[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

TW201637610A - 偵測心率的方法 - Google Patents

偵測心率的方法 Download PDF

Info

Publication number
TW201637610A
TW201637610A TW104113599A TW104113599A TW201637610A TW 201637610 A TW201637610 A TW 201637610A TW 104113599 A TW104113599 A TW 104113599A TW 104113599 A TW104113599 A TW 104113599A TW 201637610 A TW201637610 A TW 201637610A
Authority
TW
Taiwan
Prior art keywords
heart rate
interval
motion
time
indicator
Prior art date
Application number
TW104113599A
Other languages
English (en)
Other versions
TWI535415B (zh
Inventor
潘克寧
郭世宗
何吉忠
Original Assignee
偉詮電子股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 偉詮電子股份有限公司 filed Critical 偉詮電子股份有限公司
Priority to TW104113599A priority Critical patent/TWI535415B/zh
Priority to US14/918,551 priority patent/US10405802B2/en
Application granted granted Critical
Publication of TWI535415B publication Critical patent/TWI535415B/zh
Publication of TW201637610A publication Critical patent/TW201637610A/zh

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02438—Detecting, measuring or recording pulse rate or heart rate with portable devices, e.g. worn by the patient
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A61B5/14552—Details of sensors specially adapted therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
    • A61B5/721—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts using a separate sensor to detect motion or using motion information derived from signals other than the physiological signal to be measured
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Mathematical Physics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Optics & Photonics (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)

Abstract

本發明係一種偵測心率的方法，包括提供一光偵測器模組、一運動偵測器與一快速傅立葉轉換(Fast Fourier Transform,FFT)模組，藉由該光偵測器模組與該FFT模組以得到一第一心率，在不同時間進行取樣，藉由該運動偵測器與該FFT模組產生一頻譜資訊框(frame)，其中該頻譜資訊框具有複數個峰值(peak)以及對應該複數個峰值(peak)的第一複數個指標(index)，並利用該第一複數個指標定義複數個運動區間，以及利用該第一心率與不同時間取樣所得之該複數個運動區間進行一區間追蹤演算法以獲得一目前心率。

