专利名称：基于第二代小波的脉搏信号特征点的提取方法
技术领域：
本发明属于生理信号处理领域，涉及脉搏信号的处理方法，更具体地，涉及基于第二代小波的脉搏信号特征点的提取方法。
背景技术：
脉搏信号是循环系统动态过程的重要可检生理信号，是人体活动最灵敏、最可靠的信息源之一。其中，作为脉搏信号特征点的单波起点、主波波峰、重搏波波谷和重搏波波峰(分别如图1所示a、b、c和d点)，其幅值和位置可进一步体现心血管的功能状况。例如，主波波峰的幅值可反映左心室的射血功能和大动脉的顺应性，重搏波波峰可反映外周阻力的大小。因此，从临床分析与诊断的角度而言，通过准确定位脉搏信号特征点可推导出相应的生理特征数据。因此，脉搏信号特征点的获取成为脉搏信号采集的重要方面。小波变换是80年代后期兴起的一种数学分析工具，它克服了 Rmrier变换时域信息不足的缺点，在时域和频域均有良好的局部化特性。1996年提出的小波提升方案、即第二代小波变换由于完全在时域内进行，运算量少且可实现整数到整数的变换，目前已在诸如数字信号处理、图像处理、语音分割与合成等众多领域均取得很好的应用效果。现有技术中，小波变换也是脉搏信号特征点提取的重要手段之一。目前，脉搏信号特征点的提取主要有以下两种方法。第一类方法是基于第一代小波和模极大值法结合的脉搏信号特征点检测方法。其工作原理简述如下对脉搏信号做多个尺度(j = 1 η)的第一代小波变换；然后根据信号奇异点位置确定主波波峰和重搏波波峰的模极大值对，并在各自对应的模极大值对的时间范围内搜索原始信号最大值来提取脉搏信号主波波峰和重搏波波峰；最后通过设定时间窗来提取脉搏信号单波起点和重搏波波谷点。这一类方法的主要缺点在于第一代小波的计算复杂度高，不适用于硬件实现，无法进行实时处理。第二类方法是使用第二代小波Donoho提升方案对脉搏信号进行小波变换，并获取脉搏信号的特征向量。该方法在申请号为200610113292、题为基于提升方法的脉搏波信号处理的专利申请中详细描述，其工作原理简述如下采集脉搏信号，采用自适应相干模板法对信号进行预处理滤波；优选多个完整的典型脉搏波形，采用阈值搜索法获取连续稳定波形，并采用时域聚类法去除在周期上不合格的波形；选择Donoho小波对处理后的脉搏波信号进行第二代小波变换；最后对得到的小波系数进行阈值处理，从而得到一维特征向量。 这一类方法的缺点在于1)在小波变化前需对原始脉搏信号进行多次预处理，增加了运算复杂度，不利于实时检测；2)在小波变换后仅能提取出小波系数的一维特征向量，而无法具体检测出脉搏信号的各特征点，影响后续处理。
发明内容
本发明要解决的技术问题在于，针对现有技术中的脉搏信号特征点的提取方法计算复杂、预处理步骤过于繁琐、无法实现实时处理与检测以及硬件实现难度高的缺点，提供计算复杂度降低、无需预处理步骤、便于硬件实现且可实现实时处理与检测的基于第二代小波的脉搏信号特征点的提取方法。本发明要解决的技术问题通过以下技术方案得以实现提供基于第二代小波的脉搏信号特征点的提取方法，其中，所述方法包括基于第二代小波分解脉搏信号以及基于模极大值法提取脉搏信号特征点。在上述基于第二代小波的脉搏信号特征点的提取方法中，所述基于第二代小波分解脉搏信号包括以下步骤Al 设定分解层数，在所述分解层数下将第一信号分裂为奇数列信号与偶数列信号；A2 基于步骤Al中的所述奇数列信号与所述偶数列信号，采用小波系数预测模型预测所述分解层数下的小波系数；以及A3 采用尺度系数更新模型更新所述分解层数下的尺度系数。在上述基于第二代小波的脉搏信号特征点的提取方法中，在所述步骤A2中，所述小波系数预测模型为d，=dn其中，i代表第i层分解层数，1代表第1个采样点，劣_为第i + Ι层分解层数下第 1个采样点的小波系数的预测结果，为第i层分解层数下尺度系数的奇数列信号，以及
