波形检测方法、装置、可穿戴设备及计算机可读存储介质与流程

1.本技术属于信号处理领域，具体涉及一种波形检测方法、装置、可穿戴设备及计算机可读存储介质。


背景技术：

2.在监测领域中，可以通过传感器去采集一些数据，从而获取到由人体所产生的波信号。例如可以利用led发出光信号，并使用对应的探测单元采集经过人体皮肤、组织和血管反射、吸收的衰减光，从而可以获得反应血管内血流变化的脉搏波信号；再例如可以通过探测单元去采集用于反应人体心率变化的心电图波信号。
3.在得到波形信号之后，需要对波形信号进行检测，以便根据检测结果分析出与人体有关的生理信息。
4.在现有技术中，一般是以健康人体的波形信号参数作为参考数据，并基于此来对待检测的波形信号进行检测。然而，由于年龄、种族、身体状况等因素所导致的个体差异，以健康人体的波形信号参数作为统一的参考数据将会导致待检测的波形信号的检测结果不准确。


技术实现要素：

5.有鉴于此，本技术的目的在于提供一种波形检测方法、装置、可穿戴设备及计算机可读存储介质，可以提高波形检测结果准确度。
6.本技术的实施例是这样实现的：
7.第一方面，本技术实施例提供一种波形检测方法，所述方法包括：s1、对采集到的波形信号缓存第一时间段后，根据预设的基准参数对其进行检测，得到波形特征参数；s2、根据所述波形特征参数，对实时采集到的波形信号进行检测，得到与所述实时采集到的波形信号对应的波峰以及波谷。
8.在本实施例中，先将采集到的波形信号缓存一定时间(第一时间段)后，根据预设的基准参数对波形信号进行检测，得到波形特征参数(盲估阶段)，然后再根据波形特征参数来对实时采集到的波形信号进行近实时的检测(即近实时检测阶段)，而不是如现有技术所示的根据大数据所得到的固定参数对实时采集到的波形信号进行检测，那么相较于现有技术，本技术实施例至少可以避免个体差异对检测结果造成的误差影响，进而可以提高检测结果的准确性。
9.结合第一方面实施例，在一种可能的实施方式中，在s2根据所述波形特征参数，对实时采集到的波形信号进行检测，得到与所述实时采集到的波形信号对应的波峰以及波谷之后，所述方法还包括：s3、根据与所述实时采集到的波形信号对应的波峰以及波谷，得到当前的检测参数；根据当前的所述检测参数，更新所述波形特征参数，并重复s2。
10.在本实施例中，在根据盲估阶段得到波形特征参数后，便进入近实时检测阶段。在近实时检测阶段时，每次检测出的波峰以及波谷均可以生成对应的检测参数，并以当前的
检测参数实时更新当前的波形特征参数，以便下一次实时检测时，可以以更新后的波形特征参数为基准来进行检测。在本技术实施例中，考虑到同一个检测对象在不同时间所产生的波形信号有差异性，因此，可以通过实时更新波形特征参数的方式，来使得波形特征参数的准确性以及时效性不断得到优化，进而有利于提高后续检测结果的准确性。
11.结合第一方面实施例，在一种可能的实施方式中，所述s1对采集到的波形信号缓存第一时间段后，根据预设的基准参数对其进行检测，得到波形特征参数，包括：通过滤波器过滤所述缓存第一时间段后的波形信号的噪声，得到处理后的缓存波形信号；对所述处理后的缓存波形信号的信号值进行识别，得到与所述缓存第一时间段后的波形信号对应的信号极值序列、信号最大值、信号最小值、最大信号振幅、波峰以及波谷；根据确定出的所有所述波峰以及所有所述波谷，确定出所述波形特征参数所包括的信号周期；其中，与所述缓存第一时间段后的波形信号对应的信号极值序列中，第一个满足第一波峰条件的极大值为第一个波峰，其余满足第二波峰条件的极大值为其他波峰，第一个满足第一波谷条件的极小值为第一个波谷，其余满足第二波谷条件的极小值为其他波谷；所述第一波峰条件为：所述极大值与所述信号最大值的比值大于预设阈值；所述第二波峰条件为：所述极大值与前一个已确定出的相邻波谷的幅值之差与所述最大信号振幅的比值大于所述预设阈值；所述第一波谷条件为：所述极小值与所述信号最小值的比值大于预设阈值；所述第二波谷条件为：所述极小值与前一个已确定出的相邻波峰的幅值之差与所述最大信号振幅的比值大于所述预设阈值。
12.结合第一方面实施例，在一种可能的实施方式中，所述通过滤波器过滤所述缓存第一时间段后的波形信号的噪声，得到处理后的缓存波形信号，包括：通过高阶均值滤波器去除所述缓存第一时间段后的波形信号的基线漂移，得到校准缓存波形信号；通过低阶均值滤波器对所述校准缓存波形信号进行滤波，得到所述处理后的缓存波形信号；其中，所述高阶均值滤波器的阶数等于所述基准参数所包括的周期；所述低阶均值滤波器的阶数等于预设值。
13.在本实施例中，通过采用二次均值滤波的方式对波形信号进行预处理，可以减少计算量和对存储空间的需求，且不需要浮点支持，适合在计算能力和存储空间有限的设备上运行。此外，采用二次均值滤波的方式，能够较好地去除基线漂移。
14.结合第一方面实施例，在一种可能的实施方式中，在所述对实时采集到的波形信号进行检测之前，所述方法还包括：确定本次检测的波形信号对象，本次检测的所述波形信号对象的产生时间起点为前一次检测得到的波峰或波谷所在的时间点，其产生时间终点为距离所述当前时刻之后第二时间段时所对应的时间点；
15.相应的，所述对实时采集到的波形信号进行检测，包括：对实时采集到的波形信号缓存所述第二时间段后，得到本次检测的所述波形信号对象，且对其进行检测；其中，所述第一时间段对应的时长大于所述第二时间段对应的时长。
