一种核心体温的确定方法、装置、设备及存储介质与流程

1.本发明涉及核心体温技术领域，尤其涉及一种核心体温的确定方法、装置、设备及存储介质。


背景技术：

2.人体核心体温是指人体内部的平均温度，其是反映身体健康状况的晴雨表，也作为人体运动生理负荷的客观评定指标。采用可穿戴设备检测ppg信号数据时，可穿戴设备的佩戴者的运动对可穿戴设备检测ppg信号数据的准确性造成影响，从而导致采用ppg信号数据计算核心体温时准确度不高。


技术实现要素：

3.基于此，有必要针对上述问题，提出了一种核心体温的确定方法、装置、设备及存储介质，用于解决现有技术中可穿戴设备的佩戴者的运动对可穿戴设备检测ppg信号数据的准确性造成影响，从而导致采用ppg信号数据计算核心体温时准确度不高的技术问题。
4.第一方面，本发明提出了一种核心体温的确定方法，应用于可穿戴设备，所述方法包括：
5.获取所述可穿戴设备检测到的佩戴者的ppg信号数据、运动噪声数据；
6.根据所述运动噪声数据进行运动频率分量提取，得到目标运动频率分量；
7.根据所述ppg信号数据、所述目标运动频率分量进行计算，得到与所述ppg信号数据对应的目标核心体温。
8.在一个实施例中，获取所述可穿戴设备检测到的佩戴者的ppg信号数据、运动噪声数据，包括：
9.获取所述可穿戴设备检测到的佩戴者的ppg信号数据；
10.对所述ppg信号数据进行滤波处理，得到滤波后的所述ppg信号数据。
11.在一个实施例中，所述对所述ppg信号数据进行滤波处理，得到滤波后的所述ppg信号数据，包括：
12.获取所述可穿戴设备检测到的所述可穿戴设备在所述佩戴者的皮肤表面进行滑动时和/或所述可穿戴设备所处环境光照发生变化时产生的交流噪声数据；
13.判断所述交流噪声数据是否满足预设条件，当满足所述预设条件时则将所述交流噪声数据对应的所述ppg信号数据进行去交流噪声处理，得到去交流噪声后的所述ppg信号数据；
14.对去交流噪声后的所述ppg信号数据进行滤波处理，得到滤波后的所述ppg信号数据。
15.在一个实施例中，所述根据所述运动噪声数据进行运动频率分量提取，得到目标运动频率分量，包括：
16.根据所述运动噪声数据生成频率分布数据，将生成的所述频率分布数据作为待处
理频率分布数据；
17.获取预设的心率频率范围数据；
18.根据所述预设的心率频率范围数据从所述待处理频率分布数据中，获取目标频率分布数据；
19.根据所述目标频率分布数据，确定所述目标运动频率分量。
20.在一个实施例中，所述根据所述目标频率分布数据，确定所述目标运动频率分量，包括：
21.从所述目标频率分布数据中确定最大幅度，将所述最大幅度对应的频率作为所述目标运动频率分量。
22.在一个实施例中，所述根据所述ppg信号数据、所述目标运动频率分量进行计算，得到与所述ppg信号数据对应的目标核心体温，包括：
23.将所述ppg信号数据、所述目标运动频率分量输入目标线性回归方程进行计算，得到与所述ppg信号数据对应的目标核心体温。
24.在一个实施例中，所述方法还包括：
25.获取多个核心体温样本，所述核心体温样本包括基于ppg信号提取的心率样本值、运动频率分量样本值、核心体温标定值；
26.将所述多个核心体温样本的各自对应的基于ppg信号提取的心率样本值及运动频率分量样本值组成特征向量，得到第一特征向量；
27.将所述多个核心体温样本的各自对应的核心体温标定值组成特征向量，得到第二特征向量；
28.根据所述第一特征向量、所述第二特征向量，确定参数特征向量；
29.根据所述参数特征向量，确定所述目标线性回归方程。
30.在一个实施例中，所述根据所述第一特征向量、所述第二特征向量，确定参数特征向量，包括：
31.所述参数特征向量θ的计算公式如下：
32.θ＝(x
t
·
x)-1
·
x
t
·
y
33.其中，x是指所述第一特征向量，y是指所述第二特征向量。
34.第二方面，本发明还提出了一种核心体温的确定装置，应用于可穿戴设备，所述装置包括：
