CN106264505A - 一种基于支持向量机的心率谱峰选择方法 - Google Patents

Abstract

本发明公开了一种基于支持向量机的心率谱峰选择方法，以实现高精度的心率测量。该方法中，反射式光电传感器和运动传感器从用户手腕处采集同时间段内的多个光电容积脉搏波信号及加速度信号；由于加速度信号和运动噪声信号的强相关性，可通过谱减法从多个光电容积脉搏波信号频谱中减去运动噪声；然后，利用硬阈值方法从去噪后的多个光电容积脉搏波信号频谱中选取满足阈值要求的谱峰作为候选谱峰；最后，利用基于支持向量机的方法选择心率所对应的正确谱峰。本发明能有效地消除运动噪声，提高心率测量方法的泛化性能和鲁棒性。

Description

一种基于支持向量机的心率谱峰选择方法

技术领域

本发明涉及生理信号处理领域，尤其涉及一种基于支持向量机的心率谱峰选择方法。

背景技术

在人体生理参数检测中，心率测量是一个非常重要的生理指标，既为医学判断提供参考，又能帮助用户合理规划运动量。传统的心率测量技术虽能达到较高的测量精度，但其受限于复杂的硬件实现。近年来，一种无创且低成本的光电容积脉搏波描记法(Photoplethysmography，PPG)被广泛应用于测量血流量的变化。然而，光电容积脉搏波是一种信号强度弱、易受噪声干扰的生物信号。在运动状态下，极易产生与心率频率十分接近的运动噪声，进而使得心率测量精度下降。

基于光电容积脉搏波信号的心率测量方法，研究人员已进行了相关研究并取得了一些研究成果。例如，发明专利“一种适用于可穿戴式心率监测设备的运动和噪声干扰消除方法”(申请号：2014103972950，申请公布号：CN104161505A)中将归一化最小均方差(NLMS)自适应滤波器和Mallat算法融合，用于消除运动部分噪声干扰；发明专利“一种适用于可穿戴式心率测量设备的运动噪声消除方法”(申请号：2015108739779，申请公布号：CN105286845A)中利用谱减法去除光电容积脉搏波信号频谱中的运动噪声，然后根据谱峰跟踪机制定位心率频率点位置。

本发明提出一种基于支持向量机的心率谱峰选择方法。首先，该方法利用加速度信号频谱容易地从多个原始光电容积脉搏波信号频谱中减去运动噪声；其次，该方法利用硬阈值方法选取满足要求的谱峰作为候选谱峰，并将心率的谱峰选择问题看作简单的分类问题，利用基于支持向量机的方法选择心率所对应的正确谱峰，在谱峰选择过程中减少了人为调整的参数量，有效提高了心率测量方法的泛化性能和鲁棒性。

发明内容

本发明所要解决的技术问题是如何对去噪后的光电容积脉搏波信号频谱中的心率谱峰进行选择，以提高整个心率测量方法的泛化性能以及鲁棒性。

为了解决上述技术问题，本发明提供了一种基于支持向量机的心率谱峰选择方法，其特征在于：

所述反射式光电传感器采集多个含有剧烈运动噪声的光电容积脉搏波信号，并利用所述谱减法对多个光电容积脉搏波信号中的运动噪声进行消除；然后，利用所述硬阈值方法选取满足要求的谱峰作为候选谱峰；最后，利用所述基于支持向量机的方法选择心率谱峰；

该方法包括如下步骤：

所述反射式传感器采集所述多个含有剧烈运动噪声的光电容积脉搏波信号；所述谱减法消除所述强烈的运动噪声，获得多个干净的光电容积脉搏波信号频谱；

所述硬阈值方法对所述多个干净的光电容积脉搏波信号频谱进行处理，即设置阈值，选取出满足要求的谱峰构成候选谱峰集合；最后，将心率的谱峰选择问题看作分类问题，利用所述基于支持向量机的方法选择出心率所对应的正确谱峰，输出连续的心率值；

