CN111358498B - 去除超声脉搏波上冲段反射波和量化噪声的方法及系统 - Google Patents
去除超声脉搏波上冲段反射波和量化噪声的方法及系统 Download PDFInfo
- Publication number
- CN111358498B CN111358498B CN202010207025.4A CN202010207025A CN111358498B CN 111358498 B CN111358498 B CN 111358498B CN 202010207025 A CN202010207025 A CN 202010207025A CN 111358498 B CN111358498 B CN 111358498B
- Authority
- CN
- China
- Prior art keywords
- empirical mode
- pulse wave
- mode function
- wave
- 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.)
- Active
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0891—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5269—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving detection or reduction of artifacts
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Vascular Medicine (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
本发明涉及一种去除超声脉搏波上冲段反射波和量化噪声的方法及系统。该方法包括:采集动脉血管超声射频回波信号;根据动脉血管超声射频回波信号,得到脉搏波上冲段信号;对脉搏波上冲段信号进行经验小波变换分解,得到多级经验模态函数和傅里叶频谱边界值;采用入射波频谱‑能量阈值法对各级经验模态函数进行入射波成分筛选;对不满足筛选条件的经验模态函数进行累加重构,得到重构脉搏波上冲段信号;对重构信号进行分解和筛选,直至出现满足筛选条件的经验模态函数;将所有满足筛选条件的经验模态函数进行累加,得到去除反射波和量化误差成分的脉搏波信号。本发明能够提高局部脉搏波波速估计精度。
Description
技术领域
本发明涉及超声射频信号处理技术领域,特别是涉及一种去除超声脉搏波上冲段反射波和量化噪声的方法及系统。
背景技术
局部脉搏波波速(PWV)是定量评价血管局部硬化程度的金指标,对早期诊断和有效预防心脑血管疾病具有重要临床意义。超声技术操作简单,具有实时性、价格适中等优点,已成为局部PWV检测的主要手段。随着超快速超声成像的发展,其高帧频高线密度特点对超声传输时间法在局部PWV的检测更有优势。超声传输时间法检测PWV通常是根据血管一段特定距离上各声束位置上脉搏波上冲段时间基准点估计脉搏波传输时间,从而得到PWV。然而,利用血管超声射频回波信号估计脉搏波过程中主要受扫描帧频引入的量化噪声、以及来自动脉窦或毛细血管反射波信号干扰,导致脉搏波在各个声束位置发生不同的形变,进而影响PWV检测的准确性。因此,滤除脉搏波上冲段量化噪声和反射波是PWV估计中一个重要的信号处理过程。
