一种基于PPG信号的呼吸率测量方法、装置及电子设备

技术领域

本申请涉及信号处理技术领域，特别地涉及一种基于PPG信号的呼吸率测量方法、装置、存储介质以及电子设备。

背景技术

从PPG(光电容积脉搏波描记法Photoplethysmogram，简称PPG)信号中计算呼吸率的主流方法包括使用数字滤波器、EMD(经验模态分解empirical mode decomposition，简称EMD)分解、小波变换等方法提取呼吸信号，并根据所分解的呼吸信号计算呼吸率；或是从PPG信号中提取和呼吸相关的特征，根据所提取的特征计算呼吸率。

但是在实际计算的情况中，由于实际采集的PPG信号易受生理和外部测量等多种因素的影响，PPG波形会随之产生变形，进而提取的PPG间期和幅值特征就会产生误差，尤其是PPG幅值受干扰影响较大。比如，当计算呼吸率时选定的范围在0.1～0.8Hz之间时，极易产生脉冲噪音从而影响呼吸率估计的准确性和稳定性。

由于一些基于相关熵的算法对于脉冲噪音具有很好的抗性，因此亟需一种借助于相关熵来提高呼吸率测量的准确性和稳定性的方法。

发明内容

针对上述问题，本申请提出一种基于PPG信号的呼吸率测量方法、装置、存储介质及电子设备。在计算呼吸率和进行呼吸率修正时采用了相关熵谱密度和基于最大熵准则的卡尔曼滤波修正算法，极大的降低了计算呼吸率过程中脉冲噪音对呼吸率估计造成的影响。

