基于小波分析的光电脉搏波奇异性处理

高精度的光电脉搏波信号,对于动态光谱法血液成分无创检测非常重要。要获得高精度的脉搏波信号,首先就要对信号中的噪声奇异点进行定位和修正。本文选择Marr小波,针对信号中的单个脉冲噪声和窄带脉冲噪声。研究了基于小波分析的光电脉搏波奇异性处理。利用脉搏波信号极大值线的周期性,在每个周期段内,首先利用单个脉冲噪声与有用信号截然不同的李氏指数特性,对单个脉冲噪声进行了处理。然后利用窄带脉冲的小波系数极大值线的特点对常规小波方法难以处理的窄带脉冲噪声进行分析定位。鉴于模极大值重构算法比较复杂,本文利用线性插值法对被定位的噪声奇异点进行了修正。仿真实验表明,利用小波分析和线性插值相结合的方法可以完成对光电脉搏波信号的奇异性处理,提高了脉搏波信号的幅值检测精度。     

基于流水线结构的脉搏信号小波去噪硬件实现

脉搏波信号采集过程中存在肌电干扰和基线漂移等噪声,引起脉搏信号的不正常波动。如何能去除脉搏波信号中的噪声,得到原始的脉搏信号,为后续处理提供基础,是个十分重要的问题。本文设计了一种在脉搏监测系统中基于小波理论用于去噪的电路设计。该电路采用九级流水线结构,能够对脉搏信号进行实时处理。理论分析和逻辑电路仿真结果表明,本文所提出的电路能够有效地去除脉搏信号中信号频谱内的噪声.     

基于小波变换实现脉搏信号降噪处理

脉搏波形复杂而且测量过程中易受各种噪声影响,因此降噪处理是提取清晰、有效的脉搏信息的关键步骤。在去噪过程中,由于脉搏信号具有非平稳特性且污染噪声分布范围大,限制了传统线性滤波器的使用。这里利用小波变换的多层分解将脉搏信号分成具有不同尺度的小波系数,然后根据小波分解的底层低频系数和各层高频系数进行一维小波重构,在重构的过程中可以剔除与噪声相关的系数,保留信号中的有用成分。     

基于MSP430的脉搏信号采集系统的设计

脉搏信号是典型的微弱信号,受到人体诸多因素的影响,具有信号弱、噪声强等特点。在对脉搏波进行分析的基础上,研制出一套脉搏信号采集系统。系统基于光电容积法原理,以MSP430单片机为核心,在硬件滤波的基础上加入了软件滤波,可以实现对人体手指端动脉信号的实时提取并处理,并通过串口将数据传输到上位机进行显示。     

基于同态解卷的人体脉搏信号盲信源分离

分析了脉搏信号的产生与传播过程。指出人体脉搏信号可看成是由心脏激励源信号与脉搏系统冲激响应的卷积,提取脉搏源特征与脉搏系统的传播特性是一个"盲信源分离"问题。因此,本文采用同态解卷技术对脉搏信号进行处理,获得了脉搏源的特征和脉搏系统的传递函数。实验结果表明正常人脉搏激励源信号可看成周期性冲激序列,而异常脉搏激励源信号为周期性冲激序列加白噪声;人体脉搏系统相当一声低通滤波器;本文的方法对于研究人体脉搏系统的传播特性和辨识中医脉象是简便和有效的。     

基于EMD和SVD的光电容积脉搏波信号去噪方法

光电容积脉搏波采集过程中存在基线漂移和高频噪声会给后续人体生理参数的测量带来困难,因此消除噪声干扰是准确进行相关生理参数测量的关键问题。提出一种结合经验模态分解和奇异值分解的去噪方法。该方法采用经验模态分解将光电容积脉搏波信号分解为若干个固有模态函数,通过功率谱密度判断代表基线漂移信息的固有模态函数获得基线漂移曲线;使用奇异值分解处理光电容积脉搏波信号中的高频噪声,针对传统的差分谱法无法准确识别奇异值有效阶次的不足,提出加权能量贡献率的方法选取奇异值的有效阶次。实验结果表明,该方法能有效消除光电容积脉搏波信号中的基线漂移和高频噪声,这对光电容积脉搏波信号检测精度的提高具有重要意义。     

