生理特征信号处理方法、电子设备、芯片及可读存储介质与流程

1.本技术涉及终端技术领域，尤其涉及一种生理特征信号处理方法、电子设备、芯片及计算机可读存储介质。


背景技术：

2.随着人们对自身健康的重视，具有生理特征功能量测的电子设备越来越受到人们的欢迎，例如，穿戴设备可以通过采集人体的光体积变化描记图法(photoplethysmography，ppg)实现对心率、血氧、运动、睡眠等体征的测量。为了保证各项测量的准确性，如图1所示，穿戴设备采集的信号会经过信号滤波、信号提峰、信号质量检测、体征量测等处理流程，在该流程中可以对信号质量进行评估，一旦被评估为信号质量差，穿戴设备采集的该段信号将不会被用来进行后面的体征量测。
3.基于穿戴设备实现的功能越来越复杂，例如对房颤、早搏等心脏问题进行检测甚至是预测等功能，这些功能对穿戴设备采集的信号质量的要求更加严格，有时候会要求用户保持一段时间的静止状态才能测量成功。用户处于活动状态(例如，走路状态)时，穿戴设备采集的信号质量往往比较差，对软硬件信号处理能力的要求相对很高，导致在大部分活动状态下，穿戴设备的测量功能无法正常使用。由于用户在活动状态下产生的干扰是动态变化的，不同的用户同一个动作产生的干扰是不同的，甚至同一个用户重复同一个动作产生的干扰也可能是不同的，活动状态下的干扰并不遵循固定的变化规则。为了提升信号质量，现有的做法一般是在传感器等硬件上进行改进、或者在信号滤波、信号提峰阶段进行算法优化，但该些做法的去干扰效果均不太明显。


技术实现要素：

4.有鉴于此，有必要提供一种生理特征信号处理方法，其可克服上述问题，可以在用户处于活动状态时采集数据并进行体征量测，提升用户使用体验。
5.本技术实施例第一方面公开了一种生理特征信号处理方法，包括：对采集到的目标个体的生理特征信号进行滤波处理，得到生理特征优化信号；利用预设峰值提取算法提取所述生理特征优化信号中的峰值点，并基于提取到的峰值点构建第一峰点集合；基于所述生理特征信号对所述第一峰点集合进行优化处理，得到第二峰点集合，其中所述优化处理包括新增峰值点处理、删除峰值点处理、更新峰值点处理中的一种或多种处理；及基于所述第二峰点集合及所述生理特征优化信号分析得到所述目标个体的生理特征。
6.通过采用该技术方案，可实现在用户处于活动状态时采集并处理生理特征数据，量测准确性高，提升用户使用体验，实现实时监测用户生理特征。
7.在一种可能的实现方式中，所述利用预设峰值提取算法提取所述生理特征优化信号中的峰值点，并基于提取到的峰值点构建第一峰点集合，包括：利用所述预设峰值提取算法提取所述生理特征优化信号中的波峰点，并基于提取到的波峰点构建所述第一峰点集合；或利用所述预设峰值提取算法提取所述生理特征优化信号中的波谷点，并基于提取到
的波谷点构建所述第一峰点集合。
8.通过采用该技术方案，可实现将仅使用波峰点或者波谷点来构建峰点集合，降低信号处理运算量。
9.在一种可能的实现方式中，所述基于所述生理特征信号对所述第一峰点集合进行优化处理，包括：对所述生理特征信号进行建模，得到与所述生理特征信号对应的生理特征波形；将所述生理特征波形拆分为上坡波形段与下坡波形段，并选择上坡波形段或者下坡波形段作为目标波形；将所述第一峰点集合中的每一峰值点在所述目标波形上进行标出；将所述目标波形切分为多个波形窗口，并根据预设干扰度计算算法计算得到每一所述波形窗口的初始干扰度；对所述波形窗口的峰值点进行优化处理，并利用所述预设干扰度计算算法重新计算经过优化处理后的所述波形窗口的干扰度，直至所述波形窗口的干扰度取得最小值，完成对所述波形窗口的优化处理；及汇总完成优化处理的每一所述波形窗口所包含的峰值点，得到所述第二峰点集合。
10.通过采用该技术方案，可实现通过对第一峰点集合进行增删改优化处理，使得每个波形窗口的干扰度取得最小值，最终得到更准确的峰点集合。
11.在一种可能的实现方式中，所述选择上坡波形或者下坡波形作为目标波形之后，还包括：将所述目标波形中的曲线段简化为只包括首尾端点的直线段。
12.通过采用该技术方案，可实现将目标波形中的曲线段简化为直线段，降低后续进行干扰度计算的计算量。
