CN103169456A - 一种脉搏波信号的处理方法及处理系统 - Google Patents
一种脉搏波信号的处理方法及处理系统 Download PDFInfo
- Publication number
- CN103169456A CN103169456A CN2013101101005A CN201310110100A CN103169456A CN 103169456 A CN103169456 A CN 103169456A CN 2013101101005 A CN2013101101005 A CN 2013101101005A CN 201310110100 A CN201310110100 A CN 201310110100A CN 103169456 A CN103169456 A CN 103169456A
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- point
- signal
- cycle
- pulse
- 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
Abstract
本发明适用于信号处理领域,提供了一种脉搏波信号的处理方法,所述方法包括以下步骤:A、采集脉搏波信号;B、依次采用数字滤波、周期识别、基线调整、特征点识别的方法将采集的脉搏波信号进行处理;C、将处理过的脉搏波信号进行存储。在单周期识别时,对原始信号波形数据进行截取,截取了完整周期部分,剔除了原始记录数据中起始部分和结束部分不是完整周期的数据。减小了识别错误,也降低了分析算法的复杂程度。在利用原有数据一阶导数寻找降中峡和重博波位置方法上增加了数据二阶导数处理,提高了降中峡和重博波的识别准确性。克服了特征点不明显时产生的误差。
Description
技术领域
本发明属于信号处理领域,尤其涉及一种脉搏波信号的处理方法及处理系统。
背景技术
脉搏波信号分析,是针对脉搏波图的分析和处理。目前大多数分析方法主要从时域或频域中提取特征信息。时域分析法是在时间方向上分析脉搏波信号的动态特征,而频域分析方法是通过傅立叶变换将时间信号以频谱的形式表示出来,从频域上去研究一个复杂信号的特征。主要的脉搏分析方法包括如下:
1、高斯函数法,脉搏波在形式上可看成由主波、重搏波和重搏前波等三者叠加而成,并且这三波的位置、形状的变化和生理病理状态密切相关。一个周期的脉搏波可三个高斯函数来合成,分别称这三个高斯函数为钟形主波,钟形重搏波和钟形重搏前波。求出高斯函数的参数来反映脉搏波的特征。
缺点:计算繁琐,拟和求出的特征参数与真实的生理过程存在差异,和生理意义关系不明确。
2、脉图面积法,由脉搏波波图面积提取的特征量K值,从宏观上描述出脉搏波平均特征。
缺点:反映出脉搏曲线比较粗糙易造成误差。
3、频域法,采用频域方法研究脉搏波,就是把时域的脉搏波信号通过离散快速傅立叶变换到频域,从脉搏波频谱中提取出与人体心血管生理病理相应的信息。把一个很复杂的由许多重叠波构成的脉搏波分解成不同的谐波,这样就能把其中所包含的丰富信息和能量提取出来,因此较时域分析法能更清楚地反映脉搏波。
缺点:计算复杂,结果抽象。
4、特征点法,脉搏波波图的特征点(或称标志点)实质上就是脉搏波压力曲线的拐点,它是心动周期中从一个力学过程转变为另一个力学过程的转变点,因而这些拐点都有明确的生理意义。通过对不同脉图特征点参数的差异来寻求辨别脉图的客观标准。
缺点:特征点不明显、难以辨认带有误差。
发明内容
本发明的目的在于提供一种脉搏波信号的处理方法,旨在解决计算繁琐复杂、结构抽象、反映出脉搏曲线比较粗糙易造成误差、特征点不明显、难以辨认带有误差的问题。
本发明是这样实现的,一种脉搏波信号的处理方法,所述方法包括以下步骤:
A、采集并显示脉搏波信号;
B、采用数字滤波、周期识别、基线调整、特征点识别的方法将采集的脉搏波信号进行处理;
C、将处理过的脉搏波信号进行存储;
所述数字滤波,通过一定的算法,对原始数据进行平滑、滤波预处理,去除波形中毛刺,最大限度的保证脉搏波在在幅度及相位上的不失真;
所述周期识别,即一段多周期的脉搏信号中辨识出每个周期的起始点坐标,将脉搏波形序列分割成一个一个的单周期波形数据;
所述基线调整,即有效的去除脉搏波形的基线漂移,消除呼吸运动、肌肉运动或身体位移的因素影响;
所述特征点识别,即标识出单周期内脉搏波形的主波峰值点、降中峡和重搏波。
本发明的进一步技术方案是:所述B步骤中包括以下步骤:
B1、利用三点均值滤波算法对原始数据进行平滑、滤波预处理,去除波形中毛刺,最大限度的保证脉搏波在幅度及相位上的不失真;
B2、对一段多周期脉搏波信号进行求导寻找最大值,设置阈值找各个周期峰值点,寻找各个压力上升最快之间的最小值,此最小值点就是一个脉搏波周期的起始点;
B3、利用插值拟合法拟合基线漂移曲线,用原始信号减去漂移曲线得到消除基线漂移的脉搏信号;
B4、标识出单周期内脉搏波形的主波峰值点、降中峡和重搏波的位置。
本发明的进一步技术方案是:所述B2步骤中还包括以下步骤:
B21、对一段多周期的脉搏波信号进行一阶求导;
B22、寻找求导结果中的最大值点,设置阈值;
B23、求导结果与阈值比较寻找各周期的峰值点;
B24、寻找脉搏周期的起始点。
本发明的进一步技术方案是:所述步骤B3还包括以下步骤:
B31、确定单个脉搏波的起始点和结束点的位置和幅值;
B32、利用插值拟合法拟合基线漂移曲线;
B33、用原始信号减去漂移曲线得到消除基线漂移的脉搏信号。
本发明的进一步技术方案是:所述步骤B4还包括以下步骤:
B41、求脉搏波信号在起始点与结束点之间的主波峰值点;