光电脉搏传感器的研制和噪声分析

脉搏血氧仪能够无创、快速、实时地测量血氧饱和度,光电式脉搏传感器是脉搏血氧仪的重要组成部分。介绍了光电式脉搏传感器的原理和设计方案,采用集成光敏部件和放大器的光敏芯片代替传统的分立光敏器件实现对脉搏的测量。芯片的集成化能够有效减小器件间匹配引起的干扰,提高脉搏测量精度。在实验测试过程中,采用该光电式脉搏传感器对人体的脉搏进行实时测量,对脉搏信号测量可能引起的噪声来源做了分析,并做相应的抗干扰处理,得到比较理想的脉搏波形,为脉搏信息的提取和分析提供了良好的数据。     

EEMD在同时消除脉搏血氧检测中脉搏波信号高频噪声和基线漂移中的应用

人体血氧饱和度是基于脉搏波信号测量得到的,然而在脉搏波信号采集的过程中存在着由人体呼吸和仪器本身热噪声等带来的基线漂移和高频噪声,影响人体血氧饱和度的测量精度。因此,该文提出一种总体平均经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)与基于排列熵(Permutation Entropy, PE)的信号随机性检测相结合的方法,同时消除基线漂移和高频噪声。对脉搏波信号进行EEMD分解,计算分解到得到的内在模式分量的排列熵,选取阈值,分别判断并剔除代表高频噪声和基线漂移的内在模式分量。最后信号重构就得到同时消除高频噪声和基线漂移的脉搏波信号。通过自行研制的测量装置所采集的脉搏波信号进行实验验证,利用信号的频谱和交直流比R评价效果。结果表明:该方法有效地同时消除了脉搏波信号中的高频噪声和基线漂移,这将有利于人体血氧饱和度测量精度的提高。     

基于局部均值分解的脉率变异性估计

为了克服时域提取脉率变异性(PRV)信号过程中噪声、采样频率等因素的影响,提出一种PRV估计的新方法—局部均值分解(LMD)法。首先对原始脉搏信号进行LMD分解及Hilbert变换,得到脉搏信号各积函数(PF)分量、脉搏信号瞬时频率(PIF)以及边际谱,按照PRV信号频率分布得到瞬时脉率(IPR)信号。分别利用LMD估计IPR信号的方法和时域提取PRV信号的方法对本研究采集的10名大学生脉搏信号同时进行处理,经对比发现IPR信号可以准确地表征PRV信号。利用LMD法估计睡眠、视觉疲劳、运动等状态下脉搏信号中的PRV信号,结果表明该方法可用于估计不同状态下脉搏信号中的PRV信号;对MIT-BIH数据库中的年轻人和老年人的PRV信号进行短时脉率变异符号序列熵分析,结果表明该方法可以敏感地检测出年龄的变化。本文工作为临床PRV信号的有效检测和处理提供了一种有效的方法。     

脉搏波信号降噪和特征点识别研究

对脉搏波的完全分析是建立在含有少量噪声且较为清晰的脉搏波信号中,然而在采集脉搏波信号时容易受到多种干扰的影响,使其提取出来的脉搏波含有大量的噪声,因此降噪处理显得尤为必要。同时,脉搏波中含有人体生理病理信息,不同的人将表现为不同的特征,可以看出确定脉搏波特征点对于分析人体生理健康很有意义。针对信号去噪问题采用小波变换和多分辨率分析的方法,该方法在时域和频域都能表征信号局部信息的能力,且具有对信号具有自适应性。运用极值法确定出脉搏波的峰值点,然后再根据峰值点确定出其他特征点的位置,实验证明该方法能够增加特征点的检出率。