优选地，经所述谱减法后，获得所述多个干净的光电容积脉搏波信号频谱，然后利用所述硬阈值方法设定合适的阈值，并从所述多个干净的光电容积脉搏波信号频谱中选取出谱峰振幅大于所述阈值的谱峰，构成候选谱峰集合，阈值η计算公式表达如下：

η＝δ·max{|z|}

其中，

z表示每个干净的光电容积脉搏波通道的频谱，δ表示尺度因子，用于控制阈值的大小，max{·}表示不同通道的光电容积脉搏波信号频谱中的最大值；

优选地，心率的谱峰选择问题看作分类问题主要基于以下原因：在每个时间窗口中仅有一个谱峰是对应正确心率的，其余谱峰均为错误的；且正确谱峰具有的振幅以及峰峰间距与错误的谱峰具有明显的差别；

优选地，所述基于支持向量机的方法包括训练和测试阶段，首先从所有候选谱峰中提取谱峰振幅和峰峰间距特征，开始进行训练；然后利用训练好的支持向量机进行测试，选择出心率对应的正确谱峰，最终输出用户的心率。

与现有技术相比，本发明提供的技术方案有效地消除了光电容积脉搏波信号中的运动噪声，并大大地提高了心率测量方法的泛化性能和鲁棒性。

附图说明

图1为本发明实施例的基于支持向量机的心率谱峰选择方法的流程示意图。

具体实施方式

以下结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。

本发明的技术方案利用运动加速度信号频谱能够容易地从多个原始光电容积脉搏波信号频谱中减去运动噪声的谱峰，得到多个干净的光电容积脉搏波信号频谱。同时，该方法利用硬阈值方法从多个干净的光电容积脉搏波信号频谱中选取满足要求的谱峰作为候选谱峰，并将心率的谱峰选择问题看作分类问题，在谱峰选择过程中减少了较多需要人工调整的参数，有效地提高了心率测量方法的泛化能力和鲁棒性。

实施例一、基于支持向量机的心率谱峰选择方法

图1为本实施例的基于支持向量机的心率谱峰选择方法的流程示意图。

图1所示的本实施例，是基于支持向量机的心率谱峰选择方法的整体流程，主要包括如下步骤：

步骤S210，利用分布在不同位置的两个反射式光电传感器采集两个通道的光电容积脉搏波信号，再利用运动传感器采集同时间段内的三个运动方向的加速度信号；

步骤S220，预处理包括将上述原始信号进行下采样至采样频率为25Hz的操作以及通过通带为0.4Hz-4Hz的二阶巴特沃斯滤波器的滤波操作；

步骤S230，两个光电容积脉搏波信号频谱中运动噪声的频率位置与运动加速度信号频谱的频率位置对齐，利用谱减法去除光电容积脉搏波信号中的运动噪声，得到两个干净的光电容积脉搏波信号频谱；

步骤S240，利用所述硬阈值方法设定合适的阈值，从上述两个干净的光电容积脉搏波信号频谱中选取出谱峰振幅大于所述阈值的谱峰，构成候选谱峰集合；

本步骤中，典型地，阈值η计算公式表达如下：

η＝δ·max{|z|} (1)

其中，z表示两个干净的光电容积脉搏波通道的频谱，δ表示尺度因子，用于控制阈值的大小，max{·}表示两个通道的光电容积脉搏波信号频谱中的最大值；

步骤S250，在候选谱峰集合中提取所有候选谱峰的谱峰振幅和峰峰间距特征，开始进行训练；然后利用训练好的支持向量机进行测试，选择出心率对应的正确谱峰；

本步骤中，典型地，谱峰振幅f(amp)和峰峰间距f(sep；μ，b)的计算公式如下所示：

$f\left(amp\right)=\frac{{\mathrm{amp}}_{\max }}{1-e^{-amp}}---\left(2\right)$

$f(sep;\mathrm{\μ},b)=\frac{1}{2b}{e}^{-\frac{\left|sep\right|}{b}}---\left(3\right)$