目前,滤除脉搏波高频量化噪声常用方法有低通滤波、带通滤波和Savitzky-Golay平滑滤波器。其中,Chiu等使用截止频率为15Hz的无线脉冲响应低通滤波器进行数字滤波去除脉搏波高频噪声,实验为了保持血压曲线之间的线性相位,分别对血压曲线进行了正向和反向两次滤波;Munakata等对脉搏波预处理方法是首先使用截止频率为50Hz的低通滤波器去除脉搏波曲线的高频噪声,然后利用截止频率在5~30Hz范围内的带通滤波器去除脉搏波上冲段高频成分;Hermeling等利用阶数和截止频率分别为8阶、2Hz(滤波器A),2阶、2Hz(滤波器B),以及8阶、4Hz(滤波器C)的零相位巴斯沃特滤波器去除脉搏波的高频噪声,结果发现三种滤波结果各不相同,其中滤波器A条件下PWV估计准确度较高,而滤波器B和C的估计精确度明显下降;Huang等利用长度为0.02秒的Savitzky-Golay滤波器对血管壁径向搏动位移曲线进行平滑滤波处理。对比上述研究中脉搏波预处理方法可知,实验中脉搏波滤波方法的选择尚无统一共识;且各滤波方法中需设定截止频率、滤波阶数或窗长等参数,不同参数选择对脉搏波相位或形变均会产生一定影响。除此之外,针对反射波对脉搏波上冲段形变影响问题,仍未发现去除脉搏波中反射波滤波研究。
发明内容
本发明的目的是提供一种去除超声脉搏波上冲段反射波和量化噪声的方法及系统,无需预设滤波参数,自适应去除脉搏波上冲段量化噪声和反射波,进一步提高血管局部脉搏波速(PWV)估计精度。
为实现上述目的,本发明提供了如下方案:
一种去除超声脉搏波上冲段反射波和量化噪声的方法,包括:
采集动脉血管超声射频回波信号;
根据所述动脉血管超声射频回波信号,得到脉搏波上冲段信号;
对所述脉搏波上冲段信号进行经验小波变换分解,得到多级经验模态函数和傅里叶频谱边界值;
采用入射波频谱-能量阈值法逐次对各级所述经验模态函数进行入射波成分筛选;
对本次分解中首次出现不满足筛选条件的经验模态函数及在该级不满足筛选条件的经验模态函数之前的各级经验模态函数进行累加重构,得到重构脉搏波上冲段信号;
对所述重构信号再次进行分解和筛选,直至出现满足筛选条件的经验模态函数;
将最后一次分解中所有满足筛选条件的经验模态函数进行累加,得到累加信号,所述累加信号为去除反射波和量化误差成分的脉搏波信号。
可选的,所述根据所述动脉血管超声射频回波信号,得到脉搏波上冲段信号,具体包括:
对所述动脉血管超声射频回波信号进行处理,得到血管径向搏动的脉搏波曲线;
根据所述血管径向搏动的脉搏波曲线,得到脉搏波上冲段信号。
可选的,所述采用入射波频谱-能量阈值法逐次对各级所述经验模态函数进行入射波成分筛选,具体包括:
获取入射波频率阈值和入射波能量阈值;
判断所述傅里叶频谱边界值是否大于所述入射波频率阈值;
若是,则将所述经验模态函数视为混有反射波或量化误差成分的模态函数,并计算所述经验模态函数的能量值;
若否,则所述经验模态函数仅含入射波成分;
判断所述混有反射波或量化误差成分的模态函数的能量值是否大于入射波能量阈值;
若是,则将所述经验模态函数视为需进行累加重构的经验模态函数;
若否,则无需将所述经验模态函数视为需进行累加重构的经验模态函数。
可选的,所述对所述重构信号再次进行分解和筛选,直至出现满足筛选条件的经验模态函数,具体包括:
对所述重构信号再次进行经验小波变换分解和入射波成分筛选,直至出现满足筛选条件的经验模态函数。
一种去除超声脉搏波上冲段反射波和量化噪声的系统,包括:
回波信号采集模块,用于采集动脉血管超声射频回波信号;
脉搏波上冲段信号确定模块,用于根据所述动脉血管超声射频回波信号,得到脉搏波上冲段信号;
经验小波变换分解模块,用于对所述脉搏波上冲段信号进行经验小波变换分解,得到多级经验模态函数和傅里叶频谱边界值;
第一筛选模块,用于采用入射波频谱-能量阈值法逐次对各级所述经验模态函数进行入射波成分筛选;
脉搏波上冲段信号重构模块,用于对本次分解中首次出现不满足筛选条件的经验模态函数及在该级不满足筛选条件的经验模态函数之前的各级经验模态函数进行累加重构,得到重构脉搏波上冲段信号;
第二筛选模块,用于对所述重构信号再次进行分解和筛选,直至出现满足筛选条件的经验模态函数;
累加模块,用于将最后一次分解中所有满足筛选条件的经验模态函数进行累加,得到累加信号,所述累加信号为去除反射波和量化误差成分的脉搏波信号。
可选的,所述脉搏波上冲段信号确定模块,具体包括:
脉搏波曲线确定单元,用于对所述动脉血管超声射频回波信号进行处理,得到血管径向搏动的脉搏波曲线;
脉搏波上冲段信号确定单元,用于根据所述血管径向搏动的脉搏波曲线,得到脉搏波上冲段信号。
可选的,所述第一筛选模块,具体包括:
获取单元,用于获取入射波频率阈值和入射波能量阈值;
第一判断单元,用于判断所述傅里叶频谱边界值是否大于所述入射波频率阈值;