B42、计算单周期内脉搏波形数据的二阶导数及单周期内1/2心动周期位置;
B43、对二阶导数结果进行峰值检测,得到波峰波谷数组;
B44、取波峰数组中靠近1/2心动周期的波峰点为降中峡位置;
B45、取波谷数组中靠近降中峡之后的第一个波谷点位置为重搏波位置。
本发明还提供一种脉搏波信号的处理系统,该处理系统包括:
采集显示模块,用于采集并显示脉搏波信号;
信号处理模块,用于采用数字滤波、周期识别、基线调整、特征点识别的方法将采集的脉搏波信号进行处理;
信号存储模块,用于将处理过的脉搏波信号进行存储;
所述数字滤波,通过一定的算法,对原始数据进行平滑、滤波预处理,去除波形中毛刺,最大限度的保证脉搏波在在幅度及相位上的不失真;
所述周期识别,即一段多周期的脉搏信号中辨识出每个周期的起始点坐标,将脉搏波形序列分割成一个一个的单周期波形数据;
所述基线调整,即有效的去除脉搏波形的基线漂移,消除呼吸运动、肌肉运动或身体位移的因素影响;
所述特征点识别,即标识出单周期内脉搏波形的主波峰值点、降中峡和重搏波。
本发明的进一步技术方案是:所述信号处理模包括:
数字滤波单元,用于利用三点均值滤波算法对原始数据进行平滑、滤波预处理,去除波形中毛刺,最大限度的保证脉搏波在幅度及相位上的不失真;
周期识别单元,用于对一段多周期脉搏波信号进行求导寻找最大值,设置阈值找各个周期峰值点,寻找各个压力上升最快之间的最小值,此最小值点就是一个脉搏波周期的起始点;
基线调整单元,用于利用插值拟合法拟合基线漂移曲线,用原始信号减去漂移曲线得到消除基线漂移的脉搏信号;
特征点识别单元,用于标识出单周期内脉搏波形的主波峰值点、降中峡和重搏波的位置。
本发明的进一步技术方案是:所述周期识别单元包括:
信号一阶求导模块,用于对一段多周期的脉搏波信号进行一阶求导;
阈值设置模块,用于寻找求导结果中的最大值点,设置阈值;
对比寻峰值点模块,用于求导结果与阈值比较寻找各周期的峰值点;
最小值点寻找模块,用于寻找脉搏周期的起始点。
本发明的进一步技术方案是:所述基线调整单元包括:
幅值与位置确定模块,用于确定单个脉搏波的起始点和结束点的位置和幅值;
拟合曲线模块,用于利用插值拟合法拟合基线漂移曲线;
消除基线漂移模块,用于用原始信号减去漂移曲线得到消除基线漂移的脉搏信号。
本发明的进一步技术方案是:所述特征点识别单元包括:
主波峰值点计算模块,用于求脉搏波信号在起始点与结束点之间的主波峰值点;
计算模块,用于计算单周期内脉搏波形数据的二阶导数及单周期内1/2心动周期位置;
峰值检测模块,对二阶导数结果进行峰值检测,得到波峰波谷数组;
降中峡模块,用于取波峰数组中靠近1/2心动周期的波峰点为降中峡位置;
重搏波模块,用于取波谷数组中靠近降中峡之后的第一个波谷点位置为重搏波位置。
本发明的有益效果是:在单周期识别时,对原始信号波形数据进行截取,截取了完整周期部分,剔除了原始记录数据中起始部分和结束部分不是完整周期的数据。减小了识别错误,也降低了分析算法的复杂程度。在利用原有数据一阶导数寻找降中峡和重博波位置方法上增加了数据二阶导数处理,提高了降中峡和重博波的识别准确性。克服了特征点不明显时产生的误差。通过基线调整,反映出脉搏曲线比较平滑,降低误差率。
附图说明
图1是本发明实施例提供的脉搏波信号的处理方法流程图;
图2是本发明实施例提供的脉搏波信号处理方法中周期识别流程图;
图3是本发明实施例提供的脉搏波信号处理方法中基线调整流程图;
图4是本发明实施例提供的脉搏波信号处理方法中特征点识别流程图;
图5是本发明实施例提供的脉搏波信号处理系统结构图;
图6是本发明实施例提供的脉搏波信号处理系统中周期识别单元结构图;
图7是本发明实施例提供的脉搏波信号处理系统中基线调整单元结构图;
图8是本发明实施例提供的脉搏波信号处理系统中特征点识别单元结构图。
具体实施方式
附图标记:10-采集显示模块20-信号处理模块30-信号存储模块201-数字滤波单元202-周期识别单元203-基线调整单元204-特征点识别单元2021-信号一阶求导模块2022-阈值设置模块2023对比寻峰值点模块2024-最小值点寻找模块2031-幅值与位置确定模块2032-拟合曲线模块2033-消除基线漂移模块2041-主波峰值点计算模块2042-计算模块2043-峰值检测模块2044-识别降中峡模块2045-识别重搏波模块
图1示出了本发明提供的脉搏波信号的处理方法流程图,详述如下:
步骤S10中,通过采集装置自人体采集来脉搏波信号,并且将脉搏波信号通过波形的方式显示出来。
步骤S20中,利用三点均值滤波算法对脉搏波信号的原始进行平滑、滤波预处理,去除脉搏波信号波形中毛刺,最大限度的保证脉搏波在幅度及相位上的不失真。三点均值滤波法的具体算法是每一点的值等于和它相邻的前一点和后一点以及该点平均值,即公示为P(n)代表第n个点的值,P(n-1)代表第n-1个点的值,P(n+1)代表第n+1个点的值,当n=1,N时P(n)值不变,1代表第一个点,N代表最后一个点。通过实验比较,3点均值滤波法,实现简单,效果理想。多点平均(大于5以上)会造成幅度消减,出现相移。
步骤S30中,对一段多周期脉搏波信号进行求导寻找最大值,设置阈值找各个周期峰值点,寻找各个压力上升最快之间的最小值,此最小值点就是一个脉搏波周期的起始点。
