CN100589758C - 交流分量的测量方法及测量装置 - Google Patents

Abstract

本发明公开了一种交流分量的测量装置及方法，包括以下步骤：A1、分别采集第一波长光和第二波长光透射生物体组织的透射光强并转换为电信号；B1、将电信号进行模数转换为数字信号；F1、分别对由数字信号形成的第一波长光和第二波长光透射下的脉搏波数据进行拟合处理以消除非线性基线漂移；G1、根据步骤F1处理后的脉搏波波形计算第一波长光和第二波长光交流分量的比值。本发明提高了测量结果的准确性，适用于弱灌注和运动条件下交流分量的测量。

Description

交流分量的测量方法及测量装置

【技术领域】

本发明涉及一种医用血氧饱和度的测量方法及其装置，尤其涉及计算血氧时所需的交流分量的测量方法及测量装置。

【背景技术】

目前，国内外血氧饱和度测量装置(也称为血氧计)通常用分光光度法测量血氧饱和度，其中有透射光法和反射光法。均以朗伯-比尔定律和光散射理论为基础，利用还原血红蛋白和氧合血红蛋白的光吸收系数的差别来进行。朗伯-比尔定律是：

I＝I₀e^-εcd

其中，I：透射光强；

I₀：λ射光强；

C：受光物质溶液浓度；

d：溶液受光路径长度；

ε：物质的光吸收常数；

由上式推出：

D＝In I₀/I＝εcd

D称光密度。由此公式已经发现物质的光吸收情况与其浓度的相关性，这也正预示着由组织的光吸收情况推算组织内部成分的可能性。

研究人员们又进一步地研究了与血氧饱和度密切相关的两大组分还Hb(原血红蛋白)和HbO₂(氧合血红蛋白)的光吸收特性，发现了两者的显著差别，如图2所示，实线为HbO₂光吸收系数曲线，虚线为Hb光吸收系数曲线，由图2可以看到，在波长为660nm的可见红光处HbO₂的光吸收系数仅为Hb的1/10，在805nm的红外光处Hb与HbO₂有一等吸收点，而在940nm的红外光区HbO₂的光吸收系数则大于Hb。

在通常的检测中，常用的红外光波长为940nm左右，这一波长附近HbO₂、Hb的吸收率变化都比较平缓，误差往往比较小。检测脉搏血氧饱和度的基本计算公式是：

Spo₂＝(A×R+B)/(C×R+D).............................................(10)

其中：

SpO₂为脉搏血氧饱和度；

A＝ε₁；

B＝-ε₂；

C＝ε₁-ε₃；

D＝ε₁-ε₂；

而

$R=\frac{D\left(660\right)-D_B\left(660\right)}{D\left(940\right)-D_B\left(940\right)},...\left(11\right)$

ε₁、ε₂分别为HbO₂、Hb对660nm波长的红光的吸收率；ε₃、ε₄分别为HbO₂、Hb对940nm波长的红外光的吸收率。

由式(11)可知，R与血氧饱和度是一一对应的。

而D＝LnI₀/I＝εcd

则 $R=\frac{\ln I_{R0}/I_{\mathrm{RM}}-\ln I_{R0}/I_{\mathrm{Rm}}}{\ln I_0/I_M-\ln I_{I0}/I_{\mathrm{Im}}}=\frac{\ln I_{\mathrm{Rm}}/I_{\mathrm{RM}}}{\ln I_{\mathrm{Im}}/I_{\mathrm{IM}}}...\left(12\right)$

式中，I_RM为红光最大透射光，I_Rm为红光最小透射光，I_R0为红光入射光。

I_IM为红外最大透射光，I_Im为红外最小透射光，I_I0为红外入射光。

对于红光，

$\ln I_{\mathrm{Rm}}/I_{\mathrm{RM}}=\ln (1-\frac{I_{\mathrm{RM}}-I_{\mathrm{Rm}}}{I_{\mathrm{RM}}}),...\left(13\right)$

当脉动量/直流量即(I_RM-I_Rm)/I_RM较小时，

所以R可以写成如下形式：

$R=\frac{{\mathrm{Red}}_{\mathrm{AC}}/{\mathrm{Red}}_{\mathrm{DC}}}{{\mathrm{Ir}}_{\mathrm{AC}}/{\mathrm{Ir}}_{\mathrm{DC}}}=\frac{{\mathrm{Red}}_{\mathrm{AC}}}{{\mathrm{Red}}_{\mathrm{DC}}}\·\frac{{\mathrm{Ir}}_{\mathrm{DC}}}{{\mathrm{Ir}}_{\mathrm{AC}}}=\frac{{\mathrm{Ir}}_{\mathrm{DC}}}{{\mathrm{Red}}_{\mathrm{DC}}}\·\frac{{\mathrm{Red}}_{\mathrm{AC}}}{{\mathrm{Ir}}_{\mathrm{AC}}}$

