一种基于耳机的耳部健康监测方法与流程

本发明涉及耳机控制，尤其涉及一种基于耳机的耳部健康监测方法。

背景技术：

1、随着智能手表、智能手环等可穿戴设备的广泛应用，人们对实时、便携的健康监测需求日益增长。耳朵作为人体的重要感官器官，具有血流丰富、位置稳定等特点，为连续、稳定的生理参数监测提供了理想的位置。此外，耳道相对封闭的环境可以减少外界干扰，提高监测精度。现代人追求便携和多功能性，希望单一设备能够同时满足多种需求。耳机作为日常使用频率较高的电子设备，具有集成健康监测功能的潜力，因此具有耳部健康监测功能的耳机应运而生。然而传统健康监测设备通常需要专业的设备和复杂的操作，普通用户难以自行使用；在连续监测过程中的运动伪影干扰也会大大影响健康评估的准确性。

技术实现思路

1、基于此，本发明有必要提供一种基于耳机的耳部健康监测方法，以解决至少一个上述技术问题。

2、为实现上述目的，一种基于耳机的耳部健康监测方法，包括以下步骤：

3、步骤s1：通过耳机集成的光电容积描记传感器采集原始光电信号数据，其中光电容积描记传感器包括多个不同波长的微型led以及高灵敏度的微型光电二极管；对原始光电信号数据进行信号增强，从而得到高质量的光电信号数据；

4、步骤s2：对高质量的光电信号数据进行生理特征分析，得到包括心率、心率变异性、血氧饱和度、体温以及血压估算的生理特征数据；将生理特征数据通过柔性电路板传输至信号处理模块，并进行初步滤波及特征提取，得到生理参数数据；

5、步骤s3：根据生理参数数据进行多模态融合分析，并根据预获取的运动数据进行运动干扰消除，得到净化生理数据；将净化生理数据发送至云端进行深度分析以及长期趋势追踪，从而得到深度分析数据；

6、步骤s4：根据深度分析数据进行健康状态评估，生成个性化健康报告数据；将个性化健康报告数据回传至耳机，并通过语音展示用户当前的健康状况，得到健康提示数据。

7、本发明实施例通过耳机采集光电信号数据，可以实现非侵入式的生理参数监测，无需佩戴额外的传感器设备；光电容积描记传感器的多波长led和高灵敏度光电二极管可以提供更详细和准确的心率和血流动力学信息；信号增强处理可以提高光电信号的质量和准确性，减少可能的噪音和干扰，从而提高后续生理特征分析的准确性。通过光电信号数据的生理特征分析，可以获得多个关键的生理参数，提供对用户健康状况的定量评估；心率、心率变异性、血氧饱和度、体温以及血压估算等生理指标的监测可以提供对心血管健康和整体健康状态的评估；利用柔性电路板传输生理特征数据并进行初步滤波和特征提取，可以确保数据的可靠性和准确性，为后续的分析提供更好的数据基础。多模态融合分析可以综合考虑不同生理参数之间的关联性，提供更全面和准确的健康评估结果；运动干扰消除可以减少运动对生理参数的干扰，提高数据的准确性和可靠性；通过净化的生理数据，可以更准确地了解用户的生理状态，为健康管理和预防提供更有针对性的建议；云端深度分析和长期趋势追踪可以利用大数据和强大的算法，提供更全面、准确和个性化的健康分析和建议。基于深度分析数据的健康状态评估可以提供更准确和全面的健康状况判断，帮助用户了解自己的健康水平；生成的个性化健康报告数据可以根据用户的具体情况和需求进行定制，提供针对性的健康建议和指导；通过语音方式展示健康报告，用户可以方便地获取健康提示信息，无需查看屏幕或其他设备，健康提示数据可以帮助用户及时关注健康问题，采取积极的措施进行改善和管理。