图2为图1中周期识别的流程图,详述如下:在步骤S301中,根据步骤220中的脉搏波信号,对一段多周期的脉搏波信号进行一阶求导,公式为:其中y′(t)一阶导数结果,dy(t)信号幅度的变化量,dt对应时间的变化量。在步骤S302中,在对脉搏波信号的一阶求导结果进行对比找到最大值点,将该最大值点的幅值一半设置为阈值。在步骤S303中,将脉搏波信号的一阶求导结果与设置的阈值进行比较,找到各个周期的峰值点,则该峰值点对应每个周期脉搏波压力上升最快点的位置。在步骤S304中,在脉搏波信号各个压力上升最快点之间寻找最小值点,则该最小值点就是脉搏周期的起始点。根据上述步骤依次就可以将所有脉搏起始点全部找到,那么每个相邻的起始点之间对应的数据就是一个单周期。在上述周期识别的基础上,取单周期的起始点位置数组中第一个数据和最后一个数据确定区间,在此区间内截取原始信号波形数据,作为后续分析的信号数据P(n)。这样不仅消除了原始数据起始部分和结束部分不是完整周期而带来的识别错误,也降低了分析算法的复杂程度,增强了数据后续处理识别的准确性。
在步骤S40中,利用插值拟合法拟合基线漂移曲线,用原始信号减去漂移曲线得到消除基线漂移的脉搏信号。
图3为图1中基线调整步骤的流程图,详述如下:在步骤S401中,根据周期识别步骤中识别的脉搏波信号的起始点和结束点的位置,确定单个脉搏波的起始点和结束点的位置和幅值。在步骤S402中,利用插值拟合法拟合基线漂移曲线。在步骤S403中,用脉搏波的原始信号减去漂移曲线得到消除基线漂移的脉搏波信号。上述方法简单,运算速度快,对基线漂移严重的脉搏波信号也有较好的效果。
在步骤S50中,标识出单周期内脉搏波信号波形的主波峰值点、降中峡和重搏波的对应位置。
图4为图1中特征点识别步骤的流程图,详述如下:在步骤S501中,根据上面的操作确定了单个脉搏波的起始点和结束点,求脉搏波信号的起始点与结束点之间的的最大值点,则该最大值点即脉搏波信号波形的主波峰值点。在[n1,n2]区间,信号P(n)对应P(n1),P(n1+1),P(n1+2)…..P(n2)这些点。将这些点中第一个点和第二个点比较,将值较大的留下,再和下一个点比较,取比较结果中较大的再和下一个比较,以此类推,最后一次比较结果中较大的就是最大值。在步骤S502中,计算点周期内脉搏波波形数据的二阶导数,公式为:也可以写成:y″(t)二阶导数结果,dy′(t)信号一阶导数的变化量,dt对应时间的变化量,并且计算在单周期内1\2心动的位置,设单周期起始点位置为n1,结束点位置为n2,则单周期内1/2心动周期位置等于n1+1/2(n2-n1)。在步骤S503中,对二阶导数结果进行峰值检测,检测完得到数组的波峰波谷数组。在步骤S504中,取波峰数组靠近1/2心动周期的波峰点,即降中峡对应的位置。在步骤S505中,取波谷数组中靠近降中峡之后的第一个波谷点位置,即重博波对应的位置。
在步骤S60中,利用前面的步骤将脉搏波的信号处理完毕,将其存储起来。
所述数字滤波,通过一定的算法,对原始数据进行平滑、滤波预处理,去除波形中毛刺,最大限度的保证脉搏波在在幅度及相位上的不失真;
所述周期识别,即一段多周期的脉搏信号中辨识出每个周期的起始点坐标,将脉搏波形序列分割成一个一个的单周期波形数据;
所述基线调整,即有效的去除脉搏波形的基线漂移,消除呼吸运动、肌肉运动或身体位移的因素影响;
所述特征点识别,即标识出单周期内脉搏波形的主波峰值点、降中峡和重搏波。
在单周期识别时,对原始信号波形数据进行截取,截取了完整周期部分,剔除了原始记录数据中起始部分和结束部分不是完整周期的数据。减小了识别错误,也降低了分析算法的复杂程度。在利用原有数据一阶导数寻找降中峡和重博波位置方法上增加了数据二阶导数处理,提高了降中峡和重博波的识别准确性。克服了特征点不明显时产生的误差。
图5是本发明实施例提供的脉搏波信号的处理系统结构图,该处理系统包括:
采集显示模块,用于采集并显示脉搏波信号;
信号处理模块,用于采用数字滤波、周期识别、基线调整、特征点识别的办法将采集到得脉搏波信号进行分析处理;
信号存储模块,用于将处理过的脉搏波信号进行存储;
所述数字滤波,通过一定的算法,对原始数据进行平滑、滤波预处理,去除波形中毛刺,最大限度的保证脉搏波在在幅度及相位上的不失真;
所述周期识别,即一段多周期的脉搏信号中辨识出每个周期的起始点坐标,将脉搏波形序列分割成一个一个的单周期波形数据;
所述基线调整,即有效的去除脉搏波形的基线漂移,消除呼吸运动、肌肉运动或身体位移的因素影响;
所述特征点识别,即标识出单周期内脉搏波形的主波峰值点、降中峡和重搏波。
所述信号处理模包括:
数字滤波单元,用于利用3点均值滤波法计算每一点的值等于和它相邻的前一点和后一点以及该点平均值;
周期识别单元,用于对一段多周期脉搏波信号进行求导寻找最大值,设置阈值找各个周期峰值点,寻找各个压力上升最快之间的最小值,此最小值点就是一个脉搏波周期的起始点;
基线调整单元,用于利用插值拟合法拟合基线漂移曲线,用原始信号减去漂移曲线得到消除基线漂移的脉搏信号;
特征点识别单元,用于标识出单周期内脉搏波形的主波峰值点、降中峡和重搏波的对应位置。
图6为图5中周期识别单元的结构图,所述周期识别单元包括:
信号一阶求导模块,用于对一段多周期的脉搏波信号进行一阶求导;
阈值设置模块,用于寻找求导结果中的最大值点,设该最大值点的幅值一半作为阈值;
对比寻峰值点模块,用于求导结果与阈值比较找到各周期的峰值点,该峰值点对应每个周期脉搏压力上升最快点的位置;
最小值点寻找模块,用于在各个压力上升最快点之间寻找最小值点,此最小值点就是脉搏周期的起始点。
图7为图5中基线调整单元的结构图,所述基线调整单元包括:
幅值与位置确定模块,用于确定单个脉搏波的起始点和结束点的位置和幅值;
拟合曲线模块,用于利用插值拟合法拟合基线漂移曲线;
消除基线漂移模块,用于用原始信号减去漂移曲线得到消除基线漂移的脉搏信号。
图8为图5中特征点识别单元的结构图,所述特征点识别单元包括:
主波峰值点计算模块,用于确定单个脉搏波的起始点和结束点,求脉搏波信号在起始点与结束点之间最大值点,即脉搏波形的主波峰值点;
计算模块,用于计算单周期内脉搏波形数据的二阶导数,计算单周期内1/2心动周期位置;
峰值检测模块,对二阶导数结果进行峰值检测,得到波峰波谷数组;
降中峡模块,用于取波峰数组中靠近1/2心动周期的波峰点,即降中峡对应的位置;
重搏波模块,用于取波谷数组中靠近降中峡之后的第一个波谷点位置,即重搏波对应的位置。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种脉搏波信号的处理方法,其特征在于,所述方法包括以下步骤:
A、采集脉搏波信号;
B、依次采用数字滤波、周期识别、基线调整、特征点识别的方法将采集的脉搏波信号进行处理;
C、将处理过的脉搏波信号进行存储;
所述数字滤波,通过一定的算法,对原始数据进行平滑、滤波预处理,去除波形中毛刺,最大限度的保证脉搏波在在幅度及相位上的不失真;
所述周期识别,即一段多周期的脉搏信号中辨识出每个周期的起始点坐标,将脉搏波形序列分割成一个一个的单周期波形数据;
所述基线调整,即有效的去除脉搏波形的基线漂移,消除呼吸运动、肌肉运动或身体位移的因素影响;
所述特征点识别,即标识出单周期内脉搏波形的主波峰值点、降中峡和重搏波。
2.根据权利要求1所述的处理方法,其特征在于,所述B步骤中包括以下步骤:
B1、利用三点均值滤波算法对原始数据进行平滑、滤波预处理,去除波形中毛刺,最大限度的保证脉搏波在幅度及相位上的不失真;
B2、对一段多周期脉搏波信号进行求导寻找最大值,设置阈值找各个周期峰值点,寻找各个压力上升最快之间的最小值,此最小值点就是一个脉搏波周期的起始点;
B3、利用插值拟合法拟合基线漂移曲线,用原始信号减去漂移曲线得到消除基线漂移的脉搏信号;
B4、标识出单周期内脉搏波形的主波峰值点、降中峡和重搏波的位置。
3.根据权利要求2所述的处理方法,其特征在于,所述B2步骤中还包括以下步骤:
B21、对一段多周期的脉搏波信号进行一阶求导;
B22、寻找求导结果中的最大值点,设置阈值;
B23、求导结果与阈值比较寻找各周期的峰值点;
B24、寻找脉搏周期的起始点。
4.根据权利要求3所述的处理方法,其特征在于,所述步骤B3还包括以下步骤:
B31、确定单个脉搏波的起始点和结束点的位置和幅值;
B32、利用插值拟合法拟合基线漂移曲线;
B33、用原始信号减去漂移曲线得到消除基线漂移的脉搏信号。
5.根据权利要求4所述的处理方法,其特征在于,所述步骤B4还包括以下步骤:
B41、求脉搏波信号在起始点与结束点之间的主波峰值点;
B42、计算单周期内脉搏波形数据的二阶导数及单周期内二分之一心动周期位置;
B43、对二阶导数结果进行峰值检测,得到波峰波谷数组;
B44、取波峰数组中靠近二分之一心动周期的波峰点为降中峡位置;
B45、取波谷数组中靠近降中峡之后的第一个波谷点位置为重搏波位置。
6.一种脉搏波信号的处理系统,其特征在于:该处理系统包括:
采集显示模块,用于采集并显示脉搏波信号;
信号处理模块,用于采用数字滤波、周期识别、基线调整、特征点识别的方法将采集的脉搏波信号进行处理;
信号存储模块,用于将处理过的脉搏波信号进行存储;
所述数字滤波,通过一定的算法,对原始数据进行平滑、滤波预处理,去除波形中毛刺,最大限度的保证脉搏波在在幅度及相位上的不失真;
所述周期识别,即一段多周期的脉搏信号中辨识出每个周期的起始点坐标,将脉搏波形序列分割成一个一个的单周期波形数据;
所述基线调整,即有效的去除脉搏波形的基线漂移,消除呼吸运动、肌肉运动或身体位移的因素影响;
所述特征点识别,即标识出单周期内脉搏波形的主波峰值点、降中峡和重搏波。
7.根据权利要求6所述的处理系统,其特征在于,所述信号处理模包括:
数字滤波单元,用于利用三点均值滤波算法对原始数据进行平滑、滤波预处理,去除波形中毛刺,最大限度的保证脉搏波在幅度及相位上的不失真;
周期识别单元,用于对一段多周期脉搏波信号进行求导寻找最大值,设置阈值找各个周期峰值点,寻找各个压力上升最快之间的最小值,此最小值点就是一个脉搏波周期的起始点;
基线调整单元,用于利用插值拟合法拟合基线漂移曲线,用原始信号减去漂移曲线得到消除基线漂移的脉搏信号;
特征点识别单元,用于标识出单周期内脉搏波形的主波峰值点、降中峡和重搏波的位置。
8.根据权利要求7所述的处理系统,其特征在于,所述周期识别单元包括:
信号一阶求导模块,用于对一段多周期的脉搏波信号进行一阶求导;
阈值设置模块,用于寻找求导结果中的最大值点,设置阈值;
对比寻峰值点模块,用于求导结果与阈值比较寻找各周期的峰值点;
最小值点寻找模块,用于寻找脉搏周期的起始点。
9.根据权利要求8所述的处理系统,其特征在于,所述基线调整单元包括:
幅值与位置确定模块,用于确定单个脉搏波的起始点和结束点的位置和幅值;
拟合曲线模块,用于利用插值拟合法拟合基线漂移曲线;
消除基线漂移模块,用于用原始信号减去漂移曲线得到消除基线漂移的脉搏信号。
10.根据权利要求9所述的处理系统,其特征在于,所述特征点识别单元包括:
主波峰值点计算模块,用于求脉搏波信号在起始点与结束点之间的主波峰值点;
计算模块,用于计算单周期内脉搏波形数据的二阶导数及单周期内1/2心动周期位置;
峰值检测模块,对二阶导数结果进行峰值检测,得到波峰波谷数组;
降中峡模块,用于取波峰数组中靠近1/2心动周期的波峰点为降中峡位置;
