CN104144636B - 处理表示生理节律的信号的方法 - Google Patents

Abstract

一种处理表示对象的生理节律的信号的方法，所述方法包括以下步骤：接收来自对象的信号，利用带通滤波器对信号进行滤波，从经滤波的信号中提取分析窗口，在分析窗口中对经滤波的信号执行多个区间长度估计方法，对多个区间长度估计方法的输出进行求和，以及根据多个区间长度估计方法的输出的总和来确定区间长度。

Description

处理表示生理节律的信号的方法

技术领域

本发明涉及一种处理表示对象的生理节律的信号的方法。在一个实施例中，本发明提供一种连续的局部区间估计，从而提出一种用于在生物信号中的稳健的周期性计算的方法。

背景技术

准确知道诸如心率或呼吸率的生理节律在包括诊断、患者监护和治疗的许多保健应用中是至关重要的。因此，对来自常规临床测量模态(诸如心电图(ECG)、脉搏血氧测定法或呼吸感应体积描记法)的这些节律的时变频率的估计是充分研究的问题。尽管对于某些应用，仅估计潜在节律的在多个时段上的平均频率可能足够了，但诸如心率变异性(HRV)分析的其他应用要求事件到事件(event-to-event)的分辨率。

由于患有慢性病症的患者的人口统计学变化及正在增长的数量，对患者的健康状况的家庭监测将在未来的医疗保健系统中起到重要的作用。最近的研究显示，家庭远程医疗方法能够导致住院及护理的在床日数的显著减少。

由于常规测量模态很少可用于临床环境以外，不受察觉的且不受约束的测量系统是目前新兴的允许对患者的健康状况连续长期监测的方式。这些系统的目标在于提供超过目前方法的两个优点，即，它们通常不要求任何用户交互或服从以执行其测量，以及它们不干扰用户的日常生活。基于各种不同原理的不受察觉的测量系统是已知的。这些测量系统包括用于椅子和车辆座椅中的ECG测量的电容耦合电极、床上的电容式呼吸测量、雷达、毫米波干涉法，以及集成在床上、椅子上和体重秤上的心冲击描记法(BCG)或心震描记法(SCG)传感器。

尽管这些方法提供了超过已建立的方法的上述优点，但它们还是具有它们自身的一些缺点。最值得注意的是，由于执行测量的通常不受控的环境中，信号质量可能是高度变化的并且不可靠的。对于某些类型的传感器，所记录的信号的形态能够根据用户相对于传感器的取向和位置大幅度地改变。例如，这能够在记录由心脏收缩和血液射进主动脉所引起的心脏振动的床上安装(bed-mounted)的BCG传感器的情况中被观察到。

在这种环境下，对瞬时频率(或其倒数：局部区间长度)的可靠估计能够对最初开发用于临床使用的算法形成重大挑战。这些算法通常是基于检测与感兴趣的事件相关的信号的特定特征，例如，ECG中的QRS波群。然后通过对这些事件的连续出现次数进行差分来计算瞬时频率。在ECG的情况下，已经提出了复杂的方法来改善瞬间心率估计的稳健性。然而，这些方法通常限于一种类型的信号，并需要对波形的期望形态的广泛的先验知识。如上所述，这些要求不适用于不受察觉的传感器类型。

US 2011/025102 A1公开了一种用于分析心冲击描记信号以确定心率的方法，所述方法包括：确定针对冲击描记信号中的第一次心脏搏动的初始时间估计；使用所述初始时间估计，迭代地计算针对冲击描记信号中的后续心脏搏动的估计，其中，计算步骤中的每次迭代包括评估包括计分函数的加权总和的目标函数，并且其中，计算针对心冲击描记信号中的后续心脏搏动的估计的每次迭代步骤限于在先前的计算迭代步骤中找到的时间估计之后的目标区间。

发明内容

因此，本发明的目的是改进已知技术。

根据本发明，提供一种处理表示对象的生理节律的信号的方法，所述方法包括以下步骤：接收来自对象的信号；利用带通滤波器对信号进行滤波；从经滤波的信号中提取多个分析窗口，所述多个分析窗口包括彼此重叠的至少两个分析窗口；在多个分析窗口的每个中对经滤波的信号执行多个区间长度估计方法；对多个区间长度估计方法的输出进行求和；以及，根据多个区间长度估计方法的输出的总和来确定区间长度。

由于本发明，能够提供一种用于区间长度或频率的估计的连续局部区间估计的稳健的算法，其不要求与所分析的信号的形态有关的任何先验知识。仅利用若干基本参数的微小调整，该方法能够适合于精确地从不同生理节律(诸如心率或呼吸率)中提取瞬时频率，即使它们共存于相同的信号内。

