CN115381412A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN115381412A
CN115381412A CN202211170930.2A CN202211170930A CN115381412A CN 115381412 A CN115381412 A CN 115381412A CN 202211170930 A CN202211170930 A CN 202211170930A CN 115381412 A CN115381412 A CN 115381412A
Authority
CN
China
Prior art keywords
pulse
pulse wave
waveform
envelope signal
curve
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.)
Granted
Application number
CN202211170930.2A
Other languages
English (en)
Other versions
CN115381412B (zh
Inventor
孙毅
杨恒
孙珂
郑熙坤
李昕欣
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 Xinhuangpu Joint Innovation Institute Of Traditional Chinese Medicine
Original Assignee
Guangdong Xinhuangpu Joint Innovation Institute Of Traditional Chinese Medicine
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 Xinhuangpu Joint Innovation Institute Of Traditional Chinese Medicine filed Critical Guangdong Xinhuangpu Joint Innovation Institute Of Traditional Chinese Medicine
Priority to CN202211170930.2A priority Critical patent/CN115381412B/zh
Publication of CN115381412A publication Critical patent/CN115381412A/zh
Application granted granted Critical
Publication of CN115381412B publication Critical patent/CN115381412B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • A61B5/02—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
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • A61B5/02116—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave amplitude
    • 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
    • A61B5/02108—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics
    • A61B5/02125—Measuring pressure in heart or blood vessels from analysis of pulse wave characteristics of pulse wave propagation time
    • 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
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0247—Pressure sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0261—Strain gauges

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Medical Informatics (AREA)
  • Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • Vascular Medicine (AREA)
  • Alternative & Traditional Medicine (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明的实施例提供了一种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，基于获取的脉搏波信息生成每个脉搏周期对应的包络信号曲线，以及脉搏波形时序曲线，脉搏波形时序曲线包括每个脉搏周期对应的脉搏波的波形。然后计算每个包络信号曲线中的波形形态参数，并计算脉搏波形时序曲线中每个脉搏周期对应的阻力系数；波形形态参数反映脉体的细硬程度，阻力系数反映被测对象的血管壁硬化程度和血管外周阻力大小。当波形形态参数满足第一预设条件且阻力系数满足第二预设条件时，即可确定被测对象的脉象符合弦脉特征。这样利用脉搏波形时序曲线和包络信号曲线二者结合来判断被测对象的脉象是否符合弦脉特征，保证了脉象识别的准确度。