本申请的第一个方面，提供了一种基于PPG信号的呼吸率测量方法，所述方法包括：

对初始PPG信号进行预处理得到预处理后的PPG信号，并确定所述预处理后的PPG信号中的波峰和波谷；

根据所述波峰和波谷确定上包络线RIIV、波峰间隔序列RIFV以及波幅序列RIAV；

分别确定所述上包络线RIIV、所述波峰间隔序列RIFV以及所述波幅序列RIAV的相关熵谱密度，得到对应的csdRiiv、csdRifv以及csdRiav；

分别根据所述csdRiiv、所述csdRifv以及所述csdRiav确定在预设谱密度区间内对应的峰值频率R1、R2以及R3；

通过基于最大相关熵准则的卡尔曼滤波器对所述R1、所述R2以及所述R3进行修正处理，得到对应的RF1、RF2以及RF3；

根据所述RF1、所述RF2以及所述RF3确定融合呼吸率。

进一步的，所述根据所述波峰和波谷确定上包络线RIIV、波峰间隔序列RIFV以及波幅序列RIAV，包括：

根据所述波峰和波谷，通过滑窗的方式提取所述上包络线RIIV、波峰间隔序列RIFV以及波幅序列RIAV。

进一步的，所述通过基于最大相关熵准则的递归滤波器对所述R1、所述R2以及所述R3进行修正处理，得到对应的RF1、RF2以及RF3，包括：

确定PPG信号的信号质量Qua；

根据所述信号质量Qua确定测量噪声的协方差矩阵R_adjust；

根据所述R_adjust、通过基于最大相关熵准则的递归滤波器对所述R1、所述R2以及所述R3进行修正处理，得到对应的RF1、RF2以及RF3。

进一步的，所述确定PPG信号的信号质量Qua，包括：

确定所述初始PPG信号的信号质量Qua1，将所述信号质量Qua1作为所述PPG信号的信号质量Qua；或

对所述预处理后的PPG信号进行分解获得分解后的信号，确定所述分解后的信号的信号质量Qua2，将所述信号质量Qua2作为所述PPG信号的信号质量Qua。

进一步的，在所述根据所述RF1、所述RF2以及所述RF3确定融合呼吸率之后，还包括：

保存所述RF1、所述RF2以及所述RF3，以在下次进行卡尔曼滤波时，将所述RF1、所述RF2以及所述RF3作为卡尔曼滤波新的输入参数X。

进一步的，在所述根据所述RF1、所述RF2以及所述RF3确定融合呼吸率之后，还包括：

保存卡尔曼滤波过程中生成的新的后验协方差矩阵P，以在下次进行卡尔曼滤波时，将所述新的后验协方差矩阵P作为卡尔曼滤波输入参数中的后验协方差矩阵P。

进一步的，根据所述R1、所述R2以及所述R3生成卡尔曼滤波输入参数中的测量向量Y。

本申请的第二个方面，提供了一种基于PPG信号的呼吸率测量装置，所述装置包括：

波峰和波谷确定模块，用于对初始PPG信号进行预处理得到预处理后的PPG信号，并确定所述预处理后的PPG信号中的波峰和波谷；

呼吸相关特征确定模块，用于根据所述波峰和波谷确定上包络线RIIV、波峰间隔序列RIFV以及波幅序列RIAV；

相关熵谱密度确定模块，用于分别确定所述上包络线RIIV、所述波峰间隔序列RIFV以及所述波幅序列RIAV的相关熵谱密度，得到对应的csdRiiv、csdRifv以及csdRiav；

峰值频率确定模块，用于分别根据所述csdRiiv、所述csdRifv以及所述csdRiav确定在预设谱密度区间内对应的峰值频率R1、R2以及R3；

修正模块，用于通过基于最大相关熵准则的卡尔曼滤波器对所述R1、所述R2以及所述R3进行修正处理，得到对应的RF1、RF2以及RF3；

融合呼吸率确定模块，用于根据所述RF1、所述RF2以及所述RF3确定融合呼吸率。

本申请的第三个方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储的计算机程序，可被一个或多个处理器执行，用以实现如上所述的方法。

本申请的第四个方面，提供了一种电子设备，包括存储器和一个或多个处理器，所述存储器上存储有计算机程序，所述存储器和所述一个或多个处理器之间互相通信连接，该计算机程序被所述一个或多个处理器执行时，实现如上所述的方法。

与现有技术相比，本申请的技术方案具有以下优点或有益效果：

本申请的技术方案在计算呼吸率和进行呼吸率修正时采用了相关熵谱密度和基于最大熵准则的卡尔曼滤波修正算法，极大的降低了计算呼吸率过程中脉冲噪音对呼吸率估计造成的影响。此外，卡尔曼滤波算法和信号质量结合，使得算法兼具谱峰追踪和结果修正的效果，进而提高呼吸率测量的准确性和稳定性。

附图说明

为了更清楚地说明本申请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申请的实施例，对于所属领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供的一种基于PPG信号的呼吸率测量方法的流程图；

图2为本申请实施例提供的另一种基于PPG信号的呼吸率测量方法的流程图；

图3为本申请实施例提供的一种基于PPG信号的呼吸率测量装置的结构示意图；

图4为本申请实施例提供的一种电子设备的连接框图。

具体实施方式

以下将结合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突的前提下可以相互结合，所形成的技术方案均在本申请的保护范围之内。

实施例一

本实施例提供一种基于PPG信号的呼吸率测量方法，卡尔曼滤波器是一种公开的递归滤波算法，在本实施例中借助于该算法首先需要对一系列参数设置初始值，然后每一步计算(对应流程中每一次滑窗计算完R1、R2、R3)后都会更新部分参数并给出预测值(RF1、RF2、RF3)。

在本实施例中，相关参数的初始值可进行如下设置：

因为静止状态下的呼吸率通常变化幅度较小，因此卡尔曼滤波的状态转移矩阵F、观察矩阵H均为3阶单位矩阵(即3*3的矩阵，矩阵对角线的值为1，其它值为0)；

过程噪声的协方差矩阵Q，推荐设置为0.5(3阶对角矩阵，对角线值为0.5)；

测量噪声的协方差矩阵R，推荐设置为0.2(同上为3阶对角矩阵)；

核宽度推荐设为0.25～1；

状态向量X的初始值可设置为[0.2；0.2；0.2]左右(正常状态呼吸频率通常在10～20次/分钟)；

后验协方差矩阵P的初始值可设定为3阶单位矩阵；

将每次滑窗计算得到R1、R2、R3组成测量向量Y；

卡尔曼滤波输入参数为：F、H、Q、R、X、P、Y，其中F、H、Q(过程噪声的协方差矩阵)为固定值，R根据信号质量调整为R_adjust；X、P需确定初始值，随后每次计算得到的X、P作为下一次输入的值，其中，X即为修正后的RF1、RF2、RF3，用于计算融合呼吸率。

