CN113288072A - 一种脉搏波的主波检测方法及装置 - Google Patents
一种脉搏波的主波检测方法及装置 Download PDFInfo
- Publication number
- CN113288072A CN113288072A CN202110468509.9A CN202110468509A CN113288072A CN 113288072 A CN113288072 A CN 113288072A CN 202110468509 A CN202110468509 A CN 202110468509A CN 113288072 A CN113288072 A CN 113288072A
- Authority
- CN
- China
- Prior art keywords
- wave
- pulse wave
- pulse
- signal
- main
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000009499 grossing Methods 0.000 claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 24
- 230000001174 ascending effect Effects 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 17
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 230000000630 rising effect Effects 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 2
- 210000004369 blood Anatomy 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 210000005240 left ventricle Anatomy 0.000 description 3
- 210000000709 aorta Anatomy 0.000 description 2
- 210000001765 aortic valve Anatomy 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000004872 arterial blood pressure Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 210000002321 radial artery Anatomy 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4854—Diagnosis based on concepts of traditional oriental medicine
-
- 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
- A61B5/7235—Details of waveform analysis
-
- 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
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Cardiology (AREA)
- Alternative & Traditional Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种脉搏波的主波检测方法及装置,包括:获取脉搏波的原始信号;使用加权窗函数对所述原始信号进行平滑处理,去除所述原始信号中的异常值,获得平滑脉搏波信号;对所述平滑的脉搏波信号,使用低通滤波去除所述信号的噪声;对去除噪声的脉搏波信号进行二阶差分处理,获得脉搏波周期主波上升支斜率最大处,在所述主波上升支斜率最大处的两侧搜索极值,获得脉搏波的波峰和波谷,完成脉搏波的主波检测。解决现有技术的算法普遍存在适应性差、识别不稳定、计算复杂度较高等问题。
Description
技术领域
本申请涉及数据处理领域,具体涉及一种脉搏波的主波检测方法,同时涉及一种脉搏波的主波检测装置。
背景技术