Description

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
技术领域
本发明涉及传感技术领域，具体而言，涉及一种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。
背景技术
中医28脉体系中的脉象包括：浮脉、沉脉、迟脉、数脉、滑脉、涩脉、虚脉、实脉、长脉、短脉、洪脉、微脉、紧脉、缓脉、弦脉、芤脉、革脉、牢脉、濡脉、弱脉、散脉、细脉、伏脉、动脉、促脉、结脉、代脉、大脉。每种脉象有着各种的特点，弦脉作为28脉象之一具有脉形端直而挺长，脉势较强、脉道较硬等特点。
现有技术中的脉诊方法中，一般采用传感器采集的脉搏波信号形成时序波形图来分析判断脉象。这种方式区分几种简单的脉象，如滑脉、涩脉、迟脉、数脉时是没有问题。但是对于弦脉这一复杂的脉象，利用该方法进行识别是不够准确的。
发明内容
本发明的目的在于提供一种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，以改善现有技术存在的问题。
本发明的实施例可以这样实现：
第一方面，本发明提供一种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，包括：
获取被测对象的脉搏波信息；所述脉搏波信息包括传感器阵列的每个微型传感器在至少M个脉搏周期内采集的脉搏波信号；
基于所述脉搏波信息生成每个所述脉搏周期对应的包络信号曲线，以及脉搏波形时序曲线，所述脉搏波形时序曲线包括每个所述脉搏周期对应的脉搏波的波形；
计算每个所述包络信号曲线中的波形形态参数，并计算所述脉搏波形时序曲线中每个所述脉搏周期对应的阻力系数；所述波形形态参数反映脉体的细硬程度，所述阻力系数反映所述被测对象的血管壁硬化程度和血管外周阻力大小；
当所述波形形态参数满足第一预设条件且所述阻力系数满足第二预设条件时，确定所述被测对象的脉象符合弦脉特征。
在可选的实施方式中，所述获取被测对象的脉搏波信息的步骤包括：
获取每个所述微型传感器，在至少M个所述脉搏周期内的每个采样时间点处采集的脉搏波信号，得到所述脉搏波信息。
在可选的实施方式中，每个所述脉搏周期对应多个采样时间点，所述基于所述脉搏波信息生成每个所述脉搏周期对应的包络信号曲线，以及脉搏波形时序曲线的步骤包括：
针对每个所述脉搏周期，基于每个所述微型传感器在所述脉搏周期内的目标采样时间点处采集的脉搏波信号，生成所述脉搏周期对应的包络信号曲线；在所述脉搏周期内，所述目标采样时间点对应的脉搏波信号强度和大于每个其他采样时间点对应的脉搏波信号强度和；
基于目标微型传感器在至少M个所述脉搏周期内的每个采样时间点处采集的脉搏波信号，生成所述脉搏波形时序曲线；所述目标微型传感器为所述传感器阵列中的任意一个所述微型传感器。
在可选的实施方式中，所述包络信号曲线包括所述目标采样时间点处每个所述微型传感器对应的脉搏波信号；所述计算每个所述包络信号曲线中的波形形态参数的步骤包括：
针对每个所述包络信号曲线，利用预设表达式计算所述包络信号曲线的波形形态参数；
其中，所述预设表达式为：
Figure BDA0003861082970000021
式中，F为所述波形形态参数，x为所述包络信号曲线上每个所述微型传感器对应的脉搏波信号；μ为所述包络信号曲线上全部所述微型传感器对应的脉搏波信号的均值；σ为所述包络信号曲线上全部所述微型传感器对应的脉搏波信号的标准差；E(·)为求均值的函数；
或者，所述预设表达式为：
Figure BDA0003861082970000031
式中，H为所述包络信号曲线的波形高度，S为所述包络信号曲线与平行于横轴的横向直线所围面积，所述横向直线对应的纵坐标为所述波形高度的k倍；
或者，所述预设表达式为：
Figure BDA0003861082970000032
式中，W为预设高度处对应的波形宽度，所述预设高度为所述波形高度的k倍。
在可选的实施方式中，每个所述脉搏周期对应多个采样时间点，所述包络信号曲线包括所述目标采样时间点处每个所述微型传感器对应的脉搏波信号，所述包络信号曲线的横轴表示所述微型传感器的排列编号，所述包络信号曲线的纵轴表示所述脉搏波信号的信号强度；所述计算每个所述包络信号曲线中的波形形态参数的步骤包括：
针对每个所述包络信号曲线，获取所述包络信号曲线中内接三角形的底角；所述内接三角形的底角反映所述波形形态参数；
所述内接三角形由所述包络信号曲线上的第一端点、第二端点与所述包络信号曲线的最高点围成；所述第一端点的横坐标、所述第二端点的横坐标分别与所述被测对象的桡动脉处截面两侧贴合的两个微型传感器各自的排列编号对应。
在可选的实施方式中，所述基于每个所述微型传感器在所述脉搏周期内的目标采样时间点处采集的脉搏波信号，生成所述脉搏周期对应的包络信号曲线的步骤，包括：
针对每个所述采样时间点，将每个微型传感器在所述采样时间点采集的脉搏波信号相加，得到每个所述采样时间点对应的脉搏波信号强度和；
将其中最大的脉搏波信号强度和对应的采样时间点作为目标采样时间点；
从所述脉搏波信息中筛选出每个所述微型传感器在所述脉搏周期内的目标采样时间点处采集的脉搏波信号；
利用每个所述微型传感器在所述目标采样时间点采集的脉搏波信号，得到所述包络信号曲线；其中，所述包络信号曲线的横轴表示所述微型传感器的排列编号，所述包络信号曲线的纵轴表示所述脉搏波信号的信号强度。
在可选的实施方式中，第一预设条件包括N个所述脉搏周期对应的包络信号曲线的波形形态参数均大于或等于第一预设值，第二预设条件包括所述脉搏波形时序曲线中N个所述脉搏周期对应的阻力系数均大于或等于第二预设值；其中，M大于或者等于N。
第二方面，本发明提供一种脉搏波阵列信号包络图结合时域信号识别弦脉特征的装置，包括：
获取模块，用于获取被测对象的脉搏波信息；所述脉搏波信息包括传感器阵列的每个微型传感器在至少M个脉搏周期内采集的脉搏波信号；
处理模块，用于：
基于所述脉搏波信息生成每个所述脉搏周期对应的包络信号曲线，以及脉搏波形时序曲线,所述脉搏波形时序曲线包括每个所述脉搏周期对应的脉搏波的波形；
计算每个所述包络信号曲线中的波形形态参数，并计算所述脉搏波形时序曲线中每个所述脉搏周期对应的阻力系数；所述波形形态参数反映脉体的细硬程度，所述阻力系数反映所述被测对象的血管壁硬化程度和血管外周阻力大小；
当所述波形形态参数满足第一预设条件且所述阻力系数满足第二预设条件时，确定所述被测对象的脉象符合弦脉特征。
第三方面，本发明提供一种电子设备，包括：存储器和处理器，所述存储器存储有所述处理器可执行的机器可读指令，当所述电子设备运行时所述处理器执行所述机器可读指令以实现如前述实施方式任意一项所述的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。
第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行以实现前述实施方式任意一项所述的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。
与现有技术相比，本发明实施例提供了一种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，基于获取的脉搏波信息生成每个脉搏周期对应的包络信号曲线，以及脉搏波形时序曲线，脉搏波形时序曲线包括每个脉搏周期对应的脉搏波的波形。然后计算每个包络信号曲线中的波形形态参数，并计算脉搏波形时序曲线中每个脉搏周期对应的阻力系数；波形形态参数反映脉体的细硬程度，阻力系数反映被测对象的血管壁硬化程度和血管外周阻力大小。当波形形态参数满足第一预设条件且阻力系数满足第二预设条件时，即可确定被测对象的脉象符合弦脉特征。这样利用脉搏波形时序曲线和包络信号曲线二者结合来判断被测对象的脉象是否符合弦脉特征，保证了脉象识别的准确度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例提供的一种传感器阵列的应用场景示意图。
图2为本发明实施例提供的一种传感器阵列的结构示意图。
图3为本发明实施例提供的一种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的流程示意图一。
图4为本发明实施例提供的一种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的流程示意图二。
图5为本发明实施例提供的一种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的流程示意图三。
图6为本发明实施例提供的包络信号曲线的一种示意图一。
图7为利用Catmull-Rom Splines算法对处理待平滑点的示意图。
图8为本发明实施例提供的包络信号曲线的一种示意图二。
图9为本发明实施例提供的包络信号曲线的一种示意图三。
图10为本发明实施例提供的包络信号曲线的一种示意图四。
图11为本发明实施例提供的脉搏波形时序曲线的一种示意图一。
图12为本发明实施例提供的脉搏波形时序曲线的一种示意图二。
图13～图18为本发明实施例提供的连续6个脉搏周期对应的6个包络信号曲线各自的示例图。
图19为本发明实施例提供的连续6个脉搏周期对应的脉搏波形时序曲线的示例图。
图20为本发明实施例提供的一种脉搏波阵列信号包络图结合时域信号识别弦脉特征的装置的结构示意图。
图21为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在不冲突的情况下，本发明的实施例中的特征可以相互结合。
如上，由于采用的压力传感器或应变传感器的尺寸较大，现有的脉诊方法中，一般采用的传感器数量一般不超过3个的传感器阵列进行脉搏波的测量，通过外部加载将传感器阵列按压在寸口桡动脉处，获得随时间变化的脉搏波时序曲线，再进一步分析脉搏波时序曲线来识别脉象。
对于弦脉这一复杂脉象，对其特征描述包括：“如按琴弦，挺然带急”、“脉形端直而挺长，脉势较强、脉道较硬”，综合来讲，弦脉包括了细、硬、长、直的特征。因此，对于弦脉这一复杂脉象，仅仅分析脉搏波时序曲线只能判定脉象的长直特征而无法确切地判定脉象的细硬程度，导致无法准确识别弦脉的特征。
例如对于强度稍大的脉搏波信号，单点的传感器采集的脉搏波信号只能体现出信号的“高”的特征，而体现脉象在桡动脉截面上的包络形态和脉象的软硬指感的特征无法体现，自然无法准确识别复杂脉象。
基于上述技术问题的发现，发明人经过创造性劳动提出下述技术方案以解决或者改善上述问题。需要注意的是，以上现有技术中的方案所存在的缺陷，均是发明人在经过实践并仔细研究后得出的结果，因此，上述问题的发现过程以及下文中本申请实施例针对上述问题所提出的解决方案，都应该是发明人在发明创造过程中对本申请做出的贡献，而不应当理解为本领域技术人员所公知的技术内容。
发明人通过长期观察调研发现，在同一时刻多个并列的传感器采集的脉搏波信号可形成截面包络曲线，弦脉细和硬的核心特征可以通过该截面包络曲线在形状上的窄和尖的特征来间接反映。因此，发明人想到将截面包络曲线的分析结论与脉搏波时序曲线的分析结论相结合来识别弦脉。
所以，本发明实施例提供的一种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，能够将脉搏波形时序曲线的分析结果和截面对应的包络信号曲线的分析结果结合来沟通识别弦脉。以下通过实施例，并配合所附附图，进行详细说明。
请参见图1，图1为本发明实施例提供的一种传感器阵列的应用场景示意图。其中，传感器阵列覆盖在被测对象手腕的桡动脉处的血管，传感器阵列的中部覆盖桡动脉脉管，传感器阵列的排列方向与桡动脉的流向近似垂直。测量时，可以采用浮取脉位。
结合图2，传感器阵列100可以由多个均匀排布的微型传感器110组成，多个微型传感器110封装在柔性基板120上。微型传感器110可以是一种微型压力传感器。其中，k可以表示相邻两个微型传感器110之间的中心间距，K表示两个最外侧的微型传感器110之间的中心间距。
可选的示例中，k可以满足不大于1.25mm，K可以满足大于等于5mm。
当针对被测对象进行数据采集时，传感器阵列100能够以不低于16Hz的预设采样频率采集被测对象的脉搏波压力信号，且任意两个微型传感器110的信号采样时间差可以控制在0到0.1秒之间。
需要说明的是，在传感器阵列100中，微型传感器110的数量不以图2所示为限制，在可能的示例中，数量可以是至少4个。微型传感器110的排布方式同样不以图2所示为限制，在可能的示例中，微型传感器110可以二维分散排布等。即图2所示的结构仅为示意，传感器阵列100还可以包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的排列结构。
对于传感器阵列中二维排布成两列的情况，可以利用其中一列采集的数据进行后续的分析，以得到下述的包络信号曲线。
本发明实施例中的电子设备可以是但不限于计算机、个人电脑、智能手机、服务器或者一种可穿戴设备(该可穿戴设备中集成有上述的传感器阵列)，本发明实施例对此不做任何限制。
请参考图3，图3为本发明实施例提供的一种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的流程示意图。该方法应用于电子设备，可以包括以下步骤S100～S400：
S100、获取被测对象的脉搏波信息。
该脉搏波信息可以包括上述传感器阵列的每个微型传感器在至少M个脉搏周期内采集的脉搏波信号。其中，M个脉搏周期可以是连续的，也可以部分连续，也可以是分散的，在此不做限定。M的取值可以大于等于3，即脉搏波信息可以包括每个微型传感器在至少3个脉搏周期内采集的脉搏波信号。
S200、基于脉搏波信息生成每个脉搏周期对应的包络信号曲线，以及脉搏波形时序曲线。
其中，一个脉搏周期对应一个包络信号曲线，脉搏波形时序曲线可以包括每个脉搏周期对应的脉搏波的波形，脉搏波的波形具有周期性变化的特点。
S300、计算每个包络信号曲线的波形形态参数，并计算脉搏波形时序曲线中每个脉搏周期对应的阻力系数。
在本实施例中，波形形态参数可以反映被测对象的脉体的细硬程度，阻力系数可以反映被测对象的血管壁硬化程度和血管外周阻力大小。
S400、当波形形态参数满足第一预设条件且阻力系数满足第二预设条件时，确定被测对象的脉象符合弦脉特征。
本发明实施例提供的一种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，基于获得的脉搏波信息，对应生成了脉搏波形时序曲线和每个脉搏周期对应的包络信号曲线，然后分别计算出对应的阻力系数和波形形态参数，当波形形态参数满足第一预设条件且阻力系数满足第二预设条件时，即可确定被测对象的脉象符合弦脉特征。本发明综合分析了时序上的脉搏波形时序曲线以及横向的包络信号曲线，进一步判断被测对象的脉象是否符合弦脉特征，保证了脉象识别的准确度。
人体的脉搏跳动频率和心脏跳动频率通常是一致的，正常情况下位每分钟60～100次。每经过一个脉搏周期，脉搏跳动一次。在每个脉搏周期内，传感器阵列可以进行多次数据采集。相应地，结合图4，上述步骤S100的子步骤可以包括：
S110、获取每个微型传感器，在至少M个脉搏周期内的每个采样时间点处采集的脉搏波信号，得到脉搏波信息。
传感器阵列的预设采样频率不低于16Hz，在每个脉搏周期内会对应存在多个采样时间点，而采样时间点的数量s取决于脉搏周期的大小T以及预设采样频率的大小f：s＝T×f。传感器阵列包括多个微型传感器，在每个采样时间点，每个微型传感器会采集到一个脉搏波信号，该脉搏波信号为压力信号。
以下对上述步骤S200进行详细介绍。
结合图4，上述步骤S200的子步骤可以包括S210～S220。
S210、针对每个脉搏周期，基于每个微型传感器在脉搏周期内的目标采样时间点处采集的脉搏波信号，生成脉搏周期对应的包络信号曲线。
在本实施例中，目标采样时间点可以是该脉搏周期内的任意一个采样时间点。
S220、基于目标微型传感器在至少M个脉搏周期内的每个采样时间点处采集的脉搏波信号，生成脉搏波形时序曲线。
目标微型传感器可以是为传感器阵列中的任意一个微型传感器。在测量时，通常会尽量使传感器阵列的中部贴近腕部的桡动脉处，这样，目标微型传感器可以确定为传感器阵列的中部的某个微型传感器。
需要区别开来的是，包络信号曲线是源于目标采样点处每个微型传感器对应的脉搏波信号得到的；脉搏波形时序曲线是仅基于目标微型传感器在至少M个脉搏周期内采集的脉搏波信号生成的。
在可选的实施例中，对于每个脉搏周期，需要先确定出该脉搏周期对应的目标采样时间点，接着基于目标采样点处每个微型传感器对应的脉搏波信号，得到对应的包络信号曲线。
以下以一个脉搏周期为例，介绍生成该脉搏周期对应的包络信号曲线的过程。在图4的基础上，结合图5，上述步骤S210的子步骤可以包括S211～S213。
S211、针对每个采样时间点，将每个微型传感器在采样时间点采集的脉搏波信号相加，得到每个采样时间点对应的脉搏波信号强度和；并将其中最大的脉搏波信号强度和对应的采样时间点作为目标采样时间点。
可以理解，得到了每个采样时间点对应的脉搏波信号强度和之后，可以将每个脉搏波信号强度和进行比较，并将其中最大的脉搏波信号强度和对应的采样时间点作为所述目标采样时间点。
此时，在该脉搏周期内，目标采样时间点对应的脉搏波信号强度和大于每个其他采样时间点对应的脉搏波信号强度和。
其中，步骤S211介绍了一种确定脉搏周期中目标采样时间点的方式，以下介绍另一种方式：
将目标微型传感器在脉搏周期内的每个采样时间点处采集的脉搏波信号进行比较，并将最大的脉搏波信号对应的采样时间点作为目标采样时间点。
可以理解，在一个脉搏周期中，目标微型传感器采集到的最大的脉搏波信号对应的采样时间点即可作为目标采样时间点。
需要说明的是，以上两种方式均可确定脉搏周期中目标采样时间点，实际应用中具体采取何种方式，在此不作限定。
S212、从脉搏波信息中筛选出每个微型传感器在脉搏周期内的目标采样时间点处采集的脉搏波信号。
S213、利用每个微型传感器在目标采样时间点采集的脉搏波信号，得到包络信号曲线。
以微型传感器的排列编号作为横轴、脉搏波信号的信号强度作为纵轴，可以建立坐标系。每个微型传感器在目标采样时间点采集的脉搏波信号可标记为坐标系中的一个独立点，将全部微型传感器对应的独立点依次连接起来，可以得到一条包络信号曲线。可以理解，在得到的包络信号曲线上，横轴表示微型传感器的排列编号，纵轴表示脉搏波信号的信号强度。
结合图2，假设传感器阵列包括18个微型传感器为例，相邻两个微型传感器110之间的中心间距k为0.65mm，两个最外侧的微型传感器110之间的中心间距K为11.05mm。对应某一脉搏周期，得到的包络信号曲线可以如图6所示。图6中，横轴为微型传感器的排列编号chn(0～17)，纵轴为去除直流分量后的脉搏波信号的压力值，单位为kPa。
包络信号曲线上，隆起的包络形态波峰越窄高，说明被测对象的脉象越是细硬，就越是可能属于弦脉。
需要说明的是，为了达到较好的分辨效果，目标采样时间段才选择脉搏周期中最大脉搏波信号对应的采样时间点。目标采样点时间点也可以是脉搏周期中的任意一个采样时间点，具体目标采样点时间点的选择可以基于传感器阵列的采集数据的精度水平进行取舍。
结合图6，可以采用平滑算法将18个离散点连接得到包络信号曲线。可选的示例中，平滑算法可以是用Catmull-Rom Splines算法，其平滑处理原理简单介绍如下：
如图7，假设需要构造待平滑点P0到P1之间的曲线P(t)，P-1和P2是控制点，决定两个待平滑点之间连接线的走势和曲率。
P(t)是可以表示为待求解的三次曲线：
P(t)＝at3+bt2+ct+d
求解之后，得到：
Figure BDA0003861082970000111
可以理解，上述举例仅为示例，在实际应用中也可采用其它对离散点平滑连接的算法，在此不做限定。
以下对上述步骤S300进行详细介绍。
可以利用包络信号曲线的波形形态参数来量化包络信号曲线上包络形态波峰的窄高程度。在可选的实施例中，计算包络信号曲线的波形形态参数可以利用以下四种方式，实际应用时任选其一即可。
在此先介绍前三种方式，相应地，上述步骤S300中计算每个包络信号曲线中的波形形态参数的过程可以包括：
S310、针对每个包络信号曲线，利用预设表达式计算包络信号曲线的波形形态参数。
F表示波形形态参数，该预设表达式可以存在以下三种情况：
(1)预设表达式为：
Figure BDA0003861082970000121
式中，x为包络信号曲线上每个微型传感器对应的脉搏波信号；μ为包络信号曲线上全部微型传感器对应的脉搏波信号的均值；σ为包络信号曲线上全部微型传感器对应的脉搏波信号的标准差；E(·)为求均值的函数。此时的F也可以表示包络信号曲线的波形峰度。
(2)预设表达式为：
Figure BDA0003861082970000122
式中，结合图8，H为包络信号曲线的波形高度，S为包络信号曲线与平行于横轴的横向直线L1所围面积。横向直线对应的纵坐标可以为波形高度的k倍，k的取值区间可以是[1/2,1/3]。
(3)预设表达式为：
Figure BDA0003861082970000123
式中，结合图9，W为预设高度处对应的波形宽度，预设高度为波形高度的k倍，k的取值区间可以是[1/2,1/3]。
接着介绍计算包络信号曲线的波形形态参数的第四种方式，上述步骤S300中计算每个包络信号曲线中的波形形态参数的过程也可以包括：
S320、针对每个包络信号曲线，获取包络信号曲线中内接三角形的底角。
该内接三角形的底角可以反映包络信号曲线的波形形态参数，即：当内接三角形为等腰三角形时，F＝θ；当内接三角形部位等腰三角形时，包络信号曲线的波形形态参数可以为内接三角形两个底角的均值。结合图10，内接三角形由包络信号曲线上的第一端点Q1、第二端点Q2与包络信号曲线的最高点Q3围成。
第一端点Q1的横坐标、第二端点Q2的横坐标可以分别与被测对象的桡动脉处截面两侧贴合的两个微型传感器各自的排列编号i、j对应。例如：传感器阵列对应的排列编号为0～17，i、j可以是4、10或者8、14。该举例仅为示例，具体情况以实际应用为准，在此不作限定。
上述步骤S220中得到的脉搏波形时序曲线中，波形是周期性变化的，脉搏波形的变化周期即为一个脉搏周期。在脉搏波形时序曲线中，横轴为时间，纵轴为脉搏波信号的压力值，单位为kPa。
以下以脉搏波形时序曲线上的一个脉搏周期对应的波形为例，介绍得到阻力系数的两种计算方式。
第一种，结合图11，图11示出了一个脉搏周期T内的脉搏波形，阻力系数可以定义为一个脉搏周期T内脉搏波信号的均值Pm和脉搏周期T内脉搏波信号的最小值Pdia的差值与该脉搏周期T内脉搏波信号的最大值Psys和最小值Pdia的差值之间的比值。
Figure BDA0003861082970000131
其中，K表示阻力系数；
Figure BDA0003861082970000132
Pm表示平均动脉压，也就是一个脉搏周期T内脉搏波信号的均值。Psys可以表示收缩压，即一个脉搏周期T内脉搏波信号的最大值；Pdia可以表示舒张压，即一个脉搏周期T内脉搏波信号的最小值，该值通常处于不同脉搏周期的交界处。
在脉搏波形时序曲线中，不同脉搏周期的波形可能存在基线漂移现象，接，不同脉搏周期的波形一致但可能处于不同的基准线上。若消除了基线漂移，使得脉搏波形时序曲线中不同脉搏周期的波形位于同一基线，Pdia的值会减至0，但是Pm、Psys也会相应下移，并不会影响每个脉搏周期对应阻力系数的计算结果。
第二种，结合图12，图12同样示出了一个脉搏周期T内的脉搏波形，阻力系数可以定义为主波高度的2/3高度处的宽度值与脉动周期的比值，即：
Figure BDA0003861082970000141
其中，H为主波高度，w1为2/3H高度处对应的主波宽度值。T为脉搏周期。
Figure BDA0003861082970000142
代表持续高压时间所占比例，可以反映被测对象的血管外周阻力大小，该比值越高则越可能是弦脉。
以下介绍确定被测对象的脉象符合弦脉特征时，需要用到的第一预设条件和第二预设条件。
第一预设条件可以为：存在N个脉搏周期对应的包络信号曲线的波形形态参数均大于或等于第一预设值。
第二预设条件可以为：脉搏波形时序曲线中存在N个脉搏周期对应的阻力系数均大于或等于第二预设值。
其中，M、N均为正整数，M≥N、M≥3且N≥3。
经验证，第二预设值的大小通常可以设置为0.4。第一预设值大大小可以根据实际微型传感器的精度、排布密度，波形形态参数的计算方式，数据预处理情况以及被测对象的性别、年龄、体重及脉宽进行灵活调整。
可选的示例中，第一预设值的确定方法为：采集若干弦脉被测者和平脉(正常脉象)被测者的脉搏波信息，相应地，处理得到每个被测者在每个脉搏周期对应的包络信号曲线，并计算出对应的波形形态参数，对比分析，第一预设值可以取平脉被测者对应的波形形态参数与弦脉被测者对应的波形形态参数之间的中间值。第一预设值的确定还可基于被测者的性别、年龄、体重及脉力进一步细分标定。
下面给出一种连续6个脉搏周期内，基于某个被测对象对应的包络信号曲线和脉搏波形时序曲线的判断脉象是否符合弦脉特征的示例。
请参见图13～18，图13～18示出了连续6个脉搏周期内包络信号曲线，图中示出的点P的坐标值即为包络信号曲线的波形高度，S的大小即为包络信号曲线与横向直线所围面积。
利用
Figure BDA0003861082970000151
相应可计算得到，这6个脉搏周期各自对应的波形形态参数依次为：7.4373、7.2635、7.2213、7.0406、6.4588和6.9012。其中预先确定的第一预设值为6.45，这6个波形形态参数均大于6.45。
请参见图19，图19示出了连续6个脉搏周期的脉搏波形时序曲线，利用
Figure BDA0003861082970000152
计算得到6个脉搏周期T1～T6各自对应的阻力系数依次为：0.4122、0.4298、0.4045、0.3827、0.4038、0.4034。这6个阻力系数有5个大于第二预设值0.4。
假设N为3，那么该实施例中，波形形态参数满足了第一预设条件且阻力系数满足了第二预设条件，即：存在3个脉搏周期对应的包络信号曲线的波形形态参数均大于或等于第一预设值6.45，并且搏波形时序曲线中存在3个脉搏周期对应的阻力系数均大于或等于第二预设值0.4。那么即可得出结论：该被测对象的脉象符合弦脉特征。该举例仅为示例，具体计算方式及各数值大小在此不做限定。
需要说明的是，上述方法实施例中各个步骤的执行顺序不以附图所示为限制，各步骤的执行顺序以实际应用情况为准。
与现有技术相比，本发明实施例具有以下有益效果：
克服了现有技术中少数孤立的几个传感器不能灵敏感知脉宽信息的局限，消除了以往传感单元只能获取时序上的纵向波形图的局限；
通过一维排布成列的微型传感器采集得到的脉搏波信息，得到静态的包络信号曲线以及时域上的脉搏波形时序曲线，以桡动脉截面对应信号形态的包络信号曲线和脉搏波形时序曲线二者综合分析来识别弦脉特征，保证了脉象识别的准确度。
为了执行上述方法实施例及各个可能的实施方式中的相应步骤，下面分别给出一种脉搏波阵列信号包络图结合时域信号识别弦脉特征的装置的实现方式。
请参见图20，图20示出了本发明实施例提供的脉搏波阵列信号包络图结合时域信号识别弦脉特征的装置的结构示意图。该装置200包括：获取模块210、处理模块220。
获取模块210，用于获取被测对象的脉搏波信息；脉搏波信息包括传感器阵列的每个微型传感器在至少M个脉搏周期内采集的脉搏波信号；
处理模块220，用于：
基于脉搏波信息生成每个脉搏周期对应的包络信号曲线，以及脉搏波形时序曲线,脉搏波形时序曲线包括每个脉搏周期对应的脉搏波的波形；
计算每个包络信号曲线中的波形形态参数，并计算脉搏波形时序曲线中每个脉搏周期对应的阻力系数；波形形态参数反映脉体的细硬程度，阻力系数反映被测对象的血管壁硬化程度和血管外周阻力大小；
当波形形态参数满足第一预设条件且阻力系数满足第二预设条件时，确定被测对象的脉象符合弦脉特征。
在可选的实施例中，获取模块210，具体可以用于：获取每个微型传感器，在至少M个脉搏周期内的每个采样时间点处采集的脉搏波信号，得到脉搏波信息。
在可选的实施例中，每个脉搏周期对应多个采样时间点，处理模块220，具体可以用于：
针对每个脉搏周期，基于每个微型传感器在脉搏周期内的目标采样时间点处采集的脉搏波信号，生成脉搏周期对应的包络信号曲线；在脉搏周期内，目标采样时间点对应的脉搏波信号强度和大于每个其他采样时间点对应的脉搏波信号强度和；
基于目标微型传感器在至少M个脉搏周期内的每个采样时间点处采集的脉搏波信号，生成脉搏波形时序曲线；目标微型传感器的位置与被测对象的桡动脉中心处对应。
在可选的实施例中，包络信号曲线包括目标采样时间点处每个微型传感器对应的脉搏波信号；处理模块220，具体可以用于：针对每个包络信号曲线，利用预设表达式计算包络信号曲线的波形形态参数；
其中，预设表达式为：
Figure BDA0003861082970000161
式中，F为波形形态参数，x为包络信号曲线上每个微型传感器对应的脉搏波信号；μ为包络信号曲线上全部微型传感器对应的脉搏波信号的均值；σ为包络信号曲线上全部微型传感器对应的脉搏波信号的标准差；E(·)为求均值的函数；
或者，预设表达式为：
Figure BDA0003861082970000171
式中，H为包络信号曲线的波形高度，S为包络信号曲线与平行于横轴的横向直线所围面积，横向直线对应的纵坐标为波形高度的k倍；
或者，预设表达式为：
Figure BDA0003861082970000172
式中，W为预设高度处对应的波形宽度，预设高度为波形高度的k倍。
在可选的实施例中，包络信号曲线的横轴表示微型传感器的排列编号，包络信号曲线的纵轴表示脉搏波信号的信号强度；处理模块220，具体可以用于：
针对每个包络信号曲线，获取包络信号曲线中内接三角形的底角；内接三角形的底角反映波形形态参数；
内接三角形由包络信号曲线上的第一端点、第二端点与包络信号曲线的最高点围成；第一端点的横坐标、第二端点的横坐标分别与被测对象的桡动脉处截面两侧贴合的两个微型传感器各自的排列编号对应。
在可选的实施例中，处理模块220，具体可以用于：
针对每个采样时间点，将每个微型传感器在采样时间点采集的脉搏波信号相加，得到每个采样时间点对应的脉搏波信号强度和；
将其中最大的脉搏波信号强度和对应的采样时间点作为目标采样时间点；；
从脉搏波信息中筛选出每个微型传感器在脉搏周期内的目标采样时间点处采集的脉搏波信号；
利用每个微型传感器在目标采样时间点采集的脉搏波信号得到包络信号曲线。
在可选的实施例中，第一预设条件包括N个脉搏周期对应的包络信号曲线的波形形态参数均大于或等于第一预设值，第二预设条件包括脉搏波形时序曲线中N个脉搏周期对应的阻力系数均大于或等于第二预设值；其中，M大于或者等于N。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的脉搏波阵列信号包络图结合时域信号识别弦脉特征的装置200的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
请参见图21，图21为本发明实施例提供的一种电子设备的结构示意图。该电子设备300包括处理器310、存储器320和总线330，处理器310通过总线330与存储器320连接。
存储器320可用于存储软件程序，例如图20所示的脉搏波阵列信号包络图结合时域信号识别弦脉特征的装置。其中，存储器320可以是但不限于，随机存取存储器(RandomAccess Memory，RAM)，只读存储器(Read Only Memory，ROM)，闪存存储器(Flash)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。
处理器310可以是一种集成电路芯片，具有信号处理能力。该处理器310可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(Digital Signal Processing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
存储器320存储有处理器310可执行的机器可读指令。处理器310执行机器可读指令时，实现上述实施例揭示的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。
可以理解，图21所示的结构仅为示意，电子设备300还可以包括比图21中所示更多或者更少的组件，或者具有与图21所示不同的配置。图21中所示的各组件可以采用硬件、软件或其组合实现。
本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时实现上述实施例揭示的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。该计算机可读存储介质可以是但不限于：U盘、移动硬盘、ROM、RAM、PROM、EPROM、EEPROM、FLASH磁碟或者光盘等各种可以存储程序代码的介质。
综上，本发明实施例提供了一种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，基于获取的脉搏波信息生成每个脉搏周期对应的包络信号曲线，以及脉搏波形时序曲线，脉搏波形时序曲线包括每个脉搏周期对应的脉搏波的波形。然后计算每个包络信号曲线中的波形形态参数，并计算脉搏波形时序曲线中每个脉搏周期对应的阻力系数；波形形态参数反映脉体的细硬程度，阻力系数反映被测对象的血管壁硬化程度和血管外周阻力大小。当波形形态参数满足第一预设条件且阻力系数满足第二预设条件时，即可确定被测对象的脉象符合弦脉特征。这样利用脉搏波形时序曲线和包络信号曲线二者结合来判断被测对象的脉象是否符合弦脉特征，保证了脉象识别的准确度。
以上，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，可轻易想到的变化或替换，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权利要求的保护范围为准。