8、优选地，步骤s1包括以下步骤：

9、步骤s11：对耳机中的光电容积描记传感器进行初始化，得到传感器状态数据，其中初始化包括不同波长的微型led以及高灵敏度光电二极管的激活；

10、步骤s12：根据传感器状态数据对初始化后的光电容积描记传感器进行自校准，从而得到校准参数数据；

11、步骤s13：利用微型led发射预设波长的光，并通过微型光电二极管接收反射光，从而得到原始光电信号数据；

12、步骤s14：根据校准参数数据对原始光电信号数据进行信号放大以及滤波，从而得到初步光电信号数据；

13、步骤s15：对初步光电信号数据进行基于波长的分离，从而得到多波长光电信号数据；

14、步骤s16：对多波长光电信号数据进行信号噪声比以及信号质量指数计算，从而得到信号质量评估数据；

15、步骤s17：根据预设质量阈值对信号质量评估数据进行质量判断，如果低于预设阈值，则触发重新采集，从而得到高质量的光电信号数据。

16、本发明通过初始化光电容积描记传感器，可以确保传感器处于正常工作状态，并准备好接收光信号，激活不同波长的微型led和高灵敏度光电二极管有助于为后续步骤提供多种光源和接收器选项，以便进行更准确的测量和分析。自校准过程可以校正传感器的内部偏差和不准确性，从而提高测量的准确性和可靠性，通过获得校准参数数据，后续步骤可以使用这些数据来精确地处理原始光电信号。通过使用微型led发射特定波长的光，并通过微型光电二极管接收反射光，可以获取与耳机中的组织和血液相关的原始光电信号，这些原始信号可以提供关于生物参数(如心率、血氧饱和度等)的信息。通过应用校准参数数据，原始光电信号可以进行放大和滤波处理，以增强感兴趣的生物信号并减少噪声的干扰，这可以提高后续信号处理和分析的准确性。通过基于波长的分离，可以将初步光电信号按照不同波长进行分组，这种分离可以提供更详细和针对性的生物参数信息，因为不同波长的光在组织和血液中的吸收和散射特性不同。通过计算信号噪声比和信号质量指数，可以评估多波长光电信号的质量，这些评估数据可以帮助判断信号是否受到噪声干扰、是否具有足够的强度和清晰度，以及是否适用于后续的生物参数计算和分析。通过设定质量阈值并对信号质量评估数据进行判断，可以确定光电信号的质量是否达到预设标准，如果信号质量低于预设阈值，触发重新采集可以确保获取高质量的光电信号数据，以提高后续生物参数计算和分析的准确性和可靠性。

17、优选地，步骤s15包括以下步骤：

18、步骤s151：利用离散小波变换对初步光电信号数据进行多尺度分解，从而得到不同频段的信号分量数据；

19、步骤s152：通过软阈值法根据信号分量数据对每个波长的信号分量进行独立的去除高频噪声处理，从而得到初步去噪的多波长信号数据；

20、步骤s153：利用独立分量分析技术对多波长信号数据进行不同生理过程对应的信号成分分离，从而得到生理信号成分数据；

21、步骤s154：对生理信号成分数据进行短时傅里叶变换，从而得到多波长光电信号数据。

22、本发明通过离散小波变换，可以将初步光电信号数据分解为不同频段的信号分量，这种多尺度分解可以提供关于不同频率范围内生物信号的信息，从而帮助进一步分析和解释光电信号的特征。通过应用软阈值法，可以对每个波长的信号分量进行独立的去噪处理，这种去除高频噪声的处理有助于减少来自环境干扰、电子噪声等因素引入的噪声，提高多波长信号数据的质量和准确性。通过独立分量分析技术，可以将多波长信号数据分离为不同生理过程对应的信号成分，这种分离可以识别和提取出与特定生理参数相关的信号成分，如心跳信号、脉搏信号等，从而实现对生理过程的定量分析和评估。通过应用短时傅里叶变换，可以将生理信号成分数据转换为多波长光电信号数据，这种变换可以提供关于不同波长的光电信号在时间和频率上的变化特征，帮助进一步分析和解释与生理过程相关的信息。

