CN114569097A - 基于耳廓ppg信号预处理的血压预测方法、系统及介质 - Google Patents

基于耳廓ppg信号预处理的血压预测方法、系统及介质 Download PDF

Info

Publication number
CN114569097A
CN114569097A CN202210489551.3A CN202210489551A CN114569097A CN 114569097 A CN114569097 A CN 114569097A CN 202210489551 A CN202210489551 A CN 202210489551A CN 114569097 A CN114569097 A CN 114569097A
Authority
CN
China
Prior art keywords
signal
ppg
blood pressure
auricle
ppg 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.)
Pending
Application number
CN202210489551.3A
Other languages
English (en)
Inventor
王淑云
刘庆
林政佳
陈炜渠
陈斌
陈丹妮
凌永权
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202210489551.3A priority Critical patent/CN114569097A/zh
Publication of CN114569097A publication Critical patent/CN114569097A/zh
Pending legal-status Critical Current

Links

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
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A61B5/02141—Details of apparatus construction, e.g. pump units or housings therefor, cuff pressurising systems, arrangements of fluid conduits or circuits
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems

Abstract

本发明公开的一种基于耳廓PPG信号预处理的血压预测方法、系统及介质，包括：获取目标对象耳廓处的PPG信号，结合奇异谱分析与经验模态分析对PPG信号进行降噪处理，并提取特征信号，计算相应特征值，根据所述特征值结合目标对象的生理特征构建模型进行血压的预测。本发明对PPG信号进行预处理，提高信号了的可用性，简化了特征提取的复杂性，间接提高了特征提取的准确性与可靠度。