因此如果知道两种透射光的一个完整脉搏波的波形就可以计算出R值。

基本结构是包括血氧探头和信号处理装置，血氧探头是一个采用发光二极管和光敏元件组成的传感器。发光二极管提供两种或两种以上波长的光，通常是红光和红外光。光敏元件的作用是把通过组织末端的带有血氧饱和度信息的光信号转换成电信号，并将此信号数字化。对于此数字量，采用某种信号处理算法计算出的血氧饱和度。现有技术中一种具体实施例的结构方框图如图1所示，包括电源电路、光电驱动电路、信号放大处理部分、A/D转换电路、逻辑控制部分、单片机数据处理部分、串口通讯部分。

脉搏式血氧计是利用脉搏波造成的人体组织末端内动脉血的搏动，由于氧合血红蛋白和还原血红蛋白在红光光谱区和红外区的光学特性不同，从而影响手指对红光和红外光的透光性，当一定光强的红光和红外光加到手指上时，通过分别检测两种波长的透射光强，可以通过手指对两种光光密度变化量的比值计算出氧合血红蛋白的含量，从而计算出血氧饱和度。

从上面的公式可以得出，当发光管固定后，公式(10)中只有R为变量，在一段时间内红光与红外光的直流分量也是比较稳定的，而影响R的主要因素为这两路光的交流分量，所以只要计算出两路光的交流分量就可以计算血氧饱和度。传统的计算交流分量比值的方法就是通过寻找两路光的最大值和最小值的方法得到的。但是，这种通过寻找最值来得出两路光交流分量的方法存在以下缺陷。1)当被测病人在手术麻醉的情况下，病人的脉搏波可能很弱，在此弱灌注的条件下，即使在血氧探头的发光强度没有任何变化的情况，接收的信号经常发生不规则的基线漂移，此类漂移是非线性的，但是可以用多阶的线性函数来近似，而且近似误差在满足测量精度的条件下是可以忽略的。这种漂移在信号的频谱中会出现很强的低频干扰，而当其处于测量带内时，则其对血氧和脉搏计算会发生强烈干扰，严重影响血氧计算导致很大的误差。2)当病人处于弱灌注的条件下，由于信号非常微弱，因此信噪比很低。对此时波形的寻找非常困难，由于对脉搏波波峰、波谷的寻找会出现误差，因此得到的交直流的比值也可能是错误的，血氧及脉率的测量结果很难保证正确。3)由于对病人进行血氧监测时，通常将血氧计的探头绑缚在病人的脚上，病人会发生不自觉的运动，尤其对于小儿和新生儿这种情况是经常发生的，例如病人手指(或脚趾)经常会发生运动，导致手指(或脚趾)与传感器之间的距离发生位移，导致测量得到的病人脉搏波形很不稳定，信噪比很低，如果采用现有方法测量血氧，需要测量脉搏波形的交流成分，也就是要寻找脉搏波形中最大值和最小值，而运动情况下经常导致对脉搏波形中的波峰和波谷的错误寻找，很难得到准确的最值，从而使得此时的血氧测量的精度很差。如图4所示，运动条件下的脉搏波会发生基线漂移、脉冲噪音、阶跃噪音等情况，此时很难准确地判断两路光的最值。

【发明内容】

本发明的主要目的就是为了解决上述问题，提供一种交流分量的测量装置及测量方法，消除两路光透射波形中的非线性基线漂移，提高交流分量的测量结果的准确性。

本发明的次一目的是提供一种交流分量的测量装置及测量方法，减少随机噪音的影响，进一步提高交流分量的测量结果的准确性。

本发明的再一目的是提供一种交流分量的测量装置及测量方法，既保留前期测量的作用又兼顾测量的实时性。

为实现上述目的，本发明提出了一种交流分量测量装置，包括：探头，包括发光管和受光管，所述发光管用于发射第一波长光和第二波长光，所述受光管与发光管相对应，用于接收第一波长光和第二波长光透射生物体组织后的光强，并将接收的光强转换为相应的电信号；A/D转换器，用于将电信号转换为数字信号；数据处理模块，用于接收数字信号，并根据数字信号所形成的第一波长光和第二波长光的脉搏波计算两路光的交流分量；所述数据处理模块包括：微分单元，用于分别对由数字信号所形成的第一波长光和第二波长光的脉搏波进行微分以消除线性基线漂移；第一积分单元，用于对微分后的第一波长光和第二波长光的脉搏波进行积分以回复为脉搏波波形；拟合处理单元，用于对第一波长光和第二波长光的脉搏波波形分别进行拟合处理以消除非线性缓慢基线漂移；交流分量计算单元，用于根据拟合处理后的第一波长光和第二波长光的脉搏波计算交流分量。