13.在一种可能的实现方式中，所述预设干扰度计算算法包括：计算所述波形窗口中任意两条标有所述峰值点的直线段之间的斜率距离，并对计算得到的斜率距离进行归一化处理；计算所述波形窗口中任意两条标有所述峰值点的直线段之间的长度比，并对计算得到的长度比进行归一化处理；计算所述波形窗口中任意两条标有所述峰值点的直线段之间的横向距离差的绝对值，并对计算得到的横向距离差的绝对值进行归一化处理；计算所述波形窗口中任意两条标有所述峰值点的直线段之间的纵向距离差的绝对值，并对计算得到的纵向距离差的绝对值进行归一化处理；及基于所述斜率距离的归一化结果、所述长度比的归一化结果、所述横向距离差的绝对值的归一化结果及所述纵向距离差的绝对值的归一化结果，得到所述波形窗口的干扰度。
14.通过采用该技术方案，可实现基于斜率距离、长度比、横向距离差及纵向距离差四种维度来计算得到波形窗口的干扰度。
15.在一种可能的实现方式中，对计算得到的斜率距离进行归一化处理，包括：对计算得到的多个斜率距离分别进行归一化处理，并汇总每一所述斜率距离的归一化结果；或对计算得到的多个斜率距离进行累加得到总斜率距离，并对所述总斜率距离进行归一化处理。
16.通过采用该技术方案，可实现对斜率距离进行归一化处理，以将斜率距离换算成干扰度。
17.在一种可能的实现方式中，两条所述直线段中的较长直线段为所述长度比的分母，所述对计算得到的长度比进行归一化处理，包括：对计算得到的多个长度比分别进行归一化处理，并汇总每一所述长度比的归一化结果；或对计算得到的多个长度比进行累加得到总长度比，并对所述总长度比进行归一化处理。
18.通过采用该技术方案，可实现对长度比进行归一化处理，以将长度比换算成干扰度。
19.在一种可能的实现方式中，所述对计算得到的横向距离差的绝对值进行归一化处理，包括：对计算得到的多个横向距离差的绝对值进行求平均值运算，得到平均横向距离差；及基于所述平均横向距离差对计算得到的每一所述横向距离差的绝对值分别进行归一化处理，并汇总每一所述横向距离差的绝对值的归一化结果。
20.通过采用该技术方案，可实现对横向距离差的绝对值进行归一化处理，以将横向距离差的绝对值换算成干扰度。
21.在一种可能的实现方式中，所述对计算得到的纵向距离差的绝对值进行归一化处理，包括：对计算得到的多个纵向距离差的绝对值进行求平均值运算，得到平均纵向距离差；及基于所述平均纵向距离差对计算得到的每一所述纵向距离差的绝对值分别进行归一化处理，并汇总每一所述纵向距离差的绝对值的归一化结果。
22.通过采用该技术方案，可实现对纵向距离差的绝对值进行归一化处理，以将纵向距离差的绝对值换算成干扰度。
23.在一种可能的实现方式中，所述对所述波形窗口的峰值点进行优化处理，包括：查找所述波形窗口内的斜率距离变化异常、长度比变化异常、横向距离差变化异常、或纵向距离差变化异常的区域，并对所述区域内的峰值点进行优化处理。
24.通过采用该技术方案，可实现快速定位可能需要进行峰值点优化处理的区域，节省优化时间。
25.在一种可能的实现方式中，所述对所述波形窗口的峰值点进行优化处理，包括：当所述波形窗口的初始干扰度大于或等于预设干扰度时，对所述波形窗口的峰值点进行优化处理。
26.通过采用该技术方案，可实现对信号质量有改善空间的波形窗口进行优化尝试，提升优化效率。
27.在一种可能的实现方式中，所述方法还包括：当所述波形窗口的初始干扰度小于所述预设干扰度时，放弃对所述波形窗口的峰值点进行优化处理。
28.通过采用该技术方案，可实现避免对信号质量较差的波形窗口进行无效的优化尝试，节省优化时间。
29.在一种可能的实现方式中，所述基于所述第二峰点集合及所述生理特征优化信号分析得到所述目标个体的生理特征，包括：对所述第二峰点集合及所述生理特征优化信号进行信号质量评估；及当信号质量评估结果为信号质量好时，基于所述第二峰点集合及所述生理特征优化信号分析得到所述目标个体的生理特征。
30.通过采用该技术方案，可实现对信号质量进行评估，只有评估为信号质量号的信号才会被用来进行后面的体征量测。
31.第二方面，本技术实施例提供一种计算机可读存储介质，包括计算机指令，当计算机指令在电子设备上运行时，使得电子设备执行如第一方面所述的生理特征信号处理方法。
