呼吸率检测方法、电子设备及装置与流程

1.本发明涉及医疗设备中信号处理技术领域，尤其涉及一种呼吸率检测方法、电子设备及装置。


背景技术：

2.呼吸率是一项重要的生命征象，有助于了解一个人的整体健康状况和睡眠品质。但是目前市面上检测呼吸率一般是用单一的传感器进行检测。
3.然而，单一的传感器在采集数据时容易受到电子元器件的电磁干扰，病人的呼吸状况、心动状态都会受到相应的干扰。当传感器数据被干扰时，呼吸率的计算也会存在误差，进而导致氧合指数值偏差，影响医护人员对病人状态的判断。


技术实现要素：

4.有鉴于此，实有必要提供一种呼吸率检测方法、电子设备及装置，提高了呼吸率的检测准确度。
5.第一方面，本发明实施例提供一种呼吸率检测方法，所述呼吸率检测方法包括：从用户多路呼吸相关的第一特征信号移除直流分量得到多路第二特征信号，所述第一特征信号为在预设时间段内通过不同种类传感器采集得到的时域呼吸信号；将所述多路第二特征信号进行频率变换得到多路第三特征信号，每一路第三特征信号为每一路第二特征信号相对应的频域呼吸信号；利用预设的每路信号的融合比例系数对多路第三特征信号进行融合得到目标信号；检测所述目标信号的最大幅值，并将所述最大幅值对应的频率作为用户当前的呼吸频率。
6.第二方面，本发明实施例提供一种呼吸率检测装置，所述呼吸率检测装置包括移除单元、变换单元、融合单元、检测单元。移除单元，用于从用户多路呼吸相关的第一特征信号移除直流分量得到多路第二特征信号，所述第一特征信号为在预设时间段内通过不同种类传感器采集得到的时域呼吸信号。变换单元，用于将所述多路第二特征信号进行频率变换得到多路第三特征信号，每一路第三特征信号为每一路第二特征信号相对应的频域呼吸信号。融合单元，用于利用预设的每路信号的融合比例系数对多路第三特征信号进行融合得到目标信号。检测单元，用于检测所述目标信号的最大幅值，并将所述最大幅值对应的频率作为用户当前的呼吸频率。
7.第三方面，本发明实施例提供一种电子设备，包括存储器和处理器。存储器，用于存储计算机可执行程序。处理器，用于执行所述计算机可执行程序以实现如上述所述的呼吸率检测方法。
8.第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上述所述的呼吸率检测方法。
9.上述实施例中，通过获取多路传感器的呼吸特征信号，并对该特征信号进行直流
分量移除，然后利用傅里叶变换得到多路特征信号的频谱分布，利用预先标定好的每路信号的融合比例系数对多路特征信号的频谱进行频谱融合，再检测融合后频谱的最大值，即可获取当前病人的呼吸频率，通过融合多种传感器的特征信号的频谱数据，极大限度地降低了因为单一传感器干扰引入的计算误差，从而提高了呼吸检测的准确度。
附图说明
10.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
11.图1为本发明实施例提供的呼吸率检测方法流程示意图。
12.图2为本发明实施例提供的呼吸率检测方法第一子流程图。
13.图3为本发明实施例提供的移除直流分量后的流速信号示意图。
14.图4为本发明实施例提供的呼吸率检测方法第二子流程图。
15.图5为本发明实施例提供的流速信号的频谱示意图。
16.图6为本发明实施例提供的呼吸率检测方法第三子流程图。
17.图7为本发明实施例提供的呼吸率检测装置模块示意图。
18.图8为本发明实施例提供的移除单元模块示意图。
19.图9为本发明实施例提供的电子设备的内部结构示意图。
20.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
21.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
22.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的规划对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，换句话说，描述的实施例根据除了这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，还可以包含其他内容，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于只清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
