運動狀態下的血氧飽和度監測裝置制造方法及圖紙

本發明專利技術提供了運動狀態下的血氧飽和度監測裝置，包括受試者運動狀態監測模塊、血氧飽和度信息采集模塊、信號處理模塊和無線通信模塊；所述受試者運動狀態監測模塊與信號處理模塊連接，用于監測受試者的運動狀態，獲取空間運動數據；所述血氧飽和度信息采集模塊與信號處理模塊連接，用于采集紅光和紅外光下的光電容積脈搏波信號、血氧信號和心率信息，并將采集的數據通過無線通信模塊傳送至信號處理模塊。本發明專利技術的有益效果為：可有效消除血氧監測過程中運動噪聲的影響，提高監測準確度,擴大裝置使用范圍。

【技術實現步驟摘要】

本專利技術涉及醫療儀器
，具體涉及運動狀態下的血氧飽和度監測裝置。
技術介紹
相關技術中的血氧測量裝置對血氧探頭采集的血氧數據進行信號處理分析來實現岳陽飽和度的監測，該裝置不包含監測受試者運動狀態的模塊，在不知道受試者實際運動信號的情況下依靠大量計算去除運動噪聲，因此裝置的運算量過大且只對部分特征明顯的信號有效。
技術實現思路
為解決上述問題，本專利技術旨在提供運動狀態下的血氧飽和度監測裝置。本專利技術的目的采用以下技術方案來實現：運動狀態下的血氧飽和度監測裝置，包括受試者運動狀態監測模塊、血氧飽和度信息采集模塊、信號處理模塊和無線通信模塊；所述受試者運動狀態監測模塊與信號處理模塊連接，用于監測受試者的運動狀態，獲取空間運動數據；所述血氧飽和度信息采集模塊與信號處理模塊連接，用于采集紅光和紅外光下的光電容積脈搏波信號、血氧信號和心率信息，并將采集的數據通過無線通信模塊傳送至信號處理模塊。本專利技術的有益效果為：可有效消除血氧監測過程中運動噪聲的影響,提高監測準確度,擴大裝置使用范圍，解決了上述技術問題。附圖說明利用附圖對本專利技術作進一步說明，但附圖中的實施例不構成對本專利技術的任何限制，對于本領域的普通技術人員，在不付出創造性勞動的前提下，還可以根據以下附圖獲得其它的附圖。圖1是本專利技術結構連接示意圖；圖2是本專利技術傳感器故障診斷模塊的示意圖。附圖標記：受試者運動狀態監測模塊1、血氧飽和度信息采集模塊2、信號處理模塊3、無線通信模塊4、傳感器故障診斷模塊5、信號采集濾波單元51、故障特征提取單元52、在線特征提取單元53、特征向量優選單元54、故障分類識別單元55、故障種類更新單元56、健康記錄單元57。具體實施方式結合以下實施例對本專利技術作進一步描述。應用場景1參見圖1、圖2，本應用場景的一個實施例的運動狀態下的血氧飽和度監測裝置，包括受試者運動狀態監測模塊、血氧飽和度信息采集模塊、信號處理模塊和無線通信模塊；所述受試者運動狀態監測模塊與信號處理模塊連接，用于監測受試者的運動狀態，獲取空間運動數據；所述血氧飽和度信息采集模塊與信號處理模塊連接，用于采集紅光和紅外光下的光電容積脈搏波信號、血氧信號和心率信息，并將采集的數據通過無線通信模塊傳送至信號處理模塊。本專利技術的有益效果為：可有效消除血氧監測過程中運動噪聲的影響，提高監測準確度，擴大裝置使用范圍，解決了上述技術問題。優選的，所述受試者運動狀態監測模塊包括加速度傳感器；優選的，所述空間運動數據為人體組織在空間三個相互垂直方向上的加速度大小。本優選實施例利用加速度傳感器測得人體組織在空間三個相互垂直方向上的加速度大小，量化了原本未知的運動噪聲，從而有效控制光電容積脈搏波信號、血氧信號的降噪處理，減少了系統的計算量。優選的，所述血氧飽和度監測裝置還包括對加速度傳感器及血氧飽和度信息采集模塊中的傳感器進行診斷的傳感器故障診斷模塊5，所述傳感器故障診斷模塊5包括信號采集濾波單元51、故障特征提取單元52、在線特征提取單元53、特征向量優選單元54、故障分類識別單元55、故障種類更新單元56和健康記錄單元57。本專利技術上述實施例設置傳感器故障診斷模塊5并實現了傳感器故障診斷模塊5的快速搭建，保證加速度傳感器及血氧飽和度信息采集模塊中的傳感器的監測工作有效執行。