CN101947105A - 一种基于虚拟仪器技术的脉搏信号采集方法 - Google Patents
一种基于虚拟仪器技术的脉搏信号采集方法 Download PDFInfo
- Publication number
- CN101947105A CN101947105A CN 201010269835 CN201010269835A CN101947105A CN 101947105 A CN101947105 A CN 101947105A CN 201010269835 CN201010269835 CN 201010269835 CN 201010269835 A CN201010269835 A CN 201010269835A CN 101947105 A CN101947105 A CN 101947105A
- Authority
- CN
- China
- Prior art keywords
- electrode
- pulse
- exciting electrode
- pulse signal
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明涉及一种基于虚拟仪器技术的脉搏信号采集方法,包括步骤如下:(1)在测量位置手臂上设置有激励电极E1、激励电极E4、测量电极E2和测量电极E3,激励电极E1和激励电极E4间距离设置为15cm,通过激励电极E1和激励电极E4给人体输入100kHz、0.6mA的载波,输出信号为调幅波;(2)将此调幅波通过测量电极E2和测量电极E3输入给脉搏信号调理电路,进行模拟解调,滤除高频载波,便可得到脉搏波;(3)同时对调理电路中的模拟解调前的采样点进行高速采样,对信号进行解调、信号处理、特征值提取、波形显示、回归分析操作。本发明有益的效果是:能有效降低信号处理的复杂性和困难度,使脉搏信号的处理分析变得更加方便和简单。
Description
技术领域
本发明涉及脉搏信号采集方法,尤其是一种基于虚拟仪器技术的脉搏信号采集方法。
背景技术
脉搏信号具有如下具体特点:(1)强干扰下的微弱信号,由于脉搏信号幅度很小,大约是μV到mV的数量级范围。因此,极容易引入干扰,这些干扰有来自50Hz的工频干扰,有来自肌体抖动、精神紧张带来的假象信号等。(2)频率低但能量相对集中的信号,人体的脉搏频率非常低,约为0.5~10Hz,一般情况下为1Hz左右,脉搏信号可看成一个准直流信号,也可看成是一个甚低频交变信号。根据脉搏功率谱能量分析,健康人脉搏能量绝大多数分布于1~5Hz,而病人脉搏在1Hz以下和较高频段(如5Hz以上或10Hz以上)仍有相当一部分的能量分布。(3)复杂且易变的随机信号,脉搏信号因人体生理、病理、心理的不同而不同,又受环境、时间、气候的影响,表现出同一个人在不同的时间、地点有不同的脉象,有时也会有不同的疾病表现出相同的脉象。由于脉搏信号的复杂性和变异性,一方面使得我们较难直接从观测结果中总结信号的特性和规律;另一方面,在有些情况下,有意义的信息恰恰蕴含在变异性之中。本发明的主要任务就是提取脉搏信号并加以处理,并由此分析、推演出所需的信息,供医生准确地诊断疾病。
发明内容
本发明要解决上述现有技术的缺点,提供一种基于虚拟仪器技术的脉搏信号采集方法。
本发明解决其技术问题采用的技术方案:这种基于虚拟仪器技术的脉搏信号采集方法,包括步骤如下:
(1)、在测量位置手臂上设置有激励电极E1、激励电极E4、测量电极E2和测量电极E3,激励电极E1和激励电极E4间距离设置为15cm,通过激励电极E1和激励电极E4给人体输入100KHz、0.6mA的载波,此时人体脉搏信号被调制在激励信号中,输出信号为调幅波;
(2)、将此调幅波通过测量电极E2和测量电极E3输入给脉搏信号调理电路,进行模拟解调,滤除高频载波,便可得到脉搏波;
(3)、同时对调理电路中的模拟解调前的采样点进行高速采样,经串口与LabVIEW软件通信,利用软件对信号进行解调、信号处理、特征值提取、波形显示、回归分析操作。
所述的LabVIEW软件通过串口与MCU控制器相连接,采用光耦6N137将计算机的地与MCU控制器的地进行隔离。
本发明有益的效果是:直接从传感器上采集到未经放大的原始信号,可以看见模糊的脉搏信号,但存在大量的干扰,很难分析出脉搏信号的好坏。应用虚拟仪器技术分析生物电信号,能有效降低信号处理的复杂性和困难度,从根本上解决上述问题,使脉搏信号的处理分析变得更加方便和简单。鉴于LabVIEW的强大数字信号处理及数学分析功能,为节省开发时间,提高开发效率,采用LabVIEW编写软件应用程序,开发基于LabVIEW的脉搏信号检测与分析系统。
附图说明
图1为本发明中系统整体框图;
图2是本发明脉搏信号调理电路的电路原理图;
图3是本发明的两种动脉波合成后的脉搏图;
图4是本发明的典型脉搏波图;
图5是本发明的采样后的典型脉搏波图;
图6是本发明的脉搏波采集处理程序流程图;
