CN111160090A - 一种bcg信号降噪方法及系统 - Google Patents
一种bcg信号降噪方法及系统 Download PDFInfo
- Publication number
- CN111160090A CN111160090A CN201911156119.7A CN201911156119A CN111160090A CN 111160090 A CN111160090 A CN 111160090A CN 201911156119 A CN201911156119 A CN 201911156119A CN 111160090 A CN111160090 A CN 111160090A
- Authority
- CN
- China
- Prior art keywords
- bcg signal
- value
- bcg
- signal
- processing
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
- G06F2218/06—Denoising by applying a scale-space analysis, e.g. using wavelet analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Pulmonology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种BCG信号降噪方法及系统,所述方法包括:采集获得初始BCG信号;根据预设方法去除初始BCG信号的体动干扰,获得第二BCG信号;根据加权窗函数对所述第二BCG信号进行处理,获得第三BCG信号;根据低通滤波方法对所述第三BCG信号进行处理,获得第四BCG信号;根据小波阈值去噪方法对所述第四BCG信号进行处理,并对所述M层特征进行重构,获得最终BCG信号,并输出最终BCG信号;所述方法及系统适应性强,对于不同的信号都具有较好的去噪效果,且参数结构简单、计算复杂度低,解决了现有的BCG信号去噪效果差、去噪算法较为单一复杂的问题。
Description
技术领域
本发明涉及医疗技术领域,更具体地,涉及一种BCG信号降噪方法及系统。
背景技术
心冲击信号(ballistocardiogram,BCG)是由心脏搏动和大动脉血液循环引起的人体对外压力的变化,可用于无接触心脏活动检测。心脏射血时会引起人体重力变化,心冲击信号就是利用压力传感器获取的射血引起的重力变化信号。通过检测BCG信号可以密切观察心脏变化、及时发现心脏的异常情况,将发病损失降到最低。BCG信号是一种人体生物信号,具有频率低、强度低的特性,而且易受到呼吸、体动、工频噪声的干扰,导致直接测量得到的BCG信号含有太多噪声,不能直接获得准确的生理特征信息,所以需要对采集到的BCG信号做滤波处理,去除噪声干扰。
目前,对于BCG信号的去噪处理主要是采用复合的低通滤波器、小波变换和经验模态分解等方法。对于直接使用低通滤波器很难去除不同频率的噪声,小波变换主要是对周期性平稳信号效果较好,小波去噪能同时进行时频分析且能有效区分非平稳信号的尖峰与噪声,但需选取合适的小波基和合理的小波分解才能达到理想的去噪效果,同时还要进行频域分析,确定噪声的频率范围,才能准确的去除不同频率的噪声。
发明内容
为了解决背景技术存在的现有的BCG信号去噪效果差、去噪算法较为单一复杂的问题,本发明提供了一种BCG信号降噪方法及系统,所述方法及系统基于加权窗函数和小波阀值去噪对BCG信号降噪,在高度复杂、形态多变且含有多种不同频率噪声的心冲击信号上获得了很好的去噪效果;所述一种BCG信号降噪方法包括:
采集获得初始BCG信号;
根据预设方法去除初始BCG信号的体动干扰,获得第二BCG信号;
根据加权窗函数对所述第二BCG信号进行处理,获得第三BCG信号;
根据低通滤波方法对所述第三BCG信号进行处理,获得第四BCG信号;
根据小波阈值去噪方法对所述第四BCG信号进行处理,并对所述M层特征进行重构,获得最终BCG信号,并输出最终BCG信号。
进一步的,所述根据预设方法去除初始BCG信号的体动干扰,包括:
通过预设的阈值对所述初始BCG信号进行筛选,将超过阈值的信号标记为1,其余信号标记为0;
将标记为1的信号的前后fs/2部分的标记均更改为1,所述fs为采样率;
计算获得标记为0部分的信号的均值,将标记为1部分的信号使用所述均值进行替换,获得排除体动扰动的第二BCG信号。
进一步的,根据加权窗函数对所述第二BCG信号进行处理,包括:
设置滑动窗口大小为N,其中N为奇数;
将所述滑动窗口取出的N个值顺序排列,设中间的值为x;设定阈值为thr1;