32.第三方面，本技术实施例提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器用于存储指令，所述处理器用于调用所述存储器中的指令，使得所述电子设备
执行如第一方面所述的生理特征信号处理方法。
33.第四方面，本技术实施例提供一种计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行如第一方面所述的生理特征信号处理方法。
34.第五方面，本技术实施例提供一种装置，该装置具有实现上述第一方面所提供的方法中的电子设备行为的功能。功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块。
35.可以理解地，上述提供的第二方面所述的计算机可读存储介质，第三方面所述的电子设备，第四方面所述的计算机程序产品，第五方面所述的装置均与上述第一方面的方法对应，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。
附图说明
36.图1为现有的穿戴设备进行生理特征信号处理的流程示意图；
37.图2为本技术一实施例提供的生理特征信号处理方法的流程示意图；
38.图3为本技术一实施例提供的电子设备所侦测到的一段ppg信号的波形示意图；
39.图4为图3的ppg信号仅保留下坡波形段且标示有第一峰点集合的波形示意图；
40.图5为图4的下坡波形段中的曲线段被简化为只包括首尾端点的直线段的波形示意图；
41.图6为本技术另一实施例提供的生理特征信号处理方法的流程示意图；
42.图7为本技术一实施例提供的一种可能的电子设备的结构示意图。
具体实施方式
43.需要说明的是，本技术中“至少一个”是指一个或者多个，“多个”是指两个或多于两个。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b可以表示：单独存在a，同时存在a和b，单独存在b的情况，其中a，b可以是单数或者复数。本技术的说明书和权利要求书及附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不是用于描述特定的顺序或先后次序。
44.为了便于理解，示例性的给出了部分与本技术实施例相关概念的说明以供参考。
45.参照图2所示，本技术实施例提供的一种生理特征信号处理方法，应用于电子设备100中，电子设备100可以是智能手表、智能手环、体征量测仪等具备生理特征量测功能的设备。本实施例中，生理特征信号处理方法可以包括：
46.21、对采集到的目标个体的生理特征信号进行滤波处理，得到生理特征优化信号。
47.在一些实施例中，通过采用预设滤波方法对采集到的生理特征信号进行滤波处理，可以滤除生理特征信号中包含的一些杂讯，得到生理特征优化信号。所述预设滤波方法可以根据实际需求选择现有的一种体征信号滤波算法，比如可以是小波分解算法、频域分析算法、模态分解算法(如经验模态分解)、独立成分分析算法、自适应滤波算法等。
48.例如，所述生理特征信号为ppg信号，所述目标个体为电子设备100的佩戴用户，可以通过对电子设备100采集到的目标个体的ppg信号进行滤波处理，得到滤波优化后的ppg信号。
49.22、提取所述生理特征优化信号中的峰值点，并基于提取到的峰值点构建第一峰点集合。
50.在一些实施例中，同样可以采用预设提峰算法来提取所述生理特征优化信号中的峰值点，所述峰值点可以是波峰点或者波谷点，提取得到的峰值点可以放至一集合，进而得到第一峰点集合。即，可以采用预设提峰算法提取所述生理特征优化信号中的波峰点，并基于提取到的波峰点构建第一峰点集合，或者采用预设提峰算法提取所述生理特征优化信号中的波谷点，并基于提取到的波谷点构建第一峰点集合。以下以峰值点为波峰点为例进行举例说明。
51.所述预设提峰算法同样可以根据实际需求选择现有的一种体征信号提峰算法，比如可以是贝叶斯决策分类算法、机器学习分类算法、启发式算法等。
52.23、基于所述生理特征信号对所述第一峰点集合进行优化处理，得到第二峰点集合。