重搏波模块,用于取波谷数组中靠近降中峡之后的第一个波谷点位置为重搏波位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101101005A CN103169456A (zh) | 2013-03-29 | 2013-03-29 | 一种脉搏波信号的处理方法及处理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013101101005A CN103169456A (zh) | 2013-03-29 | 2013-03-29 | 一种脉搏波信号的处理方法及处理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103169456A true CN103169456A (zh) | 2013-06-26 |
Family
ID=48629974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013101101005A Pending CN103169456A (zh) | 2013-03-29 | 2013-03-29 | 一种脉搏波信号的处理方法及处理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103169456A (zh) |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103340609A (zh) * | 2013-07-04 | 2013-10-09 | 李文博 | 脉象自动分析及其特征提取的方法 |
CN104127173A (zh) * | 2014-07-14 | 2014-11-05 | 昆明理工大学 | 一种基于动态脉搏波特征参数的病理信息提取方法 |
CN104346528A (zh) * | 2014-10-22 | 2015-02-11 | 中国电子科技集团公司第四十一研究所 | 一种基于波形特征统计的有效振动数据截取方法 |
CN104634883A (zh) * | 2013-11-07 | 2015-05-20 | 苏州普源精电科技有限公司 | 一种具有融合峰基线调整功能的色谱工作站 |
CN104634906A (zh) * | 2013-11-07 | 2015-05-20 | 苏州普源精电科技有限公司 | 分离峰的基线调整方法和具有基线调整功能的色谱工作站 |
CN104706337A (zh) * | 2015-02-11 | 2015-06-17 | 华东师范大学 | 脉搏波波峰波谷自动检测方法 |
CN104739384A (zh) * | 2013-12-30 | 2015-07-01 | 财团法人工业技术研究院 | 动脉波分析方法及其系统 |
CN105825038A (zh) * | 2015-01-04 | 2016-08-03 | 中国移动通信集团公司 | 一种体征连续变化的获取方法、装置及系统 |
WO2017118127A1 (zh) * | 2016-01-05 | 2017-07-13 | 深圳和而泰智能控制股份有限公司 | 一种心跳信号处理方法、装置和系统 |
CN107049269A (zh) * | 2017-03-06 | 2017-08-18 | 武汉嫦娥医学抗衰机器人股份有限公司 | 一种中医脉象信号处理分析系统 |
CN107432736A (zh) * | 2017-06-06 | 2017-12-05 | 新绎健康科技有限公司 | 一种识别脉搏波形信号的方法 |
CN107468221A (zh) * | 2017-09-12 | 2017-12-15 | 济南大学 | 基于金氏脉学的脉搏波信号处理方法及肺癌检测系统 |
WO2018010107A1 (zh) * | 2016-07-13 | 2018-01-18 | 悦享趋势科技(北京)有限责任公司 | 判断脉搏波是否有效的方法及装置 |
CN107773225A (zh) * | 2016-08-26 | 2018-03-09 | 松下知识产权经营株式会社 | 脉搏波计测装置、脉搏波计测方法、程序以及记录介质 |
CN107822608A (zh) * | 2017-10-26 | 2018-03-23 | 中国民航大学 | 基于高斯混合模型的脉搏波特征提取方法 |
CN108338777A (zh) * | 2018-02-08 | 2018-07-31 | 深圳还是威健康科技有限公司 | 一种脉搏信号检测分析方法及装置 |
CN108968950A (zh) * | 2018-07-13 | 2018-12-11 | 无锡太湖学院 | 一种数字化心电采集方法、装置及系统 |
CN109009003A (zh) * | 2018-07-09 | 2018-12-18 | 东南大学 | 一种脉搏信号检测的控制方法 |
CN109512417A (zh) * | 2018-10-19 | 2019-03-26 | 天津大学 | 一种多位置动态光谱差值提取法 |
CN109589107A (zh) * | 2018-10-19 | 2019-04-09 | 天津大学 | 一种双位置动态光谱差值提取法 |
CN109907741A (zh) * | 2019-03-06 | 2019-06-21 | 珠海市万瑙特健康科技有限公司 | 三维脉波的显示方法、装置、计算机设备及存储介质 |
CN110226925A (zh) * | 2019-05-30 | 2019-09-13 | 华中科技大学 | 一种基于脉搏波的血压检测装置及方法 |
CN110477889A (zh) * | 2018-10-08 | 2019-11-22 | 合云力健康科技(北京)有限公司 | 识别桡动脉压力波形反射点的方法和装置 |