若所述x满足x与其顺序排列前位的任一值的差的绝对值大于thr1且x与其顺序排列后位的任一值的差的绝对值也大于thr1,则判断x为异常值;
将所述滑动窗口在所述第二BCG信号上依次滑动,获得所有异常值;
对所有异常值进行平滑处理。
进一步的,所述对所述异常值进行平滑处理,包括:
根据异常值为中间的值x的窗口内的其他值以及预设规则,计算获得新的x值代替原异常值;
所述预设规则为新的x值为窗口内其他值的平方和除以窗口内其他值的和获得的商值。
进一步的,所述根据低通滤波方法对所述第三BCG信号进行处理,包括:
根据巴特沃斯滤波器对所述第三BCG信号进行滤波;所述巴特沃斯滤波器设置的截止频率低于工频赫兹;
采用零相位偏移方法对滤波初期的失真进行修正,获得第四BCG信号。
进一步的,根据小波阈值去噪方法对所述第四BCG信号进行处理,包括:
选用小波基对所述第四BCG信号在频率上分为M层;
对每层分别计算,判断包含呼吸频率的一层,将包含呼吸函数的该层上的信号置为0;
对于所述保护呼吸频率的一层的上一层和下一层,分别进行软阈值滤波处理,并对所述M层特征进行重构,获得最终BCG信号。
所述一种BCG信号降噪系统包括:
采集单元,所述采集单元用于采集获得初始的BCG信号;
体动干扰去除单元,所述体动干扰去除单元用于根据预设方法去除初始BCG信号的体动干扰,获得第二BCG信号;
加权窗函数计算单元,所述加权窗函数计算单元用于根据加权窗函数对所述第二BCG信号进行处理,获得第三BCG信号;
低通滤波单元,所述低通滤波单元用于根据低通滤波方法对所述第三BCG信号进行处理,获得第四BCG信号;
小波阈值去噪单元,所述小波阈值去噪单元用于根据小波阈值去噪方法对所述第四BCG信号进行处理,并对所述M层特征进行重构,获得最终BCG信号;
输出单元,所述输出单元用于输出所述小波阈值去噪单元获得的最终BCG信号。
进一步的,所述体动干扰去除单元用于通过预设的阈值对所述初始BCG信号进行筛选,将超过阈值的信号标记为1,其余信号标记为0;
所述体动干扰去除单元将标记为1的信号的前后fs/2部分的标记均更改为1,所述fs为采样率;
所述体动干扰去除单元计算获得标记为0部分的信号的均值,将标记为1部分的信号使用所述均值进行替换,获得排除体动扰动的第二BCG信号。
进一步的,所述加权窗函数计算单元设置滑动窗口大小为N,其中N为奇数;
所述加权窗函数计算单元将所述滑动窗口取出的N个值顺序排列,设中间的值为x;设定阈值为thr1;
若所述x满足x与其顺序排列前位的任一值的差的绝对值大于thr1且x与其顺序排列后位的任一值的差的绝对值也大于thr1,则判断x为异常值;
所述加权窗函数计算单元将所述滑动窗口在所述第二BCG信号上依次滑动,获得所有异常值,并对所有异常值进行平滑处理。
进一步的,所述加权窗函数计算单元根据异常值为中间的值x的窗口内的其他值以及预设规则,计算获得新的x值代替原异常值;所述预设规则为新的x值为窗口内其他值的平方和除以窗口内其他值的和获得的商值。
进一步的,所述低通滤波单元用于根据巴特沃斯滤波器对所述第三BCG信号进行滤波;所述巴特沃斯滤波器设置的截止频率低于工频赫兹;
所述低通滤波单元采用零相位偏移方法对滤波初期的失真进行修正,获得第四BCG信号。
进一步的,所述小波阈值去噪单元选用小波基对所述第四BCG信号在频率上分为M层;对每层分别计算,判断包含呼吸频率的一层,将包含呼吸函数的该层上的信号置为0;
对于所述保护呼吸频率的一层的上一层和下一层,分别进行软阈值滤波处理,并对所述M层特征进行重构,获得最终BCG信号。
本发明的有益效果为:本发明的技术方案,给出了一种BCG信号降噪方法及系统,所述方法及系统通过加权窗函数和小波阀值去噪等手段对BCG信号进行降噪,可有效的去除各种噪声,使得处理后的BCG信号接近标准BCG信号的波形,在高度复杂、形态多变且含有多种不同频率噪声的心冲击信号上获得了很好的去噪效果,为临床诊断提供精准、全面的数据支持;所述方法及系统适应性强,对于不同的信号都具有较好的去噪效果,且参数结构简单、计算复杂度低,解决了现有的BCG信号去噪效果差、去噪算法较为单一复杂的问题。
附图说明
通过参考下面的附图,可以更为完整地理解本发明的示例性实施方式:
图1为本发明具体实施方式的一种BCG信号降噪方法的流程图;
图2为本发明具体实施方式的一种BCG信号降噪系统的结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
图1为本发明具体实施方式的一种BCG信号降噪方法的流程图;如图1所示,所述方法包括:
步骤110,采集获得初始BCG信号;
所述初始BCG信号,可通过多种测量装置采集获得,本实施例中不做赘述。
步骤120,根据预设方法去除初始BCG信号的体动干扰,获得第二BCG信号;