53.在一些实施例中，所述优化处理可以包括新增峰值点处理、删除峰值点处理、更新峰值点处理中的一种或多种处理的组合。所述新增峰值点处理可以是指新增一峰值点至所述第一峰点集合，所述删除峰值点处理可以是指从所述第一峰点集合中删除一峰值点，所述更新峰值点处理可以是指从所述第一峰点集合中删除一峰值点并同时新增一峰值点至所述第一峰点集合。
54.在一些实施例中，以生理特征信号为ppg信号为例进行举例说明。可以对电子设备100采集到的ppg信号进行建模，实现将ppg信号转换为图3所示的生理特征波形s1(生理特征波形s1的横轴可以以时间为维度，纵轴可以电子设备100的光学心率传感器侦测到的光强度为维度)，再将所述生理特征波形拆分为上坡波形段s11与下坡波形段s12，然后可以任意选择一种波形段作为后续分析的目标波形。以下以选择下坡波形段s12作为目标波形为例进行举例说明。
55.选择图3所示的生理特征波形s1中的下坡波形段s12，得到如图4所示的波形图。进一步地，可以将第一峰点集合中的每一波峰点在图4所示的目标波形上进行标出。由于目标波形包含的波形段较多，为了加快信号分析速度，可以将目标波形切分为多个波形窗口，再利用预设干扰度计算算法计算得到每一波形窗口的干扰度。
56.在一些实施例中，可以以时间为切分维度将目标波形切分为多个波形窗口，每个波形窗口包含的时间刻度相同，比如每个波形窗口包含1秒的下坡波形段。也可以以波形段的数量为切分维度将目标波形切分为多个波形窗口，每个波形窗口包含相同数量的波形段，比如每个波形窗口包含30个下坡波形段。
57.在一些实施例中，为了降低干扰度的计算量，可以先将每个波形窗口中的曲线段简化为只包括首尾端点的直线段，再进行干扰度计算。如图5所示，即将图4所示的曲线段简化为只包括首尾端点的直线段。利用预设干扰度计算算法计算波形窗口的干扰度可以包括：a.计算波形窗口中任意两条标有所述峰值点的直线段之间的斜率距离(即任意两条标有所述峰值点的直线段之间的夹角)，并对计算得到的斜率距离进行归一化处理；b.计算波形窗口中任意两条标有所述峰值点的直线段之间的长度比(较长的直线段的长度值为长度比的分母)，并对计算得到的长度比进行归一化处理；c.计算波形窗口中任意两条标有峰值点的直线段之间的横向距离差的绝对值，并对计算得到的横向距离差的绝对值进行归一化
处理；d.计算波形窗口中任意两条标有所述峰值点的直线段之间的纵向距离差的绝对值，并对计算得到的纵向距离差的绝对值进行归一化处理；e.基于所述斜率距离的归一化结果、所述长度比的归一化结果、所述横向距离差的绝对值的归一化结果及所述纵向距离差的绝对值的归一化结果计算得到波形窗口的干扰度。
58.在一些实施例中，斜率距离的值越大，进行归一化处理得到的结果越大。对计算得到的斜率距离进行归一化处理可以是指对计算得到的多个斜率距离分别进行归一化处理(斜率距离的值越接近0
°
，进行归一化处理得到的结果越小，斜率距离的值越接近90
°
，进行归一化处理得到的结果越大)，转换得到对应的干扰度，再进行归一化结果的汇总，也可以是指先将计算得到的多个斜率距离进行累加得到总斜率距离，再对总斜率距离进行归一化处理，转换得到对应的干扰度。
59.在一些实施例中，长度比的值越小，进行归一化处理得到的结果越大。对计算得到的长度比进行归一化处理可以是指对计算得到的多个长度比分别进行归一化处理(长度比的值越接近0，进行归一化处理得到的结果越大，长度比的值越接近1，进行归一化处理得到的结果越小)，转换得到对应的干扰度，再进行归一化结果的汇总，也可以是指先将计算得到的多个斜率距离进行累加得到总斜率距离，再对总斜率距离进行归一化处理，转换得到对应的干扰度。
60.在一些实施例中，对计算得到的横向距离差的绝对值进行归一化处理可以包括：先对计算得到的多个横向距离差的绝对值求平均运算，得到该波形窗口的平均横向距离差，再对计算得到的多个横向距离差的绝对值分别进行归一化处理(横向距离差的绝对值越接近平均横向距离差，进行归一化处理得到的结果越小，横向距离差的绝对值越偏离平均横向距离差，进行归一化处理得到的结果越大)，转换得到对应的干扰度，再进行归一化结果的汇总。
