[发明专利]一种人体体征信息监测方法及系统

说明书

本发明公开了一种人体体征信息监测方法及系统，包括：获取由体征监测传感器采集的原始呼吸信号，对原始呼吸信号进行增益放大和小波滤波后，输出呼吸信号；对呼吸信号采用梅尔频率倒谱系数特征提取方法和矢量量化模型匹配方法依次进行特征提取和模式匹配，得到个体当前状态的呼吸率和心率。基于非接触式体征监测，对非接触的体征监测传感器采集的呼吸信号经预处理、特征提取和模式匹配后，得到个体当前状态下的呼吸率和心率，适合长时间呼吸状况监测。

技术领域

本发明涉及医疗信息数据处理技术领域，特别是涉及一种人体体征信息监测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

呼吸是人体最基本的一项生命活动，也是反映人体健康状态的重要生理特征，呼吸信号所呈现的频率、强度和节律等信息能够间接反映人体生理状态。当前人体体征监测多是接触式监测方法或有创监测方法，接触式监测方法是基于接触式传感器与人体直接接触，测量呼吸运动引起的人体物理参数变化，例如呼吸声音变化、呼吸气流变化、温度变化、胸部或腹部压力变化等，同时根据传感器测量的物理参数不同，还分为多种传感器，例如温度传感器、声音传感器等。

但是，发明人发现，该方法需要将传感器与人体直接接触，人体某些不经意的活动可能会导致传感器脱落和移动，导致检测不准确，甚至检测失败；同时，对于一些特殊患者，例如严重的烧伤患者，接触式监测会加重病人的痛苦；另外，由于和被测量介质直接发生接触，所以需要考虑被接触介质的自身物理特性是否会对传感器造成损害，例如粘附、腐蚀、磨损等，受空间局限性较大。

而有创监测需要在医院等地点在专业的医护人员操作下进行，不仅使用不方便，而且还会对人体造成损伤。

发明内容

为了解决上述问题，本发明提出了一种人体体征信息监测方法及系统，基于非接触式体征监测，对非接触的体征监测传感器采集的呼吸信号经预处理、特征提取和模式匹配后，得到个体当前状态下的呼吸率和心率，适合长时间呼吸状况监测。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种人体体征信息监测方法，包括：

获取由体征监测传感器采集的原始呼吸信号，对原始呼吸信号进行增益放大和小波滤波后，输出呼吸信号；

对呼吸信号采用梅尔频率倒谱系数特征提取方法和矢量量化模型匹配方法依次进行特征提取和模式匹配，得到个体当前状态的呼吸率和心率。

第二方面，本发明提供一种人体体征信息监测系统，包括：体征监测传感器、信号预处理模块和信号分析模块；

所述信号预处理模块接收由体征监测传感器采集的原始呼吸信号，对原始呼吸信号进行增益放大和小波滤波后，输出呼吸信号；

所述信号分析模块对呼吸信号采用梅尔频率倒谱系数特征提取方法和矢量量化模型匹配方法依次进行特征提取和模式匹配，得到个体当前状态的呼吸率和心率。

与现有技术相比，本发明的有益效果为：

本发明利用电感式传感器作为体征监测传感器，进行非接触检测，该检测过程不与人体直接接触，传感器与人体间隔一定的距离和介质，在对人体无约束的情况下检测人体的呼吸信号，能够避免接触检测的缺点，适合长时间呼吸状况监测。

本发明对呼吸信号进行放大和滤波处理，能够消除抖动、说话、等非呼吸运动导致的干扰，提高呼吸检测的准确度和抗干扰能力。

本发明在对呼吸信号采用梅尔频率倒谱系数特征提取方法和矢量量化模型匹配方法依次进行特征提取和模式匹配，得到与原始呼吸信号对应的呼吸率和心率。即可实现产时间呼吸状况监测，又因为个体在呼吸信号频率、振幅、相位等存在差异，个体之间呼吸信号具有独特性，通过呼吸信号的特征值对个体身份进行绑定与识别。