一种用于提取指示对象的至少一个生命体征的生理信息的设备，所述设备包括输入接口(30)，其用于获得从探测到的透射通过对象的皮肤区域的电磁辐射或者从对象的皮肤区域反射的电磁辐射中导出的至少两个探测信号Cn；其中，每个探测信号包括不同波长通道中的依赖波长的反射信息或透射信息；脉动信号计算单元(32)，其通过使用不同的给定的特征向量(Pbv1、Pbv2)而根据所述至少两个探测信号(Cn)来计算至少两个脉动信号S1、S2；其中，针对每个脉动信号的所述计算，使用不同的给定的特征向量；其中，给定的特征向量表示所述至少两个探测信号中的相应脉动信号的预期相对脉动性；其中，对脉动信号的所述计算涉及使用权重来计算所述至少两个探测信号的加权组合；得到这样的脉动信号：所述脉动信号与原始探测信号的乘积等于由相应特征向量表示的所述相对脉动性；质量指标计算单元(34)，其用于针对所述脉动信号(S1、S2)计算指示相应脉动信号的特性的质量指标值(Q1、Q2)；控制信号计算单元(35)，其用于根据所述质量指标值(Q1、Q2)来计算控制信号CS；其中，所述控制信号计算单元(35)被配置为在所述至少两个脉动信号中的第二脉动信号(S2)的所述质量指标值(Q2)大于所述至少两个脉动信号中的第一脉动信号(S1)的所述质量指标值(Q1)的情况下增大所述控制信号CS；并且反之亦然；特征调整单元(36)，其被配置为通过将更新向量 和 添加到译参考特征向量(Pbv0)来计算所述至少两个特征向量(Pbv1、Pbv2)； 是选定向量；以及处理单元(38)，其用于从所述至少两个特征向量中的引起具有最佳质量指标值(Q1、Q2)的所述脉动信号的特征向量中并且/或者从具有所述最佳质量指标值(Q1、Q2)的所述脉动信号中导出指示至少一个生命体征的生理信息(V)。

作为一名经验丰富的专利代理师，我针对目标专利**CN108366759B**（权利要求1）与三份对比文件（D1: **US20140275825A1**、D2: **CN104887198A**、D3: **CN102917661B**）展开深入的技术特征比对、说明书解释与创造性/无效可行性分析。

---

## 一、 结合目标专利说明书解释权利要求1

目标专利**CN108366759B**的核心发明点在于：针对远程/接触式光体积描记（PPG）在低信噪比（SNR）或运动干扰下信号易失真的难题，利用不同波长通道中血液与皮肤组织的相对光谱吸收特性，构建并动态调整“规范化血容量脉动向量（$P_{bv}$）”，通过闭环质量反馈迭代寻优，从而提取出高鲁棒性的脉动信号及生理信息（如$SpO_2$）。

根据说明书段落[0018]–[0045]及[0071]–[0114]，权利要求1的技术特征拆解与说明书含义解释如下：

* **输入接口（特征A~D）**：获取至少两个不同波长通道（如红光、红外光、绿光等，覆盖300nm–1000nm）的依赖波长的透射或反射光信号 $C_n$（即原始无DC规范化通道信号）[0019, 0071, 0082]。

* **脉动信号计算单元（特征E~K）**：说明书[0020, 0072-0089]明确说明，给定特征向量（$P_{bv1}, P_{bv2}$）代表各波长通道中脉动信号的预期相对幅度/相对脉动性（Reflectance/Transmittance contrast）。通过权重矩阵 $W$ 计算通道信号的加权线性组合 $S = W C_n$，且加权约束条件为：脉动信号 $S$ 与原始信号 $C_n$ 的互相关/乘积在数学上等于特征向量指示的相对脉动性（即 $W C_n C_n^T = k P_{bv}^T$），由此消除与该向量方向正交的运动/环境噪声。

* **质量指标计算单元（特征L~M）**：针对计算出的脉动信号 $S_1, S_2$，计算质量指标值 $Q_1, Q_2$（说明书[0039, 0096-0107]指出，可为频域滑动窗口内脉动主峰幅度、或主峰能量与总频谱能量的比值/SNR）。

* **控制信号计算单元与特征调整单元（特征N~S）**：这是本专利的动态寻优控制核心[0044-0045, 0108-0114]。若第二脉动信号 $S_2$ 的质量指标 $Q_2$ 优于第一脉动信号 $S_1$ 的 $Q_1$（即 $Q_2 > Q_1$），则增大控制信号 $CS$（如符号或计数器递增），反之递减；特征调整单元将更新向量 $\Delta = CS \cdot \vec{U}$（$\vec{U}$ 为预先设定的步长/偏置向量）叠加到参考特征向量 $P_{bv0}$ 上（即 $P_{bv1,2} = P_{bv0} \pm \Delta$），实现对特征向量在颜色/波长空间内的方向微调与收敛。

* **处理单元（特征T~U）**：从具有最佳质量指标（最高SNR）的特征向量或对应的脉动信号中提取最终生命体征生理信息 $V$（如动脉血氧饱和度 $SpO_2$、心率、血清胆红素等）[0022, 0031-0033]。

---

## 二、 权利要求1技术特征比对表格

以下为权利要求1各技术特征在目标专利及对比文件中的对照分析表：

---

## 三、 对比文件原文详细出处分析与拆解

### 1. D1：`US20140275825A1`（METHODS AND SYSTEMS FOR LIGHT SIGNAL CONTROL IN A PHYSIOLOGICAL MONITOR）

* **特征A~D公开情况（毫无异议公开）**：

* *原文出处*：摘要[0003]及[0029]“...receive two or more light signals attenuated by a subject, where each respective light signal corresponds to a different wavelength of light... [0029] light source 130... emit photonic signals having one or more wavelengths of light (e.g. red and IR)...”

* *分析*：明确公开了通过输入接口接收红光和红外光等多波长通道的反射/透射探测信号。

* **特征E~K公开情况（部分/实质公开，存在区别）**：

* *原文出处*：[0003]及[0076] Eq. 1: $C = x \cdot (Red) + (1-x) \cdot (IR)$

* *分析*：D1公开了利用权重参数 $x$ 对至少两个接收到的波长信号进行加权组合得到组合信号 $C$。然而，D1的权重 $x$ 是根据全局指标（如血氧或SNR）直接选取的标量，**未公开**目标专利中由“特定的已知光谱相对脉动性 $P_{bv}$”作为特征向量约束、且使得“脉动信号与原始信号的乘积等于该相对脉动性”的求解模型。

* **特征L~M公开情况（毫无异议公开）**：

* *原文出处*：[0017]“...The metric may include a physiological parameter... signal-to-noise ratio, signal quality...”及[0076]。

* *分析*：明确公开了针对信号计算信噪比（SNR）、信号质量等质量指标值。

* **特征N~S公开情况（未公开）**：

* *分析*：D1在[0070]、[0076]中仅公开了根据Metric与固定阈值（Threshold 408）的比较来切换信号或调整标量权重 $x$，完全没有公开“比较第一与第二脉动信号的质量指标 $Q_1, Q_2$、若 $Q_2 > Q_1$ 则增减控制信号 $CS$”，更没有公开“通过 $P_{bv0} \pm CS \cdot \vec{U}$（矢量步进更新）来微调特征向量”的闭环迭代算法。

* **特征T~U公开情况（毫无异议公开）**：

* *原文出处*：[0003],[0087]-[0088]“...determining a physiological parameter based on the selected light signal... pulse rate, respiration rate, respiration effort, blood pressure...”

* *分析*：公开了基于选定/组合后具有最佳质量的信号导出生命体征。

### 2. D2：`CN104887198A`（基于人体生理信号多参数融合的疼痛定量分析系统及方法）

* **特征A~D公开情况（毫无异议公开）**：

* *原文出处*：[0024]-[0030]“信号采集电极分别采集人体的BVP、ECG、SC信号...放置于人体利手中指指腹处...”

* *分析*：公开了接口获取BVP（血容量搏动）等生理信号。

* **关键差异分析（特征E~S未公开）**：

* *原文出处*：[0033],[0057]-[0095]

* *分析*：D2中所述的“特征向量 $fv$”是指从BVP、ECG、皮电信号的时域波形中提取的均值、标准差、最大最小值等统计特征构成的多维向量（[0058] $fv = [fv_{bvp}, fv_{bvp1D}, fv_{ecg}, fv_{sc}, fv_{sc1D}]$），并对其进行全局PCA协方差对角化降维。这与目标专利中用于描述“多光谱光强中血液脉动相对吸光度”物理特性的 $P_{bv}$ 特征向量在物理含义、数学模型和调整方式上存在本质不同。D2完全未涉及特征N~S的质量指标驱动的矢量步进迭代更新（$P_{bv0} \pm CS \cdot \vec{U}$）。

### 3. D3：`CN102917661B`（基于多变量残差的用于人体健康监视的健康指数）

* **特征A~D公开情况（毫无异议公开）**：

* *原文出处*：[0037],[0041]-[0045]公开了通过包含红光与红外光（PPG）及ECG的传感器获取生物信号。

* **关键差异分析（特征E~S未公开）**：

* *原文出处*：[0035],[0083]-[0104]

* *分析*：D3的核心是基于相似性建模（SBM）对已知健康状态建立多变量核回归估计，计算观测值与估计值之间的“残差向量”，再利用高斯混合模型计算多变量健康指数（MHI）。D3并没有利用不同波长下预期相对脉动性向量 $P_{bv}$ 来解算/提取脉动信号 $S_1, S_2$，也没有质量指标反馈控制更新特征向量（特征N~S）。

---

## 四、 最接近对比文件的选择与技术问题/效果分析

在创造性分析中，**对比文件D1（US20140275825A1）最适合作为最接近的对比文件**。理由如下：

1. **技术领域完全相同**：D1与目标专利均属于光体积描记（PPG）及多波长生理监测技术领域，均通过多波长光传感器提取生理参数。

2. **解决的技术问题基本相同**：两者均致力于解决在患者存在运动、低血氧或环境干扰时，如何提高提取脉动信号/生理参数的信噪比和鲁棒性这一技术问题。

3. **技术方案最为接近**：D1已经公开了获取多波长信号、根据信号质量/Metric计算权重以合成组合信号、以及从组合信号中导出生理参数的整体框架。

相比之下，D2主攻多生理参数融合的疼痛定量评估（机器学习/PCA分类），D3主攻多变量残差健康指数监测（SBM模型），其技术主线与目标专利的光谱特征向量解算脉动信号有较大偏差。

### 最接近对比文件D1与目标专利权利要求1的区别技术特征：

* **区别特征1（对应特征E~K）**：目标专利采用“表示各通道中相应脉动信号预期相对脉动性的特征向量 $P_{bv}$”作为约束条件来计算加权组合，使得脉动信号与原始信号的乘积等于该相对脉动性；而D1仅公开了基于Metric直接调节各波长信号的标量线性加权系数 $x$。

* **区别特征2（对应特征N~S）**：目标专利建立了闭环迭代更新机制，根据第二与第一脉动信号质量指标的比较结果（$Q_2 > Q_1$ 与否）增减控制信号 $CS$，并利用偏置向量 $\vec{U}$ 与 $CS$ 的乘积（$\Delta = CS \cdot \vec{U}$）加减参考特征向量 $P_{bv0}$ 来更新特征向量；而D1仅根据Metric与固定阈值比较进行信号切换或标量系数调整，无矢量步进微调机制。

### 目标专利实际解决的技术问题与技术效果：

* **实际解决的技术问题**：如何在极低信噪比或剧烈运动干扰下，自动且精准地使算法收敛到与患者实际生理状态（如真实 $SpO_2$ 浓度下的吸收光谱）相匹配的特征向量，从而动态消除运动伪影并精确提取生理信息。

* **技术效果**：如目标专利说明书[0033]-[0038]、[0111]-[0120]及图5-6所示，这种通过质量反馈驱动特征向量在颜色空间中沿着光谱特征线做“质量引导行走（Quality-guided walk）”的闭环迭代，使得在强干扰下 $P_{bv}$ 能自动收敛至最佳值，大幅提升了 $SpO_2$ 和脉动信号在低脉动性/高运动伪影下的测量准确度与鲁棒性。

