一种血压测量装置及电子血压计的制作方法

1.本发明实施例涉及血压测量技术，尤其涉及一种血压测量装置及电子血压计。


背景技术：

2.血压(blood pressure，bp)是人体体征的重要组成部分，它是最常用的临床测量参数之一。家用血压测量设备以基于幅度系数法的原理的电子血压计为主，其中幅度系数法依赖收缩压系数和舒张压系数进行血压测量。
3.然而，从含有早搏患者的血压相关数据集上统计得出，相比于健康人群，早搏患者在电子血压计上的测量误差普遍较大。这是因为早搏症状直接影响振荡脉冲包络点的提取，间接导致振荡脉冲包络线出现偏移或畸形，使通过幅度系数法计算出的血压出现偏差。


技术实现要素：

4.本发明提供一种血压测量装置及电子血压计，以消除早搏症状对血压测量的干扰，提高血压测量准确度。
5.第一方面，本发明实施例提供了血压测量装置，包括：
6.振荡脉冲信号确定模块，用于基于采集到的袖带压信号确定振荡脉冲信号；
7.包络点序列提取模块，用于从所述振荡脉冲信号中提取包络点，得到包络点序列；
8.心拍类型确定模块，用于确定与所述袖带压信号同步采集的心拍信号序列中各心拍信号的心拍类型，所述心拍类型包括非早搏类型和早搏类型；
9.目标包络点序列确定模块，用于将非早搏类型的心拍信号对应的包络点作为目标包络点，得到目标包络点序列；
10.血压确定模块，用于基于目标包络点序列确定收缩压和舒张压。
11.第二方面，本发明实施例还提供了电子血压计，包括如本发明第一方面提供的血压测量装置。
12.本发明实施例提供的血压测量装置，振荡脉冲信号确定模块基于采集到的袖带压信号确定振荡脉冲信号，包络点序列提取模块从振荡脉冲信号中提取包络点，得到包络点序列，心拍类型确定模块确定与袖带压信号同步采集的心拍信号序列中各心拍信号的心拍类型，心拍类型包括非早搏类型和早搏类型，目标包络点序列确定模块将非早搏类型的心拍信号对应的包络点作为目标包络点，得到目标包络点序列，血压确定模块基于目标包络点序列确定收缩压和舒张压。通过将非早搏类型的心拍信号对应的包络点作为目标包络点，屏蔽早搏类型的心拍信号对应的异常包络点，避免了早搏症状造成振荡脉冲包络线出现偏移或畸形的现象，消除了早搏症状对血压测量的干扰，提高了血压测量准确度。
附图说明
13.图1a为本发明实施例一提供的一种血压测量方法的流程图；
14.图1b为本发明实施例一提供的一个心拍信号的示意图；
15.图1c为采用现有技术得到的包络线的示意图；
16.图1d为本发明实施例得到的包络线的示意图；
17.图2a为本发明实施例二提供的一种血压测量方法的流程图；
18.图2b为本发明实施例二提供的血压测量方法中数据处理流程图；
19.图2c为本发明实施例中对袖带压信号进行处理得到振荡脉冲信号的流程图；
20.图2d为本发明实施例提供的一种包络点提取流程图；
21.图2e为本发明实施例提供的一种心拍类型识别的流程图；
22.图3为本发明实施例三提供的一种血压测量装置的结构示意图；
23.图4为本发明实施例四提供的一种电子血压计的结构示意图。
具体实施方式
24.下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
25.实施例一
26.图1a为本发明实施例一提供的一种血压测量方法的流程图，本实施例可适用于早搏症状导致的血压测量误差较大的情况，该方法可以由本发明实施例提供的血压测量装置来执行，该装置可以由软件和/或硬件的方式实现，通常配置于电子血压计中，如图1a所示，该方法具体包括如下步骤：
27.s101、基于采集到的袖带压信号确定振荡脉冲信号。
28.血压是血液在血管内流动时，作用于血管壁的压力，它是推动血液在血管内流动的动力。目前，电子血压计通常采用示波法测量血压，首先把袖带捆在测量位置(例如手臂上)，对袖带自动充气，到一定压力(一般比收缩压高出30mmhg-50mmhg)后停止加压，开始放气，当气压到一定程度，血流就能通过血管，且有一定的振荡波，振荡波通过气管传播到压力传感器，压力传感能实时检测到所测袖带内的压力(即袖带压信号)。然后基于袖带压信号确定振荡波对应的振荡脉冲信号。
29.s102、从振荡脉冲信号中提取包络点，得到包络点序列。
30.包络点即为形成振荡脉冲信号的包络线的特征点，通过对多个包络点进行曲线拟合就能得到包络线。在本发明实施例中，该包络线可以是上包络线或下包络线，本发明实施例在此不做限定。
31.在本发明实施例中，包络点可以是振荡脉冲曲线的峰值点或谷值点，通过极大值、极小值算法，例如滑动窗口法、一阶差分法等计算出振荡脉冲曲线的峰值点或谷值点。在本发明的另一实施例中，包络点基于峰值点和谷值点确定，例如，将获取到的多个峰值点和多个谷值点按照时间顺序形成峰值点序列和谷值点序列，然后将峰值点序列和谷值点序列对位相减，得到包络点。具体的，本发明实施例对包络点的提取方法不做限定。
32.s103、确定与袖带压信号同步采集的心拍信号序列中各心拍信号的心拍类型，心拍类型包括非早搏类型和早搏类型。
33.在本发明实施例中，在采集袖带压信号的同时，同步采集用户的心电信号，得到心拍信号序列，心拍信号序列包括多个心拍信号。心脏在搏动前后，心肌发生激动。在心肌激
动过程中，会产生微弱的生物电流。这样，心脏的每一个心动周期均伴随着生物电变化。这种生物电变化可传达到身体表面的各个部位。由于身体各部分组织不同，距心脏的距离不同，心电信号在身体不同的部位所表现出的电位也不同。对正常心脏来说，这种生物电变化的方向、频率、强度是有规律的。若通过电极将体表不同部位的电信号检测出来，再用放大器加以放大，并用记录器描记下来，就可得到心电信号。心电信号中可以完整代表心脏一次心动周期的波形图被称为一个心拍信号。
