CN112353377B - 一种识别光电容积脉搏波特征点的方法 - Google Patents
一种识别光电容积脉搏波特征点的方法 Download PDFInfo
- Publication number
- CN112353377B CN112353377B CN202011210742.9A CN202011210742A CN112353377B CN 112353377 B CN112353377 B CN 112353377B CN 202011210742 A CN202011210742 A CN 202011210742A CN 112353377 B CN112353377 B CN 112353377B
- Authority
- CN
- China
- Prior art keywords
- pulse wave
- point
- photoelectric volume
- frequency
- volume 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000005070 sampling Methods 0.000 claims abstract description 11
- 238000013186 photoplethysmography Methods 0.000 claims description 18
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 4
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 abstract description 2
- 230000000737 periodic effect Effects 0.000 abstract description 2
- 210000004204 blood vessel Anatomy 0.000 description 10
- 230000004962 physiological condition Effects 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000008602 contraction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000010992 reflux Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
- A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Physiology (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Vascular Medicine (AREA)
- Power Engineering (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种识别光电容积脉搏波特征点的方法,包括以下步骤:1)获取光电容积脉搏波信号数据;2)使用FIR数字滤波器对光电容积脉搏波信号去噪;3)根据光电容积脉搏波信号的频率和采样频率Fs,确定窗函数的大小L、数量N和窗函数的范围R;4)用窗函数对光电容积脉搏波信号进行遍历,提取每个窗函数中的最大值,对提取的最大值点集取交集,提取出现次数大于等于的点作为每个周期的主波峰峰值点,主峰峰值点前的首个最小值点为结束点。本发明通过设置多个窗函数,避免了在提取脉搏波信号主波峰点和结束点时基线漂移及峰值数量的影响,提高了特征点提取的效率,同时本发明还适用于其他随机性周期信号,普适性较高。
Description
技术领域
本发明属于生物信号处理技术领域,具体涉及一种识别光电容积脉搏波特征点的方法。
背景技术
因为心脏的收缩和舒张以及血管壁弹性的存在,脉搏得以通过波的形式从心脏传输到身体各处,脉搏波的一个周期表示的就是心脏的一次收缩和舒张运动。心脏收缩即开始进行射血,血液从左心室进入主动脉血管,因为血管存在弹性,血管容积增大,在心脏收缩到最小时,血管容积膨胀到最大,此时体现在脉搏波中为周期的主峰值点。随着射血的进行血液会有动脉血管进入支动脉血管以及毛细血管,由于两者的直径相差较大,血液会产生回流冲击血管壁形成重搏波。
光电容积脉搏波描记法作为一种无创检测手段,可以从活体目标中实时获取血管容积的变化,从而反映出人体的脉搏变化。人体脉搏波的波动与血管壁弹性有关,根据朗伯比尔定律的描述,血管壁弹性的变化又会影响光电探测器采集的光强度,所以不同的生理状况对应的脉搏波信号趋势不同。这些不同表现在脉搏波中的特征点位置发生变化,准确的提取不同生理状况下的脉搏波信号的特征点,可以有效的检测人体各项生理指标。
