一种脉率变异性信号提取方法及系统

1.本发明涉及一种信号提取方法，尤其涉及一种脉率变异性信号提取方法及系统。


背景技术：

2.脉搏信号中含有人体心血管系统丰富的生理和病理信息，诊脉是中医进行疾病诊断的重要依据之一。从脉搏信号中提取的脉率，是评价人体健康状态的重要指标之一。人体心脏搏动规律随着人体状态的变化而不断调整，因此，脉率也在不断发生变化。脉率之间的这种变化称为脉率变异性(pulseratevariability)，prv信号是评价人体心血管系统和神经系统的重要依据。研究表明，从prv信号中提取参数可用于心源性猝死、冠心病、心力衰竭、高血压及呼吸暂停综合症等疾病的诊断，具有十分重要的临床应用价值。
3.目前，已有多种prv信号提取方法。主要可分为以下三个方面：1)基于脉搏波时域征的提取方法，这类方法通过设置幅度、时间或者差分阈值来提取脉搏波波峰或者波谷等特征，进而计算prv信号。这类方法的速度快，准确性高，但是抗噪性能差。2)基于脉搏信号频谱的prv估计法，从脉搏信号的频谱成分中估计prv，抗噪性很强，但是误差太大。3)从脉搏信号的分解分量中提取。这类方法先通过傅里叶级数、小波分解、emd分解、形态学滤波等方法将脉搏信号分解成不同频段的分量，再从低频分量中提取prv信号。这种方法的准确性和抗噪性很高，但是分量的准确提取及选择决定着prv信号的提取精度，傅里叶级数的窗宽、小波分解的频段、形态学滤波法结构元素的长度等因素选择主观，使其在实际应用中受到限制。emd算法可实现脉搏波的自适应分解，然而其存在模态混叠。
4.近年来，有学者结合维纳滤波、hilbert变换和频率混合变分问题的求解提出了变分模态分解(variational mode decomposition，vmd)算法，在震动、气象、电力、生物医学等信号处理从表现出优越性能。因此，本发明以vmd算法为核心进行优化，提出一种从脉搏信号中提取prv信号的新方法。


