基于优化脉搏波特征的无袖带血压检测方法

脉搏波蕴含有丰富的心血管功能信息,可用于无袖带血压检测。但光电容积脉搏波（PPG）信号易受噪声干扰,而血压检测的准确性依赖于高质量的PPG信号特征。由此,本文提出了一种集成现代信号处理技术与脉搏波特征参数分析的方法提高基于脉搏波的无袖带血压检测的精确性。首先,联合使用集合经验模态分解与信号质量检测算法抑制噪声干扰,重构有效PPG信号,从而保证PPG信号的波形和频率特征的有效性。采用脉搏波特征参数与个体参数,建立BP神经网络血压检测模型,并通过平均影响法进行特征选取,减少冗余特征,最后利用遗传算法对神经网络进行优化,得到最优的血压估计模型。实验结果显示,本文所提出的血压检测方法获得的收缩压和舒张压预测误差≤10mmHg的百分比分别为93.1%和94.83%,其预测结果满足血压测量标准,可以有效实现无袖带血压检测。     

手腕式血氧心率检测仪的设计∗

市面上的心率血氧检测仪多为耳夹式或指夹式,穿戴不方便,使用者无法在运动、工作或睡眠中无障碍实时监测心率、血氧饱和度等生理参数.为此,提出了一种基于 STM３２微处理器和 Android系统的手腕式心率血氧检 测仪,采用JFH１４１多光谱生理数据测量模块实时采样,通过光电容脉搏波描记法和反射式血氧测量方法得到转换后的心率、血氧参数,利用蓝牙技术构建无线传输网络,以 KEIL 搭建的软件程序,以 AppInventor搭建的 Android App上位机软件,实现了在手腕处检测血氧及心率等生理参数,并将参数实时上传至上位机进行分析以及预警的功 能.实验表明,该设计既能保留完整脉搏信息又能最大程度抑制运动干扰和血流灌注的影响,实现无监督状态下血氧 及心率准确有效的检测及预警.     

脉搏信号中有效信号识别与特征提取方法研究

脉搏信号是重要的人体生理信号,但采集过程中会存在一定的干扰信号。针对人体脉搏波采集后的有效信号识别与特征提取的问题,提出一种基于时间序列描述的信号识别方法,首先将脉搏时间序列进行分割,每个分割段采用斜率符号化进行表示,通过段与段之间的相似性判断出信号的有用段和干扰段。再根据得到的有用段信号,提出一种基于滑窗的特征提取方法,寻找脉搏信号中的峰值、谷值,同时调整滑窗宽度,还能够进行重搏波波峰的检测。经实验验证,所提出的识别与特征提取方法准确率高且抗干扰性强。     

小波变换与形态学运算相结合的脉搏波检测算法

提出了1种基于小波变换模极大值与形态学运算相结合的脉搏波检测算法.该算法采用Symlet小波的Mallat算法对脉搏信号作多分辨率分解,利用数学形态学运算突出信号的峰谷点特征,将小波变换模极大值检测原理与形态学峰谷检测算法相结合,实现了对脉搏波的准确检测和精确定位.     

基于DataSocket的脉搏数据传输系统的设计

针对目前医院提出的脉搏数据网络化远程传输的要求,应用虚拟仪器软件LabVIEW中的DataSocket网络通信技术,设计了一套脉搏数据传输系统。实验表明：该系统依托单片机硬件装置采集脉搏信号,由LabVIEW软件开发的上位机平台不仅能实现对患者脉搏信号的数据采集、分析与显示,而且基于DataSocket技术实现了脉搏信号的网络化远程传输。该研究为医院脉搏信号现代化检测提供了一种新的手段和方法,经临床应用,取得较好效果。     

基于深度学习的运动心率测量系统

针对当前动态心率测量方法中存在心率监测准确度不高的缺点,提出使用深度学习算法提取光电容积脉搏波(photoplethysmograph,PPG)中的心率值。方法采集了15名身体健康的受试者不同运动速度下的PPG信号,并通过有抗干扰能力的心电(electrocardiogram,ECG)设备同步采集他们的ECG信号,将具有较强干扰的PPG信号作为堆栈自编码(stacked autoencoder,SAE)网络的输入信号,并将ECG信号作为网络标签,然后使用深度学习算法对自编码网络进行训练,以将有较强干扰PPG信号拟合为具有准确心率特征的类正弦波信号,从而实现对运动状态下干扰严重的PPG信号进行心率的提取。将SAE网络输出信号与对应ECG信号进行比较,结果显示,运动心率测量的平均误差为1.1658 bpm,表明深度学习算法对于心率测量的有效性,也为运动心率信号测量提供了一种新的途径。     

人体脉搏信号的希尔伯特-黄特征提取

脉搏信号包含与心血管相关的特征参数,提取与分析其特征参数能为心血管的初步检测提供一定的参考信息.采用希尔伯特-黄变换对脉搏信号进行时频特征提取,主要包括预处理和特征提取两部分.对小波软阈值滤波后的信号经验模态分解和希尔伯特变换,求取Hilbert谱与边际谱.从Hilbert谱与边际谱中分析了脉搏信号的生理特征反映,对人体心血管等方面健康状况的判断有一定指导意义.     

