CN104107038A - 脉搏波信号的去噪处理方法和装置及脉搏式血氧仪 - Google Patents

Abstract

本申请公开一种脉搏波信号的去噪处理方法和装置及脉搏式血氧仪，该方法包括如下步骤：a．将通过对生物体组织透射光后得到的脉搏波时域信号进行归一化；b．利用归一化后的脉搏波时域信号的平均梯度来估算心率；c．根据所估算的心率对脉搏波时域信号进行去噪处理。本申请的脉搏波信号的去噪处理方法和装置及脉搏式血氧仪具有算法简单同时能在低灌注度情况下实现准确测量的优点。

Description

脉搏波信号的去噪处理方法和装置及脉搏式血氧仪

技术领域

本发明涉及医疗器械领域，尤其涉及一种在低灌注情况下脉搏波信号的去噪处理方法和装置及脉搏式血氧仪。

背景技术

目前，通过光学方法实现无创检测血氧饱和度及心率的技术在医疗领域已得到广泛使用。随着技术的不断进步及发展，这种检测血氧饱和度的设备不断小型化，便携式的血氧仪正得到越来越广泛的应用。

现有的脉搏式血氧仪所采用的计算方法很多，例如采用红外光谱光电法等。但无论采用何种计算方法来获得血氧饱和度和心率，其最基本的问题是脉搏波信号的噪声去除。

关于脉搏波信号的噪声去除，目前主要采用以下两类方法：1.仅在时域内进行简单降噪处理，即采用低通、带通、高通等常规的滤波方法对脉搏波信号进行滤波去噪，这类方法处理比较简单，运算量较小，对硬件平台要求较低。2.利用傅里叶变换、小波变换、自适应滤波等相对较为复杂的算法进行去噪处理，这类方法运算量较大，对硬件平台要求相对较高。目前，由于血氧仪小型化的需求，同时还要保证性能规格保持较高水准，因此对算法提出了较高要求，即，要求算法简捷同时又能实现较高的性能规格。而对于上述第1类方法，由于其没有针对不同心率进行针对性的滤波去噪，因而难以实现低灌注（脉搏搏动比较弱）下血氧饱和度和心率的准确测量。此外，对于上述第2类方法，其算法相对比较复杂，即使实现了低灌注下血氧饱和度和心率的较准确测量，但由于其对硬件平台的要求较高，故血氧仪小型化存在很大难度。

因此，目前亟须一种算法简单同时能在低灌注度情况下实现准确测量的小型血氧仪（譬如指夹式血氧仪）。

发明内容

本申请的一目的在于提供一种算法简单同时能在低灌注度情况下实现准确测量的脉搏波信号的去噪处理方法和装置及脉搏式血氧仪。

为了实现上述目的，本申请提供一种脉搏波信号的去噪处理方法，包括如下步骤：a．将通过对生物体组织透射光后得到的脉搏波时域信号进行归一化；b．利用归一化后的脉搏波时域信号的平均梯度来估算心率；c．根据所估算的心率对脉搏波时域信号进行去噪处理。

优选地，在步骤b中，可以在归一化后的脉搏波时域信号的波形内任意采样多个脉搏波数据点，并可以利用如下公式来估算心率PR：

$\mathrm{PR}\≈\frac{60000/t}{2(N2-N1)/\stackrel{\‾}{\mathrm{\ΔX}}}$

其中，t为脉搏波数据点的采样周期，单位为毫秒，N1、N2分别为归一化后的脉搏波时域波形的幅值的最小值和最大值，为脉搏波数据点的平均梯度。

优选地，可以利用如下公式来计算平均梯度：

$\stackrel{\‾}{\mathrm{\ΔX}}=\frac{\underset{i=1}{\overset{M-1}{\mathrm{\Σ}}}|X_{i+1}-X_i|}{M-1}$

其中，M为所采样的脉搏波数据点的数目，X_i为第i个脉搏波数据点的值，i为大于零小于等于M的整数。

优选地，在步骤a之前还可以包括对脉搏波时域信号进行低通或带通滤波处理和基线漂移处理的步骤。

优选地，步骤c中的去噪处理可以包括对脉搏波时域信号进行低通或带通滤波处理。

本申请还提供一种脉搏波信号的去噪处理装置，包括：归一化模块，对通过对生物体组织透射光后得到的脉搏波时域信号进行归一化；心率估算模块，利用归一化后的脉搏波时域信号的平均梯度来估算心率；去噪处理模块，根据所估算的心率对脉搏波时域信号进行去噪处理。

优选地，该心率估算模块可以在归一化后的脉搏波时域信号的波形内任意采样多个脉搏波数据点，并利用如下公式来估算心率PR：

$\mathrm{PR}\≈\frac{60000/t}{2(N2-N1)/\stackrel{\‾}{\mathrm{\ΔX}}}$

其中，t为脉搏波数据点的采样周期，单位为毫秒，N1、N2分别为归一化后的脉搏波时域波形的幅值的最小值和最大值，为脉搏波数据点的平均梯度。

优选地，该平均梯度可以利用如下公式来计算：

$\stackrel{\‾}{\mathrm{\ΔX}}=\frac{\underset{i=1}{\overset{M-1}{\mathrm{\Σ}}}|X_{i+1}-X_i|}{M-1}$