---

## 五、 其他对比文件对区别特征的公开情况

分析D2（CN104887198A）和D3（CN102917661B）是否公开了上述区别特征：

1. **区别特征1（基于 $P_{bv}$ 相对脉动性向量约束的加权解算）**：

* D2和D3均未公开该特征。D2中的特征向量是时域统计参数，D3中的向量是多变量历史观测残差。两者均未给出“在光体积描记中利用已知波长吸收差异建立相对脉动性向量 $P_{bv}$ 并约束线性方程”的教导。

2. **区别特征2（基于 $Q_2>Q_1$ 的控制信号 $CS$ 及 $\Delta = CS \cdot \vec{U}$ 步进更新参考向量 $P_{bv0}$）**：

* D2和D3均未公开该特征。D2是静态PCA矩阵正交化降维；D3是基于历史数据的静止概率密度估计。两者均未提供利用质量指标高低比较来对特征向量进行矢量方向步进（$\pm CS \cdot \vec{U}$）闭环寻优的算法架构。

**结论**：对比文件D2与D3均**未能补充**D1相较于目标专利权利要求1的区别特征。

---

## 六、 无效请求中最薄弱的技术特征及突破口分析

若要针对目标专利**CN108366759B**提起无效宣告请求，权利要求1中**最具专利防御壁垒（即最难被无效、最薄弱的攻击点）**的技术特征是：

> **最薄弱/最难攻破特征：特征P、R、S**

> （即：控制信号计算单元根据 $Q_2 > Q_1$ 增大/减小控制信号 $CS$；特征调整单元通过 $\Delta = CS \cdot \vec{U}$ 将更新向量叠加到参考特征向量 $P_{bv0}$ 上计算出新的特征向量 $P_{bv1, P_{bv2}}$）。

### 原因分析：

1. **高度的方案具体化**：专利权人在权利要求1中不仅写明了“调整特征向量”，而且极其具体地限定了具体的闭环寻优数学模型——“通过比较 $Q_2$ 与 $Q_1$ 计算控制信号 $CS$” + “$CS \cdot \vec{U}$ 矢量乘积作为偏移量 $\Delta$” + “参考向量 $P_{bv0} \pm \Delta$ 更新”。

2. **常规对比文件缺乏该机制教导**：在传统信号处理领域，一般的自适应滤波（如LMS、RLS算法）调节的是标量滤波系数；而在血氧/PPG领域，传统做法（如D1）是直接根据固定阈值切换通道或查表。目标专利将算法巧妙限定为在多维颜色空间沿着方向向量 $\vec{U}$ 进行步进收敛（迭代搜索最高SNR对应的 $P_{bv}$）。这种特定数学结构的反馈寻优在现有三篇对比文件中完全找不到对应的技术教导。

---

## 七、 进一步的对比文件检索策略（Search Strategy）

为了攻克上述薄弱技术特征（特征E~K以及特征P~S），建议采取以下针对性的补充检索策略：

### 1. 核心发明人与申请人追踪检索（极高优先级）

目标专利说明书[0014]、[0029]大量引用了 Philips（飞利浦）核心专家 **Geert de Haan** 的早期论文与专利：

* **重点关注文献**：Geert de Haan 在 2013–2015 年间发表的 $P_{bv}$ 算法奠基性文章（如 *“Improved motion robustness of remote-PPG by using the blood volume pulse signature”*, Physiol. Meas., 2014）。

* **重点族专利检索**：检索飞利浦公司（KONINKLIJKE PHILIPS N.V.）及发明人 `de Haan Geert` 在 2012–2016 年间的同族及关联专利申请（如说明书[0030]引用的 **US20130271591A1**）。重点寻找是否有早期专利已经公开了“动态更新/微调 $P_{bv}$ 向量”或“基于SNR反馈调整 $P_{bv}$ 向量”的闭环迭代算法。

### 2. 分类号（IPC/CPC）与关键词精准组合检索

* **分类号组合**：

* `A61B5/1455`（光血氧计/光光谱测量）

* `A61B5/02416`（远程PPG/基于相机的脉搏探测）

* `G06F17/14` / `G06F17/10`（自适应信号处理/矩阵运算）

* **英文关键词表达**：

* *光谱特征向量*：`"blood volume pulse"` OR `"blood volume vector"` OR `"PBV"` OR `"signature vector"` OR `"wavelength contrast"`

* *闭环微调/迭代*：`"step vector"` OR `"update vector"` OR `"directional update"` OR `"adaptively adjust"` OR `"iterative update"` OR `"quality guided"`

* *质量反馈*：`"quality metric"` OR `"SNR comparison"` OR `"signal quality index"`

* **逻辑表达示例**：

`((A61B5/1455 OR A61B5/02416) AND ("PBV" OR "blood volume pulse vector" OR "signature vector") AND ("step" OR "update" OR "iterat*" OR "increment*") AND ("quality" OR "SNR"))`

### 3. 非专利文献（NPL）与学术数据库检索

鉴于该专利涉及高度学术化的算法，IEEE Transactions on Biomedical Engineering、Physiological Measurement、SPIE等学术期刊往往早于专利公开具体算法实现。

* **检索方向**：重点查找2016年10月（目标专利优先权日）之前，有关“*Remote PPG*”、“*Robust SpO2 Estimation*”、“*Adaptive PBV Vector Update*”的学术会议及期刊论文，重点寻找利用梯度下降法（Gradient Descent）或步进搜索法（Stepwise Search）对PPG特征光谱向量进行自适应调优的数学公式表达。

作为一名经验丰富的专利代理师，我针对目标专利授权文本（**CN108366759B**）权利要求1，结合目标专利说明书及三份对比文件（**D1: CN102917661A**、**D2: CN103503024A**、**D3: JP2014501594A**）的原文，为您进行系统化的专利有效性与比对分析。

---

## 一、 权利要求1的技术方案解析（结合目标专利说明书）

目标专利解决的核心技术问题是：在远程光体积描记（rPPG）或接触式PPG中，**对象的运动伪影以及低信噪比（SNR）会导致生命体征（如SpO2、心率）提取不准确**（说明书[0006]-[0013]）。

* **技术特征 A–D（输入与信号采集）：** 通过多波长通道（红光、绿光、红外光等）采集皮肤透射/反射电磁辐射的探测信号 $C_n$（如RGB或多光谱数据）。

* **技术特征 E–K（脉动信号计算及特征向量定义）：** 引入基于血液吸收特征的“规范化血容量向量” $P_{bv}$。脉动信号 $S$ 是探测信号 $C_n$ 的加权组合（权值 $W$），使得 $S$ 与 $C_n$ 的内积（相关性）等于 $P_{bv}$ 预期的相对脉动性（说明书[0020]、[0081]-[0089]）。

* **技术特征 L–M（质量指标计算）：** 对计算出的脉动信号计算质量指标（如频谱峰值幅度与总能量的比值、SNR等）（说明书[0040]、[0106]）。

* **技术特征 N–P（控制信号计算）：** 引入比较机制。根据两个脉动信号 $S_1$ 和 $S_2$ 的质量指标 $Q_1$ 与 $Q_2$ 的相对大小（如 $Q_2 > Q_1$ 时），增大控制信号 $CS$（反之亦然），形成方向引导（说明书[0045]、[0108]）。

* **技术特征 Q–S（特征调整单元）：** 通过将选定的更新向量 $\vec{U}$ 和 $-\vec{U}$ 加到参考特征向量 $P_{bv0}$ 上，构建两个试探性特征向量 $P_{bv1} = P_{bv0} + \vec{U}$ 与 $P_{bv2} = P_{bv0} - \vec{U}$，实现动态迭代收敛（说明书[0035]、[0108]）。

* **技术特征 T–U（生理信息导出）：** 从具有最佳质量指标 $Q$ 的特征向量 $P_{bv}$（反映SpO2/血气成分）或其对应的脉动信号（反映心率/HRV）导出生命体征 $V$（说明书[0022]、[0036]）。

---

## 二、 对比文件技术特征公开情况分析（结合原文段落出处）

### 1. 对比文件 D1：CN102917661A（公开号：CN102917661A）

* **公开内容：** 一种基于多变量残差的用于人体健康监视的技术（基于相似性建模 SBM）。通过ECG、PPG、生物阻抗等传感器提取生理特征（心率、SpO2、呼吸率），建立多变量高斯混合模型，计算残差并推导多变量健康指数（MHI）。

* **公开情况分析：**

* **公开了 A, B, C, D, T, U（部分）：** 获得了多通道生物信号（包括红光/红外光PPG），并导出生命体征信息（说明书[0037]、[0048]-[0055]）。

* **未公开 E–S：** D1使用的是基于训练矩阵与内核函数的残差/相似性模型（说明书[0063]-[0087]），并未涉及通过规范化血容量特征向量 $P_{bv}$ 计算加权加和生成脉动信号，更未公开利用更新向量 $\vec{U}$ 正负微调 $P_{bv0}$ 并通过质量指标对比生成控制信号 $CS$ 的反馈调整机制。

### 2. 对比文件 D2：CN103503024A（公开号：CN103503024A）

* **公开内容：** 用于从特征信号提取信息的设备和方法，侧重于利用图像序列降维（如聚集到扰动降低的指数元/参考运动方向）来提取呼吸率等生命信号。

* **公开情况分析：**

* **公开了 A, B, C, D, T, U（部分）：** 获得了反射/发射电磁辐射的数据流，并提取呼吸率等生理信息（说明书[0015]-[0021]）。

* **未公开 E–S：** D2主要解决的是**运动方向的降维与空间投影问题**（通过空间图像切片投影消除运动干扰），完全不涉及光体积描记中多波长光谱特征向量 $P_{bv}$ 的加权算法、质量指标 $Q_1/Q_2$ 的比较以及特征向量的动态更新。

### 3. 对比文件 D3：JP2014501594A（公开号：JP2014501594A）

* **公开内容：** 基于信号空间（如色度平面）和预定指标要素（如心率轴/血容量脉动方向 $q$）提取生理信息。利用主成分分析（PCA）或加重函数在色度空间中找到扰动最小的动态轴 $z$（即 $P_{bv}$ 向量方法的前身技术）。

* **公开情况分析：**

* **明确公开了 A, B, C, D, E, F（部分）, H, I, J, K, L, M（部分）：**

* 公开了输入接口与多通道传感器（D3 说明书[0010]、[0024]）。

* 公开了利用归一化色空间及代表相对脉动性的预定特征向量（心率轴/血容量向量）对多通道信号进行线性加权混合以提取脉动信号（D3 说明书[0011]、[0012]、[0035]-[0038]）。

* 公开了对信号质量/能量进行评价并寻找最佳投影轴（D3 说明书[0039]-[0042]）。

* **未公开 N, O, P, Q, R, S：** D3求解最佳投影轴 $z$ 的方法是基于对协方差矩阵 $S^T S$ 进行特征值分解（PCA）或对加重函数求极小值的矩阵闭式解（D3 说明书[0041]-[0048]），而**没有公开**通过引入试探性特征向量 $P_{bv1} = P_{bv0} + \vec{U}$ 和 $P_{bv2} = P_{bv0} - \vec{U}$，比较两者质量指标 $Q_1$ 与 $Q_2$ 大小，进而计算并增大/减小控制信号 $CS$ 以迭代收敛到正确特征向量的技术方案。

---

## 三、 技术特征比对表格

---

## 四、 最接近的对比文件分析

从**整体解决的技术问题**、**技术手段**及**技术效果**三个维度进行综合评估：

* **最接近对比文件：D3（JP2014501594A）**

* **技术领域与问题：** D3与目标专利完全属于同一技术领域（光体积描记/rPPG生命体征提取），针对的均是“如何克服运动伪影与低信噪比，精确提取血容量脉动及生理信息”的技术问题。