尽管本发明能够用于从单一的生理信号中提取瞬时频率，它也能够处理表示相同生理节律的多个同步信号。例如，这样的信号能够由不受察觉的传感器的阵列记录，诸如床上安装的BCG传感器的矩阵。通过在分析窗口对经滤波的信号执行多个区间长度估计方法，并根据所有信号的多个区间长度估计方法的输出的总和来确定区间长度，本发明利用存在于多个信号的冗余，并且因此提高区间估计的精确性和可靠性。

对生理节律(诸如心率或呼吸率)的瞬时频率的可靠的和精确的估计因此被提供用于许多保健应用。当不受察觉的传感器用于不受控的环境中的连续健康监测时，稳健的估计是特别具有挑战性的，因为这些传感器能够创建大量的潜在不可靠的数据。因此，本发明提供一种用于对来自这些信号的局部(事件到事件)区间的稳健估计的灵活方法。所述方法不要求与所分析的波形的形态有关的任何先验知识，并且因此能够容易地适用于各种不同的信号和测量模态。

使用传统以及不受察觉的传感器信号，已经对逐次心搏(beat-to-beat)心率和逐次呼吸(breath-to-breath)呼吸率估计的算法的两种应用进行了验证。包含超过212000次心脏搏动和52000次呼吸的评估数据集已用于验证所述方法。当被应用于由不受察觉的床上传感器记录的信号时，改进的方法实现具有平均覆盖率为90.59％的平均逐次心搏心率误差0.86次/分。使用相同的信号来估计产生0.30次/分的平均误差和89.86％的覆盖率的逐次呼吸呼吸率。

优选地，所述方法还包括从经滤波的信号中提取第二分析窗口，第二分析窗口与第一分析窗口重叠并重复在分析窗口中对经滤波的信号执行多个区间长度估计方法的步骤，对多个区间长度估计方法的输出进行求和，以及根据用于第二分析窗口的多个区间长度估计方法的输出的总和来确定区间长度。第一分析窗口和第二分析窗口的重叠应当大于第一分析窗口和/或第二分析窗口的尺寸的50％。紧密重叠的分析窗口的使用增加了方法的稳健性，因为区间将存在于多个分析窗口内，意味着大大增加了正确计算经滤波的信号中的区间长度的可能性。

有利地，所述方法还包括：计算用于多个分析窗口的平均区间长度；根据所计算的平均区间长度和预定的变量生成用于区间长度的上阈限和下阈限；并且，丢弃在所生成的上阈限和下阈限之外的任何确定的区间长度。用于区间长度的上阈限和下阈限的创建将创建可接受的所计算的区间长度的边界。这将意味着阈值之外的任何所计算的区间长度将被丢弃，因为它们可能是虚假量度或信号内的失真或伪影的结果。

理想情况下，所述方法还包括获取用于多个区间长度估计方法的加权因子，并且其中，对多个区间长度估计方法的输出进行求和的步骤包括根据所获取的加权因子对多个区间长度估计方法的输出求和。能够通过使用用于不同区间长度估计方法的加权因子来调整所述方法。例如，这些加权因子可以是特定用于处理的个体应用，以便提供针对特定应用的最佳结果。加权因子的使用增加了所述方法的灵活性和精确性。

优选地，所述方法还包括检测对应于所确定的区间长度的端部的连续分析窗口中经滤波的信号中的峰，以及根据相同幅度的匹配峰的集合确定中值的所确定的区间长度。能够通过比较连续分析窗口中的区间进一步细化计算信号内的区间长度的方法。由于窗口显著地重叠，能够假设相同区间将存在于不同的分析窗口中。例如，如果分析窗口重叠了90％，则能够使用多达五个连续分析窗口。检测峰，所述峰将对应于每个分析窗口内的区间的一端。如果这些峰的幅度是相同的，则能够假设正在着眼于信号中的相同的点，并且，能够选择所确定的区间长度的中值作为输出，作为比未以这种方式处理的区间长度更精确的数字。

附图说明

现在参考附图仅以范例的方式对本发明的实施例进行描述，其中：

图1为在床上被监测的对象的示意图，

图2为对象的心率(下图)和检测到的对象心率中的区间(上图)的曲线图，

图3为对象的心率(上图)和使用不同技术检测到的对象心率中的区间(下图)的曲线图，

图4为取自信号的四个不同分析窗口的曲线图，

图5为三个不同区间长度估计技术的比较的曲线图，

图6和图7为比较用于两个不同ECG信号的两个不同区间长度估计算法的曲线图，

图8为比较用于各种ECG信号中的不同信噪比的两个不同区间长度估计算法中误差出现的曲线图，

图9为示出了阈值对区间长度估计算法的误差对覆盖率的效应的曲线图，

图10和图11为不同信号中局部区间误差的经修正的布兰德-奥尔特曼(Bland-Altman)点的曲线图，

图12为使用两个传感器监测的对象的示意图，以及

图13为处理表示对象的生理节律的信号的方法的流程图。

具体实施方式

图1图示了具有床垫12的床10，被监测的对象14晚上将睡在所述床垫12上。传感器16被放置在床10和床垫12之间，并且将生成表示对象的生理节律的信号。例如，这种节律可能是对象的心脏搏动或用户的呼吸频率。传感器16被连接至局部处理单元18，所述局部处理单元能够执行所接收到的信号的分析，以便对对象14的健康执行持续的监测。传感器16能够被连接至能够提供进一步的处理和或监测功能的远程系统。

