[发明专利]基于腕带式PPG和深度学习的心率监测系统及方法

摘要

本发明属于无线感知以及健康监测领域，涉及一种基于光电容积脉搏波（PPG）和深度学习的心率监测系统及方法，系统分为三个模块：1）预处理模块：对PPG信号进行带通滤波、降采样以及切分成帧，以供后续模块使用。2）基于深度学习的信号去噪：该模块使用一个CNN神经网络作为去噪网络，采用基于心电图（ECG）信号的训练数据生成方法，使得训练后的神经网络可以输出去噪PPG信号。3）基于频谱分析的心率计算与校准：采用频谱分析的方法从去噪后的PPG信号中计算出心率值，并设计了相应的校准算法，使得结果更加精确。本发明可以使用户使用智能手表实时获取心率数据，并且在运动场景下也能获得较为准确的心率结果。

主权项

1.基于腕带式PPG和深度学习的心率监测系统，其特征在于，包括如下三个模块：/n预处理模块：采集PPG信号，对PPG信号应用巴特沃斯带通滤波，再对PPG信号作降采样处理，并使用滑动窗口切分成固定大小的帧；/n基于深度学习的信号去噪模块：使用一个卷积神经网络对预处理后的PPG信号进行去噪处理，网络的输入是带噪PPG信号，网络的输出是去噪后的PPG信号；其中，系统采用基于ECG信号的训练标签生成方法来产生神经网络训练所需要的数据；/n基于频谱分析的心率计算与校准模块：采用频谱分析的方法，使用自回归模型来分析PPG信号的频谱，从而得出心率结果；同时设计心率校准算法，用于检测和校正错误的异常结果。/n