16.在本实施例中，在近实时检测阶段，通过对实时采集到的波形信号缓存第二时间段后再进行检测，可以保证每次近实时检测时的波形信号能够覆盖一个完整的真实信号周期。
17.结合第一方面实施例，在一种可能的实施方式中，所述对实时采集到的波形信号进行检测，得到与所述实时采集到的实时波形信号对应的波峰以及波谷，包括：通过滤波器
过滤所述实时采集到的波形信号的噪声，得到处理后的实时波形信号；对所述处理后的实时波形信号的信号值进行识别，得到与所述实时采集到的波形信号对应的信号极值序列；根据所述波形特征参数所包括的信号周期以及前一次检测所得到的最后一组波峰波谷所出现的时间坐标，预测得到所述实时采集到的波形信号中的下一组波峰波谷所出现的时间坐标范围；获取与所述实时采集到的波形信号对应的信号极值序列中其时间坐标属于所述时间坐标范围内的极值子序列；将所述极值子序列所包括的极大值确定为所述波峰，所述极值子序列所包括的极小值确定为所述波谷。
18.结合第一方面实施例，在一种可能的实施方式中，所述将所述极值子序列所包括的极大值确定为所述波峰，包括：在确定所述极值子序列内包括多个极大值时，计算所述多个极大值中的每个极大值的波峰综合评分，并将所述波峰综合评分最小时所对应的极大值确定为所述波峰；
19.相应的，所述将极值子序列所包括的极小值确定为所述波谷，包括：在确定所述极值子序列内包括多个极小值时，计算所述多个极小值中的每个极小值的波谷综合评分，并将所述波谷综合评分最小时所对应的极小值确定为所述波谷；其中，所述波峰综合评分用于表征当前的计算对象作为波峰时所得到的检测参数与所述波形特征参数之间的差异性；所述波谷综合评分用于表征当前的计算对象作为波谷时所得到的检测参数与所述波形特征参数之间的差异性。
20.结合第一方面实施例，在一种可能的实施方式中，所述通过滤波器过滤所述实时采集到的波形信号的噪声，包括：通过高阶均值滤波器去除所述实时采集到的波形信号的基线漂移，得到校准实时波形信号；通过低阶均值滤波器对所述校准实时波形信号进行滤波，得到所述处理后的实时波形信号；其中，所述高阶均值滤波器的阶数等于所述波形特征参数所包括的周期；所述低阶均值滤波器的阶数等于预设值。
21.在本实施例中，通过采用二次均值滤波的方式对波形信号进行预处理，可以减少计算量和对存储空间的需求，且不需要浮点支持，适合在计算能力和存储空间有限的设备上运行。此外，采用二次均值滤波的方式，能够较好地去除基线漂移。
22.结合第一方面实施例，在一种可能的实施方式中，检测对象为人体，所述波形信号为光电容积脉搏波信号。
23.第二方面，本技术实施例提供一种波形检测装置，所述装置包括：第一检测模块以及第二检测模块。
24.第一检测模块，用于对采集到的波形信号缓存第一时间段后，根据预设的基准参数对其进行检测，得到波形特征参数；
25.第二检测模块，用于根据所述波形特征参数，对实时采集到的波形信号进行检测，得到与所述采集到的实时波形信号对应的波峰以及波谷。
26.结合第二方面实施例，在一种可能的实施方式中，所述装置还包括更新模块，用于根据与所述实时采集到的波形信号对应的波峰以及波谷，得到当前的检测参数；根据当前的所述检测参数，更新所述波形特征参数。
27.结合第二方面实施例，在一种可能的实施方式中，所述第一检测模块，用于通过滤波器过滤所述缓存第一时间段后的波形信号的噪声，得到处理后的缓存波形信号；对所述处理后的缓存波形信号的信号值进行识别，得到与所述缓存第一时间段后的波形信号对应
的信号极值序列、信号最大值、信号最小值、最大信号振幅、波峰以及波谷；根据确定出的所有所述波峰以及所有所述波谷，确定出所述波形特征参数所包括的信号周期；其中，与所述缓存第一时间段后的波形信号对应的信号极值序列中，第一个满足第一波峰条件的极大值为第一个波峰，其余满足第二波峰条件的极大值为其他波峰，第一个满足第一波谷条件的极小值为第一个波谷，其余满足第二波谷条件的极小值为其他波谷；所述第一波峰条件为：所述极大值与所述信号最大值的比值大于预设阈值；所述第二波峰条件为：所述极大值与前一个已确定出的相邻波谷的幅值之差与所述最大信号振幅的比值大于所述预设阈值；所述第一波谷条件为：所述极小值与所述信号最小值的比值大于预设阈值；所述第二波谷条件为：所述极小值与前一个已确定出的相邻波峰的幅值之差与所述最大信号振幅的比值大于所述预设阈值。
28.结合第二方面实施例，在一种可能的实施方式中，所述第一检测模块，用于通过高阶均值滤波器去除所述缓存第一时间段后的波形信号的基线漂移，得到校准缓存波形信号；通过低阶均值滤波器对所述校准缓存波形信号进行滤波，得到所述处理后的缓存波形信号；其中，所述高阶均值滤波器的阶数等于所述基准参数所包括的周期；所述低阶均值滤波器的阶数等于预设值。
29.结合第二方面实施例，在一种可能的实施方式中，所述装置还包括确定模块，用于确定本次检测的波形信号对象，本次检测的所述波形信号对象的产生时间起点为前一次检测得到的波峰或波谷所在的时间点，其产生时间终点为距离所述当前时刻之后第二时间段时所对应的时间点；
30.相应的，所述第二检测模块，用于对实时采集到的波形信号缓存所述第二时间段后，得到本次检测的所述波形信号对象，且对其进行检测；其中，所述第一时间段对应的时长大于所述第二时间段对应的时长。
