专利名称：用于确定呼吸信号的方法和设备的制作方法呼吸率已被证实是患者状况恶化的良好指标，并且它在早期预警医院系统中，与其他极重要身体迹象结合，扮演至关重要的角色。因此，在医院的重病监护室中尤其需要连续而可靠地监测呼吸信号。在医院的普通病房环境中以及在家庭健康护理应用中，例如在远程医疗和慢性病管理中，存在类似的需求，但对被监测参数的瞬时表示具有较不严格的要求。尽管在用于重症监护患者的床边监测器上能够对呼吸信号(从其提取呼吸率)进行连续监测，但仍然在开发各种便携式传感器系统，以允许以最小的不适对普通病房中活动患者的呼吸信号进行不引人注目和长期的测量和监测。 呼吸监测可以依据不同原理呼吸努力的测量，例如胸廓阻抗体积描记法、加速度计、光体积描记法；或呼吸效应的测量，例如录音、温度感测、二氧化碳感测。在不同于普通病房的应用中已经良好建立了一些传感器来监测呼吸。在重病监护室中例如，胸廓阻抗体积描记法是所选择的方法，而在睡眠研究中，还常常使用感应体积描记法(常被称为呼吸环(respiration band))。在能走动的患者中，例如在普通病房或家庭健康护理中，这些传感器具有局限性。例如，呼吸环被认为是被医务人员和患者十分厌恶的。基于多轴加速度计的呼吸监测系统克服了这一缺点。多轴加速度计是在多个感测轴上测量加速度的装置，并且被用作倾斜计以反映由呼吸引起的腹部或胸部运动。该技术需要可靠的信号处理方法以使能在患者的不同状况和姿势下的可靠监测。总的来说，运动伪影是在患者监测中熟知的问题，该问题涉及由患者身体活动(例如姿势变化、移动和说话)引起的生理信号的污染以及测量质量的下降。运动伪影问题在普通病房环境中比在重病监护室环境中更加显著，因为普通病房环境中的患者通常具有更易变的活动模式，并且大部分时间是在没有医院员工的监督的情况下被监测的，所以缺少对身体活动的存在的了解。该问题在家庭健康护理环境中监测患者时甚至变得更加严重。如果在诸如家庭健康护理或普通病房中的患者之类的能走动条件下使用多轴加速度计测量呼吸率，加速度计信号不仅因为人的呼吸而改变，而且加速度计信号还被不希望的运动影响，这些运动不是因为呼吸运动引起的，例如全身运动(例如走路或跑步)以及其他生理运动(例如由于心跳导致的)。这些不希望的运动中的一些可能在呼吸的相同范围(即0. IHz到2Hz或每分钟6次呼吸到每分钟120次呼吸)内具有频率分量，而不能利用固定频率响应的滤波器来抑制。US 6997882B1公开了一种用于处理加速度计数据以得到关于受检者的呼吸运动的信息的方法和装置。该方法应用了佩戴在受检者骨盆上的四个单轴加速度计模块的阵列，并且将骨盆前部方面的加速度与骨盆后部方面的加速度分开。该方法的基本前提在于呼吸对骨盆运动的前部方面具有不均衡的影响，可以使用差值技术对此加以利用。具体而言，使用自适应噪声消除算法来实现高信噪比呼吸信号的隔离，该算法采用最小二乘滤波技术。该方法将总计的(水平面的)前部加速度计通道中的净加速度视为表示感兴趣的信号(即由呼吸所致的加速度)加上噪声，而总计的(水平面)后部加速度计信号大体表示噪声，然而，该噪声与复合的前部加速度计信号中的噪声高度相关。该噪声主要是由于横平面中骨盆运动(例如在摇摆、走路和跑步期间)引起的加速度导致。该方法的缺点是其需要必须由受检者佩戴的加速度计模块的阵列。
