CN101156771A - 基于脉搏波频谱分析提高血管硬度测量精度的方法及装置 - Google Patents

Abstract

一种基于脉搏波频谱分析提高血管硬度测量精度的方法及装置，方法包括有：采集脉搏信号，进行通用的脉搏信号预处理过程；单片机读取经过预处理的脉搏信号；对脉搏波信号进行基线拉平、归一化处理；对脉搏信号进行初步滤波处理；计算能量域熵值参数；对频域结果进行统计分析，并进行二次滤波。装置包括有袖带；与袖带相连的输气软管；分别与输气软管相连的气泵和控制阀；安装在袖带上的传感器；分别与传感器和单片机相连的A/D转换器；分别与单片机相连阀驱动单元和泵驱动单元。本发明可进行有选择的大面积频带滤波，滤掉不但包括初步滤波滤除不掉的噪声信号，而且包括无用的频带信号，避免无用的数据处理，使血管硬度的计算更加精确，计算结果更有针对性。

Description

基于脉搏波频谱分析提高血管硬度测量精度的方法及装置

技术领域

本发明涉及一种提高血管硬度测量精度的方法。特别是涉及一种可提高血管硬度计算精度的脉搏波频域处理，将脉搏波频域处理中小波变换和谱能比的测量应用于提高血管硬度参数精度的基于脉搏波频谱分析提高血管硬度测量精度的方法及装置。

背景技术

动脉弹性是反映人体心血管系统功能的重要指标。动脉弹性的好坏，反映了人体心血管系统功能的好坏。对于动脉弹性的检测，目前已有多种无创性手段检测动脉系统的弹性功能，血管超声、磁共振、脉搏波传导速度、压力反射波的收缩期增强指数、脉搏波舒张期衰减参数和血压测量时袖带内压力震荡波分析等。但是这些方法要么是有创伤性的，要么是需要大型昂贵仪器的，要么是操作实现复杂的，都不适合家庭保健，个人检测。

动脉血管随心脏的收缩与扩张而周期性搏动的现象，称为脉搏。脉搏尽管是由心脏所驱动，但经血流沿动脉在人体内要走过曲折而漫长的路径才能到达远离心脏的肱动脉处。这样，它不仅要受到心脏状况的影响，同时要受到内环境调控功能器官状态所需血液参数以及系统状态参数等的影响。事实上，人体所有的功能和活动是相互作用的，且均受自主神经系统(autonomic nervous system，简记ANS)所控制。反之，ANS的作用(如心跳减慢、血管扩张、胃液分泌等)将以某些方式显现在脉搏(脉象)中。因此，脉搏丰富的谐波的强度和频率成分包含了人体健康状况的绝太多数信息。

生物医学信号可根据它们是否遵循确定性的规律而分为“确定(性)信号”和“随机(性)信号”两大类。严格来讲，所有的生物医学信号都是非平稳的随机信号。但是这并不是说在所有的情况下都这样处理他们，而是根据生物医学信号自身变化性质的不同，通常在一定条件下可作适当的简化处理。

脉搏信号和心电信号是最接近于周期性的确定性信号，但实际上它们并不完全是确定的，脉搏信号也并非恒定不变的，而是不断地出现一些微小变化，尤其是它会随着人体的各种生理病理因素及周围环境条件的变化，其波形会随机地变化，正在于此，它在医学诊断中具有重要的意义。脉搏信号具有如下具体特点：(1)信号弱、干扰强(2)频率低(3)变异性。由于脉搏信号的复杂性、变异性、信号源的不可触及，以及信号检测的无创性要求，给脉象信号的检测和处理带来了许多挑战性的问题，这些问题的满意解决很大程度上均依赖于检测技术、信号分析技术和计算机技术的发展。

小波变换是20世纪末应用数学领域最杰出的成果，它在信号分析等工程技术领域取得了巨大成功，并且已经成为众多学科共同关注的热点。小波变换的本质是信号的时问一尺度分析方法，具有多分辨率分析的特点，而且在时频两域具有表征信号局部特征的能力，被誉为“数学显微镜”。脉搏信号经小波变换，其低频部分保留了绝大部分信息和能量。同时，在脉搏信号的突变点(或奇异点)处，经小波变换后生成的特征向量的模会相对较大。这些优点非常有利于脉搏信号的识别。