31.结合第二方面实施例，在一种可能的实施方式中，所述第二检测模块，用于通过滤波器过滤所述实时采集到的波形信号的噪声，得到处理后的实时波形信号；对所述处理后的实时波形信号的信号值进行识别，得到与所述实时采集到的波形信号对应的信号极值序列；根据所述波形特征参数所包括的信号周期以及前一次检测所得到的最后一组波峰波谷所出现的时间坐标，预测得到所述实时采集到的波形信号中的下一组波峰波谷所出现的时间坐标范围；获取与所述实时采集到的波形信号对应的信号极值序列中其时间坐标属于所述时间坐标范围内的极值子序列；将所述极值子序列所包括的极大值确定为所述波峰，所述极值子序列所包括的极小值确定为所述波谷。
32.结合第二方面实施例，在一种可能的实施方式中，所述第二检测模块，用于在确定所述极值子序列内包括多个极大值时，计算所述多个极大值中的每个极大值的波峰综合评分，并将所述波峰综合评分最小时所对应的极大值确定为所述波峰；
33.相应的，还用于在确定所述极值子序列内包括多个极小值时，计算所述多个极小值中的每个极小值的波谷综合评分，并将所述波谷综合评分最小时所对应的极小值确定为所述波谷；
34.其中，所述波峰综合评分用于表征当前的计算对象作为波峰时所得到的检测参数与所述波形特征参数之间的差异性；所述波谷综合评分用于表征当前的计算对象作为波谷时所得到的检测参数与所述波形特征参数之间的差异性。
35.结合第二方面实施例，在一种可能的实施方式中，所述第二检测模块，用于通过高阶均值滤波器去除所述实时波形信号的基线漂移，得到校准实时波形信号；通过低阶均值滤波器对所述校准实时波形信号进行滤波，得到所述处理后的实时波形信号；其中，所述高阶均值滤波器的阶数等于所述波形特征参数所包括的周期；所述低阶均值滤波器的阶数等于预设值。
36.结合第二方面实施例，在一种可能的实施方式中，检测对象为人体，所述波形信号为光电容积脉搏波信号。
37.第三方面，本技术实施例还提供一种可穿戴设备，包括：传感器、存储器和处理器，所述传感器、所述存储器分别和所述处理器连接；
38.所述传感器，用于采集波形信号；
39.所述处理器，用于根据预先保存的基准参数，对缓存第一时间段后的波形信号进行检测，得到波形特征参数；
40.所述处理器，还用于根据所述波形特征参数，对所述传感器所实时采集到的波形信号进行检测，得到与所述实时采集到的波形信号对应的波峰以及波谷。
41.结合第三方面实施例，在一种可能的实施方式中，所述处理器，还用于：根据所述波形特征参数，对所述传感器所实时采集到的且缓存第二时间段后的波形信号进行检测，得到与所述实时采集到的且缓存第二时间段后的波形信号对应的波峰以及波谷；所述第一时间段大于所述第二时间段。
42.结合第三方面实施例，在一种可能的实施方式中，所述可穿戴设备为手环。
43.第四方面，本技术实施例还提供一种非易失性计算机可读取存储介质(以下简称计算机可读存储介质)，其上存储有计算机程序，所述计算机程序被计算机运行时执行上述第一方面实施例和/或结合第一方面实施例的任一种可能的实施方式提供的方法。
44.本技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术实施例而了解。本技术的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
45.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。通过附图所示，本技术的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图，重点在于示出本技术的主旨。
46.图1示出本技术实施例提供的一种波形检测方法的流程图之一。
47.图2示出本技术实施例提供的一种波形信号的示意图之一。
48.图3示出本技术实施例提供的一种波形信号的示意图之二。
49.图4示出本技术实施例提供的一种波形检测方法的流程图之二。
50.图5示出本技术实施例提供的一种波形检测装置的结构框图。
51.图6示出本技术实施例提供的一种可穿戴设备的结构示意图之一。
52.图7示出本技术实施例提供的一种可穿戴设备的结构示意图之二。
53.附图标记：100
‑
可穿戴设备；110
‑
处理器；120
‑
存储器；130
‑
传感器；140
‑
通信模块；150
‑
显示器；400
‑
波形检测装置；410
‑
第一检测模块；420
‑
第二检测模块。
具体实施方式
54.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。
55.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本技术的描述中诸如“第一”、“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
56.再者，本技术中术语“和/或”，仅仅是一种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这三种情况。
57.此外，针对现有技术中的波形检测方案所存在的缺陷是申请人在经过实践并仔细研究后得出的结果，因此，上述缺陷的发现过程以及在下文中本技术实施例针对上述缺陷所提出的解决方案，都应该被认定为是申请人对本技术做出的贡献。
58.为了解决上述问题，本技术实施例提供一种波形检测方法、装置、可穿戴设备及计算机可读存储介质，可以提高检测的准确性。
59.该技术可采用相应的软件、硬件以及软硬结合的方式实现。以下对本技术实施例进行详细介绍。
60.首先，本技术实施例提供一种波形检测方法。该方法可以应用于可穿戴设备，也可以应用于其他具备数据处理功能的电子设备。下面将结合图1对其所包含的步骤进行说明。