图1为本申请实施例提供的一种基于PPG信号的呼吸率测量方法的流程图，如图1所示，本实施例的方法包括：

步骤110、对初始PPG信号进行预处理得到预处理后的PPG信号，并确定所述预处理后的PPG信号中的波峰和波谷。

可选的，对初始PPG信号进行预处理(比如，滤波降噪，通常使用带通滤波器)并提取预处理后的PPG信号的波峰和波谷。

步骤120、根据所述波峰和波谷确定上包络线RIIV、波峰间隔序列RIFV以及波幅序列RIAV。

在一些实施例中，所述根据所述波峰和波谷确定上包络线RIIV、波峰间隔序列RIFV以及波幅序列RIAV，包括：

根据所述波峰和波谷，通过滑窗的方式提取所述上包络线RIIV、波峰间隔序列RIFV以及波幅序列RIAV。

可选的，基于PPG信号的波峰和波谷，滑窗提取呼吸相关特征RIIV、RIFV、RIAV。

其中，窗长和步长均可以根据实际需求来设定，一种优选的窗长可设为32s或64s，一种优选的步长可设为2s。

需要说明的是，既可以是实时计算也可以是离线计算。

步骤130、分别确定所述上包络线RIIV、所述波峰间隔序列RIFV以及所述波幅序列RIAV的相关熵谱密度，得到对应的csdRiiv、csdRifv以及csdRiav。

可选的，计算当前窗呼吸相关特征的相关熵谱密度(一种功率谱密度计算方法)，寻找谱密度0.1～0.8Hz区间内最大峰所在频率记为R1、R2、R3(单位：赫兹)。

步骤140、分别根据所述csdRiiv、所述csdRifv以及所述csdRiav确定在预设谱密度区间内对应的峰值频率R1、R2以及R3。

在一些实施例中，所述通过基于最大相关熵准则的递归滤波器对所述R1、所述R2以及所述R3进行修正处理，得到对应的RF1、RF2以及RF3，包括：

确定PPG信号的信号质量Qua；

根据所述信号质量Qua确定测量噪声的协方差矩阵R_adjust；

根据所述R_adjust、通过基于最大相关熵准则的递归滤波器对所述R1、所述R2以及所述R3进行修正处理，得到对应的RF1、RF2以及RF3。

在一些实施例中，所述确定PPG信号的信号质量Qua，包括：

确定所述初始PPG信号的信号质量Qua1，将所述信号质量Qua1作为所述PPG信号的信号质量Qua；或

对所述预处理后的PPG信号进行分解获得分解后的信号，确定所述分解后的信号的信号质量Qua2，将所述信号质量Qua2作为所述PPG信号的信号质量Qua。

在一些实施例中，所述确定所述初始PPG信号的信号质量Qua1，包括：

确定所述初始PPG信号的信号峰度；

将所述信号峰度作为所述初始PPG信号的信号质量Qua1。

可选的，使用PPG信号峰度或其它任意方法估计PPG信号质量Qua(Quality,指代信号质量)，推荐信号质量Qua的范围使用[0.1,1]，数值越小代表质量越好。例如，使用峰度时预先确定PPG信号峰度对应的Qua数值，并得到一个0.1～1的信号质量数值Qua。