在采集测量BCG信号时,由于体动干扰,会出现较大的振幅的信号,通过阈值筛选,可对手体动干扰的信号进行处理。具体的:
通过预设的阈值对所述初始BCG信号进行筛选,将超过阈值的信号标记为1,其余信号标记为0;
将标记为1的信号的前后fs/2部分的标记均更改为1,所述fs为采样率;
计算获得标记为0部分的信号的均值,将标记为1部分的信号使用所述均值进行替换,获得排除体动扰动的第二BCG信号。
步骤130,根据加权窗函数对所述第二BCG信号进行处理,获得第三BCG信号;
设置滑动窗口大小为N,其中N为奇数;
将所述滑动窗口取出的N个值顺序排列,设中间的值为x;设定阈值为thr1;
若所述x满足x与其顺序排列前位的任一值的差的绝对值大于thr1且x与其顺序排列后位的任一值的差的绝对值也大于thr1,则判断x为异常值;
将所述滑动窗口在所述第二BCG信号上依次滑动,获得所有异常值;
对所有异常值进行平滑处理。所述平滑处理是指根据异常值为中间的值x的窗口内的其他值以及预设规则,计算获得新的x值代替原异常值;
所述预设规则为新的x值为窗口内其他值的平方和除以窗口内其他值的和获得的商值。
本实施例中,选取滑动窗口为大小为5,将滑动窗口取出的值依次标记为x1,x2,x3,x4,x5,判断条件为:
(1)|x3-x2|>thr1且|x3-x4|>thr1
(2)|x3-x1|>thr1且|x3-x5|>thr1
(3)|x3-x1|>thr1且|x3-x4|>thr1
(4)|x3-x2|>thr1且|x3-x5|>thr1
如果滑动窗口中的数值满足任何一个判断条件,则判断x3为异常值,则x3的值为:
x3=a*x1+b*x2+c*x4+d*x5
其中:a=x1/(x1+x2+x4+x5),b=x2/(x1+x2+x4+x5),c=x4/(x1+x2+x4+x5),d=x5/(x1+x2+x4+x5)。
步骤140,根据低通滤波方法对所述第三BCG信号进行处理,获得第四BCG信号;
根据巴特沃斯滤波器对所述第三BCG信号进行滤波;所述巴特沃斯滤波器设置的截止频率低于工频赫兹;本实施例中,所述截止频率设置为40Hz,低于工频的50Hz;
因所述巴特沃斯滤波器的特点是通带内的频率响应曲线最大限度平坦,没有起伏,信号虽然会在第一个周期略微有些失真,但往后的幅频特性就非常的好,故为了弥补这一缺陷,采用零相位偏移方法对滤波初期的失真进行修正,获得第四BCG信号。
步骤150,根据小波阈值去噪方法对所述第四BCG信号进行处理,并对所述M层特征进行重构,获得最终BCG信号,并输出最终BCG信号。
进一步的,根据小波阈值去噪方法对所述第四BCG信号进行处理,包括:
选用小波基对所述第四BCG信号在频率上分为M层;
对每层分别计算,判断包含呼吸频率的一层,将包含呼吸函数的该层上的信号置为0;
对于所述保护呼吸频率的一层的上一层和下一层,分别进行软阈值滤波处理,并对所述M层特征进行重构,获得最终BCG信号。
本实施例中,选用小波基“db4”,因滤波后的第四BCG信号的频率在40Hz以内,故可以将所述BCG信号分解为7层;
经过计算,第6层特征的频率范围基本包含呼吸频率这一频段信号,因此,将第六层特征信号置0。
对于第5层和第7层的特征信号也含有一部分呼吸干扰,需要结合不同的阈值滤除噪声,经过小波分解,若第5层的特征频率大于第7层的特征频率,设置第5层的阈值也要大于第7层的阈值,结合不同的阈值对这两层的特征进行去噪。
之后对这7层特征进行重构,得到新的信号,即为最终的BCG信号。
图2为本发明具体实施方式的一种BCG信号降噪系统的结构图,如图2所示,所述系统包括:
采集单元210,所述采集单元210用于采集获得初始的BCG信号;
体动干扰去除单元220,所述体动干扰去除单元220用于根据预设方法去除初始BCG信号的体动干扰,获得第二BCG信号;
进一步的,所述体动干扰去除单元220用于通过预设的阈值对所述初始BCG信号进行筛选,将超过阈值的信号标记为1,其余信号标记为0;
所述体动干扰去除单元220将标记为1的信号的前后fs/2部分的标记均更改为1,所述fs为采样率;
所述体动干扰去除单元220计算获得标记为0部分的信号的均值,将标记为1部分的信号使用所述均值进行替换,获得排除体动扰动的第二BCG信号。
加权窗函数计算单元230,所述加权窗函数计算单元230用于根据加权窗函数对所述第二BCG信号进行处理,获得第三BCG信号;
进一步的,所述加权窗函数计算单元230设置滑动窗口大小为N,其中N为奇数;
所述加权窗函数计算单元230将所述滑动窗口取出的N个值顺序排列,设中间的值为x;设定阈值为thr1;
若所述x满足x与其顺序排列前位的任一值的差的绝对值大于thr1且x与其顺序排列后位的任一值的差的绝对值也大于thr1,则判断x为异常值;
