心跳信號周期結(jié)果的心跳周期獲取模塊。
[0216]心跳信號的波形有可能出現(xiàn)不穩(wěn)定的情況，峰值較難識別，采用脈絡的堆來判斷周期，然后在對峰值進行判斷，其效果更好。
[0217]以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。
【主權項】
1.一種睡眠周期信號的分離及周期計算方法，其特征在于，所述方法為:提取混合信號中的有效信號，對有效信號進行處理后獲得極值點距離序列，進而獲得周期結(jié)果。2.根據(jù)權利要求1所述的一種睡眠周期信號的分離及周期計算方法，其特征在于，所述方法具體是由以下步驟實現(xiàn)的: 51、識別并除去混合信號中的噪聲信號，獲得有效信號，并從噪聲信號中獲得體動信號； 52、通過有效信號中的低頻段信號獲得呼吸信號；通過有效信號中的高頻段信號獲得心跳信號； 53、將心跳信號進行峰值強化； 54、獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果。3.根據(jù)權利要求2所述的一種睡眠周期信號的分離及周期計算方法，其特征在于，所述噪聲信號包括突變信號，判斷突變信號的持續(xù)時間，當突變信號經(jīng)過一段時間后消失，混合信號恢復，則判斷為體動信號；當混合信號經(jīng)過一段時間后消失，則判斷為離床信號，即為無效信號。4.根據(jù)權利要求2所述的一種睡眠周期信號的分離及周期計算方法，其特征在于，SI中獲得有效信號的過程為: 511、設定濾波器的階數(shù)； 512、將混合信號進行分段濾波； 513、分段濾波完成后進行信號拼接。5.根據(jù)權利要求4所述的一種睡眠周期信號的分離及周期計算方法，其特征在于，S13所述的分段濾波完成后進行信號拼接的過程為: 5131、在每一段單獨濾波之后選取無失真的范圍求取周期信號的平均模板； 5132、選定周期信號極值點到信號頭部或信號尾部的信號發(fā)生失真的部分； 5133、采用平均模板替換信號發(fā)生失真的部分； 5134、將每一段信號的邊界定點的幅值進行歸一化，信號拼接完成。6.根據(jù)權利要求2所述的一種睡眠周期信號的分離及周期計算方法，其特征在于，對有效信號中的低頻段信號進行高斯平滑處理、均值濾波處理或中值濾波處理獲得呼吸信號。7.根據(jù)權利要求2所述的一種睡眠周期信號的分離及周期計算方法，其特征在于，通過有效信號中的高頻段信號獲得心跳信號的過程為: 521、將有效信號中的高頻段信號按照頻率分為M層，其中，每一層均包括細節(jié)信號和近似信號，M為正整數(shù)； 522、將第i層的近似信號分解作為i+Ι層的細節(jié)信號和近似信號，i為正整數(shù)，且i<M; 523、將從M層中選取的預設數(shù)量的信號層的細節(jié)信號和近似信號進行合成，獲得心跳信號。8.根據(jù)權利要求2所述的一種睡眠周期信號的分離及周期計算方法，其特征在于，S3所述的將心跳信號進行峰值強化的過程為: 531、對心跳信號進行差分運算獲得信號D; 532、將信號D與序列NI進行卷積獲得信號C，即完成對心跳信號的強化，所述序列NI的元素個數(shù)為N，所述N的取值小于心跳信號中起伏范圍的長度，所述序列NI存在且僅存在以下兩種情況:當序列NI的前一半元素為I時，序列NI的后一半元素為-1;當序列NI的前一半元素為-1時，序列NI的后一半元素為-1。9.