34.图1b为本发明实施例一提供的一个心拍信号的示意图，参考图1b可见，一个心拍包括p波、q波、r波、s波、t波和u波。通过检测p波、q波、r波、s波、t波和u波中的一个或多个波的特征，可以在心电图中确定心拍信号。其中，横轴为电平基线，以时间为单位，纵轴为心电信号的强度，以电压来表征。在临床中通常将心电信号中t波和s波之间平直段(ts段)延长得到电平基线。
35.在本发明实施例中，从心拍信号序列中定位出各心拍信号，然后对各心拍信号进行识别，确定心拍信号的心拍类型。心拍类型包括非早搏类型和早搏类型。早搏是指异位起搏点发出的过早冲动引起的心脏搏动，为最常见的心律失常。示例性的，可以将心拍信号输入预先训练好的心拍类型识别模型，经心拍类型识别模型确定各心拍信号的心拍类型。具体的，本发明实施例中对心拍类型识别模型的网络结构和参数不做限定。
36.s104、将非早搏类型的心拍信号对应的包络点作为目标包络点，得到目标包络点序列。
37.在本发明实施例中，如前文所述，心电信号和袖带压信号是同步采集的，袖带压信号是由于血液通过血管产生的振荡波通过气管传播到压力传感器而采集到的，该振荡波实质是由于心脏跳动产生的，因此，心拍信号和振荡脉冲信号的包络点之间存在一一对应的关系。在确定各心拍信号的心拍类型之后，将非早搏类型的心拍信号对应的包络点作为目标包络点，屏蔽早搏类型的心拍信号对应的异常包络点，进而得到由目标包络点组成的目标包络点序列。
38.s105、基于目标包络点序列确定收缩压和舒张压。
39.在本发明实施例中，在确定目标包络点序列之后，可以对目标包络点序列中的多个目标包络点进行拟合，得到拟合曲线作为包络线。接着，求出该包络线的峰值点，示例性的，可以采用滑动窗口法或一阶差分法求包络线的峰值点，本发明实施例在此不做限定。然后，将该峰值点对应的血压值作为平均血压值，并将该平均血压值分别乘以收缩压系数和舒张压系数，得到收缩压和舒张压。
40.示例性的，图1c为采用现有技术得到的包络线的示意图，图1d为本发明实施例得到的包络线的示意图，如图1c和图1d所示，图中横轴为血压值，纵轴为振幅，振荡曲线为振荡脉冲信号，图中多个点首尾连接得到的曲线即为包络点首尾连接得到包络点连线，平滑的曲线即为拟合得到的包络线，竖向框线区域内的振荡曲线即为早搏导致的异常振荡脉冲，包络线峰值点对应的血压值即为平均血压值。如图1c和图1d所示，本发明实施例中，包络点连线和包络线相对于现有技术均向右偏移修正，使得平均血压值向右修正，本发明实施例得到的平均血压值为96.80mmhg，现有技术的平均血压值为94.30mmhg，进而修正了收缩压和舒张压，消除了早搏症状对血压测量的干扰，提高了血压测量准确度。
41.本发明实施例提供的血压测量方法，基于采集到的袖带压信号确定振荡脉冲信
号，从振荡脉冲信号中提取包络点，得到包络点序列，确定与袖带压信号同步采集的心拍信号序列中各心拍信号的心拍类型，心拍类型包括非早搏类型和早搏类型，将非早搏类型的心拍信号对应的包络点作为目标包络点，得到目标包络点序列，基于目标包络点序列确定收缩压和舒张压。通过将非早搏类型的心拍信号对应的包络点作为目标包络点，屏蔽早搏类型的心拍信号对应的异常包络点，避免了早搏症状造成振荡脉冲包络线出现偏移或畸形的现象，消除了早搏症状对血压测量的干扰，提高了血压测量准确度。
42.实施例二
43.图2a为本发明实施例二提供的一种血压测量方法的流程图，图2b为本发明实施例二提供的血压测量方法中数据处理流程图，本实施例在前述实施例一的基础上，详细描述了上述实施例中各步骤的详细过程，如图2a、2b所示，该方法包括：
44.s201、从采集到的袖带压信号中提取直流分量和交流分量。
45.图2c为本发明实施例中对袖带压信号进行处理得到振荡脉冲信号的流程图，在本发明的一些实施例中，如图2c所示，在从袖带压信号中提取直流分量和交流分量之前，还可以对袖带压信号进行预处理，袖带压信号的预处理可以包括：基于小波变换的滤波处理，对采集的袖带压信号进行处理，目的是将袖带压信号中的呼吸干扰及工频干扰滤除。
46.实际的信号中都不是绝对的单一的交流信号或直流信号，总是存在多个信号的相互叠加。将交流信号中的低频部分称之为直流分量，交流信号中高频的部分称之为交流分量。
47.在本发明实施例中，基于袖带压信号的特征，对预处理后的袖带压信号分别进行两次滤波处理，得到直流分量和交流分量。如图2c所示，具体的，将预处理后的袖带压信号输入2hz-20hz的带通滤波器中进行滤波处理，得到直流分量；将预处理后的袖带压信号输入2hz的低通滤波器中进行滤波处理，得到交流分量。
48.s202、将直流分量与交流分量映射至同一特征空间下，得到振荡脉冲信号。
49.如图2c所示，在本发明实施例中，由于直流分量与交流分量同为在时间t下袖带压的幅值变化，因此将同一时刻下的交流分量与直流分量映射在同一特征空间下，就能得到该特征空间中的振荡脉冲信号。
50.由于直流分量与交流分量的时间t是一致的，因此，将同一时刻下的直流分量的压力幅值和交流分量的幅值分别作为横轴和纵轴，确定以在直流分量的压力幅值下，交流分量的压力幅值的关系曲线作为振荡脉冲信号。
51.s203、从振荡脉冲信号中确定极大值点和极小值点，得到极大值点序列和极小值点序列。
52.在本发明实施例中，从振荡脉冲信号中确定极大值点和极小值点，得到极大值点序列和极小值点序列。示例性的，图2d为本发明实施例提供的一种包络点提取流程图，如图2d所示，在本发明实施例中，基于一阶差分法确定振荡脉冲信号中的极大值点和极小值点。
53.具体的，一阶差分就是离散函数中连续相邻两项之差。当自变量从x变到x+1时，函数y＝y(x)的改变量δy
x
＝y(x+1)-y(x)，(x＝0，1，2，......)称为函数y(x)在点x的一阶差分。对振荡脉冲信号进行一阶差分计算，经过一阶差分计算后，得到振荡脉冲信号的一阶差分序列{p
′1，p