23.需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者多个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
24.请参看图1，其为本发明实施例提供的呼吸率检测方法流程示意图，该呼吸率检测方法具体包括如下步骤。
25.步骤s101，从用户多路呼吸相关的第一特征信号移除直流分量得到多路第二特征信号，所述第一特征信号为在预设时间段内通过不同种类传感器采集得到的时域呼吸信号。
26.具体地，用户多路呼吸相关的第一特征信号是利用多种传感器对同一个用户的呼吸信号进行采集得到。其中，多种传感器可以为吸气流量传感器、病人流量传感器、病人端压力传感器、吸气压力传感器等。多种传感器可以是集成在一个设备中，也可以分别设置在多个不同的独立设备中。在本实施例中，所述第一特征信号是经过预处理的呼吸信号，当获取到多种类别的传感器发送的呼吸信号后，对该呼吸信号进行低通滤波处理，滤除部分信号干扰，然后，取单位时间(如2分钟)长度的低通滤波后的呼吸信号得到第一特征信号。为了准确地得到有效信号，对第一特征信号进行直流分量移除，其中，移除直流分量的具体过程将在下面步骤中进行详细描述。
27.步骤s102，将所述多路第二特征信号进行频率变换得到多路第三特征信号，每一路第三特征信号为每一路第二特征信号相对应的频域呼吸信号。
28.具体地，所述频率变换为快速傅里叶变换，在步骤s102当中，对第一特征信号进行直流分量移除后使用快速傅里叶变换使第一特征信号从时间域变换到频率域，从而得到每路特征信号的频谱分布，即多路第三特征信号。
29.步骤s103，利用预设的每路信号的融合比例系数对多路第三特征信号进行融合得到目标信号。
30.具体地，预设的每路信号的融合比例系数为预先根据实际传感器标定得到，在获取每路特征信号的频谱分布后，利用预设的每路信号的融合比例系数对每路特征信号的频谱进行融合计算得到多路特征信号的融合频谱，即目标信号。
31.步骤s104，检测所述目标信号的最大幅值，并将所述最大幅值对应的频率作为用户当前的呼吸频率。
32.具体地，对融合的频谱进行峰值检测，频谱峰值对应的频率即为用户当前的呼吸频率。进一步地，当前的呼吸频率可以用于计算当前用户的rox指数。
33.上述实施例中，通过获取多路传感器的呼吸特征信号，并对该特征信号进行直流分量移除，然后利用傅里叶变换得到多路特征信号的频谱分布，利用预先标定好的每路信号的融合比例系数对多路特征信号的频谱进行频谱融合，再检测融合后频谱的最大值，即可获取当前病人的呼吸频率，通过融合多种传感器的特征信号的频谱数据，极大限度地降低了因为单一传感器干扰引入的计算误差，从而提高了呼吸检测的准确度。
34.请结合参看图2和图3，图2为本发明实施例提供的呼吸率检测方法第一子流程图，图3为本发明实施例提供的移除直流分量后的流速信号示意图。从用户多路呼吸相关的第一特征信号移除直流分量得到多路第二特征信号具体包括如下步骤。
35.步骤s201，计算每路第一特征信号的平均值。
36.具体地，在对获取的多路特征信号进行处理之前，需将获取的多路呼吸信号{x1,x2,...xk}进行低通滤波(如10hz低通滤波)处理，滤除部分信号干扰得到多路第一特征信号，然后取单位时间(如2分钟)长度的的第一特征信号{x1(1),x1(2),...x1(n)|,}x2(1),
x2(2),...x2(n)|,...,{xk(1),xk(2),...xk(n)}，进行平均值计算。
37.步骤s202，计算每路第一特征信号中每个特征信号的值与平均值之间的差得到若干差值。具体地，将每路单位时间内的每一时间序列的特征信号的值减去每路特征信号的平均值得到移除直流分量后的特征信号。
38.步骤s203，将每一路的若干差值作为每一路第二特征信号的值。
39.具体地，将每路每一时间序列的特征信号的值与每路特征信号的平均值的差值作为每一路第二特征的值。其中，将获取的移除直流分量后的特征信号表示为：{y1(1),y1(2),...y1(n)|,{y2(1),y2(2),...y2(n)|,...{yk(1),yk(2),...yk(n)|，则用直流分量移除表达公式：其中，y(i)表示去除直流分量后的特征信号，x(i)表示某一路下时间序列的特征信号，i表示时间序列号，表示某一路下时间序列的特征信号的平均值，n表示特征信号的个数。利用公式非常直观地看到对第一特征信号进行直流分量移除的步骤，请结合参看图3，该图为移除直流分量后的流速信号示意图。
40.上述实施例中，为了消除采集的信号中因为直流分量造成的误差，通过对获取的多路特征信号进行直流分量移除，为后续的特征信号处理做了初步准备。