能量值计算单元,用于当所述傅里叶频谱边界值大于所述入射波频率阈值时,将所述经验模态函数视为混有反射波或量化误差成分的模态函数,并计算所述经验模态函数的能量值;
入射波成分确定单元,用于当所述傅里叶频谱边界值小于或等于所述入射波频率阈值时,确定所述经验模态函数仅含入射波成分;
第二判断单元,用于判断所述混有反射波或量化误差成分的模态函数的能量值是否大于入射波能量阈值;
需累加重构的经验模态函数确定单元,用于当所述能量值大于入射波能量阈值时,将所述经验模态函数视为需进行累加重构的经验模态函数;
无需累加重构的经验模态函数确定单元,用于当所述能量值小于或等于入射波能量阈值时,无需将所述经验模态函数视为需进行累加重构的经验模态函数。
可选的,所述第二筛选模块,具体包括:
分解/筛选单元,用于对所述重构信号再次进行经验小波变换分解和入射波成分筛选,直至出现满足筛选条件的经验模态函数。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明根据入射波频率阈值判断对脉搏波上冲段信号进行EWT分解的各级EMFs中是否含有入射波成分;对于混合信号,利用入射波能量阈值判断是否对信号累加重构分解,直至判断出无需进行累加重构信号则结束分解;将最后一次分解中只含入射波成分的EMFs进行累加,累加信号即为滤波后的脉搏波上冲段信号。因此,与现有滤波技术相比,本发明无需预设滤波参数条件下,自适应地滤除脉搏波上冲段量化误差和反射波信号,其结果具有唯一性,有助于提高超声传输时间法PWV检测性能。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明去除超声脉搏波上冲段反射波和量化噪声的方法流程图;
图2为本发明实施例超声脉搏波上冲段信号获取实现过程图;
图3为对本发明实施例脉搏波上冲段进行第一次EWT分解、傅里叶频谱分界、符合筛选条件的模态函数以及累加重构信号图;
图4为对本发明实施例脉搏波上冲段重构信号进行第二次EWT分解、傅里叶频谱分界、符合筛选条件的模态函数、以及累加重构信号图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种去除超声脉搏波上冲段反射波和量化噪声的方法及系统,无需预设滤波参数,自适应滤波脉搏波上冲段量化噪声和反射波,进一步提高血管局部脉搏波传播速度估计精度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明去除超声脉搏波上冲段反射波和量化噪声的方法流程图。如图1所示,一种去除超声脉搏波上冲段反射波和量化噪声的方法包括:
步骤101:采集动脉血管超声射频回波信号。
步骤102:根据所述动脉血管超声射频回波信号,得到脉搏波上冲段信号,具体包括:
对所述动脉血管超声射频回波信号进行处理,得到血管径向搏动的脉搏波曲线。
根据所述血管径向搏动的脉搏波曲线,得到脉搏波上冲段信号。
步骤103:对所述脉搏波上冲段信号进行经验小波变换分解,得到多级经验模态函数和傅里叶频谱边界值。
步骤104:采用入射波频谱-能量阈值法逐次对各级所述经验模态函数进行入射波成分筛选,具体包括:
获取入射波频率阈值和入射波能量阈值。
判断所述傅里叶频谱边界值是否大于所述入射波频率阈值。
若是,则将所述经验模态函数视为混有反射波或量化误差成分的模态函数,并计算所述经验模态函数的能量值。
若否,则所述经验模态函数仅含入射波成分。
判断所述混有反射波或量化误差成分的模态函数的能量值是否大于入射波能量阈值。
若是,则将所述经验模态函数视为需进行累加重构的经验模态函数。
若否,则无需将所述经验模态函数视为需进行累加重构的经验模态函数。
逐次将脉搏波上冲段信号进行经验小波变换(EWT)分解得到的N级EMFi的频谱边界值wi(i=1,2,...N,EMF1<EMF2<...<EMFN,w1<w2<...<wN)与入射波频率阈值Fth进行比较。
判断各级模态函数EMFi是否仅含入射波成分:若wi≤Fth,则将EMFi视为只含入射波成分的模态函数;若wi>Fth,则将EMFi视为混有反射波或量化误差成分的模态函数,并计算其能量值ei。