23、优选地，步骤s2包括以下步骤：

24、步骤s21：对高质量的光电信号数据进行时间窗口分段，并利用自适应窗口算法动态调整窗口大小，从而得到光电信号分段数据；

25、步骤s22：对高质量的光电信号分段数据进行生理特征分析，得到包括心率、心率变异性、血氧饱和度、体温以及血压估算的生理特征数据；

26、步骤s23：通过机器学习技术对生理特征数据进行异常检测及初步分类，从而得到异常标记数据；

27、步骤s24：对生理特征数据进行无损压缩编码，从而得到生理特征压缩数据；

28、步骤s25：对生理特征压缩数据以及异常标记数据进行数据打包，并添加时间戳和用户id，从而得到生理特征数据包；

29、步骤s26：将生理特征数据包通过柔性电路板传输至信号处理模块，并进行初步滤波及特征提取，得到生理参数数据。

30、本发明通过对光电信号数据进行时间窗口分段，可以将连续的信号分割为较小的片段；采用自适应窗口算法可以根据信号的动态特性调整窗口大小，使得每个分段包含的信号具有更好的局部特征，提高后续分析的准确性和可靠性。通过对光电信号分段数据进行生理特征分析，可以提取与生理状态相关的指标；心率、心率变异性、血氧饱和度、体温以及血压估算等生理特征数据可以提供对用户健康和生理状态的重要指示，支持健康监测和疾病诊断。利用机器学习技术对生理特征数据进行异常检测和分类，可以自动识别潜在的异常情况，异常标记数据可以帮助医护人员快速发现和处理异常情况，及时采取必要的医疗措施，提高健康监测的安全性和有效性。通过无损压缩编码，可以减少生理特征数据的存储空间占用和传输成本，同时保持数据的完整性和准确性，生理特征压缩数据占用较小的存储空间，便于数据的传输和存储，并节省资源。将生理特征压缩数据、异常标记数据、时间戳和用户id打包成数据包，有助于整合和组织数据，方便后续的数据管理和处理，时间戳和用户id的添加可以提供数据的时序信息和身份识别，支持对数据进行溯源和个性化分析。通过柔性电路板传输生理特征数据包，可以实现对数据的快速、可靠的传输，在信号处理模块中进行初步滤波和特征提取，有助于去除噪声和提取与特定生理参数相关的信息，从而得到准确的生理参数数据，为后续的分析和应用提供可靠的数据基础。