所述数据处理模块还进一步包括：第二积分单元，用于对拟合处理单元消除基线漂移后的第一波长光和第二波长光的脉搏波分别进行面积积分；所述交流分量计算单元为除法单元，所述除法单元用于将第二次积分后的第一波长光的面积积分值除以第二波长光的面积积分值，并将结果作为第一波长光和第二波长光的交流分量的比值。

所述数据处理模块还进一步包括归一化处理和中值滤波单元，所述归一化处理和中值滤波单元用于将微分后的第一波长光和第二波长光的脉搏波分别进行归一化处理和中值滤波后输出到第一积分单元。

所述数据处理模块还进一步包括迭加单元，所述迭加单元接收第二积分单元的输出，分别对经第二次积分后的第一波长光和第二波长光的积分值乘以一个遗忘因子后进行加法迭代处理，并将结果输出至除法单元，其中遗忘因子大于0且小于1。

为实现上述目的，本发明还提出了一种测量交流分量的方法，包括以下步骤：

A1、分别采集第一波长光和第二波长光透射生物体组织的透射光强并转换为电信号；

B1、将电信号进行模数转换为数字信号；

C1、分别对由数字信号形成的第一波长光和第二波长光透射下的脉搏波数据进行微分以消除线性基线漂移；

D1、将步骤C1处理后波形进行积分以回复为脉搏波波形；

E1、分别对回复后的第一波长光和第二波长光透射下的脉搏波数据进行拟合处理以消除非线性基线漂移；

F1、根据步骤E1处理后的脉搏波波形计算第一波长光和第二波长光交流分量的比值。

其中步骤E1包括以下步骤：

E11、根据对第一波长光和第二波长光的透射光强的采样频率和采样序列计算各自的漂移基线的拟合曲线系数矩阵；

E12、将第一波长光和第二波长光透射下的脉搏波波形减去相应的拟合曲线，得到消除非线性基线漂移的波形。

其中，在步骤E1之后、步骤F1之前还包括以下步骤：

分别对步骤E1处理后第一波长光和第二波长光透射下的脉搏波的波形进行面积积分；

在步骤G1中，将第一波长光的面积积分值和第二波长光的面积积分值的比值作为第一波长光和第二波长光交流分量的比值。

其中，在步骤C1中还包括对微分后的波形进行归一化和中值滤波的步骤。

所述步骤F1中，第一波长光的积分值和第二波长光的积分值的比值优选为：

$\frac{{\mathrm{Red}}_{\mathrm{AC}}}{{\mathrm{Ir}}_{\mathrm{AC}}}=\frac{{\mathrm{Red}}_{{\mathrm{AC}}_0}+\mathrm{\λ}{\mathrm{Red}}_{A{C}_1}+...+{\mathrm{\λ}}^n{\mathrm{Red}}_{{\mathrm{AC}}_n}}{{\mathrm{Ir}}_{A{C}_0}+\mathrm{\λ}{\mathrm{Ir}}_{{\mathrm{AC}}_1}+...+{\mathrm{\λ}}^n{\mathrm{Ir}}_{A{C}_n}}$

其中，Red_AC为第一波长光的积分值，Ir_AC为第二波长光的积分值，

分别为第一波长光和第二波长光的本次积分结果，

Ir_AC1分别为第一波长光和第二波长光的上一次积分计算得到的交流峰峰值结果，

分别为第一波长光和第二波长光的前n次积分计算得到的交流峰峰值结果，λ为遗忘因子，且0＜λ＜1。

本发明的有益效果是：1)通过对弱灌注情况下的透射光的光强的波形进行拟合处理，消除了非线性基线漂移，提高了测量结果的准确性。2)经过对透射光的光强的波形的微分和积分处理，使波形变得光滑，相当于对波形进行了白化处理，消除了噪音中的非白噪音，通过对微分后的波形进行足够长时间的面积积分，使噪音的积分趋近于零，消除了白噪音的干扰，从而在弱灌注和运动条件下都能够取得更好的测量效果。