脉诊仪通过压力传感器采集桡动脉上的脉搏波信号。这一技术实现脉诊从定性到定量的转变。由于脉搏波信号的复杂性和易受干扰性,至今对脉搏波的精确识别仍然是一个难题。目前在对脉搏波信号的检测和采集时,由于受仪器、人体和环境等方面的影响,所采集的信号中常常伴随着各种不同的噪声和干扰,如何抑制噪声干扰提高信噪比是对脉搏波信号处理的关键。
由于人的体质不同,甚至是同一个人不同时期的测量,都会存在生理上的差异,这种差异会引起脉搏波信号的变化。当前主流的脉搏波识别算法直接在原始的脉波信号上进行识别,一个微小的振幅变化都有可能导致检测结果有较大的偏差。当前算法使用较多的参数及频繁的调整参数来应对脉波信号的高度复杂性,应用性较差。因此,当前的算法普遍存在适应性差、识别不稳定、计算复杂度较高等问题。
发明内容
为解决上述问题,本申请提供一种脉搏波的主波检测方法,包括:
获取脉搏波的原始信号;
使用加权窗函数对所述原始信号进行平滑处理,去除所述原始信号中的异常值,获得平滑脉搏波信号;
对所述平滑的脉搏波信号,使用低通滤波去除所述信号的噪声;
对去除噪声的脉搏波信号进行二阶差分处理,获得脉搏波周期主波上升支斜率最大处,在所述主波上升支斜率最大处的两侧搜索极值,获得脉搏波的波峰和波谷,完成脉搏波的主波检测。
优选的,在完成脉搏波的主波检测的步骤之后,还包括:
根据脉搏波主波的波峰位置和波峰个数,计算主波的平均长度L;
根据所述主波的平均长度L和采样率Fs,计算脉率Pulse,所述脉率Pulse的计算公式为:
Pulse=60/(Fs*L)。
优选的,使用加权窗函数对所述原始信号进行平滑处理,去除所述原始信号中的异常值,获得平滑的脉搏波信号,包括:
将原始信号记作y,对y进行平滑处理,设置滑动窗口大小为3设定阈值为thr1,将滑动窗口取出的值依次标记为x1,x2,x3,若滑动窗口中的数值满足判断条件:
|x2-x1|>thr1且|x2-x3|>thr1
则判断x2为异常值,则:
x2=a*x1+b*x3(其中a=x1/(x1+x2),b=x2/(x1+x2))
将经过窗口平滑处理后,得到平滑后的信号记作y1;
对y1进行平滑处理,去除异常值,包括:设置滑动窗口大小为5,设定阈值thr2,将滑动窗口取出的值依次标记为x1,x2,x3,x4,x5,判断条件为:
(4)|x3-x1|>thr2且|x3-x5|>thr2
(5)|x3-x1|>thr2且|x3-x4|>thr2
(6)|x3-x2|>thr2且|x3-x5|>thr2
若滑动窗口中的数据满足任意一个判断条件,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)
将y1经过平滑处理后得到的信号y2,作为平滑脉搏波信号。
优选的,对所述平滑的脉搏波信号,使用低通滤波去除所述信号的噪声,包括:
将平滑脉搏波信号y2经过傅里叶变换,获得所述信号的频谱图;
通过分析所述频谱图,获得平滑脉搏波信号y2频率以及噪声的频率;
根据所述噪声的频率,设定低通滤波器的带通频率,使用所述低通滤波器去除信号y2的噪声,获得去除噪声的脉搏波信号y3。
优选的,对去除噪声的脉搏波信号进行二阶差分处理,获得脉搏波周期主波上升支斜率最大处,包括:
设脉搏波信号y3的采样时间为t,则y3=f(t),对y3进行时序差分计算得到差分序列dy3,dy3的第i个值的二阶差分特征为:
dy3(i)=(y3(i)-y3(i-1))*(y3(i)-y3(i-1))(i=1,2,…,t)
dy3(i)中二阶差分特征振幅最大处,为脉搏波周期主波上升支斜率最大处。
优选的,在获得dy3的第i个值的二阶差分特征的步骤之后,还包括:
根据脉搏波信号y3的平均值ave和标准差std,对所述二阶差分特征进行标准化处理,所述标准化的计算方式为,
Z(i)=(y3(i)-ave)/std。
优选的,在所述主波上升支斜率最大处的两侧搜索极值的步骤之前,还包括:
对y3进行滤波和标准化处理,消除y3在高频位置的异常值干扰。
优选的,在所述主波上升支斜率最大处的两侧搜索极值,获得脉搏波的波峰和波谷,完成脉搏波的主波检测,包括:
在所述主波上升支斜率最大处的两侧,各取20个数据点;
获取数据点的最大值和最小值,作为脉搏波的波峰和波谷,完成脉搏波的主波检测。
本申请同时提供一种脉搏波的主波检测装置,包括:
原始信号获取单元,用于获取脉搏波的原始信号;
平滑脉搏波信号获取单元,用于使用加权窗函数对所述原始信号进行平滑处理,去除所述原始信号中的异常值,获得平滑脉搏波信号;
噪声去除单元,用于对所述平滑的脉搏波信号,使用低通滤波去除所述信号的噪声;
主波检测检测单元,用于对去除噪声的脉搏波信号进行二阶差分处理,获得脉搏波周期主波上升支斜率最大处,在所述主波上升支斜率最大处的两侧搜索(局部位置20数据点)极值,获得脉搏波的波峰和波谷,完成脉搏波的主波检测。