* **技术手段匹配度：** D3已经提出了在多通道光谱/色度空间中利用表示相对脉动性的预定特征向量（心率向量）对探测信号进行加权组合求取脉动信号，并通过计算质量/能量指标寻找最佳特征向量。D3涵盖了权利要求1中绝大部分的物理与数学模型框架（特征A–M、T–U）。

* **结论：** **D3（JP2014501594A）是创造性分析中最适合且唯一的“最接近的对比文件”。**（D1侧重多变量残差健康指数SBM模型，D2侧重图像降维与运动方向切片，与目标专利基于光谱特征向量 $P_{bv}$ 调整的技术路线差异较大，不适合作为最接近对比文件）。

---

## 五、 区别技术特征及其他对比文件的公开情况

### 1. 目标专利相对于最接近对比文件 D3 的区别技术特征

目标专利权利要求1相对于 D3 的区别技术特征为 **特征 N、O、P、Q、R、S** 的组合，即：

> **特征调整与控制计算机制：** 通过引入参考特征向量 $P_{bv0}$ 与更新向量 $\vec{U}$，构建两个镜像分布的试探特征向量 $P_{bv1} = P_{bv0} + \vec{U}$ 和 $P_{bv2} = P_{bv0} - \vec{U}$；计算对应的脉动信号 $S_1, S_2$ 及质量指标 $Q_1, Q_2$；控制信号计算单元根据 $Q_2$ 与 $Q_1$ 的比较（若 $Q_2 > Q_1$ 则增大控制信号 $CS$，反之减小），驱动特征向量朝着使得质量指标最佳（SNR最高）的方向**步进/迭代收敛**。

### 2. 其他对比文件（D1、D2）对该区别技术特征的公开情况

* **D1（CN102917661A）：** 采用的是SBM相似性建模和混合高斯密度估计残差，无任何基于更新向量 $\pm \vec{U}$ 步进更新光谱特征向量的启示。

* **D2（CN103503024A）：** 采用的是基于空间几何运动方向的矩阵投影降维，不涉及上述控制信号与更新向量算法。

* **结论：** 区别特征 N–S **既未被 D3 公开，也未被 D1、D2 公开**，且不属于本领域的公知常识。

---

## 六、 发起无效宣告请求时的最薄弱技术特征与专利稳定性总结

### 1. 最薄弱技术特征分析（无效请求方的突破口 vs 专利权人的核心防线）

* **对无效请求方而言最薄弱的突破点（专利权人的“坚固防线”）：**

**特征 N–P 与 Q–S（反馈步进式特征调整算法）** 是本专利最坚固的技术壁垒。D3虽然提出了利用 $P_{bv}$ 进行脉动提取，但D3使用的是**矩阵特征值分解（PCA）或闭式极值求解**。本专利巧妙地改为通过“正负偏置更新向量 + 质量指标比较 + 控制信号步进计数”的**步进式反馈迭代算法**。这种方法大幅降低了计算复杂度，且能在高噪声环境下自动收敛到真实的血气/SpO2特征向量（说明书[0033]-[0036]）。

* **权利要求1整体的防线薄弱点（专利权人的潜在风险点）：**

权利要求1中对更新向量加减的表达过于具体化（直接限定为 $+ \vec{U}$ 和 $-\vec{U}$）。如果无效请求方能够检索到早期在**数字信号处理或自适应滤波器（如LMS自适应算法、扰动观察法/爬山法寻优）**领域将质量指标作为反馈量来微调特征向量的技术，并结合D3的rPPG框架，则可能提出显而易见性（创造性不足）的挑战。

---

## 七、 进一步对比文件检索策略建议

若需要针对本专利发起无效宣告，建议采取以下精准检索策略：

1. **补充分类号检索（重点攻克特征 N–S）：**

* **IPC 分类号：** `A61B5/1455`（血氧/光体积描记）、`A61B5/024`（脉搏/心率）、`G06F17/14` / `G06F17/16`（信号处理/矢量计算）、`G05B13/02`（自适应控制系统）。

* 将生命体征测量分类号与自适应寻优/步进更新算法分类号进行交叉检索。

2. **核心关键词与逻辑组合表达式：**

* **核心概念 1（rPPG / PPG 特征向量）：**

`("blood volume pulse" OR "PBV" OR "signature vector" OR "chrominance" OR "spectral signature" OR "血容量向量" OR "特征向量")`

* **核心概念 2（试探向量 / 镜像更新）：**

`("update vector" OR "reference vector" OR "step size" OR "perturbation" OR "更新向量" OR "参考向量" OR "步进" OR "正负偏置")`

* **核心概念 3（质量反馈 / 迭代控制）：**

`("quality index" OR "SNR" OR "control signal" OR "increase" OR "decrease" OR "converge" OR "质量指标" OR "控制信号" OR "收敛" OR "反馈调整")`

3. **追踪同族与重点申请人/发明人：**

* **重点发明人追踪：** 本专利发明人为皇家飞利浦公司（Philips）的 `G. de Haan`（Gerrit de Haan）、`W. Wang` 等。该团队在 2012–2016 年期间在 rPPG 算法（PBV, CHROM, POS 算法）领域发表了大量专利和论文。

* **追溯学术论文（Non-Patent Literature）：** 重点检索 `Physiol. Meas.`、`IEEE TBME` 等期刊上 Gerrit de Haan 团队在 2014-2016 年间关于 *“Adaptive Blood Volume Pulse”*、*“SpO2 tracking using dynamic signature vector update”* 的文章，核查是否存在将该算法在专利申请日（优先权日）之前公开的论文文献。

针对目标专利 **CN108366759B**《用于提取生理信息的设备、系统和方法》的权利要求1，结合三篇对比文件原文（**D1: US20080062151A1**、**D2: CN101743549A**、**D3: CN102046076A**）进行深入的专利对比分析与无效检索评估。

---

### 一、 权利要求1技术特征拆解与对比文件比对表

我们将权利要求1拆解为技术特征 A ~ U，并与三篇对比文件进行逐特征核对（标注原文具体段落出处及公开情况）：

---

### 二、 对比文件公开内容的详细分析

#### 1. D1 (US20080062151A1)

* **公开的技术特征**：仅公开了通用的硬件结构如输入接口、处理器（特征 B、T）。

* **未公开的技术特征**：D1 属于**声学触控屏/声学位置传感器领域**，利用基板中传播的声表面波（如 Rayleigh 波、Lamb 波、Love 波）的衰减来定位触控位置。 其完全未涉及电磁辐射探测皮肤血容量脉动（PPG）、特征向量 $P_{bv}$ 计算、质量指标 $Q_1/Q_2$ 评价以及基于控制信号更新特征向量等技术特征（特征 C、D、E、F、G、H、I、J、K、L、M、N、O、P、Q、R、S、U）。

* **实质分析**：D1 技术领域与目标专利相去甚远，无法提供目标专利解决运动伪影与低信噪比提取光体积描记（PPG）脉动信号的任何技术教导。

#### 2. D2 (CN101743549A)

* **公开的技术特征**：公开了生物信号接收器（特征 B）、处理器（特征 T）、利用生物信号矩阵进行主成分分析（PCA）得到特征的不相关线性组合（特征 F、I 部分概念）。

* **未公开的技术特征**：D2 旨在通过 EEG（脑电图）、MRI 等数据建立诊断阿尔茨海默病严重程度的定量测量（MMSE相关）。 D2 未公开使用不同波长光透射/反射探测皮肤脉动（特征 C、D），未公开计算脉动波形信号及其乘积约束（特征 E、H、J、K），亦未公开针对脉动信号计算质量指标 $Q$ 并据此反馈更新特征向量 $P_{bv}$ 的闭环控制调整机制（特征 L、M、N、O、P、Q、R、S、U）。

#### 3. D3 (CN102046076A)

* **公开的技术特征**：

* **特征 A、B、C、E、T、U**：D3 详细公开了通过多普勒雷达（RF电磁辐射）照射主体/皮肤区域并接收反射辐射，提取心肺/脉搏生理运动信号（生命体征），并通过处理器解调导出心率、呼吸率等生理信息。

* **特征 F、G、I、Q**：D3 公开了通过计算信号帧的协方差矩阵 $A$，求解最大特征值对应的特征向量 $v_0$（主向量），并将信号投影/加权映射到该特征向量上以解调出生理信号，且每一帧/阶段会根据前一帧特征向量及内积进行特征向量的平滑与调整更新。

* **特征 L、M、N、O**：D3 公开了非心肺运动检测与质量评估算法。通过计算特征值比率（$pc = \lambda_1 / \lambda_2$）、高低通能量比率等质量指标（对应 $Q_1, Q_2$），当质量指标满足条件时，控制系统进行模式切换（模式1与模式2转换，即控制信号逻辑）。

* **未公开/存在差异的技术特征**：

1. **波长通道差异（特征 D）**：D3 使用的是 RF 雷达无线波段（多通道天线），而目标专利权利要求1特征 D 限定为“不同波长通道中的依赖波长的反射或透射信息”（目标专利说明书主要指光体积描记 PPG，如 660nm、800nm、840nm 等光谱通道）。

2. **物理意义约束（特征 H、K）**：目标专利中的特征向量 $P_{bv}$ 具有明确的物理意义——表示各颜色通道中的“预期相对脉动性”，且脉动信号与原始信号的乘积等于该相对脉动性；而 D3 的特征向量为数学协方差矩阵的主特征向量。

3. **特征调整的具体数学步进公式（特征 P、R、S）**：目标专利权利要求1限定了根据 $Q_2 > Q_1$ 时增大控制信号 $CS$，并通过将更新向量 $U$ 的步进式量化加化公式（$\text{更新向量 } CS \cdot U \dots$）添加到参考特征向量 $P_{bv0}$ 来计算新的特征向量；D3 采用的是协方差矩阵滑动加权平均 $A = \sum \alpha^i C_i$ 后重新求解特征向量的方法，未公开这种具体的加法更新步进公式。

---

### 三、 最接近对比文件的选择与创造性分析

#### 1. 最接近对比文件的确定：**D3 (CN102046076A)**

* **技术领域**：D3 与目标专利均属于“无接触/非干扰式提取对象生命体征（呼吸、脉搏/心率）的生理信息提取设备”领域。

* **解决的技术问题**：两者均致力于解决“由于对象运动伪影（Motion Artifacts）以及低信噪比（SNR）导致生理信号失真或无法可靠提取”的技术问题。

* **技术方案与效果**：D3 与目标专利均采用了“利用多通道信号计算协方差/主特征向量 $\rightarrow$ 信号投影解调 $\rightarrow$ 计算质量指标（评估运动/噪声） $\rightarrow$ 动态更新调整特征向量 $\rightarrow$ 提取最佳质量生命体征”的核心算法闭环逻辑。

相比之下，D1 属于声学触控屏领域，D2 属于 EEG 阿尔茨海默病诊断领域，在技术领域、作用机制及解决的技术问题上均与目标专利相差甚远。因此，**D3 是创造性分析中最适合且唯一的“最接近对比文件”**。

---

#### 2. 未被最接近对比文件（D3）公开特征在其他对比文件中的公开情况

最接近对比文件 D3 未公开的区别特征主要为：

1. **光学波长通道特征（特征 D）**：D1（声波）与 D2（脑电/MRI）均未公开光学 PPG 领域中“不同波长通道依赖波长的反射/透射信息”。

2. **$P_{bv}$ 血容量相对脉动性约束（特征 H、K）**：D1 与 D2 均未公开。

3. **具体的 $CS$ 控制信号步进更新公式（特征 P、R、S）**：D1 与 D2 均未公开。

**结论**：现有对比文件组合（D3 + D1 或 D3 + D2）**未能完整覆盖**权利要求1的所有区别技术特征。

---

### 四、 无效请求中最薄弱的技术特征分析与攻击策略

如果在现有对比文件（D1-D3）的基础上对权利要求1提出无效宣告请求，**目标专利最薄弱的技术特征**如下：

#### 1. 最薄弱特征：**特征 P、R、S（具体控制信号 CS 及特征向量更新加法公式）**

* **薄弱性原因（参数/公式化官僚特征，缺乏突出的实质性特点）**：

权利要求1中的特征 R 限定：“被配置为通过将更新向量 $CS \cdot U$ 和 $(CS - 1) \cdot U / CS + 1$ 添加到参考特征向量 $P_{bv0}$ 来计算所述至少两个特征向量”。