41.请结合参看图4和图5，图4为本发明实施例提供的呼吸率检测方法第二子流程图，图5本发明实施例提供的流速信号的频谱示意图。将所述多路第二特征信号进行频率变换得到多路第三特征信号，每一路第三特征信号为每一路第二特征信号相对应的频域呼吸信号具体包括如下步骤。
42.步骤s301，利用快速傅里叶变换将所述第二特征信号从时间域变换到频率域得到频域信号。
43.步骤s302，计算所述频域信号的绝对值得到所述第二特征信号的频谱。
44.步骤s303，将所述频谱对应频率作为每一路第三特征信号的值。
45.具体地，将移除直流分量的特征信号进行快速傅里叶变换使特征信号从时域信号变为频域信号，再取频域信号的绝对值得到每路特征信号的频谱分布。为了更好的理解，这里将获取的每路特征信号的频谱表示为：{y1(1),y1(2),...y1(n)|,{y2(1),y2(2),...y2(n)|,...,{yk(1),yk(2),...yk(n)|，其中，每路特征信号的频谱用公式表示为：y(ω)＝abs(fft(y))，y(ω)表示特征信号的频谱，fft(y)表示对特征信号进行傅里叶变换，abs(fft(y))表示对傅里叶变换的结果取绝对值，请结合参看图5，该图为每路特征信号的频谱图。
46.上述实施例中，将移除直流分量后的特征信号进行快速傅里叶变换使特征信号从时间域变换到频率域，再通过获取特征信号的绝对值得到每路特征信号的频谱分布，如此，使病人的呼吸频率变得更加的直观、提取数据也更加方便和准确。
47.请参看图6，其为本发明实施例提供的呼吸率检测方法第三子流程图，所述利用预设的每路信号的融合比例系数对多路第三特征信号进行融合得到目标信号具体包括：
48.步骤s401，将每一路信号的融合比例系数与每一路第三特征信号对应的频率值相乘得到每一路第三特征信号的谱值。
49.具体地，每一路信号的融合比例系数为预先标定好的，因为不同传感器类型和安
装位置不一样，且特征信号中病人呼吸成分占比不同，因此融合比例系数需根据实际系统进行标定，标定可通过给定呼吸模拟信号，通过分析特征信号中病人呼吸分量的大小来获得，具体标定操作可参照现有技术，这里不再详细赘述。
50.根据步骤s303当中，获取到每一路特征信号的频谱后，将每一路的融合比例系数与每一路特征信号频谱对应的频率值相乘得到每一路特征信号的频谱值。
51.步骤s402，将每一路第三特征信号的谱值进行相加得到多路特征信号的融合频谱。具体地，将每一路的频谱值进行相加得到每一路的特征信号的频谱，然后依次对每一路的特征信号的频谱都进行如上操作即可得到多路特征信号的融合频谱。
52.为了更好的理解，这里将标定的传感器融合比例系数表示为{coef1,coef2,...coefk}，将获取的每路频谱表示为{y1(1),y1(2),...y1(n)|,{y2(1),y2(2),...y2(n)|,...,{yk(1),yk(2),...yk(n)|则每一路的频谱为coef1*y1、coef2*y2、...coefk*yk，其中，∑coefk＝1，将每一路的频谱进行融合：z＝coef1*y1+coef2*y2+
…
+coefk*yk，其中，z表示特征信号的融合频谱，{y1(1)...yk(n)}表示特征信号的频谱，{coef1,coef2,...coefk}表示融合比例系数。可理解地，因为每种类型的传感器的安装位置不一样，呼吸成分占比不一样，传感器的扰动也不一样，所以乘一个比例系数，可以减少数据干扰，使呼吸率计算结果更精确，同样，将多路特征信号的频谱进行融合也是为了降低干扰，减少错误率。
53.上述实施例中，将获取的每路特征信号与对应的传感器标定融合比例系数进行相乘，并将每路特征信号的相乘结果进行相加得到多路特征信号的融合频谱，通过融合多个传感器的特征信号以此来减少出错率，降低干扰，使呼吸率计算结果更精准。
54.请参看图7，其为本发明实施例提供的一种呼吸率检测装置，所述呼吸率检测装置100包括移除单元101、变换单元102、融合单元103、检测单元104。
55.移除单元101，用于从用户多路呼吸相关的第一特征信号移除直流分量得到多路第二特征信号，所述第一特征信号为在预设时间段内通过不同种类传感器采集得到的时域呼吸信号。
56.具体地，利用多个现有呼吸检测设备中的多种传感器获取用户的呼吸信号，其中，多种传感器例如，吸气流量传感器、病人流量传感器、病人端压力传感器、吸气压力传感器等。在本实施例中，所述第一特征信号是经过预处理的呼吸信号，当获取到多种类别的传感器发送的呼吸信号后，对该呼吸信号进行低通滤波处理，滤除部分信号干扰，然后，取单位时间(如2分钟)长度的低通滤波后的呼吸信号得到第一特征信号，为了准确地得到有效信号，对第一特征信号进行直流分量移除。
