用于确定对象的呼吸信号的处理装置和处理方法

1.一种用于确定对象(100)的呼吸信号(34)的处理装置(6)，其被配置为执行以下步骤：
-获得描述呼吸移动的移动信号(22)，
-基于所获得的移动信号(22)来确定描述旋转轴和/或旋转角的第一量(24)，包括将所获得的移动信号(22)与经平均的移动信号(23)进行比较，并且
-基于所述第一量(24)和旋转模型来估计旋转轴(25)和/或旋转角(26)，其中，所述旋转模型将所述呼吸移动建模为绕单个旋转轴的旋转。
2.根据权利要求1所述的处理装置，
还被配置为执行以下步骤：
-确定描述移动伪影的即时归类器(29、30)，所述移动伪影描述非呼吸移动。
3.根据权利要求1所述的处理装置，
其中，将所获得的移动信号(22)与所述经平均的移动信号(23)进行比较的所述步骤包括计算描述所述移动信号(22)的向量与描述所述经平均的移动信号(23)的平均向量的叉积。
4.根据权利要求1所述的处理装置，
其中，将所获得的移动信号(22)与所述经平均的移动信号(23)进行比较的所述步骤包括计算描述所述移动信号(22)的向量与描述所述经平均的移动信号(23)的平均向量的差。
5.根据权利要求3所述的处理装置，
其中，将所获得的移动信号(22)与所述经平均的移动信号(23)进行比较的所述步骤包括计算描述所述移动信号(22)的所述向量与描述所述经平均的移动信号(23)的所述平均向量的差。
6.根据权利要求1-5中的任一项所述的处理装置，
还被配置为针对所述呼吸移动的稳定度来调整所述平均。
7.根据权利要求1-5中的任一项所述的处理装置，
其中，基于所述旋转模型来估计所述旋转轴(25)和/或旋转角(26)的所述步骤包括执行对所述第一量(24)的主成份分析的步骤。
8.根据权利要求1-5中的任一项所述的处理装置，
其中，所述旋转角(26)是基于所述第一量(24)到所估计的旋转轴(25)上的投影来估计的。
9.根据权利要求2所述的处理装置，
其中，所述即时归类器(29、30)描述所述移动信号(22)与根据所述旋转模型估计的移动信号(27)之间的失配。
10.根据权利要求1-5中任一项所述的处理装置，
还被配置为执行以下步骤(S33)：
-复原所述呼吸移动的呼吸相位。
11.根据权利要求10所述的处理装置，
其中，复原所述呼吸相位的所述步骤(S33)包括：
-确定描述所估计的旋转角(26)的波形中局部极值(41A、42A和42B)的数目，并且确定所述波形的基线水平(43)，并且
-当在所述基线水平(43)之上的极值(41A)的数目超过在所述基线水平之下的极值(42A和42B)的数目时，反转所述波形。
12.一种用于测量对象的呼吸信号的呼吸监测器(1、91)，包括：
-传感器(5)，其用于测量描述呼吸移动的移动信号(22)，以及
-根据前述权利要求中的任一项所述的用于确定呼吸信号的处理装置(6)。
13.根据权利要求12所述的呼吸监测器，
其中，所述传感器(5)为以下中的一种：多轴加速度计、多轴陀螺仪、以及加速度计与陀螺仪的组合。
14.一种用于确定对象(100)的呼吸信号(34)的处理方法，包括以下步骤：
-获得描述呼吸移动的移动信号(22)，
-基于所获得的移动信号来确定描述旋转轴和/或旋转角的第一量(24)，包括将所获得的移动信号(22)与经平均的移动信号(23)进行比较，并且
-基于所述第一量(24)和旋转模型来估计旋转轴(25)和/或旋转角(26)，其中，所述旋转模型将所述呼吸移动建模为绕单个旋转轴的旋转。
15.一种存储介质，包括程序代码单元，所述程序代码单元用于，当在计算机上被运行时，令所述计算机执行如权利要求14所述的方法的各步骤。

用于确定对象的呼吸信号的处理装置和处理方法\n技术领域\n[0001] 本发明涉及用于确定对象的呼吸信号的处理装置和处理方法。\n背景技术\n[0002] 呼吸率已被证明是对患者的状况的恶化的良好指示物。与其他生命体征相组合，呼吸率在早期预警系统中起重要作用。因此，存在着对于在医院的重症监护单元中对呼吸信号的连续且可靠的监测的需要，呼吸率从呼吸信号提取的。类似的需要存在于医院的普通病房环境以及家庭健康护理应用中，例如在远程医疗和慢性病管理中。\n[0003] 尽管这对重症监护患者而言，对呼吸信号的连续监测可在床边获得，但正开发出各种便携式传感器系统，以允许以最小的不舒适度，对普通病房中的和家庭健康护理环境中的移动患者的呼吸信号的非侵扰式且持续时间久的测量和监测。\n[0004] 呼吸监测能够基于不同原理：对呼吸努力的测量，例如胸腔阻抗容积描记、呼吸感应性容积描记、加速度计、光容积描记、或者对呼吸效果的测量，例如声音记录、温度感测、二氧化碳感测。一些传感器已完善地建立以监测呼吸。例如在重症监护单元中，胸腔阻抗容积描记是所选择的方法，而在睡眠研究中，呼吸感应性容积描记，常常被称作呼吸带或respiband，也是常用的。针对能走动的患者，例如在普通病房或家庭健康护理中的，这些传感器有局限性。例如，医学人员和患者两者都认为呼吸带太侵扰且笨重。\n[0005] 基于多轴加速度计的呼吸监测系统克服了这些缺点。多轴加速度计是测量多个感测轴上的加速度的设备。通过利用不同的感测轴评价因重力产生的加速度，加速度计能够被用作测斜仪。加速度计被应用于对象的腹部或胸部。所测量的时变倾斜反映因呼吸引起的腹部或胸部移动。