31、优选地，步骤s22包括以下步骤：

32、步骤s221：对光电信号分段数据进行峰值检测以及心率计算，并进行基于中值滤波的异常值去除，从而得到初步心率数据；

33、步骤s222：根据初步心率数据进行连续心跳间隔计算，并进行时域以及频域分析，从而得到心率变异性特征数据；

34、步骤s223：根据心率变异性特征数据进行基于不同波长的比值计算，从而得到血氧饱和度数据；

35、步骤s224：对光电信号分段数据进行红外光信号强度变化分析，并根据预先建立的温度-信号强度校准曲线进行体温估算，从而得到体温估算数据；

36、步骤s225：对光电信号分段数据进行脉搏波传播时间分析，从而得到血压估算数据；

37、步骤s226：将初步心率数据、心率变异性特征数据、血氧饱和度数据、体温估算数据以及血压估算数据合并为生理特征数据。

38、本发明通过对光电信号分段数据进行峰值检测和心率计算，可以获得初步的心率数据；基于中值滤波的异常值去除可以有效去除由于信号噪声或干扰引起的异常值，提高心率数据的准确性和可靠性。通过连续心跳间隔计算和时域、频域分析，可以得到心率变异性特征数据，心率变异性是心跳间隔的变化模式，对心脏自主神经系统的功能状态和整体健康状况提供重要的信息，心率变异性特征数据可用于评估心脏健康、应激水平和自主神经系统的调节能力。根据心率变异性特征数据进行基于不同波长的比值计算，可以推断血氧饱和度，不同波长的光在血液中的吸收特性与血氧饱和度相关，通过比较各个波长的光信号可以估计血氧饱和度的水平，血氧饱和度是衡量血液中氧气含量的重要指标，对于评估呼吸和循环系统的功能至关重要。通过红外光信号强度变化分析，可以捕捉到与体温相关的特征，通过预先建立的温度-信号强度校准曲线，可以将光信号强度的变化转换为体温的估算，体温估算数据可以为健康监测和疾病诊断提供重要的生理指标。通过脉搏波传播时间分析，可以推断血压的变化，脉搏波传播时间反映了心脏搏动传导至特定位置的时间，可以用于估算血压，血压估算数据对于监测血液循环和心血管健康具有重要意义。将以上提取的初步心率数据、心率变异性特征数据、血氧饱和度数据、体温估算数据以及血压估算数据合并为生理特征数据，可以为整体健康状况提供综合评估，将这些不同方面的生理指标综合考虑，可以提供更全面、准确的健康状态信息，有助于监测个体的生理健康、评估疾病风险以及指导医疗干预和健康管理。

39、优选地，步骤s226包括以下步骤：

40、步骤s2261：对初步心率数据、心率变异性特征数据、血氧饱和度数据、体温估算数据以及血压估算数据进行时间对齐，从而得到时间对齐时间数据；

41、步骤s2262：对时间对齐生理数据进行归一化处理，从而得到归一化生理特征数据；

42、步骤s2263：对归一化生理特征数据进行可信度评分，并进行低可信度数据标记，从而得到生理数据质量评分数据；

43、步骤s2264：根据生理数据质量评分数据对归一化生理特征数据进行筛选，从而得到生理特征数据。

44、本发明通过对不同生理数据进行时间对齐，可以确保它们在相同的时间点上对应；时间对齐有助于整合不同来源的生理数据，使其具有一致的时间标尺，从而方便后续的数据分析和综合评估。通过对时间对齐的生理数据进行归一化处理，可以消除不同生理指标之间的量纲差异，使它们在相同的数值范围内进行比较和分析，归一化有助于减少因数据尺度不同而引入的偏差，提高数据的可比性和一致性。通过对归一化生理特征数据进行可信度评分，可以评估数据的质量和可靠性。对于每个数据点，可信度评分可以根据数据的稳定性、噪声水平、采集质量等因素进行计算，低可信度数据的标记可以帮助后续的数据筛选和分析，确保仅使用高质量的生理数据进行进一步处理。通过根据生理数据质量评分数据进行筛选，可以排除低质量或不可靠的数据点，从而获得高质量的生理特征数据。筛选后的数据更加可靠和准确，可以提高后续分析和研究的可信度和有效性。

45、优选地，步骤s26包括以下步骤：

46、步骤s261：将生理特征数据通过柔性电路板传输至信号处理模块，并进行完整性校验以及解码，从而还原得到生理特征压缩数据和异常标记数据；

47、步骤s262：通过粒子滤波器对生理特征压缩数据进行高斯噪声滤波，从而得到初步滤波生理数据；

48、步骤s263：对初步滤波生理数据进行带通滤波，保留预设频率范围内的信号成分，从而得到滤波生理数据；

49、步骤s264：根据异常标记数据对滤波生理数据进行异常值修复，从而得到生理异常修复数据；

50、步骤s265：对生理异常修复数据特征提取，从而得到初步生理参数数据，其中特征包括平均心率、最大心率、最小心率、心率变异性指标、平均血氧饱和度以及体温变化趋势；