* 在数值计算与控制工程领域，当确定了“利用质量指标 $Q$ 评价信号质量，并在质量变优的方向上迭代调整参考向量”这一闭环寻优思路后（D3 已公开此思路），**采用加法步进（$P_{new} = P_0 + \text{步长} \times \text{更新向量}$）是本领域技术人员进行数值迭代/爬山法/梯度寻优时最常规、最显而易见的数学手段**。

* 目标专利说明书第 [0033]、[0108] 段明确指出，这种调整仅是“沿着颜色空间中定义的线引导的行走”或“递归/迭代选项”。这种具体的加减公式属于**典型的常规设计选择或公知常识的简单公式化表达**，并未产生预料不到的技术效果。

#### 2. 第二薄弱特征：**特征 D（不同波长通道的光学 PPG）**

* **薄弱性原因**：

将多波长 PPG（如红光、绿光、红外光）用于提取脉搏和血氧饱和度（$SpO_2$）属于光体积描记领域的**公知常识（Prior Art / Common Knowledge）**。目标专利背景技术第 [0009]-[0015] 段自身就承认，Verkruysse (2008) 及 de Haan (2014) 的文献已完全公开了利用 RGB 彩色相机颜色通道及规范化血容量向量 $P_{bv}$ 进行脉动信号提取的方法。

---

### 五、 进一步对比文件检索策略（Search Strategy）

为了成功无效目标专利权利要求1，针对上述“最薄弱技术特征”与“未被 D3 完全覆灭的区别特征”，建议采取以下补充检索策略：

#### 1. 核心检索方向

重点补充检索**远程光体积描记（rPPG）或接触式 PPG** 领域中，**利用质量指标/SNR 引导动态调整/迭代更新血容量向量（$P_{bv}$ 或 Color Vectors）** 的现有技术。

#### 2. 目标专利说明书内引用的“强相关”现有技术直接调取

目标专利背景技术及具体实施方式中明文引用了以下关键文献（这些是最佳的无效证据线索）：

1. **de Haan & van Leest (2014)**: *"Improved motion robustness of remote-PPG by using the blood volume pulse signature"*, Physiol. Meas., vol. 35, p. 1913. (目标专利 [0014]、[0029] 段明确承认其公开了 $P_{bv}$ 向量提取脉动信号)

2. **US 2013/0271591 A1** (或对应族件)：目标专利第 [0030] 段明确指出："Pbv方法和对规范化的血容量向量的使用细节已经在 US 2013/271591 A1 中得到描述"。

#### 3. 建议检索要素与组合（Keywords & IPC）

* **IPC / CPC 分类号**：

* `A61B5/024`（脉搏率/心率测量，如 PPG）

* `A61B5/1455`（光学血氧饱和度 $SpO_2$ 测量）

* `A61B5/00`（生物信号处理）

* **关键词组合 (CN/EN)**：

* `("Pbv" OR "blood volume pulse" OR "characteristic vector" OR "color vector" OR "特征向量" OR "血容量向量")`

* **AND** `("quality index" OR "SNR" OR "signal to noise" OR "信噪比" OR "质量指标")`

* **AND** `("update" OR "adjust" OR "adapt" OR "iterate" OR "step" OR "更新" OR "调整" OR "迭代")`

* **优先申请人/发明人**：`KONINKLIJKE PHILIPS NV`（皇家飞利浦），发明人：`de Haan Gerard`（Gerard de Haan 是 rPPG 领域核心专家）。

#### 4. 结合证据的无效论证逻辑（三步法组合）

1. **以 D3 (CN102046076A) 或 飞利浦早期 rPPG 专利 (如 US20130271591A1)** 作为第一对比文件（最接近对比文件），公开了利用特征向量解调生理信号、计算质量指标及闭环反馈更新特征向量的主主体架构；

2. **结合 de Haan (2014) 或公知常识** 证明“多波长通道 PPG 信号与 $P_{bv}$ 向量乘积关系”属于本领域公知常识；

3. **论证特征 P、R、S 中的具体向量加法更新公式** 仅是本领域技术人员为了实现“质量引导下的梯度寻优/向量调整”而采用的常规数学手段/有限的选择，不具备突出的实质性特点和显著的进步，从而宣告权利要求1不具备创造性（中国专利法第22条第3款）。

作为一名经验丰富的专利代理师，我针对目标专利 CN108366759B（对应权利要求1）与您提供的三篇对比文件进行系统的法律与技术比对分析。

---

### 一、 对比文件技术特征对应性与出处比对表

针对权利要求1的技术特征 A–U，各对比文件的公开情况如下表所示（括号内标注对比文件公开号及说明书详细段落/图示）：

---

### 二、 对比文件详细技术分析与最接近对比文件（CPA）的选择

#### 1. 领域与技术的实质分析

* **D1（US6282467B1）**：属于**航空航天器控制领域**，主题为“旋转航天器的三轴惯性姿态确定”。其核心技术在于利用三轴陀螺仪、太阳传感器和地球边缘传感器结合 ECI 坐标系更新航天器姿态（摘要、FIG.1）。**与生物医学光电检测领域完全跨界，不存在技术关联性。**

* **D2（US20040079372A1）**：属于**医疗诊断与监护设备领域**，主题为“麻醉、镇痛和遗忘引导的系统和方法”。该文件明确公开了利用脑电（EEG）、光体积描记（PPG）及近红外光谱（NIR）提取患者心率、血氧饱和度（SpO2）等生理指标（段落 [0016]、[0025]）。

* **D3（JP2006279538A）**：属于**光学成像与图像处理领域**，主题为“图像采集装置”。核心在于通过设置反射镜（光路变更手段）使多个摄像头的虚拟光学中心（NP点）重合，以消除拼接视差（段落 [0002]、FIG.1）。**未涉及生物信号抽取与脉动特征向量计算。**

#### 2. 最接近对比文件（CPA）的认定

* **最接近对比文件：D2（US20040079372A1）**

* **理由**：D2 与目标专利属于**同一技术领域**（生物医学信号检测与生理参数提取），且解决了**相似的技术问题**（在多波长光电测量中提取抗干扰的生理信息）。D2 公开了权利要求 1 的前言部分（特征 A-D）以及信号处理单元的基础架构。

---

### 三、 整体技术问题与技术效果分析

#### 1. 目标专利的核心发明点与技术效果

目标专利（CN108366759B）旨在解决**远程/接触式光体积描记（rPPG/PPG）在运动噪声和低信噪比（SNR）下生命体征提取不准确**的技术问题。

其技术效果在于：

1. 通过引入表示相对脉动性的**特征向量（如 Pbv 向量）**，结合加权计算导出脉动信号；

2. 构造**质量指标计算单元**与**控制信号计算单元**，利用反馈机制（特征调整单元，特征 Q-S）依据质量指标（Q2与Q1的比较）动态更新参考特征向量；

3. 实现了特征向量在颜色空间中的**自适应收敛与迭代**，极大地提高了对患者体动及环境光变化的鲁棒性。

#### 2. 最接近对比文件（D2）未公开的区别特征

相比于 D2，权利要求 1 的**实质区别特征**为：**特征 F–S**（即基于特征向量计算脉动信号、计算质量指标、根据 quality 比较结果生成控制信号并使用更新向量自适应调整特征向量的完整闭环控制机制）。

* **D1 与 D3 是否公开了上述区别特征？**

* **D1** 处理的是天体轨道与姿态矩阵推算（TRIAD算法/卡尔曼滤波），未公开任何血容量脉动向量计算及反馈调整机制。

* **D3** 处理的是多镜头光学几何对准，完全未涉及光电脉动信号的特征抽取。

* **结论**：D1 与 D3 **均未公开**上述区别特征，且由于领域相差悬殊，本领域技术人员没有任何动机将 D1 或 D3 的技术手段结合到 D2 中。因此，**基于现有对比文件 D1、D2、D3 的组合，权利要求 1 具备显著的突出品质和显著的进步（具备创造性/Patentability）。**

---

### 四、 无效请求分析：最薄弱的技术特征与潜在风险

若发起专利无效宣告请求，当前对比文件组合（D1+D2+D3）**无法击垮权利要求 1 的创造性**。权利要求1中最容易被攻破的“薄弱环节”以及目前的防守壁垒如下：

1. **相对薄弱的技术特征：特征 F、H、I（基础 Pbv 算法）**

* *分析*：利用预定义的特征向量（血容量脉动向量 Pbv）结合颜色通道加权提取 rPPG 信号属于已知技术（例如目标专利背景技术段落 [0014] 引用的 *G. de Haan (2014)* 论文）。如果检索到该论文或同类专利，**特征 F-K** 将被公知技术攻破。

2. **最坚固的防线特征（极难攻破）：特征 N-S（闭环自适应特征调整）**

* *分析*：权利要求 1 的核心壁垒在于“**通过比较两个脉动信号的质量指标 Q1、Q2，生成控制信号 CS，并利用更新向量加和动态修正参考特征向量 Pbv0**”。这种将特征向量作为变量进行实时迭代收敛的闭环控制逻辑，在常规 rPPG 领域具有高度的独创性。

---

### 五、 进一步的对比文件补充检索策略（Search Strategy）

为了有效挑战权利要求 1 的创造性，必须针对其核心区别特征（自适应 Pbv 特征调整机制）补充检索。建议采取以下检索策略：

#### 1. 检索主题与核心概念拓展

* **主题 1（应用领域）**：远程光体积描记（rPPG）、摄像血氧测量（Camera-based SpO2）、多波长 PPG（Multi-wavelength PPG）。

* **主题 2（核心算法）**：血容量脉动特征向量（Blood Volume Pulse Signature / Pbv）、自适应滤波（Adaptive Filtering）、特征向量更新/收敛（Signature Vector Updating / Convergence）。

#### 2. 推荐专利分类号（IPC / CPC）

* `A61B5/1455`：通过光学方式探测血液成分（如血氧）。

* `A61B5/0059`：基于光学的无创诊断方法。

* `G06V20/40` / `G06T7/00`：视频序列中的生物特征信号分析。

#### 3. 重点检索申请人/发明人（Key Applicants / Inventors）

目标专利的原始技术源自皇家飞利浦（KONINKLIJKE PHILIPS N.V.）及著名学者 **G. de Haan** 和 **W. Wang** 团队。

* **重点检索发明人**：`de Haan, Gerard` 或 `Wang, Wenjin`

* **思路**：重点排查该团队在 2016 年之前（目标专利优先权日之前）发表的早期专利族（如 US/EP/WO 申请），寻找是否在早期文献中已披露“动态更新 Pbv 向量”或“基于 SNR 反馈调整特征向量”的下位技术方案。

#### 4. 逻辑检索式示例（以 Derwent / Google Patents 为例）

> `(rPPG OR "remote photoplethysmography" OR "blood volume pulse" OR "Pbv") AND ("signature vector" OR "eigenvector" OR "weight vector") AND ("quality index" OR "SNR" OR "feedback" OR "update vector" OR "adapt*")`

作为一名经验丰富的专利代理师，我针对目标专利**CN108366759B**（权利要求1）与三份对比文件（D1: **US20140275825A1**、D2: **CN104887198A**、D3: **CN102917661B**）展开深入的技术特征比对、说明书解释与创造性/无效可行性分析。

---

## 一、 结合目标专利说明书解释权利要求1

目标专利**CN108366759B**的核心发明点在于：针对远程/接触式光体积描记（PPG）在低信噪比（SNR）或运动干扰下信号易失真的难题，利用不同波长通道中血液与皮肤组织的相对光谱吸收特性，构建并动态调整“规范化血容量脉动向量（$P_{bv}$）”，通过闭环质量反馈迭代寻优，从而提取出高鲁棒性的脉动信号及生理信息（如$SpO_2$）。

