CN112932410A - 基于切比雪夫多项式拟合的生理包络信号幅值计算方法 - Google Patents
基于切比雪夫多项式拟合的生理包络信号幅值计算方法 Download PDFInfo
- Publication number
- CN112932410A CN112932410A CN202011143802.XA CN202011143802A CN112932410A CN 112932410 A CN112932410 A CN 112932410A CN 202011143802 A CN202011143802 A CN 202011143802A CN 112932410 A CN112932410 A CN 112932410A
- Authority
- CN
- China
- Prior art keywords
- envelope signal
- points
- signal
- physiological
- polynomial fitting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Physiology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明提供了一种基于切比雪夫多项式拟合的生理包络信号幅值计算方法,包括以下步骤:步骤1:现有信号获取装置负责采集一段时间内的生理包络信号;步骤2:将上述信号使用Fir窗函数法进行带通滤波;步骤3:对上述信号通过微分法查找波峰点和波谷点,去除离散度较大的奇异极值点;步骤4:使用切比雪夫多项式拟合方法对上述信号的波峰离散点,波谷离散点进行曲线拟合;步骤5:将波峰以及波谷理想曲线,对应时间点的离散数据相减,得到信号理想幅值特征。本发明提出了一种创新的生理包络信号幅值计算方法,相较于传统的信号幅值计算方法,能够有效避免信号过冲,欠冲,硬件电路干扰噪声等带来的影响,信号幅值特征的识别更加准确。
Description
技术领域
本发明属于数字信号处理领域,具体说是基于切比雪夫多项式拟合的生理包络信号幅值计算方法。
背景技术
幅值是生理包络信号的重要特征,例如脉搏波,血压监测等医疗领域都会应用到幅值特性。传统的生理包络信号计算方法通过识别信号波峰,波谷离散点,确定邻近的波峰波谷值相减即为信号幅值,此类方法容易受电子电路噪声干扰,识别效果不准确,并且不符合信号的原始特征。此外还有基于傅里叶变换的幅值确定方法,该类方法需要将信号从时域变换到频域,再从频域根据有效信号的频率确定幅值,此算法同样容易受高频和低频噪声的干扰导致信号识别不准确,时间复杂度较高,计算量大,不适用于小内存嵌入式***的开发实现。
发明内容
本发明目的是提供一种创新的方法通过软件端的滤波以及切比雪夫多项式拟合算法对原始输入生理包络信号进行校正,得到理想幅值特征。
本发明为实现上述目的所采用的技术方案是:
基于切比雪夫多项式拟合的生理包络信号幅值计算方法,包括以下步骤:
获取一段时间内的生理包络信号;
对生理包络信号进行带通滤波;
查找滤波后的生理包络信号的波峰离散点和波谷离散点,并去除离散度超过阈值的奇异极值点;
使用切比雪夫多项式拟合方法分别对去除奇异极值点后的波峰离散点以及波谷离散点进行曲线拟合,得到波峰理想曲线以及波谷理想曲线;
将波峰理想曲线以及波谷理想曲线,对应时间点的离散数据相减,得到信号理想幅值特征。
所述生理包络信号包括:血压信号、脉搏波信号中至少一种。
采用Fir窗函数法对生理包络信号进行带通滤波,Fir窗函数滤波的通带截止频率Fc1、Fc2根据所测量生理包络信号的频谱特征确定。
通过微分法查找滤波后的生理包络信号的波峰离散点和波谷离散点。
通过动态阈值法去除奇异极值点,动态阈值Thr设置为识别到的所有离散特征点平均方差的1-2倍。
切比雪夫多项式拟合方法插值点的选择利用代数插值余项的最小化原理,根据插值点计算多项式系数,进而拟合波峰和波谷包络。
本发明具有以下有益效果及优点:
1.Fir窗函数法滤波效果好,抗干扰能力强。
2.动态阈值识别,更好的去除偏差大的奇异点。
3.应用切比雪夫多项式拟合,得到理想幅值曲线,拟合准确度高。
4.原理简单,计算量小,易于实现。
附图说明
图1为算法实现过程流程图;
图2为采集到的原始脉搏波信号图;
图3为拟合后的幅值包络曲线图。
具体实施方式
下面结合附图及实施例对本发明做进一步的详细说明。
以下描述给出了该发明具体细节便于对发明进行更加透彻的理解。然而,对于本领域技术人员而言,显而易见的是,本发明可以无需一个或多个这些细节而得以实施。在其他的例子中,为了避免与本发明发生混淆,对于本领域公知的一些技术特征并未进行描述。
为了彻底理解本发明,将在下列的描述中提出详细的步骤,以便阐述本发明的技术方案。此外,列举实例并附图阐述本发明,具体如下:
如图1所示,本发明具体为:
步骤(1):包络信号获取装置采用armSTM32F103RC处理器,采样率为60Hz,可实现高频滤波,模数转换,运算放大等基本功能。连续采样至少2分钟,获得原始脉搏波信号,波形曲线如图2所示。
步骤(2):使用Fir窗函数法进行带通滤波,去除高频和低频噪声,选择hamming窗,滤波阶数为18,通带截止频率为Fc1为0.7Hz,Fc2为8.9Hz。截止频率根据原始信号频谱特征确定,通带范围需包括有用信号。
步骤(3):使用微分法查找上述信号所有波峰,波谷点集。计算出每个波峰,波谷点对应的时间点索引以及振幅。利用动态阈值法设置阈值,滤除离散度较大的点。阈值设置公式为:公式中Thr为设置的动态阈值,波峰波谷对应不同的阈值,n为波峰或波谷点的总数,di为第i个点的振幅值减去所有点平均值的平方。若di>Thr,则从点集中删除第i个点。
步骤(4):经过上述处理,得到波峰点集{Pi},波谷点集{Vi},根据切比雪夫多项式拟合方法对{Pi},{Vi}进行多项式拟合。这里最终拟合结果为4阶多项式,使用切比雪夫算法可以最大限度的降低龙格现象,使得拟合曲线误差很小。图3为拟合后的波峰,波谷理想曲线。
步骤(5):已知各个时间点对应的波峰,波谷理想曲线,对应相减既可得任意时间点的包络幅值。