上述现有技术的主要缺点是，脉搏波的时域处理丢失了大量的频域信息，另外对某些人而言每一个周期也不尽相同，一个周期里的特征点类型与另一周期的也不完全一致，这些都导致脉搏波特征点的识别变得很复杂。而目前的频域处理还停留在方法的研究上，没有将研究成果与脉搏时域处理引入到实际的脉搏信号处理中去。血管硬度反映动脉弹性功能，但测量时的身体活动情况，比如呼吸、手臂的活动、心理的活动等等都会使最后的结果有所变化。同样还有其他的因素导致测量结果的不准确，例如：袖带的缠绕方式、测量体位等等。对于血压和血管硬度的测量各自有很多产品，也有很多方法。但是同时得到他们的数值由于方法不同导致测量仪器会比较复杂，数据处理比较繁琐，也有少数基于同一方法的如脉搏波测量，但是由于模型过于简单使测量精度很低，所以无论市场上还是研究中都没有较为精确的用同一种方法测量血压和血管硬度的仪器。且这些方法要么是有创伤性的，要么是需要大型昂贵仪器的，要么是操作实现复杂的，都不适合家庭保健，个人检测。所以目前亟待解决的问题是讲脉搏频域信号处理的研究成果应用到现有的血管硬度检测中，力求在信号处理领域中提升血管硬度检测的精度。

发明内容

本发明所要解决的技术问题是，提供一种可提高血管硬度计算精度的脉搏波频域处理，将脉搏波频域处理中小波变换和谱能比的测量应用于提高血管硬度参数精度的基于脉搏波频谱分析提高血管硬度测量精度的方法及装置。

本发明所采用的技术方案是：一种基于脉搏波频谱分析提高血管硬度测量精度的方法及装置，其方法，包括有如下步骤：

第一步：采集脉搏信号，进行通用的脉搏信号预处理过程；

第二步：单片机读取经过预处理的脉搏信号；

第三步：对脉搏波信号进行基线拉平、归一化处理；

第四步：对脉搏信号进行初步滤波处理；

第五步：计算能量域熵值参数；

第六步：对频域结果进行统计分析，并进行二次滤波。

所述的第一步进行通用的脉搏信号预处理过程是：首先由脉搏传感器模块拾取人体的脉搏信号，经放大、滤波和采样的预处理得到脉搏信号x(n)，其中x(n)是由压力传感器把脉搏压力信号转变为电压信号，是各采样点对应的脉搏信号幅度；n为信号的采样点数，然后将脉搏信号x(n)通过RS232总线或USB接口方式传入计算机。

所述的第三步对脉搏波信号进行基线拉平、归一化处理，即滤去袖带放气过程影响，拉平方法包括以下步骤：

1)检测出前一个心跳1的上升沿的起始点M1的压力值为STARTP1，记录该点的位置为j1，在检测出心跳2的上升沿的起始点M2的压力值为STARTP2，记录该点的位置为j2；

2)通过公式  K＝(STARTP1-STARTP2)/j1-j2求得斜率；

3)由此可得在心跳1中的波形的各点，假设其点为A，其未拉前的压力值为P，其所在的位置为j，则有拉平过后的值为P1＝P-K*(j-j1)；

4)通过步骤1)～3)把心跳1中的各个点拉平；

5)将一组脉搏波的最小值设为min，最大值设为max，依据公式P1＝(P1-min)/max对拉平后脉搏波信号进行归一化处理；

6)重复步骤1)～5)就可得到滤去放气过程的脉搏波波形。

所述的第四步对脉搏信号进行初步滤波处理，包括有如下过程：

1)应用小波函数meyer对脉搏信号进行多尺度分解：

$x\left(n\right)=\underset{j}{\overset{n}{\mathrm{\Σ}}}{D}_j+A_n;$

2)初步去除噪声的尺度分量后，重构脉搏信号：

$x\left(n\right)=\underset{j}{\overset{n}{\mathrm{\Σ}}}{D}_j+A_n-\mathrm{\Σ}{D}_i-\left(A_n\right)$