本发明的特征及优点将通过实施例结合附图进行详细说明。

【附图说明】

图1为现有技术中血氧电路的方框图；

图2为还原血红蛋白和氧合血红蛋白在红光和红外光区的光吸收系数；

图3为组织吸光示意图；

图4为包含噪音的脉搏波波形；

图5为包含基线漂移的脉搏波波形；

图6为消除基线漂移的脉搏波波形；

图7为包含阶跃噪音的脉搏波波形；

图8为微分后包含阶跃噪音的脉搏波波形；

图9为包含脉冲噪音的脉搏波波形；

图10为微分后包含脉冲噪音的脉搏波波形；

图11为图4的波形微分后包含噪音的脉搏波波形；

图12为包含基线漂移的脉搏波；

图13为经过拟和去掉基线漂移并且滤波后的脉搏波；

图14为脉搏波波形积分图；

图15为本发明一种实施例的流程图；

图16为本发明一种实施例的结构方框图；

图17为本发明一种实施例的系统流程图。

【具体实施方式】

发射两路光(通常为红光和红外光，本实施例中以红光和红外光为例进行说明)透射生物组织末端(例如脚部或手部)或其他部分，接收该两路光的光强，经过模数转换，测量得到的两路光数据经过归一化后，可以得到两路光的直流比

归一化后的血氧波形可以看作理想情况下的波形与噪音的合成，而理想情况下的血氧波形，无论红光波形还是红外光波形，都可以看作是不同频段的正弦波的合成

Red＝a₀cos(ωt)+a₁cos(2ωt)+…+a_n-1cos(ωt)+n_Red＝Red_sig+n_Red...............(14)

Ir＝b₀cos(ωt)+b₁cos(2ωt)+…+b_n-1cos(nωt)+n_Ir＝Ir_sig+n_Ir..................(15)

其中a₀、a₁、...a_n-1为红光频谱第n阶分量，Red_sig为红光中不包含噪音的部分，但包含交流和直流的成分，n_Red为红光中的噪音成分，其中包含了白噪音和非白噪音，b₀、b₁、...b_n-1为红外光频谱第n阶分量，Ir_sig为红外光中不包含噪音的部分，但包含交流和直流的成分，n_Ir为红外光中的噪音成分，其中包含了白噪音和非白噪音。

其中的噪音成分可能由多种情况构成，可能包括由于运动引起的基线漂移噪音、突然抖动引起的类似于阶跃变化的噪音、以及高频的噪音，其波形如图4所示。

下面分别说明如何通过微分、积分、拟合和面积积分去除这些噪音。

1、微分去除线性基线漂移

对式(14)、(15)分别微分，

$\frac{\mathrm{dRed}}{\mathrm{dt}}=\frac{d{\mathrm{Red}}_{\mathrm{sig}}}{\mathrm{dt}}+\frac{{\mathrm{dn}}_{\mathrm{Red}}}{\mathrm{dt}}...\left(16\right)$

$\frac{\mathrm{dIr}}{\mathrm{dt}}=\frac{{\mathrm{dIr}}_{\mathrm{sig}}}{\mathrm{dt}}+\frac{{\mathrm{dn}}_{\mathrm{Ir}}}{\mathrm{dt}}...\left(17\right)$

红光或红外光中的直流分量，微分后为零。如图5所示的包含基线漂移的脉搏波，由于血氧的计算都是采取一段时间内的采用数据进行的，在此段时间内的线性基线漂移，经过微分后转化为常量，则噪声可以表示为：

$\frac{{\mathrm{dn}}_{\mathrm{Red}}}{\mathrm{dt}}={\mathrm{constn}}_{\mathrm{red}}+{n_{\mathrm{Red}}}^{\′}...\left(18\right)$

$\frac{{\mathrm{dI}}_{\mathrm{Red}}}{\mathrm{dt}}={\mathrm{constn}}_{\mathrm{Ir}}+{n_{\mathrm{Ir}}}^{\′}...\left(19\right)$

其中，constn_red是指红光微分后的常数部分，constn_Ir是指红外光微分后的常数部分，因此，对于噪音微分后的常数部分，如图6所示，可以通过归一化去除，即去掉了运动引起的基线漂移噪声。

2、微分消除阶跃噪音

对于抖动可能引起的介质的突然挤压，造成的阶跃噪声，如图7所示，则对其微分后，变为类似δ函数的脉冲函数，如图8所示，对此则可以采取3点或5点的中值滤波法，即可消除阶跃噪音。

3、微分消除脉冲噪音

对于抖动引起的采样值突变，即类似于δ函数的脉冲噪音，如图9所示，经过数字化微分之后，变成正负双脉冲的函数，如图10所示，对此可以采用5点中值加以滤波，消除脉冲噪音。

由上所述，经过对脉搏波的微分和中值滤波处理之后，可以消除红光和红外光脉搏波信号中的基线漂移、阶跃噪音和脉冲噪音。

4、通过积分回复波形。

图4所示的包含噪音的脉搏波经过上面的微分和中值函数滤波处理之后，波形如图11所示，对(16)、(17)式再进行积分：

$\underset{t_0}{\overset{t_1}{\∫}}\frac{\mathrm{dRed}}{\mathrm{dt}}=\underset{t_0}{\overset{t_1}{\∫}}\frac{d{\mathrm{Red}}_{\mathrm{sig}}}{\mathrm{dt}}+\underset{t_0}{\overset{t_1}{\∫}}\frac{{\mathrm{dn}}_{\mathrm{Red}}}{\mathrm{dt}}$

