专利名称：一种提高呼吸率检测准确性的方法
技术领域：
本发明涉及一种提高呼吸率检测准确性的方法，尤其涉及一种利用经验模态分解 方法对时域波形进行分解，然后找到与呼吸波对应的固有模态函数，从而去除干扰，提高呼 吸率检测的准确性和稳定性的方法。
背景技术：
基于阻抗测量的方法常被用于呼吸装置获得呼吸波信号。人体呼吸时，胸腔的阻 抗会随着胸廓的起伏发生相应的变化，通过检测阻抗的变化，就可以得到呼吸波。实际的 呼吸测量过程一般是借助贴在体表特定位置的电极，通过心电导联线把胸腔的阻抗变化利 用高频载波信号进行调制，然后经过一系列电路对这个载波信号进行放大、检波、滤波等过 程，就可以得到模拟的呼吸信号，再经过A/D转换得到数字的呼吸信号，最后运用呼吸算法 计算出呼吸率。平静呼吸时，新生儿的呼吸率是30 70BPM(Beats Per Minute)，成人的是12 20BPM，但是如果考虑异常情况，一般要求呼吸检测范围是8 120BPM，个别可高达150BPM。 于是可以得到呼吸率检测范围所对应的频率为0. 125 2. 5Hz。目前市场上计算呼吸率的方法主要是波形法，通过寻找呼吸波形相邻的有效波 峰、计算波形周期，从而得到呼吸率。虽然波形法的计算过程具有比较直观的优点，但在实 际临床过程中发现，当病人躁动导致波形紊乱时，经常有效波形周期找不准，导致计算错 误；当心动干扰严重导致正常呼吸波形叠加心动波形时，波形法不能正确区分心动干扰波 形和呼吸波，从而存在呼吸率计算错误的风险；同时在出现肢体运动干扰并引起基线漂移 时，由于波形法需要通过基线来判断波峰、波谷，因此波形法可能出现呼吸波的漏识别。总 之，如果不对这些干扰进行消除，利用波形法计算呼吸率最终会导致呼吸测量的不准确和 不稳定。
发明内容
本发明的目的是为了克服波形法不能正确区分干扰波形和呼吸波的不足，容易导 致呼吸率计算错误的风险，提出了一种准确性高、稳定性好的呼吸率检测方法。为了准确地从受扰的呼吸数据中提取呼吸波，本发明的构思是通常波形法在计 算呼吸率时，都是首先通过滤波的方法消除频带外的干扰，然后对滤波后的呼吸波从波形 上进行识别，通过设置不同的判断条件，进行干扰的剔除，由于波形法是从呼吸波的形状上 进行呼吸率的计算，而躁动和心动干扰已经使呼吸波杂乱和异常，因此通过设置一些判断 条件仍然难于实现对呼吸率的准确计算，如果能从原始的呼吸数据中区分出干扰和呼吸信 号，然后再利用波形法对呼吸信号进行计算，将使呼吸率的计算非常准确。为了实现上述的目的，本发明采用以下技术方案通过呼吸硬件电路获得数字的呼吸信号，然后利用高通和低通滤波技术对其进行 预处理；
对预处理后的呼吸数据进行经验模态分解；根据呼吸信号的生理特征进行固有模态函数(对应此时的呼吸信号)的选取；对获得的固有模态函数进行呼吸窒息的判断；利用波形法或频谱法对呼吸波进行分析，计算出此时的呼吸率；根据历史的呼吸率和当前的呼吸率进行加权平均，计算出当前的呼吸率。假设呼吸数据的时间序列为x(t)，上述经验模态分解包括以下步骤找出呼吸数据x(t)所有的极大值点和极小值点；利用三次样条函数分别拟合为 原始呼吸数据序列的上、下包络线；对上、下包络线求其平均值得到平均包络线M1 (t)；将原 呼吸数据序列减去M1 (t)，得到1个去掉低频成分的新的数据序列D1 (t)，即D1Ct) = χ(t)-M1Ct)D1W不一定是一个平稳数据序列，需要重复上述过程进行处理。SD1U)的平均 包络为M11 (t)，则去除包络线所代表的低频成分后的数据序列D11 (t)为D11 (t) = D1U)-M11 (t)重复上述过程，使所得到的平均包络趋于零，这样得到第一个固有模态分量 (Intrinsic Mode Function，IMF)F1 (t)。