此处∑D_i表示剔除的高频或高频和低频噪声分量的和，(A_n)表示分解后低频分量若为噪声则剔出；

3)对重构后信号进行多尺度小波分解：

$x\left(n\right)=\underset{j}{\overset{n}{\mathrm{\Σ}}}{D}_j+A_n.$

所述的第四步计算能量域熵值参数，包括有如下过程：

1)计算多尺度小波分解重构后脉搏信号各尺度的能量，及总能量：

计算各尺度小波分量能量p_i：

$p_i=S_{\mathrm{xx}}\left(k\right)=\stackrel{\‾}{X\left(k\right)\·X^{\·}\left(k\right)}={\stackrel{\‾}{\left|X\left(k\right)\right|}}^2$

其中X(k)为瞬时谱，

计算各尺度小波分量能量和：

2)分别计算各尺度能量与总能量比：

$\mathrm{SER}=\frac{p_i}{\underset{i}{\overset{n}{\mathrm{\Σ}}}{p}_i},$

以及各尺度能量之间的比值：

$\mathrm{SER}1=\frac{p_i}{p_j},$

3)计算脉搏信号小波变换后的谱熵值：

$\mathrm{WE}=-\underset{j}{\mathrm{\Σ}}{P}_j\×{\ln P}_j;$

所述的第五步对频域结果进行统计分析，包括有如下过程：

1)对能量及熵值进行统计分析，找出重要信息频带，滤除无用频带：

$x\left(n\right)=\underset{j}{\overset{n}{\mathrm{\Σ}}}{D}_j+A_n-\mathrm{\Σ}{D}_i-\left(A_n\right)$

2)分析滤波后的脉搏波时域波形，根据血液动力学原理测量血管弹性扩张系数ETK，

$\mathrm{ETK}=\frac{1.5\mathrm{bc}\×(\mathrm{Sb}-\mathrm{BK}\×\mathrm{Sa})}{\mathrm{Se}(\mathrm{bc}+\mathrm{bd})}$

其中：BK(主动脉排空系数)，BK＝K_B-100×(K_B-0.23)³， $K_B=\frac{\mathrm{Sa}\×T_1}{\mathrm{Sa}\×T_1+1.8T_x\×\mathrm{Se}};$

3)将计算结果通过LCD进行显示。

本发明的使用基于脉搏波频谱分析提高血管硬度测量精度的方法的装置，包括有与人体上臂相连采集人体脉搏的袖带；与袖带相连的输气软管；分别与输气软管相连的气泵和控制阀；安装在袖带上的传感器；分别与传感器和单片机相连，将传感器采集的模拟信号转换为数字信号后送入单片机的A/D转换器；分别与单片机相连，接收单片机的控制信号驱动控制阀的阀驱动单元和接收单片机的控制信号驱动气泵的泵驱动单元；以及分别与单片机相连的显示器LCD、输入键盘。

本发明的基于脉搏波频谱分析提高血管硬度测量精度的方法及装置，可进行有选择的大面积频带滤波，滤掉不但包括初步滤波滤除不掉的噪声信号，而且包括无用的频带信号，避免无用的数据处理，使血管硬度的计算更加精确，计算结果更有针对性。将脉搏频域处理作为预处理的方法引申到血管硬度的测量计算中。可提高血管硬度计算精度的脉搏波频域处理，尤其涉及脉搏波频域处理中小波变换和谱能比的测量应用于提高血管硬度参数精度的方法。在此滤波基础上计算得出的血管硬度指标更加准确，为提高心血管硬度的计算精度打下了良好的基础。

