[发明专利]一种基于神经网络的脉搏波信号血压检测方法

权利要求书

1.一种基于神经网络的脉搏波信号血压检测方法，其特征在于：所述检测算法通过以下步骤实现：

步骤一、使用一个数据采集模块，用于采集脉搏波信号；

步骤二、使用一个数据处理模块，用于处理采集得到的脉搏波信号；

步骤三、处理去噪后的脉搏波信号，提取脉搏波的特征点；

步骤四、基于脉搏波的特征点提取脉搏波特征参数；

步骤五、将选取的特征参数作为神经网络的参数输入层，计算出收缩压和舒张压。

2.根据权利要求1所述一种基于神经网络的脉搏波信号血压检测方法其特征在于，步骤二具体过程为：

步骤二一、设置低通滤波器，去除信号中包含的高频突变点；

步骤二二、将滤波后的信号进行小波去噪处理；

步骤二二一、阈值函数的选择，硬阈值函数连续性不好，会导致伪吉布斯现象，而软阈值函数虽然整体连续性好，但估计值与实际值之间总存在恒定的偏差，容易发生失真，具有一定的局限性，因此对于阈值函数的选择，既要保证其连续性，又要防止其失真，对阈值函数的选择为：

w~j,k=wj,k+(k-1)λ-0.5k×λmwj,km-1wj,k>λ0.5|wj,k|m+[2-k/k]λm+[2-k/k]|wj,k|<λwj,k-(k-1)-0.5k×λmwj,km-1wj,k<-λ]]>

该函数通过k和m两个参数控制，k的取值范围为(0,1]，参数k决定函数的渐近线，当k＝1时，该函数趋近于硬阈值函数，当k→0时，该函数趋近于软阈值函数，m为微调函数，我们可以通过调节m的大小，得到最优函数；

步骤二二二、小波基的选择，小波基的选择要兼顾小波的正交性、对称性、光滑度和正则性，小波的对称性保留更好的相位信息，其正则性和光滑度是为了获得更好的重构信号，其中，Daubechies小波族中除了db1(Haar)小波具有对称性，其他的都没有；Symlets(symN)小波是在Daubechies小波基础上提出具有近似对称性的小波，因此对于小波基的选择可以在Haar小波和symN小波中选择；

步骤二二三、利用小波变换去噪后,然后对小波系数重构得到去噪后的脉搏波信号。