它表示呼吸数据序列中最高频的成分；用χ⑴减去F1⑴，得到1个去掉高频成分的新数据序列R1⑴，对R1⑴再按照 上述步骤进行处理，得到第二个IMF分量F2 (t)；如此重复，直到最后一个数据序列Rn (t)不 可再分解为止。上述固有模态函数(对应此时的呼吸信号)的选取，包括以下步骤通过上面经验模态分解，可以把呼吸信号χ (t)分解成η个IMF分量F1 (t)和一个 剩余分量Rn(t)，其中分解出的η个分量Fi (t)分别包含了呼吸信号从高频到低频的不同频 率段成分，而剩余分量Rn(t)是原始信号的中心趋势值。根据呼吸信号的生理特征，选择第 r个IMF分量FJt)作为从原始信号x(t)中提取出的呼吸信号。上述呼吸窒息的判断包括以下步骤对模态函数(对应此时的呼吸信号)选取获得的呼吸信号通过取绝对值，然后求 平均，再与给定的窒息阈值条件进行比较，当该平均值小于窒息阈值一定时间，则判为窒 息，否则进行呼吸率的计算。上述利用波形法或频谱法对呼吸波进行分析，计算出此时的呼吸率，包括以下步 骤如果不满足窒息判断条件，对获得的呼吸信号可以在时域内利用波形法进行呼吸 率的计算；或者在频域内利用傅立叶变换或线性调频Z变换进行频谱分析，最高频谱峰值 所对应的频率即为呼吸的频率，由于利用经验模态分解去除了高频的干扰，所以提取出的 呼吸信号所对应的频谱峰值最高，而最高频谱峰值之外的频谱峰值将非常低。上述根据历史的呼吸率和当前的呼吸率进行加权平均计算，是对获得的呼吸率与 历史呼吸率进行加权平均，得到当前呼吸率的值。基于经验模态分解的时频分析方法既适合于非线性、非平稳信号的分析，也适合 于线性、平稳信号的分析，而且经验模态分解所得的各个模态函数能较好地反映信号的物 理意义。本发明利用了经验模态分解的固有优点，首先把呼吸信号原始数据分解成干扰信 号和呼吸信号，然后利用波形法或频谱法对呼吸信号进行分析，从而计算出呼吸率。该方法能较好地消除躁动、心动和肢体运动引起的干扰，从源头上对信号进行了区分，与目前的呼 吸率计算方法在处理方式上有很大的不同。这样首先通过提取出呼吸信号，再与目前计算 呼吸率的方法结合，能较好地提高呼吸率计算的抗干扰能力，和提高呼吸率计算的准确性 和稳定性。采用上述的技术方案，可以有效地从躁动干扰、心动干扰的呼吸波中提取出呼吸 信号。经验模态分解的方法可以较好地提取信号的不同特征，然后对感兴趣的特征进行重 点分析，有效克服了波形法和频谱法直接对含有干扰的呼吸信号进行处理的缺点，再引入 历史呼吸率的加权平均，可以提高呼吸检测的抗干扰性，从而使呼吸率计算稳定和可靠。
图1为本发明的流程图；图2是正常呼吸的呼吸数据；图3是本发明从正常呼吸数据中提取出的呼吸波的结果图；图4是利用线性调频Z变换对正常的呼吸数据提取出的呼吸波进行计算，获得的 呼吸率的结果图；图5是呼吸中含有较大的心动干扰的呼吸数据；图6是本发明从含有较大的心动干扰的呼吸数据中提取出的呼吸波的结果图；图7是利用线性调频Z变换对含有心动干扰的呼吸数据提取出的呼吸波进行计 算，获得的呼吸率的结果图；图8是病人躁动时获得的呼吸数据；图9是本发明在病人躁动时的呼吸数据中提取出的呼吸波的结果图；图10是利用线性调频Z变换对含有躁动干扰的呼吸数据进行计算，获得的呼吸率 的结果图。
