本發(fā)明涉及生物信號檢測，尤其涉及基于智能穿戴設備的無感生物信號檢測方法及系統(tǒng)。

背景技術：

1、生物信號檢測技術涉及從人體獲取并分析各種生理參數(shù)的方法，這些參數(shù)反映了身體的健康狀況和生物功能。該領域的核心在于捕捉和解釋心率、腦電波、肌電圖、呼吸模式等生物電信號，以及體溫、血壓等非電信號。

2、現(xiàn)有技術在處理高變異性生物信號時顯示出一定的局限性，特別是在用戶生理狀態(tài)快速變化或環(huán)境噪聲較大的情況下，固定的信號采集頻率難以有效適應這些變化，導致收集的數(shù)據(jù)質(zhì)量不佳，無法準確反映實際的生物狀態(tài)。這種局限性在需要精確監(jiān)測特定生物信號，如心律變異性分析時尤為明顯。此外，現(xiàn)有技術在區(qū)分復雜生物信號和環(huán)境噪聲方面存在不足，常見的濾波技術難以處理多信號干擾，影響信號解析的精度和可靠性。因此，需要進行改進。

技術實現(xiàn)思路

1、本發(fā)明的目的是解決現(xiàn)有技術中存在的缺點，而提出的基于智能穿戴設備的無感生物信號檢測方法及系統(tǒng)。

2、為了實現(xiàn)上述目的，本發(fā)明采用了如下技術方案，基于智能穿戴設備的無感生物信號檢測方法，包括以下步驟：

3、收集加速度計和陀螺儀傳感器的數(shù)據(jù)，檢測用戶的活動狀態(tài)，計算活動狀態(tài)識別值，獲取當前活動狀態(tài)；根據(jù)所述當前活動狀態(tài)調(diào)整信號采集的頻率，生成調(diào)整后的采集頻率；

4、使用所述調(diào)整后的采集頻率，在智能穿戴設備上實時采集生物信號數(shù)據(jù)，對信號進行平滑處理，生成預處理信號數(shù)據(jù)，應用算法對預處理信號數(shù)據(jù)進行異常值檢測并修正，生成異常檢測修正數(shù)據(jù)；

5、根據(jù)所述異常檢測修正數(shù)據(jù)的分析，選擇匹配當前環(huán)境噪聲和信號狀態(tài)的濾波器類型，并調(diào)整參數(shù)，執(zhí)行濾波，生成濾波后的生物信號；對所述濾波后的生物信號應用小波變換，生成信號增強數(shù)據(jù)；

6、基于所述信號增強數(shù)據(jù)，判斷信號增強數(shù)據(jù)的質(zhì)量，根據(jù)質(zhì)量調(diào)整濾波器設置，生成優(yōu)化后的濾波參數(shù)。

7、較佳的，所述當前活動狀態(tài)的獲取步驟為：

8、收集加速度計和陀螺儀傳感器的數(shù)據(jù)，監(jiān)測用戶的運動模式和方向變化，形成原始運動數(shù)據(jù)集；

9、基于所述原始運動數(shù)據(jù)集，計算活動狀態(tài)識別值，計算公式為：

10、；

11、其中，代表加速度計第i次測量值的立方根的絕對值，代表陀螺儀第i次測量值的余弦和正弦值，代表樣本數(shù)量，s為活動狀態(tài)識別值；

12、基于所述活動狀態(tài)識別值，評估并識別當前的活動狀態(tài)，得到當前活動狀態(tài)。

13、較佳的，所述調(diào)整后的采集頻率的獲取步驟為：

14、基于所述當前活動狀態(tài)，計算新頻率，計算公式為：

15、；

16、其中，代表活動狀態(tài)識別值，代表頻率上限，和為調(diào)節(jié)系數(shù)，為活動閾值，f為新頻率；

17、基于所述新頻率，設置智能穿戴設備的信號采集頻率，匹配用戶的活動頻率，形成調(diào)整后的采集頻率。

18、較佳的，所述預處理信號數(shù)據(jù)的獲取步驟為：

19、基于所述調(diào)整后的采集頻率，配置生物信號傳感器，實時采集用戶的生物信號數(shù)據(jù)，得到原始生物信號數(shù)據(jù)；

20、基于所述原始生物信號數(shù)據(jù)，對信號進行平滑處理，得到預處理信號數(shù)據(jù)，平滑公式為：

21、；

22、其中，代表從當前點向前第個點的生物信號數(shù)據(jù)，為移動窗口的大小，為衰減因子，為平滑系數(shù)，為上一周期的平滑值，為預處理后信號數(shù)據(jù)。