61.步骤s110：对采集到的波形信号缓存第一时间段后，根据预设的基准参数对其进行检测，得到波形特征参数。
62.步骤s120：根据所述波形特征参数，对实时采集到的波形信号进行检测，得到与所述实时采集到的波形信号对应的波峰以及波谷。
63.在本技术实施例中，当需要对检测对象所产生实时波形信号进行检测时，为了提高检测结果的准确性，可以先将采集到的波形信号缓存一定时间(第一时间段)后，根据预设的基准参数对其进行检测，得到检测对象的波形特征参数(即与步骤s110对应的盲估阶段)，然后再根据该波形特征参数对实时采集到的波形信号进行近实时的检测(即与步骤s120对应的近实时检测阶段)，而不是如现有技术所示的根据大数据所得到的固定参数对检测对象所产生的实时波形信号进行检测，那么相较于现有技术，本技术实施例至少可以避免个体差异对检测结果造成的误差影响，进而可以提高检测结果的准确性。
64.下面将针对各个步骤进行详细介绍。
65.步骤s110：对采集到的波形信号缓存第一时间段后，根据预设的基准参数对其进
行检测，得到波形特征参数。
66.其中，产生波形信号的检测对象可以是人体，也可以是其他动物体。
67.在一些实施方式中，当每次需要执行波形检测任务时，均需要通过盲估阶段来计算本次检测对象的波形特征参数，以便后续基于该波形特征数据来对检测对象所产生的实时波形信号进行检测。
68.下面将针对盲估阶段计算本次检测对象的波形特征参数的过程进行介绍。
69.盲估阶段主要是将采集到的波形信号缓存一定时间(第一时间段)后，结合预先保存的基准参数来对缓存第一时间段后的波形信号(以下简称为缓存的波形信号)进行波峰点和/或波谷点检测，进而根据检测结果得到与检测对象相适配的，且可信度相对较高的波形特征参数。
70.其中，缓存的波形信号是属于一段时间内的持续性信号。
71.缓存的波形信号可以通过采集检测对象在当前所产生的波形信号得到。在一些实施方式中，可以实时地采集检测对象所产生的实时波形信号，并将采集第一时间段后所得到的属于这段时间内的持续性波形信号确定为缓存的波形信号。
72.至于波形信号需要缓存的最小长度，可以预先进行配置，例如在一些实施方式中，该缓存的波形信号的持续时间为8秒，以使得在缓存的波形信号中至少保存预设数值(例如5)个完整的信号周期。
73.至于预先保存的基准参数，可以包括信号周期。该信号周期一般是根据健康人体的波形信号大数据所得到的平均参数，对于检测对象而言，其可信度较低。
74.值得指出的是，该健康人体的波形信号与检测对象所产生的波形信号属于同一种类型的波形信号，例如都为光电容积脉搏波(ppg，photo plethysmo graphy)信号。
75.在确定出基准参数以及缓存的波形信号后，即可根据基准参数，针对缓存的波形信号进行检测，进而得到可信度相对较高的波形特征参数。
76.其中，盲估阶段的检测过程主要包括三个阶段，分别为信号预处理、极值检测以及极值过滤。
77.由于在针对人体进行波形信号采集时，采集到的波形信号容易受到采集设备的位置、人体的运动状态、肌电干扰等众多噪声的影响，进而使得缓存波形信号中存在大量的噪声，导致缓存波形信号中存在基线漂移。
78.盲估阶段的信号预处理主要是通过滤波器去除缓存的波形信号中所存在的基线漂移。
79.在一些实施方式中，可以通过带通滤波、小波变换等现有方法去除基线漂移，进而得到处理后的缓存波形信号。但是此类方式难以去除频率在缓存波形信号的频率范围内的基线漂移，会严重影响后续的检测结果的准确性；此外，此类滤波算法的计算量较大，对设备的运算能力有一定的要求，不适合在处理能力较弱的可穿戴式设备上运行。
80.在另一些实施方式中，可以采用均值滤波的方式来去除基线漂移和高频噪声。均值滤波器的阶数由基准参数所确定。
81.具体的，可以先通过高阶均值滤波器(该滤波器为软件滤波器)去除缓存的波形信号的基线漂移，得到校准缓存波形信号。然后再通过低阶均值滤波器对校准缓存波形信号进行滤波，得到处理后的缓存波形信号。
82.其中，高阶均值滤波器的主要作用是对缓存的波形信号的基线进行预测，在预测出基线后，将缓存的波形信号的各个信号值与预测得到的基线信号相减，即可得到去除基线偏移的校准缓存波形信号。
83.其中，高阶均值滤波器的阶数等于基准参数所包括的信号周期，例如当针对ppg信号进行检测时，基准参数所包括的信号周期用于表征健康成人的平均脉搏周期(75次/分钟)，那么可以将高阶均值滤波器的阶数确定为75(尽管这会导致波形失真，但是对波形信号的周期和振幅的影响在可接收范围内)。
84.针对得到的校准缓存波形信号，极有可能仍然存在大量的高频噪声，因此，再通过一个低阶均值滤波器对其进行二次滤波，以此来平滑校准缓存波形信号中的高频噪声，得到处理后的缓存波形信号。
85.其中，低阶均值滤波器的阶数等于预设值。
86.该预设值的确定主要与缓存的波形信号的采样频率以及其噪声频率等因素有关，需要根据实际情况进行调整，以便能够去除校准缓存波形信号中的高频噪声的同时，还能够尽可能避免波形失真。
87.在一实施例中，预设值的取值范围在3
‑
5之间。
88.相较于传统的带通滤波、小波变换等方式，均值滤波的计算量更小，可以降低对设备的运算能力的要求，适合在处理能力较弱的可穿戴式设备上运行。此外，相较于传统的带通滤波、小波变换等方式，均值滤波具有更优的基线漂移去除效果，有利于提高后续检测结果的准确性。