判断是否进行累加重构分解:若存在混有反射波或量化误差成分的模态函数EMFi,将EMFi的能量值ei与入射波能量阈值Eth进行比较:若ei≤Eth,则将EMFi视为对脉搏波上冲段信号影响很小的信号,无需进行累加重构;若ei>Eth,则将该EMFi视为需进行累加重构的模态函数。
步骤105:对本次分解中首次出现不满足筛选条件的经验模态函数及在该级不满足筛选条件的经验模态函数之前的各级经验模态函数进行累加重构,得到重构脉搏波上冲段信号。对首次不满足筛选条件的第i级经验模态函数EMFi及在该级之前的经验模态函数EMF1、EMF2......、EMFi-1进行累加重构,得到重构脉搏波上冲段信号。
步骤106:对所述重构信号再次进行分解和筛选,直至出现满足筛选条件的经验模态函数,具体包括:
对所述重构信号进行经验小波变换分解和入射波成分筛选,直至出现满足筛选条件的经验模态函数。
对重构脉搏波上冲段信号再次进行EWT分解和“入射波频谱-能量阈值法”筛选,直至找出符合无需进行累加重构条件的EMF,则停止累加重构和EWT分解。
步骤107:将最后一次分解中所有满足筛选条件的经验模态函数进行累加,得到累加信号,所述累加信号为去除反射波和量化误差成分的脉搏波信号。将最后一次EWT分解中筛选出的只含入射波成分的模态函数进行累加,累加信号即为去除反射波和量化噪声的脉搏波上冲段信号。
本发明所使用的回波信号采集、脉搏波估计方法、经验小波变换分解方法及频率和能量分析方法均为已公开的技术。
本发明根据入射波频率阈值判断对脉搏波上冲段信号进行EWT分解的各级EMFs中是否含有入射波成分;对于混合信号,利用入射波能量阈值判断是否对信号累加重构分解,直至判断出无需进行累加重构信号则结束分解;将最后一次分解中只含入射波成分的EMFs进行累加,累加信号即为滤波后的脉搏波上冲段信号。因此,与现有滤波技术相比,本发明无需预设滤波参数条件下,自适应地滤除脉搏波上冲段量化误差和反射波信号,其结果具有唯一性,有助于提高超声传输时间法PWV检测性能。
对应于上述一种去除超声脉搏波上冲段反射波和量化噪声的系统,本发明还提供一种去除超声脉搏波上冲段反射波和量化噪声的系统,该系统包括:
回波信号采集模块,用于采集动脉血管超声射频回波信号。
脉搏波上冲段信号确定模块,用于根据所述动脉血管超声射频回波信号,得到脉搏波上冲段信号。
经验小波变换分解模块,用于对所述脉搏波上冲段信号进行经验小波变换分解,得到多级经验模态函数和傅里叶频谱边界值。
第一筛选模块,用于采用入射波频谱-能量阈值法逐次对各级所述经验模态函数进行入射波成分筛选。
脉搏波上冲段信号重构模块,用于对本次分解中首次出现不满足筛选条件的经验模态函数及在该级不满足筛选条件的经验模态函数之前的各级经验模态函数进行累加重构,得到重构脉搏波上冲段信号。
第二筛选模块,用于对所述重构信号再次进行分解和筛选,直至出现满足筛选条件的经验模态函数。
累加模块,用于将最后一次分解中所有满足筛选条件的经验模态函数进行累加,得到累加信号,所述累加信号为去除反射波和量化误差成分的脉搏波信号。
所述脉搏波上冲段信号确定模块,具体包括:
脉搏波曲线确定单元,用于对所述动脉血管超声射频回波信号进行处理,得到血管径向搏动的脉搏波曲线。
脉搏波上冲段信号确定单元,用于根据所述血管径向搏动的脉搏波曲线,得到脉搏波上冲段信号。
所述第一筛选模块,具体包括:
获取单元,用于获取入射波频率阈值和入射波能量阈值。
第一判断单元,用于判断所述傅里叶频谱边界值是否大于所述入射波频率阈值。
能量值计算单元,用于当所述傅里叶频谱边界值大于所述入射波频率阈值时,将所述经验模态函数视为混有反射波或量化误差成分的模态函数,并计算所述经验模态函数的能量值。
入射波成分确定单元,用于当所述傅里叶频谱边界值小于或等于所述入射波频率阈值时,确定所述经验模态函数仅含入射波成分。
第二判断单元,用于判断所述混有反射波或量化误差成分的模态函数的能量值是否大于入射波能量阈值。
需累加重构的经验模态函数确定单元,用于当所述能量值大于入射波能量阈值时,将所述经验模态函数视为需进行累加重构的经验模态函数。
无需累加重构的经验模态函数确定单元,用于当所述能量值小于或等于入射波能量阈值时,无需将所述经验模态函数视为需进行累加重构的经验模态函数。