Description

偵測心率的方法
本發明是關於一種偵測心率的方法，更特別地，是關於一種在運動時偵測心率的方法。
在傳統的應用中，感測生理訊號的生物感測器(Biosensor)多用於大型醫療裝置，不過隨著科技的進步，原本作為醫療用途的穿戴式裝置也可變成以健康與健身為目的的裝置，其市場規模不斷擴大，因此生物感測器在穿戴式裝置上的應用潛能也日益受到矚目。
習知技術中的穿戴式裝置，其量測心率的方法為量測血管容基變化的信號，而血管容積變化信號可藉由光體積描述圖(photoplethysmography,PPG)所取得的光線能量，記錄光線變化而感應得到的信號。由於心臟搏動有其固定週期，故血管內單位面積的血流量形成週期性的變化，血液體積若是產生變動時，光感測元件將會隨著血液體積的變化而感應電壓、電流或電阻。相關的習知技術如專利申請案CN103156591、WO2013038296、US8172761、US20090112111、US5807267以及IEEE期刊Hayato Fukushima et al.“Estimating Heart Rate using Wrist-type Photoplethysmography and Acceleration sensor while running”、Zhilin Zhang et al.“A General Framework for Heart Rate Monitoring Using Wrist-Type Photoplethysmography(PPG)Signals During Intensive Physical Exercise”與論文Bennett Ames Fallow“Influence of Skin Type and wavelength on Light Wave Reflectance”。
然而，光感測元件所偵測到的訊號會因人體運動產生的震動而造成許多干擾雜訊，造成所檢測出的心率將會嚴重失真，而即使在靜止的情況下，靜態的活動(如敲擊鍵盤、寫字等)也會造成所檢測出的心率失真。
有鑑於此，發明人鑒於前述習知技術之缺失，經過細心實驗與研究，本著鍥而不捨之精神，發明出本案「偵測心率的方法」，以下為本案之說明。
本發明為了克服先前技術的缺失，提出一種偵測心率的方法，係利用人體運動模式與心率的相關性來判斷由光感測器所測量的訊號之中何者為正確的目前心率。
本發明之一構想是一種偵測心率的方法，包括：提供一光偵測器、一運動偵測器與一快速傅立葉轉換(Fast Fourier Transform,FFT)模組，藉由該光偵測器與該FFT模組以得到一第一心率，在不同取樣時間，藉由該運動偵測器與該FFT模組產生一頻譜資訊框(frame)，其中該頻譜資訊框具有複數個峰值(peak)以及對應該複數個峰值(peak)的第一複數個指標(index)，並利用該第一複數個指標定義複數個運動區間，以及利用該第一心率與不同取樣時間所得之該複數個運動區間進行一區間追蹤演算法以獲得一目前心率。
本發明另一構想是一種偵測心率的方法，包括：取得一運動者之一運動訊號，取得該運動者之一第一時間心率及一第二時間心率頻譜，其中該第二時間心率頻譜具一第一複數峰值，在一第二時間，取得該運動訊號之一頻譜資訊框(frame)，其中該頻譜資訊框具有第二複數個峰值(peak)，以一第一複數個指標(index)定義該第二複數個峰值(peak)，並標定該第一時間心率所在之相對應之一第一位置，以及自該第一複數峰值相對應於該第一複數指標之複數個別位置中取一與該相對應第一位置而具有一特定數學關係之一峰值為一第二時間心率。
本發明又一構想是一種偵測心率的方法，包括：取得一運動者之一運動訊號，取得該運動者之一第一時間心率、一第二時間心率及一第三時間心率，以時間及心率數量為XY軸，取該第一時間心率及該第二時間心率之一第一斜率與該第二時間心率及該第三時間心率之一第二斜率，以及依該第二斜率與該第一斜率之關係而決定一變量，並以該第三時間心率及該變量之和為一第四時間心率。
10‧‧‧偵測心率的系統
111‧‧‧光偵測器
121‧‧‧運動偵測器
112、122‧‧‧帶通濾波器
113、123‧‧‧類比-數位轉換器
114、124‧‧‧快速傅立葉轉換模組
130‧‧‧微處理器
20‧‧‧流程圖
210、220、230、240‧‧‧步驟
300‧‧‧光偵測器模組
310‧‧‧藍光發光二極體
320‧‧‧綠光發光二極體
330‧‧‧光偵測器
340‧‧‧血管