为第i层分解层数下尺度系数的偶数列信号。在上述基于第二代小波的脉搏信号特征点的提取方法中，在所述步骤A3中，所述尺度系数更新模型为-0.0625*(C1) -C1)) + 0.5*d;1+r)其中，i代表第i层分解层数，1代表第1个采样点，为第i+Ι层分解层数下第 1个采样点的尺度系数的更新结果，才。为第i层分解层数下尺度系数的偶数列信号，劣为第i+Ι层分解层数下第1个采样点的小波系数的预测结果，必丨υ为第i+Ι层分解层数下第 1+1个采样点的小波系数的预测值，以及老丨υ为第i+ι层分解层数下第1-1个采样点的小波系数的预测值。在上述基于第二代小波的脉搏信号特征点的提取方法中，所述基于模极大值法提取脉搏信号特征点包括以下步骤Bl 确定当前分解层数下小波系数的多个正-负极大值对；B2 采用过零点计算模型确定步骤Bl中所述多个正-负极大值对的多个过零点；B3 基于步骤B2中所述多个过零点确定脉搏信号的多个主波波峰范围；B4 在步骤B3中的所述多个主波波峰范围内确定多个主波波峰，所述主波波峰点为第一特征点；B5 设定第一时间窗，以步骤B4中所述多个第一特征点为起始点，在所述第一时间窗内确定多个单波起点，所述单波起点为第二特征点；B6 基于步骤B4中所述多个第一特征点确定脉搏信号的多个重搏波定位点；B7 设定第二时间窗，以步骤B6中所述多个重搏波定位点为起始点，在所述第二时间窗内分别确定多个重搏波波峰与多个重搏波波谷，所述重搏波波峰与重搏波波谷分别为第三特征点和第四特征点。在上述基于第二代小波的脉搏信号特征点的提取方法中，所述步骤Bl包括以下子步骤Bll 确定当前分解层数下小波系数的多个正极大值点与负极大值点；B12:分别采用极大值点阈值计算模型与极小值点阈值计算模型确定当前分解层数下小波系数的极大值点阈值与极小值点阈值；B13:基于所述多个正极大值点与所述极大值点阈值的关系以及所述多个负极大值点与所述极小值点阈值的关系确定所述正-负极大值对。在上述基于第二代小波的脉搏信号特征点的提取方法中，在所述步骤B12中，所述极大值点阈值计算模型为t\ =^-X ^-(M1 +M2 +M3 +M4)其中，th为极大值点阈值，MpM2、M3和M4为将所述小波系数分为四段后每一段的小波系数的最大值；所述极小值点阈值计算模型为th2 =全 χ 去(Azr1 + TV2 + TV3 + TV4 )其中，tt!2为极小值点阈值，N1,N2,N3和N4为将所述小波系数分为四段后每一段的小波系数的最小值。在上述基于第二代小波的脉搏信号特征点的提取方法中，在所述步骤B2中，所述过零点计算模型为
_ KjxZ1+ Κ|χ/2
_7] KKKI其中，I0为过零点位置，I1为正-负极大值对的正极大值点位置，Cl1为正-负极大值对的正极大值点对应的小波系数，I2为正-负极大值对的负极大值点位置，以及d2为正-负极大值对中负极大值点对应的小波系数。在上述基于第二代小波的脉搏信号特征点的提取方法中，在所述步骤B2与B3之间，所述基于模极大值法提取脉搏信号特征点还包括对所述步骤B2中确定的多个过零点进行修正。在上述基于第二代小波的脉搏信号特征点的提取方法中，所述步骤B6包括确定多个主波波峰的两个之间的模极大值点，所述模极大值点为重搏波定位点； 或者在多个主波波峰的两个之间采用漏检点补偿模型确定重搏波定位点。实施本发明的基于第二代小波的脉搏信号特征点的提取方法，可以获得以下有益效果基于第二代小波分解脉搏信号可有效降低计算复杂度，同时降低硬件实现难度，便于在嵌入式平台上实现本发明的脉搏信号特征点提取方法；采用模极大值法对基于第二代小波分解的脉搏信号进行提取时可准确提取出脉搏信号的特征点，并可针对性地删除错检点和误检点，以及补偿漏检点，降低错检率与误检率。本发明的方法可在有效降低计算复杂度的前提下准确提取脉搏信号特征点，实现方便且准确率高。