61.在一些实施例中，对计算得到的纵向距离差的绝对值进行归一化处理可以包括：先对计算得到的多个纵向距离差的绝对值求平均运算，得到该波形窗口的平均纵向距离差，再对计算得到的多个纵向距离差的绝对值分别进行归一化处理(纵向距离差的绝对值越接近平均纵向距离差，进行归一化处理得到的结果越小，纵向距离差的绝对值越偏离平均纵向距离差，进行归一化处理得到的结果越大)，转换得到对应的干扰度，再进行归一化结果的汇总。
62.通过在计算波形窗口的干扰度过程中，将波形窗口的干扰度分割成斜率距离、长度比、横向距离差、纵向距离差四个维度进行计算并进行归一化处理，换算得到每个维度的干扰度，再将斜率距离的归一化结果、长度比的归一化结果、横向距离差的绝对值的归一化结果及纵向距离差的绝对值的归一化结果进行累加，即可得到该波形窗口的干扰度。
63.在一些实施例中，当计算得到每个波形窗口的初始干扰度时，可以判断初始干扰度是否大于预设干扰度，以确定是否有必要对该波形窗口内的峰值点进行调整。当波形窗口的初始干扰度大于预设干扰度时，表明该波形窗口内的峰值点质量较差，即使通过后续优化处理，也无法通过已有的信号质量的验证。当波形窗口的初始干扰度大于小于预设干扰度时，表明该波形窗口内的峰值点质量有可调整的空间，通过本技术后续优化处理，可能可以通过已有的信号质量检查。预设干扰度的大小可以根据实际需求进行设定。
64.在一些实施例中，当对波形窗口的峰值点尝试进行优化处理时，可以利用所述预
设干扰度计算算法重新计算经过优化处理后的波形窗口的干扰度，通过不断地尝试调整与不断地重复计算干扰度，直至波形窗口的干扰度取得最小值，停止对波形窗口进行优化处理。当每一波形窗口均完成优化处理后，可以汇总完成优化处理的每一波形窗口当前所包含的峰值点，构建得到第二峰点集合。
65.如图5所示，对波形窗口的峰值点尝试进行优化处理可以是新增一波峰点至一直线段(该直线段先前未标有波峰点)，也可以是删除一直线段所标出的波峰点，也可以是先删除一直线段所标出的波峰点，再在另一直线段(该波形段先前未标有波峰点)上新增一波峰点。
66.在一些实施例中，由于人体特征变化一般遵循近似的线性变化原则，一般不会突然变化跨度很大。例如，对于相邻的几个标有波峰点直线段的斜率距离、长度比、横向距离差、纵向距离差进行分析，若发现某一个值突然变化很大，则可能需要对这个区域的峰值点进行优化处理，尝试进行新增波峰点和/或删除波峰点处理，并重新计算干扰度，以尝试将该波形窗口的干扰度最小化，节省优化处理时间。
67.在一些实施例中，还可以对优化处理的尝试次数进行限定，在完成预设次数的优化处理后，选择干扰度具有最小值的波形状态。
68.在一些实施例中，还可以采用轮询调整方式，尝试对波形窗口内的每个直线段进行波峰点新增和/或删除操作，并重新计算波形窗口的干扰度，直至波形窗口的干扰度取得最小值，相对于上一种描述的优化处理方式，处理时间相对较长。
69.24、基于所述第二峰点集合及所述生理特征优化信号分析得到所述目标个体的生理特征。
70.在一些实施例中，当得到第二峰点集合时，即可以采用现有体征量测分析方式(如图1的信号质量检测与体征量测步骤)对第二峰点集合及生理特征优化信号进行分析得到目标个体的生理特征。比如生理特征为心率、血压等。
71.举例而言，对于心率量测，基于一定时间内的峰值点个数换算得到心率值。如，分析得到5s的生理特征优化信号的峰值点个数为n，那么心率就是n*12。
72.在一些实施例中，可以对第二峰点集合及生理特征优化信号进行信号质量评估，若评估结果为信号质量差，该段信号将不会被用来进行后面的体征量测，直接结束信号处理。若评估结果为信号质量好，该段信号将会被用来进行体征量测，可以采用现有体征分析方法对第二峰点集合及生理特征优化信号进行分析，得到目标个体的生理特征。
73.上述生理特征信号处理方法，先利用已有的滤波和提峰技术获得初始峰点集合，在运用二次提峰机制对初始峰点集合进行优化，得到最终的峰点集合，可以实现在用户处于活动状态下采集数据，无需刻意让用户长时间保持静止状态，增加体征测量适用场景，提升用户体验，真正实现实时监测用户生理特征，可以提升诸如穿戴设备的应用场景。
74.参照图6所示，本技术一实施例提供的一种电子设备100对目标个体实现生理特征量测的流程示意图。
75.61、穿戴设备信号采集。目标个体佩戴电子设备100，电子设备100可以采集到原始生理特征信号。