89.其中，照图2以及图3分别示出原始的缓存的波形信号以及经过均值滤波后所得到的处理后的缓存波形信号。
90.在得到处理后的缓存波形信号之后，即可进入盲估阶段的极值检测阶段。
91.在本技术实施例中，可以针对处理后的缓存波形信号的信号值进行识别，得到与缓存的波形信号对应的信号极值序列、信号最大值、信号最小值以及最大信号振幅。
92.其中，如图3所示，经过处理后的缓存波形信号存在对应的信号值，其数字表现形式即为一段数字序列。
93.在本技术实施例中，可以针对数字序列中的每个数字进行求导，得到对应的导数。其中，导数为0的数值，即为处理后的缓存波形信号中的极值。
94.在得到处理后的缓存波形信号中的所有极值后，其所组成的序列即为信号极值序列。信号最大值为所有极值中的最大值，信号最小值为所有极值中的最小值。相邻的极大值与极小值之间的连线距离即为信号振幅，通过比较，即可得到最大信号振幅。
95.在得到与缓存的波形信号对应的信号极值序列、信号最大值、信号最小值以及最大信号振幅之后，即可进入盲估阶段的极值过滤阶段。
96.在盲估阶段中，由于缺少可信的波形特征参数，因此只能利用处理后的缓存波形样点的幅值、样点的极性(信号值的正负)以及振幅信息来检测与缓存的波形信号对应的信号极值序列中的极值点是否为波峰或波谷点来实现极值过滤。
97.具体的，可以依次检索与缓存的波形信号对应的信号极值序列中的每一个极值。
98.其中，针对极大值点，计算该极大值与信号最大值的比值；还将该极大值点与前一个已确定出的相邻波谷的信号值(幅值)之差确定为该极大值点的振幅，并计算其振幅与最
大信号振幅的比值。若两个比值都大于预设阈值(例如为40％)，那么该极大值点即为波峰。
99.当然，值得指出的是，在计算第一个波峰时，由于可能不存在前一个已确定出的相邻波谷，那么可以将极大值与信号最大值的比值大于预设阈值的极大值点确定为第一个波峰。
100.针对极小值点，计算该极小值与信号最小值的比值；还将该极小值点与前一个已确定出的相邻波峰的信号值(幅值)之差确定为该极小值点的振幅，并计算其振幅与最小信号幅值的比值。若两个比值都大于预设阈值(例如为40％)，那么该极小值点即为波谷。
101.当然，值得指出的是，在计算第一个波峰时，由于可能不存在前一个已确定出的相邻波谷，那么可以将极大值与信号最大值的比值大于预设阈值的极大值点确定为第一个波峰。
102.在得到与缓存的波形信号对应的信号极值序列中的波峰波谷后，即可根据相邻波峰或相邻波谷之间的时间间距，确定出相对可信的波形特征参数，例如信号周期、信号振幅等参数。
103.步骤s120：根据所述波形特征参数，对实时采集到的波形信号进行检测，得到与所述实时采集到的波形信号对应的波峰以及波谷。
104.在通过盲估阶段获取到波形特征参数之后，即可基于波形特征参数对用户实时所产生的波形信号进行检测，即进入近实时检测阶段。
105.值得指出的是，在本技术实施例中，近实时检测阶段(即步骤s120)是一个随着时间的推移而持续性重复进行的过程。在每次近实时检测过程中，其检测的波形信号对象为用户在一段时间内所产生的波形信号。
106.可选的，在近实时检测阶段，为了保证每次近实时检测时的波形能够覆盖一个完整的真实信号周期，在一些实施方式中，在每次进行近实时检测之前，可以先确定本次检测的波形信号对象。
107.其中，本次检测的波形信号对象为检测对象所产生的一段波形信号，且该一段波形信号的产生时间起点为前一次检测(存在前一次实时检测过程，那么此处的前一次检测为前一次实时检测，否则，此处的前一次检测指的是盲估阶段对缓存波形信号的检测)得到的波峰或波谷所在的时间点，该一段波形信号的产生时间终点为距离当前时刻之后第二时间段时所对应的时间点。
108.其中，该第二时间段的时长尽量保证波形信号对象的波形可以覆盖1.5个信号周期(该信号周期为参考数据所包括的信号周期)，以保证当人体所产生的实时波形信号的真实信号周期变长(人体所产生的波形信号存在波动，相应的，其信号周期也存在波动)时，所得到的波形信号对象依旧能够覆盖一个完整的真实信号周期。
109.相应的，在近实时检测阶段，当对接收到的由检测对象所产生的实时波形信号进行检测时，可以对实时采集到的波形信号缓存第二时间段后，得到本次检测的波形信号对象，然后再针对本次检测的波形信号对象进行检测。
110.当然，值得指出的是，盲估阶段时的第一时间段对应的时长大于近实时阶段时的第二时间段对应的时长。
111.其中，当波形信号为ppg信号，且该第二时间段的时长为1.5个信号周期时，相当于在近实时检测阶段，每缓冲1.5个信号周期的波形信号后即可进行一次近实时检测，对于用
户而言，可以得到时延在2秒内的脉搏波数据，进而可以实现对持续性输入的波形信号的近实时的波峰波谷点定位。
112.当然，与盲估阶段类似的，每次近实时检测阶段主要包括三个阶段，分别为信号预处理、极值检测以及极值过滤。
113.其中，针对近实时检测阶段的信号预处理，其处理过程与盲估阶段的信号预处理相似，可以通过带通滤波、小波变换等现有方法去除基线漂移，进而得到处理后的实时波形信号；也可以通过均值滤波的方式来去除实时波形信号中的基线漂移和高频噪声，进而得到处理后的实时波形信号。均值滤波器的阶数由波形特征参数所确定。
114.值得指出的是，当采用均值滤波的方式来去除实时采集到的波形信号中的基线漂移和高频噪声时，可以先通过高阶均值滤波器去除采集到的实时波形信号的基线漂移，得到校准实时波形信号。然后再通过低阶均值滤波器对校准实时波形信号进行滤波，得到处理后的实时波形信号。