步骤(2)中Fir窗函数滤波的通带截止频率Fc1,Fc2根据所测量信号的频谱特征确定。
步骤(3)中使用微分法查找信号所有波峰波谷点,动态阈值Thr设置为识别到的所有离散特征点平均方差的1.2倍。
步骤(4)使用切比雪夫多项式拟合方法,插值点的选择利用代数插值余项的最小化原理,拟合波峰和波谷包络。
步骤(5)中,可获取任意时间点的幅值特性Ai。
以上通过实例对本发明的细节进行阐述,本发明不局限于上述特定的实施方式,任何熟悉该领域的专业技术人员,在不脱离本发明技术方案的范围情况下,都可利用上述方法和技术内容对本发明技术方案做出可能的变动和修饰,这并不影响本发明的实质内容。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对上述实施内容所做的任何简单修改或修饰,均仍属于本发明技术方案保护范围。
Claims (6)
1.基于切比雪夫多项式拟合的生理包络信号幅值计算方法,其特征在于,包括以下步骤:
获取一段时间内的生理包络信号;
对生理包络信号进行带通滤波;
查找滤波后的生理包络信号的波峰离散点和波谷离散点,并去除离散度超过阈值的奇异极值点;
使用切比雪夫多项式拟合方法分别对去除奇异极值点后的波峰离散点以及波谷离散点进行曲线拟合,得到波峰理想曲线以及波谷理想曲线;
将波峰理想曲线以及波谷理想曲线,对应时间点的离散数据相减,得到信号理想幅值特征。
2.根据权利要求1所述的基于切比雪夫多项式拟合的生理包络信号幅值计算方法,其特征在于,所述生理包络信号包括:血压信号、脉搏波信号中至少一种。
3.根据权利要求1所述的基于切比雪夫多项式拟合的生理包络信号幅值计算方法,其特征在于,采用Fir窗函数法对生理包络信号进行带通滤波,Fir窗函数滤波的通带截止频率Fc1、Fc2根据所测量生理包络信号的频谱特征确定。
4.根据权利要求1所述的基于切比雪夫多项式拟合的生理包络信号幅值计算方法,其特征在于,通过微分法查找滤波后的生理包络信号的波峰离散点和波谷离散点。
5.根据权利要求1所述的基于切比雪夫多项式拟合的生理包络信号幅值计算方法,其特征在于,通过动态阈值法去除奇异极值点,动态阈值Thr设置为识别到的所有离散特征点平均方差的1-2倍。
6.根据权利要求1所述的基于切比雪夫多项式拟合的生理包络信号幅值计算方法,其特征在于,切比雪夫多项式拟合方法插值点的选择利用代数插值余项的最小化原理,根据插值点计算多项式系数,进而拟合波峰和波谷包络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011143802.XA CN112932410B (zh) | 2020-10-23 | 2020-10-23 | 基于切比雪夫多项式拟合的生理包络信号幅值计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011143802.XA CN112932410B (zh) | 2020-10-23 | 2020-10-23 | 基于切比雪夫多项式拟合的生理包络信号幅值计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112932410A true CN112932410A (zh) | 2021-06-11 |
CN112932410B CN112932410B (zh) | 2023-01-31 |
Family
ID=76234605
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011143802.XA Active CN112932410B (zh) | 2020-10-23 | 2020-10-23 | 基于切比雪夫多项式拟合的生理包络信号幅值计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112932410B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5285781A (en) * | 1990-05-26 | 1994-02-15 | Stiwell S. A. | Electrical neuromuscular stimulation device |
JP2011115459A (ja) * | 2009-12-04 | 2011-06-16 | Nippon Soken Inc | 生体情報検出装置及び生体情報検出方法 |
CN102885616A (zh) * | 2012-07-17 | 2013-01-23 | 桂林电子科技大学 | 一种去除脉搏波信号基线漂移的方法 |
US20130324856A1 (en) * | 2012-05-31 | 2013-12-05 | Nellcor Puritan Bennett Llc | Methods and systems for power optimization in a medical device |
CN104825140A (zh) * | 2014-02-11 | 2015-08-12 | 瞿浩正 | 脉搏波提取的数字滤波方法与数字滤波器 |
CN204797827U (zh) * | 2015-06-19 | 2015-11-25 | 京东方科技集团股份有限公司 | 反射式光电传感器、脉搏周期检测设备和可穿戴电子设备 |
CN109820498A (zh) * | 2019-01-28 | 2019-05-31 | 重庆邮电大学 | 一种可绑定身份信息的腕式血压计及其脉搏波拟合方法 |
-
2020
- 2020-10-23 CN CN202011143802.XA patent/CN112932410B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5285781A (en) * | 1990-05-26 | 1994-02-15 | Stiwell S. A. | Electrical neuromuscular stimulation device |