附图说明

图1是脉搏波各特征点示意图；

图2是基线拉平方法示意图

图3是脉搏信号初步滤波结果：

图4是二次滤波示意图；

图5是脉搏信号获取和分析处理的系统框图；

图6是本发明的方法流程图；

图7是本发明装置的结构框图；

图8是阀驱动单元的电路原理图；

图9是泵驱动单元的电路原理图。

具体实施方式

下面结合实施例对本发明的基于脉搏波频谱分析提高血管硬度测量精度的方法及装置做出详细说明。

脉搏波是一种以低频成分为主的生理信号，加之受生理状态、个体差异和传感检测手段等因素的影响，脉搏波信号在形态上往往差异很大，而且常常伴随着比较大的基线漂移和噪声干扰。采用冲放气方法测量出的脉搏信号受放气速度的影响，产生较大的基线漂移。基线漂移为频率为0.15-0.3Hz叠加于脉搏信号上的低频正弦波。本发明应用多尺度小波变换去掉基线漂移和高频噪声的干扰；在多尺度小波分解的基础上求出各尺度上脉搏信号的谱能，并引入“谱能比”SER的概念。计算各尺度间谱能比；引入复杂度参数—小波熵，计算多尺度分解后脉搏信号的复杂度差异。脉搏上是反映脉搏数据特征信息的一种尺度，因为人体的生理和病理信息，在脉搏中都有一定的反映，正常的生理信息是相对稳定的，病理信息具有一定的紊乱性，而熵具有体现一种紊乱度和不确定度的能力，因此用脉搏熵处理脉搏信息具有一定的实际价值和理论依据。不同心血管疾病病人的脉搏信号上都会在不同的脉搏频带上携带与正常人不同的信息。经过上述频域处理可以在初步滤波的基础上再次滤除大面积携带与血管硬度测量无关信息的频带信号，减少信号的计算量，更能滤掉此频带上未滤除的噪声信号。从时域上看，脉博波信息的特征点和曲线具有明确的血流动力学和血液流变学的生理涵义，但时域滤波的处理不能达到血管硬度测量所要求的足够的精度。将小波处理脉搏波的方法域时与处理结合可提高血管硬度的计算精度。

弹性腔模型已经很成熟，精度和稳定性都很好，该模型采用了两个串联的弹性腔，以表现血管系统的不同压力，同时还在两个弹性腔体之间加入一个表示血液惯性的环节，使模型输出的脉搏波曲线能很好地反映出舒张期的波纹。将弹性腔理论和脉搏波性特征点识别技术结合起来，通过脉图波型识别计算得到动脉弹性指数。但外界的因素，从建立的模型可以看出，脉搏信号测量的准确度直接影响到最后的血管硬度指数脉图的形态，所以脉搏信号的测量结果会影响到最后的血管硬度计算。除去噪声干扰，测量时的身体活动情况，比如呼吸、手臂的活动、心理的活动等等都会使最后的结果有所变化。同样还有其他的因素导致测量结果的不准确，例如：袖带的缠绕方式、测量体位等等。将频域分析脉搏波的方法推广到弹性腔、血液动力学方法测量血管硬度的中可以剔除上述的干扰，大幅提高血管硬度的测量精度。

本发明的基于脉搏波频谱分析提高血管硬度测量精度的方法，是采用如图5所示的脉搏信号获取和分析处理的系统进行的。方法的实现是采用如图6所示的流程，具体包括有如下步骤：

第一步：把脉搏传感器固定在肱动脉最强处，开始采集脉搏信号，进行通用的脉搏信号预处理过程。首先由脉搏传感器模块拾取人体的脉搏信号，先通过腕带传感器找到肱动脉脉搏最强点，在软件控制采样各点的压力脉搏波幅值，得到脉搏波的原始波形数据；经放大、滤波和采样的预处理得到脉搏信号x(n)，其中x(n)是由压力传感器把脉搏压力信号转变为电压信号，是各采样点对应的脉搏信号幅度；n为信号的采样点数，然后将脉搏信号x(n)通过RS232总线或USB接口等方式传入计算机。

第二步：单片机读取经过预处理的脉搏信号；

第三步：对由袖带采集到的脉搏波信号进行基线拉平、归一化处理得到滤去放气过

程的脉搏波信号，包括以下步骤：(参考图2所示)

1)检测出前一个心跳1的上升沿的起始点M1的压力值为STARTP1，记录该点的位置为j1，在检测出心跳2的上升沿的起始点M2的压力值为STARTP2，记录该点的位置为j2；