115.高阶均值滤波器的阶数等于相对可信的波形特征参数所包括的信号周期，低阶均值滤波器的阶数等于预设值。
116.该预设值的确定主要与实时采集到的波形信号的采样频率以及其噪声频率等因素有关，需要根据实际情况进行调整，以便能够去除校准实时波形信号中的高频噪声的同时，还能够尽可能避免波形失真。
117.一般而言，预设值的取值范围在3
‑
5之间。
118.针对近实时检测阶段的极值检测阶段，与盲估阶段的极值检测阶段类似的，可以针对处理后的实时波形信号的信号值进行识别，得到与实时采集到的波形信号对应的信号极值序列。
119.针对近实时检测阶段的极值过滤阶段，可以先确定出前一次检测所得到的最后一组波峰波谷所出现的时间坐标。
120.其中，前文提及，近实时检测阶段是一个随着时间的推移而持续性重复进行的过程。
121.若本次近实时检测过程是该第一次近实时检测过程，那么上文中所涉及到的前一次检测所得到的最后一组波峰波谷是盲估阶段(若存在)所检测出的最后一组波峰波谷，或者默认为波形信号对象的起始位置为波峰波谷。
122.若本次近实时检测过程不是第一次近实时检测过程，那么上文中所涉及到的前一次检测所得到的最后一组波峰波谷，是相较于本次而言的前一次近实时检测阶段所检测出的最后一组波峰波谷。
123.在确定出前一次检测所得到的最后一组波峰波谷所出现的时间坐标之后，可以根据波形特征参数所包括的信号周期以及前一次检测所得到的最后一组波峰波谷所出现的时间坐标，预测得到实时波形信号中的下一组波峰波谷所出现的时间坐标范围。
124.假设波形特征参数所包括的信号周期为t，最后一组波峰所出现的时间坐标为s1，最后一组波谷所出现的时间坐标为s2，那么下一组波峰所出现的时间坐标范围为[(1
‑
x)
×
(s1 t)，(1 x)
×
(s1 t)]，下一组波谷所出现的时间坐标范围为[(1
‑
x)
×
(s2 t)，(1 x)
×
(s2 t)]。
[0125]
其中，x大于0小于1，例如可以为0.2。
[0126]
在得到时间坐标范围后，可以获取与近实时波形信号对应的信号极值序列中其时间坐标属于时间坐标范围内的极值子序列，然后将极值子序列中所包括的极大值确定为下一组波峰，将极值子序列中所包括的极小值确定为下一组波谷。
[0127]
当然，在一些实施方式中，在同一个极值子序列中可能存在多个极大值和/或多个极小值。此时，需要通过波峰综合评分来从多个极大值中筛选出一个极大值，并将其确定为下一组波峰；和/或，通过波谷综合评分来从多个极小值中筛选出一个极小值，并将其确定为下一组波谷。
[0128]
可选的，若存在多个极大值，可以计算多个极大值中的每个极大值的波峰综合评分。其中，波峰综合评分用于表征当前的计算对象(极大值)作为波峰时所得到的检测参数(包括但不限于信号周期、信号振幅等)与波形特征参数(包括但不限于信号周期、信号振幅等)之间的差异性。
[0129]
在得到多个波峰综合评分后，可以将波峰综合评分最小时所对应的极大值确定为下一组波峰。
[0130]
在一种可选的实施方式中，波峰综合评分的计算规则为对a1、b1以及c1三项进行加权求和。
[0131]
其中，a1用于表征：当前的计算对象(极大值)作为波峰时所得到的信号周期与波形特征参数所包括的信号周期之差；b1用于表征：当前的计算对象(极大值)作为波峰时所得到的信号振幅与波形特征参数所包括的信号振幅之差；c1用于表征当前的计算对象(极大值)的信号值与波形特征参数所包括的波峰的信号值之差。
[0132]
可选的，若存在多个极小值，可以计算多个极小值中的每个极小值的波谷综合评分。其中，波谷综合评分用于表征当前的计算对象(极小值)作为波谷时所得到的检测参数(包括但不限于信号周期、信号振幅等)与波形特征参数(包括但不限于信号周期、信号振幅等)之间的差异性。
[0133]
在得到多个波谷综合评分后，可以将波谷综合评分最小时所对应的极小值确定为下一组波谷。
[0134]
在一种可选的实施方式中，波谷综合评分的计算规则为对a2、b2以及c2三项进行加权求和。
[0135]
其中，a2用于表征：当前的计算对象(极小值)作为波谷时所得到的信号周期与波形特征参数所包括的信号周期之差；b2用于表征：当前的计算对象(极小值)作为波谷时所得到的信号振幅与波形特征参数所包括的信号振幅之差；c2用于表征当前的计算对象(极小值)的信号值与波形特征参数所包括的波谷的信号值之差。
[0136]
在得到下一组波峰波谷之后，即可重复上述过程来执行下一次近实时检测过程。
[0137]
此外，在一些实施方式中，在每次得到下一组波峰波谷之后，还可以根据当前的下一组波峰波谷，得到当前的检测参数(包括但不限于信号周期、信号振幅等)，并根据当前的检测参数更新原有的波形特征参数，进而优化波形特征参数的准确性。
[0138]
其中，更新的过程可以是计算两者之间的平均值。
[0139]
具体的，请参照图4，可以在每执行一次步骤s120之后，再执行步骤s130：根据与当前实时采集到的波形信号对应的波峰以及波谷，得到当前的检测参数，然后根据当前的检测参数，更新当前的波形特征参数，并基于更新后的波形特征参数重复步骤s120。
[0140]
如图5所示，本技术实施例还提供一种波形检测装置400，波形检测装置400可以包括：第一检测模块410以及第二检测模块420。
[0141]
第一检测模块410，用于对采集到的波形信号缓存第一时间段后，根据预设的基准参数对其进行检测，得到波形特征参数；
[0142]