根据说明书段落[0018]–[0045]及[0071]–[0114]，权利要求1的技术特征拆解与说明书含义解释如下：

* **输入接口（特征A~D）**：获取至少两个不同波长通道（如红光、红外光、绿光等，覆盖300nm–1000nm）的依赖波长的透射或反射光信号 $C_n$（即原始无DC规范化通道信号）[0019, 0071, 0082]。

* **脉动信号计算单元（特征E~K）**：说明书[0020, 0072-0089]明确说明，给定特征向量（$P_{bv1}, P_{bv2}$）代表各波长通道中脉动信号的预期相对幅度/相对脉动性（Reflectance/Transmittance contrast）。通过权重矩阵 $W$ 计算通道信号的加权线性组合 $S = W C_n$，且加权约束条件为：脉动信号 $S$ 与原始信号 $C_n$ 的互相关/乘积在数学上等于特征向量指示的相对脉动性（即 $W C_n C_n^T = k P_{bv}^T$），由此消除与该向量方向正交的运动/环境噪声。

* **质量指标计算单元（特征L~M）**：针对计算出的脉动信号 $S_1, S_2$，计算质量指标值 $Q_1, Q_2$（说明书[0039, 0096-0107]指出，可为频域滑动窗口内脉动主峰幅度、或主峰能量与总频谱能量的比值/SNR）。

* **控制信号计算单元与特征调整单元（特征N~S）**：这是本专利的动态寻优控制核心[0044-0045, 0108-0114]。若第二脉动信号 $S_2$ 的质量指标 $Q_2$ 优于第一脉动信号 $S_1$ 的 $Q_1$（即 $Q_2 > Q_1$），则增大控制信号 $CS$（如符号或计数器递增），反之递减；特征调整单元将更新向量 $\Delta = CS \cdot \vec{U}$（$\vec{U}$ 为预先设定的步长/偏置向量）叠加到参考特征向量 $P_{bv0}$ 上（即 $P_{bv1,2} = P_{bv0} \pm \Delta$），实现对特征向量在颜色/波长空间内的方向微调与收敛。

* **处理单元（特征T~U）**：从具有最佳质量指标（最高SNR）的特征向量或对应的脉动信号中提取最终生命体征生理信息 $V$（如动脉血氧饱和度 $SpO_2$、心率、血清胆红素等）[0022, 0031-0033]。

---

## 二、 权利要求1技术特征比对表格

以下为权利要求1各技术特征在目标专利及对比文件中的对照分析表：

---

## 三、 对比文件原文详细出处分析与拆解

### 1. D1：`US20140275825A1`（METHODS AND SYSTEMS FOR LIGHT SIGNAL CONTROL IN A PHYSIOLOGICAL MONITOR）

* **特征A~D公开情况（毫无异议公开）**：

* *原文出处*：摘要[0003]及[0029]“...receive two or more light signals attenuated by a subject, where each respective light signal corresponds to a different wavelength of light... [0029] light source 130... emit photonic signals having one or more wavelengths of light (e.g. red and IR)...”

* *分析*：明确公开了通过输入接口接收红光和红外光等多波长通道的反射/透射探测信号。

* **特征E~K公开情况（部分/实质公开，存在区别）**：

* *原文出处*：[0003]及[0076] Eq. 1: $C = x \cdot (Red) + (1-x) \cdot (IR)$

* *分析*：D1公开了利用权重参数 $x$ 对至少两个接收到的波长信号进行加权组合得到组合信号 $C$。然而，D1的权重 $x$ 是根据全局指标（如血氧或SNR）直接选取的标量，**未公开**目标专利中由“特定的已知光谱相对脉动性 $P_{bv}$”作为特征向量约束、且使得“脉动信号与原始信号的乘积等于该相对脉动性”的求解模型。

* **特征L~M公开情况（毫无异议公开）**：

* *原文出处*：[0017]“...The metric may include a physiological parameter... signal-to-noise ratio, signal quality...”及[0076]。

* *分析*：明确公开了针对信号计算信噪比（SNR）、信号质量等质量指标值。

* **特征N~S公开情况（未公开）**：

* *分析*：D1在[0070]、[0076]中仅公开了根据Metric与固定阈值（Threshold 408）的比较来切换信号或调整标量权重 $x$，完全没有公开“比较第一与第二脉动信号的质量指标 $Q_1, Q_2$、若 $Q_2 > Q_1$ 则增减控制信号 $CS$”，更没有公开“通过 $P_{bv0} \pm CS \cdot \vec{U}$（矢量步进更新）来微调特征向量”的闭环迭代算法。

* **特征T~U公开情况（毫无异议公开）**：

* *原文出处*：[0003],[0087]-[0088]“...determining a physiological parameter based on the selected light signal... pulse rate, respiration rate, respiration effort, blood pressure...”

* *分析*：公开了基于选定/组合后具有最佳质量的信号导出生命体征。

### 2. D2：`CN104887198A`（基于人体生理信号多参数融合的疼痛定量分析系统及方法）

* **特征A~D公开情况（毫无异议公开）**：

* *原文出处*：[0024]-[0030]“信号采集电极分别采集人体的BVP、ECG、SC信号...放置于人体利手中指指腹处...”

* *分析*：公开了接口获取BVP（血容量搏动）等生理信号。

* **关键差异分析（特征E~S未公开）**：

* *原文出处*：[0033],[0057]-[0095]

* *分析*：D2中所述的“特征向量 $fv$”是指从BVP、ECG、皮电信号的时域波形中提取的均值、标准差、最大最小值等统计特征构成的多维向量（[0058] $fv = [fv_{bvp}, fv_{bvp1D}, fv_{ecg}, fv_{sc}, fv_{sc1D}]$），并对其进行全局PCA协方差对角化降维。这与目标专利中用于描述“多光谱光强中血液脉动相对吸光度”物理特性的 $P_{bv}$ 特征向量在物理含义、数学模型和调整方式上存在本质不同。D2完全未涉及特征N~S的质量指标驱动的矢量步进迭代更新（$P_{bv0} \pm CS \cdot \vec{U}$）。

### 3. D3：`CN102917661B`（基于多变量残差的用于人体健康监视的健康指数）

* **特征A~D公开情况（毫无异议公开）**：

* *原文出处*：[0037],[0041]-[0045]公开了通过包含红光与红外光（PPG）及ECG的传感器获取生物信号。

* **关键差异分析（特征E~S未公开）**：

* *原文出处*：[0035],[0083]-[0104]

* *分析*：D3的核心是基于相似性建模（SBM）对已知健康状态建立多变量核回归估计，计算观测值与估计值之间的“残差向量”，再利用高斯混合模型计算多变量健康指数（MHI）。D3并没有利用不同波长下预期相对脉动性向量 $P_{bv}$ 来解算/提取脉动信号 $S_1, S_2$，也没有质量指标反馈控制更新特征向量（特征N~S）。

---

## 四、 最接近对比文件的选择与技术问题/效果分析

在创造性分析中，**对比文件D1（US20140275825A1）最适合作为最接近的对比文件**。理由如下：

1. **技术领域完全相同**：D1与目标专利均属于光体积描记（PPG）及多波长生理监测技术领域，均通过多波长光传感器提取生理参数。

2. **解决的技术问题基本相同**：两者均致力于解决在患者存在运动、低血氧或环境干扰时，如何提高提取脉动信号/生理参数的信噪比和鲁棒性这一技术问题。

3. **技术方案最为接近**：D1已经公开了获取多波长信号、根据信号质量/Metric计算权重以合成组合信号、以及从组合信号中导出生理参数的整体框架。

相比之下，D2主攻多生理参数融合的疼痛定量评估（机器学习/PCA分类），D3主攻多变量残差健康指数监测（SBM模型），其技术主线与目标专利的光谱特征向量解算脉动信号有较大偏差。

### 最接近对比文件D1与目标专利权利要求1的区别技术特征：

* **区别特征1（对应特征E~K）**：目标专利采用“表示各通道中相应脉动信号预期相对脉动性的特征向量 $P_{bv}$”作为约束条件来计算加权组合，使得脉动信号与原始信号的乘积等于该相对脉动性；而D1仅公开了基于Metric直接调节各波长信号的标量线性加权系数 $x$。

* **区别特征2（对应特征N~S）**：目标专利建立了闭环迭代更新机制，根据第二与第一脉动信号质量指标的比较结果（$Q_2 > Q_1$ 与否）增减控制信号 $CS$，并利用偏置向量 $\vec{U}$ 与 $CS$ 的乘积（$\Delta = CS \cdot \vec{U}$）加减参考特征向量 $P_{bv0}$ 来更新特征向量；而D1仅根据Metric与固定阈值比较进行信号切换或标量系数调整，无矢量步进微调机制。

### 目标专利实际解决的技术问题与技术效果：

* **实际解决的技术问题**：如何在极低信噪比或剧烈运动干扰下，自动且精准地使算法收敛到与患者实际生理状态（如真实 $SpO_2$ 浓度下的吸收光谱）相匹配的特征向量，从而动态消除运动伪影并精确提取生理信息。

* **技术效果**：如目标专利说明书[0033]-[0038]、[0111]-[0120]及图5-6所示，这种通过质量反馈驱动特征向量在颜色空间中沿着光谱特征线做“质量引导行走（Quality-guided walk）”的闭环迭代，使得在强干扰下 $P_{bv}$ 能自动收敛至最佳值，大幅提升了 $SpO_2$ 和脉动信号在低脉动性/高运动伪影下的测量准确度与鲁棒性。

---

## 五、 其他对比文件对区别特征的公开情况

分析D2（CN104887198A）和D3（CN102917661B）是否公开了上述区别特征：

1. **区别特征1（基于 $P_{bv}$ 相对脉动性向量约束的加权解算）**：

* D2和D3均未公开该特征。D2中的特征向量是时域统计参数，D3中的向量是多变量历史观测残差。两者均未给出“在光体积描记中利用已知波长吸收差异建立相对脉动性向量 $P_{bv}$ 并约束线性方程”的教导。

2. **区别特征2（基于 $Q_2>Q_1$ 的控制信号 $CS$ 及 $\Delta = CS \cdot \vec{U}$ 步进更新参考向量 $P_{bv0}$）**：

* D2和D3均未公开该特征。D2是静态PCA矩阵正交化降维；D3是基于历史数据的静止概率密度估计。两者均未提供利用质量指标高低比较来对特征向量进行矢量方向步进（$\pm CS \cdot \vec{U}$）闭环寻优的算法架构。

**结论**：对比文件D2与D3均**未能补充**D1相较于目标专利权利要求1的区别特征。

---

## 六、 无效请求中最薄弱的技术特征及突破口分析

若要针对目标专利**CN108366759B**提起无效宣告请求，权利要求1中**最具专利防御壁垒（即最难被无效、最薄弱的攻击点）**的技术特征是：

> **最薄弱/最难攻破特征：特征P、R、S**

> （即：控制信号计算单元根据 $Q_2 > Q_1$ 增大/减小控制信号 $CS$；特征调整单元通过 $\Delta = CS \cdot \vec{U}$ 将更新向量叠加到参考特征向量 $P_{bv0}$ 上计算出新的特征向量 $P_{bv1, P_{bv2}}$）。

### 原因分析：

1. **高度的方案具体化**：专利权人在权利要求1中不仅写明了“调整特征向量”，而且极其具体地限定了具体的闭环寻优数学模型——“通过比较 $Q_2$ 与 $Q_1$ 计算控制信号 $CS$” + “$CS \cdot \vec{U}$ 矢量乘积作为偏移量 $\Delta$” + “参考向量 $P_{bv0} \pm \Delta$ 更新”。

2. **常规对比文件缺乏该机制教导**：在传统信号处理领域，一般的自适应滤波（如LMS、RLS算法）调节的是标量滤波系数；而在血氧/PPG领域，传统做法（如D1）是直接根据固定阈值切换通道或查表。目标专利将算法巧妙限定为在多维颜色空间沿着方向向量 $\vec{U}$ 进行步进收敛（迭代搜索最高SNR对应的 $P_{bv}$）。这种特定数学结构的反馈寻优在现有三篇对比文件中完全找不到对应的技术教导。