35.信号获取模块，用于获取所述可穿戴设备检测到的佩戴者的ppg信号数据、运动噪声数据；
36.运动频率分量提取模块，用于根据所述运动噪声数据进行运动频率分量提取，得到目标运动频率分量；
37.核心体温计算模块，用于根据所述ppg信号数据、所述目标运动频率分量进行计算，得到与所述ppg信号数据对应的目标核心体温。
38.第三方面，本发明还提出了一种存储介质，存储有计算机指令程序，所述计算机指令程序被处理器执行时，使得所述处理器执行第一方面任一项所述方法的步骤。
39.第四方面，本发明还提出了一种可穿戴设备，包括至少一个存储器、至少一个处理器，所述存储器存储有计算机指令程序，所述计算机指令程序被所述处理器执行时，使得所
述处理器执行第一方面任一项所述方法的步骤。
40.综上所述，本发明根据ppg信号数据、目标运动频率分量进行计算，得到与ppg信号数据对应的目标核心体温，使目标核心体温与ppg信号数据及目标运动频率分量都相关；目标运动频率分量是根据可穿戴设备检测到的佩戴者的运动噪声数据进行运动频率分量提取得到的，因运动噪声数据是可穿戴设备的佩戴者的运动生成的，所以目标核心体温的计算充分考虑了可穿戴设备的佩戴者的运动对可穿戴设备检测ppg信号数据的准确性造成的影响，从而提高了计算核心体温的准确度。因此，本发明在采用ppg信号数据计算目标核心体温时，充分考虑了可穿戴设备的佩戴者的运动对可穿戴设备检测ppg信号数据的准确性造成的影响，提高了目标核心体温的准确度。
附图说明
41.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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发明的一些实施例，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。
42.其中：
43.图1为一个实施例中核心体温的确定方法的流程图；
44.图2为图1的核心体温的确定方法的确定目标运动频率分量的流程图；
45.图3为图1的核心体温的确定方法的确定目标线性回归方程的流程图；
46.图4为一个实施例中核心体温的确定装置的结构框图；
47.图5为一个实施例中计算机设备的结构框图。
具体实施方式
48.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
49.如图1所示，在一个实施例中，本发明提出了一种核心体温的确定方法，应用于可穿戴设备，所述方法包括：
50.s102、获取所述可穿戴设备检测到的佩戴者的ppg信号数据、运动噪声数据；
51.其中，可以直接获取所述可穿戴设备检测到的佩戴者的ppg信号数据、运动噪声数据，也可以从数据库中获取所述可穿戴设备检测到的佩戴者的ppg信号数据、运动噪声数据。
52.所述ppg信号数据是根据所述可穿戴设备检测到的佩戴者ppg(光电容积脉搏波描记法)信号检测数据确定的。可以由所述可穿戴设备的控制器根据ppg信号检测数据确定所述ppg信号数据，也可以由所述可穿戴设备以外的目标设备的控制器根据所述ppg信号检测数据确定所述ppg信号数据。
53.所述目标设备可以是终端，也可以是服务器端。
54.所述ppg信号数据包括：ppg信号检测结果、检测时间，所述ppg信号检测结果包括
ppg信号检测数据。
55.所述检测时间是一个具体的时间点。
56.所述可穿戴设备包括智能手表、智能腕带、智能鞋、智能袜子、腿上佩戴的智能产品、智能眼镜、智能头盔、智能头带、智能服装、智能书包、智能拐杖、智能配饰，在此举例不做具体限定。
57.所述运动噪声数据包括：运动噪声检测结果、检测时间。
58.所述可穿戴设备包括心电检测部件、运动传感器、控制器；所述心电检测部件用于对所述可穿戴设备的佩戴者的心电进行检测；所述运动传感器用于对所述可穿戴设备的佩戴者的运动进行检测，得到所述运动噪声数据。