第二检测模块420，用于根据所述波形特征参数，对实时采集到的波形信号进行检测，得到与所述采集到的实时波形信号对应的波峰以及波谷。
[0143]
在一种可能的实施方式中，所述装置还包括更新模块，用于根据与所述实时采集到的波形信号对应的波峰以及波谷，得到当前的检测参数；根据当前的所述检测参数，更新所述波形特征参数。
[0144]
在一种可能的实施方式中，所述第一检测模块410，用于通过滤波器过滤所述缓存第一时间段后的波形信号的噪声，得到处理后的缓存波形信号；对所述处理后的缓存波形信号的信号值进行识别，得到与所述缓存第一时间段后的波形信号对应的信号极值序列、信号最大值、信号最小值、最大信号振幅、波峰以及波谷；根据确定出的所有所述波峰以及所有所述波谷，确定出所述波形特征参数所包括的信号周期；其中，与所述缓存第一时间段后的波形信号对应的信号极值序列中，第一个满足第一波峰条件的极大值为第一个波峰，其余满足第二波峰条件的极大值为其他波峰，第一个满足第一波谷条件的极小值为第一个波谷，其余满足第二波谷条件的极小值为其他波谷；所述第一波峰条件为：所述极大值与所述信号最大值的比值大于预设阈值；所述第二波峰条件为：所述极大值与前一个已确定出的相邻波谷的幅值之差与所述最大信号振幅的比值大于所述预设阈值；所述第一波谷条件为：所述极小值与所述信号最小值的比值大于预设阈值；所述第二波谷条件为：所述极小值与前一个已确定出的相邻波峰的幅值之差与所述最大信号振幅的比值大于所述预设阈值。
[0145]
在一种可能的实施方式中，所述第一检测模块410，用于通过高阶均值滤波器去除所述缓存第一时间段后的波形信号的基线漂移，得到校准缓存波形信号；通过低阶均值滤波器对所述校准缓存波形信号进行滤波，得到所述处理后的缓存波形信号；其中，所述高阶均值滤波器的阶数等于所述基准参数所包括的周期；所述低阶均值滤波器的阶数等于预设值。
[0146]
在一种可能的实施方式中，所述装置还包括确定模块，用于确定本次检测的波形信号对象，本次检测的所述波形信号对象的产生时间起点为前一次检测得到的波峰或波谷所在的时间点，其产生时间终点为距离所述当前时刻之后第二时间段时所对应的时间点；
[0147]
相应的，所述第二检测模块420，用于对实时采集到的波形信号缓存所述第二时间段后，得到本次检测的所述波形信号对象，且对其进行检测；其中，所述第一时间段对应的时长大于所述第二时间段对应的时长。
[0148]
在一种可能的实施方式中，所述第二检测模块420，用于通过滤波器过滤所述实时采集到的波形信号的噪声，得到处理后的实时波形信号；对所述处理后的实时波形信号的信号值进行识别，得到与所述实时采集到的波形信号对应的信号极值序列；根据所述波形特征参数所包括的信号周期以及前一次检测所得到的最后一组波峰波谷所出现的时间坐标，预测得到所述实时采集到的波形信号中的下一组波峰波谷所出现的时间坐标范围；获取与所述实时采集到的波形信号对应的信号极值序列中其时间坐标属于所述时间坐标范围内的极值子序列；将所述极值子序列所包括的极大值确定为所述波峰，所述极值子序列
所包括的极小值确定为所述波谷。
[0149]
在一种可能的实施方式中，所述第二检测模块420，用于在确定所述极值子序列内包括多个极大值时，计算所述多个极大值中的每个极大值的波峰综合评分，并将所述波峰综合评分最小时所对应的极大值确定为所述波峰；
[0150]
相应的，还用于在确定所述极值子序列内包括多个极小值时，计算所述多个极小值中的每个极小值的波谷综合评分，并将所述波谷综合评分最小时所对应的极小值确定为所述波谷；
[0151]
其中，所述波峰综合评分用于表征当前的计算对象作为波峰时所得到的检测参数与所述波形特征参数之间的差异性；所述波谷综合评分用于表征当前的计算对象作为波谷时所得到的检测参数与所述波形特征参数之间的差异性。
[0152]
在一种可能的实施方式中，所述第二检测模块420，用于通过高阶均值滤波器去除所述实时波形信号的基线漂移，得到校准实时波形信号；通过低阶均值滤波器对所述校准实时波形信号进行滤波，得到所述处理后的实时波形信号；其中，所述高阶均值滤波器的阶数等于所述波形特征参数所包括的周期；所述低阶均值滤波器的阶数等于预设值。
[0153]
在一种可能的实施方式中，所述检测对象为人体，波形信号为光电容积脉搏波信号。
[0154]
本技术实施例所提供的波形检测装置400，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
[0155]
此外，本技术实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被计算机运行时，执行如上述的波形检测方法所包含的步骤。
[0156]
此外，请参照图6，本技术实施例还提供一种用于实现本技术实施例的波形检测方法、装置的可穿戴设备100。
[0157]
可选的，可穿戴设备100，可以是，但不限于手环、手表、眼镜、智能服饰等。
[0158]
其中，可穿戴设备100可以包括：处理器110、存储器120、传感器130。
[0159]
应当注意，图6所示的可穿戴设备100的组件和结构只是示例性的，而非限制性的，根据需要，可穿戴设备100也可以具有其他组件和结构。
[0160]
例如，在一些情况下，可穿戴设备100还可以包括通信模块、显示模块等。
[0161]
其中，通信模块用于使得可穿戴设备100可以与其他设备之间进行数据交互，例如可以是蓝牙模块、wifi模块、zigbee模块等。
