CN104168828A - 生理指标估值的上升和下降极限 - Google Patents

Abstract

本发明公开的方法和装置使用过滤技术来提高在处理生理传感器提供的数据时所获得的结果的精确性。所公开的过滤技术纠正了许多与生理传感器相关的，特别是与PPG传感器相关的精度问题。大体上，过滤技术大体上基于生理指标的瞬时估值与当前过滤估值的比较，根据心率极限调整当前过滤估值。

Description

生理指标估值的上升和下降极限

技术领域

本发明的实施例大致涉及用于监测心律和其它生理指标的光电容积脉搏波(PPG)传感器，尤其涉及PPG传感器的减噪技术。

背景技术

个人健康监视仪通过使用户监视在运动、田径运动训练、休息、日常生活活动、理疗等过程中的心率或者其它的生理信息从而为用户提供监测他们的整体健康和健身的能力。由于这些装置变得越来越小和越来越具有便携性，它们变得越来越流行。

心率监视仪为个人健康监视仪的一个例子。普通类型的心率监视仪使用了胸带监视仪，胸带监视仪包括用于从心脏检测肌肉动作电位的表面电极。因为该表面电极提供了相对的无噪声信号，使用了表面电极的监视仪产生的信息是高度精确的。然而，大多数使用者发现胸带监视仪不舒服和不方便。

另一种类型的心率监视仪使用了设置在耳塞处的PPG传感器。耳朵是放置监视仪的理想位置，因为耳朵处是一个相对静止的平台，不会妨碍人们的移动和视线。靠近耳朵的PPG传感器，例如，可获取下列位置的信息：内耳道和鼓膜(用于测量身体核心温度)，肌肉组织(用于测量肌肉张力)，耳廓和耳垂(用于监视血气等级)，耳朵后面的区域(用于测量皮肤温度和皮肤电反应)，以及颈内动脉(用于测量心肺功能)。耳朵还位于或者靠近身体暴露于感兴趣的环境中的呼吸毒素(挥发性有机化合物、污染等)的点，耳朵受到的噪声污染的点，眼睛受到的光照条件的点等。进一步地，因为耳道自然用于传输声能，耳朵是监视内部声音的良好位置，例如心跳、呼吸率、嘴的运动等。

PPG传感器通过使用红外光或者其它光源投射并最终传输通过组织或者从组织反射回的光来测量相对的血流，该光随后被光电探测器检测到，并进行量化。例如，高的血流的流速将导致更多的光被血流散射，这终将增加到达光电检测器的光强。通过处理光电检测器输出的信号，使用PPG传感器的监视仪可测量血容量脉冲(每次心跳的血容量的相性变化)，心率，心率变化，和其它的生理信息。PPG传感器通常是很小的并且可被封装，因此它们不会有其它的传统健康传感器舒适性和/或便利性的问题。

然而，PPG传感器比其它许多类型的传感器对于运动伪影噪声更加敏感，因此更容易出现精度问题。

发明内容

本发明公开的过滤技术提高了监视仪测量心率和/或其它生理指标的精度，例如，使用光电容积脉搏波(photoplethysmograph，PPG)传感器的生理指标。通常地，公开的过滤技术通过根据心率相关的心率极限来调整心率的估值，进而提高精度。

一个示例性的方法通过处理生理传感器，例如PPG传感器，的数据来减少噪声，从而增加生理指标，例如心率，的精度。该方法包括：基于从生理传感器接收到的生理波形确定生理指标的瞬时估值，将该瞬时估值与生理指标的当前过滤估值进行比较。该方法进一步地包括基于瞬时估值和当前过滤估值之间的比较，根据当前过滤估值和心率极限计算生理指标的修正后的过滤估值；以及输出修正后的过滤估值。

一个示例性的生理传感器通过处理生理传感器，例如PPG传感器，的数据来减少噪声，从而增加生理指标，例如心率，的精度。该处理器包括频谱转换器和过滤器。频谱转换器用于基于接收的波形确定生理指标的瞬时估值。过滤器用于比较该瞬时估值和生理指标的当前过滤估值，并且输出生理指标的修正后的过滤估值，基于该瞬时估值和该当前过滤估值之间的比较，根据当前过滤估值和的心率极限来计算修正后的过滤估值。

