基于心电脉搏信号的无创血压算法研究

针对人体血压无创检测问题,提出了一种基于心电信号(Electrocardiogram,ECG)与光电容积脉搏波(Photoplethysmograph,PPG)的血压测量算法。通过脉搏波传递时间(Plusewave Transit Time,PTT)计算出收缩压;将弹性腔模型与脉搏波特征K值模型相结合,计算人体舒张压。实验中,对采集到的心电信号和指尖脉搏信号进行数字滤波,采用自适应特征提取方法对信号波形进行准确地分析计算,实现血压的无创连续监测,且计算结果与标准仪器测量结果相比平均误差小于5 mmHg。     

一种头戴式血压测量改进方法的研究

为了提高无创血压连续测量的便捷性和准确度,提出了一种基于脉搏波传导时间(PTT)的头戴式血压测量方法,该方法将光电容积脉搏波(PPG)信号和心电(ECG)信号的采集集中在头部,将PPG信号一阶微分最大点与ECG信号R波峰的时间差值作为脉搏波传导时间,并在血压的计算中加入了卡尔曼滤波器。实验结果表明,利用改进方法计算出的血压值平均误差率在5%以内,数据误差均在10 mm Hg以内,能够满足连续血压测量误差的要求;与传统方法相比,稳定性更好,误差率更小,最大误差更小。     

STM32的无创连续血压测量系统设计

针对目前临床对血压的连续测量主要采用有创的方法,本文设计通过脉搏波传导时间(PWTT,Pulse Wave Transmit Time)实现无创连续测量血压的系统.该系统通过采集光电容积脉搏波(PPG)信号和心电(ECG)信号,利用STM32控制芯片将两者信号融合,再通过算法求出特征点,拟合方程求出个体的血压.通过此方法有效实现了无创连续的血压测量.     

基于LabVIEW的光电容积脉搏波信号采集系统

光电容积脉搏波包含了人体丰富的生理、病理信息,对其进行实时监测可为临床研究和诊断提供科学的指导.开发了一套基于图形化虚拟仪器工程设计平台LabVIEW的光电容积脉搏波信号采集系统,可完成对该信号的实时采集、显示和数据存储.经过指端光电容积脉搏波信号的透射式采集实验,在LabVIEW前面板上准确显示出了该信号的波形,有助...     

脉搏波信号预处理方法研究

为克服脉搏波信号采集时受到的高频噪声干扰和低频噪声干扰,脉搏波信号的预处理成为心脉信号处理中的关键环节。使用零相位滤波法处理脉搏波信号,改善传统数字滤波器直接滤波的输出失真问题;通过建立评价参数,对去除高频噪声的数字滤波器和小波阈值滤波器的滤波效果进行评价,获得最佳滤波方法;对比常用去基线漂移方法在处理脉搏波信号时的特点,获得最佳去基线漂移算法。使用新研发的脉搏波采集手环采集多名受试者的脉搏波原始信息,将采集到的信号按上述方法去噪和去基线漂移后,实现脉搏波信号的预处理过程。实验结果表明,采用sym4小波基、固定阈值、软阈值函数等小波阈值去噪方法去除高频噪声并使用三次样条插值拟合曲线去除基线漂移后,所获得的脉搏波信号平滑无毛刺,每个周期起始点和终点都在同一水平基线上,满足后续脉搏波信号的医学分析和疾病诊断需要。     

新型脉搏波检测时域处理方法与系统实现

介绍了一种面向人体日常健康监护的脉搏波信号实时检测与特征分析系统的简化实现方法.该系统以C8051系列微控制器为核心,采用PVDF压电传感器拾取桡动脉处的压力信号,对采集数据进行数字平滑滤波,选择适于伪周期信号处理的模板函数匹配方法进行时域的在线参数估计,可实现对脉搏波信号特征的分析计算,并使系统能以简单结构满足对脉搏波信号的实时检测要求.实验表明:本系统设计和数据处理方法有效可行.     