所述第二筛选模块,具体包括:
分解/筛选单元,用于对所述重构信号进行经验小波变换分解和入射波成分筛选,直至出现满足筛选条件的经验模态函数。
对应于前边所述的去除超声脉搏波上冲段反射波和量化噪声的方法及系统,本发明还提供一个具体实施例,一种自适应去除超声脉搏波上冲段反射波和量化噪声的方法包括以下步骤:
(1)如图2所示,采集颈动脉血管一个心动周期内B超序列帧图像1,存储三个帧时刻下颈动脉第七线声束位置超声回波信号2,并估计脉搏波曲线3,确定脉搏波上冲段信号4。图2为本发明实施例超声脉搏波上冲段信号获取实现过程图,其中,1为实施例超声成像的过程形成原始的B超序列帧图像;2为第1、205、1333帧时刻下颈动脉第七线声束位置超声回波信号的时域波形图;3为一个心动周期内脉搏波曲线图;4为脉搏波上冲段信号图。
(2)如图3所示,对脉搏波上冲段信号进行经验小波变换EWT分解得到各级经验模态函数5和傅里叶频谱分界值6。图3为对本发明实施例脉搏波上冲段进行第一次EWT分解、傅里叶频谱分界、符合筛选条件的模态函数以及累加重构信号图,其中,5为第一次EWT分解得到的经验模态函数EMFs;6为第一次EWT分解得到的频谱分界值图;7为入射波频率-能量阈值法筛选出的EMFs;8为第一次EWT分解后累加重构的脉搏波上冲段信号。
(3)利用入射波频率-能量阈值法对频谱分界值6进行判断,最后筛选出5中需要重构的经验模态函数7,得到第一次EWT分解后累加重构的脉搏波信号8。在本例中,入射波频率阈值Fth=10Hz,入射波能量阈值Eth为第一级经验模态函数能量的0.01倍。
(4)如图4所示,对累加重构的脉搏波信号8再次进行经验小波变换EWT分解得到各级经验模态函数9和傅里叶频谱分界值10;图4为对本发明实施例脉搏波上冲段重构信号进行第二次EWT分解、傅里叶频谱分界、符合筛选条件的模态函数、以及累加重构信号图,其中9为第二次EWT分解得到的经验模态函数EMFs;10为第二次EWT分解得到的频谱分界值图;11为入射波频率-能量阈值法筛选出的EMFs;12为第二次EWT分解后累加重构的脉搏波上冲段信号。
(5)再次利用入射波频率-能量阈值法对频谱分界值10进行判断,最后筛选出9中只含入射波成分的经验模态函数11,并判断出本次分解中无需进行累加重构的经验模态函数,将11中只含入射波成分的经验模态函数进行累加,得到最终滤波后的脉搏波上冲段信号12。
综上所述,本发明涉及自适应去除超声脉搏波上冲段反射波和量化噪声的方法,能够无需预设滤波参数条件下,自适应地滤除脉搏波上冲段量化误差和反射波信号。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种去除超声脉搏波上冲段反射波和量化噪声的方法,其特征在于,包括:
采集动脉血管超声射频回波信号;
根据所述动脉血管超声射频回波信号,得到脉搏波上冲段信号;
对所述脉搏波上冲段信号进行经验小波变换分解,得到多级经验模态函数和傅里叶频谱边界值;
采用入射波频谱-能量阈值法逐次对各级所述经验模态函数进行入射波成分筛选;
对分解中首次出现不满足筛选条件的经验模态函数及在不满足筛选条件的经验模态函数之前的各级经验模态函数进行累加重构,得到重构脉搏波上冲段信号;
对所述重构脉搏波上冲段信号再次进行分解和筛选,直至出现满足筛选条件的经验模态函数;
将最后一次分解中所有满足筛选条件的经验模态函数进行累加,得到累加信号,所述累加信号为去除反射波和量化误差成分的脉搏波信号;
所述采用入射波频谱-能量阈值法逐次对各级所述经验模态函数进行入射波成分筛选,具体包括:
获取入射波频率阈值和入射波能量阈值;
判断所述傅里叶频谱边界值是否大于所述入射波频率阈值;
若是,则将所述经验模态函数视为混有反射波或量化误差成分的模态函数,并计算所述经验模态函数的能量值;
若否,则所述经验模态函数仅含入射波成分;
判断所述混有反射波或量化误差成分的模态函数的能量值是否大于入射波能量阈值;
若是,则将所述经验模态函数视为需进行累加重构的经验模态函数;
若否,则无需将所述经验模态函数视为需进行累加重构的经验模态函数。