所述加权窗函数计算单元230将所述滑动窗口在所述第二BCG信号上依次滑动,获得所有异常值,并对所有异常值进行平滑处理。
进一步的,所述加权窗函数计算单元230根据异常值为中间的值x的窗口内的其他值以及预设规则,计算获得新的x值代替原异常值;所述预设规则为新的x值为窗口内其他值的平方和除以窗口内其他值的和获得的商值。
低通滤波单元240,所述低通滤波单元240用于根据低通滤波方法对所述第三BCG信号进行处理,获得第四BCG信号;
进一步的,所述低通滤波单元240用于根据巴特沃斯滤波器对所述第三BCG信号进行滤波;所述巴特沃斯滤波器设置的截止频率低于工频赫兹;
所述低通滤波单元240采用零相位偏移方法对滤波初期的失真进行修正,获得第四BCG信号。
小波阈值去噪单元250,所述小波阈值去噪单元250用于根据小波阈值去噪方法对所述第四BCG信号进行处理,并对所述M层特征进行重构,获得最终BCG信号;
所述小波阈值去噪单元250选用小波基对所述第四BCG信号在频率上分为M层;对每层分别计算,判断包含呼吸频率的一层,将包含呼吸函数的该层上的信号置为0;
对于所述保护呼吸频率的一层的上一层和下一层,分别进行软阈值滤波处理,并对所述M层特征进行重构,获得最终BCG信号。
输出单元260,所述输出单元用于输出所述小波阈值去噪单元250获得的最终BCG信号。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本公开的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。本说明书中涉及到的步骤编号仅用于区别各步骤,而并不用于限制各步骤之间的时间或逻辑的关系,除非文中有明确的限定,否则各个步骤之间的关系包括各种可能的情况。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本公开的范围之内并且形成不同的实施例。例如,在权利要求书中所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本公开的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者系统程序(例如,计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本公开进行说明而不是对本公开进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本公开可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干系统的单元权利要求中,这些系统中的若干个可以是通过同一个硬件项来具体体现。
以上所述仅是本公开的具体实施方式,应当指出的是,对于本领域的普通技术人员来说,在不脱离本公开精神的前提下,可以作出若干改进、修改、和变形,这些改进、修改、和变形都应视为落在本申请的保护范围内。
Claims (12)
1.一种BCG信号降噪方法,所述方法包括:
采集获得初始BCG信号;
根据预设方法去除初始BCG信号的体动干扰,获得第二BCG信号;
根据加权窗函数对所述第二BCG信号进行处理,获得第三BCG信号;
根据低通滤波方法对所述第三BCG信号进行处理,获得第四BCG信号;
根据小波阈值去噪方法对所述第四BCG信号进行处理,并对所述M层特征进行重构,获得最终BCG信号,并输出最终BCG信号。
2.根据权利要求1所述的方法,其特征在于,所述根据预设方法去除初始BCG信号的体动干扰,包括:
通过预设的阈值对所述初始BCG信号进行筛选,将超过阈值的信号标记为1,其余信号标记为0;
将标记为1的信号的前后fs/2部分的标记均更改为1,所述fs为采样率;
计算获得标记为0部分的信号的均值,将标记为1部分的信号使用所述均值进行替换,获得排除体动扰动的第二BCG信号。
3.根据权利要求1所述的方法,其特征在于,根据加权窗函数对所述第二BCG信号进行处理,包括:
设置滑动窗口大小为N,其中N为奇数;
将所述滑动窗口取出的N个值顺序排列,设中间的值为x;设定阈值为thr1;
若所述x满足x与其顺序排列前位的任一值的差的绝对值大于thr1且x与其顺序排列后位的任一值的差的绝对值也大于thr1,则判断x为异常值;
将所述滑动窗口在所述第二BCG信号上依次滑动,获得所有异常值;
对所有异常值进行平滑处理。
4.根据权利要求3所述的方法,其特征在于:所述对所述异常值进行平滑处理,包括:
根据异常值为中间的值x的窗口内的其他值以及预设规则,计算获得新的x值代替原异常值;