优选的,还包括:
主波的平均长度计算单元,用于根据脉搏波主波的波峰位置和波峰个数,计算主波的平均长度L;
脉率计算单元,用于根据所述主波的平均长度L和采样率Fs,计算脉率Pulse,所述脉率Pulse的计算公式为:
Pulse=60/(Fs*L)。
附图说明
图1是本申请提供的一种脉搏波的主波检测方法的流程示意图;
图2是本申请涉及的脉搏波周期波形图;
图3是本申请涉及的脉搏波信号平滑前后对比图;
图4是本申请涉及的脉搏波信号的频谱图;
图5是本申请涉及的脉搏波滤波后信号波形图;
图6是本申请涉及的脉搏波滤波后信号频谱图;
图7是本申请涉及的脉搏波滤波后信号和标准化二阶差分特征图;
图8是本申请涉及的脉搏波信号的波峰波谷位置;
图9是本申请提供的一种脉搏波的主波检测装置示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
本申请提供一种脉搏波的主波检测方法,其检测流程如图1所示,下面结合图1对本申请提供的方法进行详细说明。
步骤S101,获取脉搏波的原始信号。
脉图的形成,受心脏、血管、血液等因素的直接影响,脉图上的拐点都有一定的生理意义。脉搏波是一种以低频成分为主的生理信号,属于非平稳的微弱信号。在正常生理情况下,健康人的脉搏波信号频率主要分布在0.5-10Hz范围内,单个脉搏波周期如图2所示,它包括:(1)升支:当左心室开始收缩,主动脉瓣开启,主动脉因射血而压力迅速上升,形成升支;(2)降支:左心室排空量和主动脉排空量相等,射血后期动脉压开始下降,由于外周动脉受到左心室喷血的冲击形成反射波,随后主动脉瓣关闭,形成降支。将获取的脉搏波的原始信号记作y。
脉波的周期反映出脉率的时间。脉率的快慢受年龄、性别、运动和情绪等因素的影响。临床上有许多疾病,会影响到脉率的变化。因此,测量脉率对病人来讲是一个不可缺少的检查项目。中医更将切脉作为诊治疾病的主要方法。
步骤S102,使用加权窗函数对所述原始信号进行平滑处理,去除所述原始信号中的异常值,获得平滑脉搏波信号。
使用滑动窗口对脉搏波原始信号平滑处理,去除异常值。首先,
将原始信号记作y,对y进行平滑处理,设置滑动窗口大小为3设定阈值为thr1,将滑动窗口取出的值依次标记为x1,x2,x3,若滑动窗口中的数值满足判断条件:
|x2-x1|>thr1且|x2-x3|>thr1
则判断x2为异常值,则:
x2=a*x1+b*x3(其中a=x1/(x1+x2),b=x2/(x1+x2))
将经过窗口平滑处理后,得到平滑后的信号记作y1;
其次,经过平滑处理后会造成个别异常值向前一个偏移,因此,还需要对y1再一次平滑处理,去除异常值。包括:设置滑动窗口大小为5,设定阈值thr2,将滑动窗口取出的值依次标记为x1,x2,x3,x4,x5,判断条件为:
(7)|x3-x1|>thr2且|x3-x5|>thr2
(8)|x3-x1|>thr2且|x3-x4|>thr2
(9)|x3-x2|>thr2且|x3-x5|>thr2
若滑动窗口中的数据满足任意一个判断条件,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)
将y1经过平滑处理后得到的信号y2,作为平滑脉搏波信号。原始脉搏波信号经过两次平滑处理后的结果如图3所示。图3中对原始脉搏波信号经过两次加权窗函数平滑处理后,可以明显的去除异常值,达到很好的平滑效果,而且从图中可以看出,平滑处理后对于波峰和波谷位置影响较小,更多的保留了波形的特征。
步骤S103,对所述平滑的脉搏波信号,使用低通滤波去除所述信号的噪声。
由于设备、环境和人体的影响,采集到的信号含有很多的噪声,需要通过滤波器滤除噪声。而且对信号滤波,需要抑制高频成分,增强低频信号,便于对波形的检测。
将平滑脉搏波信号y2经过傅里叶变换,获得所述信号的频谱图,如图4所示,通过分析图4脉搏波信号的频谱图,获得平滑脉搏波信号y2频率以及噪声的频率,根据所述噪声的频率,设定低通滤波器的带通频率,使用所述低通滤波器去除信号y2的噪声,获得去除噪声的脉搏波信号y3。
由图4脉搏波信号的频谱图可知,脉搏信号的频率大约在0.7Hz-7.0Hz,信号中的噪声包含50Hz的工频干扰,0.5Hz的基线漂移,肌电干扰频率大致在10.0Hz-300Hz,因此需要设计一个低通滤波器,其中带通频率fp=0.7Hz,带阻频率fs=7.5Hz。之后将滤波后的信号标准化处理并抑制两头畸变得到信号y3。其结果如图5和图6所示。