本发明的目的是提供一种利用加速度计以有效率并且(对患者而言)舒适的方式确定呼吸信号方法和设备。在本发明的第一方面中，一种用于确定受检者呼吸的方法包括如下步骤 -利用定位于受检者的身体上的单个多轴加速度计来生成指示受检者沿不同空间 轴的加速度的加速度计信号，-根据该加速度计信号来计算受检者沿不同空间轴的加速度的矢量幅值信号，-根据该矢量幅值信号来识别对沿不同空间轴的加速度的非呼吸运动贡献，该非呼吸运动贡献不是由呼吸引起的，-通过从该加速度计信号中的至少一个中滤波非呼吸运动贡献来确定指示受检者的呼吸的呼吸信号。利用根据本发明的该方法，仅利用一个定位在受检者(例如人)身体上的多轴加速度计就确定了该受检者的呼吸。因此，仅通过单个多轴加速度计采集的信号和数据就足以确定受检者的呼吸。不需要外部信号或其他参考传感器(例如参考心跳传感器或第二多轴加速度计)来确定呼吸。以对受检者或患者而言舒适的方式来确定呼吸，因为它仅包含定位于患者身体上的获取表示受检者加速度的加速度信号的一个多轴加速度计。对于静止(即不移动)的多轴加速度计，矢量幅值始终是相同的，而不论传感器取向如何。这表明，传感器自身的取向不会影响矢量幅值。如果由于全身运动(例如行走)导致加速度计的取向改变，然而，这几乎总会伴随加速度中的惯性分量或对加速度的惯性贡献。对于缓慢平稳的运动(例如呼吸)，该惯性分量相对于取向变化是小的。另一方面，对于脉冲状的振动(例如心脏脉动)，对加速度的惯性贡献比加速度的取向贡献更大。与呼吸相关联的加速度计信号变化主要是由于与重力方向有关的取向变化，并且在小得多的程度上是由于惯性加速度所致，因为呼吸运动(例如胸廓的呼吸运动)是缓慢平稳的运动。很多类型的运动(例如受检者的行走或心跳)对加速度计信号的惯性贡献大于由于呼吸导致的惯性贡献。例如，可以通过胸廓的迅速起伏的短猝发来识别心跳。加速度计信号的矢量幅值提供了一种有效方法来识别对加速度信号的不希望或非呼吸的运动贡献，因为加速度计信号的矢量幅值是惯性加速度分量的表达。然后使用识别的非呼吸的运动贡献(该运动不是由于呼吸引起的受检者身体的运动造成的)从加速度计信号中的至少一个抑制并且滤波该不希望的运动贡献。根据该至少一个被滤波的加速度计信号来确定呼吸信号，该呼吸信号可靠而精确地表示受检者的呼吸，并且其中从加速度计信号滤波对加速度信号的非呼吸且不希望的运动贡献(即不是由呼吸运动引起的运动贡献)。在根据本发明的方法的实施例中，确定呼吸信号的步骤包括以下步骤分别从每个加速度计信号中滤波非呼吸的运动贡献，以及根据已滤波的加速度计信号的组合中确定呼吸信号。根据该实施例，所有加速度计信号被滤波并且然后被组合成单个已滤波的加速度计信号，根据该单个已滤波的加速度计信号确定呼吸信号。这提供了呼吸的更精确表达，而不论受检者的身体取向如何，因为在所有方法步骤中都使用了来自不同空间轴的加速度计信号来确定呼吸信号。在根据本发明的方法的实施例中，识别该非呼吸运动贡献的步骤包括从该矢量幅值信号提取该非呼吸运动贡献的特征频率的步骤。该特征频率提供了能够用于从加速度计信号滤波非呼吸运动贡献的直截了当的参数。该特征频率是作为非呼吸运动的特征的频率，例如，它是非呼吸运动的基频。也可以从矢量幅值信号提取非呼吸运动的基频的高次谐波，并且随后将该高次谐波用于从加速度计信号滤波非呼吸运动。在根据本发明的方法的实施例中，识别运动贡献的步骤包括从矢量幅值信号提取表示不希望的噪声贡献的噪声参考信号的步骤。噪声参考信号是表示加速度计信号中的非呼吸运动信号分量或对加速度计信号的非呼吸运动信号贡献的信号，并且该噪声参考信号能够有利地被用于加速度计信号的进一步处理，例如以便从加速度计信号滤波非呼吸运动 -Tj. 士 [>贝献。在另外的实施例中，利用数字滤波技术从矢量幅值信号提取噪声参考信号。这是提取噪声参考信号的简单而有效的方式。例如，根据矢量幅值信号计算包络以提取噪声参考信号。在另一另外的实施例中，噪声参考信号包括心脏干扰信号。