′2，...，p
′n，}。然后，将前一一阶差分大于零，且后一一阶差分小于零的目标点作为极大值点，将前一一阶差分小于零，且后一一阶差分大于零的目标点作为极小值点。
极大值点和极小值点的判定条件如下：
54.极大值点k
peak
：(0＜p
′
k-1
)&&(0＞p
′
k+1
)
55.极小值点k
valley
：(0＞p
′
k-1
)&&(0＜p
′
k+1
)
56.其中，k为检测到的零点在一阶差分序列中的位置，n为一阶差分序列的长度，k为小于n的正整数。
57.通过上述判定条件确定振荡脉冲信号中的极大值点和极小值点，从而得到极大值点序列和极小值点序列。
58.s204、将极大值点序列和极小值点序列中的元素对位相减，得到包络点序列。
59.在本发明实施例中，将极大值点序列和极小值点序列中的元素对位相减，即处于序列中相同位置的元素相减，得到包络点序列，包络点序列包括多个包络点。具体计算公式如下：
[0060][0061]
其中，feati为第i个包络点，k
peak，i
和k
valley，i
分别表示极大值点序列和极小值点序列中的第i个值。
[0062]
s205、从与袖带压信号同步采集的心拍信号序列中确定各心拍信号。
[0063]
图2e为本发明实施例提供的一种心拍类型识别的流程图，在本发明实施例中，在采集袖带压信号的同时，同步采集用户的心电信号，得到心拍信号序列，心拍信号序列包括多个心拍信号。如图2e所示，从与袖带压信号同步采集的心拍信号序列中确定各心拍信号，或称之为心拍定位。
[0064]
在本发明实施例中，可以对采集的心电信号进行预处理，对心电信号进行降噪滤波。对心电信号的预处理的过程如下：
[0065]
1、基线漂移校正：对原始的心电信号分别通过窗口为0.2s的中值滤波器和窗口为0.6s的中值滤波器，获得基线漂移噪声ζ
0.2
与ζ
0.6
，将原始的心电信号减去两组基线漂移噪声，获得基线校正后的心电信号。将原始的心电信号减去两组基线漂移噪声，获得基线校正后的心电信号。
[0066]
2、滤波：对于工频及高频噪声引起的干扰，将步骤1获得的基线校正后的心电信号通过40hz的低通滤波器，滤除50hz的工频干扰及高频噪声。
[0067]
3、将步骤2获得的信号经过零均值标准化，如公式1所示：
[0068][0069]
其中，s为由步骤2获得的心电信号，σ分别表示信号s的均值和标准差。
[0070]
在本发明实施例中，可以根据参考特征波的位置信息确定心拍信号，参考特征波可以是预处理后的心拍信号中的p波、q波、r波、s波、t波或u波，本发明实施例在此不做限定。参考特征波的位置信息可以是参考特征波的基准点的位置信息，例如，参考特征波的峰值点的位置信息或参考特征波的起点和终点的位置信息。示例性的，在本发明一具体实施例中，考虑到心拍信号中r波的幅值和斜率最大，辨识度最高，可以选择r波作为参考特征波，从心电信号样本中确定r波的峰值点位置信息作为参考特征波的位置信息。
[0071]
具体的，由于r波的峰值点在整个心电信号中的幅值最大，r波的峰值点的邻域内
的幅度变化率最大，因此，确定r波的峰值点的位置信息的过程如下：
[0072]
首先，可以采用滑动窗口法，从预处理后的心拍信号序列中确定局部极大值点，接着，确定局部极大值点的邻域内信号的幅度变化率(即斜率)，将局部极大值点中幅值大于幅值阈值且邻域内信号的幅度变化率大于变化率阈值的极大值点作为r波的峰值点。
[0073]
需要说明的是，上述实施例中，以从心电信号中确定r波的峰值点的位置信息为示例，对本发明实施例中确定参考特征波的位置信息进行说明，在本发明的其他实施例中，参考特征波也可以是其他特征波，也可以采用其他方法确定参考特征波的位置信息，本发明实施例在此不做赘述。
[0074]
然后，基于临床先验知识将以r波的峰值点为参考点的预设邻域内的信号作为心拍信号。该预设邻域内的信号包括心拍信号的p波起点和u波终点。
[0075]
s206、对各心拍信号进行特征提取，得到各心拍信号对应的心拍特征。
[0076]
如图2e所示，在本发明实施例中，将心拍信号输入预先训练好的心拍类型识别模型，经心拍类型识别模型确定各心拍信号的心拍类型。具体的，心拍类型识别模型包括特征提取网络和分类网络，其中，特征提取网络用于从心电信号中提取用于表征心拍信号的特征的心拍特征，分类网络用于对心拍特征进行处理，得到分类结果。
[0077]
示例性的，在本发明实施例中，特征提取网络包括4个依次连接的卷积层，每一卷积层的卷积操作类似，示例性的，第一层卷积层对输入的心拍信号x＝(x1，x2，...，xn)进行卷积操作，得到输出特征该卷积操作的卷积操作的数学表达式如下：
[0078][0079]
其中，l为输出通道编号(即该卷积层的卷积核的编号，卷积层具有多个卷积核)，h为心电信号样本x中采样点的编号，h≤n，i为该卷积核参数编号(卷积核具有多个参数)，c为输入通道编号(即前一卷积层的卷积核的编号)，p为输入通道数量(即前一卷积层的卷积核的数量)，m为卷积核参数的数量。k为卷积核，g为激活函数，激活函数用于加入非线性因素，解决线性模型所不能解决的问题。
[0080]
在本发明实施例中，激活函数为relu函数，relu函数的表达式为：
[0081]
g(x)＝max(0，x)
[0082]
当输入为负数时，则完全不激活，relu函数死掉。relu函数输出要么是0，要么是正数。relu函数可以克服梯度消失的问题，加快训练速度。需要说明的是，在本发明的其他实施例中，激活层中的激活函数也可以是其他激活函数，例如，sigmoid函数或tanh函数，本发明实施例在此不做限定。
[0083]
经过特征提取网络多层卷积层依次卷积处理，得到心拍特征。
[0084]
本发明实施例中，其他卷积层的卷积操作与上述卷积操作类似，区别在于卷积核的数量和卷积核参数的不同，本发明实施例在此不再赘述。