Description

基于耳廓PPG信号预处理的血压预测方法、系统及介质
技术领域
本发明涉及血压预测技术领域，更具体的，涉及一种基于耳廓PPG信号预处理的血压预测方法、系统及介质。
背景技术
高血压是一种常见的疾病，实时检测人体血压对人体健康及预防高血压有着非常重要的意义。PPG(光体积变化描记图法)信号是目前较为普遍的实现无创测量血压的研究方向之一。利用PPG传感器中的红外灯照射测量部位，经过人体血管的吸收，然后传感器再接收反射回来的光线，得到相应的信号。这种信号虽然可以反映人体脉搏的大体特征与规律，却有频率低，干扰强，易变异等特点，不能直接代替人体的血压信号，而是需要对PPG信号进行进一步的处理、特征提取与数学模型构建才能得到可用的人体血压值。目前，利用PPG信号预测人体血压值的方案已较为成熟，但对PPG信号的特征提取依旧有待改进，而对PPG信号的处理将直接影响到特征提取的方便性与准确性，所以对PPG信号的处理方面的研究具有重要意义。
而在现有技术方案通常利用离散余弦定理处理PPG信号得到频域信号，其对实时信号处理能力较弱，然后再进行滤波，虽然可以去除部分高频信号，但后面还需进行交流系数的筛选，并结合直流系数，系统较为复杂。由多个模块组成的信号预处理模块的方案过于繁琐，整个系统也过于庞大，依次经过多个模块进行处理得到新信号的时间会加长，效率将会降低。
发明内容
为了解决上述技术问题，本发明提出了一种基于耳廓PPG信号预处理的血压预测方法、系统及存储介质。
本发明第一方面提供了一种基于耳廓PPG信号预处理的血压预测方法，包括：
获取目标对象耳廓处的PPG信号，通过奇异谱分析对所述PPG信号进行降噪生成第一特征信号；
同时，通过经验模态分析方法对所述PPG信号进行降噪处理生成第二特征信号，将所述第二特征信号进行求导处理生成第三特征信号，对所述第三特征信号进行二次求导处理生成第四特征信号；
获取所述第一特征信号、第三特征信号及第四特征信号中的特征点信息，并将所述特征点信息转变为相应的特征值；
通过所述特征值结合目标用户的生理特征建立血压预测模型，根据所述血压预测模型进行目标对象血压额评估与预测。
本方案中，所述的通过奇异谱分析对所述PPG信号进行降噪生成第一特征信号，具体为：
将获取的PPG信号排列为一维序列
Figure DEST_PATH_IMAGE001
，
Figure 289653DEST_PATH_IMAGE002
为常数，选择窗口长度
Figure DEST_PATH_IMAGE003
，将PPG信号排列为轨迹矩阵，令
Figure 841989DEST_PATH_IMAGE004
，得到
Figure DEST_PATH_IMAGE005
的轨迹矩阵
Figure 686448DEST_PATH_IMAGE006
，
Figure DEST_PATH_IMAGE007
；
对所述轨迹矩阵X进行奇异值分解，将轨迹矩阵分解为单位正交矩阵U，并根据奇异值大小对PPG信号进行分组，预设奇异值阈值，将奇异值大于等于所述奇异值阈值的信号进行保留，将奇异值小于所述奇异值阈值的信号进行去除；
将保留的信号进行重构，获取降噪后的PPG信号生成第一特征信号。
本方案中，通过经验模态分析方法对所述PPG信号进行降噪处理，具体为：
获取PPG信号
Figure 185694DEST_PATH_IMAGE008
中所有极值点，将所有的极大值点进行曲线拟合生成上包络 线，将所有的极小值点进行曲线拟合生成下包络线，并计算所述上包络线及下包络线的均 值；
根据原始PPG信号减去所述均值，得到中间信号
Figure DEST_PATH_IMAGE009
，判断所述中间信号
Figure 720580DEST_PATH_IMAGE009
是否 满足本征模函数的约束条件，若满足，则将中间信号作为一个相对于均值包络线的高频分 量；若不满足，则重复步骤进行迭代至满足约束条件；
将原始PPG信号去除高频分量，重复至参与分量
Figure 302871DEST_PATH_IMAGE010
是常量或者单调函数时结束分 解，即满足
Figure DEST_PATH_IMAGE011
。
本方案中，分别获取第一特征信号、第三特征信号及第四特征信号中的峰值点及极值点作为特征点提取信号。
本方案中，将特征值结合目标对象的年龄、性别、身高、体重构建血压预测模型实现血压的预测，所述血压预测模型的构建方法包括：神经网络、随机森林法、最小二乘法及支持向量机。
本发明第二方面还提供了一种基于耳廓PPG信号预处理的血压预测系统，该系统包括：存储器、处理器，所述存储器中包括一种基于耳廓PPG信号预处理的血压预测方法程序，所述一种基于耳廓PPG信号预处理的血压预测方法程序被所述处理器执行时实现如下步骤：
