[发明专利]一种基于提升小波的脉搏信号处理方法

摘要

本发明涉及信息处理以及医学信号处理，特别是一种基于提升小波的脉搏信号处理方法。本方法实现步骤：脉搏传感器摄取人体的脉搏波形，脉搏波形经调理电路、AD转换器变成数字信号后输入微处理器，在微处理器中首先进行波形预处理，即采用自适应相干模板法进行滤波。滤波后的脉搏信号采用阈值搜索法获取连续稳定波形，再用时域聚类法剔除稳定波形中在周期上不合格者，得到其中至少包含5个以上波形样本的最优波形。对最优波形做多层小波分解，再对小波分解的高频、低频系数的阈值量化处理，最终得到脉搏波形的特征向量W。本发明通过上述处理方法能够获得脉搏波形的过零点、极值点、突变点等信息组成的特征向量，为进一步的分析诊断打下良好基础。

主权项

1、一种基于提升小波的脉搏信号处理方法，其特征在于，该方法是按以下步骤实现的：1)由脉搏传感器摄取人体的脉搏波形，脉搏波形经调理电路、AD转换器变成数字信号后输入微处理器中的数据存储器RAM，微处理器调用其程序存储器ROM中的各处理模块进行如下处理：首先调用波形预处理模块进行运算处理，该模块采用自适应相干模板法进行滤波，其算法如下：取采样频率为工频的整数倍即k×50HZ，设X(n)为原始信号，S(n)为其中的有用信号，N(n)为工频干扰信号，则：X(n)＝S(n)+N(n)定义模板信号为：$M\left(n\right)=\frac{1}{M}\underset{i=1}{\overset{M}{\Sigma }}S(n-k·i)+\frac{1}{M}\underset{i=1}{\overset{M}{\Sigma }}N(n-k·i)$ k为采样频率与工频之比，取为自然数；由于N(n)为周期信号，若S(n)为零均值信号，要进行处理的脉搏波信号可看成是零均值信号，当M足够大即M≥100时，有：$\frac{1}{M}\underset{i=1}{\overset{M}{\Sigma }}S(n-k·i)=0$ $\frac{1}{M}\underset{i=1}{\overset{M}{\Sigma }}N(n-k·i)=N\left(n\right)$ 从原始输入信号中减去模板信号就能达到滤除工频干扰的目的，即：$S\left(n\right)=X\left(n\right)-\frac{1}{M}\underset{i=1}{\overset{M}{\Sigma }}X(n-k·i)...(i=1,2......M)...\left(1\right)$ 经过上述程序模块处理后将数据保存RAM中，微处理器再调用波形优选模块进行处理，该模块算法实现如下：2)多个完整的典型脉搏波形的优选，①采用阈值搜索法获取连续稳定波形i)先把前L秒的脉搏波形平均分成N段，其中，15≤L≤60，2≤N≤10，再用差分法分别搜索出每段中的极小值点，并将N段中的极小值点的幅值与对应的采样点数，即时间点分别保存在N个二维数组中；ii)在N个数组中比较各自数组中首个幅值与第二个幅值的大小，找出值较小的点，以此点为起点，做隔点差分计算，并把差分值的绝对值与一设定阈值比较，该阈值具体与硬件电路的放大倍数有关，可根据实验经验获得，一般至少小于0.01，找到差分绝对值小于阈值的连续5个以上的点，其对应原波形中的4个以上连续稳定波形；将从这N个数组中搜索出的符合条件的连续点的幅值及其对应的采样时间点分别保存在另外N个数组中；如果有数组中不包含差分绝对值小于阈值的连续5个以上的点，则继续按步骤2)-①-i)中方法搜索接下来L/N秒中的点，直到搜索出N段均含有4个以上稳定波形为止；②用时域聚类法剔除在周期上不合格者i)由步骤2)-①-ii)中得到的信息，回到原波形，就得到多于4×N个准周期的样本波形，对这些准周期样本进行分类；首先设第一个脉搏波的准周期，称之为样本1，为第一聚类中心U1；如果第二个准周期脉搏波即样本U2与U1 