具体实施例方式下面结合附图和具体实施例对本发明作进一步的详细说明。用于呼吸信号测量的监护设备主要包括上位机和下位机，下位机主要是通过硬件 电路来获取呼吸数据，然后利用呼吸算法计算出呼吸率；上位机主要是接受来自下位机的 数据，然后显示呼吸波形、呼吸率以及进行窒息报警。本发明的方法的计算流程如图1所 示，其主要步骤包括首先利用高通和低通滤波对呼吸数据进行预处理。然后对预处理后的呼吸数据进 行经验模态分解；其次根据呼吸信号的生理特征对分解得到的固有模态函数进行选取；再 对获得的固有模态函数利用取绝对值，求平均的方法进行窒息的判断，如果不满足窒息判 断的条件，则利用波形法或频谱法计算出此时的呼吸率，由于呼吸容易受扰，为了进一步提 高呼吸率计算的准确性，把历史的呼吸率和上一步计算的呼吸率进行加权平均，从而获得 当前的呼吸率。本发明实例中涉及的呼吸波提取方法使用经验模态分解的方法。其分解过程如 下第一步确定时间序列x(t)的所有局部极值点，然后将所有极大值点和所有极小 值点分别用三次样条函数拟合，获得两条不同的曲线把所有极大值点和极小值点分别连接起来，得到X(t)的上、下包络线，这样就使得信号的所有数据点处于上、下包络线之间。设 上、下包络线的平均值为Hl1 (t)。第二步用信号x(t)减去Hi1 (t)，它们的差记为Cl1U),理想情况下，(Mt)应该是 一个基本模态分量。然而，对非线性、非平稳数据而言，包络均值可能不同于真实的局部均 值，由于大多数波形都不是对称的。因此通过一个筛选过程来获得一个经验模态分量，该过 程的主要作用主要有两个一个是去除叠加波，二是使波形更加对称。为了达到这个目的， 使Cl1 (t)作为待处理数据，重复第一步的过程，直到获得一个基本的模态分量(t)。第三步从原始数据序列x(t)中分解出第一个基本模态分量1(0之后，用x(t) 减去(t)，得到剩余序列巧(t) = χ (t) (t)。第四步JEr1U)作为一个新的序列，重复上述步骤，分别提取出第二，第三，直至 第η个基本模态分量。此时，rn(t)变成一个单调序列，其中不再包含任何模态的信息，所以 不能再进行上面的分解过程，它就是原始信号的余项，rn(t)代表数据序列x(t)的均值。上述过程可表示为Γι (t) = χ (t) -fi (t)r2 (t) = Γ! (t) -f2 (t).....................rn(t)=。⑴义⑴于是可得
ηx{t) = ^fXt)+ rn{t)其中每一个IMF分量都表示了信号的一个内在特征。IMF必须满足两个条件；对 于一列数据，极值点和过零点数目相等或至多相差一个点；在任意点，由局部极大值点构成 的包络线和局部极小值点构成的包络线的平均值为零。基于经验模态分解的理论基础，对于实际测量的呼吸信号本身的特点而言，呼吸 信号非常微弱，容易受扰，可以对呼吸信号进行经验模态分解，获得不同频率成分的固有模 态成分，然后从这些固有模态分量中，选择与呼吸波相对应的模态，这可以根据实际测量选 择，通过预处理后的呼吸波的模态比较稳定。在获得呼吸波的固有模态分量后，就可以对呼吸信号进行窒息判断，为了使窒息 判断准确可靠，可以对呼吸信号取绝对值，然后平均，最后与设置的窒息阈值进行比较，从 而实现对窒息的判断。如果呼吸信号不满足窒息判断的条件，则可以通过如下的方法实现对呼吸率的计 算波形法是目前被广泛用于呼吸率计算的方法，该方法简单、直观。如果呼吸波形比 较规则，那么该方法计算的呼吸率准确、可靠，但是如果呼吸波受躁动，心动和基线漂移等 的影响，则计算结果的可靠性将降低。利用经验模态分解的方法去除了呼吸中的干扰，获得 的呼吸波形比较规则，这时再利用波形法计算呼吸率将获得稳定和可靠的结果。频谱法是 另一种计算呼吸率的方法，对单一频率的信号进行频谱分析，在该频率处会出现一个频谱 的最大峰值；对多个频率叠加后所形成的复合信号进行频谱分析，在各个频率处的频谱能 量都会出现一个局部极大值，在所有局部极大值中，最大的局部极大值所对应的频率表示