59.可选的，所述可穿戴设备检测到的佩戴者的ppg信号数据、运动噪声数据，包括：所述可穿戴设备按预设时间间隔检测佩戴者，得到ppg信号数据、运动噪声数据。
60.可选的，所述可穿戴设备检测到的佩戴者的ppg信号数据、运动噪声数据，是指所述可穿戴设备同时对佩戴者心电及运动进行检测，得到ppg信号数据、运动噪声数据。
61.s104、根据所述运动噪声数据进行运动频率分量提取，得到目标运动频率分量；
62.其中，可以由所述可穿戴设备的控制器进行运动频率分量提取，也可以由所述可穿戴设备以外的目标设备进行运动频率分量提取。
63.具体而言，根据所述运动噪声数据得到频谱分布数据，从频谱分布数据中确定对所述ppg信号数据的频率干扰最大的频率分量，将确定的频率分量作为目标运动频率分量。
64.所述频率干扰最大的频率分量是指心率频率范围数据内最大幅度值对应的频率。
65.所述运动频率分量是指所述运动噪声数据中频率分量。
66.可选的，所述心率频率范围数据为pl，0.5hz≤pl≤4hz。
67.s106、根据所述ppg信号数据、所述目标运动频率分量进行计算，得到与所述ppg信号数据对应的目标核心体温。
68.可选的，根据所述ppg信号数据，确定心率数据；将所述心率数据、所述目标运动频率分量输入目标线性回归方程进行计算，得到与所述ppg信号数据对应的目标核心体温。
69.频率干扰最大的频率分量对ppg信号数据干扰最大，且难以消除。通过确定所述频率干扰最大的频率分量作为目标运动频率分量，将目标运动频率分量用于辅助计算目标核心体温，有利于提高目标核心体温的准确性。
70.所述核心体温是指人体内部平均温度，比如，将直肠的温度作为核心体温。
71.所述目标核心体温是指核心体温。
72.本实施例根据ppg信号数据、目标运动频率分量进行计算，得到与ppg信号数据对应的目标核心体温，使目标核心体温与ppg信号数据及目标运动频率分量都相关；目标运动频率分量是根据可穿戴设备检测到的佩戴者的运动噪声数据进行运动频率分量提取得到的，因运动噪声数据是可穿戴设备的佩戴者的运动生成的，所以目标核心体温的计算充分考虑了可穿戴设备的佩戴者的运动对可穿戴设备检测ppg信号数据的准确性造成的影响，从而提高了计算核心体温的准确度。
73.在一个实施例中，获取所述可穿戴设备检测到的佩戴者的ppg信号数据、运动噪声数据，包括：获取所述可穿戴设备检测到的佩戴者的ppg信号数据；对所述ppg信号数据进行滤波处理，得到滤波后的所述ppg信号数据。
74.其中，可以直接获取所述可穿戴设备检测到的佩戴者的ppg信号数据，也可以从数据库中获取所述可穿戴设备检测到的佩戴者的ppg信号数据；采用滤波算法对所述ppg信号数据进行滤波处理，得到滤波后的所述ppg信号数据，将滤波后的所述ppg信号数据用于目标核心体温的计算。通过滤波处理，消除了ppg信号数据中的噪音，使滤波后的所述ppg信号数据更能表述所述可穿戴设备检测到的佩戴者的心电，从而进一步提升了计算核心体温的准确度。
75.所述滤波算法包括但不限于：限幅滤波法、中位值滤波法、算术平均滤波法、递推平均滤波法、中位值平均滤波法，在此不做赘述。
76.在一个实施例中，所述对所述ppg信号数据进行滤波处理，得到滤波后的所述ppg信号数据，包括：获取所述可穿戴设备检测到的所述可穿戴设备在所述佩戴者的皮肤表面进行滑动时和/或所述可穿戴设备所处环境光照发生变化时产生的交流噪声数据；判断所述交流噪声数据是否满足预设条件，当满足所述预设条件时则将所述交流噪声数据对应的所述ppg信号数据进行去交流噪声处理，得到去交流噪声后的所述ppg信号数据；对去交流噪声后的所述ppg信号数据进行滤波处理，得到滤波后的所述ppg信号数据。
77.具体而言，可以直接获取所述可穿戴设备检测到的所述可穿戴设备在所述佩戴者的皮肤表面进行滑动时和/或所述可穿戴设备所处环境光照发生变化时产生的交流噪声数据。