其中，M为所采样的脉搏波数据点的数目，X_i为第i个脉搏波数据点的值，i为大于零小于等于M的整数。

优选地，该去噪处理装置还可以包括在归一化之前对脉搏波时域信号进行低通或带通滤波处理和基线漂移处理的预处理模块。

优选地，该去噪处理模块可以对脉搏波时域信号进行低通或带通滤波处理。

本申请还提供一种脉搏式血氧仪，包括：光电传感器，向生物体组织发射光，接收透射过该生物体组织后的光强，并将接收的光强转换为电信号；A/D转换器，将该电信号转换为数字化的脉搏波时域信号；以及数据处理模块，从该A/D转换器接收该脉搏波时域信号，并对该脉搏波时域信号进行处理以得到血氧饱和度和心率，其中该数据处理模块包括如上所述的脉搏波信号的去噪处理装置。

本申请具有如下的优点：其算法简单，同时能在低灌注度情况下实现准确测量。

附图说明

图1是脉搏波时域信号去噪处理的流程图；

图2是归一化后的脉搏波时域波形图；

图3a和图3b分别示出了原始脉搏波时域信号和根据本申请的实施例处理后的脉搏波时域信号的波形图；

图4是示出根据本申请的一实施例的脉搏式血氧仪的配置图；以及

图5是示出根据本申请的一实施例的数据处理模块的配置图。

具体实施方式

下面将详细描述本申请的实施例。应当注意，这里描述的实施例仅用于举例说明，并不用于限制本申请的范围。

首先，将参考图1描述对脉搏波时域信号进行去噪处理的具体流程。

在步骤S01中，将通过对生物体组织（例如，人的手指）透射光后得到的脉搏波时域信号进行归一化；

接着，在步骤S02，利用在步骤S01中归一化后的脉搏波时域信号的平均梯度来估算心率；

最后，在步骤S03中，根据在步骤S02中所估算的心率对脉搏波时域信号进行去噪处理。

接着，将参考图4详细描述根据本申请的一实施例的脉搏式血氧仪的配置。

如图4所示，脉搏式血氧仪1包括：光电传感器11，向生物体组织发射光，接收透射过该生物体组织后的光强，并将接收的光强转换为电信号；A/D转换器12，将该电信号转换为数字化的脉搏波时域信号；以及数据处理模块13，从该A/D转换器接收该脉搏波时域信号，并对该脉搏波时域信号进行处理以得到血氧饱和度和心率。

然后，将参考图5详细说明根据本申请的一实施例的数据处理模块13的配置。

如图5所示，数据处理模块13包括：归一化模块131，对通过对生物体组织透射光后得到的脉搏波时域信号进行归一化；心率估算模块132，利用归一化后的脉搏波时域信号的平均梯度来估算心率；以及去噪处理模块133，根据所估算的心率对脉搏波时域信号进行去噪处理。

下面将详细描述根据本申请的一实施例对脉搏波时域信号进行去噪处理的过程。

首先，将通过对生物体组织透射光后得到的脉搏波时域信号进行第一次低通或带通滤波处理（即，高频去噪）和基线漂移处理。上述低通或带通滤波处理可以消除脉搏波时域波形中的高频噪声，即消除脉搏波时域波形中的毛刺；而基线漂移处理可以消除脉搏波时域信号的直流波动。通过第一次低通或带通滤波和基线漂移处理，可以使其后的粗略评价心率步骤更为准确。

然后，将上述经高频去噪和基线漂移处理后的脉搏波时域信号归一化在一个范围[N1,N2]之内，归一化后的脉搏波时域信号如图2所示。在图2中，横轴为归一化后的脉搏波时域信号的波形的采样点，纵轴为归一化后的幅值（最大值为N2，最小值为N1）。

接着，从采样点中任意选取M个脉搏波数据点，这M个数据点的值为X_i(0<i≤M)，并依次计算每两个相邻的数据点之间的梯度|X_i+1-X_i|，从而可以利用如下公式（1）计算这M个脉搏波数据点的平均梯度如下：

$\stackrel{\&OverBar;}{\mathrm{\&Delta;X}}=\frac{\underset{i=1}{\overset{M-1}{\mathrm{\&Sigma;}}}|X_{i+1}-X_i|}{M-1}---\left(1\right)$

设脉搏波数据采样点的周期为t毫秒，则1分钟内包含的数据点个数为60000/t。如图2所示，在一个完整的脉搏波周期所包含的采样点中，相邻采样点之间梯度的总和大约为2(N2-N1)，故一个完整的脉搏波周期所包含的采样点个数大约为：。因此，心率PR与脉搏波数据点平均梯度存在如下公式（2）的关系：

$\mathrm{PR}\&ap;\frac{60000/t}{2(N2-N1)/\stackrel{\&OverBar;}{\mathrm{\&Delta;X}}}---\left(2\right)$