2.根据权利要求1所述的去除超声脉搏波上冲段反射波和量化噪声的方法,其特征在于,所述根据所述动脉血管超声射频回波信号,得到脉搏波上冲段信号,具体包括:
对所述动脉血管超声射频回波信号进行处理,得到血管径向搏动的脉搏波曲线;
根据所述血管径向搏动的脉搏波曲线,得到脉搏波上冲段信号。
3.根据权利要求1所述的去除超声脉搏波上冲段反射波和量化噪声的方法,其特征在于,所述对所述重构脉搏波上冲段信号再次进行分解和筛选,直至出现满足筛选条件的经验模态函数,具体包括:
对所述重构脉搏波上冲段信号再次进行经验小波变换分解和入射波成分筛选,直至出现满足筛选条件的经验模态函数。
4.一种去除超声脉搏波上冲段反射波和量化噪声的系统,其特征在于,包括:
回波信号采集模块,用于采集动脉血管超声射频回波信号;
脉搏波上冲段信号确定模块,用于根据所述动脉血管超声射频回波信号,得到脉搏波上冲段信号;
经验小波变换分解模块,用于对所述脉搏波上冲段信号进行经验小波变换分解,得到多级经验模态函数和傅里叶频谱边界值;
第一筛选模块,用于采用入射波频谱-能量阈值法逐次对各级所述经验模态函数进行入射波成分筛选;
脉搏波上冲段信号重构模块,用于对分解中首次出现不满足筛选条件的经验模态函数及在不满足筛选条件的经验模态函数之前的各级经验模态函数进行累加重构,得到重构脉搏波上冲段信号;
第二筛选模块,用于对所述重构脉搏波上冲段信号再次进行分解和筛选,直至出现满足筛选条件的经验模态函数;
累加模块,用于将最后一次分解中所有满足筛选条件的经验模态函数进行累加,得到累加信号,所述累加信号为去除反射波和量化误差成分的脉搏波信号;
所述第一筛选模块,具体包括:
获取单元,用于获取入射波频率阈值和入射波能量阈值;
第一判断单元,用于判断所述傅里叶频谱边界值是否大于所述入射波频率阈值;
能量值计算单元,用于当所述傅里叶频谱边界值大于所述入射波频率阈值时,将所述经验模态函数视为混有反射波或量化误差成分的模态函数,并计算所述经验模态函数的能量值;
入射波成分确定单元,用于当所述傅里叶频谱边界值小于或等于所述入射波频率阈值时,确定所述经验模态函数仅含入射波成分;
第二判断单元,用于判断所述混有反射波或量化误差成分的模态函数的能量值是否大于入射波能量阈值;
需累加重构的经验模态函数确定单元,用于当所述能量值大于入射波能量阈值时,将所述经验模态函数视为需进行累加重构的经验模态函数;
无需累加重构的经验模态函数确定单元,用于当所述能量值小于或等于入射波能量阈值时,无需将所述经验模态函数视为需进行累加重构的经验模态函数。
5.根据权利要求4所述的去除超声脉搏波上冲段反射波和量化噪声的系统,其特征在于,所述脉搏波上冲段信号确定模块,具体包括:
脉搏波曲线确定单元,用于对所述动脉血管超声射频回波信号进行处理,得到血管径向搏动的脉搏波曲线;
脉搏波上冲段信号确定单元,用于根据所述血管径向搏动的脉搏波曲线,得到脉搏波上冲段信号。
6.根据权利要求4所述的去除超声脉搏波上冲段反射波和量化噪声的系统,其特征在于,所述第二筛选模块,具体包括:
分解/筛选单元,用于对所述重构脉搏波上冲段信号再次进行经验小波变换分解和入射波成分筛选,直至出现满足筛选条件的经验模态函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010207025.4A CN111358498B (zh) | 2020-03-23 | 2020-03-23 | 去除超声脉搏波上冲段反射波和量化噪声的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010207025.4A CN111358498B (zh) | 2020-03-23 | 2020-03-23 | 去除超声脉搏波上冲段反射波和量化噪声的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111358498A CN111358498A (zh) | 2020-07-03 |
CN111358498B true CN111358498B (zh) | 2021-08-24 |
Family