通过该方式，可以从加速度计信号中消除不希望的心脏干扰。在另一另外的实施例中，确定呼吸信号的步骤包括利用噪声参考信号用自适应噪声滤波器对加速度计信号进行滤波的步骤。自适应噪声滤波器提供了一种从加速度计信号滤波非呼吸运动贡献的有效且可靠的方式。在另一另外的实施例中，识别非呼吸运动贡献的步骤还包括从噪声参考信号提取非呼吸运动贡献的特征频率的步骤，并且其中，确定呼吸信号的步骤包括利用自适应陷波滤波器从加速度计信号滤波该特征频率的步骤。这提供了利用特征频率从加速度计信号直截了当地滤波非呼吸运动。可替代地，可以在滤波特征频率的步骤中应用梳状滤波器，在该情况下，也滤波高次谐波。在根据本发明的方法的实施例中，识别非呼吸运动贡献的步骤包括如下步骤-计算矢量幅值信号的功率谱，-从该功率谱提取非呼吸运动的特征频率，并且其中确定呼吸信号的步骤包括利用自适应陷波滤波器从加速度计信号滤波该特征频率的步骤。功率谱表示傅里叶变换后的矢量幅值信号的幅值。因此，该实施例提供了一种简单而可靠的方式来识别加速度计信号中由于受检者身体的非呼吸运动导致的较大惯性分量。在根据本发明的方法的实施例中，识别该运动贡献的步骤包括如下步骤-计算加速度计信号之一与矢量幅值信号的相干谱，-从该相干谱提取非呼吸运动贡献的特征频率，并且其中确定呼吸信号的步骤包括利用自适应陷波滤波器从加速度计信号滤波该特征频率的步骤。该相干谱表明在每个频率处矢量幅值信号与加速度计信号之一对应或匹配得有多好。具有最高相干性的频率分量被认为是非呼吸运动信号，这是因为加速度计信号中由于非呼吸运动导致的惯性贡献与加速度计信号中由于呼吸运动导致的惯性贡献相比更大。在另外的实施例中，该非呼吸运动贡献的特征频率包括受检者的心跳频率。有利地，通过该方式，根据定位于受检者身体上的一个加速度计的加速度计信号，与受检者的呼吸同时地，确定受检者的心跳频率，即脉搏率。在另外的实施例中，非呼吸运动贡献的特征频率包括运动受检者的脚步频率。通过该方式，可以根据定位于受检者身体上的一个加速度计的加速度计信号，与受检者的呼吸同时地，确定运动(即行走或跑步)受检者的脚步频率。在一实施例中，除呼吸和脚步频率之外或与呼吸和脚步频率同时地，可以确定受检者的心跳。在根据本发明的方法的实施例中，该方法还包括从呼吸信号提取受检者的呼吸率的步骤。因为能够获得具有减小的非呼吸运动贡献的呼吸信号，所以提取的呼吸率给出了实际呼吸率的可靠表示。 在根据本发明的方法的实施例中，该方法还包括如下步骤从矢量幅值信号滤波频率范围的步骤，在识别非呼吸运动贡献的步骤中使用滤波后的矢量幅值信号。通过预先滤波矢量幅值信号，实现了一种确定呼吸信号的更可靠和精确的方法。优选地，该频率范围覆盖受检者呼吸的频率范围。在本发明的第二方面中，一种用于确定受检者呼吸的呼吸确定设备包括-单个多轴加速度计，其被定位于受检者身体上，其中该多轴加速度计被配置为产生表示该受检者沿不同空间轴的加速度的加速度计信号，-信号处理单元，其被配置为根据该加速度计信号计算该受检者沿不同空间轴的加速度的矢量幅值信号，并且根据该矢量幅值信号识别对沿不同空间轴的加速度的非呼吸运动贡献，-呼吸信号确定单元，其用于通过从加速度计信号中的至少一个滤波非呼吸运动贡献来确定表示受检者呼吸的呼吸信号。优选地，呼吸信号确定单元包括自适应噪声滤波器或自适应陷波滤波器。应当理解，根据本发明的设备的优点类似于根据本发明的方法的优点，根据本发明的设备的其他实施例的额外特征类似于根据本发明的方法的其他实施例的特征。应当理解，本发明的优选实施例也可以是从属权利要求与各自的独立权利要求的任意组合。