76.62、信号滤波处理。可以采用现有的滤波算法对原始生理特征信号进行滤波处理，得到生理特征优化信号。
77.63、信号提峰处理。可以采用现有的提峰算法对经过滤波处理得到的得到生理特征优化信号进行峰值点提取操作，得到第一峰点集合。提峰的方式可以是只提取波峰点，或者只提取波谷点。
78.64、二次提峰处理。对原始生理特征信号进行建模，并将建模得到的波形拆分为上坡波形段与下坡波形段，然后任意选择一种波形段作为后续分析的目标波形，再将第一峰点集合所包含的峰值点在目标波形上进行标出，并进行干扰度计算。通过尝试对目标波形增加峰值点、删除峰值点、更新峰值点操作来实现干扰度最小化，再基于干扰度最小状态下的峰值点构建第二峰点集合。
79.65、信号质量检测。利用现有的信号质量检测方式对第二峰点集合及生理特征优化信号进行评估，若评估结果为信号质量差，该段信号将不会被用来进行后面的体征量测，直接结束信号处理。
80.66、体征量测。在利用现有的信号质量检测方式对第二峰点集合及生理特征优化信号进行评估时，若评估结果为信号质量好，该段信号将会被用来进行体征量测，可以采用现有体征分析方法对第二峰点集合及生理特征优化信号进行分析，得到目标个体的生理特征。
81.以下以采用现有的生理特征信号处理方法(图1所示方法)进行生理特征量测的实验数据与采用本技术图6所示的生理特征信号处理方法进行生理特征量测的实验数据来进行比对说明。
82.现有技术为了保证房颤检测的准确率，信号质量的筛查较严格，很多活动状态下采集的信号无法通过信号质量的验证，因而房颤检测功能一般要求用户保持1分钟左右的静止后再进行房颤检测。
83.实验一：
84.本实验不再强制要求被采集用户保持静止状态，因此可能采集到一些用户在活动状态(比如走路状态下)下的信号数据。样本1：在静止和活动状态下采集9899段无房颤发作的ppg信号，每段信号持续1分钟左右；样本2：在静止和活动状态下采集6740段有房颤发作的ppg信号，每段信号持续1分钟左右。
85.通过现有的生理特征信号处理方法对样本1与样本2进行处理，采集的9899段无房颤ppg信号里，有6891段信号通过了已有的信号质量检查，可以认为大部分是在静止状态下采集的，剩余3008段信号没有通过已有的信号质量检查，可以认为大部分是在活动状态下采集的；采集的6740段无房颤ppg信号里，有3031段信号通过了已有的信号质量检查，可以认为大部分是在静止状态下采集的，剩余3709段信号没有通过已有的信号质量检查，可以认为大部分是在活动状态下采集的。即在使用现有的生理特征信号处理方法，约有6717(3008+3709)段ppg信号数据无法通过信号质量验证，在通过信号质量验证的数据里，房颤量测的准确度在95％以上。
86.而在使用本技术图6所示的生理特征信号处理方法对样本1与样本2进行处理时，先前3008段信号没有通过信号质量检查的信号中又有1933段信号通过信号质量检查，仅剩1075段信号没有通过信号质量检查，先前3709段信号没有通过信号质量检查的信号中又有1995段信号通过信号质量检查，仅剩1714段信号没有通过信号质量检查，即无法通过信号质量验证的ppg信号数量从6717段减少到2789段(1075+1714)，有一半以上的活动状态下采
input/output，gpio)接口，sim接口，和/或usb接口等。
96.在一些实施例中，存储器1002可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
97.本实施例还提供一种计算机存储介质，该计算机存储介质中存储有计算机指令，当该计算机指令在电子设备上运行时，使得电子设备执行上述相关方法步骤实现上述实施例中的生理特征信号处理方法。
98.本实施例还提供了一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述相关步骤，以实现上述实施例中的生理特征信号处理方法。
99.另外，本技术的实施例还提供一种装置，这个装置具体可以是芯片，组件或模块，该装置可包括相连的处理器和存储器；其中，存储器用于存储计算机执行指令，当装置运行时，处理器可执行存储器存储的计算机执行指令，以使芯片执行上述各方法实施例中的生理特征信号处理方法。