CN110495863A (zh) * | 2018-10-08 | 2019-11-26 | 合云力健康科技(北京)有限公司 | 识别桡动脉压力波形降中峡特征点的方法和装置 |
CN110693474A (zh) * | 2018-10-08 | 2020-01-17 | 合云力健康科技(北京)有限公司 | 识别桡动脉压力波形重搏波特征点的方法和装置 |
CN110750775A (zh) * | 2019-10-22 | 2020-02-04 | 广东乐芯智能科技有限公司 | 一种心率身份识别的方法 |
CN112587104A (zh) * | 2020-12-08 | 2021-04-02 | 挚感(上海)光子科技有限公司 | 一种滤除无效脉搏波形的方法 |
CN112842288A (zh) * | 2021-01-29 | 2021-05-28 | 清华大学深圳国际研究生院 | 脉搏数据分类模型建立装置、分类识别装置和测量系统 |
CN113128350A (zh) * | 2021-03-25 | 2021-07-16 | 同济大学 | 一种ppg信号特征点的时域识别定位方法、设备及介质 |
CN113940637A (zh) * | 2021-09-30 | 2022-01-18 | 广东宝莱特医用科技股份有限公司 | 脉搏波信号质量评估方法、装置及存储介质 |
CN116302897A (zh) * | 2023-05-15 | 2023-06-23 | 合肥联宝信息技术有限公司 | 一种数据集的建立方法、装置、电子设备及存储介质 |
CN117033918A (zh) * | 2023-08-01 | 2023-11-10 | 珠海精实测控技术股份有限公司 | 一种波形数据分段处理方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4867571A (en) * | 1986-09-26 | 1989-09-19 | Sensormedics Corporation | Wave form filter pulse detector and method for modulated signal |
CN101357062A (zh) * | 2008-08-22 | 2009-02-04 | 华南理工大学 | 基于容积脉搏波检测的生命体征参数测评装置 |
CN102670182A (zh) * | 2012-05-03 | 2012-09-19 | 北京工业大学 | 脉搏波采集质量实时分析装置 |
US20120259189A1 (en) * | 2011-04-06 | 2012-10-11 | Massachusetts Institute Of Technology | Cardiovascular index estimation methods |
-
2013
- 2013-03-29 CN CN2013101101005A patent/CN103169456A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4867571A (en) * | 1986-09-26 | 1989-09-19 | Sensormedics Corporation | Wave form filter pulse detector and method for modulated signal |
CN101357062A (zh) * | 2008-08-22 | 2009-02-04 | 华南理工大学 | 基于容积脉搏波检测的生命体征参数测评装置 |
US20120259189A1 (en) * | 2011-04-06 | 2012-10-11 | Massachusetts Institute Of Technology | Cardiovascular index estimation methods |
CN102670182A (zh) * | 2012-05-03 | 2012-09-19 | 北京工业大学 | 脉搏波采集质量实时分析装置 |
Non-Patent Citations (1)
Title |
---|
于璐: "基于虚拟仪器的脉搏信号处理方法研究及应用", 《万方学位论文》 * |
Cited By (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103340609A (zh) * | 2013-07-04 | 2013-10-09 | 李文博 | 脉象自动分析及其特征提取的方法 |
CN104634906A (zh) * | 2013-11-07 | 2015-05-20 | 苏州普源精电科技有限公司 | 分离峰的基线调整方法和具有基线调整功能的色谱工作站 |
CN104634906B (zh) * | 2013-11-07 | 2018-07-13 | 苏州普源精电科技有限公司 | 分离峰的基线调整方法和具有基线调整功能的色谱工作站 |
CN104634883A (zh) * | 2013-11-07 | 2015-05-20 | 苏州普源精电科技有限公司 | 一种具有融合峰基线调整功能的色谱工作站 |
CN104739384A (zh) * | 2013-12-30 | 2015-07-01 | 财团法人工业技术研究院 | 动脉波分析方法及其系统 |
CN104127173B (zh) * | 2014-07-14 | 2016-06-08 | 昆明理工大学 | 一种基于动态脉搏波特征参数的病理信息提取方法 |