该技术要求可靠的信号处理，以实现在患者的不同条件和姿势下的可靠监测。\n[0006] 运动伪影是患者监测中周知的问题。运动伪影指因患者的身体活动，例如姿势改变、移动和行走，造成的对生理信号的污染和测量质量的劣化。运动伪影在普通病房环境中比在重症监护单元环境中更为显著，因为普通病房环境中的患者一般具有更多移动活动模式，并且大多数时间是在没有持续护理监管的情况下被监测的，因此缺乏对身体活动的存在和测量背景的认识。当在家庭健康护理环境中监测患者时，该问题变得甚至更严重。\n[0007] 因此，如果多轴加速度计被用于在能走动的条件下(例如家庭健康护理或普通病房)测量呼吸率，则加速度计信号不仅因人的呼吸而改变，而且加速度计信号也受并非因呼吸运动引起的不想要的运动影响。\n[0008] 具有不同于呼吸频率的频率分量的运动伪影能够通过在频域上的直接滤波而被抑制。然而，这些不想要的运动中的一些——它们可能具有在与呼吸相同范围内的频率分量，即0.1Hz至2Hz或者每分钟6次呼吸至每分钟120次呼吸，不能利用具有固定频率响应的滤波器来抑制。\n[0009] US 2012/0296221 A1公开了一种用于使用加速度计来确定呼吸信号的方法和装置。评价加速度计信号的向量幅度，以识别对加速度信号的任意不想要的或非呼吸运动贡献。针对静止(即非移动)的多轴加速度计，向量幅度总是相同的，不论传感器的取向如何。\n如果三轴加速度计的中心点的位置因全身移动(例如行走)而改变，然而，这除了重力产生的加速度以外还产生额外的惯性加速度分量。识别非呼吸的、惯性运动贡献并然后将其用于从加速度计信号的中的至少一个抑制和自适应地对该不想要的运动贡献进行滤波。根据至少一个经滤波的加速度计信号，可靠地且准确地表示对象的呼吸的呼吸信号被确定。\n[0010] US 2011/0066041 A1公开了一种呼吸监测设备，包括：用于应用到胸部的加速度计，其中加速度可能有是非呼吸身体运动和呼吸两者产生的；以及电子电路，其对来自加速度计的加速度信号进行响应，并且能从加速度信号分离心脏信号、呼吸信号、以及实质上非呼吸的身体运动信号。\n[0011] US 2011/0021928 A1公开了确定和监测个体的呼吸模式、呼吸率、其他心肺参数或它们的变型的无创方法和系统。在一实施例中，单个、微型且胸部穿戴的加速度计被用于捕获呼吸相关性参数。\n[0012] WO 2013/106700 A1公开了用于使用多尺度度量来确定精神和身体健康的系统和方法。\n[0013] WO 2011/151634 A1公开了一种用于测量振荡运动的系统和方法，其中，向量参数的测量方向与向量参数的主导方向之间的旋转角度被确定。\n发明内容\n[0014] 本发明的目标是提供一种可靠地确定呼吸信号的备选处理装置和处理方法。有利地，对呼吸信号的确定涉及低功耗的有限的计算量，并且提供对呼吸信号的快速初始读取，例如，在辐射在患者上的附着之后或在移动伪影已出现之后。\n[0015] 在本发明的第一方面中，提出了一种用于确定对象的呼吸信号的处理装置，其被配置为执行以下步骤：获得描述呼吸移动的移动信号，基于所获得的移动信号确定描述旋转轴/旋转角的第一量，并且基于所述第一量和旋转模型来估计旋转轴和/或旋转角，其中，所述旋转模型将所述呼吸移动建模为绕单个旋转轴的旋转。\n[0016] 在本发明的另一方面中，提出了一种用于确定对象的呼吸信号的处理方法，其包括以下步骤：获得描述呼吸移动的移动信号，基于所获得的移动信号确定描述旋转轴/旋转角的第一量，并且基于所述第一量和旋转模型来估计旋转轴和/或旋转角，其中，所述旋转模型将所述呼吸移动建模为绕单个旋转轴的旋转。\n[0017] 在本发明的另一方面中，提供一种用于测量对象的呼吸信号的呼吸监测器，其包括用于测量描述呼吸移动的移动信号的传感器，以及前面提到的用于确定对象的呼吸信号的处理装置。\n[0018] 在本发明的又另外的方面，提供：一种包括程序代码单元的计算机程序，所述程序代码单元用于，当所述计算机程序在计算机上运行时，令所述计算机执行本文中公开的方法的各步骤；以及一种其中存储有计算机程序产品的非暂态计算机可读记录介质，所述计算机程序产品当被处理器运行时，使本文中公开的所述方法被执行。\n[0019] 在从属权利要求中限定了本发明的优选实施例。应当理解，要求保护的处理方法、呼吸监测器、计算机程序以及记录介质具有与要求保护的处理装置和如在从属权利要求中限定的相似和/或相同的优选实施例。\n[0020] 利用根据本发明的一方面的所述处理装置，能够以可靠且计算高效的方式来确定对象的呼吸信号。本发明人已发现，作为备选方案而通过评价除重力产生的加速度以外的惯性加速度分量，从其识别非呼吸运动贡献，并然后执行自适应滤波用于滤除不想要的运动贡献，来识别不想要的运动贡献，有可能基于旋转模型估计旋转轴和/或旋转角，其中，旋转模型将呼吸移动建模为绕单个旋转轴的旋转。能够通过以小旋转角绕单个旋转轴的旋转移动来描述呼吸移动。本发明人的研究已显示，旋转通常能够被描述为直到±1或2度的微旋转。\n[0021] 本文中使用的术语“移动信号”涉及描述呼吸移动的信号。这样的移动信号能够使用多轴加速度计来采集，尤其是可商业获得的三轴加速度计，例如Bosch BMA355、ST Microelectronics LIS3DSH或ST Microelectronics LIS344ALH。