图1中所示的系统的目的是提供对对象14的健康的连续监测，以这种方式，对象14不需要在身上佩带任何传感器，也不以任何方式干扰其自然睡眠。由传感器16提供持续的监测，其可以监测对象14的多个不同的生理参数。从传感器16提供的连续信号由用于监测对象14的健康的装置18处理。这些系统允许对象在他们自己家被监测，不需要对对象14的昂贵的住院监测。

传感器16的性质是这样的，由于传感器16不直接被连接至在限定医疗环境中的对象的身体，因此其不提供具有与使用医疗专业人员在受控环境中所测量的信号相同可靠性水平的信号。当对象在床10上时，对象的移动和其他环境因素将引起具有高水平噪音和伪影的信号，其能够使对象的生理参数难以精确测量。由于对象的健康由如图1中示出的系统进行监测，处理装置18的输出的精确度是非常重要的。

处理装置18运行一种算法，其提供用于根据从包含时变生理节律的传感器16接收的信号来估计局部(事件到事件)区间长度的总体框架。给定信号x(t)，则t_k,k∈{1,K,N}指代特定的感兴趣事件(诸如，心脏搏动和呼吸)在x(t)中发生的次数。则局部区间长度以及局部频率能够分别被定义为：

T_k＝t_k-t_k-1以及 (1)

不同于用于确定非平稳信号的时变频率的许多现有方法，该方法不依赖于基准标记来检测t_k而后计算T_k，也不使用覆盖多个区间的长窗口来应用传统时频分析。相反地，使用短的适应性分析窗口(理想地包含两个感兴趣的事件)估计局部周期。使用相对于预期的区间长度短暂的增量在信号中将该窗口进行移位，从而引起每个区间出现在多个连续分析窗口中。该方法通过利用这种冗余以及通过组合多个方法来估计每个分析窗口中的周期，从而获得其稳健性。

首先对信号进行预处理。表达式x_原始[n]指代具有采样频率f_s的原始数字传感器信号。首先，使用带通滤波器对x_原始进行预处理，所述带通滤波器适合用于期望从所接收的信号中提取的生理节律。经滤波的信号被指代为x[n]。在用于示范的BCG信号的情况下，应用具有0.5和30截止频率的等波纹有限脉冲响应(FIR)滤波器来寻找对象的心率。滤波器应当被设计为使基础频率以及接受分析的节律的高次谐波位于滤波器的通带内。

在图2的下半部分示出了由对象的BCG信号导出的任意单位(a.u.)的经滤波的信号。附图的上半部分示出了以秒测量的来自对象的BCG信号的算法的连续区间估计(T_i)。菱形标记的位置指示同步记录的参考ECG中的R峰以及对应的RR区间长度的出现。可容许的区间长度(T_{最小值，i}和T_{最大值，i})的边界被示为虚线。

改进的方法迭代地在信号中将自适应分析窗口进行移位。在每次迭代期间，对分析窗口中的局部区间长度T_i进行估计。为了改善估计的稳健性，T_i的容许值由两个自适应的阈值T_{最小值，i}和T_{最大值，i}来约束。图2示出了从样本BCG信号获得的连续区间估计和阈值。算法的第i次迭代由以下步骤组成：

1、基于先前估计的区间长度的平均值T_{平均值，i}和搜索窗口宽度2ΔT更新可容许的区间长度。

T_{最小值，i}＝T_{平均值，i}-VT (3)

T_{最大值，i}＝T_{平均值，i}+VT (4)

2、提取中心集中在n_i的分析窗口w_i[v]。

w_i[v]＝x[n_i+v],v∈{-T_{最大值，i}·f_s,K,T_{最大值，i}·f_s} (5)

3、计算分析窗口的最大的峰至峰的幅度。

4、如果r_i在特定阈值内

αR_i＜r_i＜R_i,α∈[0,1) (7)

假设在分析窗口中存在有效信号幅度。否则，该窗口被标记为无效(伪影)，算法跳至步骤7。

5、估计w_i[v]中的局部区间长度T_i，在下文中更详细地描述。

6、更新所估计的区间的平均值和用于下一次迭代的幅度(伪影)。

T_{平均值，i+1}＝(1-β)T_{平均值，i}+βT_i,β∈[0,1] (8)

R_i+1＝(1-γ)R_i+γκr_i,γ∈[0,1],κ>1 (9)

7、通过恒定值ΔT将用于下一次迭代的分析窗口的中心进行移位。

n_i+1＝n_i+Vt·f_s (10)