获取目标对象耳廓处的PPG信号，通过奇异谱分析对所述PPG信号进行降噪生成第一特征信号；
同时，通过经验模态分析方法对所述PPG信号进行降噪处理生成第二特征信号，将所述第二特征信号进行求导处理生成第三特征信号，对所述第三特征信号进行二次求导处理生成第四特征信号；
获取所述第一特征信号、第三特征信号及第四特征信号中的特征点信息，并将所述特征点信息转变为相应的特征值；
通过所述特征值结合目标用户的生理特征建立血压预测模型，根据所述血压预测模型进行目标对象血压额评估与预测。
本方案中，所述的通过奇异谱分析对所述PPG信号进行降噪生成第一特征信号，具体为：
将获取的PPG信号排列为一维序列
Figure 366118DEST_PATH_IMAGE001
，
Figure 59267DEST_PATH_IMAGE002
为常数，选择窗口长度
Figure 464972DEST_PATH_IMAGE003
，将PPG信号排列为轨迹矩阵，令
Figure 14902DEST_PATH_IMAGE004
，得到
Figure 896270DEST_PATH_IMAGE005
的轨迹矩阵
Figure 517744DEST_PATH_IMAGE006
，
Figure 168168DEST_PATH_IMAGE007
；
对所述轨迹矩阵X进行奇异值分解，将轨迹矩阵分解为单位正交矩阵U，并根据奇异值大小对PPG信号进行分组，预设奇异值阈值，将奇异值大于等于所述奇异值阈值的信号进行保留，将奇异值小于所述奇异值阈值的信号进行去除；
将保留的信号进行重构，获取降噪后的PPG信号生成第一特征信号。
本方案中，通过经验模态分析方法对所述PPG信号进行降噪处理，具体为：
获取PPG信号
Figure 702049DEST_PATH_IMAGE008
中所有极值点，将所有的极大值点进行曲线拟合生成上包络 线，将所有的极小值点进行曲线拟合生成下包络线，并计算所述上包络线及下包络线的均 值；
根据原始PPG信号减去所述均值，得到中间信号
Figure 70714DEST_PATH_IMAGE009
，判断所述中间信号
Figure 230299DEST_PATH_IMAGE009
是否 满足本征模函数的约束条件，若满足，则将中间信号作为一个相对于均值包络线的高频分 量；若不满足，则重复步骤进行迭代至满足约束条件；
将原始PPG信号去除高频分量，重复至参与分量
Figure 809DEST_PATH_IMAGE010
是常量或者单调函数时结束分 解，即满足
Figure 705591DEST_PATH_IMAGE011
。
本方案中，分别获取第一特征信号、第三特征信号及第四特征信号中的峰值点及极值点作为特征点提取信号。
本方案中，将特征值结合目标对象的年龄、性别、身高、体重构建血压预测模型实现血压的预测，所述血压预测模型的构建方法包括：神经网络、随机森林法、最小二乘法及支持向量机。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种基于耳廓PPG信号预处理的血压预测方法程序，所述一种基于耳廓PPG信号预处理的血压预测方法程序被处理器执行时，实现如上述任一项所述的一种基于耳廓PPG信号预处理的血压预测方法的步骤。
本发明公开的一种基于耳廓PPG信号预处理的血压预测方法、系统及存储介质，包括：获取目标对象耳廓处的PPG信号，结合奇异谱分析与经验模态分析对PPG信号进行降噪处理，并提取特征信号，计算相应特征值，根据所述特征值结合目标对象的生理特征构建模型进行血压的预测。本发明对PPG信号进行预处理，提高信号了的可用性，简化了特征提取的复杂性，间接提高了特征提取的准确性与可靠度。
附图说明
图1示出了本发明一种基于耳廓PPG信号预处理的血压预测方法的流程图；
图2示出了本发明一种基于耳廓PPG信号预处理的血压预测系统的框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了本发明一种基于耳廓PPG信号预处理的血压预测方法的流程图。
如图1所示，本发明第一方面提供了一种基于耳廓PPG信号预处理的血压预测方法，包括：
S102，获取目标对象耳廓处的PPG信号，通过奇异谱分析对所述PPG信号进行降噪生成第一特征信号；
S104，同时，通过经验模态分析方法对所述PPG信号进行降噪处理生成第二特征信号，将所述第二特征信号进行求导处理生成第三特征信号，对所述第三特征信号进行二次求导处理生成第四特征信号；
S106，获取所述第一特征信号、第三特征信号及第四特征信号中的特征点信息，并将所述特征点信息转变为相应的特征值；
