CN113935372A - 一种基于非线性模式分解的袖带压力震荡波提取方法 - Google Patents

Abstract

一种基于非线性模式分解的袖带压力震荡波提取方法，步骤一、从原始波形中提取袖带压力信号和振荡波信号；步骤二、对含有运动干扰伪迹的振荡波信号进行同步挤压小波变换；步骤三、利用同步挤压小波变换的结果，计算振荡波信号的时变双谱，同时将时变双谱绝对值与同步挤压小波变换结果相乘，得到去噪后震荡波信号的同步挤压小波变换；步骤四、利用非线性模式分解算法，分别提取一次谐波和备选谐波成分，同时使用替代数据检验，找出一次谐波的真实谐波成分；步骤五、通过提取的一次谐波和相关谐波成分进行非线性模式重构，得到去除运动干扰伪迹的振荡波信号；本发明能够对袖带压力震荡波中的运动干扰进行滤除，从而准确提取袖带压力震荡波。

Description

一种基于非线性模式分解的袖带压力震荡波提取方法

技术领域

本发明涉及生物医学信号处理技术领域，特别涉及一种基于非线性模式分解的袖带压力震荡波提取方法，基于同步挤压小波变换和双谱分析的非线性模式分解算法，旨在对袖带压力震荡波中的运动干扰进行滤除，从而准确提取袖带压力震荡波。

背景技术

血压是反映心脏泵血功能、血管阻力、血液粘滞性和全身血容量等生理参数的重要指标，在临床上得到了广泛应用。血压是血液在血管内流动时，作用于血管壁的压力，它是推动血液在血管内流动的动力。心室收缩，血液从心室流入动脉，此时血液对动脉的压力最高，称为收缩压。心室舒张，动脉血管弹性回缩，血液仍慢慢继续向前流动，但血压下降，此时的压力称为舒张压。血压具有随时间变化特性,同一个人一天之内不同时段所测得血压值不同，在诊所进行的单次或少次血压测量不能可靠地反映血压的波动和活动状态下的情况。动态血压监测是在24小时内自动间断性定时测量日常生活状态下血压的一种诊断技术。早期高血压患者血压只在部分时间升高，偶测血压容易漏诊，所以进行动态血压监测，可以全面详尽地观察一天中血压的动态变化，避免漏诊误诊。临床中多采用示波法进行动态血压监测，示波法是根据袖带内微弱的压力震荡波进行血压测量，测量过程中要求患者保持安静。由于动态血压监测是在24小时内自动按一定测量间期定时测量患者日常生活状态下的血压，无法要求患者在所有测量过程中都保持安静，所以现有临床使用的动态血压监测系统往往要舍弃很多由于各种干扰而导致的无效测量数据，从而严重影响了动态血压监测的临床价值。为此，我们在开发临床用动态血压产品时发明了一种带压力震荡波准确提取方法并获得专利授权(专利号：CN201410004868.9)，显著提高了运动状态下血压准确测量精度。本方法在绝大部情况下表现良好，但以下两种情况下性能有待改进：1)在测量过程中心率出现明显变化；2)运动干扰信号(人体运动)的频率与心脏搏动频率十分接近。

发明内容

为了提高血压计在动态监测中抗运动干扰的能力，本发明的目的在于提供一种基于非线性模式分解的袖带压力震荡波提取方法，针对在测量过程中心率出现明显变化，利用小波变换具有的时频分析特性，对原始袖带压力震荡波中的运动干扰进行滤除，实时跟踪心率的变化，针对运动干扰信号(人体运动)的频率与心脏搏动频率十分接近的情况，由于两种频率近似相同，在小波时间—尺度平面上它们的幅度具有近似或相同的模式，单从幅度信息很难区分两种成分，通过同时考虑幅度和相位信息，从而准确提取出真实的压力震荡波，由此本发明提出一种基于非线性模式分解的去除振荡波中运动干扰的方法。