目前对光电容积脉搏波部分特征点的提取,大都使用差分阈值法、极值法、微分法、小波变换等。但是脉搏波作为一种微弱的信号,在采集过程中受到外界环境的干扰或者是受测者的生理状况影响其幅值以及各个周期中峰值的数量(特征点)的波动较大,同时由于基线漂移的存在使得在选取阈值时,因为不同个体的生理状况不同阈值不能直接确定。所以使用一般的差分阈值法、极值法和微分法无法对脉搏波信号各周期中的主波峰点和起始(结束)点进行准确提取,小波变换的方法因为不同个体之间的脉搏波频率不定,通过小波分解重构的信号无法准确的定位到脉搏波中的特征点的位置,所以对后续的人体生理指标无法准确的测量。
发明内容
为克服上述现有技术的不足,本发明的目的是提出一种识别光电容积脉搏波特征点的方法,对采集的光电容积脉搏波信号使用多个窗函数进行处理,不受基线漂移以及各周期中峰值的数量限制,同时避免了阈值的选取,可以直接提取出每个周期中的主波峰点和结束点。
为实现上述目的,本发明采用的技术方案是:
一种识别光电容积脉搏波特征点的方法,包括以下步骤:
步骤1,从BIDMIC数据库中获取光电容积脉搏波信号,获取的光电容积脉搏波信号中包含着肌电干扰、运动伪差、呼吸、工频干扰等噪声;
步骤2,通过FIR低通数字滤波器对步骤1获得的光电容积脉搏波信号进行滤波去噪处理;
步骤3,根据光电容积脉搏波信号的频率范围1~2Hz,以及信号的采样频率Fs,确定窗函数的大小L和数量N,L代表窗函数的大小即程序设计中的步长,根据窗函数的大小,选取窗函数的范围R在光电容积脉搏波信号频率对应的范围内;
步骤4,采用步骤3设计的窗函数对步骤2处理后的光电容积脉搏波信号进行遍历,假设每个窗函数的大小是光电容积脉搏波信号每个周期的大小,提取每个窗函数下的光电容积脉搏波信号的最大值和最大值之前的首个最小值,分别对应光电容积脉搏波每个周期中的主波峰峰值点和结束点。实际上窗函数的设定是一个范围R包含多个窗,最小的窗函数可以提取出光电容积脉搏波信号序列中最多的最大值点,其中包含光电容积脉搏波信号每个周期中的主波峰点的概率最大,以最小的窗函数为基准,分别与其它的窗函数中提取的最大值点做交集,提取其中出现次数大于等于的点,即为光电容积脉搏波每个周期的主波峰点,其次因为脉搏波信号主波峰位于快速射血期,该阶段通过滤波后的信号比较纯净,可以直接提取主峰点前的首个最小值点作为结束点。
进一步地,所述步骤3中采样频率Fs为125Hz,脉搏波信号的频率范围为1~2Hz,则其单周期的点数的范围大约为63~125个点,对窗函数的步长L设计要包含所有可能的脉搏波单周期点数,则窗函数的宽度范围为63~125个点,其范围计算公式:
其中,f1和f2分别为脉搏波信号的上限和下限频率,L为设置窗函数宽度时的步长用来控制窗函数的数量N,Fs为采样频率;在实际应用时,f1的取值要比理论的上限频率稍大,f2的取值要比理论的下限频率稍小,以便将所有频率范围内的脉搏波信号包含在内;根据脉搏波的频率判断,其理论周期范围在0.5~1s内,则L的步长设定为0.1,可以根据实际情况增大或者减小。
与现有技术相比,本发明具有以下的特点:
本发明提出的一种识别光电容积脉搏波特征点的方法,是一种新的脉搏波数据处理方法。根据脉搏波信号的采样频率以及其生理意义上的频率范围,设置多个窗函数,避免了在提取脉搏波信号中各个周期的主波峰点和结束点时基线漂移以及峰值数量的影响,不需要通过不停的改变阈值来适应不同类型的脉搏波信号,极大的提高了特征点提取的效率。同时本发明不止适用于对脉搏波信号中各周期主峰和结束点的提取,还适用于其他随机性周期信号,普适性较高。
附图说明
图1为本发明一种识别光电容积脉搏波特征点的方法的流程图;
图2为本发明去噪后的光电容积脉搏波的波形;
图3为本发明其中一个窗函数提取主波峰和结束点的示意图;
图4为本发明提取的光电容积脉搏波信号各周期主波峰和结束点示意图。
具体实施方式
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。
光电容积脉搏波的采集是基于朗伯比尔定律,光在通过某一介质时,光的出射强度受到吸光物质浓度及介质的厚度影响。初步采集的脉搏波信号中包含着肌电干扰、运动伪差、呼吸、工频干扰等噪声。
如图1所示,本发明所提出的一种识别光电容积脉搏波特征点的方法,包括以下步骤:
步骤1,从BIDMIC数据库中获取光电容积脉搏波信号,获取的光电容积脉搏波信号中包含着肌电干扰、运动伪差、呼吸、工频干扰等噪声;
步骤2,通过FIR低通数字滤波器对步骤1获得的光电容积脉搏波信号进行滤波去噪处理,如图2所示;
步骤3,根据脉搏波信号的频率范围1~2Hz,以及信号的采样频率Fs,确定窗函数的大小L和数量N,L代表窗函数的大小即程序设计中的步长,根据窗函数的大小L,选取窗函数的范围R在光电容积脉搏波信号频率对应的范围内,如采样频率为125Hz,根据脉搏波信号的频率范围其单周期的点数为63~125个点,对窗函数的步长L设计要包含所有可能的脉搏波单周期点数,则窗函数的宽度范围为63~125个点,其范围计算公式:
其中,f1和f2分别为脉搏波信号的上限和下限频率,L为设置窗函数宽度时的步长用来控制窗函数的数量N,Fs为采样频率。在实际应用时,f1的取值要比理论的上限频率稍大,f2的取值要比理论的下限频率稍小,以便将所有频率范围内的脉搏波信号包含在内。根据脉搏波的频率判断,其理论周期范围在0.5~1s内,则关于L的步长设定一般为0.1,可以根据实际情况增大或者减小。
本实施例中,窗函数的范围设计为(0.3:0.1:1.2)×125;
