运动噪声环境中穿戴设备心率提取算法研究

发布时间：2020-05-18 06:25

【摘要】：心率检测作为医疗监护中最常见的检查之一,是最能衡量人体健康程度的标志。因此,使用可穿戴设备实时监测心率的变化,不仅能够使得人们每时每刻了解到自己的身体状况。还可以对控制运动提供指导依据,避免由于过激运动而给免疫系统等带来较大的压力。但是光电容积脉搏信号极易受到运动伪影的干扰使得心率监测误差大。那么如何消除运动伪影对光电容积脉搏信号的影响从而提高心率检测的准确率。本文为使减少运动干伪影对光电容积脉搏信号的干扰是展开研究。本文立足于光电容积脉搏信号的特点,提出了两种方法框架来减少光电容积脉搏信号中的运动伪迹。第一种是基于加速度传感器的自适应滤波方法用于从光电容积脉搏信号中提取心率。考虑到归一化LMS算法的收敛速度慢及跟踪能力慢等问题,提出一种基于双曲正弦函数的非线性关系的变步长LMS算法(HSFLMS算法)。在框架中应用运动判别对光电容积脉搏信号进行运动状态检测,再对运动情形下的光电容积脉搏信号应用自适应滤波处理。实验结果表明了应用于框架中的HSFLMS算法能有效的重构光电容积脉搏信号,最后在光电容积脉搏信号中提取的心率值。第二种是为了解决第一种中可能出现加速度信号与噪声干扰信号无关的的问题。提出一种小波阈值法和自适应滤波法相融合的新的框架。使用小波阈值法消噪后的光电容积脉搏信号和加速度计产生的加速度信号作为参考信号源。并在自适应滤波系统中,提出了一种新的基于洛伦兹函数的迭代因子和误差信号的非线性关系的变步长LMS算法(LVS-LMS算法)。将新的参考信号源和LVS-LMS算法应用于框架中,能够有效的重构光电容积脉搏信号从而准确的提取心率。和传统的快速傅里叶变换心率提取方法比较,本文的方法计算的心率值更精确。
【图文】：

心率测量,自适应滤波,噪声抵消,脉搏波

自适应技术在不同的领域成功应用的越来越多。比如信号增强模型、回波消除模型、逡逑系统辨识模型、信道均衡模型、噪声消除模型、自适应波束形成模型以及控制等许许逡逑多多领域。图３．１展示了两种典型的自适应滤波系统的应用。自适应系统结构主要分逡逑为非递归结构的ＦＩＲ滤波器和递归结构的ＩＩＲ滤波器的两种方式来实现。自适应系统逡逑中的自适应算法，是根据滤波器系数自适应调整从而使的某个提前确定的规则能够达逡逑到最优化。算法的选择会对整个自适应过程的一些关键特性产生直接的影响。这些关逡逑１６逡逑

曲线图,曲线图,参数,双曲正弦函数

逦２逡逑Ｘ逡逑图３．３双曲正弦函数图像逡逑１．４邋ｉ逦ｉ逦ｃ逦ｃ逦ｃ逦ｃ逦逦逡逑１．２邋－逦－逡逑１邋＾逦ｒ逡逑＼邋／逡逑０．８邋－邋＼邋／邋－逡逑＇逦Ｖ逦？逡逑＼邋／逡逑０．６邋＇邋＼邋／邋－逡逑＼邋／逡逑０．４－逦、逦／逦－逡逑＼邋／逡逑０２－邋＼邋，’邋－逡逑＇、、＼邋，’逡逑Ｑ邋Ｌ逦Ｃ逦［逦？—邋ｒ邋＿■－－逦￡逦ｉ逦逡逑－３－２－１０１２３逡逑ｘ逡逑图３．４变换后的函数图像逡逑４．＼逦／邋同逡逑－．１邋＼逡逑。，，＼＼邋＼逦／邋／ｒ＾－逡逑１邋＼邋＾逡逑Ｑ邋逦Ｃ逦Ｃ逦ｃ逦ｒ逦ｒ逦ｒ邋逦ｊ；逦邋ｒ逦．逡逑－１逦－０．８逦－０．６逦－０．４逦－０．２逦０逦０．２逦０．４逦０．６逦０．８逦１逡逑ｅ（ｎ）逡逑（ａ）邋ｂ变化时的曲线逡逑图３．５（ｃ）为参数0、６、ｃ不变，对ｄ进行调整时，ｅ（？）和卢⑷之间的函数曲线图，其逡逑中，ｇ邋＝邋０．９００、６邋＝邋２．５００、ｃ邋＝邋０．００２。参数６、ｃ越大，曲线越陡峭，因此，参数６、逡逑２２逡逑
【学位授予单位】：长沙理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TH77

【参考文献】