附图说明

图1示出了设置在耳塞上的示例性的心率监视仪。

图2示出了设置在外壳内的示例性的生理监视系统的模块图。

图3示出了用于从生理传感器提供的数据确定生理信息的示例性的流程图。

图4示出了图2所示的处理器的示例性的模块图，图2中的处理器用于执行图3所示的流程。

图5示出了图4中的过滤器的示例性的框图。

图6示出了用于从生理传感器提供的数据确定生理信息的另一示例性的流程。

具体实施方式

本发明公开的多个实施例是从人体在活动期间的生命体征、PPG信号和加速度如何改变的新发现中得出的。通过理解这些改变之间的关系，发明了一种方法来追踪运动伪影噪声以及其它类型的噪声中的心率和其它的生命体征，该运动伪影噪声以及其它类型的噪声可导致心率以及其它的生命体征的错误估值。

本发明公开的过滤技术提高了处理数据，例如，生理传感器的心率数据，所得到的结果的精度。图1示出了设置在耳塞10上的示例性的监视系统12。耳塞10可包括与远程设备通信连接的有线或者无线耳塞，远程设备例如为音乐播放器、智能手机、个人数据助理等。监视系统12监视心率和/或其它生理指标，并且输出这些生理信息到用户和/或其它处理函数。而本发明公开的监视系统12为耳塞10的部分，应当理解监视系统12可设置在固定于用户身体上的任何设备内，例如，固定在耳朵、手指、趾、四肢(臂、腿、踝关节等)、腕、鼻等上的设备。在一些实施例中，该设备可包括补丁(patch)，例如，绷带，用于将监视系统12连接到用户身体上的预期的位置。

图2示出了一个示例性的实施例中的示例性的监视系统12的模块图。监视系统12包括处理器100，处理器100连接到一个或者多个生理传感器20、存储器30和输出接口40。如本发明进一步讨论的，监视系统12还可以包括可选的惯性传感器50，惯性传感器50用于感应监视系统12之外的能量，例如，运动。生理传感器20产生响应用户生理状态的生理波形。处理器100通过使用本发明公开的过滤技术以及存储在存储器30中的信息处理生理波形来高精度地确定心率和/或一个或者多个生理指标。输出接口40输出确定的生理指标。应当理解，输出接口可包括收发器，该收发器用于发送处理器100输出的数据到远程设备。可选地或者另外地，输出接口可提供输出数据到用户接口，例如，显示屏、数据库、另一处理器，和/或处理函数。

在示例性的实施例中，生理传感器20包括光电容积脉搏波(PPG)传感器，光电容积脉搏波响应于检测到的光强产生电生理波形。PPG传感器包括光强传感器，该光强传感器通常依赖于进入到血管中的光的光耦合。如在本发明所用的，术语“光耦合”指的是进入区域的激发光与区域自身之间的相互作用或通信。例如，光耦合的一种形式是光导耳塞10内产生的激发光与耳朵的血管之间的相互作用。待审查的公开号为2010/0217102的美国专利申请中描述了光导耳塞，该专利通过援引的方式并入本案。在一个实施例中，激发光与血管之间的相互作用可能涉及进入耳朵区域的激发光与耳朵内的血管散射的激发光，因此，散射光的强度与血管内的血流速度成正比。光耦合的另一种形式是由耳塞内的光发射器产生的激发光与耳塞的光导区间相互作用形成的。

处理器100从生理波形确定一个或者多个生理指标，并且过滤确定的生理指标以产生修正的生理指标，该修正的生理指标具有增加的精度。确定的生理指标也可指从一个或者多个生理指标计算出的生理学评估。为了简化，下面描述了处理器100确定心率的过程。然而，处理器100可替代地或者另外地确定其它的生理指标，例如，呼吸速率、心率变异(HRV)、脉搏压、收缩压、舒张压、步率、氧气摄取(V0₂)、和R-R间隔(代表了ECG波形中的相继的R峰之间的间隔)、最大氧气摄取(最大V0₂)、燃烧的卡路里、创伤、心排血量和/或包括血红高蛋白氧气占据的结合点(SP0₂)的血分析物水平、高铁血红蛋白的百分比、羰基血红蛋白的百分比、和/或葡萄糖水平。替代地或者另外地，处理器100可确定或者过滤一个或者多个生理评估，例如，通风阈、乳酸阈、心肺状态、神经功能状态、有氧能力(最大V0₂)、和/或整体健康或健身。虽然心率被作为具体生理指标的一个例子，并且可通过本发明的实施例中精确地得出，应当理解的是，通过这些实施例也可以获得其它的生理指标。周期性改变的生命体征，例如，但不限于，心率、呼吸率、R-R间隔，生理节奏变化、血气水平的变化，以及类似的，可特别的适合于从描述的实施例中提取信号。

图3示出了示例性的方法200，该方法可被处理器100执行以计算修正的心率。在处理器100从传感器20(块210)接收生理波形后，处理器100确定心率的瞬时估值P_inst。在比较P_inst和当前过滤估值P_filt后，当前过滤估值P_filt是从存储器30中检索到的，处理器100基于比较(模块230)，根据P_filt和心率极限Δ_r计算心率的修正的过滤估值其中Δ_r也可从存储器30中检索。处理器100随后输出修正的过滤估值到输出接口40(模块240)。应当理解的是，处理器100可存储存储器30中的修正的过滤估值因此，其可用于随后的计算和/或作为当前过滤估值P_filt。如在此处使用的，心率极限代表了心率改变速率的极限。例如，心率极限可代表心率在1秒帧周期内经历的每分钟心动(beats perminute，BPM)的改变速率。该心率极限可基于经验证据来确定，并且通常是预先确定的。应当理解的是，该心率极限可表示为任何长度帧周期内经历的心率的改变，例如，BPM/s的心率极限乘以帧周期(秒表示)的长度。

图4示出了示例性的处理器100的模块图，该处理器100用于处理传感器20提供的生理波形。处理器100包括频谱转换器110和过滤器120。频谱转换器110频谱转换从传感器20接收的生理波形，以确定生理波形的一个或者多个启发性属性，并将启发性属性提供到过滤器120。例如，频谱转换器110可评估频谱转换的波形以确定具有最大幅度的频谱峰。频谱转换器110随后确定具有最大幅度的峰的频率，并将其作为心率的瞬时估值P_inst。过滤器120过滤心率的瞬时估值P_inst，从而基于P_filt和P_inst的比较，根据P_filt和Δ_r计算修正的过滤器估值

为了说明，考虑下面的例子。如果瞬时心率大于或者等于当前过滤心率，过滤器120根据上升/增加心率极限Δ_r+和当前过滤心率计算修正的过滤估值，例如，根据

${\hat{P}}_{\mathrm{filt}}=P_{\mathrm{filt}}+\min ({\mathrm{\Δ}}_{r+},P_{\mathrm{inst}}-P_{\mathrm{filt}})---\left(1\right)$

其中，上升心率极限Δ_r+为，例如，1秒帧周期6BPM。如果，然而，瞬时心率小于当前过滤心率，过滤器120可根据下降的心率极限Δ_r-和当前过滤心率计算修正的过滤估值，例如，根据：

${\hat{P}}_{\mathrm{filt}}=P_{\mathrm{filt}}+\max ({\mathrm{\Δ}}_{r+},P_{\mathrm{inst}}-P_{\mathrm{filt}})---\left(2\right)$

其中，下降心率极限Δ_r-为，例如，-4。

图5示出了示例的过滤器120的模块图。在一个实施例中，过滤器120包括调整处理器130和结合器122。结合器122结合调整处理器130输出的调整参数Δ_a和P_filt来计算心率的修正的过滤估值调整处理器130包括函数处理器132，函数处理器132用于响应于瞬时估值P_inst和当前过滤估值P_filt的比较，根据心率极限Δ_r和当前过滤估值P_filt来计算Δ_a。使用前一个例子，当P_inst≥P_filt，函数处理器132可根据Δ_a＝min(Δ_r+,P_inst-P_filt)(3)计算调整参数Δ_a。

如果，然而，P_inst<P_filt，函数处理器132可根据Δ_a＝max(Δ_r-,P_inst-P_filt)(4)计算调整参数Δ_a。

在一些实施例中，调整处理器130选择函数处理器132使用的上升或者下降的心率极限，该选择是基于瞬时估值和当前过滤估值之间的比较做出的。可替换地，过滤器120可包括心率处理器124，心率处理器124基于瞬时估值和当前过滤估值的比较选择初始心率极限Δ_init。该初始心率极限可包括上升的或者下降的心率极限。在另一实施例中，函数处理器132可包括与不同的比较结果相关的不同的处理路径，其中，调整处理器130基于瞬时估值和当前过滤估值之间的比较选择一条处理路径，其中每条处理路径与方程(1)/(3)和(2)/(4)中的不同方程相关，其中每条处理路径包括相应的心率极限。

应当理解的是，本发明公开的上升和下降心率极限不同的值为示例性的，并且没有限制。在一些实施例中，上升心率极限的大小可能等于下降心率极限的大小。替换地或者另外地，上升和下降心率极限可分别包括正值和负值，对此没有要求。例如，当下降心率极限设为正值，方程(4)可根据Δ_a＝-min(Δ_r-,P_filt-P_inst)(5)进行修改。

当上升心率极限为负值时，可对方程(3)做类似的修改。

调整处理器130可进一步的包括修正处理器134，修改处理器134用于基于一个或者多个启发性(heuristic)属性来计算一个或者多个修正，并进一步地用于根据该修正和例如心率处理器124提供的初始心率极限Δ_init来确定心率极限。相应地，修正处理器134包括计算器136和修正应用器138。计算器136基于一个或者多个频谱转换提供的生理波形的启发性属性计算一个或者多个修正。在一些实施例中，修正代表了初始心率极限Δ_init的可靠性。修正应用器138随后将计算的修正应用于初始心率极限Δ_init，例如，通过求和，和/或将初始的心率极限Δ_init乘以计算的修正来确定函数处理器132使用的心率极限Δ_r。应当理解的是，可将修正应用到任意的初始心率极限Δ_init，该初始心率极限包括上升心率极限，下降心率极限或者两者都包括，当函数处理器使用基于P_inst和P_filt之间的比较的不同的处理路径，将修改应用到需要的/期望的一个或者多个处理路径的心率极限。

在一个示例性的实施例中，计算器136基于包括心率的瞬时估值的频谱特征的生理波形的启发性属性计算频谱修正α₁。该频谱修正量化了频谱转换器110的可靠性(或信心(confidence))，频谱转换器110将瞬时估值与正确的频谱峰关联。广泛地，当最大幅度的频谱峰与第二大幅度的频谱峰之间有较大的差别，有较大的可能性是最大的频谱峰对应于感兴趣的瞬时心率。更特别地，频谱转换器110可提供若干频谱转换波形的频谱峰的频谱特征，例如，两个或者更多频谱峰的大小。例如，频谱转化器可提供最大频谱峰SPM₁和第二大频谱峰SPM₂的大小给计算器136。基于提供的频谱的大小，计算器136计算频谱修正。例如。计算器136可根据计算频谱修正。

随后，修正应用器138根据Δ_r＝α₁Δ_init(7)应用频谱修正。

应当理解的是，应用器138可通过使用线性的方法，例如乘、加、减和/或除，或者使用非线性方法，例如，范数、RMS、最小或者最大函数，等方法将频谱修正应用到初始心率极限Δ_init。应当注意的是，如果最大峰(SPM1)的大小和第二大峰(SPM2)的大小相等，那么α₁＝0，因此，心率极限Δ_r为0。当心率极限为0，描述的生理指标(在特定的情况中为描述的心率)可能不变。

在另一示例性的实施例中，计算器136，基于瞬时估值和当前过滤估值之间的比较，根据限定心率的边界值计算边界修正α₂。边界修订还量化了频谱转换器110的可靠性(或者信心)，基于当前过滤估值和瞬时过滤估值的差别，频谱转换器110将心率的瞬时估值与正确的频谱峰关联。当瞬时估值和当前过滤估值有较大的差别，那么瞬时估值是正确的可能性就比较低。更特别地，当瞬时估值大于或者等于当前过滤估值，计算器136可根据计算边界修正，其中，P_max代表心率的上边界。例如，P_max可被设为225BPM。当瞬时估值小于当前过滤估值，计算器136可根据计算边界修正，其中，P_min代表心率的下边界。例如，P_min可被设为40BPM。随后，修正应用器138根据Δ_r＝α₂Δ_init(10)应用边界修正。

应当理解的是，应用器138可使用线性方法，例如，乘，加，减，和/或除，或者使用非线性的方法，例如范数、RMS、最小或者最大函数来将边界修正应用到初始心率极限Δ_init。应当理解的是，上和下心率边界是基于经验证据的，其预示了大部分人，不论休息或者运动，具有的心率在40BPM到225BPM之间。

在另一实施例中，如前面所述的，计算器136可计算频谱和边界修正，随后，应用器138根据Δ_r＝α₁α₂Δ_init(11)应用频谱和边界修正。

应当理解的是，应用器138可使用线性方法，例如，乘、加、减、和/或除，或者使用非线性的方法，例如，范数、RMS、最小或者最大函数来将频谱和边界修正应用到初始心率极限Δ_init。应当进一步理解的是，基于生理波形的一个或者多个启发性属性确定的其它修正可另外地，或者替换地应用到初始心率极限Δ_init来确定Δ_r。

前面已经公开的实施例过滤了心率的估值，该心率是从传感器20输出的生理波形的频谱转换得到的。该过滤增加了输出心率的精度，应当理解的是，在使用过滤技术之前，将噪声去除技术应用到生理波形和/或将其应用到瞬时估值，可进一步地增加该精度。例如，处理器100可包括可选的噪声过滤器140(图4)，噪声过滤器140用于过滤传感器20输出的生理波形以产生噪声降低的波形，例如没有呼吸噪声的波形。在该例子中，频谱转换器110基于噪声减少的波形确定过滤过程中使用的瞬时估值和/或其它频谱信息。在该过程中，处理器100减少瞬时估值和/或修正的过滤估值中的噪声。替换地或者另外地，系统12可包括可选的惯性传感器50(图2)，例如，运动传感器，用于接收外部能量形式的惯性波形，例如，外部的运动。运动传感器50可包括一个或者多个任何类型的传感器，包括但不限于，加速度计、光发射器/接收器对、光检测器、CCD相机、压电式传感器、热传感器、或者任何类型的能够获取运动信息的传感器。示例性的光发射器包括一个或者多个光发射二极管、激发光二极管、有机发光二极管、微发光器、电磁发射器等。应当理解的是，本发明公开的传感器不限于电磁谱中的光波长范围。在一些实施例中，用于短波长或者长波长的发射器和/或检测器可用于适应电磁谱中的短的或者长的波长。光检测器可包括光电检测器、电磁检测器、光电二极管等。在过滤的实施例中，频谱转换器110基于惯性波形确定的惯性谱和生理波形确定的生理谱来确定过滤过程中使用的瞬时估值和/或其它频谱信息。在该过程中，处理器100减少由于外部的能量/运动产生的噪声，例如，由于耳塞的配合不佳、阴影等，以减少瞬时估值和/或修正的过滤估值中的噪声。例如，频谱转换器可减去生理或者惯性谱来确定减少的噪声谱，并随后将最大幅度的谱峰相关的频率确认为心率的瞬时估值。在另一些实施例中，噪声过滤器140可接收惯性波形，并基于惯性波形过滤生理波形来产生噪声减少的波形，其中，频谱转换器基于噪声减少的波形确定瞬时估值和/或频谱信息。

图6示出了示例性的方法250的一个实施例，在该实施例中，频谱和边界修改用于计算心率极限，并确定惯性传感器50提供的惯性波形用于减少本发明中的噪声。在示例性的实施例中，P_filt可选地包括当前过滤心率，其初始值设为83BPM(模块252)。频谱转换器110将生理和惯性传感器(模块254、256)接收的生理和惯性波形进行频谱转换。频谱转换器110随后确定频谱转换后的惯性波形(SRF₁)的主峰的频率，计算生理和惯性谱(S)的差别，确定S的主峰和第二主峰的大小(分别为SPM₁和SPM₂)，并将P_inst设为等于主峰(SPF₁)(模块258)的频率，并至少提供P_inst到过滤器120。在比较P_filt和P_inst(模块260)后，过滤器120基于比较来进行过滤操作。例如，当P_inst≥P_filt时，过滤器120执行模块262的操作，当P_inst<P_filt时，执行模块264的操作。随后，处理器输出(模块266)。

本发明公开的实施例，增加了基于生理波形确定的心率的精确度，该生理波形是生理传感器提供的，特别是噪声感应传感器提供的，例如，PPG传感器。特别地，本发明公开的实施例减少了之前的系统未解决的噪声源的影响，例如，由于用户的下巴运动和/或呼吸产生的运动噪声、由于用户进入或离开阴影区产生的阴影/阳光闪烁、由于光电检测器检测到的环境光而产生的光噪声等。

本发明以PPG传感器为例进行描述，应当理解的是，传感器20可包括可产生生理波形的任何传感器，生理波形，例如，为脑电图(EEG)波形、和心电图(ECG)波形、射频(RF)波形、电光生理波形、热电波形、包括光声波形、机电生理波形，和/或电-核生理波形的电的光声波形。

当然，本发明可通过具体实施例之外的方式来实施，而不偏离本发明的实质特征。本发明实施例的各个方面应当理解为说明本发明而不是限制本发明，在本发明的权利要求内或其等效的范围内做出的任何改变都属于本发明的保护范围。

Claims (39)

1.一种生理处理器，用于处理光电容积脉搏波传感器提供的波形，所述生理处理器包括：

频谱转换器，用于基于所述波形来确定心率的瞬时估值；以及

过滤器，用于：

将所述瞬时估值和心率的当前过滤估值进行比较；并

基于所述瞬时估值和所述当前过滤估值的比较，根据所述当前过滤估值和心率极限输出心率的修正的过滤估值。

2.一种处理生理传感器提供的数据的方法，所述方法包括：

从所述生理传感器接收生理波形；

基于所述生理波形确定生理指标的瞬时估值；

将生理指标的瞬时估值和当前过滤估值进行比较；

基于所述瞬时估值和所述当前过滤估值的比较，根据所述当前过滤估值和心率极限来计算生理指标修正的过滤估值；以及

输出修正后的过滤估值。

3.如权利要求2所述的方法，其特征在于，进一步包括：基于所述瞬时估值和所述当前过滤估值之间的比较，根据所述当前过滤估值、所述瞬时估值、所述心率极限来计算调整参数，计算所述修正的过滤估值包括将所述当前过滤估值和所述调整参数结合起来。

4.如权利要求2所述的方法，其特征在于，所述心率极限包括增加的心率极限，计算所述修正的过滤估值的步骤包括：当所述瞬时估值大于或者等于所述当前过滤估值时，根据所述当前过滤估值和所述增加的心率极限来计算所述修正的过滤估值。

5.如权利要求2所述的方法，其特征在于，所述心率极限包括减少的心率极限，计算所述修正的过滤估值包括当所述瞬时估值小于所述当前过滤估值时，根据所述当前过滤估值和所述减少的心率极限来计算所述修正的过滤估值。

6.如权利要求2所述的方法，其特征在于，进一步包括根据所述生理波形的一个或者多个启发性属性确定所述心率极限。

7.如权利要求6所述的方法，其特征在于，根据所述生理波形的一个或者多个启发性属性确定所述心率极限包括：根据两个或者多个启发性属性的和确定所述心率极限。

8.如权利要求6所述的方法，其特征在于，根据所述生理波形的一个或者多个启发性属性确定所述心率极限包括：根据两个或者多个启发性属性的乘积确定所述心率极限。

9.如权利要求6所述的方法，其特征在于，所述方法进一步包括基于一个或者多个启发性属性计算一个或者多个修正，其中，根据所述生理波形的一个或者多个启发性属性确定所述心率极限包括：根据一个或者多个修正和初始心率极限确定所述心率极限。

10.如权利要求9所述的方法，其特征在于，计算一个或者多个修正的步骤包括：基于与所述生理指标和一个或者多个启发性属性相关的边界值来计算第一修正，其中，根据所述一个或者多个修正和所述初始心率极限确定所述心率极限包括：将所述第一修正应用到所述初始心率极限。

11.如权利要求9所述的方法，其特征在于，所述一个或者多个启发性属性包括所述生理波形的频谱特征，其中，计算所述一个或者多个修正的步骤包括基于所述生理波形的频谱特征计算第一修正，其中，根据所述一个或者多个修正以及所述初始心率极限确定所述心率极限包括应用所述第一修正至所述初始心率极限。

12.如权利要求11所述的方法，其特征在于，计算所述一个或者多个修正的步骤进一步包括基于与所述生理指标和所述一个或者多个启发性属性相关的边界值计算第二修正，其中，根据所述一个或者多个启发性属性和所述初始心率极限确定心率极限的步骤包括将所述第一和第二修正应用到所述初始心率极限。

13.如权利要求11所述的方法，其特征在于，确定所述瞬时估值的步骤包括将接收到的波形进行频谱转换以确定一个或者多个频谱峰，并且基于第一频谱峰的一个或者多个特征来确定所述瞬时估值，所述第一频谱峰比其它的频谱峰具有较大的幅度，其中，计算所述第一修正的步骤包括基于第二频谱峰和所述第一频谱峰之间的比值来计算所述第一修正，所述第二频谱峰具有比所述第一频谱峰更小的幅度，并且比其它的频谱峰具有更大的幅度。

14.如权利要求2所述的方法，其特征在于，确定所述瞬时估值包括处理所述生理波形以减少所述瞬时估值的噪声。

15.如权利要求14所述的方法，其特征在于，处理所述生理波形包括从惯性传感器接收惯性波形并且基于所述惯性波形处理所述生理波形以减少所述瞬时估值的噪声。

16.如权利要求14所述的方法，其特征在于，处理所述生理波形包括过滤所述生理波形以减少所述生理波形中的噪声。

17.如权利要求2所述的方法，其特征在于，所述心率极限包括增加的和减少的心率极限中的至少一个，所述方法进一步包括基于所述瞬时估值和所述当前过滤估值之间的比较选择所述增加的和减少的心率极限中的至少一个。

18.如权利要求2所述的方法，其特征在于，输出所述修正的过滤估值的步骤包括输出所述修正的过滤估值到用户界面、收发器、数据库、处理器和处理函数中的至少一个。

19.如权利要求2所述的方法，其特征在于，所述生理指标包括心率。

20.如权利要求2所述的方法，其特征在于，接收所述生理波形包括从光电容积脉搏波(PPG)传感器接收所述生理波形。

21.一种生理处理器，用于处理生理传感器提供的生理波形，所述处理器包括：

频谱转换器，用于基于所述生理波形确定生理指标的瞬时估值；以及

过滤器，用于：

将所述瞬时估值与所述生理指标的当前过滤估值进行比较；以及

基于所述瞬时估值和所述当前过滤估值之间的比较，根据所述当前过滤估值和心率极限输出修正的过滤估值。

22.如权利要求21所述的生理处理器，其特征在于，所述过滤器包括：

调整处理器，用于基于所述瞬时估值和所述当前过滤估值之间的比较，根据所述当前过滤估值、所述瞬时估值和所述心率极限来计算调整参数；以及

结合器，用于结合所述当前过滤估值和所述调整参数来计算所述生理指标的所述修正的过滤器估值。

23.如权利要求21所述的生理处理器，其特征在于，所述心率极限包括增加的心率极限，其中，所述过滤器用于当所述瞬时估值大于或者等于所述当前过滤估值时，根据所述当前过滤估值和所述增加的心率极限输出所述修正的过滤估值。