根據(jù)權利要求2所述的一種睡眠周期信號的分離及周期計算方法，其特征在于，S4所述的獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果的過程為: 541、采用局部極值點方法求解呼吸信號和信號C的全部極值點； 542、計算呼吸信號和信號C的兩個相鄰極值點之間的距離，進而獲得平均距離； 543、判斷當前全部極值點是否存在錯誤極值點，是，則去除錯誤極值點，并在錯誤極值點左右范圍內(nèi)尋找真實極值點，所述范圍為平均距離的兩倍； 544、根據(jù)呼吸信號和信號C的真實極值點獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果。10.根據(jù)權利要求9所述的一種睡眠周期信號的分離及周期計算方法，其特征在于，所述判斷當前全部極值點是否存在錯誤極值點的依據(jù)為:當前極值點大于平均距離的最大閾值倍數(shù)或小于平均距離的最小閾值倍數(shù)，則當前極值點為錯誤極值點。11.根據(jù)權利要求2所述的一種睡眠周期信號的分離及周期計算方法，其特征在于，S4所述的獲得心跳信號的極值點距離序列，進而獲得周期結(jié)果的過程為: S4a、根據(jù)最大心率獲得當前時間段內(nèi)的最小心跳時間間隔，以此時間間隔為標準尋找心跳信號的上脈絡波形的極值點； S4b、計算所有上脈絡波形極值點的高度并獲得平均高度； S4c、判斷是否所有上脈絡波形極值點的高度都大于平均高度乘以比例系數(shù)后的數(shù)值，是，則執(zhí)行下一步；否，則將該條件作為補充條件重新尋找心跳信號的上脈絡波形的極值占.V ， S4d、檢測極值點的差分數(shù)組，判斷每個差值與平均差值的大小，獲得心跳信號的脈絡堆數(shù)，并將該堆數(shù)轉(zhuǎn)換為心跳間隔； S4e、根據(jù)S4d獲得的心跳間隔乘以比例系數(shù)后作為最小極值距離限制，獲得心跳信號中的極值點； S4f、求取心跳信號極值點的差分均值獲得當前時間段內(nèi)心跳周期的平均長度，得到一分鐘內(nèi)的心跳次數(shù)，進而獲得心跳信號周期結(jié)果。12.—種睡眠周期信號的分離及周期計算裝置，其特征在于，它包括: 用于提取混合信號中的有效信號的有效信號獲取模塊； 用于對有效信號進行處理后獲得極值點距離序列，進而獲得周期結(jié)果的周期結(jié)果獲取豐旲塊。13.根據(jù)權利要求12所述的一種睡眠周期信號的分離及周期計算裝置，其特征在于，所述裝置進一步包括: 所述有效信號獲取模塊包括: 用于識別并除去混合信號中的噪聲信號，獲得有效信號，并從噪聲信號中獲得體動信號的信號提取模塊； 用于通過有效信號中的低頻段信號獲得呼吸信號;通過有效信號中的高頻段信號獲得心跳信號的信號分離模塊； 所述周期結(jié)果獲取模塊包括: 用于將心跳信號進行峰值強化的峰值強化模塊； 用于獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果的周期計算模塊。14.根據(jù)權利要求13所述的一種睡眠周期信號的分離及周期計算裝置，其特征在于，所述噪聲信號包括突變信號，判斷突變信號的持續(xù)時間，當突變信號經(jīng)過一段時間后消失，混合信號恢復，則判斷為體動信號；當混合信號經(jīng)過一段時間后消失，則判斷為離床信號，即為無效信號。15.根據(jù)權利要求13所述的一種睡眠周期信號的分離及周期計算裝置，其特征在于，所述信號提取模塊包括: 用于設定帶通濾波器階數(shù)的階數(shù)設定模塊； 用于將混合信號進行分段濾波的分段濾波模塊； 用于對分段濾波完成后的信號進行信號拼接的信號拼接模塊。16.根據(jù)權利要求15所述的一種睡眠周期信號的分離及周期計算裝置，其特征在于，所述信號拼接模塊包括: 用于在每一段單獨濾波之后選取無失真的范圍求取周期信號的平均模板的平均模板獲取模塊； 用于選定周期信號極值點到信號頭部或信號尾部的信號發(fā)生失真的部分的失真信號獲取模塊； 用于采用平均模板替換信號發(fā)生失真的部分的信號替換模塊； 用于將每一段信號的邊界定點的幅值進行歸一化的幅值歸一化模塊。