在一些实施例中，通过下式确定所述测量噪声的协方差矩阵R_adjust：

R_adjust＝R*Qua

其中，R为测量噪声的协方差矩阵的预设值，Qua为信号质量。

可选的，通过该式：R_adjust＝R*Qua来计算卡尔曼滤波的测量噪声的协方差矩阵。

在一些实施例中，根据所述R1、所述R2以及所述R3生成卡尔曼滤波输入参数中的测量向量Y。

步骤150、通过基于最大相关熵准则的卡尔曼滤波器对所述R1、所述R2以及所述R3进行修正处理，得到对应的RF1、RF2以及RF3。

可选的,使用基于最大熵准则的卡尔曼滤波修正R1、R2、R3，得到RF1、RF2、RF3。

步骤160、根据所述RF1、所述RF2以及所述RF3确定融合呼吸率。

在一些实施例中，在所述根据所述RF1、所述RF2以及所述RF3确定融合呼吸率之后，还包括：

保存所述RF1、所述RF2以及所述RF3，以在下次进行卡尔曼滤波时，将所述RF1、所述RF2以及所述RF3作为卡尔曼滤波新的输入参数X。

在一些实施例中，在所述根据所述RF1、所述RF2以及所述RF3确定融合呼吸率之后，还包括：

保存卡尔曼滤波过程中生成的新的后验协方差矩阵P，以在下次进行卡尔曼滤波时，将所述新的后验协方差矩阵P作为卡尔曼滤波输入参数中的后验协方差矩阵P。

需要说明的是，上述各个步骤为针对每次滑窗截取的数据进行的相关处理。

为了便于理解本申请的技术方案还可参考图2，图2为本申请实施例提供的另一种基于PPG信号的呼吸率测量方法的流程图。

本实施例提供的基于PPG信号的呼吸率测量方法，在计算呼吸率和进行呼吸率修正时采用了相关熵谱密度和基于最大熵准则的卡尔曼滤波修正算法，极大的降低了计算呼吸率过程中脉冲噪音对呼吸率估计造成的影响。此外，卡尔曼滤波算法和信号质量结合，使得算法兼具谱峰追踪和结果修正的效果，进而提高呼吸率测量的准确性和稳定性。具体的：对初始PPG信号进行预处理得到预处理后的PPG信号，并确定所述预处理后的PPG信号中的波峰和波谷；根据所述波峰和波谷确定上包络线RIIV、波峰间隔序列RIFV以及波幅序列RIAV；分别确定所述上包络线RIIV、所述波峰间隔序列RIFV以及所述波幅序列RIAV的相关熵谱密度，得到对应的csdRiiv、csdRifv以及csdRiav；分别根据所述csdRiiv、所述csdRifv以及所述csdRiav确定在预设谱密度区间内对应的峰值频率R1、R2以及R3；通过基于最大相关熵准则的卡尔曼滤波器对所述R1、所述R2以及所述R3进行修正处理，得到对应的RF1、RF2以及RF3；根据所述RF1、所述RF2以及所述RF3确定融合呼吸率。

实施例二

本实施例提供一种基于PPG信号的呼吸率测量装置，本装置实施例可以用于执行本申请方法实施例，对于本装置实施例中未披露的细节，请参照本申请方法实施例。图3为本申请实施例提供的一种装置的结构示意图，如图3所示，本实施例提供的装置300包括：

波峰和波谷确定模块301，用于对初始PPG信号进行预处理得到预处理后的PPG信号，并确定所述预处理后的PPG信号中的波峰和波谷；

呼吸相关特征确定模块302，用于根据所述波峰和波谷确定上包络线RIIV、波峰间隔序列RIFV以及波幅序列RIAV；

相关熵谱密度确定模块303，用于分别确定所述上包络线RIIV、所述波峰间隔序列RIFV以及所述波幅序列RIAV的相关熵谱密度，得到对应的csdRiiv、csdRifv以及csdRiav；

峰值频率确定模块304，用于分别根据所述csdRiiv、所述csdRifv以及所述csdRiav确定在预设谱密度区间内对应的峰值频率R1、R2以及R3；

修正模块305，用于通过基于最大相关熵准则的卡尔曼滤波器对所述R1、所述R2以及所述R3进行修正处理，得到对应的RF1、RF2以及RF3；

融合呼吸率确定模块306，用于根据所述RF1、所述RF2以及所述RF3确定融合呼吸率。

在一些实施例中，所述呼吸相关特征确定模块302用于根据所述波峰和波谷，通过滑窗的方式提取所述上包络线RIIV、波峰间隔序列RIFV以及波幅序列RIAV。

在一些实施例中，所述峰值频率确定模块304包括：第一确定单元，第二确定单元，第三确定单元；其中，

第一确定单元，用于确定PPG信号的信号质量Qua；

第二确定单元，用于根据所述信号质量Qua确定测量噪声的协方差矩阵R_adjust；

第三确定单元，用于根据所述R_adjust、通过基于最大相关熵准则的递归滤波器对所述R1、所述R2以及所述R3进行修正处理，得到对应的RF1、RF2以及RF3。

在一些实施例中，所述第一确定单元包括：第一子单元，第二子单元；其中，

第一子单元，用于确定所述初始PPG信号的信号质量Qua1，将所述信号质量Qua1作为所述PPG信号的信号质量Qua；或

第二子单元，用于对所述预处理后的PPG信号进行分解获得分解后的信号，确定所述分解后的信号的信号质量Qua2，将所述信号质量Qua2作为所述PPG信号的信号质量Qua。