23、較佳的，所述異常檢測修正數(shù)據(jù)的獲取步驟為：

24、基于所述預處理信號數(shù)據(jù)，進行異常值檢測，計算每個數(shù)據(jù)點的異常分數(shù)，計算公式為：

25、；

26、其中，代表單個數(shù)據(jù)點，代表該點的平均路徑長度在孤立森林中，為歸一化因子，為異常分數(shù)；

27、基于所述異常分數(shù)，對數(shù)據(jù)進行修正，移除或調(diào)整異常值，生成異常檢測修正數(shù)據(jù)。

28、較佳的，所述濾波后的生物信號的獲取步驟為：

29、分析所述異常檢測修正數(shù)據(jù)，識別噪聲特征和信號的當前狀態(tài)，評估所需濾波器的類型，得到信號分析和濾波需求評估結(jié)果；

30、根據(jù)所述信號分析和濾波需求評估結(jié)果，選擇濾波器類型，包括巴特沃斯濾波器、切比雪夫濾波器或橢圓濾波器，根據(jù)信號的噪聲特性調(diào)整濾波器的截止頻率和帶寬，得到調(diào)整后的濾波器配置；

31、使用所述調(diào)整后的濾波器配置，對異常檢測修正數(shù)據(jù)進行濾波處理，得到濾波后的生物信號。

32、較佳的，所述信號增強數(shù)據(jù)的獲取步驟為：

33、基于所述濾波后的生物信號，進行信號質(zhì)量評估，驗證信號的可用性，得到可用信號數(shù)據(jù)；

34、基于所述可用信號數(shù)據(jù)，選擇小波母函數(shù)和分解級數(shù)分析信號的頻率和時間特性，從而得到細節(jié)分解數(shù)據(jù)；

35、從所述得到細節(jié)分解數(shù)據(jù)中提取和重構(gòu)信號，篩選關鍵頻帶和消除次要噪聲分量，得到信號增強數(shù)據(jù)。

36、較佳的，所述優(yōu)化后的濾波參數(shù)的獲取步驟為：

37、基于所述信號增強數(shù)據(jù)，測量信號的信噪比和頻譜純度，判斷失真或干擾水平，驗證信號是否滿足預設標準，得到信號質(zhì)量評估結(jié)果；

38、根據(jù)所述信號質(zhì)量評估結(jié)果，調(diào)整濾波器截止頻率和響應曲線，得到調(diào)整后的濾波器參數(shù)；

39、應用所述調(diào)整后的濾波器參數(shù)，重新執(zhí)行信號的濾波過程，得到優(yōu)化后的濾波參數(shù)。

40、本發(fā)明提供無感生物信號檢測系統(tǒng)，包括：

41、狀態(tài)監(jiān)測模塊，從加速度計和陀螺儀獲取運動數(shù)據(jù)，分析數(shù)據(jù)以識別用戶的活動狀態(tài)，獲取活動狀態(tài)識別結(jié)果；

42、采集頻率調(diào)整模塊，基于活動狀態(tài)識別結(jié)果，調(diào)整智能設備的生物信號采集頻率，得到調(diào)整后的采集頻率；

43、信號預處理模塊，使用調(diào)整后的采集頻率，實時采集生物信號，并對信號進行平滑處理，通過算法修正信號中的異常值，得到預處理與異常修正數(shù)據(jù)；

44、信號分析與優(yōu)化模塊，基于預處理與異常修正數(shù)據(jù)，選擇匹配當前信號狀態(tài)和環(huán)境噪聲的濾波器，調(diào)整濾波參數(shù)并執(zhí)行濾波，應用小波變換增強信號，得到信號增強數(shù)據(jù)；