以下将结合附图和具体实施例对本发明作进一步详细说明。附图中图1是典型的脉搏信号的示意图；图2是根据本发明的基于第二代小波的脉搏信号特征点的提取方法的流程图；图3是根据本发明的基于双正交样条小波biorl. 3分解脉搏信号的示意图；图4是根据本发明的基于双正交样条小波biorl. 3分解脉搏信号的方法的流程图；图5是根据本发明的基于模极大值法提取脉搏信号特征点的方法的流程图；图6是根据本发明的基于模极大值法提取脉搏信号特征点的方法的流程图；图7是根据本发明的基于模极大值法提取脉搏信号特征点时脉搏信号的示意图； 以及图8是根据本发明的基于模极大值法提取脉搏波信号特征点时主波波峰范围的示意图。
具体实施例方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。参见图1，图1为在典型的脉搏信号的示意图；在实际应用中通常选取图示的a、b、 c和d四点作为特征点。其中，a点为单波起点，标志着心脏快速射血期的开始，主要反映了收缩期末动脉血管内的压力和容积状况。b点为主波波峰，其上升支的上升速度主要与心输出量、心室射血速度、动脉阻力和管壁弹性有关，其特征可用上升支斜率表示。c点为重搏波波谷，主要反映主动脉静压排空时间，是心脏收缩与舒张的分界点。d点为重搏波波峰，反映主动脉瓣的功能状况、血管弹性和血流流动状态。本发明中将a、b、c和d四点分别称为第二特征点、第一特征点、第四特征点和第三特征点。因此，本发明的目的在于，如何从典型的脉搏信号中准确提取第一、第二、第三和第四特征点，促进脉搏信号在心血管功能状况分析方面的实际应用。本发明提供了一种基于第二代小波的脉搏信号特征点的提取方法，如图2所示， 该方法开始于步骤10，并包括在步骤11中进行的基于第二代小波分解脉搏信号以及在步骤12中进行的基于模极大值法提取脉搏信号特征点。该方法结束于步骤13。在步骤11中，基于第二代小波分解脉搏信号；第二代小波变换作为良好的信号时频分析工具，可有效分析脉搏信号的高低频特征，用于判定信号奇异点位置。本发明中选择双正交样条小波biorl. 3作为分解脉搏信号的第二代小波，由于该类小波的紧支撑性， 对具有尖峰形状特征的脉搏信号具有很好的响应能力，且对受噪声污染的信号仍具有较强的识别能力，因此使用双正交样条小波biorl. 3时，即使无需对原始脉搏信号进行大量前期预处理，也可得到理想的检测准确率。应该说明的是，虽然以下将结合双正交样条小波 biorl. 3具体描述本发明，但本发明的方法可使用的第二代小波并不局限于此。相反地， 本领域技术人员可根据实际需要选择其他适合的第二代小波，例如haar、dbl、biorl. 1、cdfl. Ucdfl. l、cdn.3、cdn.5等，或者直接构建一个新的第二代小波。可以理解的是，上述替换均在本发明所附权利要求的保护范围内。参见图3-4，图3-4阐述了根据本发明的基于双正交样条小波biorl. 3分解脉搏信号的示意图和流程图。由图3可知，本发明的基于双正交样条小波biorl. 3分解脉搏信号包括分裂、预测与更新3个步骤，经上述分解操作可得到不同分解层数下脉搏信号的尺度系数和小波系数。所述分裂指设定分解层数，在该分解层数下将第一信号分裂为奇数列信号与偶数列信号；所述预测指基于获得的奇数列信号与偶数列信号，采用小波系数预测模型预测该分解层数下的小波系数；以及所述更新指采用尺度系数更新模型更新该分解层数下的尺度系数。这里的第一信号指脉搏信号。该方法的具体流程如图5所示。如图5所示，该方法开始于步骤110。在步骤111中，设定分解层数η，η为大于1 的正整数。每一分解层数下脉搏信号可具有相应的小波系数与尺度系统。在步骤112中， 载入第一信号；随后在下一步骤113中对载入的第一信号进行分裂处理。设第一信号为X， 基于双正交样条小波biorl. 3的分裂处理如下= X21 = X2M .