17.根據(jù)權利要求13所述的一種睡眠周期信號的分離及周期計算裝置，其特征在于，對有效信號中的低頻段信號進行高斯平滑處理、均值濾波處理或中值濾波處理獲得呼吸信號。18.根據(jù)權利要求13所述的一種睡眠周期信號的分離及周期計算裝置，其特征在于，信號分離模塊包括: 用于將有效信號中的高頻段信號按照頻率分為M層的分層模塊，其中，每一層均包括細節(jié)信號和近似信號，M為正整數(shù)； 用于將第i層的近似信號分解作為i + Ι層的細節(jié)信號和近似信號的分解模塊，i為正整數(shù)，且i<M; 用于將從M層中選取的預設數(shù)量的信號層的細節(jié)信號和近似信號進行合成，獲得心跳信號的信號合成模塊。19.根據(jù)權利要求13所述的一種睡眠周期信號的分離及周期計算裝置，其特征在于，峰值強化模塊包括: 用于對心跳信號進行差分運算獲得信號D的差分運算?？?； 用于將信號D與序列NI進行卷積獲得信號C的卷積運算模塊，所述序列NI的元素個數(shù)為N，所述N的取值小于心跳信號中起伏范圍的長度，所述序列NI存在且僅存在以下兩種情況:當序列NI的前一半元素為I時，序列NI的后一半元素為-1;當序列NI的前一半元素為-1時，序列NI的后一半元素為-1。20.根據(jù)權利要求13所述的一種睡眠周期信號的分離及周期計算裝置，其特征在于，周期計算模塊包括: 用于采用局部極值點方法求解呼吸信號和信號C的全部極值點的全部極值點獲取模塊； 用于計算呼吸信號和信號C的兩個相鄰極值點之間的距離，進而獲得平均距離的平均距離獲取模塊； 用于判斷當前全部極值點是否存在錯誤極值點的極值點判斷模塊，是，則去除錯誤極值點，并在錯誤極值點左右范圍內(nèi)尋找真實極值點，所述范圍為平均距離的兩倍； 用于根據(jù)呼吸信號和信號C的真實極值點獲得呼吸信號和心跳信號的極值點距離序列，進而獲得周期結(jié)果的極值點距離序列獲取模塊。21.根據(jù)權利要求20所述的一種睡眠周期信號的分離及周期計算裝置，其特征在于，所述判斷當前全部極值點是否存在錯誤極值點的依據(jù)為:當前極值點大于平均距離的最大閾值倍數(shù)或小于平均距離的最小閾值倍數(shù)，則當前極值點為錯誤極值點。22.根據(jù)權利要求13所述的一種睡眠周期信號的分離及周期計算裝置，其特征在于，周期計算模塊包括: 用于根據(jù)最大心率獲得當前時間段內(nèi)的最小心跳時間間隔，以此時間間隔為標準尋找心跳信號的上脈絡波形極值點的脈絡波形極值點獲取模塊； 用于計算所有上脈絡波形極值點的高度并獲得平均高度的平均高度獲取模塊； 用于判斷是否所有上脈絡波形極值點的高度都大于平均高度乘以比例系數(shù)后的數(shù)值的高度判斷模塊，是，則執(zhí)行下一步；否，則將該條件作為補充條件重新尋找心跳信號的上脈絡波形的極值點； 用于檢測極值點的差分數(shù)組，判斷每個差值與平均差值的大小，獲得心跳信號的脈絡堆數(shù)，并將該堆數(shù)轉(zhuǎn)換為心跳間隔的心跳間隔獲取模塊； 用于根據(jù)獲得的心跳間隔乘以比例系數(shù)后作為最小極值距離限制，獲得心跳信號極值點的心跳信號極值點獲取模塊； 用于求取心跳信號極值點的差分均值，獲得當前時間段內(nèi)心跳周期的平均長度，得到一分鐘內(nèi)的心跳次數(shù)，進而獲得心跳信號周期結(jié)果的心跳周期獲取模塊。
【文檔編號】A61B5/00GK106037655SQ201610447497
【公開日】2016年10月26日
【申請日】2016年6月17日
【發(fā)明人】池敏越
【申請人】美的集團股份有限公司