---

## 七、 进一步的对比文件检索策略（Search Strategy）

为了攻克上述薄弱技术特征（特征E~K以及特征P~S），建议采取以下针对性的补充检索策略：

### 1. 核心发明人与申请人追踪检索（极高优先级）

目标专利说明书[0014]、[0029]大量引用了 Philips（飞利浦）核心专家 **Geert de Haan** 的早期论文与专利：

* **重点关注文献**：Geert de Haan 在 2013–2015 年间发表的 $P_{bv}$ 算法奠基性文章（如 *“Improved motion robustness of remote-PPG by using the blood volume pulse signature”*, Physiol. Meas., 2014）。

* **重点族专利检索**：检索飞利浦公司（KONINKLIJKE PHILIPS N.V.）及发明人 `de Haan Geert` 在 2012–2016 年间的同族及关联专利申请（如说明书[0030]引用的 **US20130271591A1**）。重点寻找是否有早期专利已经公开了“动态更新/微调 $P_{bv}$ 向量”或“基于SNR反馈调整 $P_{bv}$ 向量”的闭环迭代算法。

### 2. 分类号（IPC/CPC）与关键词精准组合检索

* **分类号组合**：

* `A61B5/1455`（光血氧计/光光谱测量）

* `A61B5/02416`（远程PPG/基于相机的脉搏探测）

* `G06F17/14` / `G06F17/10`（自适应信号处理/矩阵运算）

* **英文关键词表达**：

* *光谱特征向量*：`"blood volume pulse"` OR `"blood volume vector"` OR `"PBV"` OR `"signature vector"` OR `"wavelength contrast"`

* *闭环微调/迭代*：`"step vector"` OR `"update vector"` OR `"directional update"` OR `"adaptively adjust"` OR `"iterative update"` OR `"quality guided"`

* *质量反馈*：`"quality metric"` OR `"SNR comparison"` OR `"signal quality index"`

* **逻辑表达示例**：

`((A61B5/1455 OR A61B5/02416) AND ("PBV" OR "blood volume pulse vector" OR "signature vector") AND ("step" OR "update" OR "iterat*" OR "increment*") AND ("quality" OR "SNR"))`

### 3. 非专利文献（NPL）与学术数据库检索

鉴于该专利涉及高度学术化的算法，IEEE Transactions on Biomedical Engineering、Physiological Measurement、SPIE等学术期刊往往早于专利公开具体算法实现。

* **检索方向**：重点查找2016年10月（目标专利优先权日）之前，有关“*Remote PPG*”、“*Robust SpO2 Estimation*”、“*Adaptive PBV Vector Update*”的学术会议及期刊论文，重点寻找利用梯度下降法（Gradient Descent）或步进搜索法（Stepwise Search）对PPG特征光谱向量进行自适应调优的数学公式表达。

作为一名经验丰富的专利代理师，我针对目标专利授权文本（**CN108366759B**）权利要求1，结合目标专利说明书及三份对比文件（**D1: CN102917661A**、**D2: CN103503024A**、**D3: JP2014501594A**）的原文，为您进行系统化的专利有效性与比对分析。

---

## 一、 权利要求1的技术方案解析（结合目标专利说明书）

目标专利解决的核心技术问题是：在远程光体积描记（rPPG）或接触式PPG中，**对象的运动伪影以及低信噪比（SNR）会导致生命体征（如SpO2、心率）提取不准确**（说明书[0006]-[0013]）。

* **技术特征 A–D（输入与信号采集）：** 通过多波长通道（红光、绿光、红外光等）采集皮肤透射/反射电磁辐射的探测信号 $C_n$（如RGB或多光谱数据）。

* **技术特征 E–K（脉动信号计算及特征向量定义）：** 引入基于血液吸收特征的“规范化血容量向量” $P_{bv}$。脉动信号 $S$ 是探测信号 $C_n$ 的加权组合（权值 $W$），使得 $S$ 与 $C_n$ 的内积（相关性）等于 $P_{bv}$ 预期的相对脉动性（说明书[0020]、[0081]-[0089]）。

* **技术特征 L–M（质量指标计算）：** 对计算出的脉动信号计算质量指标（如频谱峰值幅度与总能量的比值、SNR等）（说明书[0040]、[0106]）。

* **技术特征 N–P（控制信号计算）：** 引入比较机制。根据两个脉动信号 $S_1$ 和 $S_2$ 的质量指标 $Q_1$ 与 $Q_2$ 的相对大小（如 $Q_2 > Q_1$ 时），增大控制信号 $CS$（反之亦然），形成方向引导（说明书[0045]、[0108]）。

* **技术特征 Q–S（特征调整单元）：** 通过将选定的更新向量 $\vec{U}$ 和 $-\vec{U}$ 加到参考特征向量 $P_{bv0}$ 上，构建两个试探性特征向量 $P_{bv1} = P_{bv0} + \vec{U}$ 与 $P_{bv2} = P_{bv0} - \vec{U}$，实现动态迭代收敛（说明书[0035]、[0108]）。

* **技术特征 T–U（生理信息导出）：** 从具有最佳质量指标 $Q$ 的特征向量 $P_{bv}$（反映SpO2/血气成分）或其对应的脉动信号（反映心率/HRV）导出生命体征 $V$（说明书[0022]、[0036]）。

---

## 二、 对比文件技术特征公开情况分析（结合原文段落出处）

### 1. 对比文件 D1：CN102917661A（公开号：CN102917661A）

* **公开内容：** 一种基于多变量残差的用于人体健康监视的技术（基于相似性建模 SBM）。通过ECG、PPG、生物阻抗等传感器提取生理特征（心率、SpO2、呼吸率），建立多变量高斯混合模型，计算残差并推导多变量健康指数（MHI）。

* **公开情况分析：**

* **公开了 A, B, C, D, T, U（部分）：** 获得了多通道生物信号（包括红光/红外光PPG），并导出生命体征信息（说明书[0037]、[0048]-[0055]）。

* **未公开 E–S：** D1使用的是基于训练矩阵与内核函数的残差/相似性模型（说明书[0063]-[0087]），并未涉及通过规范化血容量特征向量 $P_{bv}$ 计算加权加和生成脉动信号，更未公开利用更新向量 $\vec{U}$ 正负微调 $P_{bv0}$ 并通过质量指标对比生成控制信号 $CS$ 的反馈调整机制。

### 2. 对比文件 D2：CN103503024A（公开号：CN103503024A）

* **公开内容：** 用于从特征信号提取信息的设备和方法，侧重于利用图像序列降维（如聚集到扰动降低的指数元/参考运动方向）来提取呼吸率等生命信号。

* **公开情况分析：**

* **公开了 A, B, C, D, T, U（部分）：** 获得了反射/发射电磁辐射的数据流，并提取呼吸率等生理信息（说明书[0015]-[0021]）。

* **未公开 E–S：** D2主要解决的是**运动方向的降维与空间投影问题**（通过空间图像切片投影消除运动干扰），完全不涉及光体积描记中多波长光谱特征向量 $P_{bv}$ 的加权算法、质量指标 $Q_1/Q_2$ 的比较以及特征向量的动态更新。

### 3. 对比文件 D3：JP2014501594A（公开号：JP2014501594A）

* **公开内容：** 基于信号空间（如色度平面）和预定指标要素（如心率轴/血容量脉动方向 $q$）提取生理信息。利用主成分分析（PCA）或加重函数在色度空间中找到扰动最小的动态轴 $z$（即 $P_{bv}$ 向量方法的前身技术）。

* **公开情况分析：**

* **明确公开了 A, B, C, D, E, F（部分）, H, I, J, K, L, M（部分）：**

* 公开了输入接口与多通道传感器（D3 说明书[0010]、[0024]）。

* 公开了利用归一化色空间及代表相对脉动性的预定特征向量（心率轴/血容量向量）对多通道信号进行线性加权混合以提取脉动信号（D3 说明书[0011]、[0012]、[0035]-[0038]）。

* 公开了对信号质量/能量进行评价并寻找最佳投影轴（D3 说明书[0039]-[0042]）。

* **未公开 N, O, P, Q, R, S：** D3求解最佳投影轴 $z$ 的方法是基于对协方差矩阵 $S^T S$ 进行特征值分解（PCA）或对加重函数求极小值的矩阵闭式解（D3 说明书[0041]-[0048]），而**没有公开**通过引入试探性特征向量 $P_{bv1} = P_{bv0} + \vec{U}$ 和 $P_{bv2} = P_{bv0} - \vec{U}$，比较两者质量指标 $Q_1$ 与 $Q_2$ 大小，进而计算并增大/减小控制信号 $CS$ 以迭代收敛到正确特征向量的技术方案。

---

## 三、 技术特征比对表格

---

## 四、 最接近的对比文件分析

从**整体解决的技术问题**、**技术手段**及**技术效果**三个维度进行综合评估：

* **最接近对比文件：D3（JP2014501594A）**

* **技术领域与问题：** D3与目标专利完全属于同一技术领域（光体积描记/rPPG生命体征提取），针对的均是“如何克服运动伪影与低信噪比，精确提取血容量脉动及生理信息”的技术问题。

* **技术手段匹配度：** D3已经提出了在多通道光谱/色度空间中利用表示相对脉动性的预定特征向量（心率向量）对探测信号进行加权组合求取脉动信号，并通过计算质量/能量指标寻找最佳特征向量。D3涵盖了权利要求1中绝大部分的物理与数学模型框架（特征A–M、T–U）。

* **结论：** **D3（JP2014501594A）是创造性分析中最适合且唯一的“最接近的对比文件”。**（D1侧重多变量残差健康指数SBM模型，D2侧重图像降维与运动方向切片，与目标专利基于光谱特征向量 $P_{bv}$ 调整的技术路线差异较大，不适合作为最接近对比文件）。

---

## 五、 区别技术特征及其他对比文件的公开情况

### 1. 目标专利相对于最接近对比文件 D3 的区别技术特征

目标专利权利要求1相对于 D3 的区别技术特征为 **特征 N、O、P、Q、R、S** 的组合，即：

> **特征调整与控制计算机制：** 通过引入参考特征向量 $P_{bv0}$ 与更新向量 $\vec{U}$，构建两个镜像分布的试探特征向量 $P_{bv1} = P_{bv0} + \vec{U}$ 和 $P_{bv2} = P_{bv0} - \vec{U}$；计算对应的脉动信号 $S_1, S_2$ 及质量指标 $Q_1, Q_2$；控制信号计算单元根据 $Q_2$ 与 $Q_1$ 的比较（若 $Q_2 > Q_1$ 则增大控制信号 $CS$，反之减小），驱动特征向量朝着使得质量指标最佳（SNR最高）的方向**步进/迭代收敛**。

### 2. 其他对比文件（D1、D2）对该区别技术特征的公开情况

* **D1（CN102917661A）：** 采用的是SBM相似性建模和混合高斯密度估计残差，无任何基于更新向量 $\pm \vec{U}$ 步进更新光谱特征向量的启示。

* **D2（CN103503024A）：** 采用的是基于空间几何运动方向的矩阵投影降维，不涉及上述控制信号与更新向量算法。

* **结论：** 区别特征 N–S **既未被 D3 公开，也未被 D1、D2 公开**，且不属于本领域的公知常识。

---

## 六、 发起无效宣告请求时的最薄弱技术特征与专利稳定性总结

### 1. 最薄弱技术特征分析（无效请求方的突破口 vs 专利权人的核心防线）

* **对无效请求方而言最薄弱的突破点（专利权人的“坚固防线”）：**

**特征 N–P 与 Q–S（反馈步进式特征调整算法）** 是本专利最坚固的技术壁垒。D3虽然提出了利用 $P_{bv}$ 进行脉动提取，但D3使用的是**矩阵特征值分解（PCA）或闭式极值求解**。本专利巧妙地改为通过“正负偏置更新向量 + 质量指标比较 + 控制信号步进计数”的**步进式反馈迭代算法**。这种方法大幅降低了计算复杂度，且能在高噪声环境下自动收敛到真实的血气/SpO2特征向量（说明书[0033]-[0036]）。