以上方法的步骤5包括区间长度估计，现在对其进行更详细的描述。对于每个分析窗口w_i[v]，估计局部区间长度T_i。各种已建立的方法能够应用于确定最可能的局部区间长度，诸如自相关或谱分析。在优选实施例中，选择三个这样的方法进行组合，在每个可容许的离散区间长度N∈{N_{最小值，i},K,N_{最大值，i}}上评估所述三个这样方法，其中，N_{最小值，i}＝T_{最小值，i}·f_s并且N_{最大值，i}＝T_{最大值，i}·f_s。为了达到更好的可读性，在下面的描述中省略迭代指数i。

1、所使用的第一种方法是修正的P-谱。修正的P-谱计算针对所有搜索边界内的离散的滞后(即，区间长度N)的相似性的量度。对于每个滞后N，分析窗口被配置成矩阵：

A_N的奇异值分解结果是其中，S_N＝diag(s_N,1,s_N,2)。如果分析窗口中的信号是具有周期N的严格周期性的，A_N的两行是相同的，并且矩阵具有秩为1，其中s_N,1>0，并且s_N,2＝0(即，s_N,1/s_N,2→∞)。在接近周期性信号的情况下，A_N会是满秩矩阵。然而，s_N,1仍然会显著大于s_N,2。因此，选择商s_N,1/s_N,2作为两个矩阵行之间的线性相关性的量度。该量度始终是正的，并且不区分正相关性和负相关性。因此，还包括修正的P-谱的定义中的幅度比例因子的符号u_N,1·s₁：

当比例因子具有相同的符号并且两个信号段均是正相关时，该结果是正值S_P[N]。同样地，P-谱是类似于自相关的时域方法。请注意，w[0]指示分析窗口的中心。假设形成的区间边界的两个事件分别被估计为位于w[0]左侧和右侧，选择P-谱的极点以及下面的方法。

2、所使用的第二种方法是最大谱分析。最大谱基于信号的幅度信息。其被定义为：

对于每个可能的滞后N，确定任何一对样本的最大幅度，所述样本恰好是分离的N个采样区间。如果在分离的N个样本的分析窗口中存在两个峰，S_最大值[N]将在N值处具有最大值。

3、所使用的第三种方法是倒谱分析。分析窗口的功率倒谱C{.}被定义为w[v]的功率谱的对数的功率谱：

C{w[v]}＝|F{log(|F{w[v]}|²)}|² (14)

周期性信号的对数功率谱(其不是完美的正弦曲线)由信号及其谐波的基本频率上的峰组成。这些峰是周期性的，其周期长度对应于基本频率。因此，对应于底层信号的周期的峰出现在衍生谱中。类似于其他方法，在搜索限制内的所有区间长度N上评估倒谱：

S_C[N]＝C{w[v]}[N] (15)

所得到的三个函数中的每个取较大值，用于更可能的局部区间长度N。为了将三个函数进行组合，它们被缩放至产生归一化函数S′_P、S′_最大值和S′_C的[0,1]的范围内。然后经缩放的函数被加权并求和，以产生局部区间长度的综合指标：

S_总和[N]＝m₁S′_P[N]+m₂S′_最大值[N]+m₃S′_C[N] (16)

根据范例应用，实验性地确定权重矢量m＝(m₁m₂m₃)^T，这将在下面更详细地讨论。如图3所示，然后通过找到对应于S_总和[N]的最大值的离散区间长度N_i来估计分析窗口中的局部区间长度T_i：

图3从顶部到底部示出了来自BCG信号的分析窗口(w_i)和在此所讨论的三种区间估计方法的归一化输出：P-谱(S′_P)、最大谱(S′_最大值)和倒谱(S′_C)以及它们的总和(S_总和)。分析窗口(w_i)作为t[s]以秒为单位被测量，0指示分析窗口的中心。三种区间估计方法产生指示作为t[s]以秒为单位被测量的分析窗口内的区间T_i的可能长度的曲线图。第一种方法，P-谱(S′_P)，产生仅仅大于1秒的清晰的峰。其他两种方法提供具有一个以上位置处的峰的更不确定的结果。然而，指标函数的总和示出了在分析窗中所发现的基本区间长度的明确的峰。出于示意性说明的目的，这是区间T_i，并且在该附图的分析窗口上显示一个这样的区间。

用于区间估计的三种方法的使用可能乍看之下似乎是多余的。然而，这三种所选择的方法如图3所示彼此互补。在该范例中，倒谱和最大谱二者在不同的区间长度处具有其最高峰，如果单独采用这将导致大的估计误差。然而，当与P-谱进行组合时，整体估计是精确的。而P-谱出现以提供在本范例中的最清晰的估计，情况并非总是如此。因此，联合考虑所有三种方法是有益的。

