压缩采样脉搏信号的心率提取算法研究

发布时间：2020-10-15 01:51

　　 目前心血管疾病已经对人体健康造成了严重的威胁。长时、准确的心率检测可以帮助人们随时了解自身的身体情况,对于心血管疾病可以达到早预防早治疗的目的。基于光电容积法的脉搏波检测技术已经广泛应用于人体健康状态的日常监测中,一般采用奈奎斯特采样定理对脉搏信号进行采样,采样频率需要高于或等于信号最高频率的2倍,由此生成的大量数据不仅会增加系统的整体功耗,也会在传输、储存和处理的过程中带来较大负担,造成系统资源的较大浪费。基于光电容积脉搏波的检测技术极易受到运动伪迹的影响,严重影响心率检测的准确性,在剧烈的运动条件下,利用常规的方法无法准确获得心率值。针对长时间心率监测时存在的高功耗问题,本文在低于奈奎斯特采样频率下,使用压缩采样脉搏信号提取心率值。为了进一步消除压缩采样脉搏信号中的运动伪迹影响,提出了一种在压缩域下的抗运动干扰心率提取方法。主要工作如下:1)本文阐述了光电容积脉搏信号的形成机理,详述了运动伪迹生成原因。分析了在不同变换域脉搏信号下的稀疏性,并设计了易于硬件实现的0-1稀疏矩阵,在此基础上,使用快稀疏贝叶斯算法实现了脉搏信号的重构。2)在时域上提出了一种基于匹配滤波的心率提取方法,通过建立PPG信号的时域模板,通过检测模板与压缩观测信号的相关度大小,获得了时域的瞬时心率;在频域上基于最小二乘谱分析方法,以滑窗的思想在较快的速度下估计出了平均心率。3)提出了一种在有运动干扰时从压缩采样脉搏信号中提取心率的方法。首先使用Lomb-Scargle谱分析方法从压缩采样的脉搏信号和未压缩的加速度信号中提取频谱,然后使用最小二乘谱减法获得两路信号的差分谱,最后进行谱峰追踪,获得压缩采样脉搏信号的心率估计值。实验结果表明,在25倍压缩率下,较现有的方法提高了心率估计的准确性。该方法减少了数据采集量,缩减了数据处理、存储和传输所占用的系统资源,降低了系统的整体功耗,有着较强的抗干扰性和较好的心率估计性能。
【学位单位】：兰州理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：R54;TN911.7
【部分图文】：

图 2.1 为典型的脉搏波波形。图2.1 脉搏信号波形图图 2.1 中的特征点反映心血管系统压力在一个心动周期的变化。R 波为脉搏心房开始收缩后在波形上的反应。U 点：整个脉搏波的最低点（波谷），反映舒张

着很好的稀疏表示，当进行 DFT 时，通常采用快速傅里叶变换(Fast FourierTransform, FFT)算法，脉搏信号在 DFT 下的系数表示见图 2.4 所示。图2.4 脉搏信号在离散傅里叶变换基下的稀疏表示2. 离散余弦变换基离散余弦变换(DCT)的变换公式如下

了一般的计算量，DCT 在稀疏表示方面得到了广泛的应用。脉搏信号在 DCT 变换下主要集中在低频部分，且有着较好的稀疏性，相关结果如图 2.5 所示。图2.5 脉搏信号在离散余弦变换基下的稀疏表示2.4.3 测量矩阵的构造由于测量矩阵不是本文的重点，所以只介绍随机高斯矩阵、随机伯努利矩阵和稀疏随机观测矩阵。1. 随机高斯矩阵随机高斯矩阵为目前压缩感知最常用的测量矩阵之一，矩阵M NR 中的元素由独立同分布的随机数构成，且每一个元素都服从均值为 0，方差为1/ M 的高斯正态分布，其数学表达式为,1(0, )i jNM (2.14)任意的随机高斯观测矩阵都满足 RIP 准则，具有很强的随机性且能够与绝大
【参考文献】

相关期刊论文 前10条

1 胡广书;汪梦蝶;;生物医学信号处理研究综述[J];数据采集与处理;2015年05期

2 王婧;赵治栋;张晓红;杜加友;郑民;;基于确定性测量矩阵的心电信号压缩采样算法研究[J];测试技术学报;2015年01期

3 伍政华;王强;刘劼;孙明健;沈毅;;基于边膨胀图的压缩感知理论[J];自动化学报;2014年12期

4 彭向东;张华;刘继忠;;基于过完备字典的体域网压缩感知心电重构[J];自动化学报;2014年07期

5 王强;李佳;沈毅;;压缩感知中确定性测量矩阵构造算法综述[J];电子学报;2013年10期

6 张爱华;王平;丑永新;;基于动态差分阈值的脉搏信号峰值检测算法[J];吉林大学学报(工学版);2014年03期

7 康如婷;赵曙光;刘浩;;一种高效的PPG压缩感知重构算法[J];计算机工程与应用;2014年14期

8 张成;杨海蓉;韦穗;;托普利兹-循环块相位掩膜矩阵压缩成像[J];光子学报;2011年09期

9 宁万正;王海燕;申晓红;蒋世全;王璇;;一种自适应观测矩阵下的信号重构算法[J];计算机应用研究;2011年09期

10 石光明;刘丹华;高大化;刘哲;林杰;王良君;;压缩感知理论及其研究进展[J];电子学报;2009年05期

相关博士学位论文 前3条

1 丑永新;动态脉搏信号检测与脉率变异性实时分析方法研究[D];兰州理工大学;2015年

2 刘本源;快速块稀疏贝叶斯学习算法的理论与应用[D];国防科学技术大学;2015年

3 王春光;基于稀疏分解的心电信号特征波检测及心电数据压缩[D];国防科学技术大学;2010年

相关硕士学位论文 前2条

1 李敏;基于光电容积脉搏波的抗运动心率及血氧提取算法研究[D];北京理工大学;2016年

2 王利;信号处理方法在疲劳驾驶和亚健康研究中的应用[D];陕西师范大学;2012年

本文编号：2841511