《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 模擬設(shè)計(jì) > 設(shè)計(jì)應(yīng)用 > 脈搏波信號(hào)的提取與雙域分析
脈搏波信號(hào)的提取與雙域分析
2019年電子技術(shù)應(yīng)用第2期
王 騫1，2,，徐雅潔1,，曾國(guó)強(qiáng)2，孫明山1
1.中國(guó)科學(xué)院蘇州生物醫(yī)學(xué)工程技術(shù)研究所 醫(yī)學(xué)影像室,，江蘇 蘇州215163,； 2.成都理工大學(xué) 核技術(shù)與自動(dòng)化工程學(xué)院，四川 成都610051
摘要： 通過(guò)深度解析壓力式和光電式傳感器檢測(cè)脈搏波的原理,，探索壓力式傳感器最佳的取脈壓,，最終實(shí)現(xiàn)對(duì)所測(cè)得的脈搏在時(shí)域和頻域內(nèi)分解。對(duì)20位志愿者進(jìn)行脈搏波測(cè)量,，利用壓電薄膜傳感器測(cè)量最佳取脈壓并與身體質(zhì)量指數(shù)（BMI）進(jìn)行三階多項(xiàng)式擬合標(biāo)定,，在時(shí)域和頻域?qū)γ}搏波分別進(jìn)行小波和傅里葉變換。測(cè)試結(jié)果表明,，光電式脈搏波存在淹沒(méi)特征點(diǎn)的弊端,，壓力式傳感器能清楚地觀察到特征點(diǎn)，但由于取脈壓的問(wèn)題導(dǎo)致波形有同體差異性,。通過(guò)對(duì)個(gè)體施加最佳取脈壓,，壓力式傳感器能以高信噪比來(lái)檢測(cè)脈搏波。時(shí)頻雙域分析可有效提取波形特征點(diǎn),，為連續(xù)血液測(cè)量提供了良好的數(shù)據(jù)源,。
中圖分類號(hào)： TN713.3
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.182905
中文引用格式： 王騫，徐雅潔,，曾國(guó)強(qiáng),，等. 脈搏波信號(hào)的提取與雙域分析[J].電子技術(shù)應(yīng)用,，2019，45(2)：53-57,，66.
英文引用格式： Wang Qian,，Xu Yajie，Zeng Guoqiang,，et al. Pulse wave extraction and dual domain analysis[J]. Application of Electronic Technique,，2019，45(2)：53-57,，66.
Pulse wave extraction and dual domain analysis
Wang Qian1,，2，Xu Yajie1,，Zeng Guoqiang2,，Sun Mingshan1
1.Medical Imaging Department，Suzhou Institute of Biomedical Engineering and Technology,， Chinese Academy of Sciences，Suzhou 215163,，China,； 2.College of Nuclear Technology and Automation Engineering，Chengdu University of Technology,，Chengdu 610051,，China
Abstract： Two methods for measuring pulse wave using either a pressure or an optical sensor are studied and compared. A model for determining the optimal external force for restraining the pressure sensor is proposed. Pulse waves are measured on 20 volunteers. The restraint force on the pressure sensor is slowly varied and recorded using a piezoelectric film sensor for each person until it reaches a so-called optimal acquisition pressure under which the pulse wave has the greatest amplitude. The optimal pressure is then analyzed using polynomial regression with the body-mass index(BMI). In addition, the pulse waves are decomposed in both the time and frequency domains to identify and extract the features corresponding to physiological activities. Pulse waves measured with the optical sensor method suffer from feature point loss where certain points are submerged and indistinguishable. The pressure sensor method can reveal the feature points clearly, but the waveform exhibits variations if the external force applied isn′t a constant. With the application of optimal acquisition force set by our model, the latter method is able to detect pulse wave with a high signal-to-noise ratio. The dual domain analysis is shown to extract features that can be later used for continuous blood pressure monitoring.
Key words : pulse wave；optimal pressure,；piezoelectric sensor,；dual domain analysis；blood pressure