其中，amp是谱峰振幅，amp_max是当前时间窗口中最大的谱峰振幅，sep是峰峰间距，b是尺度参数；

由于每个时间窗口中仅有一个谱峰对应于正确的心率，其余均为错误谱峰，所以心率的谱峰选择问题可看作分类问题；且心率所对应的正确谱峰所具有的振幅以及峰峰间距与错误的谱峰具有明显的差别，因此本实施例将谱峰振幅和峰峰间距作为支持向量机训练的特征；

步骤S250，经上述步骤处理后，输出用户的实时心率；

本步骤中，典型地，用户的心率值的计算公式如下：

BPM_est＝f_HR*60 (4)

其中，BPM_est表示每分钟心脏跳动的次数，f_HR表示当前时间窗口中心率所对应的正确谱峰。

本实施例中，首先利用两个反射式光电传感器和一个运动传感器从用户手腕处采集同时间段内的两个光电容积脉搏波信号和加速度信号，并利用谱减法消除运动噪声；其次利用硬阈值方法从两个干净的光电容积脉搏波信号频谱中选取符合阈值要求的谱峰作为候选谱峰，并将心率的谱峰选择问题看作分类问题，利用基于支持向量机的方法精确地选择心率谱峰。此方法有效地消除了光电容积脉搏波信号中的运动噪声干扰，并提高了心率测量方法的泛化性能和鲁棒性。

虽然本发明所揭露的实施方式如上，但上述内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。在不脱离本发明所揭露的精神及范围的前提下，可在实施的形式上及细节上作任何的修饰与变化，但本发明的专利保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (4)

1.一种基于支持向量机的心率谱峰选择方法，其特征在于：

所述反射式光电传感器采集多个含有剧烈运动噪声的光电容积脉搏波信号，并利用所述谱减法对多个光电容积脉搏波信号中的运动噪声进行消除；然后，利用所述硬阈值方法选取满足要求的谱峰作为候选谱峰；最后，利用所述基于支持向量机的方法选择心率谱峰；

该方法包括如下步骤：

所述反射式传感器采集所述多个含有剧烈运动噪声的光电容积脉搏波信号；所述谱减法消除所述强烈的运动噪声，获得多个干净的光电容积脉搏波信号频谱；

所述硬阈值方法对所述多个干净的光电容积脉搏波信号频谱进行处理，即设置阈值，选取出满足要求的谱峰构成候选谱峰集合；最后，将心率的谱峰选择问题看作分类问题，利用所述基于支持向量机的方法选择出心率所对应的正确谱峰，输出连续的心率值。

2.根据权利要求1所述的基于支持向量机的心率谱峰选择方法，其特征在于：

经所述谱减法后，获得所述多个干净的光电容积脉搏波信号频谱，然后利用所述硬阈值方法设定合适的阈值，并从所述多个干净的光电容积脉搏波信号频谱中选取出谱峰振幅大于所述阈值的谱峰，构成候选谱峰集合，阈值η计算公式表达如下：

η＝δ·max{|z|}

其中，

z表示每个干净的光电容积脉搏波通道的频谱，δ表示尺度因子，用于控制阈值的大小，max{·}表示不同通道的光电容积脉搏波信号频谱中的最大值。

3.根据权利要求1所述的基于支持向量机的心率谱峰选择方法，其特征在于：

心率的谱峰选择问题看作分类问题主要基于以下原因：在每个时间窗口中仅有一个谱峰是对应正确心率的，其余谱峰均为错误的；且正确谱峰具有的振幅以及峰峰间距与错误的谱峰具有明显的差别。

4.根据权利要求1所述的基于支持向量机的心率谱峰选择方法，其特征在于：

所述基于支持向量机的方法包括训练和测试阶段，首先从所有候选谱峰中提取谱峰振幅和峰峰间距特征，开始进行训练；然后利用训练好的支持向量机进行测试，选择出心率对应的正确谱峰，最终输出用户的心率。