[0085]
s207、基于心拍特征确定各心拍信号的心拍类型。
[0086]
在本发明实施例中，在获得心拍特征之后，将心拍特征输入分类网络中进行处理，确定心拍信号的心拍类型。心拍类型包括非早搏类型和早搏类型。示例性的，在本发明一具体实施例中，基于心拍特征确定各心拍信号的心拍类型的过程如下：
[0087]
1、对心拍特征进行池化处理，得到特征向量。
[0088]
示例性的，将心拍特征输入池化层中进行全局平均池化处理，得到特征向量。
[0089]
2、将特征向量与先验向量进行拼接(concatenate)，得到拼接向量，先验向量包括基于临床先验信息得到的心拍信号的特征属性。
[0090]
将特征向量与先验向量进行拼接(维度增加)，得到拼接向量，加强临床先验信息对识别结果的影响，提高识别准确度。先验向量包括基于临床先验信息得到的心拍信号的特征属性，具体的，先验向量为一个5维向量[rria，rrib，pr_int，qrs_dur，qt_int]，先验向量元素分别表示当前心拍qrs波群与前一个心拍qrs波群的距离与平均qrs波群之间的距离之比(rria)，当前心拍qrs波群与后一个心拍qrs波群的距离与平均qrs波群之间的距离之比(rrib)，当前心拍p波起点至qrs波群起点的时间(pr_int)，qrs波群起点至qrs波群终点的时间(qrs_dur)，qrs波群起点至t波终点的时间(qt_int)。
[0091]
3、将拼接向量映射为心拍信号属于各心拍类型的概率值。
[0092]
示例性的，将拼接向量输入全连接层中进行处理，全连接层对拼接向量进行特征加权，将拼接向量映射为心拍信号属于各心拍类型的概率值。在本发明实施例中，全连接层输出一个2维向量，向量中的元素分别表示当前心拍属于非早搏类型和早搏类型的概率值。
[0093]
在本发明的一些实施例中，心拍类型识别模型还可以包括softmax函数层，softmax函数层用于将全连接层输出的多个概率值归一化。
[0094]
4、基于概率值确定心拍信号的心拍类型。
[0095]
示例性的，将上述输出的2为向量中较大的数值对应的心拍类型作为心拍信号所属的心拍类型。
[0096]
在本发明的另一实施例中，分类网络可以是基于树模型的lightgbm(梯度提升机，light gradient boosting machine)。本发明实施例在此不做限定。
[0097]
综上，步骤s207输出每个心拍信号的分类结果hbtype，组成心拍类型序列{hbtype1，hbtype2，...hbtypen}，其中，n为心拍信号序列中心拍信号的数量，hbtype∈{pb，n}，其中，n代指非早搏心拍类型，pb代指早搏心拍类型。
[0098]
s208、计算包络点序列中第i个包络点与心拍信号序列中第i个心拍信号的时间差。
[0099]
在本发明实施例中，为了避免记录的心拍信号与振荡脉冲信号出现同步错位，计算第i个包络点的发生时间与第i个心拍的发生时间的时间差δi，需要确保时间差δi小于平均心拍间隔δ。其中，平均心拍间隔δ可以通过前述步骤中r波的峰值点的位置信息确定。具体的，平均心拍间隔δ的计算公式如下：
[0100][0101]
其中，rpeakn为已检测到的第n个r波的峰值点，并且n≥1，n表示为从初始时刻开始到当前时刻已检测到的r波的数量总和，time(
·
)表示取该点在当前信号中的发生时间。
[0102]
s209、当时间差小于平均心拍间隔，且第i个心拍信号的心拍类型为非早搏类型时，确定第i个包络点为目标包络点。
[0103]
在本发明实施例中，当时间差δi小于平均心拍间隔δ，且第i个心拍信号的心拍类型为非早搏类型时，确定第i个包络点为目标包络点，从而得到目标包络点组成的目标包络
点序列。通过屏蔽早搏类型的心拍信号对应的异常包络点，避免了早搏症状造成振荡脉冲包络线出现偏移或畸形的现象，消除了早搏症状对血压测量的干扰，提高了血压测量准确度。
[0104]
s210、对目标包络点序列中的目标包络点进行多项式拟合，生成包络线。
[0105]
示例性的，在本发明实施例中，对前述步骤中确定的目标包络点序列中的目标包络点进行三次多项式拟合，生成振荡脉冲信号的包络线。在本发明的其他实施例中，可以采用其他方法(例如样条插值法)对目标包络点进行拟合，生成包络线，本发明实施例在此不做限定。
[0106]
s211、确定包络线的峰值点对应的血压值作为平均血压值。
[0107]
示例性的，在本发明实施例中，可以采用滑动窗口法或一阶差分法求包络线的峰值点，本发明实施例在此不再赘述。将该峰值点对应的血压值作为平均血压值。
[0108]
s212、将平均血压值分别乘以收缩压系数和舒张压系数得到收缩压和舒张压。
[0109]
其中，收缩压系数φ
sbp
和舒张压系数φ
dbp
为预设的常数，可以通过临床试验的统计结果标定。将平均血压值分别乘以收缩压系数和舒张压系数得到收缩压和舒张压。
[0110]
本发明实施例提供的血压测量方法，通过将非早搏类型的心拍信号对应的包络点作为目标包络点，屏蔽早搏类型的心拍信号对应的异常包络点，避免了早搏症状造成振荡脉冲包络线出现偏移或畸形的现象，消除了早搏症状对血压测量的干扰，提高了血压测量准确度。通过将特征向量与先验向量进行拼接(维度增加)，得到拼接向量，加强临床先验信息对识别结果的影响，提高心拍类型的识别准确度。此外，为了避免记录的心拍信号与振荡脉冲信号出现同步错位，只有当时间差小于平均心拍间隔，且第i个心拍信号的心拍类型为非早搏类型时，确定第i个包络点为目标包络点。
[0111]
实施例三
[0112]
图3为本发明实施例三提供的一种血压测量装置的结构示意图，如图3所示，该装置包括：
[0113]
振荡脉冲信号确定模块301，用于基于采集到的袖带压信号确定振荡脉冲信号。
