CN116602642B 心率监测方法、装置、设备 （深圳市爱保护科技有限公司）

道和平社区安达电子工业厂区厂房US2013261479A1,2013.US2009005826A1,2009.01.01US2009138463A1,2009.0WO2022236064A2,2022.11始加速度能量；对所述初始心电信号进行预处2通过预置的心率传感器获取用户的初始心电信号，并通过预置的加速度传感基于预设的检测算法在目标心电信号中定位R波，并计对所述指标分析结果与所述目标加速度能量分别进行析结果样本和标记后形成的目标加速度能量样本输入至训练后的心率监测模型中进行目获取实际心率信号，并通过预设的异常度量算法计算所述通过预置的心率传感器获取用户的初始心电信号通过预置的心率传感器获取用户的初始心电信号，并通过预置的加速度传感通过预设的粒子群算法计算各基学习器对应的小波阈值函数的参数的最优组合权重，将得到的初始心电信号和初始加速度能量的原始小波系数分别代入生成的自适应小将阈值处理后的心电信号和加速度能量小波系数进行重构，得到所述基于预设的检测算法在目标心电信号中定位R波，并计算相邻R波之间的时间间结合预置的生理传感器获取生理数据和环境参3获取心率生物信号数据与用户行为、环境相关的构建心率监测模型，将第一训练特征向量样本输所述获取实际心率信号，并通过预设的异常度对实际心率信号与目标心率模式进行数据预处分别计算去噪后的实际心率信号与去噪后的目标心率模式在时间序列上的均值向量，基于所述第一时间序列数据和所述第二时间序列数据，分别计算对应的协方差矩阵；评估马氏距离与设定阈值之间的关系，并根4或所述获取实际心率信号，并通过预设的异常度通过短时傅里叶变换对实际心率信号和目标心率模式进行处理，得通过加权指数平滑欧氏距离公式，逐个窗口段地计算实际心针对每个窗口段，得到实际心率信号与目标心率模式在频域上的加权异常程度分数f和g是针对实际心率信号和目标心率模式分别应用的非线性函数，所述非线性函数h是作用于协方差矩阵的逆的函数，所述协方差矩阵的逆的函数包括线性或非线性函5Abnormality_Score为当前时刻实际心率信号与目标心率模式在频域上的加权异常程Abnormalityscoreqi-1)为上一时刻实际心率信号与目标心率模式在频域上的加权获取模块，用于通过预置的心率传感器获取用户的处理模块，用于基于预设的检测算法在目标后形成的指标分析结果样本和标记后形成的目标加速度能量样本输入至训练后的心率监健康管理措施生成模块，用于获取实际心率信号，并通过预置的心率传感器获取用户的初始心电信号，并通过预置的加速度传感通过预设的粒子群算法计算各基学习器对应的小波阈值函数的参数的最优组合权重，将得到的初始心电信号和初始加速度能量的原始小波系数分别代入生成的自适应小将阈值处理后的心电信号和加速度能量小波系数进行重构，得到6结合预置的生理传感器获取生理数据和环境参获取心率生物信号数据与用户行为、环境相关的构建心率监测模型，将第一训练特征向量样本输对实际心率信号与目标心率模式进行数据预处分别计算去噪后的实际心率信号与去噪后的目标心率模式在时间序列上的均值向量，基于所述第一时间序列数据和所述第二时间序列数据，分别计算对应的协方差矩阵；7评估马氏距离与设定阈值之间的关系，并根所述获取实际心率信号，并通过预设的异常度通过短时傅里叶变换对实际心率信号和目标心率模式进行处理，得通过加权指数平滑欧氏距离公式，逐个窗口段地计算实际心针对每个窗口段，得到实际心率信号与目标心率模式在频域上的加权异常程度分数所述至少一个处理器调用所述存储器中的所述指令，以使得所8[0006]基于预设的检测算法在目标心电信号中定位R波，并计算相邻R波之间的时间间标分析结果样本和标记后形成的目标加速度能量样本输入至训练后的心率监测模型中进9[0012]通过预设的粒子群算法计算各基学习器对应的小波阈值函数的参数的最优组合[0013]将得到的初始心电信号和初始加速度能量的原始小波系数分别代入生成的自适序列转化为心率时间序列；通过预设的指标计算算法对所述心率时间序列进行分析处理，[0016]基于预设的检测算法在目标心电信号中定位R波，并计算相邻R波之间的时间间后的心率生物信号数据和异构数据进行关键特征提取，得到心率特征向量和异构特征向预设的异常度量算法计算所述实际心率信号与所述目标心率模式在时间序列或者频域上[0028]分别计算去噪后的实际心率信号与去噪后的目标心率模式在时间序列上的均值[0031]利用实际心率信号与目标心率模式的均值向量、协方差矩阵以及它们之间的差[0040]f和g是针对实际心率信号和目标心率模式分别应用的非线性函数，所述非线性[0042]h是作用于协方差矩阵的逆的函数，所述协方差矩阵的逆的函数包括线性或非线预设的异常度量算法计算所述实际心率信号与所述目标心率模式在时间序列或者频域上[0052]将整个时间序列上的所有窗口段里的异常程度分数汇总，得到单一异常度量数[0056]H;(K)代表实际心率信号[0061]Abnormality_Score为当前时刻实际心率信号与目标心率模式在频域上的加权异[0062]Abnormalityscoreqi-1)为上一时刻实际心率信号与目标心率模式在频域上的标记后形成的指标分析结果样本和标记后形成的目标加速度能量样本输入至训练后的心指标分析结果样本与目标加速度能量样本输入训练后的心率监测模型中生成目标心率模[0077]用户佩戴了一款具备预置心率传感器和加速度传感器的智能手环或者智能手形成的指标分析结果样本和标记后形成的目标加速度能量样本输入至训练后的心率监测[0087]标记指标分析结果和目标加速度能量：标记这些样本是为了训练心率监测模[0104]通过预设的粒子群算法计算各基学习器对应的小波阈值函数的参数的最优组合[0105]将得到的初始心电信号和初始加速度能量的原始小波系数分别代入生成的自适后的目标心电信号和目标加速度能量。这些信号可用于后续心率监测模型训练和异常检[0118]基于预设的检测算法在目标心电信号中定位R波，并计算相邻R波之间的时间间[0131]Pan_Tompkins算法：一种基于QRS波的特征进行心电信号分析的高度可靠且广泛[0133]QRSdetectionusingHilbertTransform（希尔伯特变换利用希尔伯特变换[0139]实际应用实施过程中，根据需求或目标信号的特点选择或结合上述算法进行R波后的心率生物信号数据和异构数据进行关键特征提取，得到心率特征向量和异构特征向[0164]分别计算去噪后的实际心率信号与去噪后的目标心率模式在时间序列上的均值[0167]利用实际心率信号与目标心率模式的均值向量、协方差矩阵以及它们之间的差[0178]f和g是针对实际心率信号和目标心率模式分别应用的非线性函数，所述非线性[0180]h是作用于协方差矩阵的逆的函数，所述协方差矩阵的逆的函数包括线性或非线[0193]将整个时间序列上的所有窗口段里的异常程度分数汇总，得到单一异常度量数[0204]H;(K)代表实际心率信号[0209]Abnormality_Score为当前时刻实际心率信号与目标心率模式在频域上的加权异[0210]Abnormalityscoreqi-1)为上一时刻实际心率信号与目标心率模式在频域上的将标记后形成的指标分析结果样本和标记后形成的目标加速度能量样本输入至训练后的感器和加速度传感器分别获取初始心电信号和初始加速度能