得，

Red＝Red_sig+n_Red″              ..................(20)

$\underset{t_0}{\overset{t_1}{\∫}}\frac{\mathrm{dIr}}{\mathrm{dt}}=\underset{t_0}{\overset{t_1}{\∫}}\frac{d{\mathrm{Ir}}_{\mathrm{sig}}}{\mathrm{dt}}+\underset{t_0}{\overset{t_1}{\∫}}\frac{{\mathrm{dn}}_{\mathrm{Ir}}}{\mathrm{dt}}$

得，

Ir＝Ir_sig+n_Ir″                 ..................(21)

其中n_Red″和n_Ir″为脉搏波噪音经过白化处理后剩下的白噪音部分。

该次积分的作用是回复脉搏波波形，此时的波形已经变得光滑，前述对波形的微分处理相当于对脉搏波进行了白化处理，消除了噪音中的非白噪音。

5、拟和消除非线性缓慢基线漂移

拟和的原理就是得到任意曲线的低阶近似，那么减去拟和近似之后，剩下的就是高阶信号。

由于通常采用儿秒钟的数据进行血氧计算，而几秒钟的基线漂移通常不会有很多的拐点。这里提出一种利用最小二乘进行基线拟和的方法，实际证明能够很好的去除基线漂移。

如果采样频率为f＝1/T，采样序列为T＝[t₀ t₁…t_n-1]^T，红光和红外光的采样序列为Red＝[red₀ red₁…red_n-1]^T、Ir＝[ir₀ ir₁…ir_n-1]^T，如果采样3阶曲线拟和基线，3阶线性方程的系数为C＝[c₀ c₁ c₂ c₃]^T，则

$\left[\begin{array}{cccc}1& t_0& t_0^2& t_0^3\\ 1& t_1& t_1^2& t_1^3\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ 1& t_{n-1}& t_{n-1}^2& t_{n-1}^3\end{array}\right]\left[\begin{array}{c}{c}_0\\ c_1\\ c_2\\ c_3\end{array}\right]=\left[\begin{array}{c}{\mathrm{red}}_0\\ {\mathrm{red}}_1\\ .\\ .\\ .\\ {\mathrm{red}}_{n-1}\end{array}\right]...\left(22\right)$

即

得系数矩阵为C＝[1 T T² T³]^-1Red..................(23)

同理可以得到红外光漂移的拟和曲线系数矩阵。

当弱灌注数据存在漂移时，用采集数据减去此漂移基线的拟和曲线，可以得到去除漂移的弱灌注数据。如图12、13所示，虚线为基线，在信号处理前，采样数据表现出非常大的基线漂移。经过拟和减去基线漂移后，弱灌注信号表现出脉搏波特性。

拟合处理还可以采用B样条函数拟合也可以得到类似效果。

6、面积积分递归算法原理

分别对(20)、(21)式积分，并得到比值

$\frac{\underset{t_1}{\overset{t_1}{\∫}}|a_0\cos \left(\mathrm{\ωt}\right)+a_1\cos \left(2\mathrm{\ωt}\right)+...+a_{n-1}\cos \left(\mathrm{\ωt}\right)+{n_{\mathrm{Red}}}^{\′\′}|d\left(\mathrm{\ωt}\right)}{\underset{t_0}{\overset{t_1}{\∫}}|b_0\cos \left(\mathrm{\ωt}\right)+b_1\cos \left(2\mathrm{\ωt}\right)+...+b_{n-1}\cos \left(\mathrm{n\ωt}\right)+{n_{\mathrm{Ir}}}^{\′\′}|d\left(\mathrm{\ωt}\right)}=\frac{4a_0\sin \left(\mathrm{\ωt}\right){|}_0^{\frac{\mathrm{\π}}{2}}+\underset{t_0}{\overset{t_1}{\∫}}\left|{n_{\mathrm{Red}}}^{\′\′}\right|d\left(\mathrm{\ωt}\right)}{4b_0\sin \left(\mathrm{\ωt}\right){|}_0^{\frac{\mathrm{\π}}{2}}+\underset{t_0}{\overset{t_1}{\∫}}\left|{n_{\mathrm{Ir}}}^{\′\′}\right|d\left(\mathrm{\ωt}\right)}...\left(24\right)$