78.所述当满足所述预设条件时则将所述交流噪声数据对应的所述ppg信号数据进行去交流噪声处理，得到去交流噪声后的所述ppg信号数据，包括：当满足所述预设条件时，则将所述交流噪声数据对应的所述ppg信号数据减去所述交流噪声数据，得到去交流噪声后的所述ppg信号数据。
79.所述交流噪声数据包括交流噪声检测结果、检测时间。
80.可选的，所述预设条件是指所述交流噪声数据的频率不在所述心率频率范围内。
81.可选的，所述预设条件是指不超于第一预设干扰阈值，所述第一预设干扰阈值是一个具体数值。
82.可选的，所述预设条件是指不超于第二预设干扰阈值，其中，以目标时刻为结束时间，从所述交流噪声数据获取预设干扰时长的交流噪声作为目标交流噪声，根据所述目标交流噪声进行频率平均值计算，得到第二预设干扰阈值。
83.所述目标时刻是指所述根据所述ppg信号数据、所述目标运动频率分量进行计算得到与所述ppg信号数据对应的目标核心体温中所述ppg信号数据的检测时间。
84.可选的，所述交流噪声数据对应的所述ppg信号数据是指检测时间相同的所述交流噪声数据及所述ppg信号数据。
85.可选的，所述交流噪声数据对应的所述ppg信号数据，包括：所述交流噪声数据的检测时间与所述ppg信号数据的检测时间不相同，但是所述交流噪声数据的检测时间与所述ppg信号数据属于同一个采集周期采集得到的数据。可以理解的是，在所述采集周期内完成一次所述交流噪声数据的检测和一次所述ppg信号数据的检测。
86.可选的，所述可穿戴设备采用光电转换部件、led部件配合检测得到交流噪声数据及对应的ppg信号数据，当led部件发光时检测ppg信号数据，当led部件熄灭时检测交流噪声数据，将距离所述交流噪声数据的检测时间最近的所述ppg信号数据作为所述交流噪声
数据对应的所述ppg信号数据。比如，设时间为lt，1点1秒≤lt＜1点2秒(led部件发光)、1点2秒≤lt＜1点3秒(led部件熄灭)、1点3秒≤lt＜1点4秒(led部件发光)、1点4秒≤lt＜1点5秒(led部件熄灭)，1点2秒≤lt＜1点3秒检测的交流噪声数据对应的所述ppg信号数据是1点1秒≤lt＜1点2秒检测的，1点4秒≤lt＜1点5秒熄灭检测的交流噪声数据对应的所述ppg信号数据是1点3秒≤lt＜1点4秒检测的，在此举例不做具体限定。
87.本实施例将在交流噪声数据干扰满足预设条件时，将所述交流噪声数据对应的所述ppg信号数据用于目标核心体温的计算，提高了用于目标核心体温计算的ppg信号数据的准确性，从而进一步提升了计算核心体温的准确度。
88.如图2所示，在一个实施例中，所述根据所述运动噪声数据进行运动频率分量提取，得到目标运动频率分量，包括：
89.s202、根据所述运动噪声数据生成频率分布数据，将生成的所述频率分布数据作为待处理频率分布数据；
90.其中，采用fft(快速傅里叶变换)获取所述运动噪声数据的频率分布数据。
91.所述频率分布数据包括频率、幅度，每个频率对应一个幅度。
92.可选的，根据所述运动噪声数据生成频率分布图，将频率作为所述频率分布图的横轴，将幅度作为所述频率分布图的纵轴。
93.s204、获取预设的心率频率范围数据；
94.其中，可以直接获取所述可穿戴设备检测到的佩戴者输入的预设的心率频率范围数据，也可以从数据库中获取预设的心率频率范围数据。
95.所述预设的心率频率范围数据是指可以用于核心体温计算的心率频率范围数据。
96.s206、根据所述预设的心率频率范围数据从所述待处理频率分布数据中，获取目标频率分布数据；
97.其中，从所述待处理频率分布数据中，获取频率在所述预设的心率频率范围数据内的频率分布数据作为目标频率分布数据。
98.s208、根据所述目标频率分布数据，确定所述目标运动频率分量。
99.可选的，从所述目标频率分布数据中确定最大幅度，将所述最大幅度对应的频率作为所述目标运动频率分量。
100.本实施例，通过运动噪声数据得到目标运动频率分量，相对直接采用运动噪声数据计算核心体温，采用目标运动频率分量简化了计算核心体温的参数，从而简化了计算核心体温的步骤。
