论文部分内容阅读
脉搏信号处理是一种人体生理和病理分析的重要手段。随着传感技术和相关理论的发展,基于容积脉搏波的血氧饱和度、脉率及脉率变异性(Pulse Rate Variability,PRV)监测成为现代医疗重要检测指标。由于脉搏波采集方便,便携式的基于脉搏波体征状态监测及分析装置将会在5G和物联网时代对人体健康实时监测发挥重要作用。基于以上背景,本文设计一种头戴式的基于容积脉搏波信号处理的生理监测和分析系统。本文根据光电反射式采集的脉搏波信号进行血氧脉率计算及脉率变异性分析;装置能够对体征状态实时监测,对异常情况能及时预警,通过上传云端对人体生理及精神状态进行统计研究,为人体长期健康分析提供参考。本文从生理监测准确性、指标分析可行性、装置便携性和信号处理优化等方面对监测系统进行研究与分析。在装置设计方面,采用性能较好、集成度高并且功耗较低的采集和处理模块,优化采集控制软件,设计佩戴检测程序,提高采集处理性能,降低整体功耗。在体征信号处理方面,对信号中脉冲干扰采用邻域均值法去除,对高频噪声采用滑动窗口均值去除,设计经验模态分解(Empirical Mode Decomposition,EMD)算法对脉搏波有效信号重构提取,根据改进动态差分阈值法对特征点进行定位,拟合血氧计算参数。在脉率变异性分析方面,优化脉搏间期采集方法,设计一种基于EMD变换后单个分量的特征点提取法,对PRV信号进行时域统计学分析,运用PRV信号的集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)分解重构来进行功率谱密度分析。设计实验对装置的整体功耗、体征监测参数准确性和PRV分析的可行性进行测试。装置续航时间大约为9小时;血氧误差绝对值静坐时不大于3%,走动时不大于4%,脉率误差绝对值均值在0.9%～2.1%,达到预期指标;心率变异性(Heart Rate Variability,HRV)和PRV频率指标相关性大于0.95,时域指标相关性大于0.98;在PRV和HRV的Bland-Altman一致性分析图中,所有指标分析中都有超过95%的样本处于一致性界限区间内,PRV信号分析指标相对HRV具有较高一致性。