7该频率的信号在时域内叠加时最强。基于频谱法的理论基础，对获得的呼吸信号可以在频域内利用傅立叶变换或线性 调频Z变换进行频谱分析，最高频谱峰值所对应的频率即为呼吸的频率，由于利用经验模 态分解去除了高频的干扰，所以提取出的呼吸信号所对应的频谱峰值最高，这对呼吸率的 计算非常方便，本发明只使用线性调频Z变换的方法计算呼吸率。为了进一步提高呼吸波的抗干扰能力，使用历史的几次呼吸率与当前呼吸率进行 加权平均，权值的选取可以根据历史数据的重要程度进行设置，从而获得当前呼吸率的计 算。为了更形象地说明该方法的计算效果，下面分别以实际临床中对不同病人存取的 正常呼吸数据、含有心动干扰的呼吸数据，含有躁动干扰的呼吸数据为例，分别说明该方法 在处理不同类型呼吸数据时呼吸率计算的准确性。对于图2所示的正常呼吸数据，呼吸波形规则、干扰较小，通过经验模态分解后， 所得的与呼吸波对应的固有模态分量如图3所示，该分量即为从原始呼吸数据中提取出 的呼吸波，从图中可以看出，呼吸波的曲线非常光滑，消除了呼吸波上叠加的较小的高频干 扰。对提取出的呼吸波，利用线性调频Z变换计算呼吸率，如图4所示，该呼吸波形在频域 中有很集中的能量分布，图4中星号处的频谱能量是所有频谱能量包络的局部极大值中最 大的，把它所对应的频率转换成每分钟的呼吸率，可以得到图3所示的呼吸波的呼吸率。对于图5所示的呼吸波，其中含有较大的心动干扰，利用经验模态分解，可以获得 呼吸波所对应的固有模态分量，如图6所示，该分量去掉了心动干扰的影响，而且准确地反 映了呼吸波的变化规律。对提取出的呼吸波，利用线性调频Z变换计算呼吸率，如图7所 示，最高频谱能量所对应的频率，即为呼吸频率，图7中用星号标出了受心动干扰的呼吸波 的呼吸率，它形象地说明了经验模态分解对于呼吸中含有心动干扰的呼吸率的计算所具有 的优势。对于图8所示的呼吸波中含有躁动干扰的情况，虽然呼吸波形比较混乱，形状也 不规则，但是利用经验模态分解，还是可以提取出呼吸波的变化曲线，如图9所示，从图中 可以看出，与呼吸波对应的固有模态，反映了呼吸波的变化规律。然后利用线性调频Z变换 计算呼吸率，可以从频域上非常容易地实现呼吸率的计算，图10中星号所示的呼吸率即为 受躁动干扰的呼吸数据计算出的呼吸率，与实际情况非常吻合。通过上面的实例可以说明当人体正常呼吸，呼吸波形比较规则，呼吸率的计算相 对比较容易；但是当呼吸波受心电干扰，或者呼吸受人体躁动干扰，如果不消除呼吸中的这 些干扰，直接用波形法计算呼吸率，会引起呼吸率计算产生误差。利用经验模态分解的方 法，首先对呼吸信号进行提取，然后再利用波形法或频谱法计算呼吸率，将获得比较准确的 计算结果。本发明还加入了用历史呼吸率的数据与当前呼吸率进行加权平均的方法计算当 前呼吸率，从而使呼吸率的计算结果更为稳定和可靠。
权利要求
1.一种提高呼吸率检测准确性的方法，包括以下步骤A、将获得的数字呼吸信号进行滤波预处理；B、对预处理后的呼吸数据进行经验模态分解；C、根据呼吸信号的生理特征进行固有模态函数的选取；D、对获得的固有模态函数进行呼吸窒息的判断；E、利用波形法或频谱法对呼吸波进行分析，计算出此时的呼吸率；F、根据历史的呼吸率和当前的呼吸率进行加权平均计算出当前的呼吸率。
2.根据权利要求1所述的一种提高呼吸率检测准确性的方法，其特征在于，所述的滤 波预处理包括高通和低通滤波的预处理。