第1圖為本發明構想之第一較佳實施例中之偵測心率的系統；第2圖為本發明構想之第一較佳實施例中偵測心率的流程圖第3圖為本發明構想之第一較佳實施例中之使用光偵測器模組取得光偵測器訊號的示意圖；第4圖為本發明構想之第一較佳實施例中之光偵測器訊號的頻譜分佈；第5圖為本發明構想之第一較佳實施例中之運動訊號的頻譜分佈；第6圖為本發明構想之第一較佳實施例中之判斷人體行為模式的流程圖；第7圖為本發明構想之第一較佳實施例中之時間對心率的作圖；第8(a)圖與第8(b)圖為本發明構想之第一較佳實施例中之運動區間示意圖；以及第9圖為使用傳統心電圖(ECG)所量測的心率結果；第10圖為使用本發明構想之第一較佳實施例中之偵測心率的方法所量測的心率結果。
本發明可由以下的實施例而得到充分瞭解，使得本領域之技術人員可據以完成之，然而所討論的具體實施例僅是說明使用本發明的特定方式，並不會限制本發明的範圍，本領域之技術人員可依據所揭露之實施例而推演出其他實施例，該等實施例皆屬本發明之範圍。
請參閱第1圖，其為本發明構想之第一較佳實施例中偵測心率的系統10，包括光偵測器111、運動偵測器121、帶通濾波器(bandpass filter,BPF)112、122、類比-數位轉換器(ADC)113、123、快速傅立葉轉換(Fast Fourier Transform,FFT)模組114、124以及微處理器130。
請參閱第2圖，其為第一較佳實施例中偵測心率的流程圖 20，其中步驟210為提供光偵測器111、運動偵測器121與FFT模組114、124。請繼續參閱第3圖，其為第一較佳實施例中使用光偵測器模組300取得光偵測器訊號的示意圖，當光源的光束打在真皮層的血管340上會產生反射光至光偵測器330，光偵測器330會把收集到的光轉成類比訊號輸出，較佳地，光偵測器330可使用AMS公司所生產的TSL-12T Light-to-Voltage Convertor，可將收集到的反射光轉成電壓輸出以得到光體積變化描記圖(PPG)。由於不同波長的光對於不同膚色會有不同的反射量以及訊雜比(Signal-to-Noise ratio,SNR)，且在運動時，不同膚色對應的SNR也會有差異。在靜態時，綠光(波長=525nm)照射於不同膚色的反射量及SNR都優於其他波長，而在運動時，藍光(波長=470nm)對於偏黑與偏白的膚色有較好的SNR表現，故本實施例中使用藍光發光二極體(LED)310與綠光LED320兩個光源的混合來實現PPG，用以補償因不同膚色所造成的SNR差距。
本領域技術人士可以理解的是，人的心率範圍換算成頻率介於0.5赫茲(Hz)-4Hz，以Nyquist取樣定律而言，其取樣率至少要8Hz以上，故在本實施例中採用16Hz的取樣率。由於快速傅立葉轉換(FFT)必須為2N點的數位訊號，其中N為大於1的整數，在本實施例中採用N=8，也就是一個頻譜資訊框(frame)為256點，且可得記錄時間T=16秒。256點的數位訊號經FFT運算可得到對應的0-255指標(index)，其中index 0-127與index 128-255對應的頻率能量相同，所以只取index 0-127，又△F=1/T=0.0625Hz，所以index與頻率的關係為index 0=0Hz、index 1=0.0625Hz、index 2=0.125Hz、index 3=0.1875Hz........以此類推index 127=7.9375Hz。另外，為了簡化圖形，後述的第4、5、8(a)與8(b)圖中的X軸只顯示頻率單位，但由上述index與頻率間的關係可以理解到X軸的單位也同樣對應到index。
請參考第1圖、第2圖與第4圖，步驟220為藉由光偵測器與FFT模組以得到第一心率，其內容為：由於人類的心率介於每分鐘30下到每分鐘240下之間，對應的頻率為0.5Hz-4Hz，故將光偵測器111所得到的訊號經過一個頻率為0.5Hz-4Hz的BPF112以濾除不必要的雜訊，再用類比數位轉換器(ADC)113將濾波後的訊號轉成數位訊號，如上一段的說明，經過T=16秒的取樣，可得256點的數位訊號，再經過FFT模組114進行FFT運算即可得 到PPG反射血管訊號在頻率上的分佈，將所得的資料傳輸到微處理器130，可以得到一個frame中多個index對應其頻譜峰值(peak)的結果，再依所對應的振幅大小排序index，取排序後的前數個index放入集合HR’=hri中。ADC後的資料會隨時間不斷持續進來，覆蓋舊資料，當所有或部分的舊ADC資料被更新後，就做FFT，可得到新的frame以及新的HR’集合，第4圖為人體在靜態時PPG的FFT分佈，在靜止時PPG的訊號會是一諧波訊號，包括一基頻與複數個諧波，HR’取前4個index，HR’=hr1,hr2,hr3,hr4，其中靜態時hr1所對應之頻率即為當時的心率(第一心率)。