[0114]
具体的，目前，电子血压计通常采用示波法测量血压，首先把袖带捆在测量位置(例如手臂上)，对袖带自动充气，到一定压力(一般比收缩压高出30mmhg-50mmhg)后停止加压，开始放气，当气压到一定程度，血流就能通过血管，且有一定的振荡波，振荡波通过气管传播到压力传感器，压力传感能实时检测到所测袖带内的压力(即袖带压信号)。进而振荡脉冲信号确定模块301可以从袖带压信号确定振荡波对应的振荡脉冲信号。
[0115]
包络点序列提取模块302，用于从振荡脉冲信号中提取包络点，得到包络点序列。
[0116]
包络点即为形成振荡脉冲信号的包络线的特征点，通过对多个包络点进行曲线拟合就能得到包络线。在本发明实施例中，该包络线可以是上包络线或下包络线，本发明实施例在此不做限定。
[0117]
在本发明实施例中，包络点可以是振荡脉冲曲线的峰值点或谷值点，通过极大值、极小值算法，例如滑动窗口法、一阶差分法等计算出振荡脉冲曲线的峰值点或谷值点。在本发明的另一实施例中，包络点基于峰值点和谷值点确定，例如，将获取到的多个峰值点和多个谷值点按照时间顺序形成峰值点序列和谷值点序列，然后将峰值点序列和谷值点序列对位相减，得到包络点。具体的，本发明实施例对包络点序列提取模块302提取包络点的方法
不做限定。
[0118]
心拍类型确定模块303，用于确定与袖带压信号同步采集的心拍信号序列中各心拍信号的心拍类型，心拍类型包括非早搏类型和早搏类型。
[0119]
在本发明实施例中，在采集袖带压信号的同时，同步采集用户的心电信号，得到心拍信号序列，心拍信号序列包括多个心拍信号。
[0120]
在本发明实施例中，心拍类型确定模块303从心拍信号序列中定位出各心拍信号，然后对各心拍信号进行识别，确定心拍信号的心拍类型。心拍类型包括非早搏类型和早搏类型。早搏是指异位起搏点发出的过早冲动引起的心脏搏动，为最常见的心律失常。
[0121]
目标包络点序列确定模块304，用于将非早搏类型的心拍信号对应的包络点作为目标包络点，得到目标包络点序列。
[0122]
在本发明实施例中，如前文所述，心电信号和袖带压信号是同步采集的，袖带压信号是由于血液通过血管产生的振荡波通过气管传播到压力传感器而采集到的，该振荡波实质是由于心脏跳动产生的，因此，心拍信号和振荡脉冲信号的包络点之间存在一一对应的关系。在心拍类型确定模块303确定各心拍信号的心拍类型之后，目标包络点序列确定模块304将非早搏类型的心拍信号对应的包络点作为目标包络点，屏蔽早搏类型的心拍信号对应的异常包络点，进而得到由目标包络点组成的目标包络点序列。
[0123]
血压确定模块305，用于基于目标包络点序列确定收缩压和舒张压。
[0124]
在本发明实施例中，在目标包络点序列确定模块304确定目标包络点序列之后，血压确定模块305可以对目标包络点序列中的多个目标包络点进行拟合，得到拟合曲线作为包络线。接着，求出该包络线的峰值点，示例性的，可以采用滑动窗口法或一阶差分法求包络线的峰值点，本发明实施例在此不做限定。然后，将该峰值点对应的血压值作为平均血压值，并将该平均血压值分别乘以收缩压系数和舒张压系数，得到收缩压和舒张压。
[0125]
本发明实施例提供的血压测量装置，振荡脉冲信号确定模块基于采集到的袖带压信号确定振荡脉冲信号，包络点序列提取模块从振荡脉冲信号中提取包络点，得到包络点序列，心拍类型确定模块确定与袖带压信号同步采集的心拍信号序列中各心拍信号的心拍类型，心拍类型包括非早搏类型和早搏类型，目标包络点序列确定模块将非早搏类型的心拍信号对应的包络点作为目标包络点，得到目标包络点序列，血压确定模块基于目标包络点序列确定收缩压和舒张压。通过将非早搏类型的心拍信号对应的包络点作为目标包络点，屏蔽早搏类型的心拍信号对应的异常包络点，避免了早搏症状造成振荡脉冲包络线出现偏移或畸形的现象，消除了早搏症状对血压测量的干扰，提高了血压测量准确度。
[0126]
在本发明的一些实施例中，振荡脉冲信号确定模块301包括分量提取子模块和特征映射子模块。
[0127]
其中，分量提取子模块，用于从采集到的袖带压信号中提取直流分量和交流分量。
[0128]
具体的，在分量提取子模块从袖带压信号中提取直流分量和交流分量之前，还可以通过预处理模块对袖带压信号进行预处理，预处理模块的处理过程可以包括：基于小波变换的滤波处理，对采集的袖带压信号进行处理，目的是将袖带压信号中的呼吸干扰及工频干扰滤除。
[0129]
实际的信号中都不是绝对的单一的交流信号或直流信号，总是存在多个信号的相互叠加。将交流信号中的低频部分称之为直流分量，交流信号中高频的部分称之为交流分
量。
[0130]
分量提取子模块基于袖带压信号的特征，对预处理后的袖带压信号分别进行两次滤波处理，得到直流分量和交流分量。
[0131]
在本发明的一些实施例中，分量提取子模块包括：
[0132]
直流分量提取单元，用于将袖带压信号输入2hz-20hz的带通滤波器中进行滤波处理，得到直流分量。
[0133]
交流分量提取单元，用于将袖带压信号输入2hz的低通滤波器中进行滤波处理，得到交流分量。
[0134]
其中，特征映射子模块，用于将直流分量与交流分量映射至同一特征空间下，得到振荡脉冲信号。
[0135]
具体的，由于直流分量与交流分量同为在时间t下袖带压的幅值变化，因此，特征映射子模块将同一时刻下的交流分量与直流分量映射在同一特征空间下，就能得到该特征空间中的振荡脉冲信号。
[0136]
在本发明的一些实施例中，特征映射子模块包括：
[0137]
振荡脉冲信号确定单元，用于将同一时刻下的直流分量的压力幅值和交流分量的幅值分别作为横轴和纵轴，确定以在直流分量的压力幅值下，交流分量的压力幅值的关系曲线作为振荡脉冲信号。
[0138]