所述预设规则为新的x值为窗口内其他值的平方和除以窗口内其他值的和获得的商值。
5.根据权利要求1所述的方法,其特征在于,所述根据低通滤波方法对所述第三BCG信号进行处理,包括:
根据巴特沃斯滤波器对所述第三BCG信号进行滤波;所述巴特沃斯滤波器设置的截止频率低于工频赫兹;
采用零相位偏移方法对滤波初期的失真进行修正,获得第四BCG信号。
6.根据权利要求1所述的方法,其特征在于,根据小波阈值去噪方法对所述第四BCG信号进行处理,包括:
选用小波基对所述第四BCG信号在频率上分为M层;
对每层分别计算,判断包含呼吸频率的一层,将包含呼吸函数的该层上的信号置为0;
对于所述保护呼吸频率的一层的上一层和下一层,分别进行软阈值滤波处理,并对所述M层特征进行重构,获得最终BCG信号。
7.一种BCG信号降噪系统,所述系统包括:
采集单元,所述采集单元用于采集获得初始的BCG信号;
体动干扰去除单元,所述体动干扰去除单元用于根据预设方法去除初始BCG信号的体动干扰,获得第二BCG信号;
加权窗函数计算单元,所述加权窗函数计算单元用于根据加权窗函数对所述第二BCG信号进行处理,获得第三BCG信号;
低通滤波单元,所述低通滤波单元用于根据低通滤波方法对所述第三BCG信号进行处理,获得第四BCG信号;
小波阈值去噪单元,所述小波阈值去噪单元用于根据小波阈值去噪方法对所述第四BCG信号进行处理,并对所述M层特征进行重构,获得最终BCG信号;
输出单元,所述输出单元用于输出所述小波阈值去噪单元获得的最终BCG信号。
8.根据权利要求7所述的系统,其特征在于:
所述体动干扰去除单元用于通过预设的阈值对所述初始BCG信号进行筛选,将超过阈值的信号标记为1,其余信号标记为0;
所述体动干扰去除单元将标记为1的信号的前后fs/2部分的标记均更改为1,所述fs为采样率;
所述体动干扰去除单元计算获得标记为0部分的信号的均值,将标记为1部分的信号使用所述均值进行替换,获得排除体动扰动的第二BCG信号。
9.根据权利要求7所述的系统,其特征在于:
所述加权窗函数计算单元设置滑动窗口大小为N,其中N为奇数;
所述加权窗函数计算单元将所述滑动窗口取出的N个值顺序排列,设中间的值为x;设定阈值为thr1;
若所述x满足x与其顺序排列前位的任一值的差的绝对值大于thr1且x与其顺序排列后位的任一值的差的绝对值也大于thr1,则判断x为异常值;
所述加权窗函数计算单元将所述滑动窗口在所述第二BCG信号上依次滑动,获得所有异常值,并对所有异常值进行平滑处理。
10.根据权利要求9所述的系统,其特征在于:
所述加权窗函数计算单元根据异常值为中间的值x的窗口内的其他值以及预设规则,计算获得新的x值代替原异常值;所述预设规则为新的x值为窗口内其他值的平方和除以窗口内其他值的和获得的商值。
11.根据权利要求7所述的系统,其特征在于:
所述低通滤波单元用于根据巴特沃斯滤波器对所述第三BCG信号进行滤波;所述巴特沃斯滤波器设置的截止频率低于工频赫兹;
所述低通滤波单元采用零相位偏移方法对滤波初期的失真进行修正,获得第四BCG信号。
12.根据权利要求7所述的系统,其特征在于:
所述小波阈值去噪单元选用小波基对所述第四BCG信号在频率上分为M层;对每层分别计算,判断包含呼吸频率的一层,将包含呼吸函数的该层上的信号置为0;
对于所述保护呼吸频率的一层的上一层和下一层,分别进行软阈值滤波处理,并对所述M层特征进行重构,获得最终BCG信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911156119.7A CN111160090B (zh) | 2019-11-22 | 2019-11-22 | 一种bcg信号降噪方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911156119.7A CN111160090B (zh) | 2019-11-22 | 2019-11-22 | 一种bcg信号降噪方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111160090A true CN111160090A (zh) | 2020-05-15 |
CN111160090B CN111160090B (zh) | 2023-09-29 |
Family
ID=70556131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911156119.7A Active CN111160090B (zh) | 2019-11-22 | 2019-11-22 | 一种bcg信号降噪方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111160090B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113288072A (zh) * | 2021-04-28 | 2021-08-24 | 新绎健康科技有限公司 | 一种脉搏波的主波检测方法及装置 |