請參考第1圖、第2圖與第5圖，步驟230為在不同取樣時間，藉由運動偵測器與FFT模組產生頻譜資訊框(frame)，其中該頻譜資訊框具有複數個峰值(peak)以及對應該複數個峰值(peak)的第一複數個指標(index)，並利用第一複數個指標定義複數個運動區間，其內容為：當人體開始移動或運動時，藉由一運動偵測器121取得運動訊號，本實施中使用三軸加速器(後稱G-sensor)作為運動偵測器，較佳地採用Kionix公司所生產的KXTJ2-1009，訊號藉由I2C傳給微控制器(Micro-Control Unit,MCU)，一樣使用帶通濾波器122進行濾波，取樣頻率為ADC123取樣頻率的整數倍，但讀取的週期與ADC113相同，經過T=16秒後同樣取得G-sensor的256點資料，再經由FFT模組124算出其頻譜分佈，將所得的資料傳輸到微處理器130，結果如第5圖所示。再從對應0.5Hz的indexmin(index=8)到對應4Hz的indexmax(index=64)中找出能量最大頻譜峰值的運動index gr1、能量次大頻譜峰值的運動index gr2與能量第三大頻譜峰值的運動index gr3....以此類推，定義集合GR’為運動index的集合，在規律運動(如雙手自然擺動的走路或跑步)的情況下的運動訊號為一諧波，包括一基頻與複數個諧波，故運動index之間會有倍數關係，本實施例中取前三個運動index為例，即GR’=gr1,gr2,gr3，可產生關係式(1)：
如果在找不到關係式(1)的情況下，則表示人體在靜止狀 態，即GR’={}。在GR’≠{}時，如第5圖所示，可用GR’集合的n個元素在indexmin到indexmax的範圍內區分出n+1個運動區間的index集合。集合S1’為indexmin到gr1之index集合，集合S2’為gr1+1到gr2之index集合，集合S3’為gr2+1到gr3之index集合，集合S4’為gr3+1到indexmax之index集合且S={S1’S2’S3’S4’}。
請參考第6圖，其為本發明構想之第一較佳實施例中判斷人體行為模式的流程圖，本實施例中利用G-sensor將人體的行為模式分成三部分，分別是初始模式(initial-mode)、靜態模式(rest-mode)與運動模式(sport-mode)，當一個新的frame產生時則依照G-sensor接收到的訊號來做三個模式之間的相互轉換：
1.初始模式：使用者必須在靜止的狀態下才可以開始測量心率，經過T秒後，取得2N點ADC資料，再由FFT計算出HR’集合，其中hr1即為目前心率的index(hrL)。
2.靜態模式：當GR’={}時，表示使用者處於靜止狀態或是微動的狀態。
3.運動模式：當GR’≠{}時，表示使用者在做規律的運動，如第7圖所示，此時會將三個frame之前(Dt-3)的心率之index記錄為It-3，兩個frame之前(Dt-2)的心率之index記錄為It-2，一個frame之前(Dt-1)的心率之index記錄為It-1，It-1也是前一次心率的index(hrP)，再用公式(2)計算出Dt-3至Dt-2與Dt-2至Dt-1兩段斜率E23與E12。
以下對各模式做細部的描述：
初始模式：由於使用者是處於靜止的狀態，光偵測器接收到的訊號不會受其他頻率干擾，因此算完第一筆2N點訊號的FFT轉換後所產生的hr1即為目前心率的index(hrL)，而且把前一次心率的index(hrP)也記錄為hr1，之後隨即進入靜態模式。
需要說明的是，由於偵測心率的數據是隨時間不斷產生，因此在每一個frame都會產生一個該frame時間點當下的心率，本實施例中所使 用的兩參數hrL與hrP，係定義為在某一個frame的基準下所觀察到的結果，且會隨著觀察點不同而改變。舉例來說，假設觀察的時間點在frame#3，frame#3的目前心率稱為hrL且frame#2的心率(即為frame#3的前一心率)為稱為hrP，而如果觀察的時間點換成frame#2，frame#2的目前心率稱為hrL且frame#1的心率(即為frame#2的前一心率)為稱為hrP。
靜態模式：因處於靜止的狀態，亦不會有其他頻率干擾，故之後新的frame所產生新的hr1都是hrL。如果使用者將偵測心率的裝置穿戴於手腕處，在微動狀態時，由於手指的曲張(如使用鍵盤、寫字等)並不會讓G-sensor感測到移動訊號，故GR’={}，但是會造成手腕部分的皮膚有上下起伏，此時偵測到的PPG訊號不具有諧波的特性(即不符合關係式(1))，這樣的狀態稱為微動模式，此時獲得的hr1有可能變成是手指曲張之頻率的index而不是心率的index。因此為了得到正確的心率，定義一個index搜尋範圍△s，較佳地取△s=2，再使用公式(3)以追蹤目前心率(hrL)。