2)通过公式  K＝(STARTP1-STARTP2)/j1-j2求得斜率；

3)由此可得在心跳1中的波形的各点，假设其点为A，其未拉前的压力值为P，其所在的位置为j，则有拉平过后的值为P1＝P-K*(j-j1)；

4)通过步骤1)～3)把心跳1中的各个点拉平；

5)将一组脉搏波的最小值设为min，最大值设为max，依据公式P1＝(P1-min)/max对拉平后脉搏波信号进行归一化处理；

6)重复步骤1)～5)就可得到滤去放气过程的脉搏波波形。

第四步：对脉搏信号进行初步滤波处理；如图3所示(其中：图3a表示袖带放气时脉搏波包络线；图3b是将图3a基线拉平后所得到的图)，从原始脉搏信号中选取较稳定的一段，应用小波包函数meyer进行多尺度的分解，分解后可清楚地分辨出基线漂移和高频噪声干扰，通过反复实验确定，以软阈值法滤除低频基线漂移及高频分量，并重构脉搏信号即可达到初步去除噪声的目的。本步骤包括有如下过程：

1)应用小波函数meyer对脉搏信号进行多尺度分解：

$x\left(n\right)=\underset{j}{\overset{n}{\mathrm{\Σ}}}{D}_j+A_n;$

2)初步去除噪声的尺度分量后，重构脉搏信号：

$x\left(n\right)=\underset{j}{\overset{n}{\mathrm{\Σ}}}{D}_j+A_n-\mathrm{\Σ}{D}_i-\left(A_n\right)$

此处∑D_i表示剔除的高频或高频和低频噪声分量的和，(A_n)表示分解后低频分量若为噪声则剔出；

3)对重构后信号进行多尺度小波分解：

$x\left(n\right)=\underset{j}{\overset{n}{\mathrm{\Σ}}}{D}_j+A_n.$

第五步：计算能量域熵值参数；为了揭示血管硬度患者与正常人在脉搏不同频带具有能量上的差别，我们引入了“谱能比”概念。对基于重构后的脉搏信号，进行多尺度小波分解，计算脉搏波信号的总能量设为

和各尺度上的能量p_i，在此基础上计算各尺度能量与总能量比值。包括有如下过程：

1)计算多尺度小波分解重构后脉搏信号各尺度的能量，及总能量：

计算各尺度小波分量能量p_i：

$p_i=S_{\mathrm{xx}}\left(k\right)=\stackrel{\‾}{X\left(k\right)\·X^{\·}\left(k\right)}={\stackrel{\‾}{\left|X\left(k\right)\right|}}^2$

其中X(k)为瞬时谱，

计算各尺度小波分量能量和：

2)分别计算各尺度能量与总能量比：

$\mathrm{SER}=\frac{p_i}{\underset{i}{\overset{n}{\mathrm{\Σ}}}{p}_i},$

以及各尺度能量之间的比值：

$\mathrm{SER}1=\frac{p_i}{p_j},$

3)计算脉搏信号小波变换后的谱熵值：小波熵是在Shannon熵概念的谱熵基础上演变而来的，就是用小波变换代替傅立叶变换，然后求得的谱熵即为小波熵。设信号x(n)经二进离散正交小波变换后，在j分解尺度下k时刻的高频分量为D_j，k、低频分量为A_j，k(已修改)。原始信号序列x(n)则可表示为各分量之和，即：(这里的高频分量和低频分量是小波变换时，比如把0-12hz共分解为3个尺度，习惯上就把0.-1.5hz叫做低频分量，而1.5hz以上的叫做高频分量)

$x\left(n\right)=D_1+A_1=D_1+D_2+A_2=A=\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{D}_j+A_n,$ 其中，A_j＝A_j+1+D_j+1由正交小波变换的特性可知，在某时间窗内信号总功率Power_tot等于各个分量功率Power_j之和。小波熵值WE即可定义为： $\mathrm{WE}=-\underset{j}{\mathrm{\Σ}}{P}_j\×{\ln P}_j.$

第六步：对频域结果进行统计分析，并进行二次滤波。根据心血管系统的分室网络和弹性腔模型，以及血液动力学原理，确定脉搏波对应的特征点和特征量。如图1所示的脉搏波各特征点。

包括有如下过程：

1)对能量及熵值进行统计分析，确定血管硬化患者与正常人具有明显异的频带。找出重要信息频带，滤除无用频带。经过对脉搏信号的频域处理，得出了在初步滤波后脉搏信号不同频带上的能量和熵值，通过spss(spss是statistical product and servicesolutions)统计软件分析，可以由脉搏信号某些频带的能量和熵值清楚得分辨出血管硬化病人和正常人，也就是这些频带上保留了血管硬度监测的必不可少的信息。这些成分在滤波时要保留。同时一些频带信息与血管硬度状况甚至心血管健康状况并不关联，这些成分在进一步滤波时应该被滤除。这样不但可以减少了信号处理的计算量，而且使心血管硬度计算更加准确，目标对象更加明确。