如图6所示,经过滤波处理后的频谱图,从图中可以看出本专利所设计的滤波器基本滤除信号中的噪声,可以将处理后的信号用于接下来的检测。
步骤S104,对去除噪声的脉搏波信号进行二阶差分处理,获得脉搏波周期主波上升支斜率最大处,在所述主波上升支斜率最大处的两侧搜索极值,获得脉搏波的波峰和波谷,完成脉搏波的主波检测。
二阶差分处理,用于突出高频成分抑制低频成分。原始信号经过上述处理后得到,脉搏波信号y3,设脉搏波信号y3的采样时间为t,则y3=f(t),对y3进行时序差分计算得到差分序列dy3,dy3的第i个值的二阶差分特征为:
dy3(i)=(y3(i)-y3(i-1))*(y3(i)-y3(i-1))(i=1,2,…,t)
根据脉搏波信号y3的平均值ave和标准差std,对所述二阶差分特征进行标准化处理,所述标准化的计算方式为,
Z(i)=(y3(i)-ave)/std
标准化处理的好处是提高精度。dy3(i)中二阶差分特征振幅最大处,为脉搏波周期主波上升支斜率最大处。
由于信号在高频位置仍然会存在异常值的干扰,导致波峰波谷检测准确率较低,因此,对y3进行滤波和标准化处理,消除y3在高频位置的异常值干扰。
对信号y3标准化处理,并计算二阶差分特征,其作用是突出信号中的高频成分抑制低频成分,突出波峰波谷的位置。对二阶差分特征再一次滤波、标准化处理,消除干扰,其结果如图7所示。
图7中,蓝色的线表示滤波后信号,红色的线表示滤波后信号标准化的二阶差分特征,红色线每一个峰值所对应的蓝色线的位置,即图中红色’+’的位置表示主波上升支斜率最大处。
图7中,红色符号表示上升支斜率最大位置,以此处为标记位,在其两侧进行局部位置极值检测,既可以找到波峰和波谷位置,具体在主波上升支斜率最大处的两侧,各取20个数据点,获取数据点的最大值和最小值,作为脉搏波的波峰和波谷,完成脉搏波的主波检测。检测结果如图8中的红色’*’所示。
从图8可以看出,本申请的脉搏波的主波检测方法,可以精确的检测出每一个主波中的波峰和波谷位置,这样就可以用于接下来的脉率计算。
根据脉搏波主波的波峰位置和波峰个数,计算主波的平均长度L,即每两个波峰之间的平均离取,根据所述主波的平均长度L和采样率Fs,计算脉率Pulse,所述脉率Pulse的计算公式为:
Pulse=60/(Fs*L)。
基于同一发明构思,本申请同时提供一种脉搏波的主波检测装置900,如图9所示,包括:
原始信号获取单元910,用于获取脉搏波的原始信号;
平滑脉搏波信号获取单元920,用于使用加权窗函数对所述原始信号进行平滑处理,去除所述原始信号中的异常值,获得平滑脉搏波信号;
噪声去除单元930,用于对所述平滑的脉搏波信号,使用低通滤波去除所述信号的噪声;
主波检测检测单元940,用于对去除噪声的脉搏波信号进行二阶差分处理,获得脉搏波周期主波上升支斜率最大处,在所述主波上升支斜率最大处的两侧搜索(局部位置20数据点)极值,获得脉搏波的波峰和波谷,完成脉搏波的主波检测。
优选的,还包括:
主波的平均长度计算单元,用于根据脉搏波主波的波峰位置和波峰个数,计算主波的平均长度L;
脉率计算单元,用于根据所述主波的平均长度L和采样率Fs,计算脉率Pulse,所述脉率Pulse的计算公式为:
Pulse=60/(Fs*L)。
通过本申请提供的脉搏波的主波检测方法及装置,在高度复杂、形态多变的脉搏波信号上获得了稳定的检测结果及非常高的脉率计算准确率,解决现有技术的算法普遍存在适应性差、识别不稳定、计算复杂度较高等问题。
最后应该说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (10)
1.一种脉搏波的主波检测方法,其特征在于,包括:
获取脉搏波的原始信号;
使用加权窗函数对所述原始信号进行平滑处理,去除所述原始信号中的异常值,获得平滑脉搏波信号;
对所述平滑的脉搏波信号,使用低通滤波去除所述信号的噪声;
对去除噪声的脉搏波信号进行二阶差分处理,获得脉搏波周期主波上升支斜率最大处,在所述主波上升支斜率最大处的两侧搜索极值,获得脉搏波的波峰和波谷,完成脉搏波的主波检测。
2.根据权利要求1所述的方法,其特征在于,在完成脉搏波的主波检测的步骤之后,还包括:
根据脉搏波主波的波峰位置和波峰个数,计算主波的平均长度L;
根据所述主波的平均长度L和采样率Fs,计算脉率Pulse,所述脉率Pulse的计算公式为:
Pulse=60/(Fs*L)。
3.根据权利要求1所述的方法,其特征在于,使用加权窗函数对所述原始信号进行平滑处理,去除所述原始信号中的异常值,获得平滑的脉搏波信号,包括:
将原始信号记作y,对y进行平滑处理,设置滑动窗口大小为3设定阈值为thr1,将滑动窗口取出的值依次标记为x1,x2,x3,若滑动窗口中的数值满足判断条件:
|x2-x1|>thr1且|x2-x3|>thr1
则判断x2为异常值,则:
x2=a*x1+b*x3(其中a=x1/(x1+x2),b=x2/(x1+x2))
将经过窗口平滑处理后,得到平滑后的信号记作y1;
对y1进行平滑处理,去除异常值,包括:设置滑动窗口大小为5,设定阈值thr2,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-x1|>thr2且|x3-x5|>thr2
(2)|x3-x1|>thr2且|x3-x4|>thr2
(3)|x3-x2|>thr2且|x3-x5|>thr2
若滑动窗口中的数据满足任意一个判断条件,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)
将y1经过平滑处理后得到的信号y2,作为平滑脉搏波信号。
4.根据权利要求1所述的方法,其特征在于,对所述平滑的脉搏波信号,使用低通滤波去除所述信号的噪声,包括:
将平滑脉搏波信号y2经过傅里叶变换,获得所述信号的频谱图;
通过分析所述频谱图,获得平滑脉搏波信号y2频率以及噪声的频率;
根据所述噪声的频率,设定低通滤波器的带通频率,使用所述低通滤波器去除信号y2的噪声,获得去除噪声的脉搏波信号y3。
5.根据权利要求1所述的方法,其特征在于,对去除噪声的脉搏波信号进行二阶差分处理,获得脉搏波周期主波上升支斜率最大处,包括:
设脉搏波信号y3的采样时间为t,则y3=f(t),对y3进行时序差分计算得到差分序列dy3,dy3的第i个值的二阶差分特征为:
dy3(i)=(y3(i)-y3(i-1))*(y3(i)-y3(i-1))(i=1,2,…,t)
dy3(i)中二阶差分特征振幅最大处,为脉搏波周期主波上升支斜率最大处。
6.根据权利要求5所述的方法,其特征在于,在获得dy3的第i个值的二阶差分特征的步骤之后,还包括:
根据脉搏波信号y3的平均值ave和标准差std,对所述二阶差分特征进行标准化处理,所述标准化的计算方式为,
Z(i)=(y3(i)-ave)/std。
7.根据权利要求1所述的方法,其特征在于,在所述主波上升支斜率最大处的两侧搜索极值的步骤之前,还包括:
对y3进行滤波和标准化处理,消除y3在高频位置的异常值干扰。
8.根据权利要求1所述的方法,其特征在于,在所述主波上升支斜率最大处的两侧搜索极值,获得脉搏波的波峰和波谷,完成脉搏波的主波检测,包括:
在所述主波上升支斜率最大处的两侧,各取20个数据点;
获取数据点的最大值和最小值,作为脉搏波的波峰和波谷,完成脉搏波的主波检测。
9.一种脉搏波的主波检测装置,其特征在于,包括:
原始信号获取单元,用于获取脉搏波的原始信号;
平滑脉搏波信号获取单元,用于使用加权窗函数对所述原始信号进行平滑处理,去除所述原始信号中的异常值,获得平滑脉搏波信号;
噪声去除单元,用于对所述平滑的脉搏波信号,使用低通滤波去除所述信号的噪声;
主波检测检测单元,用于对去除噪声的脉搏波信号进行二阶差分处理,获得脉搏波周期主波上升支斜率最大处,在所述主波上升支斜率最大处的两侧搜索(局部位置20数据点)极值,获得脉搏波的波峰和波谷,完成脉搏波的主波检测。
10.根据权利要求9所述的装置,其特征在于,还包括:
主波的平均长度计算单元,用于根据脉搏波主波的波峰位置和波峰个数,计算主波的平均长度L;
脉率计算单元,用于根据所述主波的平均长度L和采样率Fs,计算脉率Pulse,所述脉率Pulse的计算公式为:
Pulse=60/(Fs*L)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110468509.9A CN113288072A (zh) | 2021-04-28 | 2021-04-28 | 一种脉搏波的主波检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110468509.9A CN113288072A (zh) | 2021-04-28 | 2021-04-28 | 一种脉搏波的主波检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113288072A true CN113288072A (zh) | 2021-08-24 |
Family