CN113647925A (zh) * | 2021-07-05 | 2021-11-16 | 新绎健康科技有限公司 | 基于心冲击信号的心率确定方法及装置 |
CN114124626A (zh) * | 2021-10-15 | 2022-03-01 | 西南交通大学 | 信号的降噪方法、装置、终端设备以及存储介质 |
CN114176548A (zh) * | 2021-12-03 | 2022-03-15 | 新绎健康科技有限公司 | 基于模板匹配的心冲击信号心率计算方法及系统 |
CN116976684A (zh) * | 2023-09-25 | 2023-10-31 | 尚古智造(山东)智能装备有限公司 | 用于物流输送机的风险模型预测控制方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080194975A1 (en) * | 2007-02-08 | 2008-08-14 | Heart Force Medical Inc. | Monitoring physiological condition and detecting abnormalities |
CN104182601A (zh) * | 2013-05-22 | 2014-12-03 | 上海宽带技术及应用工程研究中心 | 一种基于心冲击信号的心率值实时提取方法 |
WO2015107374A1 (en) * | 2014-01-20 | 2015-07-23 | Imperial Innovations Limited | Heart monitoring device and method |
US9310364B1 (en) * | 2013-02-07 | 2016-04-12 | Stc.Unm | High-affinity small molecule formylpeptide receptor ligands from screening of combinatorial mixture-based libraries |
CN205795657U (zh) * | 2016-06-17 | 2016-12-14 | 美的集团股份有限公司 | 一种采集睡眠过程中心冲击信号的装置 |
CN107137071A (zh) * | 2017-04-26 | 2017-09-08 | 可瑞尔科技(扬州)有限公司 | 一种分析心冲击信号用来计算短期心率值的方法 |
CN107766845A (zh) * | 2017-11-20 | 2018-03-06 | 苏州蓝珀医疗科技股份有限公司 | 一种基于光线震动传感器的呼吸及bcg信号提取方法 |
CN207397295U (zh) * | 2017-11-20 | 2018-05-22 | 苏州蓝珀医疗科技股份有限公司 | 一种基于光线震动传感器的呼吸及bcg信号提取系统 |
CN108478215A (zh) * | 2018-01-25 | 2018-09-04 | 深圳市德力凯医疗设备股份有限公司 | 基于小波分析的脑电信号去噪方法、存储介质以及装置 |
CN108814583A (zh) * | 2018-03-30 | 2018-11-16 | 东北大学 | 一种基于智能手机的多功能生理信号发生器 |
WO2019034840A1 (en) * | 2017-08-18 | 2019-02-21 | Creavo Medical Technologies Limited | ELIMINATION OF NOISE IN A MAGNETOMETER FOR MEDICAL USE |
CN109893115A (zh) * | 2019-03-11 | 2019-06-18 | 武汉大学 | 一种基于人体微弱生物电信号的处理分析方法 |
-
2019
- 2019-11-22 CN CN201911156119.7A patent/CN111160090B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080194975A1 (en) * | 2007-02-08 | 2008-08-14 | Heart Force Medical Inc. | Monitoring physiological condition and detecting abnormalities |