可以发现心血管硬化病人脉搏各频带具有的能量、携带信息的多少与正常人存在差别，且这些差别集中在某些特定的频带上(其它心血管疾病可能在其他频带上表现出与正常的差别)。由此分析结果将脉搏信号0-40hz中与判定血管硬度无关的频带信息滤除，达到大幅提高血管硬度测量精度的目的。

经过统计分类，将频率范围在0-40hz范围内的脉搏波频带分为：a、0-0.125hz；b、0.125-2.5hz；c、2.5-5hz；d、5-10hz；e、10-20hz；f、20-40hz。在a、b、c、d、f频带中能量及b、c频带中熵值均显现出病人参数与正常人明显不同。可见频带10-20hz所携带的信息与判定病人与正常人无关，可在第二步滤波处理中滤除，滤除包含无用信息的频带。假设人体的脉搏信号由频带为0-10hz到20-40hz的信号：sig1，和频带为10-20hz的信号：sig2，即sig＝sig1+sig2。图4所示为初次滤波后信号，被剔除的10-20hz信号，及二次滤波后信号。滤波公式：

$x\left(n\right)=\underset{j}{\overset{n}{\mathrm{\Σ}}}{D}_j+A_n-\mathrm{\Σ}{D}_i-\left(A_n\right)$

2)分析滤波后的脉搏波时域波形，滤波方法因为改变了脉搏信号波型，间接改变了波形参数的计算，进而改变了血管硬度的计算结果。由于第二步滤波处理滤除的10-20hz信号，其中不但包括对于心血管硬度检验无用的脉搏信息，而且包含10-20hz中第一步滤波中没有滤除的其它噪声信号，所以第二步滤波处理必将进一步提高心血管硬度参数ETK的计算精度。

根据血液动力学原理定义血管硬度指数为血管弹性扩张系数ETK：

$\mathrm{ETK}=\frac{1.5\mathrm{bc}\×(\mathrm{Sb}-\mathrm{BK}\×\mathrm{Sa})}{\mathrm{Se}(\mathrm{bc}+\mathrm{bd})}$

其中：BK(主动脉排空系数)，BK＝K_B-100×(K_B-0.23)³， $K_B=\frac{\mathrm{Sa}\×T_1}{\mathrm{Sa}\×T_1+1.8T_x\×\mathrm{Se}};$

如上所示，血管弹性扩张系数ETK计算公式 $\mathrm{ETK}=\frac{1.5\mathrm{bc}\×(\mathrm{Sb}-\mathrm{BK}\×\mathrm{Sa})}{\mathrm{Se}(\mathrm{bc}+\mathrm{bd})}$ 中用到大量脉搏时域波形相关的参数，滤除脉搏信号干扰后明显的精确了脉搏时域波形信息，同时也就精确了由脉搏时域波形提取的相关参数，即提高了血管弹性扩张系数ETK的计算精度。

3)将计算结果通过LCD进行显示。

如图7所示，本发明的使用基于脉搏波频谱分析提高血管硬度测量精度的方法的装置，包括有与人体上臂相连采集人体脉搏的袖带1；与袖带1相连的输气软管2；分别与输气软管2相连的气泵3和控制阀4；安装在袖带1上的传感器5；分别与传感器5和单片机8相连，将传感器5采集的模拟信号转换为数字信号后送入单片机8的A/D转换器；分别与单片机8相连，接收单片机8的控制信号驱动控制阀4的阀驱动单元6a和接收单片机8的控制信号驱动气泵3的泵驱动单元6b；以及分别与单片机8相连的显示器LCD 9、输入键盘10。

在本实施例中，所述的单片机8选用型号为68HC908的单片机。

如图8所示，所述的阀驱动单元6a是由电阻R1和三极管G1组成，其中电阻R1的电流输入端接单片机8的信号输出端，电阻R1的电流输出端与三极管G1的基极相连，三极管G1的集电极连接控制阀4，三极管G1的发射极接地。