* **权利要求1整体的防线薄弱点（专利权人的潜在风险点）：**

权利要求1中对更新向量加减的表达过于具体化（直接限定为 $+ \vec{U}$ 和 $-\vec{U}$）。如果无效请求方能够检索到早期在**数字信号处理或自适应滤波器（如LMS自适应算法、扰动观察法/爬山法寻优）**领域将质量指标作为反馈量来微调特征向量的技术，并结合D3的rPPG框架，则可能提出显而易见性（创造性不足）的挑战。

---

## 七、 进一步对比文件检索策略建议

若需要针对本专利发起无效宣告，建议采取以下精准检索策略：

1. **补充分类号检索（重点攻克特征 N–S）：**

* **IPC 分类号：** `A61B5/1455`（血氧/光体积描记）、`A61B5/024`（脉搏/心率）、`G06F17/14` / `G06F17/16`（信号处理/矢量计算）、`G05B13/02`（自适应控制系统）。

* 将生命体征测量分类号与自适应寻优/步进更新算法分类号进行交叉检索。

2. **核心关键词与逻辑组合表达式：**

* **核心概念 1（rPPG / PPG 特征向量）：**

`("blood volume pulse" OR "PBV" OR "signature vector" OR "chrominance" OR "spectral signature" OR "血容量向量" OR "特征向量")`

* **核心概念 2（试探向量 / 镜像更新）：**

`("update vector" OR "reference vector" OR "step size" OR "perturbation" OR "更新向量" OR "参考向量" OR "步进" OR "正负偏置")`

* **核心概念 3（质量反馈 / 迭代控制）：**

`("quality index" OR "SNR" OR "control signal" OR "increase" OR "decrease" OR "converge" OR "质量指标" OR "控制信号" OR "收敛" OR "反馈调整")`

3. **追踪同族与重点申请人/发明人：**

* **重点发明人追踪：** 本专利发明人为皇家飞利浦公司（Philips）的 `G. de Haan`（Gerrit de Haan）、`W. Wang` 等。该团队在 2012–2016 年期间在 rPPG 算法（PBV, CHROM, POS 算法）领域发表了大量专利和论文。

* **追溯学术论文（Non-Patent Literature）：** 重点检索 `Physiol. Meas.`、`IEEE TBME` 等期刊上 Gerrit de Haan 团队在 2014-2016 年间关于 *“Adaptive Blood Volume Pulse”*、*“SpO2 tracking using dynamic signature vector update”* 的文章，核查是否存在将该算法在专利申请日（优先权日）之前公开的论文文献。

针对目标专利 **CN108366759B**《用于提取生理信息的设备、系统和方法》的权利要求1，结合三篇对比文件原文（**D1: US20080062151A1**、**D2: CN101743549A**、**D3: CN102046076A**）进行深入的专利对比分析与无效检索评估。

---

### 一、 权利要求1技术特征拆解与对比文件比对表

我们将权利要求1拆解为技术特征 A ~ U，并与三篇对比文件进行逐特征核对（标注原文具体段落出处及公开情况）：

---

### 二、 对比文件公开内容的详细分析

#### 1. D1 (US20080062151A1)

* **公开的技术特征**：仅公开了通用的硬件结构如输入接口、处理器（特征 B、T）。

* **未公开的技术特征**：D1 属于**声学触控屏/声学位置传感器领域**，利用基板中传播的声表面波（如 Rayleigh 波、Lamb 波、Love 波）的衰减来定位触控位置。 其完全未涉及电磁辐射探测皮肤血容量脉动（PPG）、特征向量 $P_{bv}$ 计算、质量指标 $Q_1/Q_2$ 评价以及基于控制信号更新特征向量等技术特征（特征 C、D、E、F、G、H、I、J、K、L、M、N、O、P、Q、R、S、U）。

* **实质分析**：D1 技术领域与目标专利相去甚远，无法提供目标专利解决运动伪影与低信噪比提取光体积描记（PPG）脉动信号的任何技术教导。

#### 2. D2 (CN101743549A)

* **公开的技术特征**：公开了生物信号接收器（特征 B）、处理器（特征 T）、利用生物信号矩阵进行主成分分析（PCA）得到特征的不相关线性组合（特征 F、I 部分概念）。

* **未公开的技术特征**：D2 旨在通过 EEG（脑电图）、MRI 等数据建立诊断阿尔茨海默病严重程度的定量测量（MMSE相关）。 D2 未公开使用不同波长光透射/反射探测皮肤脉动（特征 C、D），未公开计算脉动波形信号及其乘积约束（特征 E、H、J、K），亦未公开针对脉动信号计算质量指标 $Q$ 并据此反馈更新特征向量 $P_{bv}$ 的闭环控制调整机制（特征 L、M、N、O、P、Q、R、S、U）。

#### 3. D3 (CN102046076A)

* **公开的技术特征**：

* **特征 A、B、C、E、T、U**：D3 详细公开了通过多普勒雷达（RF电磁辐射）照射主体/皮肤区域并接收反射辐射，提取心肺/脉搏生理运动信号（生命体征），并通过处理器解调导出心率、呼吸率等生理信息。

* **特征 F、G、I、Q**：D3 公开了通过计算信号帧的协方差矩阵 $A$，求解最大特征值对应的特征向量 $v_0$（主向量），并将信号投影/加权映射到该特征向量上以解调出生理信号，且每一帧/阶段会根据前一帧特征向量及内积进行特征向量的平滑与调整更新。

* **特征 L、M、N、O**：D3 公开了非心肺运动检测与质量评估算法。通过计算特征值比率（$pc = \lambda_1 / \lambda_2$）、高低通能量比率等质量指标（对应 $Q_1, Q_2$），当质量指标满足条件时，控制系统进行模式切换（模式1与模式2转换，即控制信号逻辑）。

* **未公开/存在差异的技术特征**：

1. **波长通道差异（特征 D）**：D3 使用的是 RF 雷达无线波段（多通道天线），而目标专利权利要求1特征 D 限定为“不同波长通道中的依赖波长的反射或透射信息”（目标专利说明书主要指光体积描记 PPG，如 660nm、800nm、840nm 等光谱通道）。

2. **物理意义约束（特征 H、K）**：目标专利中的特征向量 $P_{bv}$ 具有明确的物理意义——表示各颜色通道中的“预期相对脉动性”，且脉动信号与原始信号的乘积等于该相对脉动性；而 D3 的特征向量为数学协方差矩阵的主特征向量。

3. **特征调整的具体数学步进公式（特征 P、R、S）**：目标专利权利要求1限定了根据 $Q_2 > Q_1$ 时增大控制信号 $CS$，并通过将更新向量 $U$ 的步进式量化加化公式（$\text{更新向量 } CS \cdot U \dots$）添加到参考特征向量 $P_{bv0}$ 来计算新的特征向量；D3 采用的是协方差矩阵滑动加权平均 $A = \sum \alpha^i C_i$ 后重新求解特征向量的方法，未公开这种具体的加法更新步进公式。

---

### 三、 最接近对比文件的选择与创造性分析

#### 1. 最接近对比文件的确定：**D3 (CN102046076A)**

* **技术领域**：D3 与目标专利均属于“无接触/非干扰式提取对象生命体征（呼吸、脉搏/心率）的生理信息提取设备”领域。

* **解决的技术问题**：两者均致力于解决“由于对象运动伪影（Motion Artifacts）以及低信噪比（SNR）导致生理信号失真或无法可靠提取”的技术问题。

* **技术方案与效果**：D3 与目标专利均采用了“利用多通道信号计算协方差/主特征向量 $\rightarrow$ 信号投影解调 $\rightarrow$ 计算质量指标（评估运动/噪声） $\rightarrow$ 动态更新调整特征向量 $\rightarrow$ 提取最佳质量生命体征”的核心算法闭环逻辑。

相比之下，D1 属于声学触控屏领域，D2 属于 EEG 阿尔茨海默病诊断领域，在技术领域、作用机制及解决的技术问题上均与目标专利相差甚远。因此，**D3 是创造性分析中最适合且唯一的“最接近对比文件”**。

---

#### 2. 未被最接近对比文件（D3）公开特征在其他对比文件中的公开情况

最接近对比文件 D3 未公开的区别特征主要为：

1. **光学波长通道特征（特征 D）**：D1（声波）与 D2（脑电/MRI）均未公开光学 PPG 领域中“不同波长通道依赖波长的反射/透射信息”。

2. **$P_{bv}$ 血容量相对脉动性约束（特征 H、K）**：D1 与 D2 均未公开。

3. **具体的 $CS$ 控制信号步进更新公式（特征 P、R、S）**：D1 与 D2 均未公开。

**结论**：现有对比文件组合（D3 + D1 或 D3 + D2）**未能完整覆盖**权利要求1的所有区别技术特征。

---

### 四、 无效请求中最薄弱的技术特征分析与攻击策略

如果在现有对比文件（D1-D3）的基础上对权利要求1提出无效宣告请求，**目标专利最薄弱的技术特征**如下：

#### 1. 最薄弱特征：**特征 P、R、S（具体控制信号 CS 及特征向量更新加法公式）**

* **薄弱性原因（参数/公式化官僚特征，缺乏突出的实质性特点）**：

权利要求1中的特征 R 限定：“被配置为通过将更新向量 $CS \cdot U$ 和 $(CS - 1) \cdot U / CS + 1$ 添加到参考特征向量 $P_{bv0}$ 来计算所述至少两个特征向量”。

* 在数值计算与控制工程领域，当确定了“利用质量指标 $Q$ 评价信号质量，并在质量变优的方向上迭代调整参考向量”这一闭环寻优思路后（D3 已公开此思路），**采用加法步进（$P_{new} = P_0 + \text{步长} \times \text{更新向量}$）是本领域技术人员进行数值迭代/爬山法/梯度寻优时最常规、最显而易见的数学手段**。

* 目标专利说明书第 [0033]、[0108] 段明确指出，这种调整仅是“沿着颜色空间中定义的线引导的行走”或“递归/迭代选项”。这种具体的加减公式属于**典型的常规设计选择或公知常识的简单公式化表达**，并未产生预料不到的技术效果。

#### 2. 第二薄弱特征：**特征 D（不同波长通道的光学 PPG）**

* **薄弱性原因**：

将多波长 PPG（如红光、绿光、红外光）用于提取脉搏和血氧饱和度（$SpO_2$）属于光体积描记领域的**公知常识（Prior Art / Common Knowledge）**。目标专利背景技术第 [0009]-[0015] 段自身就承认，Verkruysse (2008) 及 de Haan (2014) 的文献已完全公开了利用 RGB 彩色相机颜色通道及规范化血容量向量 $P_{bv}$ 进行脉动信号提取的方法。

---

### 五、 进一步对比文件检索策略（Search Strategy）

为了成功无效目标专利权利要求1，针对上述“最薄弱技术特征”与“未被 D3 完全覆灭的区别特征”，建议采取以下补充检索策略：

#### 1. 核心检索方向

重点补充检索**远程光体积描记（rPPG）或接触式 PPG** 领域中，**利用质量指标/SNR 引导动态调整/迭代更新血容量向量（$P_{bv}$ 或 Color Vectors）** 的现有技术。

#### 2. 目标专利说明书内引用的“强相关”现有技术直接调取

目标专利背景技术及具体实施方式中明文引用了以下关键文献（这些是最佳的无效证据线索）：

1. **de Haan & van Leest (2014)**: *"Improved motion robustness of remote-PPG by using the blood volume pulse signature"*, Physiol. Meas., vol. 35, p. 1913. (目标专利 [0014]、[0029] 段明确承认其公开了 $P_{bv}$ 向量提取脉动信号)

2. **US 2013/0271591 A1** (或对应族件)：目标专利第 [0030] 段明确指出："Pbv方法和对规范化的血容量向量的使用细节已经在 US 2013/271591 A1 中得到描述"。