ID=77320330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110468509.9A Pending CN113288072A (zh) | 2021-04-28 | 2021-04-28 | 一种脉搏波的主波检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113288072A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115381412A (zh) * | 2022-09-23 | 2022-11-25 | 广东省新黄埔中医药联合创新研究院 | 脉搏波阵列信号包络图结合时域信号识别弦脉特征的方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07275212A (ja) * | 1994-04-14 | 1995-10-24 | Terumo Corp | 血管容積変化の立上がりポイント検出方法及びそれを適用した電子血圧計 |
CN103989462A (zh) * | 2014-04-04 | 2014-08-20 | 辛勤 | 一种脉搏波形第一特征点和第二特征点的提取方法 |
CN107822608A (zh) * | 2017-10-26 | 2018-03-23 | 中国民航大学 | 基于高斯混合模型的脉搏波特征提取方法 |
CN109009086A (zh) * | 2018-07-06 | 2018-12-18 | 四川斐讯信息技术有限公司 | 一种心电信号r波检测方法及系统 |
CN110916636A (zh) * | 2019-11-22 | 2020-03-27 | 新绎健康科技有限公司 | 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 |
CN111160090A (zh) * | 2019-11-22 | 2020-05-15 | 新绎健康科技有限公司 | 一种bcg信号降噪方法及系统 |
-
2021
- 2021-04-28 CN CN202110468509.9A patent/CN113288072A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07275212A (ja) * | 1994-04-14 | 1995-10-24 | Terumo Corp | 血管容積変化の立上がりポイント検出方法及びそれを適用した電子血圧計 |
CN103989462A (zh) * | 2014-04-04 | 2014-08-20 | 辛勤 | 一种脉搏波形第一特征点和第二特征点的提取方法 |
CN107822608A (zh) * | 2017-10-26 | 2018-03-23 | 中国民航大学 | 基于高斯混合模型的脉搏波特征提取方法 |
CN109009086A (zh) * | 2018-07-06 | 2018-12-18 | 四川斐讯信息技术有限公司 | 一种心电信号r波检测方法及系统 |
CN110916636A (zh) * | 2019-11-22 | 2020-03-27 | 新绎健康科技有限公司 | 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 |
CN111160090A (zh) * | 2019-11-22 | 2020-05-15 | 新绎健康科技有限公司 | 一种bcg信号降噪方法及系统 |
Non-Patent Citations (1)
Title |
---|
赵志强,等: "脉搏波信号降噪和特征点识别研究", 《电子设计工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115381412A (zh) * | 2022-09-23 | 2022-11-25 | 广东省新黄埔中医药联合创新研究院 | 脉搏波阵列信号包络图结合时域信号识别弦脉特征的方法 |
CN115381412B (zh) * | 2022-09-23 | 2023-07-14 | 广东省新黄埔中医药联合创新研究院 | 脉搏波阵列信号包络图结合时域信号识别弦脉特征的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vadrevu et al. | A robust pulse onset and peak detection method for automated PPG signal analysis system | |