备选地，多轴陀螺仪能够被用于采集移动数据，例如ST Microelectronics LYPR540AH。然而，加速度计的使用是优选的，因为加速度计通常具有与陀螺仪相比更低功耗的特征，并且可以较低成本获得。低功耗对于靠电池供电的呼吸监测器尤其重要。\n[0022] 描述旋转轴和/或旋转角的“第一量”基于所获得的移动信号来确定。例如，三轴加速度计能够被用作测斜仪，以反映因呼吸引起的呼吸腹部或胸部移动，这基于以下事实，即，相比于因呼吸移动的旋转分量引起的重力分量的改变，因呼吸移动产生的惯性加速度的幅度相对较小。\n[0023] 三轴加速度计为测量在三个通常正交的方向——被称作感测轴x、y和z——上的加速度的设备。由此，能够确定重力相对于加速度计的方向。呼吸移动以及因此加速度传感器的移动，影响重力相对于传感器的取向的取向。这也被称作移动信号。例如，传感器的读数包括将具有x-、y-和z-分量的三个元向量，表示在各自的感测轴上测量的加速度。移动信号能够表示随时间的一系列这样的向量。\n[0024] 描述旋转轴和/或旋转角的第一量能够通过评价所测量的值来根据移动信号计算。第一量因此表示所测量的旋转轴和/或所测量的旋转角。例如，旋转轴和旋转角能够通过将测量的向量与先前或平均向量进行比较来确定。在实际应用中，移动信号不是仅含有来自呼吸移动的贡献的完美信号，而是还含有噪声和运动伪影。根据本发明的一方面，对呼吸信号的确定不仅依赖于第一量，而且还与旋转模型组合来使用第一量，用于估计单个旋转轴和/或旋转角。旋转模型能够被认为是绕单个旋转轴的预期呼吸移动，并且任选地也考虑预期呼吸移动被限制到小角度旋转。换言之，所估计的旋转轴和/或所估计的旋转角表示第一量的一部分，因此为所测量的旋转轴和/或所测量的旋转角中对应于由旋转模型描述的预期呼吸移动的部分。备选地，对旋转轴和/或旋转角的估计能够被认为是所测量的第一量在建模的值上的投影。\n[0025] 在优选的实施例中，处理装置还被配置为执行确定描述移动伪影的即时归类器的步骤，移动伪影描述非呼吸移动。实质上，即时归类器表示所获得的移动信号或第一量与基于从旋转模型所估计的旋转轴和/或旋转角所期望的值之间的失配。有利地，处理装置被配置用于在逐个样本的基础上确定即时归类器。备选地，为了减少计算量，能够将几个样本分组为块，使得分析是对块而非个体样本执行的。\n[0026] 即时归类器的优点在于，能够以低延时确定移动伪影。一些先前的算法依赖于对光谱特征的确定以及在频域上的滤波。这涉及针对傅立叶变换等的大量计算。此外，对应有意义的频率分析而言必须采集足够长的信号迹线，这导致延时。执行滤波、频率分析或者评价光谱特征(例如熵和周期性)的方法通常要求对较长时间窗口(例如30秒长的时间窗口)的处理，以确定因运动伪影引起的偏差。根据本发明的该实施例的处理装置提供了具有低延时的快速初始响应，并且能够在小的时间尺度上检测和丢弃移动伪影。\n[0027] 例如，护士想要看到快速初始响应，以确定呼吸传感器是否恰当附着。任选地，呼吸波形——作为呼吸信号的图形表示——与即时归类器相组合被提供。任选地提供快速初始呼吸率估计。\n[0028] 此外，根据现有技术对时间窗口的光谱特征的归类即使是在存在相对小持续时间的移动伪影时可能导致整个时间窗口被归类为差的。因此，覆盖范围——即能够测量有效呼吸信号的时间量——恶化。即时归类器因此能够帮助改善有意义的呼吸信号的覆盖范围。\n[0029] 在另外的实施例中，确定第一量的步骤包括将所获得的移动信号与平均的移动信号进行比较的步骤。例如能够将对当前采集的移动信号的值的旋转与移动信号的平均值相比较，或相对于移动信号的平均值进行评价。由此，能够确定相比于平均移动信号的旋转角和/或旋转轴。\n[0030] 有利地，将所获得的移动信号与经平均的移动信号进行比较的步骤包括计算描述移动信号的向量与描述经平均的移动信号的平均向量的叉积。在陀螺仪的情况中，将所获得的移动信号与经平均的移动信号进行比较的步骤包括对描述移动信号的向量与描述平均移动信号的经平均的向量的差计算。任选地，平均向量能够为描述移动信号的向量的移动平均和/或加权平均。加权平均的范例为指数平均。当前测量的向量与平均值的比较是有利的，因为与比较两个连续向量相比，噪声的影响得以减小。\n[0031] 在进一步细化中，处理装置还被配置用于针对呼吸移动的稳定度来调整所述平均化。例如，能够调整平均化的持续时间。例如，平均化考虑姿势改变，因为仅考虑在其中姿势尚未显著改变的值。姿势改变继而能够通过描述移动伪影的即时归类器来指示。\n[0032] 在另外的实施例中，基于旋转模型估计旋转轴和/或旋转角的步骤包括执行对第一量的主成分分析的步骤。由此，第一主成分分析给出能够被用作所估计的旋转轴的主导旋转轴。所估计的旋转轴能够由向量或归一化向量来表示。备选地，所估计的旋转轴被计算为描述旋转轴的第一量的平均。\n[0033] 在进一步细化中，旋转角是基于第一量到所估计的旋转轴上的投影来估计的。例如，第一量被计算为描述移动信号的向量与描述平均移动信号的平均向量的叉积。通过将第一量——其可能包括噪声和运动伪影——投影到所估计的旋转轴上，仅提取移动信号中位于呼吸移动预期的预定旋转轴内的那些贡献。由此，能够有效消除不想要的贡献。不要求在频域上的大量滤波。