高精度无线脉搏波采集系统

设计了一种脉搏波信号采集与无线传输的系统.利用高精度的HK-2000B型脉搏传感器来进行脉搏波信号的提取;设计信号调理电路,实现对脉搏传感器采集得到的信号进行滤波、去噪和放大等预处理;通过基于低功耗的MSP430F2616单片机系统的A/D采样和无线传输模块,实现对预处理后的信号进行无线传输,为后续进一步的数据挖掘处理奠定基础.实验结果表明,该系统较好地实现了预处理和无线传输功能,且精度较高、性能稳定,具有一定的推广价值.     

基于HHT的人体脉搏特征识别及分类研究

为了快速获取人体脉搏信号完整特征信息,并快速准确识别脉搏特征信息与人体疾病关联表征。研究采用多周期脉搏时域特征和基于集合模态经验分解（Ensemble Empirical Mode Decomposition EEMD）的希伯尔特黄变换(Hilbert-Huang-Transform HHT)获取瞬时频率及幅值作为频域特征,把时域及频域特征进行融合作为卷积神经网络的输入进行人体脉搏特征的识别及分类。从MIT-BIH 标准数据库中获取到三种临床症状的脉搏信号进行了实验分析,最后经过实验得到脉搏特征识别及分类准确率为91.88%。采用基于EEMD的HHT作为时域特征的补充,时频特征混合能够使得PPG脉搏信号完整的表征,并在卷积神经网络上进行分类实验,得到较好的分类效果。研究方法愿为临床诊断智能化发展、提高临床诊断的准确率及效率提供良好的促进作用。     

基于USB总线的脉搏信号检测系统的设计

本文介绍基于USB总线的脉搏信号检测系统的设计过程,系统采用了一种高度集成的USB转UART桥接器CP2102芯片实现单片机与PC机之间的USB通信,具有即插即用功能。并利用LabVIEW虚拟仪器软件设计上位机程序实现人体脉搏信号采集、存储和处理。     

融合肌电信号与A型超声的新型肌肉疲劳检测方法

为了提高肌肉的疲劳检测效果,提出了一种双传感融合的方式来弥补单传感模式下信息容易丢失的不足。 该方式将表 面肌电信号的时频域特征与 A 型超声信号的肌肉厚度特征多维度融合,实现了双传感疲劳检测新模式。 采用支持向量机和神 经网络多模型训练,表面肌电信号与 A 型超声双传感融合在 3 种疲劳状态下的检测准确率可以达到 85%以上。 相较于仅仅使 用表面肌电信号的时频域特征(76. 99%)与 A 型超声的肌肉厚度(74. 87%)进行疲劳检测,准确率提升了 8% ~ 13%。 结果表明 对于疲劳检测,表面肌电信号与超声信号双传感融合模式比单传感模式更加准确有效。     

基于插值的准周期电生理信号样本构建的研究

人体是一个复杂的有机体,同一类型的生理数据来自不同的个体,要对这些来自不同信号源的数据进行比较,需要建立统一的标准,获得优化的数据样本,并能消减不同信号源的差异以及随机差异,形成具有可比性的多组生理信号,才能进一步有效地进行研究。在复杂的生理信号中存在着一类具有的周期性的信号,它们之间存在着一定的共性,如脉搏和呼吸信号等,称为准周期电生理信号,它们的预处理过程有不少共同之处。因此,以这儿种生理信号为主要对象,研究对该类生理信号数据进行融合前的数据预处理过程,研究并提出了基于捅值理论构建准周期生理信号的等周期数据样本的方法。     