100.其中，本实施例提供的第一电子设备、计算机存储介质、计算机程序产品或芯片均用于执行上文所提供的对应的方法，因此，其所能达到的有益效果可参考上文所提供的对应的方法中的有益效果，此处不再赘述。
101.通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
102.在本技术所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，该模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
103.该作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
104.另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
105.该集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取存储介质中。基于这样的理解，本技术实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本技术各个实施例所述方法的全部或部分步骤。而
前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
106.以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何在本技术揭露的技术范围内的变化或替换，都应涵盖在本技术的保护范围之内。

技术特征：
1.一种生理特征信号处理方法，其特征在于，包括：对采集到的目标个体的生理特征信号进行滤波处理，得到生理特征优化信号；利用预设峰值提取算法提取所述生理特征优化信号中的峰值点，并基于提取到的峰值点构建第一峰点集合；基于所述生理特征信号对所述第一峰点集合进行优化处理，得到第二峰点集合，其中所述优化处理包括新增峰值点处理、删除峰值点处理、更新峰值点处理中的一种或多种处理；及基于所述第二峰点集合及所述生理特征优化信号分析得到所述目标个体的生理特征。2.如权利要求1所述的生理特征信号处理方法，其特征在于，所述利用预设峰值提取算法提取所述生理特征优化信号中的峰值点，并基于提取到的峰值点构建第一峰点集合，包括：利用所述预设峰值提取算法提取所述生理特征优化信号中的波峰点，并基于提取到的波峰点构建所述第一峰点集合；或利用所述预设峰值提取算法提取所述生理特征优化信号中的波谷点，并基于提取到的波谷点构建所述第一峰点集合。3.如权利要求1或2所述的生理特征信号处理方法，其特征在于，所述基于所述生理特征信号对所述第一峰点集合进行优化处理，包括：对所述生理特征信号进行建模，得到与所述生理特征信号对应的生理特征波形；将所述生理特征波形拆分为上坡波形段与下坡波形段，并选择上坡波形段或者下坡波形段作为目标波形；将所述第一峰点集合中的每一峰值点在所述目标波形上进行标出；将所述目标波形切分为多个波形窗口，并根据预设干扰度计算算法计算得到每一所述波形窗口的初始干扰度；对所述波形窗口的峰值点进行优化处理，并利用所述预设干扰度计算算法重新计算经过优化处理后的所述波形窗口的干扰度，直至所述波形窗口的干扰度取得最小值，完成对所述波形窗口的优化处理；及汇总完成优化处理的每一所述波形窗口所包含的峰值点，得到所述第二峰点集合。4.如权利要求3所述的生理特征信号处理方法，其特征在于，所述选择上坡波形或者下坡波形作为目标波形之后，还包括：将所述目标波形中的曲线段简化为只包括首尾端点的直线段。5.如权利要求4所述的生理特征信号处理方法，其特征在于，所述预设干扰度计算算法包括：计算所述波形窗口中任意两条标有所述峰值点的直线段之间的斜率距离，并对计算得到的斜率距离进行归一化处理；计算所述波形窗口中任意两条标有所述峰值点的直线段之间的长度比，并对计算得到的长度比进行归一化处理；计算所述波形窗口中任意两条标有所述峰值点的直线段之间的横向距离差的绝对值，并对计算得到的横向距离差的绝对值进行归一化处理；计算所述波形窗口中任意两条标有所述峰值点的直线段之间的纵向距离差的绝对值，