最后，根据上述粗估算的心率进行针对性的低通或带通滤波，以尽可能消除当前脉搏波数据的噪声。

下面将参考图3a和图3b来描述采用本申请的脉搏波时域信号去噪处理的效果。图3a示出了灌注度为0.1%且心率为60的脉搏波时域信号，可以看出，该脉搏波时域信号毛刺多且起伏大。图3b示出了经过上述具有针对性的脉搏波时域信号去噪处理过程之后的脉搏波时域波形，可以看到，利用本申请处理后的脉搏波时域波形已经较平滑，以这样的脉搏波时域波形来准确实现血氧饱和度和心率的计算相对较容易。由此可见，通过上述的本申请的脉搏波时域信号去噪处理后，在小型化血氧仪（譬如指夹式血氧仪）中实现灌注度0.1%的准确测量是可行的。

上述实施例中的数据处理模块、去噪处理装置、归一化模块和心率估算模块可以设计在单片机中，也可以集成在其它半导体芯片中。

尽管上面以示例性实施例的方式对本申请进行了详细描述，但本申请的范围不限于上述实施例，本领域的技术人员可以对本申请进行各种改进和变型，这些均不脱离本申请的范围和构思。

Claims (11)

1.一种脉搏波信号的去噪处理方法，其特征在于，包括如下步骤：

a．将通过对生物体组织透射光后得到的脉搏波时域信号进行归一化；

b．利用归一化后的脉搏波时域信号的平均梯度来估算心率；

c．根据所估算的心率对脉搏波时域信号进行去噪处理。

2.根据权利要求1所述的去噪处理方法，其特征在于，在步骤b中，在归一化后的脉搏波时域信号的波形内任意采样多个脉搏波数据点，并利用如下公式来估算心率PR：

$\mathrm{PR}\&ap;\frac{60000/t}{2(N2-N1)/\stackrel{\&OverBar;}{\mathrm{\&Delta;X}}}$

其中，t为脉搏波数据点的采样周期，单位为毫秒，N1、N2分别为归一化后的脉搏波时域波形的幅值的最小值和最大值，为脉搏波数据点的平均梯度。

3.根据权利要求2所述的去噪处理方法，其特征在于，利用如下公式来计算平均梯度

$\stackrel{\&OverBar;}{\mathrm{\&Delta;X}}=\frac{\underset{i=1}{\overset{M-1}{\mathrm{\&Sigma;}}}|X_{i+1}-X_i|}{M-1}$

其中，M为所采样的脉搏波数据点的数目，X_i为第i个脉搏波数据点的值，i为大于零小于等于M的整数。

4.根据权利要求1所述的去噪处理方法，其特征在于，在步骤a之前还包括对脉搏波时域信号进行低通或带通滤波处理和基线漂移处理的步骤。

5.根据权利要求1所述的去噪处理方法，其特征在于，步骤c中的去噪处理包括对脉搏波时域信号进行低通或带通滤波处理。

6.一种脉搏波信号的去噪处理装置，其特征在于，包括：

归一化模块，对通过对生物体组织透射光后得到的脉搏波时域信号进行归一化；

心率估算模块，利用归一化后的脉搏波时域信号的平均梯度来估算心率；以及

去噪处理模块，根据所估算的心率对脉搏波时域信号进行去噪处理。

7.根据权利要求6所述的去噪处理装置，其特征在于，该心率估算模块在归一化后的脉搏波时域信号的波形内任意采样多个脉搏波数据点，并利用如下公式来估算心率PR：

$\mathrm{PR}\&ap;\frac{60000/t}{2(N2-N1)/\stackrel{\&OverBar;}{\mathrm{\&Delta;X}}}$

其中，t为脉搏波数据点的采样周期，单位为毫秒，N1、N2分别为归一化后的脉搏波时域波形的幅值的最小值和最大值，为脉搏波数据点的平均梯度。

8.根据权利要求7所述的去噪处理装置，其特征在于，该平均梯度利用如下公式来计算：

$\stackrel{\&OverBar;}{\mathrm{\&Delta;X}}=\frac{\underset{i=1}{\overset{M-1}{\mathrm{\&Sigma;}}}|X_{i+1}-X_i|}{M-1}$

其中，M为所采样的脉搏波数据点的数目，X_i为第i个脉搏波数据点的值，i为大于零小于等于M的整数。

9.根据权利要求6所述的去噪处理装置，其特征在于，还包括在归一化之前对脉搏波时域信号进行低通或带通滤波处理和基线漂移处理的预处理模块。

10.根据权利要求6所述的去噪处理装置，其特征在于，该去噪处理模块对脉搏波时域信号进行低通或带通滤波处理。

11.一种脉搏式血氧仪，其特征在于，包括：

光电传感器，向生物体组织发射光，接收透射过该生物体组织后的光强，并将接收的光强转换为电信号；

A/D转换器，将该电信号转换为数字化的脉搏波时域信号；以及

数据处理模块，从该A/D转换器接收该脉搏波时域信号，并对该脉搏波时域信号进行处理以得到血氧饱和度和心率，

其中该数据处理模块包括：如权利要求6-10中任一项所述的脉搏波信号的去噪处理装置。