舉例來說，當GR’={}時，如果hrP=23，HR’=hr1,hr2,hr3,hr4=20,24,42,18，由於hri不符合關係式(1)，因此可以知道使用者是處於微動模式，此時的hr1不是hrL，使用公式(3)可以找出正確的hrL=24。利用上述方法，即使在頻譜訊號失真的情況下依然可以正確的追蹤心率。
第2圖中步驟240為利用第一心率與不同取樣時間所得之複數個運動區間進行區間追蹤演算法以獲得目前心率，其內容如下一段的說明。
運動模式：在運動時，光偵測器會因人體運動產生的震動而造成許多干擾的雜訊，無法由PPG頻譜直接獲得目前心率。為了得到正確的心率，定義S’P S為前一個frame的hrL所落在的前一個frame的第P個運動區間，且定義S’L S為目前frame的hrP所落在的目前frame的第L個運動區間。 舉例來說，第8(a)圖與第8(b)圖為本發明構想之第一較佳實施例中的運動區間示意圖，其係利用如第5圖所示的運動訊號頻譜，去除了頻譜中的波形與Y軸只留下以gr1、gr2與gr3定義的運動區間以及X軸，第8(a)圖為前一個frame所定義的運動區間，第8(b)圖為目前frame所定義的運動區間，請參考第8(a)圖，如果前一個frame的hrL為index 21(即1.3125Hz，約每分鐘79下)，則hrL會落在S’2區間內(圖中星號處)，故S’P=S’2，P=2。請參考第8(b)圖，當運動的狀態改變造成運動訊號變化，故所定義的運動區間也會跟著改變，此時目前frame的hrP為index 21，可知hrP會落在S’1區間內(圖中星號處)，故S’L=S’1，L=1。由於運動的幅度越大，對應的心率必定跟著上升，反之亦然，因此本實施例所使用的方法為利用人類運動模式與心率的關係來獲得目前心率。目前心率與運動區間的關係可分為下列幾種狀況：
狀況1：S’的下標P=L時。
a.找出目前frame的hri S’L之index集合，HR”。
b.找出HR”中最接近hrP的hri，且hri必須滿足{| hri-hrP |△s}的條件，hri即為目前心率的index。
狀況2：S’的下標P>L時。
a.找出目前frame的hri S’LUS’L+1且hrP之index集合，HR”。
b.找出HR”中最接近hrP的hri，且hri必須滿足{| hri-hrP |△s}的條件，hri即為目前心率的index。
狀況3：S’的下標P<L時。
a.找出目前frame的hri S’LUS’L-1且hrP之index集合，HR”。
b.找出HR”中最接近hrP的hri，且hri必須滿足{| hri-hrP |△s}的條件，hri即為目前心率的index。
狀況4：在狀況1到狀況3中若HR”={}，或是{| hri-hrP |△s}={}，表示此時PPG受到非規律的運動訊號(如看錶、擦汗與揮手等)影響，造成心率訊號遺失，由於人體運動時心率會跟左腳與右腳相互移動一次的頻率相近，也就是gr2所對應的頻率，因此可以先用關係式(4)預估心率會呈現上升↑或是下降↓的趨勢。
再用由公式(2)所獲得的斜率E23與E12來推出hrL需要調整的變量，在hrL↑時採用公式(5)，。
在hrL↓時採用公式(6)。
為了更清楚地說明本案所使用之偵測心率的方法，以下將用實際的測量數據做說明：
請參考第9圖與第10圖，其為在同一個使用者上以不同的方法所測量的心率。第9圖為習知技術中使用心電圖(ECG)記錄心臟的電生理訊號所測量出的心率，本領域技術人士皆知ECG為量測心率的方法中最精確的一種，第10圖為使用本案之偵測心率的方法所測量的心率，對應到前一段的實驗數據結果，比較第9圖與第10圖可以看出以本案的方法即使在運動的狀態下，量測到的心率依然不會失真，可以得到非常精準的結果。
實施例
1：一種偵測心率的方法，包括提供一光偵測器模組、一運動偵測器與一快速傅立葉轉換(Fast Fourier Transform,FFT)模組，藉由該光偵測器模組與該FFT模組以得到一第一心率，在不同時間進行取樣，藉由該運動偵測器與該FFT模組產生一頻譜資訊框(frame)，其中該頻譜資訊框具有複數個峰值(peak)以及對應該複數個峰值(peak)的第一複數個指標(index)，並利用該第一複數個指標定義複數個運動區間，以及利用該第一心率與不同時間取樣所得之該複數個運動區間進行一區間追蹤演算法以獲得一目前心率。
2.如實施例1所述之一種偵測心率的方法，更包括在靜態模式時，以該光偵測器量測一光體積變化描記圖(photoplethysmography, PPG)，並將該光體積變化描記圖進行FFT轉換以得到該第一心率，以及在運動模式時，該運動偵測器產生至少一運動訊號(motion signal)，將不同時間取樣產生之該至少一運動訊號進行快速傅立葉轉換以得到該至少一頻譜資訊框(frame)。