一种连续血压测量系统的设计和验证

针对血压连续测量问题,设计了一种基于脉搏波传导时间的系统。该系统通过采集人体心电信号和光电容积脉搏波信号,将数据通过WiFi传输到计算机终端,采用差分阈值-窗口法提取特征点,计算脉搏波传导时间,拟合出人体血压值。通过采集一定的实验数据验证了本系统能够达到连续测量血压的目的,可为医护人员掌握病人身体状况提供重要依据,具有良好的应用前景。     

基于脉搏的心冲击信号特征提取方法研究

针对心脏疾病诊断过程中心冲击(ballistocardiogram,BCG)信号特征提取的难点,提出了一种以同步采集的脉搏信号作为BCG分段基准的特征提取新方法。首先,介绍了BCG和脉搏信号检测原理,并通过趋势项消除和DB5小波变换对原始BCG信号进行了预处理;然后,对BCG、ECG和脉搏信号的相关性进行了分析;最后,提出了BCG特征提取算法。实验结果表明,与ECG相比,以脉搏作为BCG分段基准具有分段更准确和操作更方便等特点。该系统便携式的设计能够使受试者随时对心脏机械活动进行监测,也为BCG应用于临床诊断提供了可靠依据。     

脉搏波信号中存在的噪声干扰分析及降噪方式研究

光电容积脉搏波可以实现人体生理参数的无创检测,由于脉搏信号微弱,且易受外界噪声干扰,为降低脉搏信号中的噪声干扰,通过信号特征分析了解干扰来源,对于主要的高频噪声及基线漂移提出有效的降噪方法;通过脉搏传感器采集真实的信号数据,进行滤波预处理实验,获得准确的脉搏波信号。实验结果显示,该方法可以有效降低脉搏波信号中存在的噪声干扰,同时有利于人体生理信号的便携式无创检测设备的开发。     

一种抗运动干扰的实时心率提取方法

针对基于容积脉搏波（PPG）提取运动心率时，传统心率提取算法由于运动噪声干扰使测量结果误差大、实时性不好的问题，提出一种抗运动干扰的实时心率提取方法。该方法通过实时小波去噪，同时结合三轴加速度信号（ACC）对运动进行分类训练，计算各运动状态心率增益，对实时心率值进行补偿。实验结果表明，通过与同时采集的ECG信号计算出的实时心率进行对比，绝对误差率仅为1.2%左右。相比传统心率提取算法，该算法具有抗干扰性强，实时准确的特点。     

深度稀疏自编码器在ECG特征提取中的应用

针对心电（ECG）信号智能分析模型中,复杂波形的特征提取困难,人工设计特征造成源信号特征丢失,标签样本不足等问题,提出了一种基于深度稀疏自编码器（Deep Sparse Auto-Encoders,DSAEs）的ECG特征提取方法。该方法在DSAEs进行贪婪逐层训练时,采用适应性矩阵估计（Adaptive moment estimation,Adam）对网络权重进行寻优,以此获得最优参数组合,同时提取出高层隐含层的输出,并作为ECG高度抽象的低维特征。最后利用支持向量机（Support Vector Machines,SVM）构建分类模型,完成对ECG的特征分类。使用MIT-BIH心律失常数据库的ECG数据进行仿真实验,结果表明,提出的ECG特征提取方法能有效地分层抽取特征,提高分类识别准确率。     

融合加速度信息的动态心电EMD滤波算法

在远程医疗和家庭健康诊断中,医护手环在进行心电信号采集时,因被测试者呼吸和抖动的影响,心电信号中会夹杂运动伪迹噪声。为了有效滤除心电信号中的运动伪迹,将加速度信息加入到EMD心电滤波算法当中,通过对被测者运动状态的判断和分类,选用合适的阈值和滤波算法分解项对心电信号进行处理。通过自制手环进行心电采集,使用该算法进行处理,达到较好的滤波效果。     

蚁群算法在呼吸信号情感识别中的应用研究

针对生理信号的情感识别问题,将蚁群优化算法用于呼吸信号（RSP）特征选择,并采用自适应的适应度参数值、变异策略和临近位置交换策略对算法进行改进,使用Fisher进行情感分类,获得了较高的识别率和有效特征组合。采集了212个被试6种不同情感（高兴、惊奇、厌恶、悲伤、愤怒、恐惧）的呼吸信号数据进行仿真实验,识别效果最好的是高兴情感,最好识别率达到了92.06%,平均识别率达到了84.43%。实验仿真结果表明,将蚁群优化算法引入基于呼吸信号的情感识别研究是可行的。     

基于支持向量机的思维脑电信号特征分类研究

探索一种实用的基于想象运动思维脑电的脑-机接口(BCI)方式,为实现BCI应用奠定比较坚实的理论和实验基础。对6名受试者进行三种不同时段(箭头出现2s、1s和0s后提示按键)情况下想象左右手运动思维作业的信号采集实验,利用小波变换和支持向量机对实验数据进行离线处理。对三种情况下的延缓时间△t0、△t1和△t2分析发现:△t0与△t1和△t2之间都有显著性差别(p<0.05),而△t1与△t2之间没有显著差别(p>0.05);平均分类正确率分别达到68.00%、80.00%和56.67%(p<0.05);实际按键前0.5~1s左右,想象左右手运动的思维脑电特征信号都发生了明显改变。通过合理的实验设计获取的信号有助于识别正确率的提高,为BCI系统中思维任务的特征提取与识别分类提供了新思路和方法。     