( 1 )其中，为第一信号分裂后的偶数列信号，X21为第一信号中下标为偶数的部分； df为第一信号分裂后的奇数列信号，x21+1为第一信号中下标为奇数的部分。在步骤114中，基于上一步骤获得的奇数列信号与偶数列信号，采用小波系数预测模型预测小波系数，小波系数预测模型为=4)-4);(2)其中，i代表第i层分解层数(i为小于等于η的正整数)，1代表第1个采样点， d”为第i+Ι层分解层数下第1个采样点的小波系数的预测结果，为第i层分解层数下尺度系数的奇数列信号，以及为第i层分解层数下尺度系数的偶数列信号。根据小波系数预测模型可进一步推出小波系数模型.(3)其中，Cl1为该分解层数(第i层)下的小波系数，劣_为第i+Ι层分解层数下第1 个采样点的小波系数的预测结果。在下一步骤115中，采用尺度系数更新模型更新尺度系数，并进一步根据尺度系数的更新结果推出该分解层数下的尺度系数，该步骤涉及的尺度系数更新模型如下- 0.0625 * (d^ -d^) + 0.5 *.(4)其中，i代表第i层分解层数，1代表第1个采样点，为第i+Ι层分解层数下第 1个采样点的尺度系数的更新结果，才。为第i层分解层数下尺度系数的偶数列信号，劣为第i+Ι层分解层数下第1个采样点的小波系数的预测结果，必丨υ为第i+Ι层分解层数下第 1+1个采样点的小波系数的预测值，以及老丨υ为第i+ι层分解层数下第1-1个采样点的小波系数的预测值；采用下式推导该分解层数下的尺度系数
其中，&为该分解层数(第i层)下的尺度系数，为第i + Ι层分解层数下第1 个采样点的尺度系数的更新结果。随后，在下一步骤116，判断是否已分解至所需分解层数，具体地，计算n-1是否为 0，若是，则表明该分解层数已为所需分解层数，此时可结束脉搏信号的分解处理；若否，则在步骤117中载入第二信号，并重复上述步骤113-116，开始下一分解层数下的脉搏信号分解。其中，第二信号为式(5)中计算得到的该分解层数下的尺度系数。该方法结束于步骤 118。本发明中，脉搏信号由采样频率为200Hz的脉搏传感器采集得到，采样长度在时域上可划分为2048个点。利用上述双正交样条小波biorl. 3分解脉搏信号，得到各层小波系数《，其中i = 1，2，3，4，...η。由于双正交样条小波biorl. 3在每一层的分解过程中会将上一层信号长度减半，为了方便脉搏信号特征点的定位，将分解后每一分解层数的小波系数长度拉伸至与原始信号长度相等。参见图5-8，其显示了根据本发明基于模极大值法提取脉搏信号特征点的方法。图 5中，基于模极大值法提取脉搏信号特征点包括以下步骤B1 确定当前分解层数下小波系数的多个正-负极大值对；B2 采用过零点计算模型确定步骤B2中多个正-负极大值对的多个过零点；B3 基于步骤B2中多个过零点确定脉搏信号的多个主波波峰范围；B4 在步骤B3中多个主波波峰范围内确定多个主波波峰，其中主波波峰为第一特征点；B5 设定第一时间窗，以步骤B4中多个第一特征点为起始点，在第一时间窗内确定多个单波起点，其中单波起点为第二特征点；B6 基于步骤B4中多个第一特征点确定脉搏信号的多个重搏波定位点；B7 设定第二时间窗，以步骤B6中多个重搏波定位点为起始点，在第二时间窗内分别确定多个重搏波波峰与多个重搏波波谷，重搏波波峰与重搏波波谷分别为第三特征点和第四特征点。提取出的第一、第二、第三和第四特征点可用于心血管疾病的分析，具有实际