步骤4,采用步骤3设计的窗函数对步骤2处理后的光电容积脉搏波信号进行遍历,假设每个窗函数的大小是光电容积脉搏波信号每个周期的大小,提取每个窗函数下的光电容积脉搏波信号的最大值和最大值之前的首个最小值,分别对应光电容积脉搏波每个周期中的主波峰峰值点和结束点,如图3所示。实际上窗函数的设定是一个范围R包含多个窗,最小的窗函数可以提取出光电容积脉搏波信号序列中最多的最大值点,其中包含光电容积脉搏波信号每个周期中的主波峰点的概率最大,以最小的窗函数为基准,分别与其它的窗函数中提取的最大值点做交集,提取其中出现次数大于等于的点,即为光电容积脉搏波每个周期的主波峰点,其次因为脉搏波信号主波峰位于快速射血期,该阶段通过滤波后的信号比较纯净,可以直接提取主峰点前的首个最小值点作为结束点,如图4所示。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (2)
1.一种识别光电容积脉搏波特征点的方法,其特征在于,包括以下步骤:
步骤1,从BIDMIC数据库中获取光电容积脉搏波信号,获取的光电容积脉搏波信号中包含着肌电干扰、运动伪差、呼吸、工频干扰等噪声;
步骤2,通过FIR低通数字滤波器对步骤1获得的光电容积脉搏波信号进行滤波去噪处理;
步骤3,根据光电容积脉搏波信号的频率范围1~2Hz,以及信号的采样频率Fs,确定窗函数的大小L和数量N,L代表窗函数的大小即程序设计中的步长,根据窗函数的大小,选取窗函数的范围R在光电容积脉搏波信号频率对应的范围内;
步骤4,采用步骤3设计的窗函数对步骤2处理后的光电容积脉搏波信号进行遍历,假设每个窗函数的大小是光电容积脉搏波信号每个周期的大小,提取每个窗函数下的光电容积脉搏波信号的最大值和最大值之前的首个最小值,分别对应光电容积脉搏波每个周期中的主波峰峰值点和结束点;实际上窗函数的设定是一个范围R包含多个窗,最小的窗函数可以提取出光电容积脉搏波信号序列中最多的最大值点,其中包含光电容积脉搏波信号每个周期中的主波峰点的概率最大,以最小的窗函数为基准,分别与其它的窗函数中提取的最大值点做交集,提取其中出现次数大于等于的点,即为光电容积脉搏波每个周期的主波峰点,其次因为脉搏波信号主波峰位于快速射血期,该阶段通过滤波后的信号比较纯净,可以直接提取主峰点前的首个最小值点作为结束点。
2.根据权利要求1所述的一种识别光电容积脉搏波特征点的方法,其特征在于,所述步骤3中采样频率Fs为125Hz,脉搏波信号的频率范围为1~2Hz,则其单周期的点数的范围大约为63~125个点,对窗函数的步长L设计要包含所有可能的脉搏波单周期点数,则窗函数的宽度范围为63~125个点,其范围计算公式:
其中,f1和f2分别为脉搏波信号的上限和下限频率,L为设置窗函数宽度时的步长用来控制窗函数的数量N,Fs为采样频率;在实际应用时,f1的取值要比理论的上限频率稍大,f2的取值要比理论的下限频率稍小,以便将所有频率范围内的脉搏波信号包含在内;根据脉搏波的频率判断,其理论周期范围在0.5~1s内,则L的步长设定为0.1,可以根据实际情况增大或者减小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011210742.9A CN112353377B (zh) | 2020-11-03 | 2020-11-03 | 一种识别光电容积脉搏波特征点的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011210742.9A CN112353377B (zh) | 2020-11-03 | 2020-11-03 | 一种识别光电容积脉搏波特征点的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112353377A CN112353377A (zh) | 2021-02-12 |
CN112353377B true CN112353377B (zh) | 2024-04-19 |
Family
ID=74512678
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011210742.9A Active CN112353377B (zh) | 2020-11-03 | 2020-11-03 | 一种识别光电容积脉搏波特征点的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112353377B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113397499B (zh) * | 2021-07-23 | 2024-08-09 | 上海中医药大学 | 一种脉搏波生理信息提取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020002450A (ko) * | 2001-11-22 | 2002-01-09 | 명현성 | 맥상분석장치 |