如图9所示，所述的泵驱动单元6b是由电阻R2和三极管G2组成，其中电阻R2的电流输入端接单片机8的信号输出端，电阻R2的电流输出端与三极管G2的基极相连，三极管G2的集电极连接气泵3，三极管G2的发射极接地。

在测量过程中，袖带固定于被测对象上臂，传感器安装于袖带内部，以传感器处于脉搏波信号最强处为袖带固定标准。单片机是操作系统的核心，用户可通过键盘对其进行操作。单片机控制驱动的工作，泵驱动工作时，泵开始工作即对袖带进行充气。阀驱动工作时，阀开始工作即对袖带进行放气，并控制放气速度和时间。传感器在袖带充放气过程中记录人体脉搏波变化，并将信号通过A/D转换器变换后传输给单片计算机。数字信号在单片计算机内进行滤波，小波分解、计算谱能比及谱墒等一系列处理后，将诊断结果显示在LCD显示器上。

实际工作过程包括以下步骤：

1)通过键盘操作单片机，是单片机通过控制驱动装置控制泵的工作，使袖带充气，同时袖带内传感器采集到脉搏波的压力变化，通过A/D转换器将压力变化的模拟信号转换为数字信号传输给单片机。

2)单片机通过控制驱动装置控制阀的放气，同时袖带内传感器采集到脉搏波的压力变化，通过A/D转换器将压力变化的模拟信号转换为数字信号传输给单片机。

3)一次测量过程结束，采集到的数据通过A/D转换器处理传入单片机，并在单片机内进行基线拉平及归一化、去噪、小波分解、谱能比计算、谱熵计算等处理，并将结果通过LCD显示器显示。

Claims (9)

1.一种基于脉搏波频谱分析提高血管硬度测量精度的方法，其特征在于，包括有如下步骤：

第一步：采集脉搏信号，进行通用的脉搏信号预处理过程；

第二步：单片机读取经过预处理的脉搏信号；

第三步：对脉搏波信号进行基线拉平、归一化处理；

第四步：对脉搏信号进行初步滤波处理；

第五步：计算能量域熵值参数；

第六步：对频域结果进行统计分析，并进行二次滤波。

2.根据权利要求1所述的基于脉搏波频谱分析提高血管硬度测量精度的方法，其特征在于，所述的第一步进行通用的脉搏信号预处理过程是：首先由脉搏传感器模块拾取人体的脉搏信号，经放大、滤波和采样的预处理得到脉搏信号x(n)，其中x(n)是由压力传感器把脉搏压力信号转变为电压信号，是各采样点对应的脉搏信号幅度；n为信号的采样点数，然后将脉搏信号x(n)通过RS232总线或USB接口方式传入计算机。

3.根据权利要求1所述的基于脉搏波频谱分析提高血管硬度测量精度的方法，其特征在于，所述的第三步对脉搏波信号进行基线拉平、归一化处理，即滤去袖带放气过程影响，拉平方法包括以下步骤：

1)检测出前一个心跳1的上升沿的起始点M1的压力值为STARTP1，记录该点的位置为j1，在检测出心跳2的上升沿的起始点M2的压力值为STARTP2，记录该点的位置为j2；

2)通过公式  K＝(STARTP1-STARTP2)/j1-j2求得斜率；

3)由此可得在心跳1中的波形的各点，假设其点为A，其未拉前的压力值为P，其所在的位置为j，则有拉平过后的值为P1＝P-K*(j-j1)；

4)通过步骤1)～3)把心跳1中的各个点拉平；

5)将一组脉搏波的最小值设为min，最大值设为max，依据公式P1＝(P1-min)/max对拉平后脉搏波信号进行归一化处理；

6)重复步骤1)～5)就可得到滤去放气过程的脉搏波波形。

4.根据权利要求1所述的基于脉搏波频谱分析提高血管硬度测量精度的方法，其特征在于，所述的第三步对脉搏信号进行初步滤波处理，包括有如下过程：

1)应用小波函数meyer对脉搏信号进行多尺度分解：

$x\left(n\right)=\underset{j}{\overset{n}{\mathrm{\Σ}}}{D}_j+A_n;$

2)初步去除噪声的尺度分量后，重构脉搏信号：

$x\left(n\right)=\underset{j}{\overset{n}{\mathrm{\Σ}}}{D}_j+A_n-\mathrm{\Σ}{D}_i-\left(A_n\right)$

