论文部分内容阅读
心脏每分钟搏动次数为心率值,是重要的心脏健康指数。在生命体征监测中,心率是一个重要的健康指标,为疾病诊断、健康监测、运动分析等领域提供数据参考。但现有的心率监测设备存在很大的局限性,测试者必须在静止状态或在特定位置进行检测才能保证测得心率的准确性。由于这样的限制,随时随地监测心率并不能实现。光电容积脉搏波描记法(Photopl ethysmography,PPG)是一种借助光电技术在活生命体组织中检测血液容积变化的无创检测方法。伴随着心脏跳动,当一束固定波长的照射到皮肤表面时,经过皮肤表层、肌肉、血液等组织的光衰减,光束将通过反射、透射这两种方式传送到光电接收器,进而转换成非平稳周期电信号。通过对电信号的节律、周期、振幅分析计算,可获得心率值。此外,PPG传感器尺寸较小,适合嵌入到可穿戴设备中。因此,可穿戴心率实时监测可以通过采集、分析、处理PPG信号实现。然而,目前通过处理PPG信号计算心率仍存在很多挑战。由于PPG信号是从皮肤表面提取的生物信号,它具有信号强度弱、易受干扰的特征,工频噪声、环境噪声、运动干扰等都会对采集的信号质量造成很大影响,并难以滤除。运动干扰是由运动中组织干扰、静脉血容量以及光程变化导致的,由于运动干扰的主要频率在很多情况下会与心率的频率发生重叠,在多种干扰中,最难以消除。伴随着可穿戴设备的兴起,针对运动干扰和噪声干扰消除的研究开始增加。其主要实现方法可分为两类:(1)独立成分分析方法,小波变换算法,经典模式分解方法,以上算法均为非实时离线算法,拥有去噪效果好,计算精度高的优势,但这类算法的复杂度很高,需要处理大量的离线原始数据确定数据相关性,不适用于可穿戴设备实时监测计算心率;(2)自适应滤波器算法可以在没有先验统计规律的前提下,根据参考信号实时调整滤波器参数,动态去除噪声。但自适应滤波算法存在处理速率要求过高或去噪精度低等问题。本文将对PPG信号采集原理及信号特性进行研究分析,并采集指尖PPG信号,分析比较几类现阶段常用运动和干扰消除算法效果。其次,本文设计并实现了一种可穿戴PPG设备原型,该原型由波长为570nm的绿光作为探测光源,六轴加速度计采集运动参考数据。基于该设备原型和对现有算法的分析比较,提出了一种运动和噪声干扰消除机制(Motion and Noise Artifacts Reduction Mechanism(MNARM)),通过融合归一化最小均方差自适应滤波和Mallat算法,达到分别消除运动干扰和噪声干扰的目的。利用MNARM,腕部PPG设备可实现实时心率处理显示,或者通过蓝牙将PPG信号传输至计算机端进行处理。文中设计三种实验,分别检验原型机和算法在噪声消除、个体性差异、运动强度方面的效果,分析实验结果可知算法效果噪声消除效果良好,有较强的个体差异适应性,在运动强度低于8.5km/h情况下,测量准确率高,误差范围在5%内。