ID=71198680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010207025.4A Active CN111358498B (zh) | 2020-03-23 | 2020-03-23 | 去除超声脉搏波上冲段反射波和量化噪声的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111358498B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113822321B (zh) * | 2021-07-12 | 2024-03-01 | 腾讯科技(深圳)有限公司 | 生成模型训练方法和装置、噪声尺度生成方法和计算设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0222450A2 (en) * | 1985-11-07 | 1987-05-20 | North American Philips Corporation | Method and apparatus for estimating the ultrasound attenuation - VS - frequency slope of a propagation medium from the complex envelope of a signal |
CN102307520A (zh) * | 2009-02-03 | 2012-01-04 | 欧姆龙健康医疗事业株式会社 | 脉搏波分析装置以及脉搏波分析方法 |
CN104665877A (zh) * | 2015-03-09 | 2015-06-03 | 西安交通大学 | 颈动脉血管局部脉搏波传播速度测量方法 |
CN105769140A (zh) * | 2016-03-21 | 2016-07-20 | 安徽工程大学 | 一种多点式桡动脉脉象采集系统及方法 |
CN106568589A (zh) * | 2016-11-04 | 2017-04-19 | 东南大学 | 一种基于经验小波变换碰摩声发射消噪方法 |
CN110420014A (zh) * | 2019-06-13 | 2019-11-08 | 东北大学 | 基于脉搏波智能分解的可穿戴心血管功能评价系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100381875B1 (ko) * | 2000-07-08 | 2003-04-26 | 주식회사 메디슨 | 도플러 효과를 이용하여 혈류 속도를 측정하기 위한초음파 진단 장치 및 방법 |
-
2020
- 2020-03-23 CN CN202010207025.4A patent/CN111358498B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0222450A2 (en) * | 1985-11-07 | 1987-05-20 | North American Philips Corporation | Method and apparatus for estimating the ultrasound attenuation - VS - frequency slope of a propagation medium from the complex envelope of a signal |
CN102307520A (zh) * | 2009-02-03 | 2012-01-04 | 欧姆龙健康医疗事业株式会社 | 脉搏波分析装置以及脉搏波分析方法 |
CN104665877A (zh) * | 2015-03-09 | 2015-06-03 | 西安交通大学 | 颈动脉血管局部脉搏波传播速度测量方法 |
CN105769140A (zh) * | 2016-03-21 | 2016-07-20 | 安徽工程大学 | 一种多点式桡动脉脉象采集系统及方法 |
CN106568589A (zh) * | 2016-11-04 | 2017-04-19 | 东南大学 | 一种基于经验小波变换碰摩声发射消噪方法 |