101.在一个实施例中，所述根据所述目标频率分布数据，确定所述目标运动频率分量，包括：从所述目标频率分布数据中确定最大幅度，将所述最大幅度对应的频率作为所述目标运动频率分量。
102.因最大幅度值对应的频率对ppg信号数据干扰最大，在简化计算核心体温的参数时也提高了计算核心体温的准确性。
103.在一个实施例中，当所述最大幅度对应的频率数量大于1个时，则将所述最大幅度对应的频率的平均值作为所述目标运动频率分量。
104.在一个实施例中，所述根据所述ppg信号数据、所述目标运动频率分量进行计算，得到与所述ppg信号数据对应的目标核心体温，包括：将所述ppg信号数据、所述目标运动频
率分量输入目标线性回归方程进行计算，得到与所述ppg信号数据对应的目标核心体温。
105.本实施例采用目标线性回归方程进行核心体温计算，简化了计算核心体温的步骤。
106.如图3所示，在一个实施例中，所述方法还包括：
107.s302、获取多个核心体温样本，所述核心体温样本包括基于ppg信号提取的心率样本值、运动频率分量样本值、核心体温标定值；
108.其中，可以获取训练目标线性回归方程的用户输入的多个核心体温样本，也可以从数据库中获取多个核心体温样本。
109.每个所述核心体温样本中包括一个基于ppg信号提取的心率样本值、一个运动频率分量样本值和一个核心体温标定值。
110.所述核心体温标定值可以是采用体温计测量人体腹腔内部得到的。
111.s304、将所述多个核心体温样本的各自对应的基于ppg信号提取的心率样本值及运动频率分量样本值组成特征向量，得到第一特征向量；
112.其中，从所述多个核心体温样本中提取出每个核心体温样本的基于ppg信号提取的心率样本值及运动频率分量样本值；将提取出的所有基于ppg信号提取的心率样本值及所有运动频率分量样本值按预设向量组成规则组成特征向量，将组成的特征向量作为第一特征向量。
113.可选的，第一特征向量中每行向量元素的第一个向量元素代表基于ppg信号提取的心率样本值，且第一特征向量中每行向量元素的第二个向量元素代表运动频率分量样本值，同一行的向量元素代表同一个核心体温样本。比如，第一特征向量的第三行的第一个向量元素代表的是第三个核心体温样本的基于ppg信号提取的心率样本值，第一特征向量的第三行的第二个向量元素代表的是第三个核心体温样本的运动频率分量样本值。
114.比如，所述多个核心体温样本包括三个核心体温样本，从第一个核心体温样本中提取得到基于ppg信号提取的心率样本值及运动频率分量样本值，从第二个核心体温样本中提取得到基于ppg信号提取的心率样本值及运动频率分量样本值，从第三个核心体温样本中提取得到基于ppg信号提取的心率样本值及运动频率分量样本值，将提取得到的三个基于ppg信号提取的心率样本值及三个运动频率分量样本值按预设向量组成规则组成特征向量，将组成的特征向量作为第一特征向量，此时，第一特征向量包含六个向量元素(其中三个向量元素代表三个基于ppg信号提取的心率样本值，另外三个向量元素代表三个运动频率分量样本值)，在此举例不做具体限定。
115.s306、将所述多个核心体温样本的各自对应的核心体温标定值组成特征向量，得到第二特征向量；
116.其中，从所述多个核心体温样本中提取出每个核心体温样本的核心体温标定值；将提取出的所有核心体温标定值按预设向量组成规则组成特征向量，将组成的特征向量作为第一特征向量。
117.可选的，第一特征向量的每行只有一个向量元素，每个向量元素代表一个核心体温样本的核心体温标定值。
118.可以理解的是，第一特征向量、第二特征向量序号相同的行的向量元素代表的是同一个核心体温样本。比如，第一特征向量的第三行代表的是第三个核心体温样本的基于
ppg信号提取的心率样本值及运动频率分量样本值，第二特征向量的第三行代表的是第三个核心体温样本的核心体温标定值。
119.s308、根据所述第一特征向量、所述第二特征向量，确定参数特征向量；