57.变换单元102，用于将所述多路第二特征信号进行频率变换得到多路第三特征信号，每一路第三特征信号为每一路第二特征信号相对应的频域呼吸信号。
58.具体地，所述频率变换为快速傅里叶变换，在步骤s101当中，当对第一特征信号进行直流分量移除后使用快速傅里叶变换使第一特征信号从时间域变换到频率域，从而得到每路特征信号的频谱分布，即多路第三特征信号。
59.融合单元103，用于利用预设的每路信号的融合比例系数对多路第三特征信号进行融合得到目标信号。
60.具体地，预设的每路信号的融合比例系数为预先根据实际传感器标定得到，在获
取每路特征信号的频谱分布后，利用预设的每路信号的融合比例系数对每路特征信号的频谱进行融合计算得到多路特征信号的融合频谱，即目标信号。
61.检测单元104，用于检测所述目标信号的最大幅值，并将所述最大幅值对应。
62.具体地，对融合的频谱进行峰值检测，频谱峰值对应的频率即为用户当前的呼吸频率，进一步地，当前的呼吸频率可以用于计算当前用户的rox指数，当确定检测间隔时间，重复上述步骤，即可实时获取病人的rox指数。
63.请参看图8，其为本发明实施例提供的移除单元模块示意图，所述移除单元101还包括：第一计算单元1011、第二计算单元1012和生成单元1013。
64.第一计算单元1011，用于计算每路第一特征信号的平均值。
65.具体地，在对获取的多路特征信号进行处理之前，需将获取的多路呼吸信号{x1,x2,...xk}进行低通滤波(如10hz低通滤波)处理，滤除部分信号干扰得到多路第一特征信号，然后取单位时间(如2分钟)长度的的第一特征信号{x1(1),x1(2),...x1(n)|,{x2(1),x2(2),...x2(n)|,...,{xk(1),xk(2),...xk(n)|，进行平均值计算。
66.第二计算单元1012，用于计算每路第一特征信号中每个特征信号的值与平均值之间的差得到若干差值。
67.具体地，将每路单位时间内的每一时间序列的特征信号的值减去每路特征信号的平均值得到移除直流分量后的特征信号。
68.生成单元1013，用于将每一路的若干差值作为每一路第二特征信号的值。
69.具体地，将每路每一时间序列的特征信号的值与每路特征信号的平均值的差值作为每一路第二特征的值。其中，将获取的移除直流分量后的特征信号表示为：{y1(1),y1(2),...y1(n)|,{y2(1),y2(2),...y2(n)|,...{yk(1),yk(2),...yk(n)|，则用直流分量移除表达公式：其中，y(i)表示去除直流分量后的特征信号，x(i)表示某一路下时间序列的特征信号，i表示时间序列号，表示某一路下时间序列的特征信号的平均值，n表示特征信号的个数。利用公式非常直观地看到对第一特征信号进行直流分量移除的步骤，请结合参看图3，该图为移除直流分量后的流速信号示意图。
70.上述实施例中，通过获取多路传感器的呼吸特征信号，并对该特征信号进行直流分量移除，然后利用傅里叶变换得到多路特征信号的频谱分布，利用预先标定好的每路信号的融合比例系数对多路特征信号的频谱进行频谱融合，再检测融合后频谱的最大值，即可获取当前病人的呼吸频率，通过融合多种传感器的特征信号的频谱数据，极大限度地降低了因为单一传感器干扰引入的计算误差，从而提高了呼吸检测的准确度。
71.请参看图9，其为本发明实施例提供的计算机设备的内部结构示意图。计算机设备30具体包括存储器302和处理器301。存储器302用于存储程序指令，处理器301用于执行程序指令以实现上述呼吸率检测方法。
72.其中，处理器301在一些实施例中可以是一中央处理器(central processing unit，cpu)、控制器、微控制器、微处理器或其它数据处理芯片，用于运行存储器302中存储的程序指令。
73.存储器302至少包括一种类型的可读存储介质，该可读存储介质包括闪存、硬盘、
多媒体卡、卡型存储器(例如，sd或dx存储器等)、磁性存储器、磁盘、光盘等。存储器302在一些实施例中可以是计算机设备的内部存储单元，例如计算机设备的硬盘。存储器302在另一些实施例中也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘、智能存储卡(smart media card，smc)、安全数字(secure digital，sd)卡、闪存卡(flash card)等。进一步地，存储器302还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器302不仅可以用于存储安装于计算机设备的应用软件及各类数据，例如实现呼吸率检测方法的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