作为计算高效实施方式，第一量到所估计的旋转轴上的投影能够通过取第一量与所估计的旋转轴的标积或点积来计算。\n[0034] 在另外的实施例中，即时归类器描述移动信号与从旋转模型估计的移动信号之间的失配。移动信号表示所获得的描述呼吸移动的移动信号。所估计或预期的移动信号表示针对通过针对呼吸移动作为绕单个旋转轴的旋转的呼吸模型所获得的移动信号预期的预期值。例如，所获得的移动信号为利用三轴加速度计采集的包括x-、y-和z-分量的向量。如果所测量的移动信号实际上为绕单个旋转轴的纯旋转移动，则所估计的移动信号作为范例等于所测量的x-、y-和z-分量。当然，对移动信号和所估计的移动信号的数学等效表示的评价在该实施例的范围内。\n[0035] 在进一步细化中，处理装置还被配置为计算所获得的移动信号与所估计的移动信号之间的差。两个向量之间的差被计算为即时归类器要检测移动伪影的特征值。例如，即时归类器指示差是否超过阈值。备选地，即时归类器指示差的变化是否超过阈值。\n[0036] 在另一实施例中，处理装置还被配置为计算质量指标。质量指标表示也被用于即时归类器中的平均或平滑化特征值。例如，质量指标能够为从0到1或从0％到100％的容易理解的数字。\n[0037] 在又另一实施例中，处理装置还被配置为执行复原呼吸移动的呼吸相位的步骤。\n基本呼吸相位为吸入和呼出。复原呼吸相位是必须的，这是因为用于采集移动信号的传感器能够以不同取向被应用到对象的身体，使得在一个方向上的移动不能被毫无疑义地归属于特定呼吸相位，例如吸入。复原呼吸相位的优点在于传感器能够被无需在乎传感器的取向地放置在对象上。对呼吸波形的复原可能涉及评价所估计的随时间的角度，即分析所估计的随时间的角度的波形，并从其提取吸入和呼出的相位。\n[0038] 在一个细化中，复原呼吸相位的步骤包括确定描述所估计的旋转角的波形中的局部极值的数目，并确定波形的基线水平；以及当在基线水平以上的极值的数目超过在基线水平以下的极值的数目时，反转波形。基线水平例如能够为零水平，或者也能够经由——尤其是利用长的时间常数(例如20秒)——对旋转角的平滑化来确定。基线能够为估计的旋转角的平均值。本发明人已发现，该分析提供了用于确定吸入和呼出的可靠的，但易于实施的措施。结果，能够以相同的取向显示呼吸波形，而无论传感器的取向如何。\n[0039] 在另外的实施例中，呼吸监测器的传感器为以下中的一种：多轴加速度计、多轴陀螺仪、以及加速度计与陀螺仪的组合。例如，能够使用MEMS加速度计，作为便宜的设备。优选地，仅使用一个三轴加速度计。备选地使用被布置为覆盖不同的空间轴的单轴加速度计的组合。在另外的实施例中，呼吸监测器的传感器包括三轴陀螺仪，或者备选地单轴陀螺仪的组合。进一步备选地，能够采用单轴或多轴加速度计与单轴或多轴陀螺仪的组合。\n附图说明\n[0040] 从后文描述的实施例，本发明的这些及其他方面将是明显的，并将参考这些实施例得以阐明。在以下附图中：\n[0041] 图1示出被附着到对象的身体的呼吸监测器的实施例；\n[0042] 图2示出呼吸监测器的实施例的透视图；\n[0043] 图3示出呼吸监测器的实施例的示意图；\n[0044] 图4示出处理方法的实施例的流程图；\n[0045] 图5示出三轴加速度计的示意图；\n[0046] 图6示出由所提出的处理装置的实施例执行的步骤的详细流程；\n[0047] 图7示出呼吸信号的第一图；\n[0048] 图8示出呼吸信号的第二图；\n[0049] 图9A示出对呼吸信号的第一示范性比较；\n[0050] 图9B示出对呼吸信号的第二示范性比较；\n[0051] 图10A和图10B示出呼吸监测器的另外的实施例。\n具体实施方式\n[0052] 图1示出用于测量对象100的呼吸信号的呼吸监测器1的实施例。呼吸监测器1被应用于对象100的身体上用于测量呼吸移动的合适位置。合适位置包括但不限于胸部和胸廓区域，如图1中描绘的。然而，能够设想对象100的受呼吸移动影响的任意部分，尤其是上部躯体。\n[0053] 根据本发明的一方面的呼吸监测器1使得能够对呼吸信号进行非侵拢性的测量。\n如图1中可见，呼吸监测器1能够被实施为能够被简单地应用到对象100的身体的小的设备。\n常规的呼吸监测设备，例如鼻插管，对患者而言是不方便的。备选的常规呼吸监测设备，例如用于呼吸感应性容积描记，要求在操作上的更多努力。针对呼吸感应性容积描记(RIP)，必须在对象100的胸部和/或腹部周围缠绕一个或两个RIP带。尤其针对体重重的患者，这些带的应用对护士而言可能是麻烦的。然而，呼吸感应性容积描记是当今被用于确定呼吸信号的最常用技术之一。另外备选的常规呼吸监测设备包括在重症监护单元中使用的用于胸腔阻抗容积描记的设备。在胸腔阻抗容积描记中，经由两个ECG电极来测量阻抗，这对患者而言也是不方便的。\n[0054] 图2示出呼吸监测器1和应用袋2。应用袋2能够为被应用到对象100的皮肤的一次性物品。应用袋2包括用于容纳呼吸监测器1的隔室3和用于将呼吸监测器1封闭或固定在隔室3中的罩或盖4。将呼吸监测器1应用到对象100的皮肤包括，但不限于该实施例。例如，呼吸监测器1能够简单地被捆扎到对象100的皮肤。备选地，呼吸监测器1也能够被附着到对象\n100的衣服，只要呼吸监测器跟踪到呼吸移动。例如，呼吸监测器1能够位于紧身衬衫的口袋里。