120.s310、根据所述参数特征向量，确定所述目标线性回归方程。
121.将所述参数特征向量中的向量元素作为线性回归函数的参数，得到完成训练的线性回归函数，将完成训练的线性回归函数作为所述目标线性回归方程。
122.可选的，所述目标线性回归方程是f(q)＝k0 k1q1 k2q2，其中，q1代表基于ppg信号提取的心率，q2代表运动频率分量，k0代表补偿常数，k1代表基于ppg信号提取的心率的系数，k2代表运动频率分量的系数，k0、k1、k2来自参数特征向量。
123.在一个实施例中，所述根据所述第一特征向量、所述第二特征向量，确定参数特征向量，包括：
124.所述参数特征向量θ的计算公式如下：
125.θ＝(x
t
·
x)-1
·
x
t
·
y
126.其中，x是指所述第一特征向量，y是指所述第二特征向量。
127.可以理解的是，x
t
是指所述第一特征向量的转置，(x
t
·
x)-1
是指对向量(x
t
·
x)逆计算。
128.通过线性回归函数计算损失函数后，再通过最小二乘法进行推导得到标准方程，得到的标准方程的解就是最优的线性回归函数的参数向量(即所述参数特征向量θ)。
129.可以理解的是，推导所述参数特征向量θ采用的线性回归函数与所述目标线性回归方程的参数数量、参数排列顺序、参数含义需要相同。比如，所述参数特征向量θ为[θ0θ1θ2]，所述目标线性回归方程是f(q)＝k0 k1q1 k2q2,则推导所述参数特征向量θ采用的线性回归函数也采用h(x)＝θ0 θ1x1 θ2x2,其中，k0与θ0的含义相同，k1与θ1的含义相同，k2与θ2的含义相同，q1与x1的含义相同，k2与x2的含义相同，在此举例不做具体限定。
[0130]
在一个实施例中，所述可穿戴设备包括用于向所述佩戴者的皮肤发射绿光的led(发光二极管)部件、用于将光信号转换为电信号的光电转换部件；
[0131]
所述获取所述可穿戴设备检测到的佩戴者的ppg信号数据、运动噪声数据，还包括：所述光电转换部件接收所述佩戴者的皮肤反射的绿光信号，将反射的绿光信号转换为电信号，根据转换的所述电信号得到所述ppg信号数据。采用绿光信号，从而使检测得到的数据具有较高的信噪比，较高的信噪比有利于提高所述ppg信号数据的准确性，从而进一步提升了提高了计算核心体温的准确度。
[0132]
可以理解的是，led部件还可以向所述佩戴者的皮肤发射红光或红外光，在此不做具体限定。
[0133]
所述光电转换部件可以从现有技术中选择微型光电探测器，在此举例不做具体限定。
[0134]
所述led部件可以从现有技术中选择微型led灯，在此举例不做具体限定。
[0135]
在一个实施例中，所述led部件的数量为多个，通过设置多个所述led部件从多个角度向所述佩戴者的皮肤发射光(绿光、红光、红外光中的任一种)，在所述佩戴者的皮肤表面进行滑动时可以提高光电转换部件接收皮肤反射的光信号的概率，也可以提高采集所述ppg信号数据的概率。
[0136]
如图4所示，在一个实施例中，提出了一种核心体温的确定装置，应用于可穿戴设备，所述装置包括：
[0137]
信号获取模块402，用于获取所述可穿戴设备检测到的佩戴者的ppg信号数据、运动噪声数据；
[0138]
运动频率分量提取模块404，用于根据所述运动噪声数据进行运动频率分量提取，得到目标运动频率分量；
[0139]
核心体温计算模块406，用于根据所述ppg信号数据、所述目标运动频率分量进行计算，得到与所述ppg信号数据对应的目标核心体温。
[0140]
本实施例根据ppg信号数据、目标运动频率分量进行计算，得到与ppg信号数据对应的目标核心体温，使目标核心体温与ppg信号数据及目标运动频率分量都相关；目标运动频率分量是根据可穿戴设备检测到的佩戴者的运动噪声数据进行运动频率分量提取得到的，因运动噪声数据是可穿戴设备的佩戴者的运动生成的，所以目标核心体温的计算充分考虑了可穿戴设备的佩戴者的运动对可穿戴设备检测ppg信号数据的准确性造成的影响，从而提高了计算核心体温的准确度。