眉、ο以下将结合图6-8详细介绍本发明的基于模极大值法提取脉搏信号特征点的方法。该方法开始于步骤1200，并前进至步骤1201。在步骤1201中，载入基于双正交样条小波biorl. 3对脉搏信号进行η层小波分解的第1层和第η层小波系数，其中η为大于1的正整数。参见图7，(a)代表未处理的原始脉搏信号，(b)代表第1层小波系数為1，以及(c)代表第η层小波系数為"。在下一步骤1202，通过第η尺度小波系数<的一阶导数过零点确定第η层小波系数的正极大值点和负极大值点，其中第η尺度小波系数<的正负极大值点如图7中(e)所示，第1尺度小波系数4的正负极大值点如图7中(d)所示。在下一步骤1203，采用极大值点阈值计算模型与极小值点阈值计算模型确定第η 尺度小波系数的极大值点阈值与极小值点阈值。具体地，将按时域平均分为4段，每段 1024个点，其中每段的小波系数最大值分别为Mp M2, M3, M4，每段的小波系数最小值分别为 N1, N2, N3, N4,极大值点阈值计算模型与极小值点计算模型分别为th1=1/3 χ 1/4+(M1+M2+M3+M4)(6)th2=1/3χ 1/4+(N1+N2 +N3 +N4)(7)
其中，th为极大值点阈值，Μ”Μ2、Μ3和M4为将所述小波系数分为四段后每段的小波系数的最大值；tti2为极小值点阈值，N”N2、N3和N4为将所述小波系数分为四段后每一段的小波系数的最小值。随后进行至步骤1204，其中，基于多个正极大值点与极大值点阈值的关系以及多个负极大值点与极小值点阈值的关系确定第η尺度小波系数 < 的正-负极大值对。具体地， 在子步骤1204a中，比较正负极大值与极大/小值点阈值的大小，保留正极大值> thi和负极大值< tt!2的点；在子步骤1204b，判断满足上述条件的相邻两点时域间隔是否小于80个点(该采样条件下即表示时间间隔小于0. 4s)且该两点异号，若是，则在子步骤12(Mc保留这两点作为一个正-负极大值对。其中，图7(f)显示了满足上述条件的一个正-负极大值对。在子步骤1204b，若满足上述条件的相邻两点时域间隔大于80个点或两点同号，则进行至子步骤1204d，继续搜索第η尺度小波系数<的下一个点。在下一步骤1205，采用过零点计算模型分别确定多个正-负极大值对的过零点。 如图8步骤①和②所示，过零点计算模型为
Γ00841 / _ ΚΙχ/ι+ΚΙχ/2KKKI ;其中，I0为过零点位置，I1为正-负极大值对的正极大值点位置，Cl1为正-负极大值对的正极大值点对应的小波系数，I2为正-负极大值对的负极大值点位置，以及d2为正-负极大值对中负极大值点对应的小波系数。在下一步骤1206，对过零点进行修正，具体包括去除多检点和对极大/小值点阈值进行修正。其中，在子步骤1206a计算两过零点间距离和过零点距离均值，在子步骤 1206b和子步骤1206c判断两过零点间距离与过零点距离均值的大小关系。依据下式进行判断在子步骤1206b中，当D > 1. 6Xmi，说明步骤1203中设定的阈值过大，此时转至步骤1206d，将极大/小值点阈值降低为原来的1/4，并返回依次执行步骤1204和1205，在新的极大/小值点阈值范围内重新确定正-负极大值对及其过零点；否则，该方法进行至步骤 1206c。在子步骤1206c中，当D < 0. 7Xm1,说明第η尺度的小波系数存在多检点，此时执行步骤1206e，删除多检点，然后转至下一步骤。其中，D为两过零点间距离，Hi1为过零点距离均值。步骤1206可表示为，当OJXm1 < D < LBXm1时，该过零点为可用过零点，此时，该方法转至下一步骤。在下一步骤1207，在第1尺度的极大值上以过零点为起始点，(lQ-i)位置前向搜索j个非零点作为起始点，(Icri)位置向后搜索j个非零点作为终点(图8步骤③)，确定主波波峰范围(图8步骤④)。示例性的，j设定为3。这里所述的前向和后向是指在时域范围内向过零点所在位置的早期采样点和后期采样点移动。在下一步骤1208，基于确定的主波波峰范围确定主波波峰(又称为第一特征点)。 具体地，根据主波波峰范围，在未处理的原始脉搏信号中定位最大值点，即为主波波峰或第一特征点，在图1中表示为b点。在下一步骤1209，确定单波起点、即第二特征点。具体地，计算多个第一特征点的距离平均值，依据下式设定第一时间窗