本领域技术人员将理解所描述的方法也能够用于处理多个同步记录的信号的集合，而不是如本范例中所示的单个信号。为此目的，伴随的分析窗口提取自接受分析的每个信号，并且多个估计方法应用于每个信号的分析窗口。然后，等式(16)的总和以及权重矢量m被扩展，以考虑应用到所有分析窗口的区间估计量的整个集合。因此，所有可用信号能够被有利地融合，以获得更稳健且更精确的区间估计。

能够扩展以上描述的改进的算法。在其基本形式中，算法产生针对每个局部区间的多个估计。能够利用该冗余，以便通过将属于相同潜在区间的所有估计进行合并来提供更稳健的结果。为此目的，有可能使用基本算法的扩展版本。

在扩展的版本中，对于每个分析窗口，如上所述计算T_i之后，然后那里定位与所估计的区间相关的独特的界标特征。个体区间的每个估计应当产生相同的独特的特征，然后其能够用于将这些估计共同分组。信号中的最大峰用于将区间的右手边界形成作为界标特征。令M_i指代位于分析窗口w_i[v]的右边一半中的峰的组合。区间T_i的右侧边界的全局位置被定义为：

图4示出了多个连续迭代的分析窗口和衍生区间长度T_i和峰位置P_i。相同区间出现在所有分析窗口中，并且用于T_i的相似值导致针对每个分析窗口的同一P_i值。因此，这些估计能够容易地被识别为属于相同的区间。应当强调，峰位置P_i仅用于将区间估计共同分组。因此，其准确位置对于精确地估计局部区间的任务是不重要的。图4示出了来自BCG信号的四种连续算法迭代的分析窗口。分析相同局部区间产生类似的区间估计(T_i)。对于每个估计，识别相同的右侧边界峰(P_i)。

令指代P_i的所有值中的第k个唯一值。然后，可能将属于的该值的区间估计的集合定义为：

计算该集合的中值，以获得局部区间长度的稳健的估计：

因此，算法的最终输出由峰位置的对和相应的区间长度估计组成。图5示出了扩展算法输出和多个区间估计的组合如何补偿异常值的范例。在图5中，如图2中的从相同BCG信号中获得的扩展算法的输出是实线T_i。灰色点指示峰位置和通过算法计算的对应的区间长度估计并且黑色菱形指示参考值。通过合并个体估计(T_i)，能够消除异常值，从而使最终输出与同步记录的参考PR区间高度关联。

估计T_k的集合也能够用于用公式表达质量启发式，其能够应用于评价最终区间估计的置信度。例如，根据以下公式，能够计算出T_k的标准偏差，以量化估计在多大程度上认同：

此外，在区间长度估计和右侧区间边界的位置之间也应该有认同，这样，

将是最小的。这些参数的较小值将指示估计的较高的一致性，因而也指示较高的置信度。这两个参数能够被合计成单个置信度启发式，其范围为0至1，其中，值1指示最高可能的置信度：

通过对每个应用固定阈值th_Q，能够从进一步分析排除不可靠的估计。

已对两种不同的应用场景进行了测试：逐次搏动心率和逐次呼吸呼吸率估计。已经针对两种应用场景在通过两类传感器获得的信号上分析改进的方法的表现。对于心脏搏动区间估计，使用标准ECG信号和从不受察觉的床上安装的传感器获得的BCG信号。呼吸信号是通过鼻流量传感器(热敏电阻)以及相同的床上安装的传感器获得的。

在美国马萨诸塞州波士顿市的波士顿睡眠中心，在分析中使用的数据是从8名健康志愿者(年龄为32.8±13.4岁、BMI为25.9±3.78的八名男性和一名女性)整夜记录的。对于每个志愿者执行完整的多导睡眠记录，其中，在分析中使用导联II ECG以及鼻流量信号。使用单个机电膜(EMFi)传感器(芬兰Vaajakoski的Emfit有限公司；尺寸：30×60，厚度<1)采集其他信号，所述传感器被安装在薄的泡沫覆盖层的下侧上，然后将所述薄的泡沫覆盖层放置在普通床的床垫的顶部。机电膜的机械变形生成与沿传感器厚度方向作用的动态力成比例的信号。传感器被定位在对象的胸部通常位于的地方，以记录躺在床上的人的心脏振动(心冲击描记图)和呼吸运动。

通过计算下面的误差统计已经对相对于所估计的区间长度的算法的表现进行测量。对于每个所估计的区间，确定通过参考方法获得的相关区间，并且计算两者之间的相对误差。然后通过计算这些误差的平均值以及它们的第90个百分位(E₉₀)来合计这些误差，所述第90个百分位描述误差的传播。此外，覆盖率指代参考区间的百分比，其中对应的区间可以通过改进的方法来估计。