图7是本发明的神经网络结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明:
这种基于虚拟仪器技术的脉搏信号采集方法,包括步骤如下:
(1)、在测量位置手臂上设置有激励电极E1、激励电极E4、测量电极E2和测量电极E3,激励电极E1和激励电极E4间距离设置为15cm,通过激励电极E1和激励电极E4给人体输入100KHz、0.6mA的载波,在此高频信号的激励下,人体等效阻抗约为200欧姆左右,此时人体脉搏信号被调制在激励信号中,输出信号为调幅波;
(2)、相对于脉搏信号而言,载波信号的振荡频率为高频信号,将此调幅波通过测量电极E2和测量电极E3输入给脉搏信号调理电路,进行模拟解调,滤除高频载波,便可得到脉搏波;
(3)、同时对调理电路中的模拟解调前的采样点进行高速采样,经串口与LabVIEW软件通信,利用软件对信号进行解调、信号处理、特征值提取、波形显示、回归分析操作。
为有效的排除外界干扰,减少模拟电路处理信号带来的信号失真,尽可能的再现真实的脉搏信号,进而研究影响人体脉搏信号的各种因素,我们应用LabVIEW虚拟仪器开发软件应用程序,应用程序通过串口与硬件进行通信,并且考虑到计算机的干扰较大,采用光耦6N137将计算机的地与单片机的地进行隔离,防止计算机地线上的噪声耦合信号调理电路,降低模拟电路的噪声,提高整个系统的抗干扰性能。
通过串口接收到的数据,对调幅波进行同步解调,为尽可能不失真的还原波形,采用最大平坦型巴特沃斯滤波器进行滤波处理,利用峰值检测、微分处理等方法提取波形特征信息,通过波形实时显示模块进行显示,模块中还可以显示心率,并且当心率不在正常范围时报警提示,可以选择将该波形数据存储,进行后续处理分析。在人体情绪上有波动或肢体上的微小动作会对信号产生较大影响,需要待被测试者进入身心平静状态后测量才比较准确。
LabVIEW的数学库及信号处理库中提供了各种数学处理、信号分析工具(能够完成复杂的数值分析、数学计算及信号处理等功能,用户可以自定义各种复杂的算法,而传统仪器不具有这样的特性,针对性不强,并且开发传统仪器的周期及成本较高,虚拟仪器可自定义的特点很好的解决上述存在的问题。
回归分析是处理变量之间相关关系的数学工具,它可以帮助人们从一组实验数据出发,分析变量间存在什么样的关系,进而建立这些变量间的回归方程。系统应用的最终目的是进行人体健康信息检测,采集数据到一定数量时,在结果分析模块内,可选择自变量、因变量(主波强度、重搏波强度、主波与重搏波强度比、上升沿斜率)以及自变量的个数。本项目设计中首先读入测试数据,通过数学库中“删除超出区间数”工具剔除异常数据,根据需要配置“曲线拟合”面板,即可对拟合曲线进行显示,并给出回归系数,建立回归方程。通过积累一定量数据之后,总结各种因素对脉搏信号影响规律,研究正常人与患者(如高血压患者)之间的波形差异,以及不同程度病情的患者波形演变规律。
心血管功能分析
实际上是摄取人体动脉血管的脉动信息,它不仅收集到的是血管壁径向伸缩的信息,更为本质的是它反映了动脉血管壁,容积和压强的变化。每搏脉图应该认为是一次心动周期,它反映了从心房收缩,左室增压、喷血,血管运动,左室舒张到充盈,直到主动脉排空等一系列血流动力学变化过程,脉搏传感器所检测的信号,实际是脉搏所产生的两种运动:即主动脉内的血液压力波,以血液为介质向远心端传播;另一即为主动脉的阻尼弹性振动波,向远心端逐渐衰减到零。b-e-f-g-L波为动脉内血液压力波呈压力曲线。C-d-M-N波为动脉壁弹性振动波,呈阻尼曲线,脉搏波图实际上是这两波的合成。正确的脉图应能描绘这种合成波,且各特征点应明晰。
在图3中,各特征点的临床物理意义如下:
a波 心房收缩波
主动脉瓣开放点
主动脉最高压力点
e点 左心室停止射血点
e1点 左心室舒张开始点
e2点 主动脉瓣关闭点
f点 二尖瓣开放点
g波 主动脉弹性回缩波
L点 主动脉静压排空开始点
L-a,段 主动脉静压排空段
经计算机采样处理后的典型脉搏波应如图5所示。
有了上述各特征点后,控制系统即可按专家模式设定好的一系列计算公式来进行定量分析、处理、计算,可得出诸如心搏出量,心输出量,总血容量,左室有效泵力,左心喷血阻抗,主动脉排空系数,肺动脉楔压,肺动脉压,血液粘度,血管顺应度,心肌血液灌注量,心肌耗氧量,微循环半更新率等心血管功能参数,并根据病情等信息给出专家诊断信息,某些指标超过标准时会自动报警。
对信号进行解调、信号处理、特征值提取、波形显示、回归分析操作的说明:
一、小波变换
选定了近似对称的小波函数sym8对信号进行默认阈值消噪处理。在阈值的选择上采用基于史坦的无偏似然估计原理(二次方程)的自适应阈值选择。对于一个给定的阈值t,得到它的似然估计值,再将非似然值t最小化,就得到了所选的阈值,并且根据第一层的系数进行一次噪声层的估计来调整阈值。