Tff1 = 0. 25Xm2 ；其中，m2为多个第一特征点两两间的距离平均值。然后，以第一特征点为起始点， 在未处理的原始脉搏信号中前向搜索第一时间窗内的最小值点，该最小值点即为第二特征点；在图1中表示为a点。随后，在下一步骤1210，基于第一特征点确定脉搏信号的多个重搏波定位点。具体地，在子步骤1210a，在第η尺度小波系数<中检测除上述正_负极大值对以外的模极大值点；在子步骤1210b，设该模极大值点的前向最接近的第一特征点的时域位置为1，判断该模极大值点的时域位置是否在(1+0. 15Xm2，1+0. 35Xm2)范围内，若否，则在子步骤1210c 删除该模极大值点并返回执行子步骤1210a ；若是，则在子步骤1210d判断两个第一特征点之间是否存在模极大值点，若否，则在子步骤1210e补偿时域位置为(l+0.25Xm2)的点，并以该点作为重搏波定位点，从而避免出现漏检点现象；若是，则在子步骤1210f进一步判断两个第一特征点之间是否存在多个符合上述时域位置要求的模极大值点，若是，则在下一子步骤1210g保留靠近前向第一特征点方向的第二个模极大值点；该点即为检测到的重搏波定位点，在图7中如(g)所示。随后，在下一步骤1211，设定第二时间窗，在未处理的原始脉搏信号中，在步骤 1210中确定的多个重搏波定位点的前向第二时间窗范围内搜索最小值点为第四特征点，后向第二时间窗内搜索最大值点为第三特征点。其中，第二时间窗依据下式确定Tff2 = 0. IXm2 ；其中，m2为多个第一特征点两两间的距离平均值。随后，该方法结束于步骤1212。此时，具有基于模极大值法提取得到的四个特征点的脉搏信号如图7(h)所示。综上所述，通过本发明所提供的基于第二代小波的脉搏信号特征点的提取方法可在降低计算复杂度的同时准确获取脉搏信号的多个特征点；计算复杂度降低的同时促进了该方法在嵌入式平台的应用；由于可对多检点、误检点和漏检点采取相应的处理措施进一步确保了特征点提取的准确性与有效性；适当的第二代小波的选用可避免对原始脉搏信号进行大量前期预处理，使计算复杂度得到进一步控制。以上所述仅为本发明的优选实施例，并不用以限制本发明，凡在本发明的精神和原则内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围内。
权利要求
1.基于第二代小波的脉搏信号特征点的提取方法，其特征在于，所述方法包括基于第二代小波分解脉搏信号以及基于模极大值法提取脉搏信号特征点。
2.根据权利要求1所述的基于第二代小波的脉搏信号特征点的提取方法，其特征在于，所述基于第二代小波分解脉搏信号包括以下步骤Al 设定分解层数，在所述分解层数下将第一信号分裂为奇数列信号与偶数列信号； A2 基于步骤Al中的所述奇数列信号与所述偶数列信号，采用小波系数预测模型预测所述分解层数下的小波系数；以及A3 采用尺度系数更新模型更新所述分解层数下的尺度系数。
3.根据权利要求2所述的基于第二代小波的脉搏信号特征点的提取方法，其特征在于，在所述步骤A2中，所述小波系数预测模型为 ^ =^其中，i代表第i层分解层数，1代表第1个采样点，劣为第i+ι层分解层数下第1个采样点的小波系数的预测结果，為w为第i层分解层数下尺度系数的奇数列信号，以及为 第i层分解层数下尺度系数的偶数列信号。
4.根据权利要求2所述的基于第二代小波的脉搏信号特征点的提取方法，其特征在于，在所述步骤A3中，所述尺度系数更新模型为-0.0625*-+ 0.5*( 叫其中，i代表第i层分解层数，1代表第1个采样点，为第i+ι层分解层数下第1个采样点的尺度系数的更新结果，为第i层分解层数下尺度系数的偶数列信号，劣为第 i+ι层分解层数下第1个采样点的小波系数的预测结果，必丨υ为第i+ι层分解层数下第1+1 个采样点的小波系数的预测值，以及老丨υ为第i+ι层分解层数下第1-1个采样点的小波系数的预测值。
