CN101876635B - 一种二氧化碳信号与气流流速信号分离方法 - Google Patents

Abstract

本发明属生物医学工程领域，涉及一种二氧化碳信号与气流流速信号分离方法，该方法对由红外传感器采集的CO₂检测信号进行低通滤波处理后，采用迭代算法从混合信号中的二氧化碳信号和气流流速信号进行分离，提取CO₂气体对应的原始信号。本发明可以消除由呼吸气流影响造成的信号干扰等噪声，更精确地得到二氧化碳浓度。

Description

一种二氧化碳信号与气流流速信号分离方法

技术领域

本发明属生物医学工程领域，涉及一种二氧化碳测量系统中二氧化碳信号与气流流速信号分离方法。

背景技术

二氧化碳分析仪系统用于测量患者，在临床医学中起到关键作用，可以反映人体呼吸过程中氧气和二氧化碳的代谢，针对旁流式二氧化碳测量系统中的棘手问题，主流式二氧化碳测量系统已经出现，并且作为非分散红外技术的发展和应用在医疗中有了广泛的运用。

气体分子对一定波长的红外线的吸收服从Lambert-Beer吸收定律，所以二氧化碳可以吸收特定波长的红外辐射。如果气体进入检测室，并用传感器一侧的红外光源照射，而传感器的另一侧则可以测得红外辐射的衰减，这样，就可以通过测量信号的衰减得到二氧化碳浓度的变化。

由于呼吸气体是不同气体的混合，而每种入射光对特定气体的吸收系数是不同的，吸收光线和气体之间的关系可以用下式表示：

I＝I₀exp(-∑μ_iC_iL)

其中I₀：入射光强度；I：紧急光照强度；μ：气体吸收系数；C：气体浓度；L：气体厚度

常规呼吸气体分子的吸收系数是不同的。二氧化碳吸收峰值对应的光波长为4.26μm，如果只有近似4.26μm波长的光线，则气体对光的吸收刻印描述为：

$I=I_0\exp (-{\mathrm{\μ}}_{{\mathrm{CO}}_2}{C}_{{CO}_2}L)$

根据这一原理可以实现在患者呼吸主通道内实时、连续的检测呼吸中二氧化碳的浓度信号。

一种典型的主流式二氧化碳测量装置如图1所示，红外光源1和测量端3分别位于主气体通道2的两侧。红外光源1发出的红外光经过4.26μm窄带滤波后的光线，被测量端的红外传感器所采集。

在人的呼吸作用中，气流是影响传感器检测的一个重要因素，同时气流是实时变化且难以精确控制，只通过检测装置的结构设计很难达到控制呼吸气流的作用。在此基础上，有必要进一步处理信号，消除由呼吸气流影响造成的信号干扰等噪声。因此，需要引入统计和信号处理的技术来对原始信号和气流流速信号分量进行分解，最终得到能准确反应CO2浓度值或分压的值。

发明内容

本发明的目的是提出一种对主流式二氧化碳测量装置采集的信号中的二氧化碳信号和气流流速信号进行分离的一种方法，利用经过本发明提出的分离方法获得的二氧化碳信号，可以消除由呼吸气流影响造成的信号干扰等噪声，更精确地得到二氧化碳浓度。为此，本发明采用如下的技术方案：

一种二氧化碳信号与气流流速信号分离方法，包括下列步骤：

(1)对由红外传感器采集的信号进行滤波处理，滤除20HZ以上的信号；

(2)设经过滤波处理的混合信号为X＝{x1(t)，x2(t)，…，xn(t)}，未知的相互独立信号源为：S＝{s1(t)，s2(t)，…，sm(t)}，设S＝WtX；

(3)采用下列的迭代方法求取W：

(a)初始化W(0)，令||W(0)||＝1，置k＝1；

(b)代入W(k)＝E(X(W^t(k-1)X)3)-3W(k-1)式，式中，E(X(W^t(k-1)X)3)为矩阵W^t(k-1)X的第3个元素的期望值，该期望值由X向量的采样点计算得出；