在一些实施例中，还包括保存模块，用于在所述根据所述RF1、所述RF2以及所述RF3确定融合呼吸率之后，保存所述RF1、所述RF2以及所述RF3，以在下次进行卡尔曼滤波时，将所述RF1、所述RF2以及所述RF3作为卡尔曼滤波新的输入参数X。

在一些实施例中，保存模块，还用于在所述根据所述RF1、所述RF2以及所述RF3确定融合呼吸率之后，保存卡尔曼滤波过程中生成的新的后验协方差矩阵P，以在下次进行卡尔曼滤波时，将所述新的后验协方差矩阵P作为卡尔曼滤波输入参数中的后验协方差矩阵P。

在一些实施例中，根据所述R1、所述R2以及所述R3生成卡尔曼滤波输入参数中的测量向量Y。

所属领域技术人员可以理解的是，图3中示出的结构并不构成对本申请实施例装置的限定，可以包括比图示更多或更少的模块/单元，或者组合某些模块/单元，或者不同的模块/单元布置。

需要说明的是，上述各个模块/单元可以是功能模块也可以是程序模块，既可以通过软件来实现，也可以通过硬件来实现。对于通过硬件来实现的模块/单元而言，上述各个模块/单元可以位于同一处理器中；或者上述各个模块/单元还可以按照任意组合的形式分别位于不同的处理器中。

本实施例提供的装置包括：波峰和波谷确定模块301，用于对初始PPG信号进行预处理得到预处理后的PPG信号，并确定所述预处理后的PPG信号中的波峰和波谷；呼吸相关特征确定模块302，用于根据所述波峰和波谷确定上包络线RIIV、波峰间隔序列RIFV以及波幅序列RIAV；相关熵谱密度确定模块303，用于分别确定所述上包络线RIIV、所述波峰间隔序列RIFV以及所述波幅序列RIAV的相关熵谱密度，得到对应的csdRiiv、csdRifv以及csdRiav；峰值频率确定模块304，用于分别根据所述csdRiiv、所述csdRifv以及所述csdRiav确定在预设谱密度区间内对应的峰值频率R1、R2以及R3；修正模块305，用于通过基于最大相关熵准则的卡尔曼滤波器对所述R1、所述R2以及所述R3进行修正处理，得到对应的RF1、RF2以及RF3；融合呼吸率确定模块306，用于根据所述RF1、所述RF2以及所述RF3确定融合呼吸率。在计算呼吸率和进行呼吸率修正时采用了相关熵谱密度和基于最大熵准则的卡尔曼滤波修正算法，极大的降低了计算呼吸率过程中脉冲噪音对呼吸率估计造成的影响。此外，卡尔曼滤波算法和信号质量结合，使得算法兼具谱峰追踪和结果修正的效果，进而提高呼吸率测量的准确性和稳定性。

实施例三

本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中存储有计算机程序，该计算机程序被处理器执行时可以实现如前述方法实施例中的方法步骤，本实施例在此不再重复赘述。

其中，计算机可读存储介质还可单独包括计算机程序、数据文件、数据结构等，或者包括其组合。计算机可读存储介质或计算机程序可被计算机软件领域的技术人员具体设计和理解，或计算机可读存储介质对计算机软件领域的技术人员而言可以是公知和可用的。计算机可读存储介质的示例包括：磁性介质，例如硬盘、软盘和磁带；光学介质，例如，CDROM盘和DVD；磁光介质，例如，光盘；和硬件装置，具体被配置以存储和执行计算机程序，例如，只读存储器(ROM)、随机存取存储器(RAM)、闪存；或服务器、app应用商城等。计算机程序的示例包括机器代码(例如，由编译器产生的代码)和包含高级代码的文件，可由计算机通过使用解释器来执行高级代码。所描述的硬件装置可被配置为用作一个或多个软件模块，以执行以上描述的操作和方法，反之亦然。另外，计算机可读存储介质可分布在联网的计算机系统中，可以分散的方式存储和执行程序代码或计算机程序。