5.根据权利要求1所述的基于第二代小波的脉搏信号特征点的提取方法，其特征在于，所述基于模极大值法提取脉搏信号特征点包括以下步骤Bl 确定当前分解层数下小波系数的多个正-负极大值对； B2 采用过零点计算模型确定步骤Bl中所述多个正-负极大值对的多个过零点； B3 基于步骤B2中所述多个过零点确定脉搏信号的多个主波波峰范围； B4 在步骤B3中的所述多个主波波峰范围内确定多个主波波峰，所述主波波峰点为第一特征点；B5 设定第一时间窗，以步骤B4中所述多个第一特征点为起始点，在所述第一时间窗内确定多个单波起点，所述单波起点为第二特征点；B6 基于步骤B4中所述多个第一特征点确定脉搏信号的多个重搏波定位点； B7 设定第二时间窗，以步骤B6中所述多个重搏波定位点为起始点，在所述第二时间窗内分别确定多个重搏波波峰与多个重搏波波谷，所述重搏波波峰与重搏波波谷分别为第三特征点和第四特征点。
6.根据权利要求5所述的基于第二代小波的脉搏信号特征点的提取方法，其特征在于，所述步骤Bl包括以下子步骤Bll 确定当前分解层数下小波系数的多个正极大值点与负极大值点；B12 分别采用极大值点阈值计算模型与极小值点阈值计算模型确定当前分解层数下小波系数的极大值点阈值与极小值点阈值；B13 基于所述多个正极大值点与所述极大值点阈值的关系以及所述多个负极大值点与所述极小值点阈值的关系确定所述正-负极大值对。
7.根据权利要求6所述的基于第二代小波的脉搏信号特征点的提取方法，其特征在于，在所述步骤B12中，所述极大值点阈值计算模型为t\ =^-χ ^-(M1 +M2 +M3 +M4)其中，th为极大值点阈值，Μ”Μ2、Μ3和M4为将所述小波系数分为四段后每一段的小波系数的最大值；所述极小值点阈值计算模型为法2=告X 去(W +A +M +K)其中，tt!2为极小值点阈值，N1,N2,N3和N4为将所述小波系数分为四段后每一段的小波系数的最小值。
8.根据权利要求5所述的基于第二代小波的脉搏信号特征点的提取方法，其特征在于，在所述步骤B2中，所述过零点计算模型为l = Klx^i+ΚΙχ/2κι+κι其中，Itl为过零点位置，I1为正-负极大值对的正极大值点位置，Cl1为正-负极大值对的正极大值点对应的小波系数，I2为正-负极大值对的负极大值点位置，以及d2为正-负极大值对的负极大值点对应的小波系数。
9.根据权利要求5所述的基于第二代小波的脉搏信号特征点的提取方法，其特征在于，在所述步骤B2与B3之间，所述基于模极大值法提取脉搏信号特征点还包括对所述步骤 B2中确定的多个过零点进行修正。
10.根据权利要求5所述的基于第二代小波的脉搏信号特征点的提取方法，其特征在于，所述步骤B6包括确定多个主波波峰的两个之间的模极大值点，所述模极大值点为重搏波定位点；或者在多个主波波峰的两个之间采用漏检点补偿模型确定重搏波定位点。
全文摘要
本发明涉及脉搏信号的处理方法，并提供了基于第二代小波的脉搏信号特征点的提取方法，其中该方法包括基于第二代小波分解脉搏信号以及基于模极大值法提取脉搏信号特征点。根据本发明，基于第二代小波分解脉搏信号可有效降低计算复杂度，同时降低硬件实现难度，便于在嵌入式平台上实现本发明的脉搏信号特征点提取方法；采用模极大值法对基于第二代小波分解的脉搏信号进行提取时可准确提取出脉搏信号的特征点，并可针对性地删除错检点和误检点，以及补偿漏检点，降低错检率与误检率。本发明的方法可在有效降低计算复杂度的前提下准确提取脉搏信号特征点，实现方便且准确率高。
文档编号A61B5/02GK102551687SQ201210015350
公开日2012年7月11日 申请日期2012年1月18日 优先权日2012年1月18日
发明者刘媛, 纪震 申请人:刘媛, 纪震