采用小波基函数dbl提取脉搏信号的时域特征参数。主要是检测信号的主波、降中峡、重搏前波及重搏波的幅值及相对于起始点的发生时间。根据小波分析的过零点(zer02Crossing)也可以找出反映原始信号的奇异特征。对于脉律均匀的脉搏信号,如平脉、滑脉、迟脉、数脉、弦脉、洪脉、浮脉和沉脉等,可提取它一个周期的脉图进行时域特征值的运算;对于脉律不均的脉搏信号,如涩脉、促脉、代脉和结脉等,提取多个周期的脉图进行时域特征值的运算。
二、模式匹配
以计算的脉搏信号的8个尺度上的小波变换的能量为输入神经元进行训练时能取得更好的分类结果。对8种脉象在最佳脉压力下的各10组数据进行小波变换后,得到其在8个尺度上的能量,共80组数据作为输入样本。即输入神经元为8个,目标输出为(000,001,010,011,100,101,110,111),分别代表8种脉图。
设定最大训练次数为50000次,目标误差为10-4,初始学习率为0.01。训练中加入了动量因子,同时学习效率采用自适应调节。网络结构的隐层神经元的个数通过实验确定。
输入序列的顺序采取按特征值相近的脉图,其输入顺序相隔的原则重新对输入神经元的序列进行了排序,即将洪脉远离数脉,弦脉远离促脉。表2.1和表2.2分别列出了在这两种输入神经元序列下不同的隐层神经元个数时网络对样本的训练结果。由表2.1和表2.2可以看出,当隐层神经元个数相同时,第二种输入的排列方式使得网络的收敛性、训练时间及训练次数均优于第一种排列方式。
改变隐层神经元的个数发现,使用不同隐层神经元个数的网络对样本进行训练,比较网络的训练时间、训练次数和结果误差等因素后选定隐层神经元的个数为30个。
表2.1第一种输入序列情况下不同隐层神经元个数对训练结果的比较
表2.2第二种输入序列情况下不同隐层神经元个数的比较
最后采用的网络结构为8个输入神经元,30个隐层神经元,3个输出神经元,如图7所示。
除上述实施例外,本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围。
Claims (2)
1.一种基于虚拟仪器技术的脉搏信号采集方法,其特征在于:包括步骤如下:
(1)、在测量位置手臂上设置有激励电极E1、激励电极E4、测量电极E2和测量电极E3,激励电极E1和激励电极E4间距离设置为15cm,通过激励电极E1和激励电极E4给人体输入100KHz、0.6mA的载波,此时人体脉搏信号被调制在激励信号中,输出信号为调幅波;
(2)、将此调幅波通过测量电极E2和测量电极E3输入给脉搏信号调理电路,进行模拟解调,滤除高频载波,便可得到脉搏波;
(3)、同时对调理电路中的模拟解调前的采样点进行高速采样,经串口与LabVIEW软件通信,利用软件对信号进行解调、信号处理、特征值提取、波形显示、回归分析操作。
2.根据权利要求1所述的基于虚拟仪器技术的脉搏信号采集方法,其特征是:所述的LabVIEW软件通过串口与MCU控制器相连接,采用光耦6N137将计算机的地与MCU控制器的地进行隔离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010269835 CN101947105A (zh) | 2010-08-26 | 2010-08-26 | 一种基于虚拟仪器技术的脉搏信号采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010269835 CN101947105A (zh) | 2010-08-26 | 2010-08-26 | 一种基于虚拟仪器技术的脉搏信号采集方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101947105A true CN101947105A (zh) | 2011-01-19 |
Family
ID=43450823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010269835 Pending CN101947105A (zh) | 2010-08-26 | 2010-08-26 | 一种基于虚拟仪器技术的脉搏信号采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101947105A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017219239A1 (zh) * | 2016-06-21 | 2017-12-28 | 悦享趋势科技(北京)有限责任公司 | 用于检测生理组织状态的探测器及其探测方法 |
CN109893124A (zh) * | 2019-03-24 | 2019-06-18 | 浙江好络维医疗技术有限公司 | 一种基于多导联聚类分析的疑难心电图主波识别定位方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1596826A (zh) * | 2004-07-27 | 2005-03-23 | 天津大学 | 脉搏阻抗谱血糖或其他血液成分的无创检测装置及其检测方法 |