\n[0055] 图3示出用于测量对象100的呼吸信号的呼吸监测器的示范性实施例的方框图。\n[0056] 呼吸监测器1包括用于测量描述呼吸移动的移动信号的传感器5，以及用于确定呼吸信号的处理装置6。在该示范性实施例中，呼吸监测器1还包括接口7和存储器8。\n[0057] 传感器5例如可以包括多轴加速度计，其适合于生成指示沿不同空间轴的加速度的移动信号。在该实施例中，多轴加速度计为三轴加速度计，其适合于生成包括指示沿三个正交的空间轴的加速度的三个加速度计信号的移动信号。例如，能够使用名为Bosch BMA355、ST Microelectronics LIS3DSH、ST Microelectronics LIS344ALH或Kionix KXM52的三轴加速度计。然而，其他种类的多轴加速度计也能够被用于生成指示沿不同空间轴的加速度的加速度计信号。此外，传感器5例如可以包括多轴陀螺仪，其适合于生成指示沿不同空间轴的角旋转的移动信号。例如，ST Microelectronics LYPR540AH能够被用于采集针对三个正交的轴的角速率，能够容易地从角速率导出角度。\n[0058] 移动信号被提供到用于确定对象6的呼吸信号的处理单元6。处理装置6被配置为执行如下文进一步描述的图4的流程中所示的步骤。\n[0059] 接口7能够为用于提供对象的呼吸信号的有线或无线接口。有利地，呼吸监测器1为靠电池供电的设备并且接口7为无线接口，使得不需要线缆。例如，接口7能够将呼吸信号提供到用于在屏幕上显示呼吸波形的患者监测器。备选地，接口7能够为人机交互接口(HMI)，其用于在呼吸监测器1的显示器上示出呼吸信号或任意从其得到的量，例如呼吸率。\n[0060] 存储器8能够存储已由处理装置6确定的呼吸信号。备选地，存储器8能够为非暂态存储介质，其含有供处理器运行的指令，其中，所述指令使处理装置6执行图4或图6中所示的流程的步骤。针对存储器8存储所确定的呼吸信号的情况，呼吸信号例如能够为在一时间段上记录的，使得不需要到诸如患者监测器的外部实体的连接。能够在期望的测量周期之后下载呼吸信号。由此，由于不需要通信，尤其是不需要无线通信，因此能够进一步降低功耗。\n[0061] 在备选的实施例中，传感器5和处理装置6未被实施于一个设备中。例如，传感器5和接口7的最小配置能够被实施为由患者穿戴的设备。传感器信号因此经由接口7被传输到在远程位置的处理装置6。例如，处理装置6能够被实施为患者监测器的或健康护理设施(例如医院IT系统)的一部分。在另外的实施例中，智能手机或类似设备充当处理装置6并且被配置为执行用于确定呼吸信号的步骤。\n[0062] 图4示出根据本发明的一方面由处置装置6执行的步骤的流程。在第一步骤S11中，获得描述呼吸移动的移动信号。在优选实施例中，移动信号为一系列向量，其中每个向量均包括三轴加速度计的x-、y-和z-分量。在图5中示出了三轴加速度计5，以图示各自的轴。在第二步骤S12中，基于所获得的移动信号确定描述旋转轴和/或旋转角的第一量。例如，将所获得的移动信号与平均移动信号进行比较。由此，能够确定三轴加速度计的当前取向相对于三轴加速度计的平均取向的旋转轴和/或旋转角。在第三步骤S13中，基于第一量和旋转模型来估计旋转轴和/或旋转角，其中，旋转模型将呼吸移动建模为绕单个旋转轴的旋转。\n[0063] 在任选的另外的步骤S14中，确定描述移动伪影的即时归类器，移动伪影描述非呼吸移动。实质上，即时归类器评价所确定的第一量与对旋转模型所估计的旋转轴和/或旋转角之间的失配。由此，将实际获得的移动信号与由旋转模型描述的预期呼吸移动进行比较。\n[0064] 在任选的第五步骤S15中，复原呼吸移动的呼吸相位。换言之，在呼吸信号中识别吸入的相位和呼出的相位。\n[0065] 在任选的第六步骤S16中，处理装置根据呼吸信号确定呼吸率。呼吸信号能够被认为是显示随时间的吸入和呼出的呼吸波形。呼吸率例如能够借助于傅立叶变换来确定，傅立叶变换将时间序列变换成频率谱。然而，对于对呼吸率的低延时和快速显示而言，有利地，能够评价波形特征的时间分离，例如时间峰到峰分离。任选地，显示波形特征的平均值。\n能够基于波形特征的时间分离的变化来调整平均化的持续时间，以实现对改变的呼吸率的快速响应。然而，对呼吸率的确定备选地也能够由诸如患者监测器的另外的设备执行。\n[0066] 图4中的流程的步骤的次序能够被更改。例如，能够调换步骤S14和S15的次序。备选地，能够并行地执行步骤S14和S15。此外，步骤S14的即时归类器能够决定用于对呼吸率的确定S16的条件。例如，如果即时归类器指示呼吸信号的良好质量，即不受运动伪影影响的信号，则仅确定呼吸率。\n[0067] 图5示出作为传感器5的三轴加速度计的示意图。由x、y、z表示的分量为加速度计的正交的感测轴。描述呼吸移动的移动信号ν包括一系列向量ν[m]，其包括三轴加速度计的x-、y-和z-分量。量ν[m]表示测量向量，其中m为时间离散指数。量ν平均[m]表示描述经平均的测量移动信号的经平均的向量描述。量c[m]表示基于所获得的移动信号ν的描述旋转轴和/或旋转角的第一量。下文中，带有指数(例如[m])的加下划线的量指向量，不带指数的加下划线的量指表示随时间的信号的一系列向量，并且不加下划线的量指标量。\n[0068] 假设传感器的旋转绕单一轴发生，则第一量c[m]能够通过叉积来计算：\n[0069] c[m]＝ν[m]×ν平均[m]。  (1)\n[0070] 叉积的幅度能够被解释为具有ν[m]和ν平均[m]为边的平行四边形的面积：\n[0071] ||c[m]||＝||ν[m]||·||ν平均[m]||·|sin(φ[m])|，  (2)\n[0072] 其中φ[m]与两个向量之间的角度有关。\n[0073] 针对向量ν平均[m]，计算向量ν[m]随时间的平均。例如通过以下来计算过去的K个向量ν[m]的平均\n[0074]\n[0075] 其中，K取足够大以覆盖至少单次呼吸。如果呼吸稳定，则K的值能够在多次呼吸上扩展。\n[0076] 作为对利用在过去的输入向量上具有相等权重的矩形窗口进行平均的备选方案，能够应用加权平均。例如，能够应用具有几秒的记忆的指数平均，即：\n[0077] ν平均[m]＝βν平均[m-1]+(1-β)ν[m]，  (4)\n[0078] 其中，β为递归平均值，其被计算为：\n[0079]\n[0080] 其中FS[Hz]为采样率并且Tavg[s]为平均化时间。示范性的值为Tavg＝4秒并且FS＝\n15.625Hz，给定β＝0.984的值。\n[0081] 图6示出由根据本发明的一方面的处理装置的实施例执行的示范性信号六的流程。由处理装置执行的步骤能够被分组成三个互相依赖的功能块：旋转模型10、即时归类器\n11和相位复原12。\n[0082] 1、旋转模型\n[0083] 如图6中所示，功能块前面能够有任选的在传感器5的输出信号上执行的预处理步骤。处理装置6获得描述对象的呼吸移动的移动信号20，其形式为一系列三元向量。三元表示三轴加速度计的x-、y-和z-分量。在该实施例中，以125Hz的采样率获得原始移动信号20。\n在任选的步骤S21中，所获得的信号20被降采样8倍。由此，采样率被降低到15.625Hz。因此八个样本的平均值作为中间移动信号21被转送到步骤S22。降采样的优点在于能够减少计算量。\n[0084] 在任选的步骤S22中，前置滤波信号。低通滤波器(LPF)、针对典型呼吸频率的带通滤波器或任意其他类型的前置滤波器能够用于调节中间移动信号21。此外，滤波器能够为自适应滤波器或具有固定频率响应的滤波器。然而，非常简单的滤波器是优选的，以减少计算量和/或延时。备选地，不适用前置滤波器。\n[0085] 经预处理的移动信号22被分裂成三个并且现在被表示为移动信号v。第一分支22a被用于步骤S23中用于计算平均移动信号ν平均23。平均移动信号ν平均包括一系列向量ν平均[m]。\n用于计算ν平均[m]的范例在等式(3)和(4)中给出。\n[0086] 在步骤S24中，基于平均移动信号ν平均23和如在等式(1)中描述的经预处理的移动信号的第二分支v22b，计算第一量c 24。在该实施例中，第一量也能够被称作包括叉积向量c[m]的叉积信号。\n[0087] 在步骤S25中，执行主成分分析以确定单个旋转轴 并估计角度信号p 26。所估计的角度信号p 26包括所估计的角度p[m]的时间序列。\n[0088] 直观地，能够理解，叉积向量c[m]的范数表示ν[m]相对于ν平均[m]旋转的角度。这在||ν[m]||≈1并且||ν平均||≈1的假设下适用。换言之，叉积向量c[m]具有垂直于v[m]和v平均[m]的方向，其长度表示v[m]与v平均[m]之间的角度。\n[0089] 然而，在实践中，然而，可能存在移动信号ν上的波动和噪声，并且旋转可能是非理想的。因此，主成分分析法(PCA)能够在步骤S25中被应用到叉积信号c，用于确定移动信号ν的主旋转轴。因此，来自等式(1)的一系列向量c[m]充当针对主成分分析(PCA)的输入。通过PCA识别的旋转轴25被表示为\n[0090] 任选地，旋转轴也是重复计算得到的一系列旋转轴 因此，PCA为自适应的并且连续地跟踪旋转轴 该自适应的速度能够任选地通过参数来调节，该参数是通过在准确度与收敛速度之间的权衡来选择的。另外任选地，能够代替PCA使用备选的降维技术。\n这样的技术也被称作子空间方法。\n[0091] 基于所识别的旋转轴 以及第一量c[m]，能够通过由以下给出的点积或标积来计算估计的角度p[m]：\n[0092]\n[0093] 量p[m]因此为表示所估计的旋转角的标量值。应当指出，等式(6)还包括衰减因数η，其中\n[0094] 0＜η≤1。  (7)\n[0095] 参数η的引入是以下事实的结果，即传感器也可能经受不能被传感器测量到的绕重力向量的旋转。该因数η在绕重力向量的旋转的量增大时更接近于0。绕重力向量的旋转的另一结果在于，(通过PCA识别的)旋转轴不再必然表示身体旋转轴，而仅为呼吸移动中不与重力向量符合的贡献。\n[0096] 因呼吸移动产生的旋转角通常约为±1或2度。因此，量p[m]能够直接与ηφ[m]相关，而不应用arcsin运算子。为了简要，量p[m]能够直接被称作所估计的旋转角。估计的旋转角的时间序列p[m]给出了由p表示的所估计的旋转角信号26。\n[0097] 在一实施例中，信号p能够被直接解释为没有进一步处理的对象的呼吸信号。然而，有利地，额外的信号处理步骤通过确定描述非呼吸移动的移动伪影的即时归类器11和/或通过复原呼吸相位12，进一步改善了呼吸信号的质量。\n[0098] 2、即时归类器\n[0099] 方框11中对即时归类器的确定实质上为检查传感器的旋转是否与旋转模型相符。