0 引言

    正常的血壓是一個(gè)人健康的重要指標(biāo)之一,，血壓異常會(huì)給身體各個(gè)器官帶來(lái)負(fù)擔(dān),，從而引發(fā)高血壓、心臟病,、心血管疾病等并發(fā)癥[1],。血管壁彈性、血液粘度,、生理疾病等都會(huì)影響血液的傳播,，正因?yàn)槿绱瞬旁斐扇藗冄獕旱膫€(gè)體差異[2]。從以往的研究中發(fā)現(xiàn),，大部分研究者對(duì)不同信號(hào)源的分析做出比對(duì)的很少,。趙澤龍等人對(duì)脈搏波做了簡(jiǎn)單的頻域分析，并未給出幅值分量的分布圖[3],。呂海姣等人利用時(shí)域分解對(duì)血壓進(jìn)行了估計(jì),，誤差為

±8 mmHg,，但并未對(duì)傳感器壓力做最佳取脈壓擬合，導(dǎo)致誤差較大[4],。

    為了實(shí)現(xiàn)對(duì)血壓的準(zhǔn)確估計(jì),，本文對(duì)脈搏做了詳致的分析和研究。從信號(hào)源出發(fā),，對(duì)脈搏波的兩種獲取方式做了對(duì)比分析,，并評(píng)估兩種方式的優(yōu)缺點(diǎn)。從分析手段角度,，對(duì)脈搏波做了雙域（時(shí)域和頻域）分解,。在時(shí)域中，本文利用小波變換對(duì)脈搏波做了分解,，標(biāo)定了脈搏波隱匿的特征點(diǎn)[5],。在頻域中對(duì)脈搏波進(jìn)行了快速傅里葉變換得到了幅值和相位[6]，界定了脈搏波在頻域的頻率分布,，這對(duì)脈搏波特征點(diǎn)的識(shí)別提供了參考,。

1 脈搏波的獲取

    脈搏波的獲取通常有兩種方式，一種是通過(guò)光源和光電傳感器來(lái)獲取血流的光電容積波圖（photoplethysmogram,，PPG),，屬間接測(cè)量；另外一種是通過(guò)壓力傳感器直接測(cè)量血管壁的壓力,。通過(guò)實(shí)驗(yàn)發(fā)現(xiàn),，第一種方式采樣在指尖（末梢循環(huán)相對(duì)橈動(dòng)脈較弱）或其他淺層動(dòng)脈且通過(guò)變化的血液量對(duì)光的吸收率來(lái)測(cè)得，是一種間接測(cè)量,，所得到的脈搏波具有特征點(diǎn)不明顯,、幅度小等特點(diǎn)[7]。第二種則可以清晰地分辨出特征點(diǎn),，幅值也比較大,。

1.1 PPG獲取脈搏波原理

    如圖1所示，當(dāng)一束光穿透手指時(shí),，由于心臟的搏動(dòng)會(huì)引起動(dòng)脈中的血液量發(fā)生周期性的變化,，而在血液循環(huán)到淺層動(dòng)脈時(shí)，血管中的紅細(xì)胞等會(huì)吸收部分的光,。血液量周期性的改變導(dǎo)致對(duì)光的吸收率產(chǎn)生周期性的變化,，此時(shí)在同一側(cè)或另外一側(cè)安裝的光敏元件會(huì)檢測(cè)出光的吸收率，從而把脈搏波信號(hào)繪制出來(lái),。之后再經(jīng)過(guò)對(duì)PPG信號(hào)的濾波和放大就可以得到干凈的脈搏波信號(hào),。

ck4-t1.gif

    Xing Xianman等人[7]詳細(xì)推導(dǎo)了PPG信號(hào)與血壓的關(guān)系，最后得到如下關(guān)系式：

    ck4-gs1.gif

其中,，b為一個(gè)積分常數(shù),，r為血管半徑,，p為動(dòng)脈的透壁壓，pmin為初始透壁壓,。利用式(1)加上一些線性變換就可以根據(jù)血液的變化量檢測(cè)出脈搏波信號(hào),。

1.2 壓力式傳感器原理

    壓力傳感器可分為壓阻式、壓電式等類型,。本文采用霍尼韋爾1865型壓阻式傳感器,，其內(nèi)部搭載了一個(gè)平衡電橋，如圖2所示,。

ck4-t2.gif

    當(dāng)該壓阻傳感器被放置于手腕橈骨動(dòng)脈上,，壓敏電阻R1的阻值會(huì)隨所施加的壓力變化而發(fā)生改變，從而在負(fù)載端產(chǎn)生壓差U0,。輸出電壓信號(hào)與電阻變化的關(guān)系[8]為：

    ck4-gs2.gif

其中,，E為電源電壓，ck4-gs2-x1.gifR1為R1的變化量,，由式(2)可知,，壓阻式傳感器把動(dòng)脈壁的壓力變化轉(zhuǎn)化成電阻的改變，最終把電阻的變化量轉(zhuǎn)換成電壓信號(hào),。

