CN115429245A - 基于降采样短时变分模态分解的ppg信号分解方法及装置 - Google Patents
基于降采样短时变分模态分解的ppg信号分解方法及装置 Download PDFInfo
- Publication number
- CN115429245A CN115429245A CN202210889372.9A CN202210889372A CN115429245A CN 115429245 A CN115429245 A CN 115429245A CN 202210889372 A CN202210889372 A CN 202210889372A CN 115429245 A CN115429245 A CN 115429245A
- Authority
- CN
- China
- Prior art keywords
- signal
- representing
- ppg
- signal component
- frequency
- 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
- 238000005070 sampling Methods 0.000 title claims abstract description 50
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000001228 spectrum Methods 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000013186 photoplethysmography Methods 0.000 claims description 56
- 230000033001 locomotion Effects 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 14
- 239000000126 substance Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 239000012634 fragment Substances 0.000 claims description 5
- 230000003862 health status Effects 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 claims 2
- 238000001914 filtration Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000000926 separation method Methods 0.000 description 3
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000007920 subcutaneous administration Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000035790 physiological processes and functions Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 210000000707 wrist Anatomy 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
- 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
- A61B5/72—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)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Cardiology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于降采样短时变分模态分解的PPG信号分解方法，包括：步骤1、选取一个函数窗，将函数窗与获取的信号在各个采样时刻处相乘，获得信号在各个采样时刻的信号帧；步骤2、设定瞬时频率初始值；步骤3、根据对应的瞬时频率初始值，采用变分模态分解方法对信号帧进行分解，获得信号帧对应的各信号分量片段；步骤4、将各信号分量片段进行重叠相加，获得各完整的信号分量与对应的瞬时频率；步骤5、根据各个采样时刻信号分量对应的瞬时频率，重构获得PPG信号中各信号分量对应的瞬时频率‑时间函数。本发明还提供了一种PPG信号分解装置。本发明方法无需依赖RD的能力，可对频谱混叠严重的PPG信号进行处理，获得纯净的PPG信号。
Description
技术领域
本发明涉及电信号分解重构的技术领域，尤其涉及一种基于降采样短时变分模态分解的PPG信号分解方法及装置。
背景技术
光电容积脉搏波信号(PPG)，是通过光电容积脉搏波描记法采集到的脉搏信号。具体地，该方法通过传感器向皮肤发射低强度红外光，光线穿过皮肤组织和动脉、静脉，最终被吸收和反射到传感器中。由于皮肤、脂肪、肌肉等组织在血液循环过程中对光的吸收率基本保持不变，而皮下血管的血液容积对光的吸收率非常敏感，因此传感器接收的反射光光强，即可反映人体皮下血管的血液流量随时间的变化，进而提供有关人体生理状态的信息。
目前，PPG信号目前被广泛用于腕带式可穿戴设备的运动或者健康检测功能。它可以提供衡量健康状态的重要生理指标，比如心率、血氧等。然而由于人体运动因素，通过腕带式可穿戴设备采集获得的PPG信号容易受到运动伪影的干扰。运动伪影和PPG信号常处于相似的频段内，在频域上几乎无法分辨两个信号成分，因此难以通过频域信号处理方法来去除运动伪影，还原清洁PPG信号。而另一方面，PPG信号和运动伪影信号均为非线性、非平稳的时变信号，其随时间变化的动态特性可以通过时频域表现出来。由此，两者在时频面上可以得到更加清晰的分辨。
专利文献CN106691425A公开了一种运动手环的腕部心率监测方法，该方法首先对原始光学脉搏波信号进行阈值处理，消除与心率不相关信号。然后通过奇异频谱分析的方法，对同步加速度信号进行处理，得到运动伪影参考信号。将运动伪影信号与预处理光学信号进行自适应滤波处理，将光学信号中的运动伪影成分消除，得到纯净脉搏波信号。该方法是通过生成参考信号对光信号信号进行处理，但生成参考信号时可能存在信号丢失的问题。
专利文献CN113367676A公开了一种可穿戴设备的PPG运动噪声滤波方法及装置，包括：将光电容积脉搏波描记法PPG信号进行快速傅里叶变换得到PPG信号频谱，并将所述PPG信号频谱进行修正；将修正后的PPG信号频谱进行逆傅里叶变换，获得噪声参考信号；利用自适应滤波算法对所述噪。声参考信号进行自适应滤波，获得滤波后的PPG信号。该方法依赖RD的能力完成信号的分离工作。
发明内容
为了解决上述问题，本发明提供了一种基于降采样短时变分模态分解的PPG信号分解方法，该方法具有强噪声鲁棒性，无需依赖RD的能力，可对频谱混叠严重的PPG信号进行处理，获得纯净的PPG信号。
一种基于降采样短时变分模态分解的PPG信号分解方法，包括：
步骤1、选取一个函数窗，将所述函数窗与获取的信号在各个采样时刻处相乘，获得所述信号在各个采样时刻的信号帧；
步骤2、根据预设模态数对步骤1获得的信号帧进行初始化，获得对应的瞬时频率初始值；
步骤3、根据步骤2获得的瞬时频率初始值，采用变分模态分解方法对信号帧进行分解，并为下一信号帧内的信号分量设定瞬时频率初始估计值，重复操作直至窗函数抵达信号尾部，获得所述信号帧对应的各信号分量片段；
步骤4、基于时间轴顺序，将步骤3获得的各信号分量片段进行重叠相加，获得各完整的信号分量与对应的瞬时频率；
步骤5、根据步骤4中各个采样时刻信号分量对应的瞬时频率，重构获得PPG信号中各信号分量对应的瞬时频率-时间函数。
本发明以短时傅里叶变换(STVMD)的框架为基础，以逐时间窗方式进行瞬时频率提取和模式分解，以每个信号分量的频谱与瞬时频率的估计值进行引导迭代获得最终真实值，再通过求取短时时频逆变换，重构获得各信号分量对应的瞬时频率-时间函数。
具体的，所述步骤1中的信号为PPG信号，采用光电容积脉搏波描记法采集获得，用于评估人体运动健康状态的生理指标。
优选的，所述步骤1中各个采样时刻信号帧的表达式如下：
xt[n]＝x[n]g[n-t]
其中，x表示信号，g表示窗函数，xt表示信号在采样时刻t处与窗函数相乘得到的信号帧。
具体的，所述步骤2中的瞬时频率初始值选用0。
具体的，所述步骤3的具体过程如下：
步骤3-1、对信号帧进行离散傅里叶变换，获得对应的频谱；
步骤3-2、根据步骤3-1获得的频谱，设定信号分量片段的频谱估计值，通过迭代计算更新所述信号分量片段的频谱估计值；
步骤3-3、根据步骤3-1获得的频谱，通过迭代计算更新所述信号分量片段对应的瞬时频率估计值；
步骤3-4、重复步骤3-2至3-3，直至信号分量片段的频谱估计值满足终止条件，获得信号分量片段的频谱和瞬时频率。
优选的，所述步骤3-2采用频谱迭代计算公式对频谱估计值进行更新，其表达式如下：
其中，
表示信号帧xt的第p个信号分量片段经过离散傅里叶变换所得到的频谱，λt表示拉格朗日乘子，α表示惩罚项系数，fs表示信号的采样频率，
表示第p个信号分量片段在采样时刻t处的瞬时频率,N表示窗函数g的长度。
优选的，所述步骤3-3采用根据中心频率迭代计算公式对瞬时频率估计值进行更新，其表达式如下：
其中，
表示第p个信号分量片段在采样时刻t处的瞬时频率，fs表示信号的采样频率，N表示窗函数g的长度，
表示信号帧xt第p个信号分量片段经过离散傅里叶变换所得到的频谱。
优选的，所述步骤3中瞬时频率初始估计值的表达式如下：
其中，
表示第p个信号分量在采样时刻t处的瞬时频率，
表示瞬时频率的初始估计值，
表示表征瞬时频率变化率的参数。
具体的，所述瞬时频率初始估计值的计算过程如下：
步骤3-5、计算信号分量在当前时刻信号帧内的调频参数估计值：
其中，
表示第p个信号分量在采样时刻t处的调频参数估计值，
表示短时傅里叶变换的时频，g′，
g″，
表示窗函数系数；
步骤3-6、计算信号分量在当前时刻信号帧内的带宽估计值：
其中，
表示第p个信号分量在采样时刻t处的带宽估计值，
表示第p个信号分量在采样时刻t处的瞬时频率，fs表示信号采样频率；
步骤3-7、计算表征瞬时频率变化率的参数：
其中，
表示第p个信号分量在采样时刻t处的表征瞬时频率变化率的参数；
步骤3-8、根据步骤3-8至步骤3-7获得的参数，设定瞬时频率初始估计值。
具体的，所述步骤4中完整的信号分量，其表达式如下：
其中，xp表示第p个信号分量，
表示信号帧的第p个信号分量片段。
本发明还提供了一种PPG信号分解装置，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，所述计算机存储器执行上述的基于降采样短时变分模态分解的PPG信号分解方法；所述计算机处理器执行所述计算机程序时实现以下步骤：输入采集获得的初始PPG信号，根据PPG信号分解方法进行分析重构，输出PPG信号中各信号分量对应的信号振幅图。
与现有技术相比，本发明的有益效果：
(1)采用短时傅里叶变换的框架，采用逐时间窗的方式对PPG信号进行分离与恢复交叉成分，无需依赖RD的能力，就可以实现PPG信号与运动伪影的分离。
(2)当信号中存在噪声时，本发明的方法依然能够将不同的信号成分完整分离，获得纯净的PPG信号振幅图。
附图说明
图1为本实施例提供的原始PPG信号图；
图2为本实施例提供的真实运动伪影信号图；
图3为本实施例提供的纯净PPG信号图；
图4为本发明提供的基于降采样短时变分模态分解的PPG信号分解方法；
图5为本实施例提供的PPG信号分解获得的信号成分图；
图6为本实施例提供的PPG信号分解获得的时频表示图；
图7为本实施例提供的PPG信号分解装置的输出结果示意图。
具体实施方式
下面以PPG信号的运动伪影去除问题为例，对此基于降采样变分模态分解的交叉信号分解方法的实施方案及效果加以阐述。在人体运动的过程中，通过可穿戴设备采集到的PPG信号会受到运动伪影的污染，其瞬时频率与PPG信号的频率存在明显的交叉，本实施例在MATLAB仿真环境下进行：
如图1所示，为穿戴设备采集获得含有运动伪影的原始PPG信号图；
如图2所示，为原始PPG信号图存在的真实运动伪影信号图；
如图3所示，为通过传统方法除去运动伪影后的纯净PPG信号图。
如图4所示，一种基于降采样短时变分模态分解的PPG信号分解方法，包括：
步骤1、选取一个函数窗g[n-t]，将函数窗与获取的PPG信号在各个采样时刻处相乘，获得PPG信号在各个采样时刻的信号帧；
xt[n]＝x[n]g[n-t]
其中，x表示信号，g表示窗函数，xt表示信号在采样时刻t处与窗函数相乘得到的信号帧；
步骤2、根据预设模态数对步骤1获得的信号帧进行初始化，获得对应的瞬时频率初始值，本实施例中的瞬时频率初始值选用0：
步骤3、根据步骤2设定的瞬时频率初始值，采用变分模态分解方法对信号帧进行分解：
步骤3-1、对信号帧进行离散傅里叶变换，获得对应的频谱；
步骤3-2、根据步骤3-1获得的频谱，设定信号分量片段的频谱估计值，采用频谱迭代计算公式更新信号分量片段的频谱估计值：
其中，
表示信号帧xt的第p个信号分量片段经过离散傅里叶变换所得到的频谱，λt表示拉格朗日乘子，α表示惩罚项系数，fs表示信号的采样频率，
表示第p个信号分量片段在采样时刻t处的瞬时频率,N表示窗函数g的长度；
步骤3-3、根据步骤3-1获得的频谱，采用中心频率迭代计算公式更新信号分量片段对应的瞬时频率估计值：
其中，
表示第p个信号分量片段在采样时刻t处的瞬时频率，fs表示信号的采样频率，N表示窗函数g的长度，
表示信号帧xt第p个信号分量片段经过离散傅里叶变换所得到的频谱；
步骤3-4、重复步骤3-2至3-3，直至信号分量片段的频谱估计值满足终止条件，获得信号分量片段的频谱和瞬时频率；
并为下一信号帧内的信号分量设定瞬时频率初始估计值，重复操作直至窗函数抵达信号尾部，获得信号帧对应的各信号分量片段；
其中，瞬时频率初始估计值的计算过程如下：
步骤3-5、计算信号分量在当前时刻信号帧内的调频参数估计值：
其中，
表示第p个信号分量在采样时刻t处的调频参数估计值，
表示短时傅里叶变换的时频，g′，
g″，
表示窗函数系数；
步骤3-6、计算信号分量在当前时刻信号帧内的带宽估计值：
其中，
表示第p个信号分量在采样时刻t处的带宽估计值，
表示第p个信号分量在采样时刻t处的瞬时频率，fs表示信号采样频率；
步骤3-7、计算表征瞬时频率变化率的参数：
其中，
表示第p个信号分量在采样时刻t处的表征瞬时频率变化率的参数；
步骤3-8、根据步骤3-5至步骤3-7获得的参数，设定瞬时频率初始估计值：
其中，
表示第p个信号分量在采样时刻t处的瞬时频率，
表示瞬时频率的初始估计值，
表示表征瞬时频率变化率的参数；
步骤4、基于时间轴顺序，将步骤3获得的各信号分量片段进行重叠相加：
获得各完整的信号分量与对应的瞬时频率；
如图5所示，为初始PPG信号的各信号分量图，图中u2的波形图与图2中的真实运动伪影信号图相似度最高。
如图6所示，为初始PPG信号的各信号分量对应的瞬时频率图。
步骤5、根据步骤4中各个采样时刻信号分量对应的瞬时频率，重构获得PPG信号中各信号分量对应的瞬时频率-时间函数。
本发明还提供了一种PPG信号分解装置，包括计算机存储器、计算机处理器以及存储在该计算机存储器中并可在该计算机处理器上执行的计算机程序，该计算机存储器执行上述的基于降采样短时变分模态分解的PPG信号分解方法。
如图7所示，为除去图5中u2对应信号分量后的PPG信号图与图1中纯净PPG信号图的对比图，根据计算可知，两者均方差仅为0.224，说明该装置输出的结果与理论结果高度吻合，可以说明该装置的净化效果好。
Claims (9)
1.一种基于降采样短时变分模态分解的PPG信号分解方法，其特征在于，包括：
步骤1、选取一个函数窗，将所述函数窗与获取的信号在各个采样时刻处相乘，获得所述信号在各个采样时刻的信号帧；
步骤2、根据预设模态数对步骤1获得的信号帧进行初始化，获得对应的瞬时频率初始值；
步骤3、根据步骤2获得的瞬时频率初始值，采用变分模态分解方法对信号帧进行分解，并为下一信号帧内的信号分量设定瞬时频率初始估计值，重复操作直至窗函数抵达信号尾部，获得所述信号帧对应的各信号分量片段；
步骤4、基于时间轴顺序，将步骤3获得的各信号分量片段进行重叠相加，获得各完整的信号分量与对应的瞬时频率；
步骤5、根据步骤4中各个采样时刻信号分量对应的瞬时频率，重构获得PPG信号中各信号分量对应的瞬时频率-时间函数。
2.根据权利要求1所述的基于降采样短时变分模态分解的PPG信号分解方法，其特征在于，所述步骤1中的信号为PPG信号，采用光电容积脉搏波描记法采集获得，用于评估人体运动健康状态的生理指标。
3.根据权利要求1所述的基于降采样短时变分模态分解的PPG信号分解方法，其特征在于，所述步骤1中各个采样时刻信号帧的表达式如下：
xt[n]＝x[n]g[n-t]
其中，x表示信号，g表示窗函数，xt表示信号在采样时刻t处与窗函数相乘得到的信号帧。
4.根据权利要求1所述的基于降采样短时变分模态分解的PPG信号分解方法，其特征在于，所述步骤3的具体过程如下：
步骤3-1、对信号帧进行离散傅里叶变换，获得对应的频谱；
步骤3-2、根据步骤3-1获得的频谱，设定信号分量片段的频谱估计值，通过迭代计算更新所述信号分量片段的频谱估计值；
步骤3-3、根据步骤3-1获得的频谱，通过迭代计算更新所述信号分量片段对应的瞬时频率估计值；
步骤3-4、重复步骤3-2至3-3，直至信号分量片段的频谱估计值满足终止条件，获得信号分量片段的频谱和瞬时频率。
5.根据权利要求4所述的基于降采样短时变分模态分解的PPG信号分解方法，其特征在于，所述步骤3-2采用频谱迭代计算公式对频谱估计值进行更新，其表达式如下：
其中，
表示信号帧xt的第p个信号分量片段经过离散傅里叶变换所得到的频谱，λt表示拉格朗日乘子，α表示惩罚项系数，fs表示信号的采样频率，
表示第p个信号分量片段在采样时刻t处的瞬时频率,N表示窗函数g的长度。
6.根据权利要求4所述的基于降采样短时变分模态分解的PPG信号分解方法，其特征在于，所述步骤3-3采用中心频率迭代计算公式对瞬时频率估计值进行更新，其表达式如下：
其中，
表示第p个信号分量片段在采样时刻t处的瞬时频率，fs表示信号的采样频率，N表示窗函数g的长度，
表示信号帧xt第p个信号分量片段经过离散傅里叶变换所得到的频谱。
7.根据权利要求1所述的基于降采样短时变分模态分解的PPG信号分解方法，其特征在于，所述步骤3中瞬时频率初始估计值的表达式如下：
其中，
表示第p个信号分量在采样时刻t处的瞬时频率，
表示瞬时频率的初始估计值，
表示表征瞬时频率变化率的参数。
8.根据权利要求1所述的基于降采样短时变分模态分解的PPG信号分解方法，其特征在于，所述步骤4中完整的信号分量，其表达式如下：
其中，xp表示第p个信号分量，
表示信号帧的第p个信号分量片段。
9.一种PPG信号分解装置，包括计算机存储器、计算机处理器以及存储在所述计算机存储器中并可在所述计算机处理器上执行的计算机程序，其特征在于，所述计算机存储器执行如权利要求1-8任一所述的基于降采样短时变分模态分解的PPG信号分解方法；所述计算机处理器执行所述计算机程序时实现以下步骤：输入采集获得的初始PPG信号，根据PPG信号分解方法进行分析重构，输出PPG信号中各信号分量对应的信号振幅图。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210889372.9A CN115429245A (zh) | 2022-07-27 | 2022-07-27 | 基于降采样短时变分模态分解的ppg信号分解方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210889372.9A CN115429245A (zh) | 2022-07-27 | 2022-07-27 | 基于降采样短时变分模态分解的ppg信号分解方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115429245A true CN115429245A (zh) | 2022-12-06 |
Family
ID=84242886
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210889372.9A Pending CN115429245A (zh) | 2022-07-27 | 2022-07-27 | 基于降采样短时变分模态分解的ppg信号分解方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115429245A (zh) |
-
2022
- 2022-07-27 CN CN202210889372.9A patent/CN115429245A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108158573B (zh) | 基于自适应阈值小波变换的心电信号降噪方法 | |
| Kher | Signal processing techniques for removing noise from ECG signals | |
| US11406328B2 (en) | Low-distortion ECG denoising | |
| Strasser et al. | Motion artifact removal in ECG signals using multi-resolution thresholding | |
| Akar et al. | Spectral analysis of photoplethysmographic signals: The importance of preprocessing | |
| CN105832289B (zh) | 用于使用希尔伯特变换估计生物生理速率的设备和方法 | |
| Castillo et al. | Noise suppression in ECG signals through efficient one-step wavelet processing techniques | |
| US10849509B2 (en) | Patient signal filtering | |
| WO2007021645A2 (en) | Method and system for limiting interference in electroencephalographic signals | |
| CN103932687B (zh) | 一种脉象信号预处理方法和装置 | |
| EP2753235A1 (en) | Electrocardiogram baseline removal | |
| Narwaria et al. | Removal of baseline wander and power line interference from ECG signal-a survey approach | |
| Li et al. | Application of an EMG interference filtering method to dynamic ECGs based on an adaptive wavelet-Wiener filter and adaptive moving average filter | |
| Seljuq et al. | Selection of an optimal mother wavelet basis function for ECG signal denoising | |
| CN113397496B (zh) | 基于信噪比提高技术的脉搏波获取方法、系统及存储介质 | |
| Bhogeshwar et al. | To verify and compare denoising of ECG signal using various denoising algorithms of IIR and FIR filters | |
| CN108078554A (zh) | 一种人体脉搏波信号噪声抑制方法 | |
| CN111493821B (zh) | 一种基于modwt及中值滤波的ppg信号实时去噪方法 | |
| Fehér | Denoising ECG signals by applying discrete wavelet transform | |
| CN115429245A (zh) | 基于降采样短时变分模态分解的ppg信号分解方法及装置 | |
| Karim et al. | Analysis of empirical mode decomposition method of heart rate extraction from motion artifact corrupted PPG Signal | |
| Chandra et al. | A computationally efficient approach for ECG signal denoising and data compression | |
| Daqrouq et al. | The discrete wavelet transform based electrocardiographic baseline wander reduction method for better signal diagnosis | |
| Shao et al. | A Photoplethysmograph Signal Preprocess Method Based on Wavelet Transform | |
| Joshi et al. | Analysis of Adaptive Wavelet Wiener Filtering for ECG Signals |
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 |