3.如實施例1或2所述之一種偵測心率的方法，其中量測該光體積變化描記圖包括下列步驟：使用複數個藍光二極體與複數個綠光二極體作為光源以發射一光束，以一光偵測器接收該光束照射血管所反射之光訊號，以及將該光訊號轉換成一電壓訊號。
4.如實施例1~3其中之一所述之一種偵測心率的方法，其中該運動偵測器為一加速度感測器(accelerometer)，且該至少一運動訊號中的每一個運動訊號包括一基頻與至少一諧波。
5.如實施例1~4其中之一所述之一種偵測心率的方法，其中得到該第一心率包括下列步驟：將該光體積變化描記圖進行快速傅立葉轉換後以得到一頻譜，其中該頻譜具有複數個峰值及其對應之第二複數個指標，以及依其所對應之峰值大小排序該第二複數個指標，且將該第二複數個指標放入一集合，其中排序第一的一第一指標為該第一心率。
6.如實施例1~5其中之一所述之一種偵測心率的方法，包括以該光偵測器測量運動時的一心率頻譜，其中該心率頻譜具有對應峰值的一第二指標、一第三指標與一第四指標，該區間追蹤演算法包括下列步驟：定義一SP區間為在前一資訊框中該第一心率所落入之運動區間，其中該SP區間為該複數個運動區間中之第P個運動區間，定義一SL區間為在目前資訊框中該第一心率所落入之運動區間，其中該SL區間為該複數個運動區間中之第L個運動區間，以及當P=L時，選擇落在該SL區間內的該第二指標所對應之頻率為該目前心率，其中該第二指標最接近該第一指標。
7.如實施例1~6其中之一所述之一種偵測心率的方法，其中該區間追蹤演算法包括下列步驟：當P>L時，選擇落在該SL與一SL+1區間內的該第三指標所對應之頻率為該目前心率，其中該第三指標大於該第一指標且最接近該第一指標。
8.如實施例1~7其中之一所述之一種偵測心率的方法，其中 該區間追蹤演算法包括下列步驟：當P<L時，選擇落在該SL與一SL-1區間內的該第四指標所對應之頻率為該目前心率，其中該第四指標小於該第一指標且最接近該第一指標。
9.一種偵測心率的方法，包括：取得一運動者之一運動訊號；取得該運動者之一第一時間心率及一第二時間心率頻譜，其中該第二時間心率頻譜具一第一複數峰值，在一第二時間，取得該運動訊號之一頻譜資訊框(frame)，其中該頻譜資訊框具有第二複數個峰值(peak)，以一第一複數個指標(index)定義該第二複數個峰值(peak)，並標定該第一時間心率所在之相對應之一第一位置，以及自該第一複數峰值相對應於該第一複數指標之複數個別位置中取一與該相對應第一位置而具有一特定數學關係之一峰值為一第二時間心率。
10.如實施例9所述之一種偵測心率的方法，其中該複數個別位置係在該頻譜資訊框中頻率為0.5赫茲(Hz)-4Hz的區間內以該第一複數個指標定義而得。
11.如實施例9或10所述之一種偵測心率的方法，更包括：在一第一時間，取得該運動訊號之一第一時間頻譜資訊框，其中該第一時間頻譜資訊框具有第三複數個峰值，以及以一第二複數個指標(index)定義該第三複數個峰值(peak)，其中該特定數學關係為：定義一SP區間為在該第一時間中該第一位置所落入之由該第一複數個指標所定義的第一複數運動區間，其中該SP區間為該第一複數運動區間之第P個運動區間，定義一SL區間為在該第二時間中該第一位置所落入之由該第二複數個指標所定義的第二複數運動區間，其中該SL區間為該第二複數運動區間之第L個運動區間，當P=L時，選擇落在該SL區間內的該峰值所對應之頻率為該第二時間心率，其中該第二時間心率最接近該第一時間心率，當P>L時，選擇落在該SL與一SL+1區間內的該峰值所對應之頻率為該第二時間心率，其中該第二時間心率大於該第一時間心率且最接近該第一時間心率，以及當P<L時，選擇落在該SL與一SL-1區間內的該峰值所對應之頻率為該第二時間心率，其中該第二時間心率小於該第一時間心率且最接近該第一時間心率。
12.一種偵測心率的方法，包括：取得一運動者之一運動訊 號，取得該運動者之一第一時間心率、一第二時間心率及一第三時間心率，以時間及心率數量為XY軸，取該第一時間心率及該第二時間心率之一第一斜率與該第二時間心率及該第三時間心率之一第二斜率，以及依該第二斜率與該第一斜率之關係而決定一變量，並以該第三時間心率及該變量之和為一第四時間心率。
綜上所述，本發明提供一種偵測心率的方法，利用運動時運動訊號的基頻與諧波在頻譜中區分出數個運動區間，再根據人體運動行為模式與心率的相關性來判斷心率會落在哪一個運動區間的範圍內，最後經過區間追蹤演算法來找出即時的心率值。本發明使用的方法克服了在利用PPG來測量心率時，因為規律或不規律的運動訊號所造成心率失真的缺點，讓使用本案方法的穿戴式裝置能夠精準的判斷心率。
210、220、230、240‧‧‧步驟