Claims (7)

1.一种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，其特征在于，包括：
获取被测对象的脉搏波信息；所述脉搏波信息包括传感器阵列的每个微型传感器在至少M个脉搏周期内采集的脉搏波信号；
基于所述脉搏波信息生成每个所述脉搏周期对应的包络信号曲线，以及脉搏波形时序曲线，所述脉搏波形时序曲线包括每个所述脉搏周期对应的脉搏波的波形；
计算每个所述包络信号曲线中的波形形态参数，并计算所述脉搏波形时序曲线中每个所述脉搏周期对应的阻力系数；所述波形形态参数反映脉体细硬程度，所述阻力系数反映所述被测对象的血管壁硬化程度和血管外周阻力大小；
当所述波形形态参数满足第一预设条件且所述阻力系数满足第二预设条件时，确定所述被测对象的脉象符合弦脉特征。
2.根据权利要求1所述的方法，其特征在于，所述获取被测对象的脉搏波信息的步骤包括：
获取每个所述微型传感器，在至少M个所述脉搏周期内的每个采样时间点处采集的脉搏波信号，得到所述脉搏波信息。
3.根据权利要求1所述的方法，其特征在于，每个所述脉搏周期对应多个采样时间点，所述基于所述脉搏波信息生成每个所述脉搏周期对应的包络信号曲线，以及脉搏波形时序曲线的步骤包括：
针对每个所述脉搏周期，基于每个所述微型传感器在所述脉搏周期内的目标采样时间点处采集的脉搏波信号，生成所述脉搏周期对应的包络信号曲线；在所述脉搏周期内，所述目标采样时间点对应的脉搏波信号强度和大于每个其他采样时间点对应的脉搏波信号强度和；
基于目标微型传感器在至少M个所述脉搏周期内的每个采样时间点处采集的脉搏波信号，生成所述脉搏波形时序曲线；所述目标微型传感器为所述传感器阵列中的任意一个所述微型传感器。
4.根据权利要求3所述的方法，其特征在于，所述包络信号曲线包括所述目标采样时间点处每个所述微型传感器对应的脉搏波信号；所述计算每个所述包络信号曲线中的波形形态参数的步骤包括：
针对每个所述包络信号曲线，利用预设表达式计算所述包络信号曲线的波形形态参数；
其中，所述预设表达式为：
Figure FDA0003861082960000021
式中，F为所述波形形态参数，x为所述包络信号曲线上每个所述微型传感器对应的脉搏波信号；μ为所述包络信号曲线上全部所述微型传感器对应的脉搏波信号的均值；σ为所述包络信号曲线上全部所述微型传感器对应的脉搏波信号的标准差；E(·)为求均值的函数；
或者，所述预设表达式为：
Figure FDA0003861082960000022
式中，H为所述包络信号曲线的波形高度，S为所述包络信号曲线与平行于横轴的横向直线所围面积，所述横向直线对应的纵坐标为所述波形高度的k倍；
或者，所述预设表达式为：
Figure FDA0003861082960000023
式中，W为预设高度处对应的波形宽度，所述预设高度为所述波形高度的k倍。
5.据权利要求3所述的方法，其特征在于，每个所述脉搏周期对应多个采样时间点，所述包络信号曲线包括所述目标采样时间点处每个所述微型传感器对应的脉搏波信号，所述包络信号曲线的横轴表示所述微型传感器的排列编号，所述包络信号曲线的纵轴表示所述脉搏波信号的信号强度；所述计算每个所述包络信号曲线中的波形形态参数的步骤包括：
针对每个所述包络信号曲线，获取所述包络信号曲线中内接三角形的底角；所述内接三角形的底角反映所述波形形态参数；
所述内接三角形由所述包络信号曲线上的第一端点、第二端点与所述包络信号曲线的最高点围成；所述第一端点的横坐标、所述第二端点的横坐标分别与所述被测对象的桡动脉处截面两侧贴合的两个微型传感器各自的排列编号对应。
6.根据权利要求3所述的方法，其特征在于，所述基于每个所述微型传感器在所述脉搏周期内的目标采样时间点处采集的脉搏波信号，生成所述脉搏周期对应的包络信号曲线的步骤，包括：
针对每个所述采样时间点，将每个微型传感器在所述采样时间点采集的脉搏波信号相加，得到每个所述采样时间点对应的脉搏波信号强度和；
将其中最大的脉搏波信号强度和对应的采样时间点作为目标采样时间点；
从所述脉搏波信息中筛选出每个所述微型传感器在所述脉搏周期内的目标采样时间点处采集的脉搏波信号；
利用每个所述微型传感器在所述目标采样时间点采集的脉搏波信号得到所述包络信号曲线；其中，所述包络信号曲线的横轴表示所述微型传感器的排列编号，所述包络信号曲线的纵轴表示所述脉搏波信号的信号强度。
7.根据权利要求1所述的方法，其特征在于，第一预设条件包括N个所述脉搏周期对应的包络信号曲线的波形形态参数均大于或等于第一预设值，第二预设条件包括所述脉搏波形时序曲线中N个所述脉搏周期对应的阻力系数均大于或等于第二预设值；其中，M大于或者等于N。
CN202211170930.2A 2022-09-23 2022-09-23 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 Active CN115381412B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211170930.2A CN115381412B (zh) 2022-09-23 2022-09-23 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211170930.2A CN115381412B (zh) 2022-09-23 2022-09-23 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

Publications (2)

Publication Number Publication Date
CN115381412A true CN115381412A (zh) 2022-11-25
CN115381412B CN115381412B (zh) 2023-07-14

Family

ID=84129420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211170930.2A Active CN115381412B (zh) 2022-09-23 2022-09-23 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

Country Status (1)

Country Link
CN (1) CN115381412B (zh)

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07136139A (ja) * 1993-11-19 1995-05-30 Seiko Epson Corp 脈波診断装置
JPH09135819A (ja) * 1995-09-13 1997-05-27 Seiko Epson Corp 健康状態管理装置
JPH10248819A (ja) * 1997-03-13 1998-09-22 Seiko Epson Corp 脈波診断装置
US6293915B1 (en) * 1997-11-20 2001-09-25 Seiko Epson Corporation Pulse wave examination apparatus, blood pressure monitor, pulse waveform monitor, and pharmacological action monitor
US6361501B1 (en) * 1997-08-26 2002-03-26 Seiko Epson Corporation Pulse wave diagnosing device
CN1872002A (zh) * 2005-06-02 2006-12-06 牛欣 一种脉动信息获取系统
JP2009028057A (ja) * 2007-07-24 2009-02-12 Saieco:Kk 脈診システム、脈診装置、脈診方法及び脈診プログラム
CN101371779A (zh) * 2007-08-24 2009-02-25 柳竹 中医脉象生理信息的一种提取方法
CN104997493A (zh) * 2015-06-23 2015-10-28 田胜利 一种基于脉搏传感器的脉象分析方法
CN106943125A (zh) * 2017-03-16 2017-07-14 盐城师范学院 一种基于脉搏波的智能诊断系统及其实现方法
CN107736880A (zh) * 2017-10-24 2018-02-27 新绎健康科技有限公司 一种脉象分析方法及系统
CN108175387A (zh) * 2017-12-19 2018-06-19 桂林电子科技大学 一种基于心电和脉搏波形态学参数的血管外周阻力检测装置及检测方法
CN108670209A (zh) * 2018-03-29 2018-10-19 中国科学院微电子研究所 一种自动识别中医脉象的方法和系统
CN108926330A (zh) * 2018-08-10 2018-12-04 沈阳星泽健康科技有限公司 一种基于腕带充气式压力传感器的智能中医脉诊分析系统
CN109009004A (zh) * 2018-07-19 2018-12-18 上海泰怡健康科技有限公司 一种基于中医脉象分析的体质检测方法
CN109036552A (zh) * 2018-07-19 2018-12-18 上海中医药大学 中医诊断终端及其存储介质
CN110584624A (zh) * 2019-09-18 2019-12-20 中国科学院微电子研究所 基于夹角值的脉搏波特征点识别方法
CN110974172A (zh) * 2019-12-13 2020-04-10 北京理工大学 一种实时生理参数的测量系统
CN112089405A (zh) * 2020-08-26 2020-12-18 上海大学 一种脉搏波特征参数测量及显示装置
CN112274121A (zh) * 2020-10-28 2021-01-29 河北工业大学 一种基于多路脉搏波的无创动脉硬化检测方法、装置
CN113288072A (zh) * 2021-04-28 2021-08-24 新绎健康科技有限公司 一种脉搏波的主波检测方法及装置
CN114027804A (zh) * 2021-12-03 2022-02-11 科思技术(温州)研究院 一种脉象诊断的方法、装置及可读存储介质
CN115299901A (zh) * 2022-08-17 2022-11-08 沈阳星泽健康科技有限公司 一种基于腕式血压计检测数据的中医脉象图谱生成方法