S108，通过所述特征值结合目标用户的生理特征建立血压预测模型，根据所述血压预测模型进行目标对象血压额评估与预测。
需要说明的是，通过PPG光学传感器采集目标对象耳廓处的PPG信号，将PPG光学传感器设备的数据采样率阈值设为1000Hz，然后PPG光学传感器发出880nm的近红外光照射耳廓背部，经过4s的采样，得到采样数据4000个进行数据回传，然后进行循环采样，从而得到一段时间内的连续PPG信号；耳廓背面血管分布密集，并且指尖采样来说，人体耳廓方便目标对象佩戴与活动，且耳廓本身运动较小，较为稳定，利于信号的采集。
需要说明的是，所述的通过奇异谱分析对所述PPG信号进行降噪生成第一特征信号，具体为：
将获取的PPG信号排列为一维序列
Figure 561552DEST_PATH_IMAGE001
，
Figure 259249DEST_PATH_IMAGE002
为常数，选择窗口长度
Figure 618687DEST_PATH_IMAGE003
，将PPG信号排列为轨迹矩阵，令
Figure 757019DEST_PATH_IMAGE004
，得到
Figure 834697DEST_PATH_IMAGE005
的轨迹矩阵
Figure 601665DEST_PATH_IMAGE006
，
Figure 81187DEST_PATH_IMAGE007
；
对所述轨迹矩阵X进行奇异值分解，将轨迹矩阵分解为单位正交矩阵U，即一个单 位正交矩阵的秩
Figure 393351DEST_PATH_IMAGE012
和所需要的奇异值
Figure DEST_PATH_IMAGE013
的乘积，具体公式为
Figure 551800DEST_PATH_IMAGE014
，并根据奇异值 大小对PPG信号进行分组，预设奇异值阈值，将奇异值大于等于所述奇异值阈值的信号进行 保留，将奇异值小于所述奇异值阈值的信号进行去除；
将保留的信号进行重构，获取降噪后的PPG信号生成第一特征信号。
需要说明的是，通过经验模态分析方法对所述PPG信号进行降噪处理，具体为：
获取PPG信号
Figure 732246DEST_PATH_IMAGE008
中所有极值点，将所有的极大值点进行曲线拟合生成上包络 线，将所有的极小值点进行曲线拟合生成下包络线，并计算所述上包络线及下包络线的均 值；
根据原始PPG信号减去所述均值，得到中间信号
Figure 941641DEST_PATH_IMAGE009
，判断所述中间信号
Figure 549340DEST_PATH_IMAGE009
是否 满足本征模函数的约束条件，若满足，则将中间信号作为一个相对于均值包络线的高频分 量；若不满足，则重复步骤进行迭代至满足约束条件；
将原始PPG信号去除高频分量，重复至参与分量
Figure 726244DEST_PATH_IMAGE010
是常量或者单调函数时结束分 解，即满足
Figure 444801DEST_PATH_IMAGE011
，获取经验模态分析降噪后的PPG信号，生成第二特征信 号；将所述第二特征信号进行一阶求导得到第三特征信号
Figure DEST_PATH_IMAGE015
，将第三特征信号 进行再次求导获取第四特征信号
Figure 836599DEST_PATH_IMAGE016
。
需要说明的是，分别获取第一特征信号中的最小峰值P点、最大峰值S点及最大峰值S点与下一信号最小峰值P点之间的极大值D点、极小值N点；获取第三特征信号最大峰值a1点、最小峰值b1点及最小峰值b1点与下一信号最大峰值a1点之间的极值点u点及第四特征信号中最大峰值a2点、最小峰值b2点及最小峰值b2点与下一信号最大峰值a2点之间的极值点c点、d点、e点，提取特征点的特征信号，然后再通过计算得到相应的特征值。
需要说明的是，将特征值结合目标对象的年龄、性别、身高、体重构建血压预测模型实现血压的预测，所述血压预测模型的构建方法包括：神经网络、随机森林法、最小二乘法及支持向量机。
图2示出了本发明一种基于耳廓PPG信号预处理的血压预测系统的框图。
本发明第二方面还提供了一种基于耳廓PPG信号预处理的血压预测系统2，该系统包括：存储器21、处理器22，所述存储器中包括一种基于耳廓PPG信号预处理的血压预测方法程序，所述一种基于耳廓PPG信号预处理的血压预测方法程序被所述处理器执行时实现如下步骤：
获取目标对象耳廓处的PPG信号，通过奇异谱分析对所述PPG信号进行降噪生成第一特征信号；
同时，通过经验模态分析方法对所述PPG信号进行降噪处理生成第二特征信号，将所述第二特征信号进行求导处理生成第三特征信号，对所述第三特征信号进行二次求导处理生成第四特征信号；