Claims (9)

  1. 一種偵測心率的方法，包括：提供一光偵測器模組、一運動偵測器與一快速傅立葉轉換(Fast Fourier Transform,FFT)模組；藉由該光偵測器模組與該FFT模組以得到一第一心率；在不同時間進行取樣，藉由該運動偵測器與該FFT模組產生一頻譜資訊框(frame)，其中該頻譜資訊框具有複數個峰值(peak)以及對應該複數個峰值(peak)的第一複數個指標(index)，並利用該第一複數個指標定義複數個運動區間；以及利用該第一心率與不同時間取樣所得之該複數個運動區間進行一區間追蹤演算法以獲得一目前心率。
  2. 如申請專利範圍第1項所述的方法，更包括：在靜態模式時，以該光偵測器模組量測一光體積變化描記圖(photoplethysmography,PPG)，並將該光體積變化描記圖進行FFT轉換以得到該第一心率，其中該光偵測器模組包括一光偵測器、複數個藍光二極體與複數個綠光二極體，且量測該光體積變化描記圖包括下列步驟：使用該複數個藍光二極體與該複數個綠光二極體作為光源以發射一光束；以該光偵測器接收該光束照射血管所反射之光訊號；以及將該光訊號轉換成一電壓訊號；以及在運動模式時，該運動偵測器產生至少一運動訊號(motion signal)，將不同時間取樣產生之該至少一運動訊號進行快速傅立葉轉換以得到該至少一頻譜資訊框(frame)，其中該運動偵測器為一加速度感測器(accelerometer)，且該至少一運動訊號中的每一個運動訊號包括一基頻與至少一諧波。
  3. 如申請專利範圍第1項所述的方法，其中得到該第一心率包括下列步驟：將該光體積變化描記圖進行快速傅立葉轉換後以得到一頻譜，其中該頻譜具有複數個峰值及其對應之第二複數個指標；以及依其所對應之峰值大小排序該第二複數個指標，且將該第二複數個指標 放入一集合，其中排序第一的一第一指標為該第一心率。
  4. 如申請專利範圍第3項所述的方法，包括以該光偵測器測量運動時的一心率頻譜，其中該心率頻譜具有對應峰值的一第二指標、一第三指標與一第四指標，該區間追蹤演算法包括下列步驟：定義一SP區間為在前一資訊框中該第一心率所落入之運動區間，其中該SP區間為該複數個運動區間中之第P個運動區間；定義一SL區間為在目前資訊框中該第一心率所落入之運動區間，其中該SL區間為該複數個運動區間中之第L個運動區間；以及當P=L時，選擇落在該SL區間內的該第二指標所對應之頻率為該目前心率，其中該第二指標最接近該第一指標。
  5. 如申請專利範圍第4項所述的方法，其中該區間追蹤演算法包括下列步驟：當P>L時，選擇落在該SL與一SL+1區間內的該第三指標所對應之頻率為該目前心率，其中該第三指標大於該第一指標且最接近該第一指標。
  6. 如申請專利範圍第5項所述的方法，其中該區間追蹤演算法包括下列步驟：當P<L時，選擇落在該SL與一SL-1區間內的該第四指標所對應之頻率為該目前心率，其中該第四指標小於該第一指標且最接近該第一指標。
  7. 一種偵測心率的方法，包括：取得一運動者之一運動訊號；取得該運動者之一第一時間心率及一第二時間心率頻譜，其中該第二時間心率頻譜具一第一複數峰值；在一第二時間，取得該運動訊號之一頻譜資訊框(frame)，其中該頻譜資訊框具有第二複數個峰值(peak)；以一第一複數個指標(index)定義該第二複數個峰值(peak)，並標定該第一時間心率所在之相對應之一第一位置；以及自該第一複數峰值相對應於該第一複數指標之複數個別位置中取一與 該相對應第一位置而具有一特定數學關係之一峰值為一第二時間心率。
  8. 如申請專利範圍第7項所述的方法，其中該複數個別位置係在該頻譜資訊框中頻率為0.5赫茲(Hz)-4Hz的區間內以該第一複數個指標定義而得。
  9. 如申請專利範圍第7項所述的方法，更包括：在一第一時間，取得該運動訊號之一第一時間頻譜資訊框，其中該第一時間頻譜資訊框具有第三複數個峰值；以及以一第二複數個指標(index)定義該第三複數個峰值(peak)，其中該特定數學關係為：定義一SP區間為在該第一時間中該第一位置所落入之由該第一複數個指標所定義的第一複數運動區間，其中該SP區間為該第一複數運動區間之第P個運動區間；定義一SL區間為在該第二時間中該第一位置所落入之由該第二複數個指標所定義的第二複數運動區間，其中該SL區間為該第二複數運動區間之第L個運動區間；當P=L時，選擇落在該SL區間內的該峰值所對應之頻率為該第二時間心率，其中該第二時間心率最接近該第一時間心率；當P>L時，選擇落在該SL與一SL+1區間內的該峰值所對應之頻率為該第二時間心率，其中該第二時間心率大於該第一時間心率且最接近該第一時間心率；以及當P<L時，選擇落在該SL與一SL-1區間內的該峰值所對應之頻率為該第二時間心率，其中該第二時間心率小於該第一時間心率且最接近該第一時間心率。
TW104113599A 2015-04-28 2015-04-28 偵測心率的方法 TWI535415B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW104113599A TWI535415B (zh) 2015-04-28 2015-04-28 偵測心率的方法
US14/918,551 US10405802B2 (en) 2015-04-28 2015-10-20 Method for detecting a heart rate