由于直流分量与交流分量的时间t是一致的，因此，振荡脉冲信号确定单元将同一时刻下的直流分量的压力幅值和交流分量的幅值分别作为横轴和纵轴，确定以在直流分量的压力幅值下，交流分量的压力幅值的关系曲线作为振荡脉冲信号。
[0139]
在本发明的一些实施例中，包络点序列提取模块302包括极值点确定子模块和对位相减子模块。
[0140]
其中，极值点确定子模块用于从振荡脉冲信号中确定极大值点和极小值点，得到极大值点序列和极小值点序列。
[0141]
具体的，在本发明实施例中，极值点确定子模块基于一阶差分法确定振荡脉冲信号中的极大值点和极小值点。
[0142]
具体的，一阶差分就是离散函数中连续相邻两项之差。当自变量从x变到x+1时，函数y＝y(x)的改变量δy
x
＝y(x+1)-y(x)，(x＝0，1，2，......)称为函数y(x)在点x的一阶差分。对振荡脉冲信号进行一阶差分计算，经过一阶差分计算后，得到振荡脉冲信号的一阶差分序列{p
′1，p
′2，...，p
′n，}。然后，将前一一阶差分大于零，且后一一阶差分小于零的目标点作为极大值点，将前一一阶差分小于零，且后一一阶差分大于零的目标点作为极小值点。极大值点和极小值点的判定条件如下：
[0143]
极大值点k
peak
：(0＜p
′
k-1
)&&(0＞p
′
k+1
)
[0144]
极小值点k
valley
：(0＞p
′
k-1
)&&(0＜p
′
k+1
)
[0145]
其中，k为检测到的零点在一阶差分序列中的位置，n为一阶差分序列的长度，k为小于n的正整数。
[0146]
通过上述判定条件确定振荡脉冲信号中的极大值点和极小值点，从而得到极大值点序列和极小值点序列。
[0147]
对位相减子模块用于将极大值点序列和极小值点序列中的元素对位相减，得到包
络点序列。
[0148]
具体的，在本发明实施例中，对位相减子模块将极大值点序列和极小值点序列中的元素对位相减，即处于序列中相同位置的元素相减，得到包络点序列，包络点序列包括多个包络点。具体计算公式如下：
[0149][0150]
其中，feati为第i个包络点，k
peak，i
和k
valley，i
分别表示极大值点序列和极小值点序列中的第i个值。
[0151]
在本发明的一些实施例中，心拍类型确定模块303包括心拍信号确定子模块、特征提取子模块和心拍类型确定子模块。
[0152]
其中，心拍信号确定子模块用于从与袖带压信号同步采集的心拍信号序列中确定各心拍信号。
[0153]
具体的，在本发明实施例中，在采集袖带压信号的同时，同步采集用户的心电信号，得到心拍信号序列，心拍信号序列包括多个心拍信号。从与袖带压信号同步采集的心拍信号序列中确定各心拍信号，或称之为心拍定位。
[0154]
在本发明实施例中，可以通过预处理模块对采集的心电信号进行预处理，对心电信号进行降噪滤波。预处理模块的预处理过程如下：
[0155]
1、基线漂移校正：对原始的心电信号分别通过窗口为0.2s的中值滤波器和窗口为0.6s的中值滤波器，获得基线漂移噪声ζ
0.2
与ζ
0.6
，将原始的心电信号减去两组基线漂移噪声，获得基线校正后的心电信号。将原始的心电信号减去两组基线漂移噪声，获得基线校正后的心电信号。
[0156]
2、滤波：对于工频及高频噪声引起的干扰，将步骤1获得的基线校正后的心电信号通过40hz的低通滤波器，滤除50hz的工频干扰及高频噪声。
[0157]
3、将步骤2获得的信号经过零均值标准化，如公式1所示：
[0158][0159]
其中，s为由步骤2获得的心电信号，σ分别表示信号s的均值和标准差。
[0160]
在本发明实施例中，心拍信号确定子模块可以根据参考特征波的位置信息确定心拍信号，参考特征波可以是预处理后的心拍信号中的p波、q波、r波、s波、t波或u波，本发明实施例在此不做限定。参考特征波的位置信息可以是参考特征波的基准点的位置信息，例如，参考特征波的峰值点的位置信息或参考特征波的起点和终点的位置信息。
[0161]
示例性的，在本发明一具体实施例中，考虑到心拍信号中r波的幅值和斜率最大，辨识度最高，可以选择r波作为参考特征波，从心电信号样本中确定r波的峰值点位置信息作为参考特征波的位置信息。
[0162]
具体的，心拍信号确定子模块包括：
[0163]
极大值点确定单元，用于从与袖带压信号同步采集的心拍信号序列中确定极大值点。
[0164]
具体的，极大值点确定单元可以采用滑动窗口法，从预处理后的心拍信号序列中确定局部极大值点。
[0165]
幅度变化率确定单元，用于确定极大值点的邻域内信号的幅度变化率。
[0166]
具体的，幅度变化率确定单元确定局部极大值点的邻域内信号的幅度变化率(即斜率)。
[0167]
r波的峰值点确定单元，用于将局部极大值点中幅值大于幅值阈值且邻域内信号的幅度变化率大于变化率阈值的极大值点作为r波的峰值点。
[0168]
需要说明的是，上述实施例中，以从心电信号中确定r波的峰值点的位置信息为示例，对本发明实施例中确定参考特征波的位置信息进行说明，在本发明的其他实施例中，参考特征波也可以是其他特征波，也可以采用其他方法确定参考特征波的位置信息，本发明实施例在此不做赘述。
[0169]
心拍信号确定单元，用于基于临床先验知识将以r波的峰值点为参考点的预设邻域内的信号作为心拍信号。该预设邻域内的信号包括心拍信号的p波起点和u波终点。
[0170]
特征提取子模块用于对各心拍信号进行特征提取，得到各心拍信号对应的心拍特征。
[0171]
具体的，特征提取子模块可以为预先训练好的心拍类型识别模型，经心拍类型识别模型确定各心拍信号的心拍类型。具体的，心拍类型识别模型包括特征提取网络和分类网络，其中，特征提取网络用于从心电信号中提取用于表征心拍信号的特征的心拍特征，分类网络用于对心拍特征进行处理，得到分类结果。
[0172]