根据下文描述的实施例，本发明的这些和其他方面将变得清楚，并参考下文描述的实施例，本发明的这些和其他方面将被阐明。在以下附图中图I示意性示出了单轴的加速度计信号、提取的矢量幅值信号、心跳参考信号和呼吸参考信号的曲线图的示例，图2示意性示出了根据本发明的方法的实施例，图3示意性示出了根据本发明的实施例的矢量幅值信号、滤波后的矢量幅值信号、滤波后的矢量幅值信号的绝对值以及提取的噪声参考信号的曲线图的示例，图4示意性示出了根据本发明实施例的单轴的加速度计信号、滤波后的单轴的加速度计信号和呼吸参考信号的曲线图的示例，图5示意性示出了根据本发明的方法的实施例，图6示意性示出了根据本发明的实施例的单轴的加速度计信号、滤波后的单轴的加速度计信号和呼吸参考信号的曲线图的是示例，图7示意性并且示例性示出了根据本发明的实施例的功率谱的示例，图8示意性并且示例性示出了根据本发明的实施例的相干谱的示例，以及图9示意性示出了根据本发明的设备的实施例。

除了呼吸和心跳之外，加速度计信号还受到其他类型的身体活动影响(例如行走或跑步)。与呼吸相关联的加速度计信号变化主要是由于与重力方向相关的取向变化。其他类型的身体活动(例如行走或跑步)诱发加速度计信号的变化，这种变化不仅归因于取向变化，而且还具有比归因于呼吸运动的惯性分量更大的惯性分量。可以基于加速度计信号的矢量幅值来识别这些惯性分量，并且然后再次用于抑制每个轴的加速度计信号的其他运动，以便获得纯净而可靠的呼吸信号。图5示意性地示出了根据本发明的用于确定人呼吸的方法的第二实施例。在步骤101中，利用定位于人身体上的适当位置处(在该示例中为胸廓)的一个三轴加速度计测量三个加速度计信号。三个测量的加速度计信号包括由于呼吸所致并且由于在该示例中人沿三个不同轴(例如三个正交轴)的运动所致的胸廓运动的信息。在步骤102中使用步骤101中测量的原始加速度计信号，在该步骤102中，根据三个原始加速度计信号计算矢量幅值信号。例如，可以通过取表示三个不同轴的三个加速度计信号的矢量和来计算矢量幅值。在步骤203中，从步骤102中确定的矢量幅值信号提取特征频率。可选地，在步骤203中，首先利用带通滤波器(例如介于0. IHz和IHz之间)来滤波矢量幅值信号，以消除对于特定人而言生理上现实的呼吸范围之外的所有噪声。在步骤203中，例如，通过矢量幅值信号的功率谱或通过矢量幅值信号与一个加速度计信号的相干谱，来提取特征频率。在该示例中，特征频率是人运动的特征的频率，例如是行走或跑步期间的步伐频率。人的运动(即行走或跑步)将对矢量幅值信号具有较大贡献，这是因为行走导致的惯性加速度比呼吸运动导致的惯性加速度更大。因此，对矢量幅值信号进行频率分析(例如通过功率谱或相干谱)将揭示出表示具有最大惯性加速度(其在该情况下是归因于人的行走或跑步)的贡献的主频率。最后，在步骤204中，在适当的滤波器中使用特征频率和原始加速度计信号，以从原始加速度计信号滤波不希望的噪声(在这种情况下主要与行走对应)，得到可靠而精确地表示人的呼吸的信号。例如，在步骤204中，应用自适应陷波滤波器或梳状滤波器，其中特征频率以及(可选地)其高次谐波被滤波。可以单独针对三个加速度计信号中的每个来应用自适应滤波，之后适当组合三个滤波后的加速度计信号，获得呼吸信号。以该方式，从加速度计信号消除由于人的身体活动导致的干扰或噪声，而无需用于测量身体运动的外部参考，例如外部加速度计。图6示出了图5所示的频率滤波方法的示例。图6a显示了行走的人的作为时间函数的单轴加速度计信号，其中已利用覆盖特定人的正常呼吸频率范围(例如0. IHz和IHz之间)的带通滤波器来滤波该信号。