\n如果没有绕单个旋转轴的小的旋转，则这由即时归类器来指示。\n[0100] 在图6中所示的实施例中，即时归类器方框11中的第一步骤S27是重建数据中受重力影响的部分。基于以下等式来计算构成所估计的移动信号 的向量\n[0101]\n[0102] 其中，使向量ν平均[m]绕由 定义的轴旋转为p[m]的角度。旋转矩阵\n被定义为：\n[0103]\n[0104] 其中，针对移动信号v中的每个新向量v[m]重新计算a、b、c和d的值，并通过四元数qr[m]给出这些值。该四元数为单位向量：||qr[m]||＝1并且由以下给出：\n[0105]\n[0106] 在接下来的步骤S28中，通过以下来计算模型残差r[m]：\n[0107]\n[0108] 给出由r表示的误差信号28。\n[0109] 理想地，当传感器的旋转与旋转模型完美相符时，所获得的移动信号对应于所估计的移动信号，因此， 和r[m]将等于全零向量。然而，在实践中，存在运动伪影和其他干扰，使得旋转不能被建模为通过绕单个固定旋转轴 在运动伪影期间，通常存在绕多个轴的大的旋转并且所估计的旋转轴 偏离由第一量c描述的旋转轴。尤其是当角旋转变得更大时，偏离模型的可能将变得更大。\n[0110] 此外，在过程期间可能存在模型误差，例如在步骤S25中执行的PCA的权重必须(重新)收敛，例如在最初将传感器应用到对象之后或在姿势改变之后。也是在这样的情况中，剩余向量r[m]变得更大或将变得更大。\n[0111] 在运动伪影期间，自适应PCA继续适配，尽管非常慢。然而，PCA没有收敛到稳定的旋转轴。在运动伪影之后，PCA能够再一次收敛到正确的旋转轴，这表示呼吸诱导的微旋转。\n任选地，针对移动伪影发生之后的小的时间段，处理装置加速PCA的适配。这使得能够进行到新的稳定旋转轴的更快收敛。\n[0112] 在优选实施例中，在步骤S29中确定r的方差。由于r[m]的方差是针对移动伪影或模型误差的良好指示物，因此提出r[m]的方差作为即时归类器的(单一)特征。该方差由Var[m]表示，方差信号29由Var表示。\n[0113] 作为步骤S29的子步骤，能够确定描述模型残差r[m]的值。例如，在逐个样本的基础上计算L2范数，\n[0114]\n[0115] 其中，c表示向量元的指数，因此为x-、y-和z-分量。\n[0116] 在步骤S29的下一个子步骤中，计算L2[m]随时间的变化。例如，计算在B个样本的块上的方差(例如B＝16个样本，针对为Fs＝15.625Hz的采样率大致等于1秒)：\n[0117]\n[0118] 其中\n[0119]\n[0120] 并且KB＝0、1、...、∞为块指数。在该范例中，块为B个样本的非重叠的块。备选地，能够使用交叠的块。\n[0121] 在步骤S30中确定即时归类器30。在所示的实施例中，即时归类器指示方差Var是否超过阈值x。归类器然后能够被定义为：\n[0122]\n[0123] 其中，伪影＝1意味着检测到伪影，并且信号被归类为“差”。阈值x能够为固定阈值或可调阈值。备选地，方差Var 29能够直接被用作指示信号质量的即时归类器。然而，步骤S30的阈值决定以及具有二值归类器30在一些应用情境中是优选的。例如，普通病房里的护士或家庭护理环境中的对象想要对呼吸监测器是否得到恰当附着的清楚反馈。与现有技术相反——在现有技术中质量度量通过对移动信号执行光谱分析或确定移动信号的熵特征，针对例如为30秒持续时间的时间窗口确定的，即时归类器因此提供了具有低延时的质量度量。例如，方差Var 29在每秒进行计算。\n[0124] 作为备选或额外于步骤30的二值决策，能够在步骤S31中基于方差29确定质量指标(QI)31。在该实施例中，质量指标31能够被确定为：\n[0125]\n[0126] 其中，f[KB B]表示平滑化特征值。平滑化特征值例如能够由以下给出：\n[0127]\n[0128] 其中， 并且其中βB为类似于等式(5)通过以下计算的递归平\n均值：\n[0129]\n[0130] 其中，Fs[Hz]为采样率并且Tavg[s]为平均时间。示范性的值为B＝16，Tavg＝10秒并且FS＝15.625Hz，条件是βB＝0.9的值。\n[0131] 任选地质量指标31被呈现给用户用于评价信号质量。能够以视觉方式和/或以听觉方式呈现质量指标和/或即时归类器。\n[0132] 3、相位复原\n[0133] 前面解释的用于复原方框10的旋转角p 26的处理达到符号模糊性的准确度。旋转角p 26的估计基于重量向量在传感器的三个轴上贡献多少。由于在实践中，传感器移动取决于诸如姿势、生理以及传感器附着的因素，因此该角旋转的相位不能被毫无疑义地与呼吸的相位相关。因此没有提供向上传播的旋转角信号p 26是否由吸入或呼出产生的信息。\n此外，步骤S25的PCA方法具有固有的符号两义性。因此需要相位复原方框12以将吸入相位与呼出相位区分开。呼吸波形应当总是以相同的取向被示出，例如旋转角信号的上升变对应于吸入并且下降边对应于呼出，无论传感器的取向如何。\n[0134] 在方框12的第一任选步骤S32中，例如通过低通滤波器(LPF)，对旋转角信号p26进行滤波。步骤S32的输出信号为滤波旋转角信号pf 32。\n[0135] 在方框12的第二步骤S33中，确定滤波旋转角信号pf 32的取向。