获取所述第一特征信号、第三特征信号及第四特征信号中的特征点信息，并将所述特征点信息转变为相应的特征值；
通过所述特征值结合目标用户的生理特征建立血压预测模型，根据所述血压预测模型进行目标对象血压额评估与预测。
需要说明的是，通过PPG光学传感器采集目标对象耳廓处的PPG信号，将PPG光学传感器设备的数据采样率阈值设为1000Hz，然后PPG光学传感器发出880nm的近红外光照射耳廓背部，经过4s的采样，得到采样数据4000个进行数据回传，然后进行循环采样，从而得到一段时间内的连续PPG信号；耳廓背面血管分布密集，并且指尖采样来说，人体耳廓方便目标对象佩戴与活动，且耳廓本身运动较小，较为稳定，利于信号的采集。
需要说明的是，所述的通过奇异谱分析对所述PPG信号进行降噪生成第一特征信号，具体为：
将获取的PPG信号排列为一维序列
Figure 880778DEST_PATH_IMAGE001
，
Figure 292781DEST_PATH_IMAGE002
为常数，选择窗口长度
Figure 815029DEST_PATH_IMAGE003
，将PPG信号排列为轨迹矩阵，令
Figure 248284DEST_PATH_IMAGE004
，得到
Figure 932207DEST_PATH_IMAGE005
的轨迹矩阵
Figure 568855DEST_PATH_IMAGE006
，
Figure 894794DEST_PATH_IMAGE007
；
对所述轨迹矩阵X进行奇异值分解，将轨迹矩阵分解为单位正交矩阵U，即一个单 位正交矩阵的秩
Figure 182556DEST_PATH_IMAGE012
和所需要的奇异值
Figure 302959DEST_PATH_IMAGE013
的乘积，具体公式为
Figure 692483DEST_PATH_IMAGE014
，并根据奇异值 大小对PPG信号进行分组，预设奇异值阈值，将奇异值大于等于所述奇异值阈值的信号进行 保留，将奇异值小于所述奇异值阈值的信号进行去除；
将保留的信号进行重构，获取降噪后的PPG信号生成第一特征信号。
需要说明的是，通过经验模态分析方法对所述PPG信号进行降噪处理，具体为：
获取PPG信号
Figure 822113DEST_PATH_IMAGE008
中所有极值点，将所有的极大值点进行曲线拟合生成上包络 线，将所有的极小值点进行曲线拟合生成下包络线，并计算所述上包络线及下包络线的均 值；
根据原始PPG信号减去所述均值，得到中间信号
Figure 698802DEST_PATH_IMAGE009
，判断所述中间信号
Figure 521265DEST_PATH_IMAGE009
是否 满足本征模函数的约束条件，若满足，则将中间信号作为一个相对于均值包络线的高频分 量；若不满足，则重复步骤进行迭代至满足约束条件；
将原始PPG信号去除高频分量，重复至参与分量
Figure 866927DEST_PATH_IMAGE010
是常量或者单调函数时结束分 解，即满足
Figure 534668DEST_PATH_IMAGE011
，获取经验模态分析降噪后的PPG信号，生成第二特征信 号；将所述第二特征信号进行一阶求导得到第三特征信号
Figure 531443DEST_PATH_IMAGE015
，将第三特征信号 进行再次求导获取第四特征信号
Figure 259228DEST_PATH_IMAGE016
。
需要说明的是，分别获取第一特征信号中的最小峰值P点、最大峰值S点及最大峰值S点与下一信号最小峰值P点之间的极大值D点、极小值N点；获取第三特征信号最大峰值a1点、最小峰值b1点及最小峰值b1点与下一信号最大峰值a1点之间的极值点u点及第四特征信号中最大峰值a2点、最小峰值b2点及最小峰值b2点与下一信号最大峰值a2点之间的极值点c点、d点、e点，提取特征点的特征信号，然后再通过计算得到相应的特征值。
需要说明的是，将特征值结合目标对象的年龄、性别、身高、体重构建血压预测模型实现血压的预测，所述血压预测模型的构建方法包括：神经网络、随机森林法、最小二乘法及支持向量机。
本发明第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括一种基于耳廓PPG信号预处理的血压预测方法程序，所述一种基于耳廓PPG信号预处理的血压预测方法程序被处理器执行时，实现如上述任一项所述的一种基于耳廓PPG信号预处理的血压预测方法的步骤。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (9)