基于IMF能量谱的水声信号特征提取与分类

经验模态分解（EMD）是用来处理非平稳时变信号的一种信号分析方法,该方法对所分析信号的局部特征信号进行不同时间尺度的分解,从而得到这些局部特征信号的各阶本征模函数（IMF）。提出了一种基于IMF能量谱的水声信号特征提取与选择方法,通过对水声信号进行经验模态分解,提取信号的本征模式分量并转换为能量谱特征向量,从而观测不同信号子频带能量谱的特征变化。分类实验采用支持向量机（SVM）分类器进行。实验结果表明,相对于小波能量谱特征提取法而言,利用IMF能量谱作为特征向量的分类实验具有更佳的分类效果,平均正确率达88%以上。     

小波变换和支持向量机相融合的ECG身份识别

为了提高心电图（ECG）信号的身份识别正确率,提出一种小波变换和支持向量机相融合的ECG身份识别方法（IWT-ABC-SVM）。采用一种小波阈值函数对ECG进行去噪处理,提取ECG特征,将ECG特征输入到支持向量机中进行学习,采用人工蜂群算法优化支持向量机参数,建立ECG的身份识别模型,采用MIT-BIH心电图数据进行仿真测试。仿真结果表明,相对于其他识别方法,IWT-ABC-SVM提高了ECG身份识别的正确率和可靠性。     

基于智能终端的精神压力分析系统的设计

以心率变异性（HRV）作为应激水平的评价指标,分别探讨精神压力变化和HRV特征值变化的规律。基于对心电信号实时采集的硬件系统的研究,并在智能终端上进行信号处理,然后从中获取心率变异性（HRV）。通过做题任务,进而精神压力发生变化并对HRV特征值进行分析。实验结果发现,当人体产生压力时,HRV时域特征值中R-R间隔的标准偏差（SDNN）以及HRV频域特征值中总能量值（TP）,低频功率密度值（LF）和LF/HF比值上升比较明显,然而高频段功率密度值HF却下降较明显,且根据各个指标的上升和下降的变化速率不同,划分个体的精神压力等级。因此,采用HRV时频域的五项特征值,可以对人体精神压力进行定量反映和评价。     

一种多导联QRS波实时检测算法

针对多导联心电监护仪对QRS波的分析需求,提出一种多导联QRS波实时检测算法。对原始心电图信号进行工频滤波和低通滤波处理,将各导联按照单导联预检波规则进行QRS波判别,通过决策融合多个导联的判别结果得到最终判别结果。在圣彼得堡INCART 12导联心率失常数据库上的验证结果表明,该算法的平均识别率和准确率分别为99.88%和99.73%。     

一种适合突发通信的CPM定时恢复算法

针对连续相位调制(CPM)信号定时同步问题,提出一种数据辅助联合直接判决的定时恢复算法。基于CPM信号的PAM分解,由最大似然方法得到序列检测器和定时误差检测器,并构造一阶锁相环用于估计定时误差。采用数据辅助和数据重用的方法实现定时误差的捕获,运用直接判决方法进行定时误差的跟踪。仿真实验结果表明,当定时误差较大时,该算法可克服直接判决方法存在的失锁问题,实现大定时误差范围的定时估计,且降低定时估计和检测时的匹配滤波器的个数,对DVB-RCS2标准中的CPM突发信号仅用3个匹配滤波器就可以实现定时估计,具有良好的定时估计性能及较好的鲁棒性。     

稀疏降噪自编码器在IR-BCI的应用研究

针对脑-机接口的特征提取问题,提出了一种基于非监督学习的稀疏降噪自编码器,对刺激诱发的脑电信号进行自主学习,构建原始数据的深层特征表达。该编码器引用稀疏自编码神经网络,通过加入噪声,增强其学习的泛化能力,增加了神经网络的鲁棒性。首先对多导联信号进行重新拼接,输入稀疏降噪自编码器,得到原始数据的稀疏特征表达;然后,采用支持向量机将学习到的特征进行分类;最后,同直接使用最优单通道相对比。实验结果为：稀疏降噪自编码器的分类准确率要优于单通道,表明该方法能够更好地学习到特征,并提高了“模拟阅读”脑-机接口的识别正确率,为脑-机接口系统的特征提取和分类提供了新思路。