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07136139A (ja) * 1993-11-19 1995-05-30 Seiko Epson Corp 脈波診断装置
JPH09135819A (ja) * 1995-09-13 1997-05-27 Seiko Epson Corp 健康状態管理装置
JPH10248819A (ja) * 1997-03-13 1998-09-22 Seiko Epson Corp 脈波診断装置
US6361501B1 (en) * 1997-08-26 2002-03-26 Seiko Epson Corporation Pulse wave diagnosing device
US6293915B1 (en) * 1997-11-20 2001-09-25 Seiko Epson Corporation Pulse wave examination apparatus, blood pressure monitor, pulse waveform monitor, and pharmacological action monitor
CN1872002A (zh) * 2005-06-02 2006-12-06 牛欣 一种脉动信息获取系统
JP2009028057A (ja) * 2007-07-24 2009-02-12 Saieco:Kk 脈診システム、脈診装置、脈診方法及び脈診プログラム
CN101371779A (zh) * 2007-08-24 2009-02-25 柳竹 中医脉象生理信息的一种提取方法
CN104997493A (zh) * 2015-06-23 2015-10-28 田胜利 一种基于脉搏传感器的脉象分析方法
CN106943125A (zh) * 2017-03-16 2017-07-14 盐城师范学院 一种基于脉搏波的智能诊断系统及其实现方法
CN107736880A (zh) * 2017-10-24 2018-02-27 新绎健康科技有限公司 一种脉象分析方法及系统
CN108175387A (zh) * 2017-12-19 2018-06-19 桂林电子科技大学 一种基于心电和脉搏波形态学参数的血管外周阻力检测装置及检测方法
CN108670209A (zh) * 2018-03-29 2018-10-19 中国科学院微电子研究所 一种自动识别中医脉象的方法和系统
CN109009004A (zh) * 2018-07-19 2018-12-18 上海泰怡健康科技有限公司 一种基于中医脉象分析的体质检测方法
CN109036552A (zh) * 2018-07-19 2018-12-18 上海中医药大学 中医诊断终端及其存储介质
CN108926330A (zh) * 2018-08-10 2018-12-04 沈阳星泽健康科技有限公司 一种基于腕带充气式压力传感器的智能中医脉诊分析系统
CN110584624A (zh) * 2019-09-18 2019-12-20 中国科学院微电子研究所 基于夹角值的脉搏波特征点识别方法
CN110974172A (zh) * 2019-12-13 2020-04-10 北京理工大学 一种实时生理参数的测量系统
CN112089405A (zh) * 2020-08-26 2020-12-18 上海大学 一种脉搏波特征参数测量及显示装置
CN112274121A (zh) * 2020-10-28 2021-01-29 河北工业大学 一种基于多路脉搏波的无创动脉硬化检测方法、装置
CN113288072A (zh) * 2021-04-28 2021-08-24 新绎健康科技有限公司 一种脉搏波的主波检测方法及装置
CN114027804A (zh) * 2021-12-03 2022-02-11 科思技术(温州)研究院 一种脉象诊断的方法、装置及可读存储介质
CN115299901A (zh) * 2022-08-17 2022-11-08 沈阳星泽健康科技有限公司 一种基于腕式血压计检测数据的中医脉象图谱生成方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
吴峥嵘,罗志昌: "心血管系统双弹性腔模型的参数估计", 北京工业大学学报, no. 02 *
张晗;庞春颖;焦琪玉;: "临床常见六种脉象信号特征研究", 长春理工大学学报(自然科学版), no. 05 *
李向东;乐建威;王新图;: "脉搏波信号分析方法的研究进展", 数据采集与处理, no. 1 *
王炳和,董彦武,屠海鹰,杨: "平脉与弦脉信号的声检测及两种谱研究", 生物医学工程学杂志, no. 04 *
行鸿彦;许瑞庆;王长松;: "基于经验模态分解的脉搏信号特征研究", 仪器仪表学报, no. 03 *
郭睿;王忆勤;燕海霞;李福凤;颜建军;许朝霞;刘国萍;: "基于血液动力学原理的中医脉搏波特征提取与识别", 中西医结合学报, no. 08 *

Also Published As

Publication number Publication date
CN115381412B (zh) 2023-07-14

Similar Documents

Publication Publication Date Title
EP2393423B1 (en) Calculating cardiovascular parameters
KR102579840B1 (ko) 압력 센서 어레이를 이용한 혈액 압력 신호 획득
EP3571984B1 (en) Systems for creating a model for use in detecting a peripheral arterial pressure decoupling in a subject and for detecting peripheral arterial pressure decoupling using arterial pressure waveform data and said model
JP2009540915A (ja) アレイ圧力センサーを利用した脈波分析装置
JP6766710B2 (ja) 血圧測定装置、方法及びプログラム
CN101791216A (zh) 基于脉搏波测量与分析的血流参数检测系统
CN110840427A (zh) 基于容积脉搏波信号的连续血压测量方法、装置以及设备
CN103505191B (zh) 一种利用压脉带的压力脉波震荡讯号以预估中心主动脉脉搏压的方法及其装置
CN110520048A (zh) 情绪估计装置
JP2008295517A (ja) 漢方医における脈診の分析システムと方法
CN113288075B (zh) 浮中沉脉位识别方法及系统
EP2416701B1 (en) Monitoring peripheral decoupling
CN115381412A (zh) 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
CN107106046A (zh) 血管弹性率评价装置
KR101744691B1 (ko) 심탄도 신호를 이용한 심박 검출 방법 및 그 장치
CN115868944B (zh) 寸关尺三部压力传感阵列测脉搏包络识别缓脉特征的方法
JP2022160608A (ja) 生体信号処理装置およびその制御方法
Almeida et al. Hemodynamic features extraction from a new arterial pressure waveform probe
JP7262079B2 (ja) 生体センサ
KR100672083B1 (ko) 어레이 압력 센서를 이용한 맥파 분석 방법
KR102147568B1 (ko) 맥파 신호의 평활도를 결정하는 장치 및 방법
KR100907288B1 (ko) 뇌혈류 측정부가 측정한 데이터를 이용하여 뇌혈류 흐름상태를 분석하는 방법 및 장치
US20220361761A1 (en) Method, a device, and a system for estimating a measure of cardiovascular health of a subject
CN108968926A (zh) 辨别脉象的方法、采集装置和系统
Deshmukh The Analysis of Peripheral Pulse Analyzer (PPA) Waveforms

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