3.根据权利要求1所述的一种提高呼吸率检测准确性的方法，其特征在于，所述的经 验模态分解，首先找出呼吸数据x(t)所有的极大值点和极小值点；利用三次样条函数分 别拟合为原始呼吸数据序列的上、下包络线；对上、下包络线求其平均值得到平均包络线 M1 (t)；将原呼吸数据序列减去M1 (t)，得到一个去掉低频成分的新的数据序列D1 (t)，即D1 ⑴=χ (t)-M1WiDi(t)不是一个平稳数据序列时，需要重复进行处理；SD1 (t)的平均包络为Mn(t)， 则去除包络线所代表的低频成分后的数据序列D11 (t)，即D11 (t) = D1 (t)-Mn(t)重复上述过程，使所得到的平均包络趋于零，得到第一个固有模态分量F1 (t)，其表示 呼吸数据序列中最高频的成分；用χ (t)减去F1 (t)，得到一个去掉高频成分的新数据序列R1 (t)，对R1 (t)再重复进行处 理，得到第二个IMF分量F2⑴；如此重复，直到最后一个数据序列&⑴不可再分解为止。
4.根据权利要求1所述的一种提高呼吸率检测准确性的方法，其特征在于，所述固有 模态函数的选取，其根据呼吸信号的生理特征进行选择；通过分解可以把呼吸信号x(t)分 解成η个IMF分量Fi⑴和1个剩余分量Rn(t)，其中分解出的η个分量Fi(t)分别包含了 呼吸信号从高频到低频的不同频率段成分，而剩余分量Rn(t)是原始信号的中心趋势值。根 据呼吸信号的生理特征，选择第r个IMF分量FJt)作为从原始信号x(t)中提取出的呼吸 信号。
5.根据权利要求1所述的一种提高呼吸率检测准确性的方法，其特征在于，对获得的 固有模态函数进行呼吸窒息的判断，先进行取绝对值，然后平均，最后与窒息阈值比较，从 而实现对窒息的判断，当该平均值小于窒息阈值一定时间，则判为窒息，否则进行呼吸率的 计算；对获得的呼吸信号可以在时域内利用波形法进行呼吸率的计算；或者在频域内利用 傅立叶变换或线性调频Z变换进行频谱分析，最高频谱峰值所对应的频率即为呼吸的频 率。
6.根据权利要求1所述的一种提高呼吸率检测准确性的方法，其特征在于，利用波形 法或频谱法对呼吸波进行分析，在对呼吸率进行计算时，可使用波形法或频谱法进行计算。
7.根据权利要求6所述的一种提高呼吸率检测准确性的方法，其特征在于，对呼吸率 进行计算的频谱法包括傅立叶变换和线性调频Z变换。
8.根据权利要求1所述的一种提高呼吸率检测准确性的方法，其特征在于，根据历史 的呼吸率和当前的呼吸率进行加权平均计算呼吸率时，对利用波形法或频谱法计算获得的呼吸率，与历史的呼吸率进行加权平均，获得当前的呼吸率。
全文摘要
本发明公开了一种提高呼吸率检测准确性的方法。首先利用高通和低通滤波对呼吸数据进行预处理；然后对预处理后的呼吸数据进行经验模态分解；其次根据呼吸信号的生理特征对分解得到的固有模态函数进行选取；再对获得的固有模态函数利用取绝对值，求平均的方法进行窒息的判断，如果不满足窒息判断的条件，则利用波形法或频谱法计算出此时的呼吸率。采用上述的技术方案，可以有效地从躁动干扰、心动干扰的呼吸波中提取出呼吸信号。经验模态分解的方法有效克服了波形法和频谱法直接对含有干扰的呼吸信号进行处理的缺点，最后再引入历史呼吸率的加权平均，可以提高呼吸检测的抗干扰性，使呼吸率计算稳定和可靠。
文档编号A61B5/08GK101991418SQ20091016279
公开日2011年3月30日 申请日期2009年8月14日 优先权日2009年8月14日
发明者王敏, 谢锡城, 陈鎏 申请人:深圳市理邦精密仪器股份有限公司