1.3 兩種方法對(duì)比

    為定性分析PPG與壓阻傳感器對(duì)脈搏波信號(hào)檢測(cè)的效果,，實(shí)驗(yàn)中選取了一個(gè)患有心率不齊的實(shí)驗(yàn)對(duì)象作為對(duì)比，實(shí)驗(yàn)結(jié)果如圖3所示,。

ck4-t3.gif

    從圖3可以看出，無(wú)論是患病情況還是正常情況,，壓電傳感器的信號(hào)具有幅值大,、特征點(diǎn)明顯等優(yōu)點(diǎn)。但從實(shí)驗(yàn)中發(fā)現(xiàn),，給傳感器施加適當(dāng)?shù)膲毫κ谦@得優(yōu)良脈搏波的關(guān)鍵,，反之就會(huì)帶來(lái)嚴(yán)重的基線漂移和波形重疊。

1.4 最佳取脈壓

    圖4所示為不同取脈壓時(shí)的脈搏波,。在低壓時(shí),，脈搏波幅值很小，然而在高壓14 N時(shí),，脈搏波表現(xiàn)為嚴(yán)重的基線偏移和波形重疊,。因此只有在合適的壓力范圍內(nèi)波形較為良好。

ck4-t4.gif

    研究發(fā)現(xiàn),，施加在傳感器的壓力與軟組織平衡時(shí),，此時(shí)脈搏波的波形最為明顯[9]。對(duì)此,，本文做了大量的實(shí)驗(yàn)來(lái)研究壓阻傳感器的最佳取脈壓,。實(shí)驗(yàn)中采用身體質(zhì)量指數(shù)(BMI)來(lái)對(duì)最佳取脈壓做3階多項(xiàng)式擬合,，實(shí)驗(yàn)步驟如下：

    (1)找到合適的位置，將壓阻傳感器安置在橈動(dòng)脈,。

    (2)將額外的一個(gè)壓電薄膜（有效面積約為75 mm2）放置在傳感器探頭下調(diào)整薄膜讀出壓力為2 N后,，以周期500 ms存儲(chǔ)20組壓力數(shù)據(jù)，最后移除壓電薄膜并檢測(cè)出此時(shí)的脈搏波,。

    (3)測(cè)量結(jié)束后再次將壓電薄膜放置在傳感器的探頭上并增加壓力0.5 N,，重復(fù)步驟(2)致壓力為10 N停止。

    (4)找出一組幅值大,、特征點(diǎn)明顯的脈搏波,，并用中值濾波來(lái)擬合出由壓電薄膜所測(cè)出壓力的基線。

    (5)得到壓力與基線最大的差值并記錄此時(shí)的基線值,。

    (6)對(duì)20位志愿者重復(fù)以上步驟后,，使用BMI來(lái)對(duì)步驟(5)得到的基線值做3階多項(xiàng)式擬合，此時(shí)得到的曲線為最佳取脈壓回歸線,，其中BMI由式(3)確定：

    ck4-gs3.gif

其中,，W為體重（kg），H為身高（m）,。

    經(jīng)擬合,，最佳取脈壓(OP)由式(4)確定：

     ck4-gs4.gif

    擬合結(jié)果如圖5所示，從圖中可以得出最佳取脈壓取在BMI為24之前基本上是線性的,，但在24之后曲線呈緩慢上升趨勢(shì),。在中國(guó)，當(dāng)BMI超過(guò)24之后被認(rèn)為是超重的,，與此同時(shí),，橈動(dòng)脈上方的軟組織厚度也會(huì)增加，這就需要更大的力來(lái)使得傳感器探頭和軟組織下方動(dòng)脈搏動(dòng)的壓力平衡,。需要注意的是,，式(4)只適用于BMI在16～26之間的情況。從圖5(b)中可以看出最佳取脈壓在曲線兩端呈緩慢變化,，超出此范圍的BMI需另做擬合,。另外，對(duì)于多項(xiàng)式的階次來(lái)說(shuō)也不是越高越好,。實(shí)驗(yàn)中發(fā)現(xiàn),，當(dāng)階次大于等于5時(shí)，其擬合的系數(shù)為零,。

ck4-t5.gif

2 脈搏波的雙域分析

    通過(guò)上面對(duì)最佳取脈壓的擬合之后,，能夠很好地檢測(cè)出脈搏波，能基本排除波形的重疊和基線漂移,。接下來(lái)將在時(shí)域和頻域內(nèi)對(duì)脈搏波進(jìn)行分解,。