74.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘且本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
75.以上所列举的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属于本发明所涵盖的范围。

技术特征：
1.一种呼吸率检测方法，其特征在于，所述呼吸率检测方法包括：从用户多路呼吸相关的第一特征信号移除直流分量得到多路第二特征信号，所述第一特征信号为在预设时间段内通过不同种类传感器采集得到的时域呼吸信号；将所述多路第二特征信号进行频率变换得到多路第三特征信号，每一路第三特征信号为每一路第二特征信号相对应的频域呼吸信号；利用预设的每路信号的融合比例系数对多路第三特征信号进行融合得到目标信号；检测所述目标信号的最大幅值，并将所述最大幅值对应的频率作为用户当前的呼吸频率。2.如权利要求1所述呼吸率检测方法，其特征在于，所述呼吸频率用于计算所述用户的rox指数。3.如权利要求1所述呼吸率检测方法，其特征在于，频率变换为快速傅里叶变换。4.如权利要求1所述呼吸率检测方法，其特征在于，从用户多路呼吸相关的第一特征信号移除直流分量得到多路第二特征信号具体包括：计算每路第一特征信号的平均值；计算每路第一特征信号中每个特征信号的值与平均值之间的差得到若干差值；以及将每一路的若干差值作为每一路第二特征信号的值。5.如权利要求1或者4所述呼吸率检测方法，其特征在于，将所述多路第二特征信号进行频率变换得到多路第三特征信号，每一路第三特征信号为每一路第二特征信号相对应的频域呼吸信号具体包括：利用快速傅里叶变换将所述第二特征信号从时间域变换到频率域得到频域信号；计算所述频域信号的绝对值得到所述第二特征信号的频谱；以及将所述频谱对应频率作为每一路第三特征信号的值。6.如权利要求1所述的呼吸率检测方法，其特征在于，所述利用预设的每路信号的融合比例系数对多路第三特征信号进行融合得到目标信号具体包括：将每一路信号的融合比例系数与每一路第三特征信号对应的频率值相乘得到每一路第三特征信号的谱值；将每一路第三特征信号的谱值进行相加得到多路特征信号的融合频谱。7.一种呼吸率检测装置，其特征在于，所述呼吸率检测装置包括：移除单元，用于从用户多路呼吸相关的第一特征信号移除直流分量得到多路第二特征信号，所述第一特征信号为在预设时间段内通过不同种类传感器采集得到的时域呼吸信号；变换单元，用于将所述多路第二特征信号进行频率变换得到多路第三特征信号，每一路第三特征信号为每一路第二特征信号相对应的频域呼吸信号；融合单元，用于利用预设的每路信号的融合比例系数对多路第三特征信号进行融合得到目标信号；检测单元，用于检测所述目标信号的最大幅值，并将所述最大幅值对应的频率作为用户当前的呼吸频率。8.如权利要求7所述的呼吸率检测装置，其特征在于，所述移除单元还包括：第一计算单元，用于计算每路第一特征信号的平均值；
第二计算单元，用于计算每路第一特征信号中每个特征信号的值与平均值之间的差得到若干差值；以及生成单元，用于将每一路的若干差值作为每一路第二特征信号的值。9.一种电子设备，包括：存储器，用于存储计算机可执行程序，处理器，用于执行所述计算机可执行程序以实现如权利要求1-6中任一项所述的呼吸率检测方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1-6任一项所述的呼吸率检测方法。

技术总结
本发明提供了一种呼吸率检测方法，该方法包括：从用户多路呼吸相关的第一特征信号移除直流分量得到多路第二特征信号；将所述多路第二特征信号进行频率变换得到多路第三特征信号，每一路第三特征信号为每一路第二特征信号相对应的频域呼吸信号；利用预设的每路信号的融合比例系数对多路第三特征信号进行融合得到目标信号；检测所述目标信号的最大幅值，并将所述最大幅值对应的频率作为用户当前的呼吸频率。此外，本发明还提供了一种电子设备和呼吸率检测装置。本发明有效的减弱了单个传感器采集特征数据给呼吸率检测结果带来的影响，有效地提高了呼吸率的检测准确度。有效地提高了呼吸率的检测准确度。有效地提高了呼吸率的检测准确度。


技术研发人员：余志刚 祝荣荣 潘海洋
受保护的技术使用者：深圳融昕医疗科技有限公司
技术研发日：2022.12.28
技术公布日：2023/9/14