US9310364B1 (en) * | 2013-02-07 | 2016-04-12 | Stc.Unm | High-affinity small molecule formylpeptide receptor ligands from screening of combinatorial mixture-based libraries |
CN104182601A (zh) * | 2013-05-22 | 2014-12-03 | 上海宽带技术及应用工程研究中心 | 一种基于心冲击信号的心率值实时提取方法 |
WO2015107374A1 (en) * | 2014-01-20 | 2015-07-23 | Imperial Innovations Limited | Heart monitoring device and method |
CN205795657U (zh) * | 2016-06-17 | 2016-12-14 | 美的集团股份有限公司 | 一种采集睡眠过程中心冲击信号的装置 |
CN107137071A (zh) * | 2017-04-26 | 2017-09-08 | 可瑞尔科技(扬州)有限公司 | 一种分析心冲击信号用来计算短期心率值的方法 |
WO2019034840A1 (en) * | 2017-08-18 | 2019-02-21 | Creavo Medical Technologies Limited | ELIMINATION OF NOISE IN A MAGNETOMETER FOR MEDICAL USE |
CN107766845A (zh) * | 2017-11-20 | 2018-03-06 | 苏州蓝珀医疗科技股份有限公司 | 一种基于光线震动传感器的呼吸及bcg信号提取方法 |
CN207397295U (zh) * | 2017-11-20 | 2018-05-22 | 苏州蓝珀医疗科技股份有限公司 | 一种基于光线震动传感器的呼吸及bcg信号提取系统 |
CN108478215A (zh) * | 2018-01-25 | 2018-09-04 | 深圳市德力凯医疗设备股份有限公司 | 基于小波分析的脑电信号去噪方法、存储介质以及装置 |
CN108814583A (zh) * | 2018-03-30 | 2018-11-16 | 东北大学 | 一种基于智能手机的多功能生理信号发生器 |
CN109893115A (zh) * | 2019-03-11 | 2019-06-18 | 武汉大学 | 一种基于人体微弱生物电信号的处理分析方法 |
Non-Patent Citations (2)
Title |
---|
OCTAVIAN A. POSTOLACHE 等: "Physiological Parameters Measurement Based on Wheelchair Embedded Sensors and Advanced Signal Processing" * |
罗斌: "基于DSP的睡眠监测系统的研究" * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113288072A (zh) * | 2021-04-28 | 2021-08-24 | 新绎健康科技有限公司 | 一种脉搏波的主波检测方法及装置 |
CN113647925A (zh) * | 2021-07-05 | 2021-11-16 | 新绎健康科技有限公司 | 基于心冲击信号的心率确定方法及装置 |
CN114124626A (zh) * | 2021-10-15 | 2022-03-01 | 西南交通大学 | 信号的降噪方法、装置、终端设备以及存储介质 |
CN114124626B (zh) * | 2021-10-15 | 2023-02-17 | 西南交通大学 | 信号的降噪方法、装置、终端设备以及存储介质 |
CN114176548A (zh) * | 2021-12-03 | 2022-03-15 | 新绎健康科技有限公司 | 基于模板匹配的心冲击信号心率计算方法及系统 |
CN114176548B (zh) * | 2021-12-03 | 2024-06-04 | 新绎健康科技有限公司 | 基于模板匹配的心冲击信号心率计算方法及系统 |
CN116976684A (zh) * | 2023-09-25 | 2023-10-31 | 尚古智造(山东)智能装备有限公司 | 用于物流输送机的风险模型预测控制方法及系统 |