示例性的，在本发明实施例中，特征提取网络包括4个依次连接的卷积层，每一卷积层的卷积操作类似，示例性的，第一层卷积层对输入的心拍信号x＝(x1，x2，...，xn)进行卷积操作，得到输出特征该卷积操作的卷积操作的数学表达式如下：
[0173][0174]
其中，l为输出通道编号(即该卷积层的卷积核的编号，卷积层具有多个卷积核)，h为心电信号样本x中采样点的编号，h≤n，i为该卷积核参数编号(卷积核具有多个参数)，c为输入通道编号(即前一卷积层的卷积核的编号)，p为输入通道数量(即前一卷积层的卷积核的数量)，m为卷积核参数的数量。k为卷积核，g为激活函数，激活函数用于加入非线性因素，解决线性模型所不能解决的问题。
[0175]
在本发明实施例中，激活函数为relu函数，relu函数的表达式为：
[0176]
g(x)＝max(0，x)
[0177]
当输入为负数时，则完全不激活，relu函数死掉。relu函数输出要么是0，要么是正数。relu函数可以克服梯度消失的问题，加快训练速度。需要说明的是，在本发明的其他实施例中，激活层中的激活函数也可以是其他激活函数，例如，sigmoid函数或tanh函数，本发明实施例在此不做限定。
[0178]
经过特征提取网络多层卷积层依次卷积处理，得到心拍特征。
[0179]
本发明实施例中，其他卷积层的卷积操作与上述卷积操作类似，区别在于卷积核的数量和卷积核参数的不同，本发明实施例在此不再赘述。
[0180]
心拍类型确定子模块用于基于心拍特征确定各心拍信号的心拍类型。
[0181]
在本发明实施例中，心拍类型确定子模块可以为前文所述的分类网络，在获得心
拍特征之后，分类网络对心拍特征进行处理，确定心拍信号的心拍类型。心拍类型包括非早搏类型和早搏类型。
[0182]
示例性的，在本发明一具体实施例中，心拍类型确定子模块包括：
[0183]
特征向量提取子模块，用于对心拍特征进行池化处理，得到特征向量。
[0184]
示例性的，将心拍特征输入池化层中进行全局平均池化处理，得到特征向量。
[0185]
向量拼接子模块，用于将特征向量与先验向量进行拼接(concatenate)，得到拼接向量，先验向量包括基于临床先验信息得到的心拍信号的特征属性。
[0186]
将特征向量与先验向量进行拼接(维度增加)，得到拼接向量，加强临床先验信息对识别结果的影响，提高识别准确度。先验向量包括基于临床先验信息得到的心拍信号的特征属性，具体的，先验向量为一个5维向量[rria，rrib，pr_int，qrs_dur，qt_int]，先验向量元素分别表示当前心拍qrs波群与前一个心拍qrs波群的距离与平均qrs波群之间的距离之比(rria)，当前心拍qrs波群与后一个心拍qrs波群的距离与平均qrs波群之间的距离之比(rrib)，当前心拍p波起点至qrs波群起点的时间(pr_int)，qrs波群起点至qrs波群终点的时间(qrs_dur)，qrs波群起点至t波终点的时间(qt_int)。
[0187]
概率值计算子模块，用于将拼接向量映射为心拍信号属于各心拍类型的概率值。
[0188]
示例性的，将拼接向量输入全连接层中进行处理，全连接层对拼接向量进行特征加权，将拼接向量映射为心拍信号属于各心拍类型的概率值。在本发明实施例中，全连接层输出一个2维向量，向量中的元素分别表示当前心拍属于非早搏类型和早搏类型的概率值。
[0189]
在本发明的一些实施例中，心拍类型识别模型还可以包括softmax函数层，softmax函数层用于将全连接层输出的多个概率值归一化。
[0190]
心拍类型确定子模块，用于基于概率值确定心拍信号的心拍类型。
[0191]
示例性的，将输出的2为向量中较大的数值对应的心拍类型作为心拍信号所属的心拍类型。
[0192]
在本发明的另一实施例中，分类网络可以是基于树模型的lightgbm(梯度提升机，light gradient boosting machine)。本发明实施例在此不做限定。
[0193]
每个心拍信号的分类结果hbtype，组成心拍类型序列{hbtype1，hbtype2，...hbtypen}，其中，n为心拍信号序列中心拍信号的数量，hbtype∈{pb，n}，其中，n代指非早搏心拍类型，pb代指早搏心拍类型。
[0194]
在本发明的一些实施例中，目标包络点序列确定模块304包括：
[0195]
时间差计算子模块，用于计算包络点序列中第i个包络点与心拍信号序列中第i个心拍信号的时间差。
[0196]
具体的，在本发明实施例中，为了避免记录的心拍信号与振荡脉冲信号出现同步错位，时间差计算子模块计算第i个包络点的发生时间与第i个心拍的发生时间的时间差δi，需要确保时间差δi小于平均心拍间隔δ。其中，平均心拍间隔δ可以通过前述步骤中r波的峰值点的位置信息确定。具体的，平均心拍间隔δ的计算公式如下：
[0197][0198]
其中，rpeakn为已检测到的第n个r波的峰值点，并且n≥1，n表示为从初始时刻开始到当前时刻已检测到的r波的数量总和，time(
·
)表示取该点在当前信号中的发生时间。
[0199]
目标包络点确定子模块，用于在时间差小于平均心拍间隔，且第i个心拍信号的心拍类型为非早搏类型时，确定第i个包络点为目标包络点。
[0200]
在本发明实施例中，当时间差δi小于平均心拍间隔δ，且第i个心拍信号的心拍类型为非早搏类型时，目标包络点确定子模块确定第i个包络点为目标包络点，从而得到目标包络点组成的目标包络点序列。通过屏蔽早搏类型的心拍信号对应的异常包络点，避免了早搏症状造成振荡脉冲包络线出现偏移或畸形的现象，消除了早搏症状对血压测量的干扰，提高了血压测量准确度。
[0201]
在本发明的一些实施例中，血压确定模块305包括：
[0202]
包络线生成子模块，用于对目标包络点序列中的目标包络点进行多项式拟合，生成包络线。