51、步骤s265：根据异常标记数据对初步生理参数数据进行异常标记，识别并标注异常事件，从而得到标记的生理参数数据。

52、本发明通过柔性电路板传输和信号处理模块的操作，可以有效地传输生理特征数据，并进行完整性校验和解码，确保数据的完整性和准确性，还原得到的生理特征压缩数据和异常标记数据为后续的数据处理和分析提供了基础。通过高斯噪声滤波，可以有效地去除生理特征压缩数据中的噪声成分，提高数据的质量和信噪比，初步滤波的生理数据为后续的信号处理和分析提供了更可靠的基础。通过带通滤波，可以选择性地保留预设频率范围内的生理信号成分，去除其他频率范围的干扰信号，滤波后得到的生理数据更加专注于感兴趣的频率范围，有助于后续的特征提取和分析。通过根据异常标记数据对滤波生理数据进行异常值修复，可以去除生理数据中的异常值或噪点，提高数据的准确性和可靠性，生理异常修复数据为后续的特征提取和参数计算提供了更可靠的数据基础。通过对生理异常修复数据进行特征提取，可以从数据中提取出一些重要的生理参数。这些参数包括平均心率、最大心率、最小心率、心率变异性指标、平均血氧饱和度以及体温变化趋势等，提供了对个体生理状态的定量描述和评估。通过根据异常标记数据对初步生理参数数据进行异常标记，可以识别和标注生理参数中的异常事件。这些异常事件包括心率异常、血氧饱和度异常、体温异常等。标记的生理参数数据有助于进一步的异常检测和健康状态监测。

53、优选地，步骤s3包括以下步骤：

54、步骤s31：对生理参数数据进行时间对齐和归一化处理，得到标准化生理参数数据；

55、步骤s32：利用加速度传感器采集用户运动数据，并进行预处理，得到运动数据；

56、步骤s33：将标准化生理参数数据与运动数据进行时间同步，得到多模态时序数据；

57、步骤s34：利用卡尔曼滤波算法对多模态时序数据中的运动干扰进行消除，从而得到初步净化的生理数据；

58、步骤s35：利用独立成分分析技术对初步净化的生理数据进行生理信号以及残余噪声分离，从而得到净化生理数据

59、步骤s36：将净化生理数据发送至云端进行深度分析以及长期趋势追踪，从而得到深度分析数据。

60、本发明通过时间对齐和归一化处理，可以将不同采集时间点的生理参数数据统一到相同的时间尺度，并进行数据的标准化处理；标准化生理参数数据有助于消除时间差异和量纲差异，提供一致的数据基准，方便后续的数据分析和比较。通过采集加速度传感器数据，可以获取用户的运动数据，预处理操作可以包括滤波、噪声去除等，以提高运动数据的质量和准确性；运动数据提供了关于用户活动水平、姿势变化等方面的信息，为后续的多模态数据融合提供了基础。通过将标准化生理参数数据和运动数据进行时间同步，可以将两种数据源的时间轴对齐，确保它们在相同时间点上对应；这样得到的多模态时序数据将生理参数和运动信息结合起来，提供更全面的数据视角，有助于揭示生理和运动之间的关联性和影响。卡尔曼滤波算法可以通过对多模态时序数据中的运动数据进行建模和估计，消除运动对生理参数的干扰；通过去除运动噪声，得到初步净化的生理数据，提高了生理数据的准确性和可靠性。独立成分分析技术可以将初步净化的生理数据分解为独立的生理信号和残余噪声成分，通过分离生理信号和噪声，可以进一步提取生理信号的特征和变化趋势，得到更干净和可解释的净化生理数据。通过将净化的生理数据发送至云端进行深度分析，可以利用云端计算能力和算法模型对数据进行更加复杂和全面的分析，这包括对生理数据的模式识别、异常检测、健康状况评估等方面的分析；同时，长期趋势追踪可以帮助监测个体的生理状态变化和趋势，提供更深入的健康管理和预警功能。