为了达到上述目的，本发明的技术方案是这样实现的：

一种基于非线性模式分解的袖带压力震荡波提取方法，包括以下步骤：

步骤一、从原始波形中提取袖带压力信号和振荡波信号；

步骤二、对含有运动干扰伪迹的振荡波信号进行同步挤压小波变换；

步骤三、利用同步挤压小波变换的结果计算振荡波信号的时变双谱，同时将时变双谱绝对值与同步挤压小波变换结果相乘，得到去噪后震荡波信号的同步挤压小波变换；

步骤四、利用非线性模式分解算法，分别提取一次谐波和备选谐波成分，同时使用替代数据检验找出一次谐波的真实谐波成分；

步骤五、通过提取的一次谐波和相关谐波成分进行非线性模式重构，得到去除运动干扰伪迹的振荡波信号。

所述的步骤二具体为：

对输入的含有运动干扰伪迹的振荡波信号X_ac(t)进行小波变换，得到W_ac(a,b)为：

其中：a代表尺度因子，b代表平移因子，ψ是适当选择的小波函数，选择Morlet小波做为小波函数，

为小波函数

的共轭，这里的Morlet小波函数为：

其中：u为自变量，

为归一化常数，定义

这里f₀为中心频率，决定了小波变换的时间尺度关系，通常定义f₀＝1，在W_ac(a,t)的基础上进行同步挤压小波变换，首先定义瞬时频率ω_ac(a,b)为：

其中：i为虚数单位，之后得到同步挤压变换T_ac(ω_l,b)：

其中：W_ac(a,b)为小波系数,ω_l表示中心频率,a_j表示离散的尺度，Δa_j为相邻两个尺度系数a_j的间隔，(Δa)_j＝a_j-a_j-1,Δω＝ω_l-ω_l-1,j∈[1,N],l∈[1,N]，N为小波变换所取尺度个数。

所述的步骤三具体为：

利用从步骤二得到的同步挤压小波变换后的结果T_ac(ω_l,b)，计算振荡波信号X_ac(t)的时变双谱：

其中：ω_l为血压振荡波的频率成分，T_aci ^*(2ω_l,b)为T_aci(2ω_l,b)的共轭，下标i代表历元序号，所述历元即将信号分成共L段，每段称为一个历元；T_aci(ω_l,b)为第i个历元的同步挤压小波变换，求得每一个历元的时变双谱后求和得到时变双谱；之后将计算所得时变双谱的绝对值B(ω_l,b)在时间上离散化为B(ω_l,b_k),k＝1...K，将同步挤压小波变换所得的结果T_ac(ω_l,b)在时间上离散化为T_ac(ω_l,b_k)，两者相乘求得去噪后震荡波的同步挤压小波变换：

T_eac(ω_l,b_k)＝B(ω_l,b_k)T_ac(ω_l,b_k)，

从而达到去除运动干扰伪迹的效果。

所述的步骤四具体为：

利用非线性模式分解算法，从去噪后的同步挤压小波变换T_eac(ω_l,b_k)中提取一次谐波的频率

其中：l_peak(b_k)是一次谐波的频率索引，也可表示为

P_ω和P_Δω是对应的直接概率函数，在提取了振荡波信号的一次谐波后，采用不同的概率函数，用相同的算法提取h次备选谐波的频率索引

通过步骤二所得的T_ac(ω_l,b)和上述公式所得的

h取值为1-5，在备选的谐波成分中使用替代数据检验找出一次谐波的真实谐波成分。

所述的步骤五具体为：

重构同步挤压小波变换的一次谐波和相关谐波成分：

其中：ω_l(h)，h取值为1-5，表示血压振荡波中的第h次谐波的频率，s_h(t)分别是由h次谐波重构所得到的信号，这些信号相加得到最终的去除运动干扰伪迹的振荡波重构信号：

s(t)＝s₁(t)+s₂(t)+......+s_h(t)。

本发明的优势在于：本发明提出一种基于同步挤压小波变换和双谱分析的非线性模式分解算法，可对袖带压力震荡波中的运动干扰进行滤除，实现准确提取袖带压力震荡波。利用时变双谱的绝对值和同步挤压小波变换所得的结果相乘可以有效地剔除测量过程中的运动伪迹干扰，利用非线性模式分解可以实现重构出正确的震荡波信号。本发明重构震荡波信号是对五个谐波成分直接相加，在具体实现时可以选择不同的数量(如直接由一次谐波对应的成分得到，或者对应一、二次谐波的成分进行直接相加，甚至超过五个谐波成分进行直接相加)。本发明既可用于升压测量模式的示波法血压测量，又可用于降压测量模式的示波法血压测量。

附图说明

图1是本发明的流程图。

图2是通过袖带采集的压力振荡波信号。

图3是通过袖带压波形信号。

图4是对振荡波以五分之一间隔进行重采样的信号。

图5是原始带运动伪迹振荡波的同步挤压小波变换时频图。

图6是时变双谱绝对值与同步挤压小波变换结果相乘得到的去噪后震荡波信号同步挤压小波变换。

图7是提取的血压振荡波中的一次谐波成分重构所得到的信号。

图8是提取的血压振荡波中的二次谐波成分重构所得到的信号。

图9是提取的血压振荡波中的三次谐波成分重构所得到的信号。

图10是最终的去除运动干扰伪迹的振荡波重构信号。

具体实施方式

下面结合附图对本发明的原理作详细说明。

参照图1，本实施例基于非线性模式分解的袖带压力震荡波提取方法，包括以下步骤：

步骤一：考虑到日常生活中手臂经常进行的活动，以肘关节为转动轴进行20°的轻微的绕轴运动为运动伪迹引入方式，袖带压力震荡波原始信号由一种自主研制的电子血压计采集。通过升压波形提取袖带压力信号和振荡波信号。