实施例四

图4为本申请实施例提供的一种电子设备的连接框图，如图4所示，该电子设备400可以包括：一个或多个处理器401，存储器402，多媒体组件403，输入/输出(I/O)接口404，以及通信组件405。

其中，一个或多个处理器401用于执行如前述方法实施例中的全部或部分步骤。存储器402用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。

一个或多个处理器401可以是专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(ProgrammableLogic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行如前述方法实施例中的方法。

存储器402可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。

多媒体组件403可以包括屏幕和音频组件，该屏幕可以是触摸屏，音频组件用于输出和/或输入音频信号。例如，音频组件可以包括一个麦克风，麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器或通过通信组件发送。音频组件还包括至少一个扬声器，用于输出音频信号。

I/O接口404为一个或多个处理器401和其他接口模块之间提供接口，上述其他接口模块可以是键盘，鼠标，按钮等。这些按钮可以是虚拟按钮或者实体按钮。

通信组件405用于该电子设备400与其他设备之间进行有线或无线通信。有线通信包括通过网口、串口等进行通信；无线通信包括：Wi-Fi、蓝牙、近场通信(Near FieldCommunication，简称NFC)、2G、3G、4G、5G，或它们中的一种或几种的组合。因此相应的该通信组件405可以包括：Wi-Fi模块，蓝牙模块，NFC模块。

综上，本申请提供的一种基于PPG信号的呼吸率测量方法、装置、计算机可读存储介质以及电子设备。所述方法在计算呼吸率和进行呼吸率修正时采用了相关熵谱密度和基于最大熵准则的卡尔曼滤波修正算法，极大的降低了计算呼吸率过程中脉冲噪音对呼吸率估计造成的影响。此外，卡尔曼滤波算法和信号质量结合，使得算法兼具谱峰追踪和结果修正的效果，进而提高呼吸率测量的准确性和稳定性。具体的：对初始PPG信号进行预处理得到预处理后的PPG信号，并确定所述预处理后的PPG信号中的波峰和波谷；根据所述波峰和波谷确定上包络线RIIV、波峰间隔序列RIFV以及波幅序列RIAV；分别确定所述上包络线RIIV、所述波峰间隔序列RIFV以及所述波幅序列RIAV的相关熵谱密度，得到对应的csdRiiv、csdRifv以及csdRiav；分别根据所述csdRiiv、所述csdRifv以及所述csdRiav确定在预设谱密度区间内对应的峰值频率R1、R2以及R3；通过基于最大相关熵准则的卡尔曼滤波器对所述R1、所述R2以及所述R3进行修正处理，得到对应的RF1、RF2以及RF3；根据所述RF1、所述RF2以及所述RF3确定融合呼吸率。

另外应该理解到，在本申请所提供的实施例中所揭露的方法或系统，也可以通过其它的方式实现。以上所描述的方法或系统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申请的多个实施例的方法和装置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、计算机程序段或计算机程序的一部分，模块、计算机程序段或计算机程序的一部分包含一个或多个用于实现规定的逻辑功能的计算机程序。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，实际上也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程序的组合来实现。

在本申请中，术语“包括”、“包含”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，并不排除在包括要素的过程、方法、装置或者设备中还存在另外的相同要素；如果有描述到“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系；在本申请的描述中，除非另有说明，术语“多个”、“多”的含义是指至少两个；如果有描述到服务器，需要说明的是，服务器可以是独立的物理服务器或终端，也可以是多个物理服务器构成的服务器集群，可以是能够提供云服务器、云数据库、云存储和CDN等基础云计算服务的云服务器；在本申请中如果有描述到智能终端或移动设备，需要说明的是，智能终端或移动设备可以是手机、平板电脑、智能手表、上网本、可穿戴电子设备、个人数字助理(Personal Digital Assistant，PDA)、增强现实技术设备(Augmented Reality，AR)、虚拟现实设备(Virtual Reality，VR)、智能电视、智能音响、个人计算机(Personal Computer，PC)等，但并不局限于此，本申请对智能终端或移动设备的具体形式不做特殊限定。

最后需要说明的是，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”、“一个示例”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申请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进行结合。

尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例都是示例性的，所述的内容只是为了便于理解本申请而采用的实施方式，并非用以限定本申请。任何本申请所属技术领域内的技术人员，在不脱离本申请所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本申请的保护范围，仍须以所附的权利要求书所界定的范围为准。