CN109124610B (zh) | 一种无创血压测量的抗干扰方法和装置 | |
WO2005099562A1 (en) | Non-invasive measurement of second heart sound components | |
Guo et al. | Analysis and recognition of traditional Chinese medicine pulse based on the hilbert-huang transform and random forest in patients with coronary heart disease | |
TW200536509A (en) | Devices and methods for heart-rate measurement and wrist-watch incorporating same | |
CN113349752B (zh) | 一种基于传感融合的可穿戴设备实时心率监测方法 | |
Nakano et al. | Instantaneous heart rate detection using short-time autocorrelation for wearable healthcare systems | |
Ferro et al. | Automated detection of the onset and systolic peak in the pulse wave using Hilbert transform | |
CA2623270C (en) | Signal processing for pulse oximetry | |
Hammoud et al. | Automatic bio-impedance signal analysis: smoothing processes efficacy evaluation in determining the vascular tone type | |
CN116269269A (zh) | 具有数据质量评估功能的连续血压测量仪、系统及方法 | |
CN113243902B (zh) | 一种基于光电容积脉搏波的特征提取方法 | |
CN107995981B (zh) | 一种用于血压测量装置的数据处理方法 | |
CN113288072A (zh) | 一种脉搏波的主波检测方法及装置 | |
KR101036233B1 (ko) | 이차 미분 맥파의 특징점 분포를 이용한 특징점 검출 방법 및 장치 | |
Tun | Photoplethysmography (PPG) scheming system based on finite impulse response (FIR) filter design in biomedical applications | |
Lin et al. | A characteristic filtering method for pulse wave signal quality assessment | |
CN109620198B (zh) | 心血管指数检测、模型训练方法及装置 | |
CN110226925B (zh) | 一种基于脉搏波的血压检测装置 | |
Pachauri et al. | Wavelet transform based arterial blood pressure waveform delineator | |
Vadrevu et al. | Effective systolic peak detection algorithm using variational mode decomposition and center of gravity | |
CN114145725B (zh) | 一种基于无创连续血压测量的ppg采样率估算方法 | |
Kadarmandalgi et al. | Pulse diagnosis System for Nadi Pariksha using parametric and statistical analysis | |
CN111557650A (zh) | 基于Adam的快批量梯度上升法脉搏波特征提取方法 | |
Hu et al. | A robust beat-to-beat artifact detection algorithm for pulse wave |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210824 |