CN110420014A (zh) * | 2019-06-13 | 2019-11-08 | 东北大学 | 基于脉搏波智能分解的可穿戴心血管功能评价系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111358498A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20080059098A1 (en) | Method and apparatus for suppressing noise in a doppler system | |
Chen et al. | A real-time QRS detection method based on moving-averaging incorporating with wavelet denoising | |
US6689064B2 (en) | Ultrasound clutter filter | |
CN1326584A (zh) | 低比特率语音编码器的噪声抑制 | |
KR20010023437A (ko) | 잡음에서 주기적인 신호를 감지하기 위한 신호 처리 시스템 | |
CN112307959B (zh) | 一种用于心电信号分析的小波去噪方法 | |
CN111358498B (zh) | 去除超声脉搏波上冲段反射波和量化噪声的方法及系统 | |
CN115840879A (zh) | 一种增材制造构件超声检测回波信号处理方法及系统 | |
CN107898443B (zh) | 重搏波检测方法、装置及计算机存储介质 | |
CN110226925B (zh) | 一种基于脉搏波的血压检测装置 | |
Yeoh et al. | Constrained least squares filtering algorithm for ultrasound image deconvolution | |
CN111493821B (zh) | 一种基于modwt及中值滤波的ppg信号实时去噪方法 | |
CN111616695B (zh) | 一种心率获取方法、装置、系统和介质 | |
CN112580451A (zh) | 一种基于改进emd和med的数据降噪方法 | |
JP4253683B2 (ja) | 動脈壁硬さ評価システム | |
CN117316172A (zh) | 一种机器人声发射信号的降噪方法及系统 | |
CN114795241B (zh) | 一种心电信号的噪声检测方法及系统 | |
FR2797343A1 (fr) | Procede et dispositif de detection d'activite vocale | |
CN115376540A (zh) | 一种基于变分模态分解的生物雷达语音增强方法及系统 | |
Garcillanosa et al. | FPGA based powerline and baseline interference removal in electrocardiogram using modified EWT-DWT filtering | |
CN111766306A (zh) | 一种全聚焦成像方法及装置 | |
CN111557650A (zh) | 基于Adam的快批量梯度上升法脉搏波特征提取方法 | |
CN114859419A (zh) | 一种多普勒高频信号降噪方法及系统 | |
Hosseini et al. | Window-based strain estimation using weighted displacement obtained from normalized cross-correlation | |
Fedotov | An Integrated Methodology for Wavelet Filtering of a Pulse Wave Signal |
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 |