来自ECG的R峰的自动检测被广泛地研究并且是相对容易的任务，因为R峰的显著性使信号非常适合于峰检测方法。然而，上述算法被设计为考虑来自不受察觉的传感器的信号，其中，这种的峰检测方法将被证明太容易出错，诸如心冲击描记图(BCG)。

图6示出了借助算法(CLIE)和参考算法(Ref.)从干净的ECG记录(底部)导衍生的RR区间(顶部)。R峰在ECG中的位置由垂直点划线标记。该图示出了ECG记录的短片段。作为参考，ECG中的R峰借助已建立的汉密尔顿-汤普金斯(Hamilton-Tompkins)算法来检测。所衍生的RR区间用作具有由绘制在顶部的算法估计出的区间的参考。在本范例中，该算法能够正确地跟踪显著的逐次搏动变化。该算法输出的灰色点与参考信号的黑色菱形几乎完全一致。

图7示出了借助算法(CLIE)和参考算法(Ref.)从有噪声的ECG记录(底部)衍生的RR区间(顶部)。R峰在ECG中的位置由垂直点划线标记。在这种情况下，两次搏动之间的信号被噪声破坏。伪影使参考算法(黑色菱形)错误地报告R峰。然而，上述算法(灰色点)正确地计算了局部区间，因为它不依赖于检测峰(因为它检测区间)，并且因此对这种类型的干扰更稳健。

表1

表1示出了用于处理ECG数据的算法参数。对于八个整夜记录(包含超过212000次心脏跳动)中的每个的错误统计数据被示出在表2的ECG栏中。总的来说，对于所计算的区间，两种算法之间的平均误差为0.26％。当解释该结果时应当谨慎，因为参考算法的输出也能够偏离真实的潜在区间(如已在前面的范例中示出的)。尽管如此，能够清楚地看出，改进的算法产生与已建立的参考算法几乎相同的结果(在小的误差幅度内)。

表2

为了分析噪声存在时算法的稳健性，通过向干净的基础信号加入高斯白噪声生成具有不同信噪比(SNR)的一组30分钟长的ECG样本。这种样本信号中的每个由所述算法和汉密尔顿-汤普金斯参考算法进行处理。对每个SNR重复10次。图8示出了关于从干净的ECG基础信号中提取的参考区间的平均相对区间误差能够观察到，改进的算法能够保持针对比参考算法更低的SNR的可接受的误差水平。

与标准ECG相比，由不受察觉的传感器(诸如被集成到床的那些传感器)记录的BCG信号的逐次搏动心率的可靠提取是非常地具有挑战性的。这能够主要归因于低信噪比、对所有类型的运动伪影的高敏感性、以及它们通常缺少独特的峰的事实。BCG信号是在八个整夜记录的每个期间由床上传感器获得的。这些BCG信号通过改进的算法使用前面部分中的ECG信号的分析期间所使用的相同参数进行分析。

通过使用具有足够高的截止频率的带通滤波器(见表1)，移除床上传感器信号的低频呼吸分量。和以前一样，由汉密尔顿-汤普金斯算法获得的ECG RR-区间用作金标准参考。表2的BCG栏示出了改进的算法在这种类型信号上的表现。如所预期的，所获得的平均误差和覆盖率值(分别为1.22％和90.59％)比处理ECG信号时所获得的平均误差和覆盖率值稍差一些。然而，覆盖率的差异能够特别地被归因为BCG对运动伪影的较高敏感性。当对象在床上执行大的运动时，信噪比显著降低，不可能进行可靠的局部区间估计。这通过改进的算法来自动检测，并且这样的片段将被丢弃。

表3

表3示出了三种区间估计方法(P-谱、最大谱和倒谱)对针对三种区间估计量的不同权重下的整体表现的影响：P-谱(m₁)、最大谱(m₂)和倒谱(m₃)。能够观察到，单独的P-谱方法是到目前为止最精确和稳健的估计量。然而，通过加入两种其他方法并且给予P-谱两倍的权重，可能会进一步减小估计误差。

图9示出了在BCG心率分析的平均区间误差上的覆盖率作为质量阈值th_Q的函数。质量阈值th_Q对覆盖率以及区间误差的影响被示于该图中。能够观察到，能够使用th_Q来调节覆盖率和平均误差之间的折中。更高的th_Q值排除更多的估计，因而降低覆盖率，但同时，剩余估计的平均区间误差减小。图中的箭头示出了在图中从右至左降低的质量阈值th_Q。

图10示出了与ECG参考区间相比，使用改进的算法从BCG信号获得的局部区间误差的修正后的布兰德-奥尔特曼(Bland-Altman)点。该点示出了具有90％位于-10和15毫秒之间的误差的区间误差中的6毫秒的小偏移。其相当于具有1.08次搏动/分的第90个百分位的0.86次搏动/分的平均绝对心率误差。

针对改进的算法的第二个应用是对逐次呼吸区间的估计。同样，该方法在移动至更具挑战性的不受察觉的传感器信号之前首先应用于参考信号(即，由热敏电阻测量的鼻流量信号)。作为参考，使用已知技术自动检测流量信号中的峰。在进一步处理之前，根据参考手动排除异常值和伪影。参考逐次呼吸区间被计算作为检测到的峰之间的距离。

上表1示出了使用改进的方法处理呼吸信号的参数。表4中的“流量”栏示出了关于参考区间的改进的算法的表现。八个所分析的夜晚包含超过52000次呼吸。总体而言，能够获得具有覆盖率为97.25％的1.72％的平均相对区间误差。表4示出了当分别被应用于鼻流量和床上传感器(BCG)信号时，改进的算法的逐次呼吸率表现。

表4

作为不受察觉记录的呼吸信号的范例，床上传感器信号通过改进的算法进行处理，同样使用用于处理流量传感器信号的相同参数。这一次，在床上传感器信号中的低频呼吸分量由预处理带通滤波器保留。在该数据集上的表现统计数据被示出于表4的“床上”栏。同样，平均误差和覆盖率值(分别为2.64％和89.86％)比从流量信号获得的平均误差和覆盖率值稍差一些。图11示出了与流量传感器参考区间相比，使用改进的算法从床上传感器呼吸信号获得的局部区间误差的修正的布兰德-奥尔特曼点。能够观察到，具有90％位于-200和300毫秒之间的误差的20毫秒的小偏移。这对应于具有0.62次呼吸/分的第90个百分位的0.30呼吸次/分的平均绝对呼吸率误差。

灵活的在线可用的算法借助于连续局部区间估计提供来自生理信号的局部区间的估计。改进的算法优选地对三种方法进行组合来获得来自各种信号的稳健的区间估计。使用针对每种应用的传统的和不受察觉的传感器信号对算法(逐次搏动心率和逐次呼吸呼吸率估计)的两种可能的应用进行验证。基于八个整夜睡眠实验室记录的评估数据集，对该算法的表现与在参考信号上工作的已建立的参考算法进行对比。分析来自不受察觉的床上传感器的信号，改进的算法获得具有平均覆盖率为90.58％的1.22％的平均逐次搏动心率区间误差。使用相同的信号来估计逐次呼吸呼吸率导致2.64％的平均误差以及89.86％的覆盖率。

图12示出了系统的第二个实施例，其能够使用以上所讨论的改进的算法。图12非常类似于图1，除了使用两个传感器16a和16b，而不是如图1中的单个传感器16。两个传感器16a和16b不一定必须是相同种类的传感器，但是它们必须被设计为感测对象14的相同的生理节律。例如，第二传感器16b能够是身体接触传感器，而不是如在此所示的第二个床垫下传感器。例如，如果测量心率，一个传感器能够是BCG传感器，另一个传感器能够是ECG传感器。

由两个传感器16a和16b产生的两个信号能够保持独立，并且根据以上讨论的算法对每个信号分别进行处理。多个重叠的分析窗口将用于每个个体信号，在每个分析窗口中使用多个区间长度估计方法，以便确定针对每个信号的区间长度。然后这些确定的区间长度能够被组合为针对正在由图12的系统监测的生理节律的区间长度的单个可靠的估计。以这种方式，对对象14的所监测的生理节律内存在的区间做出更精确的估计。

图13中概括了处理信号(其表示对象的生理节律)的改进的方法。在其最基本的形式中，该方法包括以下步骤：步骤S1，接收来自对象的信号，步骤S2，利用带通滤波器对信号进行滤波，步骤S3，从经滤波的信号中提取分析窗口，步骤S4，在分析窗口中对经滤波的信号执行多个区间长度估计方法，步骤S5，对多个区间长度估计方法的输出进行求和，以及最后的步骤S6，根据多个区间长度估计方法的输出的总和来确定区间长度。从步骤S6到步骤S3的返回箭头指示包括轻微地沿着分析窗口移动，并且针对新分析窗口的重复步骤S4至S6的优选实施例。

尽管已在附图和前述说明中详细图示和描述本发明，但这种图示和描述应当被认为是图示性或范例性的，而非限制性的；本发明不限于所公开的实施例。

通过研究附图、说明书以及所附权利要求，本领域技术人员在实践所要求保护的发明时能够理解和实现对所公开的实施例的变型。在权利要求中，“包括”一词不排除其他元件或步骤，并且不定冠词“一”或“一个”不排除多个。单个处理器或其他单元可以实现在权利要求中记载若干项的功能。仅有某些措施被记载在相互不同的从属权利要求中的事实并不表示这些措施的组合不能被有利地使用。计算机程序可以被存储/分布在合适的介质中，诸如与其他硬件一起提供的或作为其他硬件的一部分提供的光学存储器介质或固态介质，但也可以以其他形式分布，诸如经由因特网或其他有线或无线通信系统。在权利要求书中的任何附图标记不应被解释为限制范围。

Claims (16)