[0203]
示例性的，在本发明实施例中，包络线生成子模块对前述步骤中确定的目标包络点序列中的目标包络点进行三次多项式拟合，生成振荡脉冲信号的包络线。在本发明的其他实施例中，可以采用其他方法(例如样条插值法)对目标包络点进行拟合，生成包络线，本发明实施例在此不做限定。
[0204]
平均血压值确定子模块，用于确定包络线的峰值点对应的血压值作为平均血压值。
[0205]
示例性的，在本发明实施例中，平均血压值确定子模块可以采用滑动窗口法或一阶差分法求包络线的峰值点，本发明实施例在此不再赘述。将该峰值点对应的血压值作为平均血压值。
[0206]
血压值计算子模块，用于将平均血压值分别乘以收缩压系数和舒张压系数得到收缩压和舒张压。
[0207]
其中，收缩压系数φ
sbp
和舒张压系数φ
dbp
为预设的常数，可以通过临床试验的统计结果标定。血压值计算子模块将平均血压值分别乘以收缩压系数和舒张压系数得到收缩压和舒张压。
[0208]
本发明实施例提供的血压测量装置，通过目标包络点序列确定模块将非早搏类型的心拍信号对应的包络点作为目标包络点，屏蔽早搏类型的心拍信号对应的异常包络点，避免了早搏症状造成振荡脉冲包络线出现偏移或畸形的现象，消除了早搏症状对血压测量的干扰，提高了血压测量准确度。通过向量拼接子模块将特征向量与先验向量进行拼接(维度增加)，得到拼接向量，加强临床先验信息对识别结果的影响，提高心拍类型的识别准确度。此外，为了避免记录的心拍信号与振荡脉冲信号出现同步错位，只有当时间差小于平均心拍间隔，且第i个心拍信号的心拍类型为非早搏类型时，目标包络点确定子模块确定第i个包络点为目标包络点。
[0209]
实施例四
[0210]
本发明实施例四提供了一种电子血压计，图4为本发明实施例四提供的一种电子血压计的结构示意图，如图4所示，该电子血压计包括：
[0211]
处理器401、存储器402、通信模块403、输入装置404和输出装置405；电子血压计中处理器401的数量可以是一个或多个，图4中以一个处理器401为例；电子血压计中的处理器401、存储器402、通信模块403、输入装置404和输出装置405可以通过总线或其他方式连接，图4中以通过总线连接为例。上述处理器401、存储器402、通信模块403、输入装置404和输出
装置405可以集成在电子血压计上。
[0212]
存储器402作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如上述实施例中的血压测量方法对应的模块。处理器401通过运行存储在存储器402中的软件程序、指令以及模块，从而执行电子血压计的各种功能应用以及数据处理，即实现上述的血压测量方法。
[0213]
存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据微型计算机的使用所创建的数据等。此外，存储器402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，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器402可进一步包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0214]
通信模块403，用于与外界设备(例如智能终端)建立连接，并实现与外界设备的数据交互。输入装置404可用于接收输入的数字或字符信息，以及产生与电子血压计的用户设置以及功能控制有关的键信号输入。
[0215]
本实施例提供的一种电子血压计，可执行本发明上述任意实施例提供的血压测量方法，具有相应的功能和有益效果。
[0216]
实施例五
[0217]
本发明实施例五提供了一种包含计算机可执行指令的存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明上述任意实施例提供的血压测量方法，该方法包括：
[0218]
基于采集到的袖带压信号确定振荡脉冲信号；
[0219]
从所述振荡脉冲信号中提取包络点，得到包络点序列；
[0220]
确定与所述袖带压信号同步采集的心拍信号序列中各心拍信号的心拍类型，所述心拍类型包括非早搏类型和早搏类型；
[0221]
将非早搏类型的心拍信号对应的包络点作为目标包络点，得到目标包络点序列；
[0222]
基于所述目标包络点序列确定收缩压和舒张压。
[0223]
需要说明的是，对于装置、设备和存储介质实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0224]
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台电子血压计(可以是机器人，个人计算机，服务器，或者网络设备等)执行本发明任意实施例所述的血压测量方法。
[0225]
值得注意的是，上述装置中，所包括的各个模块、子模块、单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块
的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
[0226]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行装置执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0227]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0228]
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。