人体脉搏检测方法研究及其应用

发布时间：2021-05-20 01:08

　　脉搏是人体重要的生理特征之一,综合了心脏、动脉管弹性和血液体积、粘度等信息,可作为诊断心血管疾病及其恶劣程度的指标。心血管疾病是威胁人类健康和生命的主要疾病之一,临床用于诊断心血管疾病的手段多是有创的,且检查费用较高,操作繁琐,给病人带来一定痛苦和负担。因此,基于脉搏波的心血管疾病检测方法研究具有重要理论意义和临床应用价值。本文详细分析了脉搏信号的噪声特点,给出了一种基于小波和经验模态分解的混合脉搏滤波算法；基于血液循环系统建模理论提取了血管弹性扩张系数,并设计了时域内提取脉搏信号特征量方法；研究了脉搏信号的时频域特性,提取了脉搏信号小波能谱概率分布和脉搏信号小波熵；采用统计学方法对所提取的脉搏信号特征量进行显著性检验,剔除无效特征量；结合支持向量机理论对有效脉搏信号特征量分类；设计了面向个人和家庭监护的人体脉搏检测仪,实现了脉搏的自动采集、无线传输、脉搏信号滤波、脉搏特征量提取和脉搏波自动识别等功能。临床实验表明,将该方法设计的人体脉搏检测仪应用到动脉硬化病症识别中,具有较高可行性,为基于脉搏波的心血管疾病检测方法提供一个新的思路。 

【文章来源】：北京化工大学北京市 211工程院校 教育部直属院校

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 引言
    1.2 脉搏检测方法现状和发展
        1.2.1 脉搏信号建模
        1.2.2 脉搏信号检测和提取
        1.2.3 脉搏信号滤波研究
        1.2.4 脉搏信号模式识别
    1.3 课题的研究意义及主要研究内容
        1.3.1 课题的研究意义
        1.3.2 课题主要研究内容
第二章 脉搏信号滤波算法研究
    2.1 引言
    2.2 脉搏信号分析
    2.3 小波变换理论
        2.3.1 小波变换定义
        2.3.2 多分辨多分析和Mallat算法
    2.4 改进阈值的小波滤波算法
        2.4.1 小波阈值滤波算法原理
        2.4.2 软阈值和硬阈值估计小波系数模型
        2.4.3 改进阈值的估计小波系数模型
    2.5 改进阈值的小波滤波算法仿真结果及其分析
        2.5.1 高频噪声滤波效果
        2.5.2 低频噪声滤波效果
    2.6 基于小波和经验模态分解的混合脉搏滤波算法
        2.6.1 经验模态分解
        2.6.2 基于阈值的EMD滤波方法
        2.6.3 混合算法实现过程
    2.7 小结
第三章 脉搏信号特征量提取和识别方法研究
    3.1 引言
    3.2 脉搏信号时域特征参数研究
        3.2.1 基于系统分析法的血液循环系统模型
        3.2.2 血管弹性扩张系数计算
        3.2.3 脉搏信号时域特征量识别
    3.3 脉搏信号时频域特征参数研究
        3.3.1 小波熵定义
        3.3.2 脉搏信号小波能谱概率分布和小波熵提取
    3.4 脉搏信号特征量统计学分析
        3.4.1 单因素方差分析数学模型和分布假设
        3.4.2 构造统计量
    3.5 脉搏信号特征量支持向量机分类
        3.5.1 统计学习理论
        3.5.2 支持向量机线性分类
    3.6 小结
第四章 人体脉搏检测仪设计与实现
    4.1 引言
    4.2 总体设计方案
    4.3 硬件设计方案
        4.3.1 脉搏传感器
        4.3.2 脉搏信号调理电路
        4.3.3 无线通信模块
    4.4 软件设计方案
        4.4.1 A/D采样和脉搏数据无线传输
        4.4.2 基于LabVIEW的人体脉搏检测仪软件设计
    4.5 小结
第五章 实验与分析
    5.1 引言
    5.2 基于小波和EMD的混合脉搏滤波算法参数选定
        5.2.1 不同小波基滤波效果对比
        5.2.2 不同分解层数滤波效果对比
        5.2.3 混合算法滤波效果
    5.3 血管弹性扩张系数相关性分析
        5.3.1 血管弹性扩张系数相关性实验设计
        5.3.2 血管弹性扩张系数相关性实验结果
    5.4 脉搏信号特征量方差分析结果与讨论
    5.5 脉搏信号特征量SVM分类结果
    5.6 人体脉搏检测仪重复性实验
    5.7 小结
第六章 结论与展望
    6.1 结论
    6.2 展望
参考文献
附录
    附录一
    附录二
    附录三
致谢
研究成果及发表的学术论文
作者及导师简介
附件


【参考文献】：
期刊论文
[1]利用三次样条差值法抑制脉搏波基线漂移[J]. 杨琳,张松,杨益民,邵帅,罗志昌.  北京生物医学工程. 2010 (02)
[2]基于小波变换的脉搏信号特征提取[J]. 周红标.  电子测量技术. 2009(09)
[3]小波阈值降噪算法中最优分解层数的自适应确定及仿真[J]. 王维,张英堂,任国全.  仪器仪表学报. 2009(03)
[4]运用小波模极大值滤波算法消除光电容积脉搏波中的运动干扰[J]. 张坤,焦腾,付峰,张雯,董秀珍.  仪器仪表学报. 2009(03)
[5]基于经验模态分解的脉搏信号特征研究[J]. 行鸿彦,许瑞庆,王长松.  仪器仪表学报. 2009(03)
[6]基于迭代方法的软阈值估计小波去噪[J]. 孙蕾,谷德峰,罗建书.  系统工程与电子技术. 2009(01)
[7]小波分析与神经网络在心脑血管疾病脉象信号分析识别中的应用[J]. 张维平,张寅,张莎萨,赵岚,杨波.  生物医学工程学进展. 2008(02)
[8]基于重搏波谷点的脉搏波波形特征量分析[J]. 杨琳,张松,杨益民,罗志昌.  北京生物医学工程. 2008(03)
[9]中医用高精度阵列脉搏传感器的设计(英文)[J]. 淮永进,韩郑生.  半导体学报. 2008(04)
[10]基于PVDF压电薄膜的脉搏测量系统研究[J]. 舒方法,石俊.  压电与声光. 2008(01)



本文编号：3196784