JP2013208311A (ja) * | 2012-03-30 | 2013-10-10 | Seiko Epson Corp | 拍動検出装置、電子機器及びプログラム |
CN109350031A (zh) * | 2018-12-07 | 2019-02-19 | 深圳先进技术研究院 | 一种光电容积脉搏波信号特征点检测方法及装置 |
CN111528825A (zh) * | 2020-05-14 | 2020-08-14 | 浙江大学 | 一种光电容积脉搏波信号优化方法 |
-
2020
- 2020-11-03 CN CN202011210742.9A patent/CN112353377B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020002450A (ko) * | 2001-11-22 | 2002-01-09 | 명현성 | 맥상분석장치 |
JP2013208311A (ja) * | 2012-03-30 | 2013-10-10 | Seiko Epson Corp | 拍動検出装置、電子機器及びプログラム |
CN109350031A (zh) * | 2018-12-07 | 2019-02-19 | 深圳先进技术研究院 | 一种光电容积脉搏波信号特征点检测方法及装置 |
CN111528825A (zh) * | 2020-05-14 | 2020-08-14 | 浙江大学 | 一种光电容积脉搏波信号优化方法 |
Non-Patent Citations (1)
Title |
---|
一种光电容积脉搏信号的峰值点自动识别方法;李肃义;徐壮;熊文激;蒋善庆;吴疆;;光谱学与光谱分析;20171015(第10期);163-167 * |
Also Published As
Publication number | Publication date |
---|---|
CN112353377A (zh) | 2021-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
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 | |
CN103027667B (zh) | 脉搏波的特征参数提取 | |
CN108113665B (zh) | 一种心电信号自动降噪方法 | |
CN101732033A (zh) | 一种人体波形中的特征参数的提取方法和装置 | |
CN103034837B (zh) | 特征参数与脉象要素的关联 | |
CN103284702A (zh) | 心电图和脉搏波关系分析及融合分析的方法和装置 | |
CN117033911B (zh) | 基于智能眼镜数据的计步分析方法 | |
WO2016192952A1 (de) | Verfahren sowie vorrichtung zur ermittlung des verlaufs des blutdrucks | |
Goutas et al. | Digital fractional order differentiation-based algorithm for P and T-waves detection and delineation | |
CN108937957A (zh) | 检测方法、装置及检测设备 | |
CN109009087B (zh) | 一种心电信号r波的快速检测方法 | |
CN112353377B (zh) | 一种识别光电容积脉搏波特征点的方法 | |
CN108509823A (zh) | Qrs波群的检测方法及装置 | |
CN108042107A (zh) | 一种ppg信号伪差校正方法 | |
CN113729653A (zh) | 一种人体脉搏波信号采集方法 | |
CN111528821A (zh) | 一种脉搏波中重搏波特征点识别方法 | |
Li et al. | A new approach of QRS complex detection based on matched filtering and triangle character analysis | |
CN113243902B (zh) | 一种基于光电容积脉搏波的特征提取方法 | |
CN105615864A (zh) | 用于移动终端的信息采集方法 | |
CN111134634B (zh) | 一种基于聚类分析的光电容积脉搏波分析处理方法 | |
CN113378798A (zh) | 基于视频微运动放大的脉搏视频脉搏提取方法及系统 | |
CN114052690A (zh) | 一种基于智能手机摄像头的心率变异性检测方法 | |
CN113925482B (zh) | 心率计算方法、可穿戴电子设备和存储介质 | |
Alhussainy | QRS complex detection and R–R interval computation based on discrete wavelet transform |
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 |