45、信號增強質(zhì)量評估模塊，根據(jù)信號增強數(shù)據(jù)，評估信號質(zhì)量，并根據(jù)質(zhì)量結(jié)果優(yōu)化濾波器設置，生成優(yōu)化后的濾波參數(shù)。

46、與現(xiàn)有技術相比，本發(fā)明的優(yōu)點和積極效果在于：

47、本發(fā)明通過引入加速度計和陀螺儀數(shù)據(jù)，監(jiān)測方法更全面，能夠在用戶活動變化時即時調(diào)整，從而優(yōu)化數(shù)據(jù)采集的時效性和相關性。此外，對預處理信號數(shù)據(jù)進行異常值檢測并修正，提升了數(shù)據(jù)的準確性和可用性。通過選用適應當前環(huán)境噪聲和信號狀態(tài)的濾波器，并調(diào)整參數(shù)，減少了數(shù)據(jù)處理中的誤差。最終，通過小波變換技術對濾波后的生物信號進行增強，提升了信號中生物特征的辨識度和信號的整體質(zhì)量。這種綜合性的技術優(yōu)化，使得信號檢測更精確，增強了生物信號分析的實際應用價值。

技術特征：

1.基于智能穿戴設備的無感生物信號檢測方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的基于智能穿戴設備的無感生物信號檢測方法，其特征在于，所述當前活動狀態(tài)的獲取步驟為：

3.根據(jù)權利要求1所述的基于智能穿戴設備的無感生物信號檢測方法，其特征在于，所述調(diào)整后的采集頻率的獲取步驟為：

4.根據(jù)權利要求1所述的基于智能穿戴設備的無感生物信號檢測方法，其特征在于，所述預處理信號數(shù)據(jù)的獲取步驟為：

5.根據(jù)權利要求1所述的基于智能穿戴設備的無感生物信號檢測方法，其特征在于，所述異常檢測修正數(shù)據(jù)的獲取步驟為：

6.根據(jù)權利要求1所述的基于智能穿戴設備的無感生物信號檢測方法，其特征在于，所述濾波后的生物信號的獲取步驟為：

7.根據(jù)權利要求1所述的基于智能穿戴設備的無感生物信號檢測方法，其特征在于，所述信號增強數(shù)據(jù)的獲取步驟為：

8.根據(jù)權利要求1所述的基于智能穿戴設備的無感生物信號檢測方法，其特征在于，所述優(yōu)化后的濾波參數(shù)的獲取步驟為：

9.根據(jù)權利要求1-8任一項所述的基于智能穿戴設備的無感生物信號檢測方法的無感生物信號檢測系統(tǒng)，其特征在于，包括：

技術總結(jié)
本發(fā)明涉及生物信號檢測技術領域，具體為基于智能穿戴設備的無感生物信號檢測方法及系統(tǒng)，包括以下步驟：收集加速度計和陀螺儀傳感器的數(shù)據(jù)，檢測用戶的活動狀態(tài)，計算活動狀態(tài)識別值，獲取當前活動狀態(tài)；根據(jù)所述當前活動狀態(tài)調(diào)整信號采集的頻率，生成調(diào)整后的采集頻率。本發(fā)明通過引入加速度計和陀螺儀數(shù)據(jù)，監(jiān)測方法更全面，能夠在用戶活動變化時即時調(diào)整，從而優(yōu)化數(shù)據(jù)采集的時效性和相關性。此外，對預處理信號數(shù)據(jù)進行異常值檢測并修正，提升了數(shù)據(jù)的準確性和可用性。通過選用適應當前環(huán)境噪聲和信號狀態(tài)的濾波器，并調(diào)整參數(shù)，減少了數(shù)據(jù)處理中的誤差。

技術研發(fā)人員：林義巡,張義術
受保護的技術使用者：深圳市領為創(chuàng)新科技有限公司
技術研發(fā)日：
技術公布日：2025/5/15