優選的，所述信號采集濾波單元51用于采集歷史傳感器信號和在線傳感器測試信號，并采用組合形態濾波器對信號進行濾波處理；本優選實施例設置組合形態濾波器，可有效的去除信號的各種噪聲干擾，較好的保留信號的原始特征信息。優選的，所述故障特征提取單元52用于對濾波后的歷史傳感器信號進行集成經驗模態分解(EEMD)處理，并提取集成經驗模態分解(EEMD)的能量熵作為訓練特征向量，包括：(1)將采集的歷史傳感器信號分為正常工況信號和多種類別的故障信號；(2)對所述歷史傳感器信號進行集成經驗模態分解(EEMD)處理，獲得所述歷史傳感器信號的本征模態函數和余項函數；(3)計算所述歷史傳感器信號的本征模態函數和余項函數的能量熵；(4)對歷史傳感器信號的能量熵進行歸一化處理，提取歸一化后的能量熵作為訓練特征向量；所述在線特征提取單元53用于對濾波后的在線傳感器測試信號進行集成經驗模態分解(EEMD)處理，并提取集成經驗模態分解(EEMD)的能量熵作為待測特征向量，包括：(1)對所述在線傳感器測試信號進行EEMD處理，獲得所述在線傳感器測試信號的本征模態函數和余項函數；(2)計算所述在線傳感器測試信號的本征模態函數和余項函數的能量熵；(3)對在線傳感器測試信號的能量熵進行歸一化處理，提取歸一化后的能量熵作為待測特征向量。本優選實施例對采集的傳感器信號進行集成經驗模態分解(EEMD)處理，能夠有效的消除模態混疊現象，分解的效果較好。優選的，所述特征向量優選單元54分別對訓練特征向量和待測特征向量進行相似性度量，對于相似度高的特征向量進行剔除，包括：(1)定義兩向量相似度函數S(X,Y)： S ( X , Y ) = cov ( X , Y ) D ( X ) D ( Y ) ]]>式中，X、Y分別表示兩個特征向量，cov(X,Y)為X與Y的協方差，為X、Y標準差；對于任意兩個訓練特征向量X1、X2，和任意兩個待測特征向量D1、D2，分別采用相似度函數對其相似度進行度量，得到S(X1,X2)和S(D1,D2)；(2)對于S(X1,X2)和S(D1,D2)，若S(X1,X2)>T1，T1∈(0.9,1)，只選取X1作為訓練特征向量，若S(D1,D2)>T2，T2∈(0.95,1)，只選取D1作為待測特征向量。本優選實施例通過相似度度量來篩選特征向量，能夠減少計算量，提高效率。優選的，所述故障分類識別單元55用于采用優化的最小二乘支持向量機對所述待測特征向量進行故障分類識別，包括參數選擇優化子模塊、訓練子模塊和識別子模塊，具體為：所述參數選擇優化子模塊用于構造最小二乘支持向量機的核函數，并對最小二乘支持向量機的結構參數采用多群體協同混沌粒子群優化算法進行優化；所述訓練子模塊，用于采用改進的最優二叉樹結構的最小二乘向量機的多分類方法，以得到的訓練特征向量作為訓練樣本對結構參數優化后的最小二乘支持向量機進行訓練，并構建傳感器故障診斷模型；所述識別子模塊用于采用所述傳感器故障診斷模型對所述待測特征向量進行故障分類識別；其中，考慮多項式核函本文檔來自技高網...

【技術保護點】
運動狀態下的血氧飽和度監測裝置，其特征是，包括受試者運動狀態監測模塊、血氧飽和度信息采集模塊、信號處理模塊和無線通信模塊；所述受試者運動狀態監測模塊與信號處理模塊連接，用于監測受試者的運動狀態，獲取空間運動數據；所述血氧飽和度信息采集模塊與信號處理模塊連接，用于采集紅光和紅外光下的光電容積脈搏波信號、血氧信號和心率信息，并將采集的數據通過無線通信模塊傳送至信號處理模塊。

【技術特征摘要】
1.運動狀態下的血氧飽和度監測裝置，其特征是，包括受試者運動狀態監測模塊、血氧飽和度信息采集模塊、信號處理模塊和無線通信模塊；所述受試者運動狀態監測模塊與信號處理模塊連接，用于監測受試者的運動狀態，獲取空間運動數據；所述血氧飽和度信息采集模塊與信號處理模塊連接，用于采集紅光和紅外光下的光電容積脈搏波信號、血...

【專利技術屬性】
技術研發人員：不公告發明人，
申請(專利權)人：孟玲，
類型：發明
國別省市：浙江;33