CN104127173A (zh) * | 2014-07-14 | 2014-11-05 | 昆明理工大学 | 一种基于动态脉搏波特征参数的病理信息提取方法 |
CN104346528A (zh) * | 2014-10-22 | 2015-02-11 | 中国电子科技集团公司第四十一研究所 | 一种基于波形特征统计的有效振动数据截取方法 |
CN104346528B (zh) * | 2014-10-22 | 2017-05-10 | 中国电子科技集团公司第四十一研究所 | 一种基于波形特征统计的有效振动数据截取方法 |
CN105825038A (zh) * | 2015-01-04 | 2016-08-03 | 中国移动通信集团公司 | 一种体征连续变化的获取方法、装置及系统 |
CN105825038B (zh) * | 2015-01-04 | 2018-10-30 | 中国移动通信集团公司 | 一种体征连续变化的获取方法、装置及系统 |
CN104706337A (zh) * | 2015-02-11 | 2015-06-17 | 华东师范大学 | 脉搏波波峰波谷自动检测方法 |
WO2017118127A1 (zh) * | 2016-01-05 | 2017-07-13 | 深圳和而泰智能控制股份有限公司 | 一种心跳信号处理方法、装置和系统 |
WO2018010107A1 (zh) * | 2016-07-13 | 2018-01-18 | 悦享趋势科技(北京)有限责任公司 | 判断脉搏波是否有效的方法及装置 |
CN107773225A (zh) * | 2016-08-26 | 2018-03-09 | 松下知识产权经营株式会社 | 脉搏波计测装置、脉搏波计测方法、程序以及记录介质 |
CN107049269A (zh) * | 2017-03-06 | 2017-08-18 | 武汉嫦娥医学抗衰机器人股份有限公司 | 一种中医脉象信号处理分析系统 |
CN107432736A (zh) * | 2017-06-06 | 2017-12-05 | 新绎健康科技有限公司 | 一种识别脉搏波形信号的方法 |
CN107432736B (zh) * | 2017-06-06 | 2021-03-02 | 新绎健康科技有限公司 | 一种识别脉搏波形信号的方法 |
CN107468221A (zh) * | 2017-09-12 | 2017-12-15 | 济南大学 | 基于金氏脉学的脉搏波信号处理方法及肺癌检测系统 |
CN107822608A (zh) * | 2017-10-26 | 2018-03-23 | 中国民航大学 | 基于高斯混合模型的脉搏波特征提取方法 |
CN108338777A (zh) * | 2018-02-08 | 2018-07-31 | 深圳还是威健康科技有限公司 | 一种脉搏信号检测分析方法及装置 |
CN109009003A (zh) * | 2018-07-09 | 2018-12-18 | 东南大学 | 一种脉搏信号检测的控制方法 |
CN108968950A (zh) * | 2018-07-13 | 2018-12-11 | 无锡太湖学院 | 一种数字化心电采集方法、装置及系统 |
CN110693474B (zh) * | 2018-10-08 | 2022-02-15 | 合肥伊阳健康科技有限公司 | 识别桡动脉压力波形重搏波特征点的方法和装置 |
CN110477889B (zh) * | 2018-10-08 | 2021-11-02 | 合肥伊阳健康科技有限公司 | 识别桡动脉压力波形反射点的方法和装置 |
CN110495863B (zh) * | 2018-10-08 | 2021-07-09 | 合肥伊阳健康科技有限公司 | 识别桡动脉压力波形降中峡特征点的方法和装置 |
CN110477889A (zh) * | 2018-10-08 | 2019-11-22 | 合云力健康科技(北京)有限公司 | 识别桡动脉压力波形反射点的方法和装置 |
CN110495863A (zh) * | 2018-10-08 | 2019-11-26 | 合云力健康科技(北京)有限公司 | 识别桡动脉压力波形降中峡特征点的方法和装置 |
CN110693474A (zh) * | 2018-10-08 | 2020-01-17 | 合云力健康科技(北京)有限公司 | 识别桡动脉压力波形重搏波特征点的方法和装置 |
CN109512417A (zh) * | 2018-10-19 | 2019-03-26 | 天津大学 | 一种多位置动态光谱差值提取法 |
CN109512417B (zh) * | 2018-10-19 | 2021-04-20 | 天津大学 | 一种多位置动态光谱差值提取法 |
CN109589107A (zh) * | 2018-10-19 | 2019-04-09 | 天津大学 | 一种双位置动态光谱差值提取法 |
CN109589107B (zh) * | 2018-10-19 | 2021-05-07 | 天津大学 | 一种双位置动态光谱差值提取法 |
CN109907741A (zh) * | 2019-03-06 | 2019-06-21 | 珠海市万瑙特健康科技有限公司 | 三维脉波的显示方法、装置、计算机设备及存储介质 |
CN110226925A (zh) * | 2019-05-30 | 2019-09-13 | 华中科技大学 | 一种基于脉搏波的血压检测装置及方法 |