如果在一段时间内的噪声可以看作是白噪声，则其积分为零，上式为

$\frac{{4a}_0\sin \left(\mathrm{\ωt}\right){|}_0^{\frac{\mathrm{\π}}{2}}+\underset{t_0}{\overset{t_1}{\∫}}\left|{n_{\mathrm{Red}}}^{\′\′}\right|d\left(\mathrm{\ωt}\right)}{{4b}_0\sin \left(\mathrm{\ωt}\right){|}_0^{\frac{\mathrm{\π}}{2}}+\underset{t_0}{\overset{t_1}{\∫}}\left|{n_{\mathrm{Ir}}}^{\′\′}\right|d\left(\mathrm{\ωt}\right)}=\frac{a_0}{b_0}=\frac{{\mathrm{Red}}_{\mathrm{AC}}}{{\mathrm{Ir}}_{\mathrm{AC}}}...\left(25\right)$

根据面积比等于交流比，可计算出两种光交流分量的比值。由此，只要积分时间足够长，噪音的积分趋近于零，此时可以由一段时间的积分数据来代替从波形中寻找最值得到的两路光交流数据，并且由于这种方法消除了噪声的干扰，从而在运动条件下能够取得良好的测量效果。图14为脉搏波的积分图形。

以上是以一段时间内受测对象的血氧饱和度不发生变化为假设前提的，那么积分的时间越长则测量效果越好，结果越接近于真实情况。而当内受测对象的血氧饱和度发生变化时，积分时间过长反而没有好处，导致测量灵敏度下降，考虑最为严重的情况，如果积分从测量开始就进行包括了所有的测量数据，则会发生数据饱和现象，一段时间后新的测量数据已经对结果的影响很小了，从而削弱的实时测量的功能。

为解决上述问题，积分只在一段时间内进行，同时为保留前期测量的作用而又不使其过大，引入遗忘因子λ。则两路光交流分量的比值通过以下公式计算求得：

$\frac{{\mathrm{Red}}_{\mathrm{AC}}}{{\mathrm{Ir}}_{\mathrm{AC}}}=\frac{{\mathrm{Red}}_{A{C}_0}+\mathrm{\λ}{\mathrm{Red}}_{{\mathrm{AC}}_1}+...+{\mathrm{\λ}}^n{\mathrm{Red}}_{{\mathrm{AC}}_n}}{{\mathrm{Ir}}_{A{C}_0}+\mathrm{\λ}{\mathrm{Ir}}_{A{C}_1}+...+{\mathrm{\λ}}^n{\mathrm{Ir}}_{A{C}_n}}...\left(26\right)$

当0＜λ＜1时，经过若干次迭代，前面的数据已经没有影响，根据经验λ取0.8比较合理。

根据上述原理，测量交流分量的优选包括以下步骤，如图15所示：

在步骤20，分别采集第一波长光(例如红光)和第二波长光(例如红外光)透射生物组织末端后的光强信号，将光信号转换为电信号，然后执行步骤21；

在步骤21，将模拟的电信号转换为数字信号，在步骤22，将该数字信号分别形成脉搏波数据，然后执行步骤23；

在步骤23，分别对两路光的脉搏波数据进行微分处理，然后在步骤24中分别对微分处理后的数据进行归一化处理和中值滤波法处理，以消除噪音中的非白噪音，中值滤波优选采用5点中值滤波，然后执行步骤25；

在步骤25中，对归一化处理和中值滤波后的两路光的脉搏波数据分别进行第一次积分，其作用是回复脉搏波波形，然后执行步骤26；

在步骤26，分别对两路光透射下的脉搏波波形进行最小二乘拟合以消除非线性基线漂移。具体包括以下步骤：

根据对第一波长光和第二波长光的透射光强的采样频率和采样序列计算各自的漂移基线的拟合曲线系数矩阵；

将第一波长光和第二波长光透射下的脉搏波波形减去相应的拟合曲线。

将两路光的波形处理光滑后，根据波形计算血氧饱和度，优选通过面积积分法计算，即：

在步骤27，分别对处理后的两路光的脉搏波波形进行第二次积分，该次积分为面积积分，然后执行步骤28；

在步骤28，根据两路光的积分值计算血氧饱和度，具体可通过两种方法进行，一种方法是直接将两路光的积分值相除，得出两路光的交流分量的比值，根据公式

$R=\frac{{\mathrm{Red}}_{\mathrm{AC}}/{\mathrm{Red}}_{\mathrm{DC}}}{{\mathrm{Ir}}_{\mathrm{AC}}/{\mathrm{Ir}}_{\mathrm{DC}}}=\frac{{\mathrm{Red}}_{\mathrm{AC}}}{{\mathrm{Red}}_{\mathrm{DC}}}\·\frac{{\mathrm{Ir}}_{\mathrm{DC}}}{{\mathrm{Ir}}_{\mathrm{AC}}}=\frac{{\mathrm{Ir}}_{\mathrm{DC}}}{{\mathrm{Red}}_{\mathrm{DC}}}\·\frac{{\mathrm{Red}}_{\mathrm{AC}}}{{\mathrm{Ir}}_{\mathrm{AC}}}$