2.1 脈搏波的時(shí)域分解

    標(biāo)準(zhǔn)脈搏波特征點(diǎn)如圖6所示,，共計(jì)7個(gè)點(diǎn)，其中不同的點(diǎn)都對(duì)應(yīng)著相應(yīng)的生理活動(dòng),。其中e點(diǎn)是收縮區(qū)和舒張區(qū)的分界點(diǎn),，但此點(diǎn)基本在25歲以下是不明顯的，這給它的識(shí)別帶來(lái)了困難,。研究發(fā)現(xiàn)：e點(diǎn)的頻率大約在5 Hz[10],。因此本文采用sym6小波進(jìn)行5層分解，從圖7可以看出小波高頻分解第三層分解的頻率在13.5～6.75 Hz,。根據(jù)頻域分析決定e點(diǎn)在高頻分解第三層的波形中第二個(gè)極值點(diǎn)為該點(diǎn),，詳情見(jiàn)圖8。

ck4-t6.gif

ck4-t7.gif

ck4-t8.gif

    小波變換每一層分解的頻率都不一樣,，這樣就可以把隱藏的特征點(diǎn)識(shí)別出來(lái),，其中sym6小波m0(w)和小波變換由式(5)、式(6)確定[11-12],。

ck4-gs5-6.gif

    由于脈搏波的特征點(diǎn)多樣性和環(huán)境干擾(工頻干擾,、高頻干擾等)，采用單周期來(lái)分解脈搏波,。由于脈搏波信號(hào)最大的頻率約為20 Hz,，根據(jù)香農(nóng)定理(采樣頻率大于信號(hào)最大頻率的2倍以上)設(shè)置采樣頻率為108 Hz，在這種頻率脈搏波能夠被不失真地采集出來(lái),。接著將采集到的脈搏波進(jìn)行軟件濾波,，并識(shí)別出極大值、極小值點(diǎn)和e點(diǎn),。為驗(yàn)證識(shí)別效果,，給一組含有基線漂移和直流分量的脈搏波進(jìn)行不明顯的e點(diǎn)甄別，結(jié)果顯示有較高的識(shí)別率,，如圖9所示,。

ck4-t9.gif

2.2 脈搏波的頻域分解

    為分析脈搏在頻域的頻率范圍和相位分布,，以此來(lái)定性地分析脈搏波時(shí)域特征參數(shù)和相關(guān)生理活動(dòng)與頻域內(nèi)頻率的聯(lián)系,。本文采用快速傅里葉變換來(lái)完成。需要注意的是：若想得到較好的頻譜,，必須先對(duì)脈搏波數(shù)據(jù)（若數(shù)據(jù)長(zhǎng)度為N）做以下步驟,。

    (1)消除直流分量和趨勢(shì)項(xiàng)。

    (2)使脈搏波數(shù)據(jù)為N=2k(k為正整數(shù))個(gè)采樣點(diǎn),。

    (3)為數(shù)據(jù)列添加N個(gè)零點(diǎn)來(lái)預(yù)防柵欄效應(yīng)的發(fā)生,。

    離散快速傅里葉變換由式(7)給出。

ck4-gs7-8.gif

其中,，F(xiàn)s為采樣率,。對(duì)某一志愿者的壓力波進(jìn)行頻譜分析,，結(jié)果如圖10所示。

ck4-t10.gif

    由圖10可知該志愿者脈搏波的頻域峰值能量集中在0.3 Hz,、1.2 Hz,、2.4 Hz和4.8 Hz，在10 Hz以后就很少有幅值分量,。根據(jù)生理特征,，認(rèn)為0.3 Hz是其呼吸的頻率，1.2 Hz是心率,。相位在低頻部分正負(fù)擺動(dòng),，且不同的人和不同的脈搏波周期表現(xiàn)不盡相同。因此,，得出結(jié)論：(1)在靜息狀態(tài)下,，脈搏波的頻率范圍基本在10 Hz以下；(2)脈搏波的頻譜是由心率,、心率附近的頻率及其高次諧波頻率疊加形成的,。這點(diǎn)在時(shí)域分析(小波變換)時(shí)可以得到相互的印證。