图6b示出了已经利用自适应陷波滤波器处理之后的单轴加速度计信号。图6c显示了利用呼吸腹带测量的作为时间函数的对应参考呼吸信号，该对应参考呼吸信息化是与多轴加速度计的测量同时并且在同一人身上测量的。图6b中所显示的滤波后的信号中，可以清楚地观察到由于呼吸导致的波动，并且能够通过例如峰值检测算法来容易地确定呼吸率。从图6a可以看出，加速度计信号中的主频率具有大约1.4秒的周期，该周期对应于大约0. 72Hz。然而，这些波动不是因为人呼吸的造成的，而是因为人以0. 72Hz的跨步频率行走造成的,其中一次跨步由2步构成(每只脚一步),而真实的呼吸率大约为0. 18Hz，对应于如从图6c中的呼吸频带能够看出的每分钟大约11次呼吸。与落地的每只脚相关联的加速度具有大的惯性分量。加速度信号中由于人跨步走导致的分量或由于人跨步走导致的对加速度信号的贡献是因为与每一跨步(其对应于两步)相关联的 上身的取向变化。因为跨步加速度变化较为平稳地出现，所以与跨步相关联的惯性分量相对较小。因为每一步都与比呼吸更大的惯性加速度相关联，所以可以通过分析矢量幅值信号来得出步频(step frequency)和跨步频率(stride frequency)。一旦根据加速度计矢量幅值识别出基本步频和跨步频率，使用自适应陷波或梳状滤波器从一个或多个原始加速度计信号消除该频率，并最终消除其一次谐波。通过该方式，可以通过可靠方式提取呼吸率，同时确定了运动(例如行走或跑步)的人的步频。图7示出了根据如图6所示的行走的人的加速度计信号数据来计算的功率谱曲线图的示例。功率谱表示傅里叶变换后的信号幅值，例如平方后的幅值。在图7中，纵轴表示功率除以频率，单位为[dB/Hz]，而横轴表示频率，单位为[Hz]。第一功率谱51是根据矢量幅值信号计算的，而第二功率谱52是根据(在该情况下)Z轴加速度计信号的原始数据计算的。从图7可以清楚看出，加速度计矢量幅值的主频率是步频，对应于跨步频率的两倍，这是因为每一步都与较大的惯性加速度相关。将矢量幅值信号的功率谱51的最高峰识别为步频，其在该情况下为波峰62。对于第一功率谱51和第二功率谱52波峰62的高度是相当的，这一事实表明波峰62表示主要部分的惯性加速度。第一波峰61仅在单轴加速度计信号的第二功率谱52上可见，并且该波峰61是第二大的，表示跨步频率(其为步频的一半)。加速度信号中由跨步引起的分量或由跨步引起的对加速度信号的贡献是因为与每一跨步相关联的上身的取向变化。因为由于跨步引起的这些加速度变化发生较为平稳，所以与跨步相关联的惯性分量或贡献较小，尤其是与受检者的每一步引起的惯性分量或贡献相t匕。因此，与跨步频率相关联的波峰61仅在单个轴的加速度计信号的功率谱52中可见，而在矢量幅值信号的功率谱51中不可见。因为跨步频率正好是步频的一半，所以清楚的是，该频率分量是与在该情况下由行走引起的而非呼吸引起的较大惯性分量相关联。类似地，较高次谐波峰(例如在2. IHz和2. 8Hz处的)与在本示例中由行走导致的较大加速度相关联。2. IHz处的波峰主要表示取向变化，而2. 8Hz的峰主要是由惯性加速度引起。步频处的波峰62的幅值或功率与第一功率谱51的呼吸峰的幅值的差异大约为35dB，该35dB对应于比由呼吸引起的惯性贡献大近似五十倍的由行走引起的运动的惯性贡献。可替代地或同时地，在受检者行走或跑步时使用功率谱提取受检者的心跳频率。通过该方式，可以以可靠方式提取运动的人的呼吸，同时还确定了运动的人的步频和/或心跳频率。图8示出了根据如图6所示的行走的人的数据和信号来计算的相干谱的示例。在图8中，纵轴表示两个信号之间的相干性，横轴表示频率，单位为[Hz]。