并对计算得到的纵向距离差的绝对值进行归一化处理；及基于斜率距离的归一化结果、长度比的归一化结果、横向距离差的绝对值的归一化结果及纵向距离差的绝对值的归一化结果，得到所述波形窗口的干扰度。6.如权利要求5所述的生理特征信号处理方法，其特征在于，所述对计算得到的斜率距离进行归一化处理，包括：对计算得到的多个斜率距离分别进行归一化处理，并汇总每一所述斜率距离的归一化结果；或对计算得到的多个斜率距离进行累加得到总斜率距离，并对所述总斜率距离进行归一化处理。7.如权利要求5所述的生理特征信号处理方法，其特征在于，两条所述直线段中的较长直线段为所述长度比的分母，所述对计算得到的长度比进行归一化处理，包括：对计算得到的多个长度比分别进行归一化处理，并汇总每一所述长度比的归一化结果；或对计算得到的多个长度比进行累加得到总长度比，并对所述总长度比进行归一化处理。8.如权利要求5所述的生理特征信号处理方法，其特征在于，所述对计算得到的横向距离差的绝对值进行归一化处理，包括：对计算得到的多个横向距离差的绝对值进行求平均值运算，得到平均横向距离差；及基于所述平均横向距离差对计算得到的每一所述横向距离差的绝对值分别进行归一化处理，并汇总每一所述横向距离差的绝对值的归一化结果。9.如权利要求5所述的生理特征信号处理方法，其特征在于，所述对计算得到的纵向距离差的绝对值进行归一化处理，包括：对计算得到的多个纵向距离差的绝对值进行求平均值运算，得到平均纵向距离差；及基于所述平均纵向距离差对计算得到的每一所述纵向距离差的绝对值分别进行归一化处理，并汇总每一所述纵向距离差的绝对值的归一化结果。10.如权利要求5所述的生理特征信号处理方法，其特征在于，所述对所述波形窗口的峰值点进行优化处理，包括：查找所述波形窗口内的斜率距离变化异常、长度比变化异常、横向距离差变化异常、或纵向距离差变化异常的区域，并对所述区域内的峰值点进行优化处理。11.如权利要求3所述的生理特征信号处理方法，其特征在于，所述对所述波形窗口的峰值点进行优化处理，包括：当所述波形窗口的初始干扰度大于或等于预设干扰度时，对所述波形窗口的峰值点进行优化处理。12.如权利要求11所述的生理特征信号处理方法，其特征在于，所述方法还包括：当所述波形窗口的初始干扰度小于所述预设干扰度时，放弃对所述波形窗口的峰值点进行优化处理。13.如权利要求1至12中任意一项所述的生理特征信号处理方法，其特征在于，所述基于所述第二峰点集合及所述生理特征优化信号分析得到所述目标个体的生理特征，包括：对所述第二峰点集合及所述生理特征优化信号进行信号质量评估；及
当信号质量评估结果为信号质量好时，基于所述第二峰点集合及所述生理特征优化信号分析得到所述目标个体的生理特征。14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行如权利要求1至权利要求13中任一项所述的生理特征信号处理方法。15.一种电子设备，其特征在于，所述电子设备包括处理器和存储器，所述存储器用于存储指令，所述处理器用于调用所述存储器中的指令，使得所述电子设备执行权利要求1至权利要求13中任一项所述的生理特征信号处理方法。16.一种芯片，与电子设备中的存储器耦合，其特征在于，所述芯片用于控制所述电子设备执行权利要求1至权利要求13中任一项所述的生理特征信号处理方法。

技术总结
本申请实施例提供了一种生理特征信号处理方法，涉及电子设备领域。通过对采集到的原始生理特征信号进行滤波处理，得到生理特征优化信号，并利用预设峰值提取算法提取生理特征优化信号中的峰值点，得到第一峰点集合，再基于原始生理特征信号对第一峰点集合进行二次提峰优化处理，得到第二峰点集合，以基于第二峰点集合及生理特征优化信号分析得到目标个体的生理特征。本申请实施例还提供了一种电子设备、芯片及计算机可读存储介质。本申请引入二次提峰机制，可以在用户处于活动状态时采集生理特征数据，提升用户使用体验，实现实时监测用户生理特征。测用户生理特征。测用户生理特征。


技术研发人员：李露平 陈茂林
受保护的技术使用者：华为技术有限公司
技术研发日：2020.11.05
技术公布日：2022/5/25