CN110226925B (zh) * | 2019-05-30 | 2020-12-18 | 华中科技大学 | 一种基于脉搏波的血压检测装置 |
CN110750775B (zh) * | 2019-10-22 | 2021-12-03 | 西安云晖猎豹智能科技有限公司 | 一种心率身份识别的方法 |
CN110750775A (zh) * | 2019-10-22 | 2020-02-04 | 广东乐芯智能科技有限公司 | 一种心率身份识别的方法 |
CN112587104A (zh) * | 2020-12-08 | 2021-04-02 | 挚感(上海)光子科技有限公司 | 一种滤除无效脉搏波形的方法 |
CN112842288B (zh) * | 2021-01-29 | 2022-02-25 | 清华大学深圳国际研究生院 | 脉搏数据分类模型建立装置、分类识别装置和测量系统 |
CN112842288A (zh) * | 2021-01-29 | 2021-05-28 | 清华大学深圳国际研究生院 | 脉搏数据分类模型建立装置、分类识别装置和测量系统 |
CN113128350A (zh) * | 2021-03-25 | 2021-07-16 | 同济大学 | 一种ppg信号特征点的时域识别定位方法、设备及介质 |
CN113940637A (zh) * | 2021-09-30 | 2022-01-18 | 广东宝莱特医用科技股份有限公司 | 脉搏波信号质量评估方法、装置及存储介质 |
CN113940637B (zh) * | 2021-09-30 | 2023-11-03 | 广东宝莱特医用科技股份有限公司 | 脉搏波信号质量评估方法、装置及存储介质 |
CN116302897A (zh) * | 2023-05-15 | 2023-06-23 | 合肥联宝信息技术有限公司 | 一种数据集的建立方法、装置、电子设备及存储介质 |
CN116302897B (zh) * | 2023-05-15 | 2023-10-17 | 合肥联宝信息技术有限公司 | 一种数据集的建立方法、装置、电子设备及存储介质 |
CN117033918A (zh) * | 2023-08-01 | 2023-11-10 | 珠海精实测控技术股份有限公司 | 一种波形数据分段处理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103169456A (zh) | 一种脉搏波信号的处理方法及处理系统 | |
CN104063645B (zh) | 一种基于心电信号动态自更新样本的身份识别方法 | |
CN103027667B (zh) | 脉搏波的特征参数提取 | |
JP7038189B2 (ja) | ノイズ検出方法及び装置 | |
CN105468951B (zh) | 通过心电特征进行身份识别的方法及装置、可穿戴设备 | |
CN106294331B (zh) | 音频信息检索方法及装置 | |
CN103989462B (zh) | 一种脉搏波形第一特征点和第二特征点的提取方法 | |
CN107067031B (zh) | 一种基于Wi-Fi信号的书法姿态自动识别方法 | |
CN109381181A (zh) | 心电信号特征波形的端点检测方法 | |
WO2017148452A1 (zh) | 一种心电信号波形特征点的提取方法及装置 | |
Islam et al. | HBS: a novel biometric feature based on heartbeat morphology | |
JP6869691B2 (ja) | 信号特徴抽出方法及びその装置並びにコンピュータ読取可能記録媒体 | |
CN104161510A (zh) | 一种多级导联心电信号qrs波形识别方法 | |
US9125580B2 (en) | Electrocardiography signal extraction method | |
CN106618560B (zh) | 脑电波信号的处理方法和装置 | |
US20170242974A1 (en) | Determining User-Interested Information Based on Wearable Device | |
CN109843158A (zh) | 判断脉搏波是否有效的方法及装置 | |
Khan et al. | ECG feature extraction in temporal domain and detection of various heart conditions | |
CN106137184B (zh) | 基于小波变换的心电信号qrs波检测方法 | |
Tseng et al. | Sliding large kernel of deep learning algorithm for mobile electrocardiogram diagnosis | |
CN106772572B (zh) | 一种微地震监测初至的拾取方法 | |
CN109214318B (zh) | 一种寻找非稳态时间序列微弱尖峰的方法 | |
CN110179456B (zh) | 心电噪声识别模型训练及心电噪声检测方法、装置 | |
CN102755154B (zh) | 一种从脉搏波中提取传导时间的计算方法 | |
CN114159075B (zh) | Qrs波优化装置、系统及存储介质 |
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: 20130626 |