技术实现要素：

5.1、本发明的目的
6.针对现有脉率变异性信号提取方法存在抗噪性差、参数选择主观等问题，本发明提出一种脉率变异性信号提取方法及系统。
7.2、本发明所采用的技术方案
8.本发明提出了一种脉率变异性信号提取方法，首先，对原始脉搏信号进行变分模态分解，从中提取反映脉搏主波变化的分量，对该分量进行平滑滤波，去除残余高频噪声干扰；其次，计算滤波后分量的极大值位置，以相邻极大值位置为依据，计算原始脉搏信号对应区间的最小值，得到脉搏信号波谷；最后，根据波谷计算脉率变异性信号。
9.更进一步，所述的对原始脉搏信号进行变分模态分解：将原始信号分解为多个本征模态函数的和，每个imf分量为特定带宽的调幅-调频信号；分解后第k个imf分量的定义如下：
[0010][0011]
式中，ak(t)为第k个imf分量的包络，为其相位；则相位对应的角频率为为其相位；则相位对应的角频率为
[0012]
因此，对于给定的脉搏信号ppg(t)，分解成k个imf分量之和；则每个imf分量对应的约束变分模型为：
[0013][0014]
式中，{imfk}＝{imf1,imf2,
…
,imfk}为vmd分解得到所有imf的集合，{ωk}＝{ω1,ω2,
…
,ωk}为各imf的中心角频率集合。
[0015]
更进一步，对于式(2)所示问题的最优解问题，引入拉格朗日函数后，可转化为非约束变分问题，即：
[0016][0017]
式中，a为二次约束算子，λ(t)拉格朗日算子；可采用乘子交替更新和计算式(3)的鞍点；则为：
[0018][0019]
式(4)经过parseval傅里叶等距变换后，可以得到：
[0020][0021]
式中，λ
n+1
(ω)的更新方式为：
[0022][0023]
同理可得：
[0024][0025]
更进一步，所述的变分模态分解包括：
[0026]
(1)初始化λ1和n；
[0027]
(2)根据式(5)-式(7)更新imfk、ωk和λ；
[0028]
(3)重复前两步，直到满足以下的约束条件：
[0029][0030]
更进一步，所述根据波谷计算脉率变异性信号：对波谷位置进行一阶差分，计算prv信号，prv信号计算过程见式(9)；最后，对prv信号的提取结果进行评估；
[0031][0032]
式中，fs为脉搏信号采样频率，ppi(j)为由波谷位置一阶差分得到的脉搏信号间期，prv(j)为第j个prv信号样本点。
[0033]
本发明还提出了一种基于变分模态分解的脉率变异性信号提取系统，包括存储器和处理器，存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法步骤。
[0034]
3、本发明所采用的有益效果
[0035]
本发明提出一种基于vmd分解的脉率变异性提取算法，可准确地从原始脉搏信号中提取prv信号；具有抗干扰性强，不需要设置阈值等优点，可用于日常工作生活环境下prv信号的准确提取。本发明采用31组实测脉搏信号对所提出的算法进行验证，结果表明脉率变异性信号提取的准确率在97％以上，可以用于日常工作生活状态下脉率变异性信号的精准提取。
附图说明
[0036]
图1为从imf1分量中定位波谷的示意图；
[0037]
图2为本发明算法流程；
[0038]
图3为脉搏信号采集过程；
[0039]
图4为原始脉搏信号；
[0040]
图5为脉搏信号的vmd分解结果(由上向下分别为imf
1-imf5)；
[0041]
图6为脉搏波波谷定位结果；
[0042]
图7为prv信号提取结果。
具体实施方式
[0043]
下面结合本发明实例中的附图，对本发明实例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域技术人员在没有做创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
[0044]
下面将结合附图对本发明实例作进一步地详细描述。
[0045]
实施例
[0046]
1 vmd分解算法
[0047]
vmd分解算法的目的是将原始信号分解为多个本征模态函数(intrinsic mode function，imf)的和，每个imf分量为特定带宽的调幅-调频信号。分解后第k个imf分量的定义如下：
[0048][0049]
式中，ak(t)为第k个imf分量的包络，为其相位。则相位对应的角频率为为其相位。则相位对应的角频率为
[0050]
因此，对于给定的脉搏信号ppg(t)，其可以分解成k个imf分量之和。则每个imf分量对应的约束变分模型为：
[0051][0052]
式中，{imfk}＝{imf1,imf2,
…
,imfk}为vmd分解得到所有imf的集合，{ωk}＝{ω1,ω2,
…
,ωk}为各imf的中心角频率集合。
[0053]
对于式(2)所示问题的最优解问题，引入拉格朗日函数后，可转化为非约束变分问题，即：
[0054][0055]
式中，a为二次约束算子，λ(t)拉格朗日算子。可采用乘子交替更新和计算式(3)的鞍点。则为：
[0056][0057]
式(4)经过parseval傅里叶等距变换后，可以得到：
[0058][0059]
式中，λ
n+1
(ω)的更新方式为：
[0060][0061]
同理可得：
[0062][0063]
在此基础上，vmd分解分为以下几步：
[0064]
(1)初始化λ1和n；
[0065]
(2)根据式(5)-式(7)更新imfk、ωk和λ；
[0066]
(3)重复前两步，直到满足以下的约束条件：
[0067][0068]
2基于vmd分解的prv信号提取原理
[0069]
脉搏信号经过vmd分解后，可得到一系列imf分量，不同的imf分量中包含脉搏信号不同的频段。其中，imf1中含有脉搏信号的基波分量(图1中实线标识)，基波分量的主要成分为脉搏信号的主波，如图1所示的虚线信号。该信号不含脉搏信号的高频噪声、重搏波和潮波等波谷定位的干扰信息，相比直接从脉搏信号中定位波谷的难度明显降低。同时，imf1能自适应地随着脉搏信号趋势改变而变化，其两个峰值(图1中
‘°’
标识)之间的最小值正好对应脉搏信号的波谷(图1中
‘
+’标识)。因此，imf1分量可作为prv信号检测的重要依据。
[0070]
依据图1所示的原理，提出图2所示的prv信号检测流程。首先，对脉搏信号进行vmd分解得到imf1分量；对imf1分量进行20点平滑滤波，去除残余高频噪声的干扰；然后，计算imf1分量的极大值，存储极大值位置；以相邻极大值位置为参考，在原始脉搏信号中计算最小值位置即为脉搏信号波谷位置；对波谷位置进行一阶差分，计算prv信号，prv信号计算过程见式(9)。最后，对prv信号的提取结果进行评估。
[0071][0072]
式中，fs为脉搏信号采样频率，ppi(j)为由波谷位置一阶差分得到的脉搏信号间期，prv(j)为第j个prv信号样本点。
[0073]
3实验验证
[0074]
采用自主研制的可穿戴式生理信号采集系统获取实验数据，采集系统如图3所示。系统包括上位机和下位机组成，上下位机通过zigbee组网进行无线传输。下位机分为两个模块，分别为放置在胸部的心电采集模块和放置在腕部的脉搏信号采集模块。上位机实时接收下位机数据，对其进行存储与处理。
[0075]
招募年龄为21～26岁的健康在校大学生(男生18名，女生13名)作为实验对象。数据实验前在常熟市第一人民医院进行体检，确保实验对象的健康状态。在常熟第一人民医院伦理委员会的监督之下，实验对象佩戴实验设备，处于静坐状态，采集各路信号4分钟，采样频率为1000hz。
[0076]
对实验数据按照图2流程处理，其中，vmd分解的参数配置为：分解层数为5，τ＝0.001，迭代停止误差ε＝0.1。对于图4所示的脉搏信号，进行vmd分解后得到imf分量如图5所示，分解后得到5个imf分量。相比于图4，imf1分量含有脉搏信号的主波成分，imf2、imf4和imf5中含有噪声成分，而imf3中含有重搏波和潮波成分。
[0077]
因此，选用imf1分量按照图2所示流程计算prv信号，结果如图6所示。可以看出，只有第一个波谷没有定位出来，其他波谷都可以准确定位，这是由于要从imf1分量的两个极大值之间定位波谷导致的。图7为从图2脉搏信号对应完整信号中提取的prv信号，可以看出所提出方法可以准确提取prv信号。
[0078]
将所提出算法用于31组实验数据的prv信号提取，检出数、漏检数、误检数和准确率如表1所示。可以看出，31组数据中，25组prv信号的提取准确率为100％，剩下4组的准确率为97％以上，其中4组的准确率在99.5％以上。只有一组的准确率为97.35％，这是由于原
始脉搏信号中运动伪迹造成的干扰段导致的。总体而言，所提出算法的准确率很高，这是因为通过vmd分解后，原始脉搏信号的高频噪声和重搏波、潮波等干扰特征分解到其他imf分量中，得到自适应参考阈值，从而得到较高的准确率。
[0079]
表1 prv信号提取准确率
[0080]
tab.1 the accuracy of prv signal extraction
[0081][0082][0083]
脉率变异性信号准确提取十分重要，本发明提出一种基于vmd分解的脉率变异性提取算法，可准确地从原始脉搏信号中提取prv信号。具有抗干扰性强，不需要设置阈值等优点，可用于日常工程生活环境下prv信号的准确提取。
[0084]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。