的距离小于阈值，则将样本2归入第一聚类，U1修正为两个样本的平均值，否则设样本2为第二聚类中心U2；样本U2与U1的距离采用q＝1时的闵可夫斯基距离，即周期长度之差，阈值可根据实验经验具体设定，一般至少小于50ms；如果已经产生U2，再计算样本U3与U1、U2的距离，如果没有产生U2，就计算样本U3与U1的距离，如其中之一小于阈值则可将其归类，并依照上述方法修正聚类中心；否则设样本U3为新的聚类中心，如此可将所有样本分类一次；ii)如果分类后，没有任何一类包含5个以上的样本，则将阈值放大一倍，重复步骤2)-②-i重新进行分类，如果阈值放大到大于50ms，仍然没有任何一类包含5个以上的样本，则跳到脉搏波形的第二个L秒的信号，按照步骤1)、2)中所述步骤重新开始寻找4×N个以上的稳定周期脉搏波并重复上述聚类过程；iii)得到其中至少包含5个以上波形样本的聚类后，则此类样本即为所需最优波形；将其中包含样本数最多的一类的聚类中心Umax定为标准脉搏周期，其倒数即为脉率。3)脉搏波形特征的提取得到优选波形后，可以只保存下该波形数据在RAM或者外部存储器中，同时微处理器调用最后一个模块即特征提取模块，该程序模块算法采用如下提升小波算法：①提升算法i)使用Donoho小波取其合成尺度函数和分解尺度函数分别有N和M阶消失矩，进行提升；ii)其提升格式为：分解：$S_l^0=x_{2l},d_l^0=x_{2l+1};$ 预测：$d_l$$=d_l^0-(-s_{l-1}^0+{9s}_l^0+{9s}_{l+1}^0-s_{l+2}^0)/16;$ 更新：$s_l=s_l^0+({-d}_{l+1}+{9d}_l+{9d}_{l-1}{-d}_{l-2})/32;$ 其中Sl，dl为分解小波的逼近系数与细节系数；iii)为将上述提升格式进行分解为只需加法与移位运算，定义下面的运算格式：设P，U为两个位移加法处理单元：P(a，b，c，d)＝(-a+b+c-d+b＜＜3+c＜＜3+8)＞＞4U(a，b，c，d)＝(-a+b+c-d+b＜＜3+c＜＜3+16)＞＞5其中，＜＜是左位移符号，＞＞是右位移符号，则Sl＝x2l，dl＝x2l+1；dl＝dl-p(Sl-1，Sl，Sl+1，Sl+2)；Sl＝Sl+(dl-2，dl-1，dl，dl+1)。②对步骤2)中得到的5个以上周期的优选波形按照3)-①中所述的提升算法进行提升小波分解，并作如下处理：i、对所得脉搏波形做多层小波分解；ii、小波分解的高频系数的阈值量化，对深层的高频系数，选择阈值进行软阈值量化处理，表达式如下：$w_{\sigma }=\{\begin{array}{c}0,\left|w\right|<\sigma \\ \mathrm{sgn}\left(w\right).\left(\right|w|-\sigma ),\left|w\right|\ge \sigma \end{array}$ 式中w是高频小波系数，sgn是符号函数，σ是一个由经验所得阈值，一般在0.5到1之间；由此得到多个一维向量A，B，C，D，E，……对这些一维向量对应元素a0，b0，c0，d0，e0，……排序，取中值做为最终的小波系数w′0，同理，依次对a1，b1，c1，d1，e1，……直至an，bn，cn，dn，en，……作相同处理，可得w′1……w′n，如此可得一个小波高频系数一维向量w′；iii、小波分解的低频系数的阈值量化，对第1层的低频系数，选择阈值进行软阈值量化处理，处理方法同3)-②-ii，得到另一个一维向量w″；iv、记W＝[w′，w″]，最终获得脉搏波形的特征向量W。