JP2011115459A (ja) * | 2009-12-04 | 2011-06-16 | Nippon Soken Inc | 生体情報検出装置及び生体情報検出方法 |
US20130324856A1 (en) * | 2012-05-31 | 2013-12-05 | Nellcor Puritan Bennett Llc | Methods and systems for power optimization in a medical device |
CN102885616A (zh) * | 2012-07-17 | 2013-01-23 | 桂林电子科技大学 | 一种去除脉搏波信号基线漂移的方法 |
CN104825140A (zh) * | 2014-02-11 | 2015-08-12 | 瞿浩正 | 脉搏波提取的数字滤波方法与数字滤波器 |
CN204797827U (zh) * | 2015-06-19 | 2015-11-25 | 京东方科技集团股份有限公司 | 反射式光电传感器、脉搏周期检测设备和可穿戴电子设备 |
CN109820498A (zh) * | 2019-01-28 | 2019-05-31 | 重庆邮电大学 | 一种可绑定身份信息的腕式血压计及其脉搏波拟合方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112932410B (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108985179B (zh) | 一种基于改进小波阈值函数的电能质量信号去噪方法 | |
CN103405227B (zh) | 基于双层形态学滤波的心电信号预处理方法 | |
CN103393435B (zh) | 一种胎心音信号包络的取得方法及装置 | |
Xing et al. | A new QRS detection algorithm based on empirical mode decomposition | |
CN108272451B (zh) | 一种基于改进小波变换的qrs波识别方法 | |
Phinyomark et al. | A comparative study of wavelet denoising for multifunction myoelectric control | |
CN107184187B (zh) | 基于DTCWT-Spline的脉搏波信号去噪处理方法 | |
CN107361764B (zh) | 一种心电信号特征波形r波的快速提取方法 | |
WO2020114448A1 (zh) | 一种光电容积脉搏波信号特征点检测方法及装置 | |
Rezk et al. | An algebraic derivative-based method for R wave detection | |
CN105005978A (zh) | 一种基于Savitzky-Golay滤波器参数优化的光谱实时滤波方法 | |
CN107898443B (zh) | 重搏波检测方法、装置及计算机存储介质 | |
CN115040139A (zh) | 基于双树复小波的心电r波检测方法、设备、介质及产品 | |
CN112932410B (zh) | 基于切比雪夫多项式拟合的生理包络信号幅值计算方法 | |
CN114266275A (zh) | 一种基于改进小波阈值函数的信号降噪算法 | |
CN112528853B (zh) | 改进型双树复小波变换去噪方法 | |
CN113116320A (zh) | 一种基于vmd的fmcw雷达生命信号检测方法 | |
CN110101383B (zh) | 一种基于小波能量的心电信号去噪算法 | |
Zheng et al. | Detection of QRS complexes based on biorthogonal spline wavelet | |
Zebin et al. | Research on ecg denoising method based on empirical mode decomposition and wavelet transform | |
CN113375065A (zh) | 管道泄漏监测中趋势信号的消除方法及装置 | |
Alhussainy | QRS complex detection and R–R interval computation based on discrete wavelet transform | |
CN111289106B (zh) | 一种基于数字滤波的光谱降噪方法 | |
Cao et al. | Denoising of ECG signal based on a comprehensive framework | |
CN111557650A (zh) | 基于Adam的快批量梯度上升法脉搏波特征提取方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: Room 320, Building B8, No. 11 Kaiyuan Avenue, Huangpu District, Guangzhou, Guangdong 510000 Applicant after: Zhongkang (Guangzhou) Intelligent Equipment Co.,Ltd. Address before: 518000 Shenzhen City Investment creative factory Life Science Park factory b4501, xiuxin community, Kengzi street, Pingshan District, Shenzhen City, Guangdong Province Applicant before: Shenzhen Yien Medical Technology Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |