《表1 文本算法在MIT-BIH数据库识别峰值点效果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于贝叶斯估计的脉搏波峰值检测算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

可穿戴产品在实际的脉搏采集过程中，运动干扰引入的大小往往是难以准确衡量的，为了评估本文提出的算法在不同场景下的检测效果，选择了剩余的14组脉搏波数据进行实验.统计结果如表1所示，这14组实验中人体生理状态包含了睡眠、步行和跑步.平均的灵敏度（Se）检测能达到98.17%，阳性预测值（PPV）能达到98.15%，检错率（DER）3.69%.从统计结果可以看出，在睡眠状态下，本文提出的算法具备非常高的Se和PPV，当随着生理状态的改变，运动幅度的加大对本文峰值点的检测产生了影响，出现了峰值点遗漏和误判的情况.