[0141]
图5示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是服务器，也可以是终端。如图5所示，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现核心体温的确定方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行核心体温的确定方法。本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图5中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0142]
在一个实施例中，本技术提供的核心体温的确定方法可以实现为一种计算机程序的形式，计算机程序可在如图5所示的计算机设备上运行。计算机设备的存储器中可存储组成所述核心体温的确定装置的各个程序模块。比如，信号获取模块402、运动频率分量提取模块404、核心体温计算模块406。
[0143]
在一个实施例中，提出了一种存储介质，存储有计算机指令程序，所述计算机指令程序被处理器执行时，使得所述处理器执行时实现如下方法步骤：
[0144]
获取所述可穿戴设备检测到的佩戴者的ppg信号数据、运动噪声数据；
[0145]
根据所述运动噪声数据进行运动频率分量提取，得到目标运动频率分量；
[0146]
根据所述ppg信号数据、所述目标运动频率分量进行计算，得到与所述ppg信号数据对应的目标核心体温。
[0147]
本实施例根据ppg信号数据、目标运动频率分量进行计算，得到与ppg信号数据对应的目标核心体温，使目标核心体温与ppg信号数据及目标运动频率分量都相关；目标运动频率分量是根据可穿戴设备检测到的佩戴者的运动噪声数据进行运动频率分量提取得到的，因运动噪声数据是可穿戴设备的佩戴者的运动生成的，所以目标核心体温的计算充分考虑了可穿戴设备的佩戴者的运动对可穿戴设备检测ppg信号数据的准确性造成的影响，从而提高了计算核心体温的准确度。
[0148]
在一个实施例中，提出了一种可穿戴设备，包括至少一个存储器、至少一个处理器，所述存储器存储有计算机指令程序，所述计算机指令程序被所述处理器执行时，使得所述处理器执行时实现如下方法步骤：
[0149]
获取所述可穿戴设备检测到的佩戴者的ppg信号数据、运动噪声数据；
[0150]
根据所述运动噪声数据进行运动频率分量提取，得到目标运动频率分量；
[0151]
根据所述ppg信号数据、所述目标运动频率分量进行计算，得到与所述ppg信号数据对应的目标核心体温。
[0152]
本实施例根据ppg信号数据、目标运动频率分量进行计算，得到与ppg信号数据对应的目标核心体温，使目标核心体温与ppg信号数据及目标运动频率分量都相关；目标运动频率分量是根据可穿戴设备检测到的佩戴者的运动噪声数据进行运动频率分量提取得到的，因运动噪声数据是可穿戴设备的佩戴者的运动生成的，所以目标核心体温的计算充分考虑了可穿戴设备的佩戴者的运动对可穿戴设备检测ppg信号数据的准确性造成的影响，从而提高了计算核心体温的准确度。
[0153]
需要说明的是，上述一种核心体温的确定方法、一种核心体温的确定装置、存储介质及可穿戴设备属于一个总的发明构思，一种核心体温的确定方法、一种核心体温的确定装置、存储介质及可穿戴设备实施例中的内容可相互适用。
[0154]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
[0155]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0156]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。