CN116976684B (zh) * | 2023-09-25 | 2024-01-02 | 尚古智造(山东)智能装备有限公司 | 用于物流输送机的风险模型预测控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111160090B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111160090B (zh) | 一种bcg信号降噪方法及系统 | |
Han et al. | Electrocardiogram signal denoising based on empirical mode decomposition technique: an overview | |
CN109907752B (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系统 | |
Xu et al. | Wavelet-based cascaded adaptive filter for removing baseline drift in pulse waveforms | |
CN110916636B (zh) | 一种基于动态二阶差分阈值的bcg信号心率计算方法及系统 | |
TW201806370A (zh) | 提供即時訊號分段和基準點對準架構的系統與方法 | |
KR20100008239A (ko) | 피피지 신호의 동잡음 제거방법 | |
CN108042107A (zh) | 一种ppg信号伪差校正方法 | |
CN110680307A (zh) | 一种运动环境下基于脉搏波传导时间的动态血压监测方法 | |
Ghare et al. | Human emotion recognition using non linear and non stationary EEG signal | |
Yadav et al. | Denoising and SNR improvement of ECG signals using wavelet based techniques | |
Uthayakumar et al. | Multifractal-wavelet based denoising in the classification of healthy and epileptic EEG signals | |
KR20180012891A (ko) | 생체신호 노이즈 제거방법 | |
Yang et al. | Removal of pulse waveform baseline drift using cubic spline interpolation | |
Torres et al. | Heal-T: an efficient PPG-based heart-rate and IBI estimation method during physical exercise | |
Elouaham et al. | Combination time-frequency and empirical wavelet transform methods for removal of composite noise in EMG signals | |
Awodeyi et al. | On the filtering of photoplethysmography signals | |
KR20160147591A (ko) | 천식 진단을 위한 청진음 신호의 전처리 방법 및 장치 | |
Figoń et al. | ECG signal quality improvement techniques | |
KR101714927B1 (ko) | 다중 신호 수신을 이용한 동잡음 판단 및 제거 방법 | |
CN108201437B (zh) | 一种信号处理的方法和装置 | |
US9208770B2 (en) | Noise event suppression for monitoring system | |
Schlögl et al. | Artifact processing of the sleep EEG in the SIESTA project | |
Kan et al. | A cascade filter for pulse wave baseline drift elimination | |
CN104007823B (zh) | 基于点通滤波的频率相位混合解码脑机接口方法及其装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |