[发明专利]一种嵌入式人体生理信息无创检测系统及数据处理方法

权利要求书

1.一种基于嵌入式人体生理信息无创检测系统的数据处理方法，其特征在于，该系统包括检测器壳体（1）以及设置在检测器壳体（1）内部的检测电路板和检测槽；其中：

检测槽的两侧设置有红外二极管阵列（6），检测槽的底部设置有斜台，斜台上方设置有倾斜滤光片（5），且倾斜滤光片（5）与斜台的上表面相互平行；倾斜滤光片（5）与斜台之间设置有空腔（4），该空腔（4）内设置有图像采集模块（7）和光电容积脉搏检测电路（8）；检测槽与倾斜滤光片（5）倾斜底部的连接位置设置有指尖腔（9），指尖腔（9）内部设置有手指开关（10）；

检测电路板包括控制器以及均与控制器相连的数据接口、存储电路和电源电路，红外二极管阵列（6）、图像采集模块（7）、光电容积脉搏检测电路（8）和手指开关（10）均与控制器相连；

光电容积脉搏检测电路（8）包括多波长LED阵列（81）、驱动电路、光电探测器（82）和信号处理电路，多波长LED阵列（81）通过驱动电路与控制器相连，光电探测器（82）通过信号处理电路与控制器相连；

该数据处理方法通过上位机与嵌入式人体生理信息无创检测系统进行数据传输，该方法包括以下步骤：

S1、通过上位机获取嵌入式人体生理信息无创检测系统采集到的光电容积脉搏波信号，并滤除信号中的高频噪声：采用 FIR 滤波、IIR滤波以及滑动平均滤波三种方法进行高频噪声的滤除；

S2、滤除信号中的运动干扰：采用约束独立成分分析与自适应滤波相结合的方法来去除光电容积脉搏波信号中的运动伪迹，并通过自适应滤波恢复光电容积脉搏波信号的幅度信息，具体步骤为：

S21、对原始采集的光电容积脉搏波信号进行带通滤波预处理，滤除信号中的高频噪声与直流成分；

S22、根据光电容积脉搏波信号具有的拟周期性，以及运动伪迹的波形不规则性，采用自相关得到光电容积脉搏波信号的周期信息，将光电容积脉搏波信号分为两路，对其中一路光电容积脉搏波信号进行自相关运算，求出光电容积脉搏波信号周期信息，然后基于此周期信息产生约束独立成分分析的参考信号；

S23、将经预处理后的两路光电容积脉搏波信号与步骤S22中得到的参考信号作为输入信号同时输入到约束独立成分分析算法中，得到不含运动干扰的光电容积脉搏波信号；

S24、将步骤S23得到的不含运动干扰的光电容积脉搏波信号输入到自适应滤波器，作为自适应滤波器的参考信号，将带通滤波器预处理后的光电容积脉搏波信号作为自适应滤波器期望信号，经自适应滤波后得到去除了运动伪迹并含有幅度信息的两路光电容积脉搏波信号；

S3、基线漂移：采用希尔伯特-黄变换法对滤除运动干扰后的信号进行处理，首先对信号进行经验模态分解得到本征模态函数，然后对各本征模态函进行希尔伯特变换，求出瞬时频率，最后将频率不合理的成分滤除后再进行重构得到滤除基线漂移后的信号；

S4、对滤除基线漂移后的信号进行特征信息提取：采用光电容积脉搏波信号差分方法提取信号中的AC成分，采用光电容积脉搏波信号幅值平均值作为DC成分；

S5、校正模型建立：采用单隐藏层的 BP 神经网络模型进行回归建模分析，通过传统方法获得的血红蛋白参考浓度数据，并将数据分为校正样本集和训练样本集，通过训练样本集对神经网络模型进行训练，并将校正样本集代入训练后的神经网络模型进行验证，得到校正后的神经网络模型；

S6、预测：将得到的AC成分和DC成分作为输入变量，并对输入变量进行降维处理，提取降维处理后的输入变量作为神经网络模型输入信号，输出生理信息的预测结果；

S7、显示：在上位机的客户端显示采集及预测结果的数据信息。

2.根据权利要求1所述的基于嵌入式人体生理信息无创检测系统的数据处理方法，其特征在于，检测器壳体（1）的顶部设置有滑轨（3），检测槽上方设置有滑盖（2），滑盖（2）与滑轨（3）滑动连接。

3.根据权利要求1所述的基于嵌入式人体生理信息无创检测系统的数据处理方法，其特征在于，图像采集模块（7）采用CCD摄像头或COMS摄像头，图像采集模块（7）与控制器之间通过SPI总线连接；红外二极管阵列（6）采用近红外式红外二极管，红外二极管阵列（6）采用PWM方式驱动；光电容积脉搏检测电路（8）中的驱动电路与控制器之间通过SPI总线连接；存储电路采用SD存储电路；电压电路的供电电压为+5V；手指开关采用微动开关。