计算出R值，再根据公式(10)，计算出脉搏血氧饱和度。

第二种方法是将两路光的积分值分别将之前的积分值乘以一个遗忘因子λ后再与当前的积分值迭代相加，然后再计算出比值，具体公式如下：

$\frac{{\mathrm{Red}}_{\mathrm{AC}}}{{\mathrm{Ir}}_{\mathrm{AC}}}=\frac{{\mathrm{Red}}_{{\mathrm{AC}}_0}+\mathrm{\λ}{\mathrm{Red}}_{A{C}_1}+...+{\mathrm{\λ}}^n{\mathrm{Red}}_{{\mathrm{AC}}_n}}{{\mathrm{Ir}}_{A{C}_0}+\mathrm{\λ}{\mathrm{Ir}}_{{\mathrm{AC}}_1}+...+{\mathrm{\λ}}^n{\mathrm{Ir}}_{A{C}_n}}$

其中，λ为遗忘因子，且0＜λ＜1，根据经验，λ＝0.8，每次积分的时间段优选为2-3秒。

采用上述步骤不仅可以通过微分处理消除非白噪音，而且可以通过面积积分消除白噪音。

上述步骤中，其中步骤26可以根据情况不需要，或设计在微分步骤前，或微分步骤后，优选在第一次积分步骤后。

计算血氧饱和度还可以通过波形法计算，即根据微分处理后的波形，查找出两路光的波形的最大值和最小值的方法计算血氧饱和度，该方法是现有技术，不再详细说明。

实现以上方法的一种较佳的装置的结构如图16所示，包括顺序连接的探头、放大电路、A/D转换器、微分单元、归一化处理和中值滤波单元、第一积分单元、拟合单元、第二积分单元、迭加单元和交流分量计算单元。探头包括发光管和受光管，发光管用于发射第一波长光(例如红光)和第二波长光(例如红外光)，受光管与发光管相对应，用于在第一波长光和第二波长光透射生物体组织末端后接收相应的光，并将接收的光强转换为相应的电信号；放大电路用于将电信号进行放大处理；A/D转换器用于将电信号转换为数字信号；微分单元，用于对第一波长光和第二波长光的脉搏波进行微分；归一化处理和中值滤波单元用于将微分后的第一波长光和第二波长光的脉搏波分别进行归一化处理和中值滤波后输出到第一积分单元；第一积分单元用于对微分后的第一波长光和第二波长光的脉搏波进行积分；拟合处理单元用于对微分第一波长光和第二波长光透射下的脉搏波波形分别进行最小二乘拟合以消除非线性缓慢基线漂移；第二积分单元用于对拟合处理单元消除基线漂移后的第一波长光和第二波长光的脉搏波分别进行面积积分；迭加单元接收第二积分单元的输出，分别对经第二次积分后的第一波长光和第二波长光的积分值乘以一个遗忘因子后进行加法迭代处理，并将结果输出至交流分量计算单元，其中遗忘因子大于0且小于1；交流分量计算单元用于将第二次积分后的第一波长光的积分值除以第二波长光的积分值，将结果作为两路光的交流分量的比值。

上述实施例中，微分单元、归一化处理和中值滤波单元、第一积分单元、拟合处理单元和交流分量计算单元可以设计在单片机中，也可以集成在其他半导体芯片中。

根据本发明的系统的实现流程图如图17所示：

1.系统上电后，先进行硬件初始化，CPU系统自检，和程序初始化；完成以上过程后进入核心控制模块；

2.测量模块实时采集数据，测量得到的数据存储到数据缓冲区，作为核心算法进行数据处理计算血氧、脉率参数的基础；

3.控制模块根据测量值，在各个状态中对硬件进行不同的控制，并控制AD采样，包括内部AD和外部AD，即图中的模拟信号输入采样模块。以及对发光管驱动电流的控制，对偏置电路及增益的控制；

4.核心算法模块，分别通过对脉搏波的微分处理消除非白噪音，同时计算脉率，再通过积分递归算法计算血氧饱和度。

Claims (10)

1.一种交流分量测量装置，包括：

探头，包括发光管和受光管，所述发光管用于发射第一波长光和第二波长光，所述受光管与发光管相对应，用于接收第一波长光和第二波长光透射生物体组织后的光强，并将接收的光强转换为相应的电信号；