图2是通过袖带采集的压力振荡波信号。

图3是通过袖带压波形信号。

图4是对振荡波以五分之一间隔进行重采样的信号。

步骤二：对输入的含有运动干扰伪迹的振荡波信号X_ac(t)进行小波变换，得到W_ac(a,b)为：

其中：a代表尺度因子，b代表平移因子，ψ是适当选择的小波函数，我们选择常用的Morlet小波做为小波函数，

为小波函数

的共轭。这里的Morlet小波函数为：

其中：u为自变量，

为归一化常数，定义

这里f₀为中心频率，决定了小波变换的时间尺度关系，通常定义f₀＝1。在W_ac(a,t)的基础上进行同步挤压小波变换，首先定义瞬时频率ω_ac(a,b)为：

其中：i为虚数单位，之后得到同步挤压变换T_ac(ω_l,b)：

其中：W_ac(a,b)为小波系数,ω_l表示中心频率,a_j表示离散的尺度，Δa_j为相邻两个尺度系数a_j的间隔，(Δa)_j＝a_j-a_j-1,Δω＝ω_l-ω_l-1,j∈[1,N],l∈[1,N]，N为小波变换所取尺度个数。

图5是原始带运动伪迹振荡波的同步挤压小波变换时频图，同步挤压小波变换能够有效改善小波变换后信号能量的发散情况，提高了时频可读性，同时图中可看出在主频带成分外存在数条干扰频带。

步骤三：利用从步骤二得到的同步挤压小波变换后的结果T_ac(ω_l,b)，计算振荡波信号X_ac(t)的时变双谱：

其中：ω_l为血压振荡波的频率成分，T_aci ^*(2ω_l,b)为T_aci(2ω_l,b)的共轭，下标i代表历元序号(即将信号分成共L段，每段称为一个历元),T_aci(ω_l,b)为第i个历元的同步挤压小波变换，求得每一个历元的时变双谱后求和得到时变双谱。之后将计算所得时变双谱的绝对值B(ω_l,b)在时间上离散化为B(ω_l,b_k),k＝1...K，将同步挤压小波变换所得的结果T_ac(ω_l,b)在时间上离散化为T_ac(ω_l,b_k)，两者相乘求得去噪后震荡波的同步挤压小波变换：

T_eac(ω_l,b_k)＝B(ω_l,b_k)T_ac(ω_l,b_k)，

从而达到去除运动干扰伪迹的效果。

图6是时变双谱绝对值与同步挤压小波变换结果相乘得到的去噪后震荡波信号同步挤压小波变换时频图，可看到经过双谱处理后，运动干扰频率成分被去除，去噪效果明显。

步骤四：由于同步挤压小波变换结果在时间和频率上具有很高的分辨率，所以可以利用它来来解析频率上接近的分量，每个分量可由振幅峰值-频率序列唯一的表示。首先，利用非线性模式分解算法，从去噪后的同步挤压小波变换T_eac(ω_l,b_k)中提取一次谐波的频率

其中：l_peak(b_k)是一次谐波的频率索引，也可表示为

P_ω和P_Δω是对应的直接概率函数。其次，在提取了振荡波信号的一次谐波后，采用不同的概率函数，用相同的算法提取h次备选谐波的频率索引

在提取了备选谐波后，需要确定备选谐波是一次谐波附近的真实谐波曲线还是噪声产生的伪迹。为此运用替代检验的方法，对可能的谐波和一次谐波进行独立性零假设检验。如果一次谐波的频率随时间变化，那么它的真实谐波也应相应的变化，即真实谐波的行为应当依赖于一次谐波的行为。通过步骤三所得的T_ac(ω_l,b)和上述公式所得的

(h取值为1到3)，在备选的谐波成分中使用替代数据检验找出一次谐波的真实谐波成分为二次和三次谐波。

图7是提取的血压振荡波中的一次谐波成分重构所得到的信号。

图8是提取的血压振荡波中的二次谐波成分重构所得到的信号。

图9是提取的血压振荡波中的三次谐波成分重构所得到的信号。

步骤五：重构同步挤压小波变换的一次、二次和三次谐波成分：

其中：ω_l(h),h＝1,2,3表示血压振荡波中的一、二、三次谐波的频率，s_h(t)分别是由一、二、三次谐波重构所得到的信号。这些信号相加可以得到最终的去除运动干扰伪迹的振荡波重构信号：

s(t)＝s₁(t)+s₂(t)+s₃(t)。

图10是最终的去除运动干扰伪迹的振荡波重构信号。将图10与原始振荡波信号图1对比，可发现运动干扰成分被明显去除，本算法对运动干扰去除效果显著，是一种良好的振荡波运动伪迹去除方法。