1.一种基于耳廓PPG信号预处理的血压预测方法，其特征在于，包括以下步骤：
获取目标对象耳廓处的PPG信号，通过奇异谱分析对所述PPG信号进行降噪生成第一特征信号；
同时，通过经验模态分析方法对所述PPG信号进行降噪处理生成第二特征信号，将所述第二特征信号进行求导处理生成第三特征信号，对所述第三特征信号进行二次求导处理生成第四特征信号；
获取所述第一特征信号、第三特征信号及第四特征信号中的特征点信息，并将所述特征点信息转变为相应的特征值；
通过所述特征值结合目标用户的生理特征建立血压预测模型，根据所述血压预测模型进行目标对象血压额评估与预测。
2.根据权利要求1所述的一种基于耳廓PPG信号预处理的血压预测方法，其特征在于，所述的通过奇异谱分析对所述PPG信号进行降噪生成第一特征信号，具体为：
将获取的PPG信号排列为一维序列
Figure 643261DEST_PATH_IMAGE001
，
Figure 29243DEST_PATH_IMAGE002
为常数，选择窗口长度
Figure 150258DEST_PATH_IMAGE003
，将PPG信号排列为轨迹矩阵，令
Figure 14309DEST_PATH_IMAGE004
，得到
Figure 422157DEST_PATH_IMAGE005
的轨迹矩阵
Figure 713461DEST_PATH_IMAGE006
，
Figure 324702DEST_PATH_IMAGE007
；
对所述轨迹矩阵X进行奇异值分解，将轨迹矩阵分解为单位正交矩阵U，并根据奇异值大小对PPG信号进行分组，预设奇异值阈值，将奇异值大于等于所述奇异值阈值的信号进行保留，将奇异值小于所述奇异值阈值的信号进行去除；
将保留的信号进行重构，获取降噪后的PPG信号生成第一特征信号。
3.根据权利要求1所述的一种基于耳廓PPG信号预处理的血压预测方法，其特征在于，通过经验模态分析方法对所述PPG信号进行降噪处理，具体为：
获取PPG信号
Figure 992444DEST_PATH_IMAGE008
中所有极值点，将所有的极大值点进行曲线拟合生成上包络线，将所 有的极小值点进行曲线拟合生成下包络线，并计算所述上包络线及下包络线的均值；
根据原始PPG信号减去所述均值，得到中间信号
Figure 254798DEST_PATH_IMAGE009
，判断所述中间信号
Figure 717003DEST_PATH_IMAGE009
是否满足 本征模函数的约束条件，若满足，则将中间信号作为一个相对于均值包络线的高频分量；若 不满足，则重复步骤进行迭代至满足约束条件；
将原始PPG信号去除高频分量，重复至参与分量
Figure 815540DEST_PATH_IMAGE010
是常量或者单调函数时结束分解， 即满足
Figure 21394DEST_PATH_IMAGE011
。
4.根据权利要求1所述的一种基于耳廓PPG信号预处理的血压预测方法，其特征在于，分别获取第一特征信号、第三特征信号及第四特征信号中的峰值点及极值点作为特征点提取信号。
5.根据权利要求1所述的一种基于耳廓PPG信号预处理的血压预测方法，其特征在于，将特征值结合目标对象的年龄、性别、身高、体重构建血压预测模型实现血压的预测，所述血压预测模型的构建方法包括：神经网络、随机森林法、最小二乘法及支持向量机。
6.一种基于耳廓PPG信号预处理的血压预测系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括一种基于耳廓PPG信号预处理的血压预测方法程序，所述一种基于耳廓PPG信号预处理的血压预测方法程序被所述处理器执行时实现如下步骤：
获取目标对象耳廓处的PPG信号，通过奇异谱分析对所述PPG信号进行降噪生成第一特征信号；