此处∑D_i表示剔除的高频或高频和低频噪声分量的和，(A_n)表示分解后低频分量若为噪声则剔出；

3)对重构后信号进行多尺度小波分解：

$x\left(n\right)=\underset{j}{\overset{n}{\mathrm{\Σ}}}{D}_j+A_n.$

5.根据权利要求1所述的基于脉搏波频谱分析提高血管硬度测量精度的方法，其特征在于，所述的第四步计算能量域熵值参数，包括有如下过程：

1)计算多尺度小波分解重构后脉搏信号各尺度的能量，及总能量：

计算各尺度小波分量能量p_i：

$p_i=S_{\mathrm{xx}}\left(k\right)=\stackrel{\‾}{X\left(k\right)\·X^{\·}\left(k\right)}={\stackrel{\‾}{\left|X\left(k\right)\right|}}^2$

其中X(k)为瞬时谱，

计算各尺度小波分量能量和：

2)分别计算各尺度能量与总能量比：

$\mathrm{SER}=\frac{p_i}{\underset{i}{\overset{n}{\mathrm{\Σ}}}{p}_i},$

以及各尺度能量之间的比值：

$\mathrm{SER}1=\frac{p_i}{p_j},$

3)计算脉搏信号小波变换后的谱熵值：

$\mathrm{WE}=-\underset{j}{\mathrm{\Σ}}{P}_j\×{\ln P}_j;$

6.根据权利要求1所述的基于脉搏波频谱分析提高血管硬度测量精度的方法，其特征在于，所述的第五步对频域结果进行统计分析，包括有如下过程：

1)对能量及熵值进行统计分析，找出重要信息频带，滤除无用频带：

$x\left(n\right)=\underset{j}{\overset{n}{\mathrm{\Σ}}}{D}_j+A_n-\mathrm{\Σ}{D}_i-\left(A_n\right)$

2)分析滤波后的脉搏波时域波形，根据血液动力学原理测量血管弹性扩张系数ETK，

$\mathrm{ETK}=\frac{1.5\mathrm{bc}\×(\mathrm{Sb}-\mathrm{BK}\×\mathrm{Sa})}{\mathrm{Se}(\mathrm{bc}+\mathrm{bd})}$

其中：BK(主动脉排空系数)，BK＝K_B-100×(K_B-0.23)³， $K_B=\frac{\mathrm{Sa}\×T_1}{\mathrm{Sa}\×T_1+1.8T_x\×\mathrm{Se}};$

3)将计算结果通过LCD进行显示。

7.一种使用基于脉搏波频谱分析提高血管硬度测量精度的方法的装置，其特征在于，包括有与人体上臂相连采集人体脉搏的袖带(1)；与袖带(1)，相连的输气软管(2)；分别与输气软管(2)相连的气泵(3)和控制阀(4)；安装在袖带(1)上的传感器(5)；分别与传感器(5)和单片机(8)相连，将传感器(5)采集的模拟信号转换为数字信号后送入单片机(8)的A/D转换器；分别与单片机(8)相连，接收单片机(8)的控制信号驱动控制阀(4)的阀驱动单元(6a)和接收单片机(8)的控制信号驱动气泵(3)的泵驱动单元(6b)；以及分别与单片机(8)相连的显示器LCD(9)、输入键盘(10)。

8.根据权利要求7所述的使用基于脉搏波频谱分析提高血管硬度测量精度的方法的装置，其特征在于，所述的阀驱动单元(6a)是由电阻R1和三极管G1组成，其中电阻R1的电流输入端接单片机(8)的信号输出端，电阻R1的电流输出端与三极管G1的基极相连，三极管G1的集电极连接控制阀(4)，三极管G1的发射极接地。

9.根据权利要求7所述的使用基于脉搏波频谱分析提高血管硬度测量精度的方法的装置，其特征在于，所述的泵驱动单元(6b)是由电阻R2和三极管G2组成，其中电阻R2的电流输入端接单片机(8)的信号输出端，电阻R2的电流输出端与三极管G2的基极相连，三极管G2的集电极连接气泵(3)，三极管G2的发射极接地。

Images