基于Sinc信号的变压器绕组频率响应曲线检测方法

为了克服传统脉冲频率响应法在检测电力变压器绕组变形缺陷时,高频分量衰减过快的缺点,文中提出了一种基于Sinc信号的变压器绕组频率响应曲线检测方法。然后文章从理论上对Sinc信号及脉冲信号的频率特性进行了比较,说明了Sinc信号的优越性。最后,分别利用Sinc信号及脉冲信号对实验室中定制的变压器绕组进行了检测试验,并采用相关系数指标比较了两种信号的检测效果。试验结果表明利用Sinc信号作为激励源可以得到稳定、宽频域的频率响应曲线,而且该方法的检测结果比传统脉冲频率响应法的检测结果更为准确。     

基于小波变换的脉搏信号特征提取

提出了一种适合于非平稳脉搏信号的特征提取方法。对在校学生和血管硬化患者两组各20例的脉搏信号进行分析,选择了具有多分辨分析特性的小波变换,分别对每例信号进行5层分解,提取出各尺度小波系数。根据小波系数与信号能量之间的等价关系,将归一化的各尺度小波系数能量值作为识别脉搏信号的特征向量。针对脉搏信号频谱特点并结合实验数据,改进了现有的能量特征提取算法。在样本有限的情况下,通过统计分析得出可以用改进的能量特征向量来区分心血管疾病患者和正常人群的结论。     

采用奇异值梯度信息的暂态电能质量扰动自适应检测方法

为了满足对电网非平稳扰动信号快速、准确分析的要求,提出了一种采用奇异值梯度信息的暂态电能质量扰动检测新方法。通过滑动窗奇异值分解(SVD)方法提取信号的变化特征、降低噪声干扰,并通过奇异值梯度求取扰动指示信号,得到初步定位结果。提出无参自适应阈值,进一步抑制噪声干扰并实现对暂态扰动信号的检测定位。所提算法原理简单,无需进行前置滤波及参数调节。一系列仿真试验的对比分析结果表明,所提算法定位准确、抗干扰能力强,对过零点扰动也有较好的检测效果。通过对变电站实际暂态扰动数据的检测分析,进一步验证了所提算法的有效性。     

多传感器数据融合的航天装置多余物检测技术

航天电子装置内部结构复杂,多余物检测信号传播过程中存在许多未知因素的影响,导致数据受到严重干扰。针对多余物信号传输途中抗干扰性不强,易于干扰信号混叠无法准确识别等问题,采用基于多传感器数据融合的航天电子装置多余物检测方式。使用多传感器对同一信号进行脉冲提取,通过脉冲进行相关性处理后确定相关函数的权值,得到的支持度矩阵及权值矩阵,然后将数据融合后的脉冲组结果输出。实验结果表明,采用多传感器数据融合方法能有效抑制信号干扰,显著提高了多余物检测精度。     

基于脉搏信号的心电特征研究

根据脉搏、心电信号的内在联系,采用时域与频域相结合的方法提取脉搏信号和心电信号的特征向量,利用线性相关的显著性检验分析脉波信号和心电信号的内在关联性。30例健康与亚健康样本的检验结果显示出脉搏基频频率与心率、脉搏波周期与心电信号R-R间期存在一致变化性,而其他特征则不明显存在这种特征。     

基于改进EMD的发电机宽频带局放监测方法

针对传统发电机局部放电监测方法出现的放电脉冲信号衰减失真和易受噪声干扰的问题。为提高其准确性和快速性,本文采用宽频带检测技术对局放信号进行有效捕捉,并利用模态分解法提取放电脉冲信号的固有模态分量,通过对原始信号与各固有模态分量的关联性分析,根据峭度准则获取包含局部放电脉冲特征信息的有效分量,从而将干扰信号从局放信号中分解分离,准确掌握发电机实时的运行状态。结果表明：该方法信噪比相比于软阈值小波去噪提高了52.5%,均方差降低了30.7%,分别为6.75和0.04,且在波形平滑度上表现良好,同时,该方法计算时间仅8.62s,很大程度的降低了迭代次数,减少了信号分析时的迭代计算时间。有效提高了对发电机局放信号的去噪效果及采集效率。     

局部放电超高频检测抗干扰与多源放电信号分离方法

变电站的电磁环境复杂,存在大量处于超高频(ultrahigh-frequency,UHF)段内的通讯干扰信号及设备外部的脉冲型干扰信号,导致难以对局部放电故障现场检测结果进行准确的诊断。针对局部放电UHF检测中的抗干扰问题,提出了一种基于波形互相关分析、噪声传感器及幅比聚类分析的局部放电UHF综合抗干扰技术,试验证明这种抗干扰技术可有效排除通讯干扰、设备外部脉冲型干扰,并实现设备内部多放电源辐射的超高频信号的分离与识别,提高局部放电检测与诊断的有效性与准确性。