以上内容是结合具体实验数据对本发明所做的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (5)

1.一种基于非线性模式分解的袖带压力震荡波提取方法，其特征在于，包括以下步骤：

步骤一、从原始波形中提取袖带压力信号和振荡波信号；

步骤二、对含有运动干扰伪迹的振荡波信号进行同步挤压小波变换；

步骤三、利用同步挤压小波变换的结果，计算振荡波信号的时变双谱，同时将时变双谱绝对值与同步挤压小波变换结果相乘，得到去噪后震荡波信号的同步挤压小波变换；

步骤四、利用非线性模式分解算法，分别提取一次谐波和备选谐波成分，同时使用替代数据检验，找出一次谐波的真实谐波成分；

步骤五、通过提取的一次谐波和相关谐波成分进行非线性模式重构，得到去除运动干扰伪迹的振荡波信号。

2.根据权利要求1所述的一种基于非线性模式分解的袖带压力震荡波提取方法，其特征在于，所述的步骤二具体为：

对输入的含有运动干扰伪迹的振荡波信号X_ac(t)进行小波变换，得到W_ac(a,b)为：

其中：a代表尺度因子，b代表平移因子，ψ是适当选择的小波函数，选择Morlet小波做为小波函数，

为小波函数

的共轭，这里的Morlet小波函数为：

其中：u为自变量，B_f0为归一化常数，定义

这里f₀为中心频率，决定了小波变换的时间尺度关系，通常定义f₀＝1，在W_ac(a,t)的基础上进行同步挤压小波变换，首先定义瞬时频率ω_ac(a,b)为：

其中：i为虚数单位，之后得到同步挤压变换T_ac(ω_l,b)：

其中：W_ac(a,b)为小波系数,ω_l表示中心频率,a_j表示离散的尺度，Δa_j为相邻两个尺度系数a_j的间隔，(Δa)_j＝a_j-a_j-1,Δω＝ω_l-ω_l-1,j∈[1,N],l∈[1,N]，N为小波变换所取尺度个数。

3.根据权利要求1所述的一种基于非线性模式分解的袖带压力震荡波提取方法，其特征在于，所述的步骤三具体为：

利用从步骤二得到的同步挤压小波变换后的结果T_ac(ω_l,b)，计算振荡波信号X_ac(t)的时变双谱：

其中：ω_l为血压振荡波的频率成分，T_aci ^*(2ω_l,b)为T_aci(2ω_l,b)的共轭，下标i代表历元序号，所述历元即将信号分成共L段，每段称为一个历元；T_aci(ω_l,b)为第i个历元的同步挤压小波变换，求得每一个历元的时变双谱后求和得到时变双谱；之后将计算所得时变双谱的绝对值B(ω_l,b)在时间上离散化为B(ω_l,b_k),k＝1...K，将同步挤压小波变换所得的结果T_ac(ω_l,b)在时间上离散化为T_ac(ω_l,b_k)，两者相乘求得去噪后震荡波的同步挤压小波变换：

T_eac(ω_l,b_k)＝B(ω_l,b_k)T_ac(ω_l,b_k)，

从而达到去除运动干扰伪迹的效果。

4.根据权利要求1所述的一种基于非线性模式分解的袖带压力震荡波提取方法，其特征在于，所述的步骤四具体为：

利用非线性模式分解算法，从去噪后的同步挤压小波变换T_eac(ω_l,b_k)中提取一次谐波的频率

其中：l_peak(b_k)是一次谐波的频率索引，P_ω和P_Δω是对应的直接概率函数，在提取了振荡波信号的一次谐波后，采用不同的概率函数，用相同的算法提取h次备选谐波的频率索引

通过步骤二所得的T_ac(ω_l,b)和上述公式所得的

h取值为1-5，在备选的谐波成分中使用替代数据检验找出一次谐波的真实谐波成分。

5.根据权利要求1所述的一种基于非线性模式分解的袖带压力震荡波提取方法，其特征在于，所述的步骤五具体为：

重构同步挤压小波变换的一次谐波和相关谐波成分：

其中：ω_l(h)，h取值为1-5，表示血压振荡波中的第h次谐波的频率，s_h(t)分别是由h次谐波重构所得到的信号，这些信号相加得到最终的去除运动干扰伪迹的振荡波重构信号：

s(t)＝s₁(t)+s₂(t)+......+s_h(t)。

Images