同时，通过经验模态分析方法对所述PPG信号进行降噪处理生成第二特征信号，将所述第二特征信号进行求导处理生成第三特征信号，对所述第三特征信号进行二次求导处理生成第四特征信号；
获取所述第一特征信号、第三特征信号及第四特征信号中的特征点信息，并将所述特征点信息转变为相应的特征值；
通过所述特征值结合目标用户的生理特征建立血压预测模型，根据所述血压预测模型进行目标对象血压额评估与预测。
7.根据权利要求6所述的一种基于耳廓PPG信号预处理的血压预测系统，其特征在于，所述的通过奇异谱分析对所述PPG信号进行降噪生成第一特征信号，具体为：
将获取的PPG信号排列为一维序列
Figure 138254DEST_PATH_IMAGE001
，
Figure 36940DEST_PATH_IMAGE002
为常数，选择窗口长度
Figure 622773DEST_PATH_IMAGE003
，将PPG信号排列为轨迹矩阵，令
Figure 366738DEST_PATH_IMAGE004
，得到
Figure 603685DEST_PATH_IMAGE005
的轨迹矩阵
Figure 407693DEST_PATH_IMAGE006
，
Figure 477892DEST_PATH_IMAGE007
；
对所述轨迹矩阵X进行奇异值分解，将轨迹矩阵分解为单位正交矩阵U，并根据奇异值大小对PPG信号进行分组，预设奇异值阈值，将奇异值大于等于所述奇异值阈值的信号进行保留，将奇异值小于所述奇异值阈值的信号进行去除；
将保留的信号进行重构，获取降噪后的PPG信号生成第一特征信号。
8.根据权利要求6所述的一种基于耳廓PPG信号预处理的血压预测系统，其特征在于，通过经验模态分析方法对所述PPG信号进行降噪处理，具体为：
获取PPG信号
Figure 25548DEST_PATH_IMAGE008
中所有极值点，将所有的极大值点进行曲线拟合生成上包络线，将所 有的极小值点进行曲线拟合生成下包络线，并计算所述上包络线及下包络线的均值；
根据原始PPG信号减去所述均值，得到中间信号
Figure 382580DEST_PATH_IMAGE009
，判断所述中间信号
Figure 623069DEST_PATH_IMAGE009
是否满足 本征模函数的约束条件，若满足，则将中间信号作为一个相对于均值包络线的高频分量；若 不满足，则重复步骤进行迭代至满足约束条件；
将原始PPG信号去除高频分量，重复至参与分量
Figure 917915DEST_PATH_IMAGE010
是常量或者单调函数时结束分解， 即满足
Figure 597158DEST_PATH_IMAGE011
。
9.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中包括一种基于耳廓PPG信号预处理的血压预测方法程序，所述一种基于耳廓PPG信号预处理的血压预测方法程序被处理器执行时，实现如权利要求1至5中任一项所述的一种基于耳廓PPG信号预处理的血压预测方法的步骤。
CN202210489551.3A 2022-05-07 2022-05-07 基于耳廓ppg信号预处理的血压预测方法、系统及介质 Pending CN114569097A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210489551.3A CN114569097A (zh) 2022-05-07 2022-05-07 基于耳廓ppg信号预处理的血压预测方法、系统及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210489551.3A CN114569097A (zh) 2022-05-07 2022-05-07 基于耳廓ppg信号预处理的血压预测方法、系统及介质