相干性是两个信号的归一化交叉谱密度，这得到了介于0和I之间的值，该值表示两个信号对应得任何，或者换言之，是特定频率下两个信号的相似性的度量，其中最高相关性值对应于两个信号之间的最大相似性或匹配。例如，通过使用Welch的平均修正周期图方法来计算相干性。图8示出了曲线图，该曲线图表示加速度计矢量幅值与单个轴的加速度计信号之间的相干谱。从波峰71、72、73和74可以看出，相干性的值在步频率和跨步频率处都高于0. 9，而在呼吸频率处，相干性的值低于0.8。如果矢量幅值信号和单轴的加速度计信号之间的相似性在特定频率处是高的，因此显示出高的相干性值，那么在该情况下，在该特定频率处，对单轴的加速度计信号的惯性贡献是较大的。因为矢量幅值信号代表具有相对最大值的惯性贡献，所以高的相干性值对应于并且表示最大的惯性贡献，该最大的惯性贡献在该示例中是由于行 走引起的惯性贡献。可以使用类似方法替代地或同时地，通过例如用功率谱和/或相干谱方法从矢量幅值信号提取心跳频率，来滤波由于心跳运动引起的惯性贡献。图9中示出了根据本发明的用于确定受检者305的呼吸的呼吸确定设备的实施例。呼吸确定设备300包括单个多轴加速度计310，该多轴加速度计310被定位在受检者305的身体上，例如人的胸廓上。多轴加速度计310生成加速度计信号，在本示例中，该加速度计信号指示人的胸廓沿不同空间轴的加速度。信号处理单元320根据加速度计信号计算沿不同空间轴的加速度的矢量幅值信号。此外，信号处理单元320根据矢量幅值信号识别对沿不同空间轴的加速度的非呼吸运动贡献。非呼吸运动贡献例如是由于心跳或由于以行走或跑步形式的人的运动引起的胸廓运动。呼吸信号确定单元330通过从加速度计信号滤波非呼吸运动贡献来确定指示受检者的呼吸的呼吸信号。例如，利用自适应噪声或陷波滤波器或梳状滤波器进行滤波。最后，可以在显示器340上显示呼吸信号。尽管在上述实施例中，多轴加速度计优选具有三个正交轴，但多轴加速度计也可以具有两个正交轴或超过三个轴。此外，空间轴还可以包括另一个角度，即在另一实施例中，该轴可以是不正交的。尽管在上述实施例中使用了一个多轴加速度计，但是也可以使用根据本发明的两个或更多个的多轴加速度计，以便能够以更大的精确度确定呼吸信号，每个多轴加速度计都应用根据本发明的方法。根据本发明的实施例中使用的频率范围和值可以是由用户设定的参数，该设定例如根据要确定呼吸的受检者的类型，例如年龄。在研究附图、公开和所附权利要求之后，本领域的技术人员在实践请求保护的发明时能够理解和实现所公开实施例的其他变化。在权利要求中，“包括” 一词不排除其他元件或步骤，不定冠词“一个”或“一种”不排除多个或多种。单个单元或装置可以实现权利要求中列举的几个项的功能。在互不相同的从属权利要求中列举特定手段的简单事实并不表示不能使用这些手段的组合以获得优点。权利要求中的任何附图标记不应被解释为对范围进行限制。


本发明涉及一种用于确定受检者(305)的呼吸的方法和设备，其中利用定位于受检者(305)的身体上的单个多轴加速度计(310)，生成(101)表示受检者(305)沿不同空间轴的加速度的加速度计信号，根据加速度计信号计算(102)受检者(305)沿不同空间轴的加速度的矢量幅值信号，根据矢量幅值信号识别(103、203)对沿不同空间轴的加速度的非呼吸运动贡献，该非呼吸运动贡献不是由呼吸引起的，并且通过从加速度计信号中的至少一个滤波非呼吸运动贡献来确定(104、204)指示受检者的呼吸的呼吸信号。通过该方式，提供了一种方法，该方法利用单个加速度计(310)，以有效率且对患者而言舒适的方式确定受检者(305)的呼吸。