3 結(jié)論

    本文對(duì)兩種常見(jiàn)的脈搏波獲取方式即PPG法和壓力式傳感器法做了對(duì)比分析,，發(fā)現(xiàn)壓力傳感器能在復(fù)雜因素（心率不齊,、組織水腫）下保留更多的脈搏波特征。其波形形態(tài)會(huì)受到施加在傳感器探頭的壓力變化而變化,，因此一個(gè)合適的外加壓力就顯得尤為重要,。對(duì)此，本文利用BMI進(jìn)行了三階多項(xiàng)式擬合,，發(fā)現(xiàn)有較好的對(duì)應(yīng)關(guān)系,，由此確定了最佳取脈壓。在時(shí)域識(shí)別了特征點(diǎn),、頻域中分析了脈搏波頻譜,，為連續(xù)血液測(cè)量提供了良好的數(shù)據(jù)前期處理和特征點(diǎn)源。本文不足之處在于在檢測(cè)脈搏波之前,，必須要在腕關(guān)節(jié)上找到橈動(dòng)脈的位置,，這給實(shí)驗(yàn)帶來(lái)了一定的主觀誤差，在以后的研究中重點(diǎn)來(lái)解決這個(gè)問(wèn)題,。

參考文獻(xiàn)

[1] LEWINGTON S,，CLARKE R，QIZILBASH N,，et al.Agespecific relevance of usual blood pressure to vascular mortality：a meta-analysis of individual data for one million adults in 61 prospective studies[J].Lancet,，2002，360(9349)：1903-1913.

[2] LAX H，F(xiàn)EINBERG A W,，BURTON M.Studies of the arterial pulse wave：the normal pulse wave and its modification in the presence of human arteriosclerosis[J].Journal of Chronic Diseases,，1956，3(6)：618-631.

[3] 趙澤龍,，康明銘,，熊浩，等.脈搏波信號(hào)的頻譜分析[J].中國(guó)科技信息,，2016,，41(12)：103-104.

[4] 呂海姣，嚴(yán)壯志,，陸維嘉,，等.一種基于脈搏波的無(wú)創(chuàng)連續(xù)血壓測(cè)量方法[J].中國(guó)醫(yī)療雜志，2011,，35(3),；169-173.

[5] 徐可欣，王繼寸,，余輝,，等.脈搏波時(shí)域特征與血壓相關(guān)性的研究[J].中國(guó)醫(yī)療設(shè)備，2009,，24(8)：42-45.

[6] 宋知用.MATLAB數(shù)字信號(hào)處理[M].北京：北京航空航天大學(xué)出版社,，2016.

[7] Xing Xianman，Sun Mingshan.Optical blood pressure estimation with photoplethysmography and FFT-based neural networks[J].Biomedical Optics EXPRESSS,，2016,，7(8)：3007-3020.

[8] 郭友達(dá).可穿戴式智能血壓檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].南京：南京理工大學(xué)，2017.

[9] 李晶.不同取脈壓下的脈搏波分析研究[D].河北：燕山大學(xué),，2015.

[10] Zheng Gang,，Huang Qingjun，Yan Guodong,，et al.Pulse waveform key point recognition by wavelet transform for central aortic blood pressure estimation[J].Journal of Information & Computational Science,，2012，9(1)：25-33.

[11] 方清城.小波分析22個(gè)算法實(shí)現(xiàn)[M].北京：電子工業(yè)出版社,，2017.

[12] 劉明君,，董增壽.基于改進(jìn)小波變換的手臂肌電信號(hào)去噪算法的研究[J].電子技術(shù)應(yīng)用，2018,，44(3)：122-125.




作者信息:

王  騫1,，2,，徐雅潔1,，曾國(guó)強(qiáng)2，孫明山1

（1.中國(guó)科學(xué)院蘇州生物醫(yī)學(xué)工程技術(shù)研究所 醫(yī)學(xué)影像室,，江蘇 蘇州215163,；

2.成都理工大學(xué) 核技術(shù)與自動(dòng)化工程學(xué)院,，四川 成都610051）

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載,。