图7示出滤波旋转角信号pf作为呼吸信号的图。相对于基线曲线或基线水平43分析该滤波旋转角。基线水平\n43将波形分成上部和下部。能够假设基线43为零。备选地，也能够通过在具有跨几个呼吸的时间常数的旋转角上应用低通滤波器，获得基线曲线43。该图指示在吸入期间(在基线曲线\n43以上)仅存在单一个局部极值41A，并且在呼出期间(在基线曲线43以下)存在多个极值\n42A、42B。图7中所示的峰到峰旋转角大致为1度。通过评价描述滤波旋转角信号32的波形中在基线曲线之上的局部极值的数目，以及评价描述滤波旋转角信号32的相同波形中在基线曲线43之下的局部极值的数目，来确定信号32的取向。当在基线曲线43之上的局部极值的数目超过在基线曲线43以下的局部极值的数目时，反转波形。在图7中所示的范例中，波形具有与在基线曲线之上的局部极值的数目相比，更多的在基线曲线之下的局部极值，因此不需要反转信号32的符号。在图7中所示的范例中，对波形的反转能够通过改变信号32的符号来实现。\n[0136] 为了计算滤波旋转角信号pf[m]32中的极值，能够如下地计算表示两个连续样本的梯度的两个信号：\n[0137] g1[m]＝pf[m-1]-pf[m]  (19)\n[0138] g2[m]＝pf[m]-pf[m+1]。  (20)\n[0139] 当：\n[0140]\n[0141] 时，针对样本pf[m]的极值被检测为e[m]∈{0,1}。\n[0142] 为了确定当存在与在基线以下的极值43相比有更多在基线43之上的极值时何时反转信号，能够引入成本度量J[m]，其对在基线水平之上和之下的极值的净数目进行计数。\n示范性成本度量由以下给出：\n[0143]\n[0144] 其中，m0为样本指数，成本度量将从其开始。该样本指数例如能够刚刚在移动伪影已出现并且患者可能已改变姿势之后。\n[0145] 最后，基于该成本度量J[m]，完成对反转呼吸波形的符号的决定，得到相位补偿呼吸角度信号 即：\n[0146]\n[0147] 所提出的通过对极值的数目的综合进行相位复原的优点在于，越多的极值被计数，符号在呼吸的稳定期期间改变的可能性越小。\n[0148] 在最后的步骤S34，能够将由步骤S33提供的相位补偿呼吸角度信号 与步骤S30的即时归类器30组合。步骤S34的输出为呼吸信号34。例如，如果尚未检测到运动伪影\n30，则仅将相位补偿呼吸角度信号 提供为输出信号34。\n[0149] 任选地，在步骤S34中也能够确定呼吸率，例如通过评价呼吸信号中的时间峰到峰分离。基于这些峰之间的时间差，确定呼吸间速率。最后，对多个呼吸间速率求平均，例如通过均值或中位值计算，来计算平均呼吸率。\n[0150] 图8示出对象的两个呼吸信号的两种波形80、81的图。第一波形80显示使用常规呼吸感应性容积描记获得的呼吸信号。第二波形81显示利用根据本发明的一方面的处理装置确定的呼吸信号。新获得的波形81显示与使用常规技术的波形80的良好对应性。\n[0151] 图9A和图9B示出使用常规呼吸感应式容积描记获得的第一波形82、通过仅应用偏移去除和PCA而没有旋转模型基于所获得的移动信号获得的第二波形，与示出根据本发明的一方面基于第一量和旋转模型所估计的旋转角的第三波形84的比较。可见，第二波形83针对对峰的检测而言足以计算呼吸率。然而，第二波形83不反映如利用呼吸感应性容积描记作为参考通过波形82测量的真实胸部移动。然而，考虑旋转模型所估计的旋转角，如波形\n84所示，示出了与参考波形82的非常好的相似性。\n[0152] 图9B示出摘录部分，其中对象100的呼吸率在呼吸深度方面略有一些不规律。也针对该范例，由根据本发明的一方面的处理装置确定的呼吸信号84示出与波形83相比改进的波形重建。\n[0153] 图10A和图10B示出了根据本发明的一方面的呼吸监测器91的备选实施例。在该实施例中，附着工具92包括用于应用到对象100的身体的中心贴片93，以及用于环抱呼吸监测器91的两个柔性翼94、95，在于第一翼94和第二翼95能够在呼吸监测器91的顶上被折叠在一起用于固定。\n[0154] 总之，本文中提供的处理装置、处理方法和呼吸监测器可靠地确定呼吸信号。作为一优点，对呼吸信号的确定涉及低功耗的有限计算量。此外，能够提供对呼吸信号的快速初始读取，连同作为质量度量的即时归类器，其也是以低延时提供的。\n[0155] 尽管已在附图和前文的描述中详细图示和描述了本发明，但要将这样的图示和描述视为说明性或示范性的而非限制性的；本发明不限于所公开的实施例。本领域技术人员在实践要求保护的发明时，通过研究附图、公开内容和权利要求，能够理解并实现对所公开实施例的其他变型。\n[0156] 在权利要求中，词语“包括”不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个元件或处理器可以完成权利要求中记载的几个项目的功能。尽管在互不相同的从属权利要求中记载了特定措施，但是这并不指示不能有利地使用这些措施的组合。\n[0157] 计算机程序可以被存储/分布在合适的介质上，例如与其他硬件一起做作为其他硬件的部分供应的光学存储介质或固态介质，但也可以被分布为其他形式，例如经由因特网或者其他有线或无线电信系统。\n[0158] 权利要求中的任何附图标记都不应当被解释为对范围的限制。