[发明专利]一种基于小波变换和曲线拟合的脉搏波预处理方法

说明书

技术领域

本发明属于医学数字信号处理领域，涉及一种对脉象信号的去噪、基线漂移方法矫正以及利用曲线拟合平滑信号的方法。

背景技术

脉象诊断是中国传统医学中一种十分重要的诊断方法，历史悠久，内容丰富。两千多年来，在临床上得到了广泛的应用，积累了大量的理论的经验。然而，传统中医脉诊需要医生经过长时间的专业训练，诊断结果因人主观判断而异，从而限制了脉诊的发展。近三十年来，脉诊客观化研究取得了许多有益的成果，为脉象信号分析提供了基础。

在脉搏信号的采集过程中，因人体呼吸、肌肉轻微运动、机电噪声等因素客观存在，采集到的脉搏信号中存在基线漂移和大量的噪声。脉搏信号的预处理作为脉诊客观化中重要的一环，就是要对原始脉搏信号进行降噪、矫正、分割、平滑等操作，以有益于进一步的脉象识别、辨识等工作。

小波变换是信号的时间—尺度分析方法，在时、频域具有表征信号局部特征的能力。在脉象信号预处理研究当中，大量的实验表明^[1,2]，利用小波变换来对脉象信号去噪、检测信号基线漂移严重程度，矫正脉象信号的基线漂移是十分有效的。

脉搏波的分解分析方法最初由钱伟立等提出^[3]，该方法指出一个周期的脉搏波可以分解成三个子波，分别对应一个脉象周期的主峰波、重搏前波、重搏波。脉搏波的分解方法可以看成一个曲线拟合问题，将一个周期的脉搏波分解成一组基函数的线性组合，最常用的基函数是高斯函数。高斯拟合有时也作为一种预处理方法，对一个周期的脉象信号进行平滑处理^[4,5]。对于高斯曲线拟合的对应的优化问题，当采用平方误差作为目标函数时，该优化问题是非凸的，在采用基于梯度的方法(如：非线性二乘法。)进行问题求解时，得到的结果就十分依赖于初始解的选择的好坏。在已有的研究当中，都是通过反复实验、对比，来设定迭代的初始点。但是，通过反复实验来设定初始迭代点，不仅费时费力，而且该初始解对于新的脉象信号并不鲁棒。

参考文献：

[1]Xu L,Zhang D,Wang K,et al.《Baseline wander correction in pulse waveforms using wavelet-based cascaded adaptive fiter[J]》.Computers in Biology and Medicine,2007,37(5):716-731；

[2]岳沛平,李训铭.《基于小波分析和BP神经网络识别的中医脉象信号识别系统[J]》.计算机与现代化,2006(12):1-4；

[3]钱伟立,徐兰义.《高斯函数分解法提取脉搏波特征[J]》.中国生物医学工程学报,1994,13(1):1-7；

[4]陈雪峰,《脉搏波特征提取算法及其应用研究》,Ph.D.thesis,大连:大连理工大学,2006；

[5]L Wang,L Xu,S Feng,M Meng et al.,《Multi-gaussian fitting for pulse waveform using weighted least squares and multi-criteria decision making method[J].Computers in Biology and Medicine》,vol.43,No.11,pp:1661-1672,2013。

发明内容

为了克服上述现有技术存在的问题，本发明提出了一种基于小波变换和曲线拟合的脉搏波预处理方法，通过脉搏波降噪、周期提取、信号平滑的步骤，实现脉搏波预处理。

本发明提出一种基于小波变换和曲线拟合的脉搏波预处理方法，该方法包括以下步骤：

第一步，用小波全局阈值法来对采集到的脉象信号进行降噪处理，具体包括：

对收集到的原始信号S进行6层db4小波分解，

计算小波全局阈值：

其中，len(S)表示信号S的长度，

对于所有的小波分解系数，若值小于小波全局阈值TPTR，置零，

执行小波逆变换，得到降噪后的脉象信号；

第二步，矫正脉象信号的基线漂移及周期提取，具体包括：

对降噪后的脉象信号执行六层Meyer小波分解，

计算降噪后的脉象信号的能量比(Energy Ratio,ER)：