1.一种处理表示对象的生理节律的信号的方法，所述方法包括以下步骤：

a)接收来自所述对象的所述信号作为第一信号，

b)利用带通滤波器对所述信号进行滤波，

c)从经滤波的信号中提取多个分析窗口，所述多个分析窗口包括彼此重叠的至少两个分析窗口；

d)在所述多个分析窗口的每个中对所述经滤波的信号执行多个区间长度估计方法，

e)对所述多个区间长度估计方法的输出进行求和，并且

f)根据所述多个区间长度估计方法的所述输出的总和确定区间长度。

2.根据权利要求1所述的方法，其中，第一分析窗口与第二分析窗口的所述重叠大于所述第一分析窗口和/或所述第二分析窗口的尺寸的50％。

3.根据权利要求1或2所述的方法，并且还包括计算针对多个分析窗口的平均区间长度，根据所计算的平均区间长度和预定的变量生成针对所述区间长度的上阈限和下阈限，并且丢弃在所生成的上阈限和下阈限之外的任何确定的区间长度。

4.根据权利要求1或2所述的方法，并且还包括在对应于所确定的区间长度的端部的连续分析窗口中检测所述经滤波的信号中的峰，并且根据相同幅度的匹配峰的集合计算确定的区间长度中值。

5.根据权利要求1或2所述的方法，并且还包括获取针对所述多个区间长度估计方法的加权因子，并且其中，所述步骤e)包括根据所获取的加权因子对所述多个区间长度估计方法的所述输出进行求和。

6.根据权利要求1或2所述的方法，并且还包括使用确定的区间长度的集合的标准偏差的函数和预定阈值，执行所述集合的质量分析。

7.根据权利要求1或2所述的方法，并且还包括接收来自所述对象的第二信号，所述第二信号表示与所述第一信号相同的所述对象的所述生理节律，根据所述步骤b)至e)处理所述第二信号，并且其中，所述步骤f)包括根据关于两个信号的所述多个区间长度估计方法的所述输出的所述总和来确定区间长度。

8.一种用于处理表示对象的生理节律的信号的系统，包括：传感器，其被布置为接收来自所述对象的所述信号；以及，处理器，其被布置为执行权利要求1-6中的任一项所述的方法步骤。

9.根据权利要求8所述的系统，并且还包括第二传感器，其被布置为接收来自所述对象的第二信号，所述第二信号表示与所述第一信号相同的所述对象的所述生理节律，其中，所述处理器被布置为根据所述步骤b)至e)处理所述第二信号，并且根据关于两个信号的所述多个区间长度估计方法的所述输出的所述总和来确定区间长度。

10.一种用于处理表示对象的生理节律的信号的装置，包括：

a)用于接收来自所述对象的所述信号作为第一信号的单元，

b)用于利用带通滤波器对所述信号进行滤波的单元，

c)用于从经滤波的信号中提取多个分析窗口的单元，所述多个分析窗口包括彼此重叠的至少两个分析窗口；

d)用于在所述多个分析窗口的每个中对所述经滤波的信号执行多个区间长度估计方法的单元，

e)用于对所述多个区间长度估计方法的输出进行求和的单元，以及

f)用于根据所述多个区间长度估计方法的所述输出的总和确定区间长度的单元。

11.根据权利要求10所述的装置，其中，第一分析窗口与第二分析窗口的所述重叠大于所述第一分析窗口和/或所述第二分析窗口的尺寸的50％。

12.根据权利要求10或11所述的装置，并且还包括用于计算针对多个分析窗口的平均区间长度的单元、用于根据所计算的平均区间长度和预定的变量生成针对所述区间长度的上阈限和下阈限的单元、以及用于丢弃在所生成的上阈限和下阈限之外的任何确定的区间长度的单元。

13.根据权利要求10或11所述的装置，并且还包括用于在对应于所确定的区间长度的端部的连续分析窗口中检测所述经滤波的信号中的峰的单元，以及用于根据相同幅度的匹配峰的集合计算确定的区间长度中值的单元。

14.根据权利要求10或11所述的装置，并且还包括用于获取针对所述多个区间长度估计方法的加权因子的单元，并且其中，用于求和的单元e)根据所获取的加权因子对所述多个区间长度估计方法的所述输出进行求和。

15.根据权利要求10或11所述的装置，并且还包括用于使用确定的区间长度的集合的标准偏差的函数和预定阈值来执行所述集合的质量分析的单元。

16.根据权利要求10或11所述的装置，并且还包括用于接收来自所述对象的第二信号的单元，所述第二信号表示与所述第一信号相同的所述对象的所述生理节律，其中，通过用于滤波的单元b)、用于提取的单元c)、用于执行的单元d)和用于求和的单元e)处理所述第二信号，并且其中，用于确定的单元f)根据关于两个信号的所述多个区间长度估计方法的所述输出的所述总和来确定区间长度。