#### 3. 建议检索要素与组合（Keywords & IPC）

* **IPC / CPC 分类号**：

* `A61B5/024`（脉搏率/心率测量，如 PPG）

* `A61B5/1455`（光学血氧饱和度 $SpO_2$ 测量）

* `A61B5/00`（生物信号处理）

* **关键词组合 (CN/EN)**：

* `("Pbv" OR "blood volume pulse" OR "characteristic vector" OR "color vector" OR "特征向量" OR "血容量向量")`

* **AND** `("quality index" OR "SNR" OR "signal to noise" OR "信噪比" OR "质量指标")`

* **AND** `("update" OR "adjust" OR "adapt" OR "iterate" OR "step" OR "更新" OR "调整" OR "迭代")`

* **优先申请人/发明人**：`KONINKLIJKE PHILIPS NV`（皇家飞利浦），发明人：`de Haan Gerard`（Gerard de Haan 是 rPPG 领域核心专家）。

#### 4. 结合证据的无效论证逻辑（三步法组合）

1. **以 D3 (CN102046076A) 或 飞利浦早期 rPPG 专利 (如 US20130271591A1)** 作为第一对比文件（最接近对比文件），公开了利用特征向量解调生理信号、计算质量指标及闭环反馈更新特征向量的主主体架构；

2. **结合 de Haan (2014) 或公知常识** 证明“多波长通道 PPG 信号与 $P_{bv}$ 向量乘积关系”属于本领域公知常识；

3. **论证特征 P、R、S 中的具体向量加法更新公式** 仅是本领域技术人员为了实现“质量引导下的梯度寻优/向量调整”而采用的常规数学手段/有限的选择，不具备突出的实质性特点和显著的进步，从而宣告权利要求1不具备创造性（中国专利法第22条第3款）。

作为一名经验丰富的专利代理师，我针对目标专利 CN108366759B（对应权利要求1）与您提供的三篇对比文件进行系统的法律与技术比对分析。

---

### 一、 对比文件技术特征对应性与出处比对表

针对权利要求1的技术特征 A–U，各对比文件的公开情况如下表所示（括号内标注对比文件公开号及说明书详细段落/图示）：

---

### 二、 对比文件详细技术分析与最接近对比文件（CPA）的选择

#### 1. 领域与技术的实质分析

* **D1（US6282467B1）**：属于**航空航天器控制领域**，主题为“旋转航天器的三轴惯性姿态确定”。其核心技术在于利用三轴陀螺仪、太阳传感器和地球边缘传感器结合 ECI 坐标系更新航天器姿态（摘要、FIG.1）。**与生物医学光电检测领域完全跨界，不存在技术关联性。**

* **D2（US20040079372A1）**：属于**医疗诊断与监护设备领域**，主题为“麻醉、镇痛和遗忘引导的系统和方法”。该文件明确公开了利用脑电（EEG）、光体积描记（PPG）及近红外光谱（NIR）提取患者心率、血氧饱和度（SpO2）等生理指标（段落 [0016]、[0025]）。

* **D3（JP2006279538A）**：属于**光学成像与图像处理领域**，主题为“图像采集装置”。核心在于通过设置反射镜（光路变更手段）使多个摄像头的虚拟光学中心（NP点）重合，以消除拼接视差（段落 [0002]、FIG.1）。**未涉及生物信号抽取与脉动特征向量计算。**

#### 2. 最接近对比文件（CPA）的认定

* **最接近对比文件：D2（US20040079372A1）**

* **理由**：D2 与目标专利属于**同一技术领域**（生物医学信号检测与生理参数提取），且解决了**相似的技术问题**（在多波长光电测量中提取抗干扰的生理信息）。D2 公开了权利要求 1 的前言部分（特征 A-D）以及信号处理单元的基础架构。

---

### 三、 整体技术问题与技术效果分析

#### 1. 目标专利的核心发明点与技术效果

目标专利（CN108366759B）旨在解决**远程/接触式光体积描记（rPPG/PPG）在运动噪声和低信噪比（SNR）下生命体征提取不准确**的技术问题。

其技术效果在于：

1. 通过引入表示相对脉动性的**特征向量（如 Pbv 向量）**，结合加权计算导出脉动信号；

2. 构造**质量指标计算单元**与**控制信号计算单元**，利用反馈机制（特征调整单元，特征 Q-S）依据质量指标（Q2与Q1的比较）动态更新参考特征向量；

3. 实现了特征向量在颜色空间中的**自适应收敛与迭代**，极大地提高了对患者体动及环境光变化的鲁棒性。

#### 2. 最接近对比文件（D2）未公开的区别特征

相比于 D2，权利要求 1 的**实质区别特征**为：**特征 F–S**（即基于特征向量计算脉动信号、计算质量指标、根据 quality 比较结果生成控制信号并使用更新向量自适应调整特征向量的完整闭环控制机制）。

* **D1 与 D3 是否公开了上述区别特征？**

* **D1** 处理的是天体轨道与姿态矩阵推算（TRIAD算法/卡尔曼滤波），未公开任何血容量脉动向量计算及反馈调整机制。

* **D3** 处理的是多镜头光学几何对准，完全未涉及光电脉动信号的特征抽取。

* **结论**：D1 与 D3 **均未公开**上述区别特征，且由于领域相差悬殊，本领域技术人员没有任何动机将 D1 或 D3 的技术手段结合到 D2 中。因此，**基于现有对比文件 D1、D2、D3 的组合，权利要求 1 具备显著的突出品质和显著的进步（具备创造性/Patentability）。**

---

### 四、 无效请求分析：最薄弱的技术特征与潜在风险

若发起专利无效宣告请求，当前对比文件组合（D1+D2+D3）**无法击垮权利要求 1 的创造性**。权利要求1中最容易被攻破的“薄弱环节”以及目前的防守壁垒如下：

1. **相对薄弱的技术特征：特征 F、H、I（基础 Pbv 算法）**

* *分析*：利用预定义的特征向量（血容量脉动向量 Pbv）结合颜色通道加权提取 rPPG 信号属于已知技术（例如目标专利背景技术段落 [0014] 引用的 *G. de Haan (2014)* 论文）。如果检索到该论文或同类专利，**特征 F-K** 将被公知技术攻破。

2. **最坚固的防线特征（极难攻破）：特征 N-S（闭环自适应特征调整）**

* *分析*：权利要求 1 的核心壁垒在于“**通过比较两个脉动信号的质量指标 Q1、Q2，生成控制信号 CS，并利用更新向量加和动态修正参考特征向量 Pbv0**”。这种将特征向量作为变量进行实时迭代收敛的闭环控制逻辑，在常规 rPPG 领域具有高度的独创性。

---

### 五、 进一步的对比文件补充检索策略（Search Strategy）

为了有效挑战权利要求 1 的创造性，必须针对其核心区别特征（自适应 Pbv 特征调整机制）补充检索。建议采取以下检索策略：

#### 1. 检索主题与核心概念拓展

* **主题 1（应用领域）**：远程光体积描记（rPPG）、摄像血氧测量（Camera-based SpO2）、多波长 PPG（Multi-wavelength PPG）。

* **主题 2（核心算法）**：血容量脉动特征向量（Blood Volume Pulse Signature / Pbv）、自适应滤波（Adaptive Filtering）、特征向量更新/收敛（Signature Vector Updating / Convergence）。

#### 2. 推荐专利分类号（IPC / CPC）

* `A61B5/1455`：通过光学方式探测血液成分（如血氧）。

* `A61B5/0059`：基于光学的无创诊断方法。

* `G06V20/40` / `G06T7/00`：视频序列中的生物特征信号分析。

#### 3. 重点检索申请人/发明人（Key Applicants / Inventors）

目标专利的原始技术源自皇家飞利浦（KONINKLIJKE PHILIPS N.V.）及著名学者 **G. de Haan** 和 **W. Wang** 团队。

* **重点检索发明人**：`de Haan, Gerard` 或 `Wang, Wenjin`

* **思路**：重点排查该团队在 2016 年之前（目标专利优先权日之前）发表的早期专利族（如 US/EP/WO 申请），寻找是否在早期文献中已披露“动态更新 Pbv 向量”或“基于 SNR 反馈调整特征向量”的下位技术方案。

#### 4. 逻辑检索式示例（以 Derwent / Google Patents 为例）

> `(rPPG OR "remote photoplethysmography" OR "blood volume pulse" OR "Pbv") AND ("signature vector" OR "eigenvector" OR "weight vector") AND ("quality index" OR "SNR" OR "feedback" OR "update vector" OR "adapt*")`

根据权利要求1所述的设备，其中，所述脉动信号计算单元(32)被配置为使用不同的特征向量(Pbv1、Pbv2)的固定集合；并且所述处理单元(38)被配置为对引起具有所述最佳质量指标值(Q1、Q2)的所述脉动信号的特征向量的时间序列进行滤波以获得经滤波的特征向量；所述生理信息是从所述经滤波的特征向量中导出的。

根据权利要求1所述的设备，其中，所述特征调整单元(36)被配置为在脉动信号依据其产生所述最佳质量指标值的方向上调整所述不同的特征向量(Pbv1、Pbv2)中的一个或多个特征向量。

根据权利要求3所述的设备，其中，所述脉动信号计算单元(32)被配置为针对所述至少两个特征向量(Pbv1、Pbv2)根据所述探测信号(Cn)来计算所述脉动信号(S1、S2)；其中，脉动信号与所述至少两个探测信号之间的比率是由对应的特征向量来确定的。

根据权利要求4所述的设备，其中，所述特征调整单元(36)被配置为调整作为所述参考特征向量(Pbv0)的参考规范化的血容量脉动向量以获得所述至少两个特征向量(Pbv1、Pbv2)。

根据权利要求1所述的设备，其中，所述质量指标计算单元(34)被配置为计算规范化的脉动信号的光谱；并且使用在一范围中的最高峰值的幅度作为针对所述脉动信号的所述质量指标；所述范围尤其是典型脉动频率的范围。

根据权利要求6所述的设备，其中，在滑动时间窗口上计算规范化的脉动信号的光谱。

根据权利要求1所述的设备，其中，所述质量指标计算单元(34)被配置为在滑动时间窗口中计算脉动信号；并且将以下定义为针对所述脉动信号的质量指标：光谱的脉动频率的范围中的最高峰值的幅度除以整个频率范围上的能量。

根据权利要求4所述的设备，其中，所述特征调整单元(36)被配置为比较所述质量指标值(Q1、Q2)；依据所述比较的符号来增大或减小计数；并且使用计数值以及预定的更新向量和所述参考特征向量(Pbv0)来计算所述至少两个特征向量(Pbv1、Pbv2)。

根据权利要求1所述的设备，其中，所述脉动信号计算单元(32)被配置为在根据所述至少两个探测信号(Cn)中的一个或多个探测信号来计算所述脉动信号(S1、S2)之前将噪声添加到所述至少两个探测信号(Cn)中的所述一个或多个探测信号。

根据权利要求1所述的设备，其中，所述脉动信号计算单元(32)被配置为将噪声添加到一个或多个规范化且无DC的探测信号(Cn)。

根据权利要求1所述的设备，其中，所述脉动信号计算单元(32)被配置为通过在时间窗口上计算规范化的无DC探测信号Cn的协方差矩阵 来计算所述脉动信号S1、S2；并且找到用于计算脉动信号的权重Wx，为 ；其中，k被选取为使 并且x∈{1，2}。

根据权利要求4所述的设备，其中，所述特征调整单元(36)被配置为基于所述控制信号(CS)来调整所述参考特征向量(Pbv0)以获得至少两个特征向量(Pbv1、Pbv2)。

一种用于提取指示对象的至少一个生命体征的生理信息的系统，; 所述系统包括：;-探测器(18、19)，; 其用于探测透射通过对象的皮肤区域的电磁辐射或者从对象的皮肤区域反射的电磁辐射，; 并且用于从探测到的电磁辐射中导出至少两个探测信号(Cn)，;其中，每个探测信号包括不同波长通道中的依赖波长的反射信息或透射信息，;-根据权利要求1所述的用于提取生理信息的设备(12)。