[0162]
显示模块可以用于显示检测结果。
[0163]
处理器110、存储器120、传感器130以及其他可能出现于可穿戴设备100的组件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，处理器110、存储器120、传感器130以及其他可能出现的组件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
[0164]
传感器130用于采集波形信号。
[0165]
存储器120用于存储程序，例如存储有前文出现的波形检测方法对应的程序或者前文出现的波形检测装置。可选的，当存储器120内存储有波形检测装置时，波形检测装置
包括至少一个可以以软件或固件(firmware)的形式存储于存储器120中的软件功能模块。
[0166]
可选的，波形检测装置所包括软件功能模块也可以固化在可穿戴设备100的操作系统(operating system，os)中。
[0167]
处理器110用于执行存储器120中存储的可执行模块，例如波形检测装置包括的软件功能模块或计算机程序。当处理器110在接收到执行指令后，可以执行计算机程序，例如执行：对采集到的波形信号缓存第一时间段后，根据预设的基准参数对其进行检测，得到波形特征参数；根据所述波形特征参数，对实时采集到的波形信号进行检测，得到与所述实时采集到的波形信号对应的波峰以及波谷。
[0168]
当然，本技术任一实施例所揭示的方法都可以应用于处理器110中，或者由处理器110实现。
[0169]
此外，请参照图7，在一些实施方式中，可穿戴设备可以包括：处理器110、存储器120、传感器130，通信模块140以及显示器150。
[0170]
其中，传感器130，用于采集波形信号；
[0171]
处理器110，用于根据预先保存的基准参数，对缓存第一时间段后的波形信号进行检测，得到波形特征参数；还用于根据波形特征参数，对所述传感器所实时采集到的波形信号进行检测，得到与所述实时采集到的波形信号对应的波峰以及波谷。
[0172]
此外，在一些实施方式中，所述处理器110，还用于：根据所述波形特征参数，对所述传感器所实时采集到的且缓存第二时间段后的波形信号进行检测，得到与所述实时采集到的且缓存第二时间段后的波形信号对应的波峰以及波谷；所述第一时间段大于所述第二时间段。
[0173]
具体的，处理器110在对缓存第一时间段后的波形信号以及实时采集到的波形信号进行检测时，可以借助于滤波器来进行滤波处理，而相应的滤波算法则存储于存储器120内。
[0174]
至于上述过程的具体执行过程，请参照前述实施例部分，此处不再赘述。
[0175]
综上所述，本发明实施例提出的波形检测方法、装置、可穿戴设备及计算机可读存储介质，该方法包括：s1、对采集到的波形信号缓存第一时间段后，根据预设的基准参数对其进行检测，得到波形特征参数；s2、根据所述波形特征参数，对实时采集到的波形信号进行检测，得到与所述实时采集到的波形信号对应的波峰以及波谷。在本实施例中，当需要对检测对象所产生实时波形信号进行检测时，为了提高检测结果的准确性，可以先将采集到的波形信号缓存一定时间(第一时间段)后，根据预设的基准参数对其进行检测，得到检测对象的波形特征参数(即与步骤s110对应的盲估阶段)，然后再根据该波形特征参数对实时采集到的波形信号进行近实时的检测(即与步骤s120对应的近实时检测阶段)，而不是如现有技术所示的根据大数据所得到的固定参数对检测对象所产生的实时波形信号进行检测，那么相较于现有技术，本技术实施例至少可以避免个体差异对检测结果造成的误差影响，进而可以提高检测结果的准确性。
[0176]
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
[0177]
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，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图
显示了根据本技术的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0178]
另外，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0179]
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本技术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部分可以以软件产品的形式体现出来，该计算机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台计算机设备(可以是个人计算机，笔记本电脑,服务器，或者网络设备等)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(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0180]
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，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。