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW104113599A TWI535415B (zh) 2015-04-28 2015-04-28 偵測心率的方法

Publications (2)

Publication Number Publication Date
TWI535415B TWI535415B (zh) 2016-06-01
TW201637610A true TW201637610A (zh) 2016-11-01

Family

ID=56755721

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104113599A TWI535415B (zh) 2015-04-28 2015-04-28 偵測心率的方法

Country Status (2)

Country Link
US (1) US10405802B2 (zh)
TW (1) TWI535415B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI812311B (zh) * 2022-06-29 2023-08-11 博晶醫電股份有限公司 心率估計方法、裝置及電腦可讀儲存媒體

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10085691B2 (en) * 2015-08-06 2018-10-02 Asustek Computer Inc. Wearable device for sensing physiological information
TWI575474B (zh) * 2016-06-22 2017-03-21 國立雲林科技大學 人體器官之生理微震動感測系統及方法
TWI682768B (zh) * 2018-04-26 2020-01-21 新唐科技股份有限公司 心率偵測方法
CN110507302A (zh) * 2019-08-09 2019-11-29 Oppo（重庆）智能科技有限公司 基于显示屏的心率检测方法和装置
WO2021195610A1 (en) * 2020-03-27 2021-09-30 Dianavi Corporation Lifestyle activity detection for diabetes management
CN114795168B (zh) * 2022-06-24 2022-09-30 昂科信息技术（上海）股份有限公司 生命体征参数心率计算方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9597014B2 (en) * 2012-06-22 2017-03-21 Fitbit, Inc. GPS accuracy refinement using external sensors
US9005129B2 (en) * 2012-06-22 2015-04-14 Fitbit, Inc. Wearable heart rate monitor

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI812311B (zh) * 2022-06-29 2023-08-11 博晶醫電股份有限公司 心率估計方法、裝置及電腦可讀儲存媒體

Also Published As

Publication number Publication date
US20160317052A1 (en) 2016-11-03
TWI535415B (zh) 2016-06-01
US10405802B2 (en) 2019-09-10

Similar Documents

Publication Publication Date Title
TWI535415B (zh) 偵測心率的方法
US11672437B2 (en) Method and device for tissue monitoring and heart rate detection
JP6516846B2 (ja) 睡眠監視のデバイス及び方法
Giannetti et al. Heuristic algorithm for photoplethysmographic heart rate tracking during maximal exercise test
RU2616764C2 (ru) Устройство и способ для оценки частоты сердечных сокращений во время движения
US7613486B2 (en) Method and apparatus for evaluating human stress using photoplethysmography
CN103385702B (zh) 一种无创血压连续检测装置及方法
US20150305674A1 (en) Systems and Methods for Measuring Hydration in a Human Subject
US11771375B2 (en) Respiration rate detection device and breath detection device adopting motion denoising
RU2675399C2 (ru) Система мониторинга частоты сердечных сокращений
JP5760351B2 (ja) 睡眠評価装置、睡眠評価システムおよびプログラム
US9504401B2 (en) Atrial fibrillation analyzer and program
US20140018635A1 (en) Heart rate monitor
Charlton et al. Wearable photoplethysmography devices
TW201538128A (zh) 經皮的光學式體積描記術
Agrò et al. PPG embedded system for blood pressure monitoring
JP2005028157A (ja) 生体情報計測装置
US20130303922A1 (en) Heart rate monitor
US12097049B2 (en) Methods, apparatus and systems for adaptable presentation of sensor data
JP2008132012A (ja) 脈波検出装置
Lee et al. Motion artifact identification and removal from wearable reflectance photoplethysmography using piezoelectric transducer
CN105520726B (zh) 心跳检测模组及其检测、去噪方法
WO2016006250A1 (ja) 生体情報測定装置
Freithaler et al. Smartphone-Based Blood Pressure Monitoring via the Oscillometric Finger Pressing Method: Analysis of Oscillation Width Variations Can Improve Diastolic Pressure Computation
Charlier et al. Comparison of multiple cardiac signal acquisition technologies for heart rate variability analysis