24.如权利要求21所述的生理处理器，其特征在于，所述心率极限包括减少的心率极限，其中，所述过滤器用于当所述瞬时估值小于所述当前过滤估值时，根据所述当前过滤估值和所述减少的心率极限输出所述修正的过滤估值。

25.如权利要求21所述的生理处理器，其特征在于，所述过滤器包括调整处理器，所述调整处理器用于根据所述生理波形的一个或者多个启发性属性确定所述心率极限。

26.如权利要求25所述的生理传感器，其特征在于，所述调整处理器用于根据两个或者多个启发性属性的和确定所述心率极限。

27.如权利要求25所述的生理处理器，其特征在于，所述调整处理器用于根据两个或者多个启发性属性的乘积确定所述心率极限。

28.如权利要求25所述的生理处理器，其特征在于，所述调整处理器包括修正处理器，所述修正处理器用于基于所述一个或者多个启发性属性来计算一个或者多个修正，其中，所述调整处理器通过根据所述一个或者多个修正以及初始心率极限确定心率极限来确定所述心率极限。

29.如权利要求28所述的生理处理器，其特征在于，所述修正处理器包括：

计算器，用于基于与所述生理指标和所述一个或者多个启发性属性相关的边界值来计算第一修正；以及

修正应用器，用于应用所述第一修正到所述初始心率极限以确定所述心率极限。

30.如权利要求28所述的生理处理器，其特征在于，所述一个或者多个启发性属性包括生理波形的频谱特征，其中，所述修正处理器包括：

计算器，用于基于所述生理波形的所述频谱特征计算第一修正；以及

修正应用器，用于将所述第一修正应用到所述初始心率极限来确定所述心率极限。

31.如权利要求30所述的生理处理器，其特征在于，所述计算器进一步用于基于与所述生理指标和所述一个或者多个启发性属性相关边界值来计算第二修正，其中，所述修正应用器用于将所述第一和第二修正应用到所述初始心率极限来确定所述心率极限。

32.如权利要求30所述的生理处理器，其特征在于，所述频谱转换器用于频谱转换所述生理波形来确定一个或者多个频谱峰，并且基于第一频谱峰的一个或者多个特征来确定所述瞬时估值，所述第一频谱峰具有比其它频谱峰大的幅度，其中，所述计算器用于基于第二频谱峰与所述第一频谱峰的比值计算所述第一修正，所述第二频谱峰具有比所述第一频谱峰小的幅度，并且具有比其它频谱峰大的幅度。

33.如权利要求21所述的生理处理器，其特征在于，进一步包括用于接收惯性波形的惯性传感器，其中，所述频谱转换器用于基于所述惯性波形来确定所述瞬时估值以减少所述瞬时估值中的噪声。

34.如权利要求21所述的生理处理器，其特征在于，进一步包括：

惯性传感器，用于接收惯性波形，以及

噪声处理器，用于基于所述惯性波形过滤所述生理波形以产生噪声减少的波形，所述频谱转换器用于基于所述噪声减少的波形来确定所述瞬时估值以减少所述瞬时估值的噪声。

35.如权利要求21所述的生理处理器，其特征在于，进一步包括噪声过滤器，所述噪声过滤器用于过滤所述生理波形以产生噪声减少的波形，其中，所述频谱转换器用于基于所述噪声减少的波形来确定所述瞬时估值以减少所述生理波形的噪声。

36.如权利要求21所述的生理传感器，其特征在于，所述心率极限包括增加的和减少的心率极限中的至少一个，其中，所述过滤器包括心率处理器，所述心率处理器用于基于所述瞬时估值和所述当前过滤估值之间的比较从所述增加的和减少的心率极限中选择至少一个。

37.如权利要求21所述的生理处理器，其特征在于，进一步包括输出元件，所述输出元件用于从所述过滤器接收所述修正的过滤估值，所述输出元件包括用户界面、收发器、数据库、处理器和处理函数中的至少一个。

38.如权利要求21所述的生理传感器，其特征在于，所述生理指标包括心率。

39.如权利要求21所述的生理传感器，其特征在于，所述生理传感器包括光电容积脉搏波(PPG)传感器。