A/D转换器，用于将电信号转换为数字信号；

数据处理模块，用于接收数字信号，并根据数字信号所形成的第一波长光和第二波长光的脉搏波计算两路光的交流分量；其特征在于所述数据处理模块包括：

微分单元，用于分别对由数字信号所形成的第一波长光和第二波长光的脉搏波进行微分以消除线性基线漂移；

第一积分单元，用于对微分后的第一波长光和第二波长光的脉搏波进行积分以回复为脉搏波波形；

拟合处理单元，用于对第一波长光和第二波长光的脉搏波波形分别进行拟合处理以消除非线性缓慢基线漂移；

交流分量计算单元，用于根据拟合处理后的第一波长光和第二波长光的脉搏波计算交流分量。

2.如权利要求1所述的交流分量测量装置，其特征在于：所述数据处理模块还包括：

第二积分单元，用于对拟合处理单元消除基线漂移后的第一波长光和第二波长光的脉搏波分别进行面积积分；

所述交流分量计算单元为除法单元，所述除法单元用于将第二次积分后的第一波长光的面积积分值除以第二波长光的面积积分值，并将结果作为第一波长光和第二波长光的交流分量的比值。

3.如权利要求2所述的交流分量测量装置，其特征在于：所述数据处理模块还包括归一化处理和中值滤波单元，所述归一化处理和中值滤波单元用于将微分后的第一波长光和第二波长光的脉搏波分别进行归一化处理和中值滤波后输出到第一积分单元。

4.如权利要求3所述的交流分量测量装置，其特征在于：所述数据处理模块还包括迭加单元，所述迭加单元接收第二积分单元的输出，分别对经第二次积分后的第一波长光和第二波长光的积分值乘以一个遗忘因子后进行加法迭代处理，并将结果输出至除法单元，其中遗忘因子大于0且小于1。

5.一种测量交流分量的方法，其特征在于包括以下步骤：

A1、分别采集第一波长光和第二波长光透射生物体组织的透射光强并转换为电信号；

B1、将电信号进行模数转换为数字信号；

C1、分别对由数字信号形成的第一波长光和第二波长光透射下的脉搏波数据进行微分以消除线性基线漂移；

D1、将步骤C1处理后波形进行积分以回复为脉搏波波形；

E1、分别对回复后的第一波长光和第二波长光透射下的脉搏波数据进行拟合处理以消除非线性基线漂移；

F1、根据步骤E1处理后的脉搏波波形计算第一波长光和第二波长光交流分量的比值。

6.如权利要求5所述的测量交流分量的方法，其特征在于：步骤E1包括以下步骤：

E11、根据对第一波长光和第二波长光的透射光强的采样频率和采样序列计算各自的漂移基线的拟合曲线系数矩阵；

E12、将第一波长光和第二波长光透射下的脉搏波波形减去相应的拟合曲线，得到消除非线性基线漂移的波形。

7.如权利要求5或6所述的测量交流分量的方法，其特征在于：在步骤E1之后、步骤F1之前还包括以下步骤：

分别对步骤E1处理后第一波长光和第二波长光透射下的脉搏波的波形进行面积积分；

在步骤F1中，将第一波长光的面积积分值和第二波长光的面积积分值的比值作为第一波长光和第二波长光交流分量的比值。

8.如权利要求7所述的测量交流分量的方法，其特征在于：在步骤C1中还包括对微分后的波形进行归一化和中值滤波的步骤。

9.如权利要求8所述的测量交流分量的方法，其特征在于：所述步骤F1中，第一波长光的积分值和第二波长光的积分值的比值为：

$\frac{{\mathrm{Red}}_{\mathrm{AC}}}{{\mathrm{Ir}}_{\mathrm{AC}}}=\frac{{\mathrm{Red}}_{{\mathrm{AC}}_0}+\mathrm{\λ}{\mathrm{Red}}_{A{C}_1}+...+{\mathrm{\λ}}^n{\mathrm{Red}}_{{\mathrm{AC}}_n}}{{\mathrm{Ir}}_{{\mathrm{AC}}_0}+\mathrm{\λ}{\mathrm{Ir}}_{A{C}_1}+...+{\mathrm{\λ}}^n{\mathrm{Ir}}_{{\mathrm{AC}}_n}}$

其中，Red_AC为第一波长光的积分值，Ir_AC为第二波长光的积分值，

分别为第一波长光和第二波长光的本次积分结果，

Ir_AC1分别为第一波长光和第二波长光的上一次积分计算得到的交流峰峰值结果，

分别为第一波长光和第二波长光的前n次积分计算得到的交流峰峰值结果，λ为遗忘因子，且0＜λ＜1。

10.如权利要求9所述的测量交流分量的方法，其特征在于：所述λ＝0.8，所述每次积分的时间段为2-3秒。

Images