Die
Aufgabe der vorliegenden Erfindung ist es, eine Vorrichtung und
ein Verfahren zum Vermindern der Störeinflüsse bei der Bestimmung von
Vitalparametern, wie z.B. die Herzfrequenz und die Blutsauerstoffsättigung,
eines Lebewesens zu schaffen, die eine effektivere Störunterdrückung ermöglicht, um
die Behandlungsqualität
der Patienten zu erhöhen.
Diese
Aufgabe wird gelöst
durch eine Vorrichtung gemäß Anspruch
1 und ein Verfahren gemäß Anspruch
39.
Die
Aufgabe wird gelöst
durch eine Vorrichtung zum Vermindern eines Störanteils in einem zeitdiskreten
Signal, das ferner einen Nutzanteil aufweist, mit einer ersten Einrichtung
zum Bereitstellen des zeitdiskreten Signals mit dem Störanteil
und dem Nutzanteil. Ferner weist die Vorrichtung eine zweite Einrichtung
zum Bereitstellen eines ersten zeitdiskreten Referenzsignals auf,
das einen ersten Störanteil aufweist,
und eines zweiten zeitdiskreten Referenzsignals, das einen zweiten
Störanteil
aufweist, wobei der zweite Störanteil
zu dem ersten Störanteil
phasenverschoben ist. Die Vor richtung beinhaltet ferner eine Subtrahiereinrichtung
zum Erzeugen eines Differenzsignals aus den zwei Referenzsignalen,
wobei das Differenzsignal eine Frequenzkomponente aufweist, die
durch den ersten und den zweiten Störanteil verursacht ist und
eine Einrichtung zum Manipulieren des zeitdiskreten Signals basierend
auf dem Differenzsignal, derart, dass in einem manipulierten Signal
die Frequenzkomponente reduziert ist.
Ferner
wird die Aufgabe gelöst
durch ein Verfahren zum Vermindern eines Störanteils in einem zeitdiskreten
Signal, das ferner einen Nutzanteil aufweist, durch Bereitstellen
des zeitdiskreten Signals mit dem Nutzanteil und dem Störanteil,
durch Bereitstellen eines ersten zeitdiskreten Referenzsignals, das
einen ersten Störanteil
aufweist und durch Bereitstellen eines zweiten Referenzsignals,
das einen zweiten Störanteil
aufweist, wobei der zweite Störanteil
zu dem ersten Störanteil
phasenverschoben ist. Ferner wird die Aufgabe gelöst durch
Subtrahieren der zwei Referenzsignale und Bereitstellen eines Differenzsignals,
das eine Frequenzkomponente aufweist, die durch den ersten und zweiten
Störanteil verursacht
ist, und durch Manipulieren des zeitdiskreten Signals basierend
auf dem Differenzsignal derart, dass in einem manipulierten zeitdiskreten
Signal die Frequenzkomponente reduziert ist.
Der
Kerngedanke der vorliegenden Erfindung ist die Störanteile,
die sich bei der Plethysmographie und Pulsoximetrie dem Nutzsignal überlagern,
neben einer Subtraktion einer Umgebungslichtmessung, durch eine
adaptive Filterung zu reduzieren. Bei der Pulsoximetrie bzw. Plethysmographie treten
neben den durch Umgebungslicht hervorgerufenen Störungen auch
Störungen
auf, die durch Unterabtastung entstehen (Aliasing). Diese Störungen werden
aus höheren
Frequenzbereichen in das Nutzband gespiegelt und sind aufgrund der
Unterabtastung in den einzelnen Kanälen in ihrer Phase verscho ben.
Durch Bilden eines Differenzsignals aus den Kanälen der Dunkelphasen, lässt sich
ein Signal extrahieren, das nur die durch Unterabtastung entstandenen
Störungen
enthält.
Basierend auf den Störanteilen
in diesem Signal, lassen sich nun die Störanteile in den Hellphasenkanälen ebenfalls
vermindern.
Ein
Ausführungsbeispiel
der vorliegenden Erfindung wird nun anhand der 1 bis 23 im Detail
erläutert.
Es zeigen:
1a) schematische Darstellung eines erfindungsgemäßen Ausführungsbeispiels
1b) schematische Darstellung eines erfindungsgemäßen Ausführungsbeispiels
2a) schematische Darstellung der unregelmäßigen Anordnung
der Hellzeitdauern
2b) regelmäßige Anordnung der Hellzeitdauern
gemäß herkömmlichen
Pulsoximetern
3 Blockschaltbild
einer Realisierung des Ausführungsbeispiels
4 schematisierte
Darstellung eines Spektrums eines Signals im Basisband
5 schematisierte
Darstellung eines Spektrums eines Signals im Übertragungsband
6 schematische
Darstellung zweier orthogonaler Chipfolgen der Länge 101 Chips
7 schematische
Darstellung eines Spektrums einer Chipfolge der Länge 101
Chips
8 schematische
Darstellung des Signals im Übertragungsband
9 schematische
Darstellung der Spreizungsstörung
und Entspreizung im Frequenzbereich
9a) schematische Darstellung des Spektrums
im Basisband
9b) schematische Darstellung des Spektrums
der Chipfolge
9c) schematische Darstellung des Spektrums
im Übertragungsband
9d) schematische Darstellung des Spektrums
der Nutz- und Störanteile
im Basisband nach der Entspreizung
10 zwei
beispielhafte empfangene Signalverläufe zweier LEDs unterschiedlicher
Wellenlängen
11 Darstellung
zweier beispielhafter Signalverläufe
für die
Dunkel-Dauer bzw. die Umgebungslichtmessung
12 Beispielhafte Übertragungsfunktion eines
Extraktionsfilters mit 15 dB Dämpfung
und 100 Hz Unterdrückung;
Vergrößerung im
Bereich von 100Hz.
13 Beispielhafte
Signalverläufe
der Hellsendekanäle,
von denen das Umgebungslichtsignal subtrahiert wurde, die Vergrößerung zeigt
das Referenzsignal.
14 Schematische
Darstellung der Blockbildung zur weiteren Signalverarbeitung, lB entspricht der Blocklänge, la ist
ein Maß für die Überlappung.
15a) Beispielhafter Signalverlauf eines Eingangssignals,
und des tiefpassgefilterten Gleichsignals (DC-Anteil)
15b) Beispielhafter Signalverlauf des hochpassgefilterten
Signals (AC-Anteil)
16 Modell
des adaptiven Filters mit den Eingangsgrößen links und Ausgangsgrößen rechts, das
Referenzsignal ist durch WA C gekennzeichnet.
17 Beispielhafter
Verlauf eines Kaiser-Bessel-Fensters
mit einer Blocklänge
von 256 Punkten.
18 beispielhafter
spektraler Verlauf der normierten Nutzsignale für die beiden Hellsendekanäle Rot und
Infrarot
19 beispielhafte
Darstellung der beiden Spektren für Rot und Infrarot-Sendekanäle, wobei Spektralwerte
gleicher Frequenzen gegeneinander aufgetragen sind.
20a) schematische Darstellung des Least
Squares Fit-Verfahrens zur Minimierung einer vertikalen Distanz
zu einer Geraden
20b) schematische Darstellung des Total
Least Squares Fit-Verfahrens zur Minimierung der tatsächlichen
Abstände
zu einer Geraden.
21a) beispielhafter Verlauf des Quotienten
zwischen dem Rot-Sendekanal und dem Infrarot-Sendekanal zu vier unterschiedlichen
Zeitpunkten k2
21b) beispielhafter Verlauf eines mit
der Methode des Complex Total Least Squares Fit-Verfahrens ermitteltes Referenzspektrums
22 beispielhaftes
Spektrum eines Signalverlaufs, bei dem die Amplituden der Störung größer sind
als die Amplituden der Pulswelle
23 beispielhafte
Kennlinie einer Kalibrierungsfunktion
24 prinzipielles
Blockschaltbild der Hardware eines Pulsoximeters gemäß dem Stand der
Technik
25 schematisierte
Darstellung eines Zeitmultiplexverfahrens (TDMA)
1a) zeigt eine schematisierte Darstellung
eines erfindungsgemäßen Ausführungsbeispiels,
mit einer Vorrichtung 100 zum Vermindern eines Störanteils.
Eine erste Einrichtung 110 zum Bereitstellen eines zeitdiskreten
Signals, das beispielsweise ein gestörtes Signal eines Plethysmographen darstellt.
Dieses Signal kann beispielsweise durch Durchleuchten eines Gewebes
eines Probanden mit infrarotem Licht entstanden sein. Weiterhin
zeigt 1a) eine zweite Einrichtung 120 zum
Bereitstellen eines ersten und eines zweiten Refe renzsignals, die
beispielsweise zwei Dunkelphasenkanäle eines Plethysmographen darstellen.
Diese beiden Kanäle enthalten
zunächst
Störungen,
die durch Umgebungslichteinflüsse
im Nutzbereich hervorgerufen werden als auch Störungen, die durch Unterabtastung
entstanden sind. Da die Störungen,
die im Nutzbereich liegen in den beiden Referenzkanälen phasengleich
sind, können
diese durch Bilden des Differenzsignals nahezu ausgeblendet werden.
Die wird durch eine Subtrahiereinrichtung 130 zum Erzeugen eines
Differenzsignals aus den Referenzsignalen erreicht. Das Differenzsignal
wird nun einer Einrichtung 140 zum Manipulieren des zeitdiskreten
Signals zugeführt.
Die Einrichtung 140 zum Manipulieren erhält von der
Einrichtung 110 zum Bereitstellen des zeitdiskreten Signals
das zeitdiskrete Signal und manipuliert dieses auf Basis des Differenzsignals.
In
einem weiteren Ausführungsbeispiel,
wie in 1b) gezeigt, verfügt die Vorrichtung 100,
neben den bereits in 1a) gezeigten
Einrichtungen, weiterhin über
eine Einrichtung 150 zum Bilden einer gewichteten Summe
aus den beiden Referenzsignalen, die dann der ersten Einrichtung 110 zum
Bereitstellen des zeitdiskreten Signals zugeführt wird, um in dem zeitdiskreten
Signal phasengleiche Störungen zu
vermindern. Zusätzlich
wird das von der Einrichtung 140 zum Manipulieren manipulierte
zeitdiskrete Signal einer Verarbeitungseinrichtung 160 zugeführt, wo
das Signal weiter verarbeitet wird, beispielsweise wird hier ein
Vitalparameter extrahiert.
In
einem erfindungsgemäßen Ausführungsbeispiel
wird eine Lichtquelle, deren Licht in ein Körperteil eines Probanden eingekoppelt
wird, und das Signal von einem Photodetektor empfangen wird, so angesteuert,
dass sie in unregelmäßigen Abständen innerhalb
einer sich wie derholenden Sequenz den Einzustand einnimmt. Die Unregelmäßigkeit
bewirkt dabei, dass im spektralen Bereich des Signals eine Aufweitung
stattfindet. Durch die zusätzlichen
spektralen Komponenten des Lichtsignals entsteht eine zusätzliche
Störsicherheit.
Im einfachsten Fall, entstehen zwei Spektrallinien gleicher Höhe. Da die Wahrscheinlichkeit
dafür,
dass beide Spektralanteile gleichzeitig gestört werden, geringer ist als
die Wahrscheinlichkeit, dass ein einzelner Spektralanteil gestört wird,
entsteht ein Diversitätsgewinn
im Frequenzbereich. Dieser Diversitätsgewinn kann durch eine entsprechende
Signalverarbeitung realisiert werden, so dass durch das unregelmäßige Ansteuern
der Lichtquellen, eine höhere
Störsicherheit
und damit eine größere Zuverlässigkeit
der Messung eines Vitalparameters erreicht wird. Weiterhin entsteht ein
sogenannter Spreizgewinn. Durch das unregelmäßige Ansteuern wird die Energie
des Nutzsignals auf mehrere Frequenzanteile gleichmäßig verteilt.
Da die Unregelmäßigkeit
bekannt ist, können
diese Energieanteile im Empfänger
wieder kohärent überlagert
werden. Störanteile,
die bei den gleichen Frequenzen liegen, werden im Empfänger ebenfalls überlagert,
da diese allerdings von einander unabhängig sind, geschieht hier eine
inkohärente Überlagerung,
so dass für
das Nutzsignal ein Gewinn entsteht. Ein schmalbandiger Störer, der
sich dem Nutzsignal nur bei einem Frequenzanteil überlagert,
erfährt
im Empfänger
eine spektrale Aufweitung analog der des Nutzsignals im Sender,
da in beiden Fällen Signalanteile
zu unregelmäßigen Zeitpunkten
kombiniert werden.
Diese
Unregelmäßigkeit
der Hellzeit-Dauern ist schematisiert in 2a dargestellt. 2a zeigt eine
sich wiederholende Sequenz der Dauer ΔT. Innerhalb einer Sequenz nimmt
eine Lichtquelle H1 zweimal einen Einzustand
ein. Dies ist in 2a durch die Einträge H1 angedeutet. Während der anderen Zeitpunkte,
zu denen im Zeitraster in 2a keine
Einträge
vorhanden sind, ist die Lichtquelle ausgeschaltet. Zum Vergleich
ist in der 2b eine Sequenz eines herkömmlichen
Pulsoximeters dargestellt. 2b zeigt
ein Zeitmultiplexverfahren (TDMA), bei dem zwei Lichtquellen angesteuert
werden. Während
einer Sequenz nimmt jede Lichtquelle für einen Zeitschlitz den Einzustand
ein. Dies ist in 2b durch H1 und
H2 angedeutet. Während der anderen Zeitdauern,
die in 2b mit D1 und
D2 dargestellt sind (D steht für engl. „DARK"), soll keine der beiden
Lichtquellen einen Einzustand angenommen haben.
Das
unregelmäßige Ansteuern
an der Lichtquelle entspricht einer Spreizspektrummodulation. Durch
die Spreizspektrummodulation in Kombination mit einer nachgeschalteten
erfindungsgemäßen adaptiven
Filterung werden Signalanteile vermindert, die auf Umgebungslichteinflüsse bzw.
auf elektromagnetische Störquellen
(z.B. Hochfrequenzchirurgie) zurückzuführen sind
und solche die auf die Unterabtastung zurückzuführen sind. Eine nachfolgende
Signalverarbeitung erlaubt zudem eine besonders effiziente Messung
der Blutsauerstoffsättigung
und der Herzfrequenz eines Patienten, wobei mit dem vorliegenden
Verfahren auch bei niedriger arterieller Blutvolumenpulsation und
bei Bewegung des Patienten zuverlässig gemessen werden kann.
Die erhöhte
Zuverlässigkeit
der Messung bedingt damit unmittelbar eine Steigerung der Behandlungsqualität eines
Patienten. Damit ist ein Vorteil der vorliegenden Erfindung, dass
durch die gesteigerte Zuverlässigkeit
der Messwerte eines Pulsoximeters, insbesondere in kritischen Umgebungen,
wie Operationssälen
oder Intensivstationen, höhere
Genesungschancen und effizientere Behandlungsmethoden ermöglicht werden.
3 zeigt
eine Realisierung des Ausführungsbeispiels.
In 3 wird zunächst
eine Spreizspektrummodulation 300 durch eine LED-Treiberstufe 305 in
ein optisches Signal gewandelt. Die LED-Treibereinrichtung 305 koppelt
gemäß der empfangenen
Spreizspektrummodulation Lichtsignale in ein Gewebe 310 (z.B.
in einen Finger) ein, woraufhin die Lichtsignale auf ihren Weg durch
das Gewebe moduliert werden und anschließend von einem Photoempfänger 315 empfangen
werden. Der Photoempfänger 315 wandelt
die empfangenen optischen Signale in elektrische Signale um, und
führt diese
einer Analog-Digitalwandeleinrichtung 320 zu,
die das analoge Signal in ein Digitalsignal umsetzt. Der Analog-Digitalwandeleinrichtung 320 nachgeschaltet
ist ein Spreizspektrumdemodulator 325.
Nach
der Spreizspektrumdemodulation 325 wird das Signal erfindungsgemäß adaptiv
gefiltert 330 und anschließend Fourier-transformiert 335.
In einem nächsten
Schritt wird nun eine spektrale Maske 340 auf das Spektrum
des Signals angewendet, woraufhin die Herzfrequenz des Probanden
festgestellt werden kann und dann am Ausgang 345 ausgegeben
wird. In einem nächsten
Analyseschritt, dem sogenannten „Complex Total Least Squares
Fit"-Verfahren 350 kann
nun über
eine statistische Analyse im Frequenzbereich eine Varianz der Differenz
der unterschiedlichen Spektren, die für Licht unterschiedlicher Wellenlängen gemessen
wurden, bestimmt werden und als Zuverlässigkeitsmaß am Ausgang 355 ausgegeben
werden. Mit dem Ausgangswert, den die „Complex Total Least Squares
Fit"-Einrichtung 350 liefert,
kann nun über
eine Kalibrierungsfunktion 360 ein zugehöriger Blutsättigungswert (SpO2-Wert) am Ausgang 365 ausgegeben
werden.
Um
die Lichtabsorption des Gewebes 310 mit mehreren Lichtquellen 305 unterschiedlicher
Wellenlängen
und mittels eines breitbandigen Photoempfängers 315 messen zu
können,
benötigt
man ein Modulationsverfahren, bestehend aus dem Modulator 300 und
dem Demodulator 325. Um Störungen besser zu unterdrücken, wird
das Spreizspektrumverfahren verwendet. Diesem Modulationsverfahren
liegt zugrunde, dass durch die Unregelmäßigkeit der Hellzeit-Dauern
das Spektrum des Basisbandsignals gespreizt oder aufgeweitet wird.
Dieser Effekt wird durch die 4 bis 9 verdeutlicht. 4 zeigt
zunächst
ein Spektrum |I(f)| eines Basisbandsignals, dessen Grenzfrequenz
als fB bezeichnet ist. Bei herkömmlichen
Modulationsverfahren, wie z.B. der Amplitudenmodulation wird das
Spektrum des Basisbandsignals in einen Frequenzbereich verschoben,
der für
die Übertragung
besser geeignet ist. 5 illustriert diesen Fall und
zeigt das verschobene Spektrum |IA(f)|.
Ein solches Spektrum resultiert, wenn man das Basisbandsignal mit
einer höheren
Trägerfrequenz
multipliziert wird. Das Spektrum des Basisbandsignals bleibt dabei
von seiner Form und Energie her unverändert. Wird dieses Signal nun von
einem Störer überlagert
so ist diese Störung durch
Demodulation, also durch Zurückverschieben aus
dem Übertragungsband
in das Basisband nicht zu unterdrücken. Im Falle der Spreizspektrummodulation,
wie sie erfindungsgemäß eingesetzt
wird, wird jedem Sendekanal, darunter werden die Sendelichtsignale
einer Wellenlänge
verstanden, einer zuvor berechneten, sogenannten Chipfolge zugeordnet. Eine
Chipfolge besteht aus einer endlichen Sequenz von Einsen und Nullen,
die typischerweise in einer um das Hundertfache höheren Frequenz
getaktet sind als vergleichsweise bei einem TDMA-Konzept. Die Taktfrequenz
liegt etwa bei 3kHz. Die Chipfolgen müssen aus mathematischer Sicht
bestimmte Eigenschaften erfüllen,
um die gewünschte
Spreizwirkung des Störsignals
zu erzielen und die Rekonstruktion der Plethysmogramme, sowie der
Umgebungslichtkanäle
zu ermöglichen.
Grundsätzlich
müssen die Chipfolgen
orthogonal sein, um bei der Demodulation eine Kanaltrennung realisieren
zu können
und damit eine Demodulation ohne Übersprechen ermöglicht wird.
6 zeigt
eine schematische Darstellung zweier orthogonaler Chipfolgen, wobei
die Länge
einer Chipfolge im hier betrachteten Ausführungsbeispiel gleich 101 Chips
ist. In 6 ist ein Zeitstrahl einer Dauer
von 101 Chipdauern dargestellt. Über diese
101 Chipdauern sind die Werte zweiter Chipfolgen c(k) aufgetragen.
Im Diagramm sind die beiden Chipfolgen durch gestrichelte bzw. durchgezogene Linien
unterschieden. Immer wenn eine Chipfolge den Wert 1 annimmt, bedeutet
dies, dass die zugehörige
Lichtquelle in den Einzustand gebracht wird. In 6 lässt sich
sehr deutlich erkennen, dass die beiden Chipfolgen orthogonal sind,
d.h. dass die beiden zugeordneten Lichtquellen niemals gleichzeitig
den Einzustand einnehmen. Prinzipiell ist es auch möglich, Chipfolgen
einzusetzen, die gleichzeitig eine 1 bewirken, bzw. der Einsatz
anderer Folgen mit anderen Eigenschaften ist möglich. Hier ist jedoch die
Eigenschaft der Folgen hervorzuheben, dass die einzelnen Hellzeitdauern
in unregelmäßigen Abständen auftreten,
so dass eine spektrale Spreizung erreicht wird. Weiterhin ist in 6 deutlich
zu erkennen, dass die einzelnen Hell-Zeitdauern innerhalb einer Sequenz unregelmäßig angeordnet
sind, und dass es Zeitpunkte gibt, zu denen beide Chipfolgen der Wert
0 annehmen, d.h. in der Realisierung beide Lichtquellen ausgeschaltet
sind.
Eine
weitere wichtige Eigenschaft der Chipfolgen ist, dass ihr Spektrum
möglichst
gleichverteilt sein sollte, damit sich die Signalenergie möglichst gleichmäßig auf
einen möglichst
breiten Frequenzbereich verteilt.
7 zeigt
das Spektrum, d.h. den Frequenzbereich einer der in 6 dargestellten
Chipfolgen. In 7 ist deutlich zu erkennen,
dass das Spektrum einer solchen Folge gleichverteilt ist, d.h. das
Spektrum setzt sich aus äquidistanten
gleichen Werten zusammen. Der hohe Gleichanteil, der sich durch
den überhöhten Wert
bei der Frequenz 0 darstellt, lässt
sich dadurch erklären,
dass die Chipfolge nur die Werte 0 und 1 annehmen kann. Dadurch
ist die Folge nicht mittelwertfrei. Das Spektrum einer Chipfolge
kann also wie ein „Kamm" aus äquidistanten
Trägern
gleicher Amplitude betrachtet werden. Die spektrale Gleichverteilung
einer Chipfolge hat zur Konsequenz, dass ein schmalbandiger Störer nach der
Demodulation in ein breitbandiges Rauschen gespreizt wird. Die beiden
LEDs werden in der Realisierung des Ausführungsbeispiels, wie es in 3 dargestellt
ist, mit dem in 6 dargestellten Chipsequenzen
angesteuert.
8 zeigt
die schematische Darstellung des Signals aus 4 im Übertragungsband
|IC(f)|. Das Basisbandsignal, wie es in 4 dargestellt
ist, behält
seine spektrale Form bei, seine Energie wird aber auf viele Frequenzen
verteilt. Dieser Vorgang wird auch als Spreizen bezeichnet. Wird
das in 8 dargestellte Signal nun durch einen schmalbandigen Störer gestört, so erfährt dieser
eine Spreizung bei der Demodulation, wohingegen die Energieanteile des
Signals aus 8 sich im Basisband wieder kohärent überlagern.
Die Demodulation entspricht dabei einer erneuten Multiplikation
mit der entsprechenden Chipfolge. Das Ergebnis der Multiplikation
wird dann über
eine Chipfolgenlänge
hinweg aufsummiert. Multipliziert man also ein Empfangssignal mit einer
der Chipfolgen, wie sie in 6 dargestellt sind,
so lässt
sich aus 6 leicht erkennen, dass aus
dem Empfangssignal durch die Multiplikation nur diejenigen Empfangssignalwerte
ausgeblendet werden, die zu einem Zeitpunkt empfangen werden, die einer
Eins in der jeweiligen Chipfolge entsprechen. Diese einzelnen Signalanteile
werden dann über
eine Chipfolge hinweg aufsummiert, wodurch sie sich kohärent, d.h.
konstruktiv, überlagern.
Ein sich dem Empfangssignal überlagertes
Störsignal
wird ebenfalls nur zu den entsprechenden Zeitpunkten eingeblendet.
Auch die Störsignale
werden zu den jeweiligen Zeitpunkten abgetastet und über die
Länge einer Chipfolge
hinweg aufsummiert. Die Störsignale überlagern
sich jedoch zu den Abtastzeitpunkten nicht kohärent, so dass diese über die
Entspreizung hinweg tatsächlich
eine Spreizung erfahren, nämlich
die Multiplikation mit der Chipfolge, so dass nach der Demodulation
diese Signale nur noch gedämpft
vorliegen.
In
den 9a)–d) ist die Operation des Spreizens
noch einmal im Frequenzbereich dargestellt. 9a) zeigt
das Spektrum eines Signals im Basisband. 9b) zeigt
das Spektrum einer Chipfolge, das idealerweise spektral gleichverteilt
ist. In der 9c) ist das gespreizte
Basisbandsignal zu sehen, welches nun Energieanteile bei jeder einzelnen
Frequenz der Chipfolge aufweist. Die Energie des Basisbandsignals
wurde aufgespreizt auf die Frequenzen die in der Chipfolge enthalten
sind. In der erfindungsgemäßen Realisierung
wird das Signal in dieser Form aus dem Gewebe durch den Photosensor
empfangen, das eigentliche Nutzsignal, wurde dann durch das Gewebe
auf das gespreizte Signal aufmoduliert. Die 9c) zeigt
ferner zwei Störungen, „Störung 1" und „Störung 2". Es handelt sich
bei den beiden Störungen
um schmalbandige Störer,
wie sie z.B. von Leuchtstoffröhren
oder Hochfrequenzskalpellen verursacht werden können. 9d) zeigt das
Spektrum des Signals nach der Demodulation bzw. nach dem Entspreizen.
Es ist zu erkennen, dass das Basisbandsignal rekonstruiert wurde
und das zusätzliche
Frequenzen der Störsignale
im Ba sisband hinzukamen. 9d) zeigt
weiterhin, dass die verbleibenden Frequenzen der Störung deutlich
geringere Amplituden aufweisen als die ursprüngliche Störung selbst, was auf die Spreizung
des Störsignals zurückzuführen ist.
Legendre-Folgen
sind Chipfolgen, die die hier geforderten Eigenschaften erfüllen und
gute Auto- und Kreuzkorrelationseigenschaften besitzen. Die Folgen
modulieren zwei Hell- und zwei Dunkel-Sendekanäle in der betrachteten Realisierung
des Ausführungsbeispiels.
Die spektralen Eigenschaften aller Folgen sind identisch und erfüllen die
erforderte Gleichverteilung im spektralen Bereich. Ferner werden
insgesamt vier Folgen betrachtet, wobei die vier Folgen untereinander
orthogonal sind, das bedeutet, keine zwei Folgen nehmen gleichzeitig
den Wert 1 an. Prinzipiell ist auch der Einsatz anderer Folgen denkbar,
die Eigenschaft der Unregelmäßigkeit
der Hellzeitdauern ist hier hervorzuheben, dies setzt nicht voraus,
dass zu einem Zeitpunkt jeweils nur eine Folge eine Hellzeitdauer
haben kann. Zwei der vier Folgen werden in einer Realisierung des
Ausführungsbeispiels
verwendet, um zwei LEDs verschiedener Wellenlänge (Rot und Infrarot) anzusteuern, die
beiden verbleibenden Folgen dienen dazu, Umgebungslichtkanäle zu modulieren,
d.h. sie entsprechen Dunkelkanälen.
Über den
LED-Treiber 305 aus 3 werden
nun die LEDs als monochromatische Lichtquellen angesteuert. Das
mit den Chipfolgen modulierte Licht der LEDs tritt durch eine Gewebeschicht
und erfährt
dabei abhängig
von der Wellenlänge
der Lichtquelle eine entsprechende Dämpfung. Am Photoempfänger 315 trifft
die durch das Gewebe gedämpfte
Strahlung der LEDs auf, wird dort zu einem proportionalen Photostrom
gewandelt und anschließend
mit einem Analog-Digitalwandler 320 synchron zum Takt des
Modulators 300 abgetastet.
Die
Synchronität
zwischen Modulator im Sender und AD-Wandler bzw. Demodulator im Empfänger kann
optional durch eine Kontrolleinrichtung, die über Steueranschlüsse sowohl
Sender als auch Empfänger
einen Takt vorgibt, gelöst
werden. Das synchronabgetastete Signal wird dem Spreizspektrumdemodulator 325 zugeführt. Der
Spreizspektrumdemodulator 325 trennt mit der Demodulation das
Signal des Photoempfängers
in einzelne Kanäle auf.
In einer praxisnahen Implementierung sind dies zwei Pulskanäle für Rot- und
Infrarot-LEDs, sowie zwei Kanäle
für die
Messung des Umgebungslichts. 10 zeigt
zwei beispielhafte Signalverläufe,
wobei der untere der roten LED und der obere der infraroten LED
entspricht. In 10 ist zu erkennen, dass beide
Signale von einem höherfrequenten
Signalanteil überlagert
sind, der vom Pulssignal des Probanden stammt, dass beide Signale
einen hohen Gleichanteil aufweisen und dass beide Signale einen
niederfrequenten pulsatilen Anteil haben, der beispielsweise durch
Umgebungslichtveränderung
aufgrund von Bewegungen des Probanden entstanden sein könnte.
11 zeigt
zwei beispielhafte Signalverläufe
für die
beiden Dunkelkanäle.
Auch in diesen beiden Signalen ist der hochfrequente Anteil zu erkennen,
der vom Pulssignal des Probanden stammt, sowie ein Störanteil,
der auf Umgebungslichtveränderungen
zurückzuführen ist.
Der Gleichanteil in 11 ist entsprechend geringer
als der Gleichanteil in 10, da
die beiden Lichtquellen während
der Dunkelkanalphasen abgeschaltet sind. Um nun die Einflüsse des
Umgebungslichts aus den Hell-Sendekanälen herauszurechnen, wird der
Mittelwert der beiden Umgebungslichtkanäle von den beiden Hell-Sendekanälen subtrahiert,
um den niederfrequenten, unterhalb der beiden Abtastfrequenzen liegenden
Anteil an Umgebungslicht aus dem gemessenen Signal zu entfernen.
Das Bilden des Mit telwertes entspricht dem erfindungsgemäßen Bilden
einer gewichteten Summe, wie es erfindungsgemäß durch eine Einrichtung 150 zum
Bilden einer gewichteten Summe in 1b) realisiert
wird.
Zur
Demodulation wird für
jede Chipfolge ein sog. Matched Filter (englisch: angepasstes Filter)
zur Extraktion der Sendekanäle
aus dem Empfangssignal verwendet. Ein solches Matched Filter ist
eine Realisierung des Spreizspektrummodulators 325 aus 3 und
lässt sich
als mathematische Operation mit einer Chipfolge beschreiben. Das
Sensorsignal wird dabei zyklisch mit der Chipfolge multipliziert
und das Ergebnis über
jeweils eine Chipfolgenlänge
aufsummiert. In der hier beschriebenen Realisierung des Ausführungsbeispiels
sind dies die jeweiligen Legendre-Folgen. Das Matched Filter realisiert
mathematisch gesehen ein Skalarprodukt, zwischen der Chipfolge und
dem Empfangsvektor, d.h. dem gesampelten Empfangssignal. Sender
und Empfänger
sind dabei synchronisiert. Das Skalarprodukt führt zu einer blockweisen Entspreizung
eines Sendekanals ins Basisband. Zugleich entsteht eine Unterabtastung
mit einem Faktor, der der Länge
der Chipfolge entspricht für
das Nutzsignal. Um Aliasing zu vermeiden, muss die Bandbreite des
Signals vor jeder Unterabtastung reduziert werden. Demnach wird
ein Anti-Aliasingfilter benötigt,
welches zusammen mit dem Matched Filter zu einem Filter integriert werden
kann.
Untersuchungen
haben gezeigt, dass Störungen
starker Amplitude überwiegend
auf künstliche Beleuchtung
zurückzuführen sind.
In Europa beträgt die
Netzfrequenz 50Hz, demnach liegt die Grundwelle der Leistung (bzw.
der Intensität)
bei 100Hz, und deren Oberwellen liegen entsprechend bei den Vielfachen
von 100Hz. Je nach Intensität
der Störung, reicht
die Dämpfung
des Extraktionsfilters im Sperrbereich nicht aus. Aufgrund dieser
Erkenntnis können
die Frequenzen, die einem Vielfachen von 100Hz entsprechen, durch
Anpassung der Eigenschaften des Extraktionsfilters (kombiniertes
Filter) unterdrückt
werden.
12 zeigt
beispielhaft eine Übertragungsfunktion
eines Extraktionsfilters mit 15dB Dämpfung, bei dem zusätzlich die
Störer
bei Vielfachen von 100Hz unterdrückt
werden. Das Extraktionsfilter beinhaltet also bereits ein für die Unterabtastung
notwendiges Tiefpassfilter, und zugleich ein Matched Filter zum
Entspreizen des Spreizsignals aus dem Übertragungsband in das Basisband.
Ein Filter, das eine Unterabtastung realisiert, wird auch Sub-Sampler
genannt, das Matched Filter zum Entspreizen des Spreizsignals wird
auch Korrelator genannt, da es eine vorgegebene Chipfolge mit dem
Empfangssignal korreliert.
Nach
der Extraktion aus dem Empfangssignal, liegen die extrahierten und
unterabgetasteten Signale vor. Der Grad der Unterabtastung richtet
sich dabei nach der Chipfolgenlänge.
Pro Chipfolgenlänge
entsteht durch das Matched Filter ein Abtastwert (Sample) des Nutzsignals.
Durch die Verwendung mehrerer orthogonaler Chipfolgen entstehen
mehrere Kanäle
während
einer Chipfolgendauer, im erfindungsgemäßen Ausführungsbeispiel gibt es vier
Kanäle,
zwei Hell-Sendekanäle
der Rot und Infrarot-LED, sowie zwei Dunkel-Sendekanäle, während deren
keine der Sendelichtquellen einen Einzustand annimmt, und die zur
Umgebungslicht- und Störungskompensation
verwendet werden.
Weiterhin
werden durch das Extraktionsfilter die Störungen oberhalb des Nutzbandes,
also Störungen
oberhalb der halben Abtastfrequenz mit 15dB ins Nutzband gespiegelt.
Die Dämpfung
der Störungen
oberhalb der halben Abtastfrequenz hängt von der Chipfolgenlänge ab.
In der erfindungsgemäßen Realisierung
des Ausführungsbeispiel
wurde eine Chipfolgenlänge
von 101 Chips gewählt,
was zu 15dB Dämpfung
für Störungen oberhalb
der halben Abtastfrequenz führt.
Gleichzeitig realisiert das Filter eine zusätzliche Dämpfung aller Frequenzen, die
ein Vielfaches von 100Hz aufweisen. 12 zeigt
eine beispielhafte Übertragungsfunktion
eines Extraktionsfilters.
Nach
dem Extraktionsfilter liegen die Nutzsignale im Basisband vor. Um
die Einflüsse
des Umgebungslichtes zu vermindern, erfolgt erfindungsgemäß eine Subtraktion
des Umgebungslichtanteils vom Nutzsignal, gemäß der ersten Einrichtung 110 zum
Bereitstellen des zeitdiskreten Signals in 1b).
Zusätzlich
erfolgt eine Generierung eines Differenzsignals für den adaptiven
Filter 330, gemäß der zweiten
Einrichtung 120 zum Bereitstellen des ersten und des zweiten
zeitdiskreten Referenzsignals und der Subtrahiereinrichtung 130,
wie in den 1a) und 1b) dargestellt.
Zur Umgebungslichtsubtraktion wird zunächst aus den Dunkelkanälen ein Mittelwert
gebildet, der dann von den Hellsendekanälen subtrahiert wird. Je nachdem
welche Art von Chipfolgen verwendet werden, bzw. wie die Spektren der
einzelnen Chipfolgen ausgebildet sind, kann es vorteilhaft sein,
nicht den exakten Mittelwert der Dunkelkanäle zu bestimmen, sondern die
Dunkelkanäle linear
zu gewichten. In der Realisierung des erfindungsgemäßen Ausführungsbeispiels
werden Legendre-Folgen der Länge
101 Chips verwendet. Bei dieser Realisierung ergibt sich eine optimale
Gewichtung der Dunkelkanäle
von 47,5% zu 52,5%.
Zur
weiteren erfindungsgemäßen Signalverarbeitung
ist es wichtig, zwischen zwei Frequenzbändern zu unterscheiden, in
die ein Störer
fallen kann. Zum einen existiert das Band unterhalb der halben Abtastfrequenz,
das Nutzband. Zum anderen existiert das Band oberhalb dieser Frequenz,
das Übertragungsband.
Störungsbedingte
Frequenzkomponenten, die in das Nutzband fallen, können mittels Dunkelphasensubtraktion
aus den beiden Nutzsignalen (Hellsendekanäle der Rot und Infrarot-LEDs)
entfernt werden. Die Signale dieser Frequenzen sind sowohl in Phase
als auch in Amplitude gleich, und treten deshalb nicht in der Differenz
der beiden Dunkelkanäle,
dem Differenzsignal, auf. Ein Störer
im Nutzband (oder Basisband) ergibt demnach durchgehend 0 für das Differenzsignal.
Ein Störer
im Nutzband könnte
eine Lichtquelle sein, die durch das Gewebe vom Fotosensor erfasst,
und deren Intensität
mit den Volumenänderungen
des arteriellen Blutes moduliert wird. Diese Anteile sollen jedoch
nicht aus dem Nutzsignal ausgefiltert werden, da sie die gewünschte Information
(den pulsatilen Anteil) enthalten.
Im
Gegensatz dazu könnte
ein Störer
in das Übertragungsband
fallen. In diesem Fall setzt die Dämpfung des Extraktionsfilters
ein, was zunächst dazu
führt dass
die Störung
gedämpft
in das Nutzband fällt.
In der Realisierung des Ausführungsbeispiels
beträgt
diese Dämpfung
15dB. Zusätzlich
erfahren Signale dieser Frequenzen eine Phasenverschiebung, die
für jeden
Kanal unterschiedlich ist. Dieser Effekt ist zurückzuführen auf das sequentielle Abtasten,
obwohl die orthogonalen Chipfolgen in einander verschachtelt sind,
vgl. 6, realisieren sie Abtastwerte zu unterschiedlichen
Zeitpunkten. Für Signale
oberhalb der halben Abtastfrequenz führt dies zu einer Phasenverschiebung
der unterabgetasteten Signale in den einzelnen Kanälen.
Damit
ergibt die Differenz der beiden Dunkelsendekanäle (das Differenzsignal) keine
Auslöschung
dieser Signale, sondern ein Signal, dessen Frequenzkomponenten die
gespiegelten Frequenzen des Störers
aus dem Übertragungsband
enthalten. Dieses Signal dient nun als Differenzsignal für ein erfindungsgemäßes adaptives
Filter 330, um auch die verbleibenden Störungen aus
dem Übertragungsband
zu vermindern. Die Umgebungslichtsubtraktion entfernt also die Störer aus entfernt
also die Störer aus
dem Nutzband, enthält
jedoch auch phasenverschobene Störanteile
aus dem Übertragungsband. Nachdem
die Störungen
aus dem Übertragungsband durch
die Extraktion eine Dämpfung
erfahren haben, werden nun Anteile dieser Störung durch die Umgebungslichtsubtraktion
dem Nutzsignal wieder zugeführt.
Dadurch ergibt sich nicht die volle Dämpfung für die Störungssignale aus dem Übertragungsband, sondern
ein geringerer Wert. In der Realisierung des erfindungsgemäßen Ausführungsbeispiels
liegt die Dämpfung
durch das Extraktionsfilter zunächst
bei 15dB, die jedoch durch die Umgebungslichtsubtraktion um 3dB
wieder vermindert wird, so dass sich insgesamt für Störer aus dem Übertragungsband
eine Dämpfung
von 12dB ergibt. 13 zeigt zwei beispielhafte
Signalverläufe
für die
beiden Sendekanäle,
Rot und Infrarot LEDs, von denen das Umgebungslichtsignal subtrahiert
wurde. Weiterhin ist in 13 ein
beispielhaftes Differenzsignal vergrößert dargestellt.
Zur
weiteren Signalverarbeitung erfolgt zunächst eine Blockbildung für die einzelnen
Signale. Die Signale werden dazu in Blöcke gleicher Länge unterteilt,
wobei sich die einzelnen Blöcke überlappen. 14 verdeutlicht
die Blockbildung zur weiteren Signalverarbeitung. Dabei werden aus
den Abtastwerten eines Nutzsignals Blöcke der Länge lB gebildet,
wobei alle la Samples ein neuer Block gebildet wird.
Die
Nutzsignale werden im Anschluss einer Frequenzweiche zugeführt. Die
Aufgabe der Frequenzweiche ist die Filterung des Gleichanteils und des
pulsatilen Anteils aus den Eingangssignalen. In der Realisierung
des erfindungsgemäßen Ausführungsbeispiels
liegt die Trennfrequenz der Frequenzweiche etwa bei 0,5Hz. 15a zeigt den beispielhaften Verlauf eines Eingangssignals,
das der Frequenzweiche zugeführt
wird. Weiterhin ist in 15a der
tiefpassgefilterte Anteil (DC-Anteil) des Eingangssignals dargestellt. 15b zeigt den dazugehörigen Hochpassanteil (AC-Anteil)
des Eingangssignals. Die weitere Signalverarbeitung bezieht sich nur
noch auf den Hochpassanteil des Eingangssignals.
Die
hochpassgefilterten Nutzsignale werden nun einem adaptiven Filter 330 zugeführt. Die
Aufgabe dieses Filters, das auch Interference Canceller genannt
wird, ist es Störungen
zu vermindern, die im Übertragungsband
lagen und nach der Demodulation gedämpft in das Nutzband gespiegelt
worden sind, vgl. 9d). Aus den Dunkel-Sendekanälen wurde das
Differenzsignal durch Subtraktion gebildet, das die Frequenzen der
Störung
im Nutzband enthält. Das
Differenzsignal unterscheidet sich in Phase und Amplitude von den
den Nutzsignalen überlagerten Störungen.
Der Phasenunterschied kommt durch das zeitlich versetzte Abtasten
zustande, der Unterschied in der Amplitude entsteht sowohl durch
das zeitlich versetzte Abtasten als auch durch die Subtraktion. Aufgabe
des adaptiven Filters ist es deswegen, die unerwünschten Spiegelfrequenzen anhand
des Differenzsignals aus den Nutzsignalen herauszufiltern. Dazu
wird aus dem Differenzsignal ein Störungssignal konstruiert, das
der Störung,
die dem Nutzsignal überlagert
ist, möglichst
nahe kommt. Zur Bestimmung der Koeffizienten für das adaptive Filter 330, gibt
es mehrere mathematische Verfahren. Ein bekanntes Verfahren wäre die Koeffizienten
des adaptiven Filters 330 derart zu wählen, dass die Abweichung zwischen
dem Differenzsignal und dem Nutzsignal minimiert wird. Zur Bestimmung
der Koeffizienten wäre
auch hier das Complex Total Least Squares Fit-Verfahren zu nennen.
16 zeigt
das Modell des adaptiven Filters mit den zeitdiskreten Eingangsgrößen w →A r und w →A i für
die beiden Eingangssignale der Hellsendekanäle für Rot und Infrarot, wobei A
anzeigt, dass die Eingangssignale hochpassgefiltert sind. Prinzipiell werden
die im folgenden beschriebenen Operationen auf beide Eingangsgrößen getrennt
angewendet, da die betrachtete Störung auch in ihnen phasenverschoben
vorliegt. Das Differenzsignal ist als Matrix WAc ebenfalls
hochpassgefiltert, und bildet die Basis zur Bestimmung der adaptiven
Filterkoeffizienten λ →r und λ →i.
Die Matrix WAc ergibt sich dabei aus Blöcken des Differenzsignals,
die hochpassgefiltert sind um den Gleichanteil zu entfernen. Die
Spalten der Matrix bilden dabei jeweils einen Block von Abtastwerten, z.B.
der Länge
256. Dieser Block wird von Spalte zu Spalte in der Matrix jeweils
um ein Sample eingerückt,
die Matrix besitzt so viele Spalten, wie es Koeffizienten für den adaptiven
Filter gibt. Die Matrix kann beschrieben werden als [WAc ]ij(k)
= wAc (i + k·la + j)
∀j∊{0, 1, ..., Nifc}
∀i∊{0, 1, ..., lB – 1}, (1)wobei wAc die
hochpassgefilterten Elemente des Differenzsignals darstellen, k
eine diskrete Laufvariable der Blockbildung ist, la die
Sprungkonstante bei der Blockbildung, lB die
Blocklänge
und Nifc die Filterordnung, d.h. die um
eins verringerte Anzahl der Filterkoeffizienten des adaptiven Filters,
bzw. Interference-Cancellers.
Der Ausgang des adaptive Filters ist als eine gewichtete Summe aus
jeweils um ein Sample verschobenen Blöcken der Differenzsignals. Mit
dem adaptiven Filter werden zunächst
Störvektor rekonstruiert,
die in 16 mit w →S r und w →S i bezeichnet sind
und sich den Einganssignalen w →A r und w →A i überlagern.
Durch Subtraktion werden dann die Störeinflüsse in den Eingangssignalen w →A r und w →A i vermindert, wie in 16 dargestellt
ist.
Gesucht
ist zunächst
eine Linearkombination λ der
Basis
WAc , die das Eingangssignal am besten wiedergibt, also
eine Rekonstruktion der Störung,
so wie sie einem Eingangssignal w →
A überlagert
wurde.
Es
existieren mehr Gleichungen als Unbekannte, insofern als dass davon
ausgegangen wird, dass das adaptive Filter weniger Koeffizienten
aufweist als die zu verarbeitende Blocklänge. Deshalb gibt es in diesem
Fall keine konkrete Lösung.
Ein Vektor λ,
der am besten in das überbestimmte
Gleichungssystem passt ist gesucht: ||WAc λ → – w →A||→ Minimum. (3)
Dieses
Problem lässt
mit Hilfe der Pseudoinversen angehen. Damit erhält man mit dem Vektor λ → eine
Linearkombination von WAc , mit der sich die Störung beschreiben
lässt: (WAc )#w →A = λ →. (4)
Damit
lässt sich
der Störer
aus dem Eingangssignal rekontruieren: w →s = WAc (WAc )#w →A. (5)
Weiterhin
kann aus 16 entnommen werden, dass die
Differenz aus geschätztem
Störer
und dem Eingangssignal das gefilterte Signal ergibt: y →A = w →A – w →s, (6)oder y →A = w →A – WAc (WAc )#w →A = w →A(E – WAc (WAc )#), (7)
Wobei
E eine Einheitsmatrix repräsentiert. Eine
alternative Realisierung der vorliegenden Erfindung wäre ein Filter,
das auf Basis der Kenntnis der in dem Differenzsignal vorkommenden
Frequenzen ein Notch-Filter realisiert, das in den Pfad des Nutzsignals
geschaltet wird und die Frequenzen des Differenzsignals dämpft.
Da
nachfolgend Untersuchungen im Frequenzbereich stattfinden, werden
die Eingangssignale mittels der Fourier-Transformation in den Frequenzbereich
transformiert. Durch die Blockbildung entstehen im Frequenzbereich
unerwünschte
Nebeneffekte. Eine Blockbildung ist gleichzusetzen ist, mit einer
Multiplikation eines rechteckförmigen
Impulses, der aus einem Empfangssignal gerade den betrachteten Block
ausblendet mit dem Empfangssignal selbst. Wird nun auf diesem Block
die Fourier-Transformation angewendet, so erhält man im Frequenzbereich eine
Faltung des Fourier-transformierten Rechteckimpulses (Sinc-Funktion)
mit dem eigentlichen Spektrum der Folge von Empfangssignalabtastwerten.
Um die ungünstigen
Effekte die durch die Faltung mit der Sinc-Funktion im Frequenzbereich hervorgerufen
werden zu vermindern, wird der Block aus Empfangssignalabtastwerten
im Zeitbereich mit einer Fensterfunktion multipliziert, die ein
schmäleres Spektrum
aufweist als die Sinc-Funktion. In der Realisierung des Ausführungsbeispiels
wird hierzu eine Kaiser-Bessel-Funktion verwendet. In 17 ist
der Signalverlauf eines Kaiser-Bessel-Fensters
beispielhaft dargestellt. Die Multiplikation der Signalblöcke mit
der Fensterfunktion kann wahlweise auch vor der adaptiven Filterung
erfolgen.
Zur
weiteren Signalverarbeitung werden nun die beiden Nutzsignale normiert.
Nachfolgend erfolgt die Fourier-Transformation.
Nach der Fourier-Transformation können die Spektren in verschiedenen
Ansichten dargestellt werden, wie z.B. deren Verlauf über die
Zeit oder über
der Frequenz. 18 zeigt zwei beispielhafte
Spektren der normierten Signale aus den Hellsendekanälen Rot
und Infrarot. Die Spektren zeigen Signale bei guten Bedingungen,
d.h. mit verhältnismäßig geringer
Störung.
Nach der Fourier-Transformation 335 erfolgt in einem nächsten Signalverarbeitungsschritt
die Anwendung einer spektralen Maske 340, zur Bestimmung
der Herzfrequenz. Die Fourier-Transformation der beiden Signale
aus den Hellsendekanälen
liefert zunächst
zwei Spektren. Wären
die beiden Signale ungestört,
so würde
sich jeweils eines der beiden Spektren als Linearkombination des
anderen darstellen lassen. Da die beiden Spektren aber störungsbehaftet
sind, lassen sie sich zunächst
nicht durch eine Linearkombination ineinander überführen.
In 19 sind
die beiden Spektren für
jeweils gleiche Frequenzwerte gegeneinander aufgetragen. Es ist
zu erkennen, dass die Punkte nicht auf einer Geraden liegen, was
auf einen linearen Zusammenhang zwischen den beiden Spektren hinweisen würde. Wären die
beiden Spektren nicht störungsbehaftet,
so würde
sich in dieser Darstellung eine Ursprungsgerade ergeben. Zur Lösung dieses
Problems, wird nun nach der Methode der kleinsten Quadrate eine
Ursprungsgerade gesucht, wobei die Summe der quadratischen Abstände aller
Punkte zu dieser Ursprungsgeraden minimiert wird. Dieses Verfahren
ist bekannt unter dem Synonym Total Least Squares Fit-Verfahren.
20a) und 20b) sollen
die Vorgehensweise beim Total Least Squares Fit-Verfahren veranschaulichen.
Im Unterschied zum Least Squares Fit-Verfahren, was in 20a) dargestellt ist, wird beim Total
Least Squares Fit-Verfahren der tatsächliche Abstand eines Punktes
zu einer Geraden minimiert, vgl. 20b).
Dieser Lösungsansatz führt zunächst auf
ein überbestimmtes
Gleichungssystem. Das überbestimmte
Gleichungssystem lässt sich
durch eine Singulärwertzerlegung
lösen,
um eine dem Total Least Squares Fit-Verfahren entsprechende Lösung zu
finden. Mit der Singulärwertzerlegung
wird zunächst
die Matrix, die das überbestimmte
lineare Gleichungssystem repräsentiert
zerlegt. Es entsteht dadurch eine Matrix, die auf ihrer Diagonalen
die Singulärwerte
des Gleichungssystems enthält.
Durch Beibehalten des maximalen Singulärwertes und durch Nullsetzen
aller anderen Singulärwerte wird
diese Matrix auf den Rang 1 reduziert und das Problem damit auf
ein lösbares
lineares Gleichungssystem zurückgeführt. In 19 ist
eine solche Lösungsgerade
eingezeichnet, sie befindet sich in der Mitte zwischen zwei anderen
Geraden, die den Wertebereich gültiger
Steigungen, die sich aus Referenzmessungen der SpO2-Werte ergeben,
definieren. Die Steigung dieser Geraden stellt nun ein Maß für die Blutsauerstoffsättigung
des Probanden dar. Aus dem linearen Gleichungssystem, das mit der
Hilfe der Singulärwertzerlegung
ermittelt wurde, lässt
sich nun ein Referenzspektrum bestimmen.
Die
so ermittelte Steigung der Ursprungsgeraden kann zunächst verfälscht sein,
wenn sich eine Störung
hoher Amplitude in beiden Spektren identisch überlagert. Um diese Art von
Störungen
zu vermindern, kommt die spektrale Maske zum Einsatz. Die Funktion
der spektralen Maske 340 kann folgendermaßen beschrieben
werden. Prinzipiell handelt es sich um spektrales Verfahren, das
die Fourier-Koeffizienten des Pulssignals im Spektrum durchsucht,
um alle Koeffizienten auf Null zu setzen, die nicht zum Pulssignal
gehören.
Das Prinzip der spektralen Maske beruht darauf, die Frequenzkomponenten
der Pulswelle von denen anderer Störer zu unterscheiden. Der Algorithmus
der spektralen Maske ist prinzipiell eine binäre Masken mit den Elementen
{0, 1}, mit denen das Spektrum punktweise multipliziert wird, um
so die nicht zum Pulssignal gehörenden Fourier-Koeffizienten
zu unterdrücken.
21a) zeigt den beispielhaften Verlauf des
Quotienten aus zwei Spektren der Signalverläufe der Hell-Sendekanäle, 21b) zeigt dazu den von Stö rungen bereinigten
Verlauf eines Referenzspektrums. Beide spektralen Verläufe sind
zu jeweils vier verschiedenen Zeitpunkten aufgetragen, k2 = 1..4. Vergleicht
man nun den Quotienten der beiden Spektren aus 21a) mit
dem Referenzspektrum über mehrere
Zeitfenster, so wird deutlich, dass der Quotient nur über den
Frequenzkomponenten des Pulssignals korrekt ist, und für all diese
Frequenzen gleich ist. Dies wird problematisch, wenn die Amplituden
der Störungen
größer als
die der Pulswelle werden.
22 zeigt
beispielhaft ein Spektrum eines Signals, das durch Störsignale
gestört
wird, deren Amplituden größer sind
als die Amplituden der eigentlichen Pulswelle. Der Quotient zweier
Spektren ist bei den Frequenzen eines Störers undefiniert und hat keinen
Bezug zur Blutsauerstoffsättigung
eines Probanden. Ohne die spektrale Maske, würden dominante Störungen wie
in 22 dargestellt, zu einem falschen Blutsauerstoffsättigungswert
führen. Untersuchungen
haben gezeigt, dass solche dominanten Störungen meistens in beiden Spektren,
also im Spektrum des Rot-Signals
als auch im Spektrum des Infrarot-Signals auftreten. Dies hat zur
Folge, dass bei der Quotientenbildung Quotienten des Wertes 1 auftreten.
Ein Quotient des Wertes 1 korrespondiert zu einem Blutsauerstoffsättigungswert
von ca. 80%. Es ist nun Aufgabe der spektralen Maske die Frequenzkomponenten
der Pulswelle von denen der Störer
zu unterscheiden.
Die
spektrale Maske verfügt über einen
Algorithmus der harmonischen Beziehung. Die Methode der harmonischen
Beziehung basiert auf Erkenntnissen aus Untersuchungen zahlreicher
Pulssignale auf ihre spektralen Eigenschaften. Die fundamentale
Erkenntnis ist die harmonische Beziehung der drei relevanten Frequenzen
fg der Grundwelle, fo1 der
ersten Oberwelle und fo2 der zweiten Oberwelle.
Dabei ist weiterhin bekannt, dass die zweite Oberwelle bei der doppelten
Frequenz der Grundwelle liegt, und dass die dritte Oberwelle bei
der dreifachen Frequenz der Grundwelle liegt. Basierend auf dieser
Beziehung kann nun eine Maske erstellt werden, die im Frequenzbereich
jeweils die Frequenzanteile der doppelten und dreifachen Frequenz
einer Grundfrequenz einblendet, d.h. an diesen Stellen eine 1 aufweist, und
alle anderen Frequenzen ausblendet, d.h. an diesen Stellen eine
0 aufweist. Aus den verbleibenden Koeffizienten kann dann eine Summe
gebildet werden, die der Grundfrequenz zugeordnet wird. Dieser Vorgang
kann dann für
alle möglichen
denkbaren Herzfrequenzen, beispielsweise in einem Bereich von 30–300Hz wiederholt
werden, und anschließend kann
diejenige Frequenz selektiert werden, bei der die Summe maximiert
wird. Eine weitere Eigenschaft, die dabei berücksichtigt werden kann, ist
dass die Amplituden der jeweiligen Oberwellen eine abklingende Charakteristik
aufweisen. Dies bedeutet, dass die Amplitude bei der ersten Oberwelle
oder bei der doppelten Frequenz der Grundwelle eine kleinere Amplitude
aufweist, als die Grundwelle selbst. Bei der zweiten Oberwelle,
die die dreifache Frequenz der Grundwelle aufweist, ist die Amplitude
wiederum geringer als bei der ersten Oberwelle. Bei der Maximumsuche
werden Werte nicht beachtet, für
die die betreffende Bedingung des abklingenden Spektrums nicht erfüllt ist.
Die
Herzfrequenz kann jetzt über
die Lage der spektralen Maske bestimmt werden. In der Realisierung
des erfindungsgemäßen Ausführungsbeispiels
nach 3, wird die Herzfrequenz am Ausgang 345 ausgegeben.
Nach
der Multiplikation mit der spektralen Maske wurden nur die relevanten
Frequenzkomponenten detektiert. Es kann nun erneut mit der Complex
Total Least Squares Fit-Methode und der Singulärwertzerlegung, nach dem gleichen
Prinzip wie bereits beschrieben, ein Quotient der relevanten Spektren
bestimmt werden. Hierbei werden nur die Frequenzkomponenten verwendet,
die mit Hilfe der spektralen Maske bestimmt wurden. Über diese
störungsbereinigten
Spektren kann nun die Ursprungsgerade und deren Steigung bestimmt
werden. Neben der Steigung der Ursprungsgeraden, kann aus der Matrixzerlegung
des überbestimmten
linearen Gleichungssystems auch ein Maß für die Zuverlässigkeit der
bestimmten Steigung extrahiert werden. Die Varianz nach der Frobenius-Norm,
die direkt aus der Matrixzerlegung gewonnen werden kann, gibt Aufschluss über die Ähnlichkeit
der beiden Signale. Die Varianz wird als Indikator für übermäßige Störeinflüsse verwendet,
die die Berechnung der Vitalparameter innerhalb der festgelegten
Toleranz verhindert. Diese Varianz kann dann nach 3 am
Ausgang 355 ausgegeben werden. Dem Complex Total Least
Squares Fit-Verfahren ist nachgeschaltet eine Kalibrierungsfunktion 360.
Die durch das Complex Total Least Squares Fit-Verfahren bestimmte Steigung der Ursprungsgeraden,
die repräsentativ
für den
Blutsättigungswert
des Probanden ist, wird an eine Kalibrierungsfunktion 360 weitergegeben.
Die Kalibrierungsfunktion ordnet den erhaltenen Steigungswerten
direkt SpO2-Werte (Blutsättigungswerte) zu. Die jeweiligen
SpO2-Werte werden dann gemäß 3 am Ausgang 365 ausgegeben. 23 zeigt
eine beispielhafte Kennlinie einer Kalibrierungsfunktion. Es ist
zu erkennen, wie Quotienten (Ratio) Blutsättigungswerte (SpO2-Werte)
zugeordnet werden. Die Kennlinien der Kalibrierungsfunktion werden
empirisch anhand von Referenzmessungen bestimmt.
Vorteil
der vorliegenden Erfindung ist, dass die speziell auf das Anwendungsgebiet
der Plethysmographie und Pulsoximetrie zugeschnittene adaptive Filterung,
die Zuverlässigkeit
der Plethysmogramme erheblich verbessert, sowie eine effektive Filterung
von Umgebungslichtinterferenzen und Störungen durch elektromagnetische
Felder (z.B. Hochfrequenzchirurgie) ermöglicht.
Ein
weiterer Vorteil ist, dass durch den Einsatz der Singulärwertzerlegung
zur Berechnung der SpO2-Werte aus den komplexen
Spektren, ebenfalls ein Zuverlässigkeitsmaß in Form
einer Varianz extrahiert werden kann und zur Beurteilung der Ergebnisqualität herangezogen
werden kann, bzw. eine Fehlfunktion zuverlässig detektiert werden kann.
Ein
zusätzlicher
Vorteil ist, dass mit der erfindungsgemäßen Vorrichtung zur Messung
der Blutsauerstoffsättigung
und der Herzfrequenz, auch bei niedriger arterieller Blutvolumenpulsation
bei Bewegung des Patienten zuverlässig gemessen werden kann,
was auf die durch die adaptive Filterung zusätzlich gewonnenen Zuverlässigkeit
zurückzuführen ist.
Generell
lässt sich
sagen, dass durch die vorliegende Erfindung die Behandlungsqualität eines Patienten
insbesondere bei der intensivmedizinischen Versorgung und in Operationssälen erheblich verbessert
werden kann. Durch die erhöhte
Zuverlässigkeit
und Robustheit des Verfahrens, können
Fehldiagnosen, die auf störungsbehaftete
Messungen bzw. auf unzuverlässige
Messwerte zurückzuführen sind,
erheblich reduziert werden.
