[发明专利]基于光纤传感的生理信号分离提取系统及方法

说明书

本发明公开了一种基于光纤传感的生理信号分离提取系统，它的生理信号预处理模块用于对原始生理信号依次进行去除直流成分和去除伪影处理；呼吸信号分离模块用于得到生理信号中的呼吸信号；心冲击图模型构建模块用于建立混叠了噪声的心冲击图模型；心跳信号提取模块用于得到心冲击图信号，本发明能够从低信噪比的混叠信号中分离出有效的生理信号，并通过矩阵迭代分解方式构建了心跳去噪提取模型，按照这个模型重构信号，大大降低了运算复杂度，又保证信号有效成分，从而降低了非接触式传感信号的解调难度和系统设计成本。

技术领域

本发明涉及人体生命体征监测技术领域，具体地指一种基于光纤传感的生理信号分离提取系统及方法。

背景技术

随着社会经济技术的发展及人们对生活质量要求的提高，人们对自身健康进行检测的需求不断增大。呼吸率和心率是最基本的人体生命体征，人体的病态体征往往会从异常的呼吸率和心率上反映出来，因此，实现呼吸率和心率的日常实时监测对人体健康评估和疾病预防有着重要意义。长时间的呼吸率和心跳监测可使受监测者的健康状态被实时监测掌握，但传统监测系统大都使用接触式的设备，用户体验差，监测时不仅干扰受监测者生活，其监测效果准确性也受限。

近年来，非接触式监测系统发展迅速。基于光纤传感原理的传感系统具有灵敏度高、舒适性好、抗电磁干扰的特点，但目前光纤传感采集的信号信噪比低，混叠多种生理信号和噪声，与此同时，呼吸信号和心率信号的频率低，频率还存在一定的交叉，采用传统滤波方式很难将呼吸信号和心率信号完全分离；参考文献[1]中采用小波分解对心电信号ECG进行去噪处理，对于本发明中所针对的BCG生理信号的信噪比低，并且呼吸频率和心跳频率比较接近，需要分解多层才能提高信号提取的分辨率，为了满足信号提取需求，基于小波分解的算法运算量极大，需要高性能的处理器，因此会增加设计成本和硬件的设计难度。参考文献[2-3]采用经验模态分解的方法EMD对信号进行分离，但对于信噪比低的信号，EMD无法自适应的处理不同的噪声，针对信噪比低的混叠信号，信号分离效果不理想；参考文献[4]中提出多模态分解(VMD)算法，采用该方法对信号进行去噪和提取，在信噪比较高时，信号提取效果较好，但是对于信噪比低的时候，提取信号会发生严重的失真，导致信号的很多有用信息丢失。

参考文献

[1]A comparative study of DWT,CWT and DCT transformations in ECGarrhythmias classification[J].Expert Systems with Application37(2010)5751-5757.

[2]Complete Ensemble EMD and Hilbert transform for heart beatdetecti--on[C].CLAIB.2014

[3]Estimation of the foetal heart rate baseline based on singularspectrum analysis and empirical mode decomposition[J].Future GenerationComputer Systems 112(2020)126-135.

[3]Variation Mode Decomposition[J].Transactions on signal pro--cessing,vol.62,No.3,February 1,2014.

发明内容

本发明的目的就是要提供一种基于光纤传感的生理信号分离提取系统及方法，本发明能够从低信噪比的混叠信号中分离出有效的生理信号，并通过矩阵迭代分解方式构建了心跳去噪提取模型，按照这个模型重构信号，大大降低了运算复杂度，又保证信号有效成分，从而降低了非接触式传感信号的解调难度和系统设计成本。