CN101036576A (zh) * | 2007-04-29 | 2007-09-19 | 东北大学 | 便携式连续记录脉搏检测装置 |
-
2010
- 2010-08-26 CN CN 201010269835 patent/CN101947105A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1596826A (zh) * | 2004-07-27 | 2005-03-23 | 天津大学 | 脉搏阻抗谱血糖或其他血液成分的无创检测装置及其检测方法 |
CN101036576A (zh) * | 2007-04-29 | 2007-09-19 | 东北大学 | 便携式连续记录脉搏检测装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017219239A1 (zh) * | 2016-06-21 | 2017-12-28 | 悦享趋势科技(北京)有限责任公司 | 用于检测生理组织状态的探测器及其探测方法 |
CN109893124A (zh) * | 2019-03-24 | 2019-06-18 | 浙江好络维医疗技术有限公司 | 一种基于多导联聚类分析的疑难心电图主波识别定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106108889B (zh) | 基于深度学习算法的心电图分类方法 | |
CN102835954B (zh) | 一种心拍波形模板生成方法及模块 | |
CN110420019B (zh) | 一种心冲击图信号的深度回归心率估计方法 | |
Petrenas et al. | An echo state neural network for QRST cancellation during atrial fibrillation | |
CN101856225B (zh) | 一种心电信号r波峰检测方法 | |
CN101642368B (zh) | 自主神经功能信号的处理方法、装置和测试系统 | |
CN106691406A (zh) | 一种基于单探头光电容积脉搏波的血管弹性和血压的检测方法 | |
CN109907752A (zh) | 一种去除运动伪影干扰与心电特征检测的心电诊断与监护方法及系统 | |
CN105769173A (zh) | 一种具有心电信号去噪功能的心电监测系统 | |
CN110037668B (zh) | 脉搏信号时空域结合模型判断年龄、健康状态及恶性心律失常识别的系统 | |
CN108647565A (zh) | 一种基于深度学习模型对心电信号分类的数据预处理方法 | |
CN104586381A (zh) | 一种基于物联网的心电监护系统 | |
CN105212922A (zh) | 面向fpga实现心电信号r波自动检测的方法及系统 | |
CN103970975A (zh) | 心电数据处理方法和系统 | |
CN109077720A (zh) | 信号处理方法、装置、设备和存储介质 | |
CN108403108A (zh) | 基于波形优化的阵列式表面肌电信号分解方法 | |
CN204520670U (zh) | 一种基于物联网的心电监护系统 | |
Chin et al. | Bayesian real-time QRS complex detector for healthcare system | |
CN109330582A (zh) | 基于心电信号分析的心率及其特征指标检测方法 | |
CN105796091B (zh) | 一种用于去除心电信号车辆运动噪声的智能终端 | |
Gong et al. | PDhms: pulse diagnosis via wearable healthcare sensor network | |
CN101947105A (zh) | 一种基于虚拟仪器技术的脉搏信号采集方法 | |
CN103876731B (zh) | 一种胎儿心电信号提取装置及方法 | |
Chou et al. | Modelling arterial blood pressure waveforms for extreme bradycardia and tachycardia by curve fitting with Gaussian functions | |
Valenza et al. | Real-time discrimination of multiple cardiac arrhythmias for wearable systems based on neural networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110119 |