(c)用||W(k)||去除W(k)后的值再赋值给W(k)；

(d)如果|W^t(k)W(k-1)|与1的差值大于一个足够小的预设阈值，那么置k＝k+1，返回至(b)；否则，结束迭代；

(4)W^t(k)X为分离出的CO2气体对应的原始信号。

本发明用ICA方法将传感器采集到的信号中含有的气流影响分量从中分离出来，迭代次数很少，能快速分离出CO2气体对应的原始信号，从而还原真正CO2气体对应的原始信号。本发明提出的方法能够削弱不稳定的气流流速对二氧化碳检测精度的影响，提高二氧化碳检测装置的检测精度。

附图说明

图1：一种典型的主流式二氧化碳浓度测量装置。

具体实施方式

二氧化碳的实际信号是一种突变的短时过程，可以通过频率分析观察得到能量主要分布在10Hz区域内，对采集的信号进行预处理，首先需要通过窄带滤波器来滤除20Hz以上的信号。

为了准确提取CO2信号值，系统采用独立分量分析的办法，独立分量分析属于信号优化问题，即如何使分离出的各独立分量更好地逼近各源信号。

设检测端信号采集的混合信号经过窄带滤波预处理后的信号为：

X＝{x1(t)，x2(t)，…，xn(t)}，混合信号由未知的相互独立信号源和流速信号组成。设未知的相互独立信号源为：S＝{s1(t)，s2(t)，…，sm(t)}，

ICA的线性组合模型如下面的矩阵所示：

$\left(\begin{array}{c}{x}_1\left(t\right)\\ x_2\left(t\right)\\ \·\·\·\\ x_n\left(t\right)\end{array}\right)=\left(\begin{array}{cccc}{a}_{11}& a_{12}& \·\·\·& a_{1m}\\ a_{21}& a_{22}& \·\·\·& a_{2m}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ a_{m1}& a_{m2}& \·\·\·& a_{\mathrm{nm}}\end{array}\right)\left(\begin{array}{c}{s}_1\left(t\right)\\ s_2\left(t\right)\\ \·\·\·\\ s_m\left(t\right)\end{array}\right)---\left(2\right)$

以上可描述为：

X＝AS           (3)

S＝A^-1X＝W^tX    (4)

从该式中，可以清楚地知道，要想求出源信号S，求未知的混合矩阵W是关键。本发明采用了一种快速定点算法，本发明采用的W的递推公式如(5)式：

W(k)＝E(X(W^t(k-1)X)3)-3W(k-1)    (5)

具体的算法实现如下：

(a)初始化W(0)，令||W(0)||＝1，置k＝1；

(b)代入(5)式求W(k)，其中的期望值可由大量X向量的采样点计算出来；

(c)用||W(k)||去除W(k)；

(d)如果|W^t(k)W(k-1)|不是足够接近1，那么置k＝k+1，返回至(b)；否则，输出向量.

本发明最后给出的向量W(k)等于正交混合矩阵中的一列，在信号分离中意味着分离了其中的一个非高斯信号，即W^t(k)X，X＝{x1(t)，x2(t)，…，xn(t)}等于其中的一个源信号。本发明显著的特性是迭代次数非常少，能快速分离出CO2气体对应的原始信号，从而还原真正CO2气体对应的原始信号。

Claims (1)

1.一种二氧化碳信号与气流流速信号分离方法，包括下列步骤：

(1)对由红外传感器采集的信号进行滤波处理，滤除20HZ以上的信号；

(2)设经过滤波处理的混合信号为X＝{x1(t)，x2(t)，…，xn(t)}，未知的相互独立信号源为：

S＝{s1(t)，s2(t)，…，sm(t)}，设S＝W^tX；

(3)采用下列的迭代方法求取W：

(a)初始化W(0)，令||W(0)||＝1，置k＝1；

(b)代入W(k)＝E(X(W^t(k-1)X)3)-3W(k-1)式，式中，E(X(W^t(k-1)X)3)为矩阵W^t(k-1)X的第3个元素的期望值，该期望值由X向量的采样点计算得出；

(c)用||W(k)||去除W(k)后的值再赋值给W(k)；

(d)如果|W^t(k)W(k-1)|与1的差值大于一个足够小的预设阈值，那么置k＝k+1，返回至(b)；否则，结束迭代；

(4)W^t(k)X为分离出的CO2气体对应的原始信号。

Images