Publications (1)

Publication Number Publication Date
CN114569097A true CN114569097A (zh) 2022-06-03

Family

ID=81767676

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210489551.3A Pending CN114569097A (zh) 2022-05-07 2022-05-07 基于耳廓ppg信号预处理的血压预测方法、系统及介质

Country Status (1)

Country Link
CN (1) CN114569097A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115998295A (zh) * 2023-03-24 2023-04-25 广东工业大学 一种结合远近红外光的血脂估测方法、系统及装置
CN116982952A (zh) * 2023-08-03 2023-11-03 迈德医疗科技(深圳)有限公司 一种基于分数阶导数的无创血压测量方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104665768A (zh) * 2013-10-03 2015-06-03 塔塔咨询服务有限公司 生理参数的监测
US20190159735A1 (en) * 2017-11-28 2019-05-30 Stmicroelectronics S.R.L. Processing of electrophysiological signals
CN111588367A (zh) * 2020-06-05 2020-08-28 青岛歌尔智能传感器有限公司 心率检测方法、装置及计算机可读存储介质
CN112203582A (zh) * 2018-06-01 2021-01-08 深圳市长桑技术有限公司 脉冲传播时间确定方法和系统
CN113069096A (zh) * 2015-03-31 2021-07-06 深圳市长桑技术有限公司 一种用于血压监测的系统和方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104665768A (zh) * 2013-10-03 2015-06-03 塔塔咨询服务有限公司 生理参数的监测
CN113069096A (zh) * 2015-03-31 2021-07-06 深圳市长桑技术有限公司 一种用于血压监测的系统和方法
US20190159735A1 (en) * 2017-11-28 2019-05-30 Stmicroelectronics S.R.L. Processing of electrophysiological signals
CN112203582A (zh) * 2018-06-01 2021-01-08 深圳市长桑技术有限公司 脉冲传播时间确定方法和系统
CN111588367A (zh) * 2020-06-05 2020-08-28 青岛歌尔智能传感器有限公司 心率检测方法、装置及计算机可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
王杰华等: "基于EMD和SVD的光电容积脉搏波信号去噪方法", 《现代电子技术》 *
齐鹏等: "敏感SVD和EEMD的故障诊断方法研究", 《传感器与微系统》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115998295A (zh) * 2023-03-24 2023-04-25 广东工业大学 一种结合远近红外光的血脂估测方法、系统及装置
CN116982952A (zh) * 2023-08-03 2023-11-03 迈德医疗科技(深圳)有限公司 一种基于分数阶导数的无创血压测量方法及系统

Similar Documents

Publication Publication Date Title
US20180260706A1 (en) Systems and methods of identity analysis of electrocardiograms
CN114569097A (zh) 基于耳廓ppg信号预处理的血压预测方法、系统及介质
Djelouat et al. System-on-chip solution for patients biometric: A compressive sensing-based approach
JP5512668B2 (ja) 信号処理方法および信号を処理するためのシステム
CN108363493B (zh) 基于脑机接口的用户特征模型建立方法、系统及存储介质
WO2010001249A1 (en) Concatenated scalograms
CN111243739A (zh) 抗干扰的生理参数遥测方法及系统
US20230107787A1 (en) Blood pressure prediction method and device
CN110309817A (zh) 一种参数自适应优化vmd的脉搏波运动伪影去除方法
CN112788200B (zh) 频谱信息的确定方法及装置、存储介质、电子装置
Alam et al. On-board signal quality assessment guided compression of photoplethysmogram for personal health monitoring
Mir et al. ECG denoising and feature extraction techniques–a review
Lal et al. Compressed sensing approach for physiological signals: A review
CN115211858A (zh) 一种基于深度学习的情绪识别方法、系统及可存储介质
Hwang et al. Variation-stable fusion for PPG-based biometric system
Fathi et al. An energy-efficient compression algorithm of ECG signals in remote healthcare monitoring systems
CN111297327A (zh) 一种睡眠分析方法、系统、电子设备及存储介质
Karri et al. A real-time cardiac arrhythmia classification using hybrid combination of delta modulation, 1D-CNN and blended LSTM
KR102342106B1 (ko) 인체상태 판단을 위한 비접촉식 생체신호 분석 시스템
CN112971770B (zh) 一种心冲击信号质量控制处理方法及系统
Kim et al. Electrocardiogram authentication method robust to dynamic morphological conditions
CN117017297A (zh) 驾驶员疲劳的预测和识别模型建立方法及其应用
Alam et al. On-device multi-level signal quality aware compression for energy-efficient wearable PPG sensing
Karimian et al. Noise assessment framework for optimizing ecg key generation
CN111311466B (zh) 安全控制方法及装置

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220603

RJ01 Rejection of invention patent application after publication