專利名稱：基于第二代小波的脈搏信號特征點的提取方法
技術領域：
本發(fā)明屬于生理信號處理領域，涉及脈搏信號的處理方法，更具體地，涉及基于第二代小波的脈搏信號特征點的提取方法。
背景技術：
脈搏信號是循環(huán)系統(tǒng)動態(tài)過程的重要可檢生理信號，是人體活動最靈敏、最可靠的信息源之一。其中，作為脈搏信號特征點的單波起點、主波波峰、重搏波波谷和重搏波波峰(分別如圖1所示a、b、c和d點)，其幅值和位置可進一步體現(xiàn)心血管的功能狀況。例如，主波波峰的幅值可反映左心室的射血功能和大動脈的順應性，重搏波波峰可反映外周阻力的大小。因此，從臨床分析與診斷的角度而言，通過準確定位脈搏信號特征點可推導出相應的生理特征數(shù)據(jù)。因此，脈搏信號特征點的獲取成為脈搏信號采集的重要方面。小波變換是80年代后期興起的一種數(shù)學分析工具，它克服了 Rmrier變換時域信息不足的缺點，在時域和頻域均有良好的局部化特性。1996年提出的小波提升方案、即第二代小波變換由于完全在時域內(nèi)進行，運算量少且可實現(xiàn)整數(shù)到整數(shù)的變換，目前已在諸如數(shù)字信號處理、圖像處理、語音分割與合成等眾多領域均取得很好的應用效果。現(xiàn)有技術中，小波變換也是脈搏信號特征點提取的重要手段之一。目前，脈搏信號特征點的提取主要有以下兩種方法。第一類方法是基于第一代小波和模極大值法結(jié)合的脈搏信號特征點檢測方法。其工作原理簡述如下對脈搏信號做多個尺度(j = 1 η)的第一代小波變換；然后根據(jù)信號奇異點位置確定主波波峰和重搏波波峰的模極大值對，并在各自對應的模極大值對的時間范圍內(nèi)搜索原始信號最大值來提取脈搏信號主波波峰和重搏波波峰；最后通過設定時間窗來提取脈搏信號單波起點和重搏波波谷點。這一類方法的主要缺點在于第一代小波的計算復雜度高，不適用于硬件實現(xiàn)，無法進行實時處理。第二類方法是使用第二代小波Donoho提升方案對脈搏信號進行小波變換，并獲取脈搏信號的特征向量。該方法在申請?zhí)枮?00610113292、題為基于提升方法的脈搏波信號處理的專利申請中詳細描述，其工作原理簡述如下采集脈搏信號，采用自適應相干模板法對信號進行預處理濾波；優(yōu)選多個完整的典型脈搏波形，采用閾值搜索法獲取連續(xù)穩(wěn)定波形，并采用時域聚類法去除在周期上不合格的波形；選擇Donoho小波對處理后的脈搏波信號進行第二代小波變換；最后對得到的小波系數(shù)進行閾值處理，從而得到一維特征向量。 這一類方法的缺點在于1)在小波變化前需對原始脈搏信號進行多次預處理，增加了運算復雜度，不利于實時檢測；2)在小波變換后僅能提取出小波系數(shù)的一維特征向量，而無法具體檢測出脈搏信號的各特征點，影響后續(xù)處理。

發(fā)明內(nèi)容
本發(fā)明要解決的技術問題在于，針對現(xiàn)有技術中的脈搏信號特征點的提取方法計算復雜、預處理步驟過于繁瑣、無法實現(xiàn)實時處理與檢測以及硬件實現(xiàn)難度高的缺點，提供計算復雜度降低、無需預處理步驟、便于硬件實現(xiàn)且可實現(xiàn)實時處理與檢測的基于第二代小波的脈搏信號特征點的提取方法。本發(fā)明要解決的技術問題通過以下技術方案得以實現(xiàn)提供基于第二代小波的脈搏信號特征點的提取方法，其中，所述方法包括基于第二代小波分解脈搏信號以及基于模極大值法提取脈搏信號特征點。在上述基于第二代小波的脈搏信號特征點的提取方法中，所述基于第二代小波分解脈搏信號包括以下步驟Al 設定分解層數(shù)，在所述分解層數(shù)下將第一信號分裂為奇數(shù)列信號與偶數(shù)列信號；A2 基于步驟Al中的所述奇數(shù)列信號與所述偶數(shù)列信號，采用小波系數(shù)預測模型預測所述分解層數(shù)下的小波系數(shù)；以及A3 采用尺度系數(shù)更新模型更新所述分解層數(shù)下的尺度系數(shù)。在上述基于第二代小波的脈搏信號特征點的提取方法中，在所述步驟A2中，所述小波系數(shù)預測模型為d，=dn其中，i代表第i層分解層數(shù)，1代表第1個采樣點，劣_為第i + Ι層分解層數(shù)下第 1個采樣點的小波系數(shù)的預測結(jié)果，為第i層分解層數(shù)下尺度系數(shù)的奇數(shù)列信號，以及
為第i層分解層數(shù)下尺度系數(shù)的偶數(shù)列信號。在上述基于第二代小波的脈搏信號特征點的提取方法中，在所述步驟A3中，所述尺度系數(shù)更新模型為-0.0625*(C1) -C1)) + 0.5*d;1+r)其中，i代表第i層分解層數(shù)，1代表第1個采樣點，為第i+Ι層分解層數(shù)下第 1個采樣點的尺度系數(shù)的更新結(jié)果，才。為第i層分解層數(shù)下尺度系數(shù)的偶數(shù)列信號，劣為第i+Ι層分解層數(shù)下第1個采樣點的小波系數(shù)的預測結(jié)果，必丨υ為第i+Ι層分解層數(shù)下第 1+1個采樣點的小波系數(shù)的預測值，以及老丨υ為第i+ι層分解層數(shù)下第1-1個采樣點的小波系數(shù)的預測值。在上述基于第二代小波的脈搏信號特征點的提取方法中，所述基于模極大值法提取脈搏信號特征點包括以下步驟Bl 確定當前分解層數(shù)下小波系數(shù)的多個正-負極大值對；B2 采用過零點計算模型確定步驟Bl中所述多個正-負極大值對的多個過零點；B3 基于步驟B2中所述多個過零點確定脈搏信號的多個主波波峰范圍；B4 在步驟B3中的所述多個主波波峰范圍內(nèi)確定多個主波波峰，所述主波波峰點為第一特征點；B5 設定第一時間窗，以步驟B4中所述多個第一特征點為起始點，在所述第一時間窗內(nèi)確定多個單波起點，所述單波起點為第二特征點；B6 基于步驟B4中所述多個第一特征點確定脈搏信號的多個重搏波定位點；B7 設定第二時間窗，以步驟B6中所述多個重搏波定位點為起始點，在所述第二時間窗內(nèi)分別確定多個重搏波波峰與多個重搏波波谷，所述重搏波波峰與重搏波波谷分別為第三特征點和第四特征點。在上述基于第二代小波的脈搏信號特征點的提取方法中，所述步驟Bl包括以下子步驟Bll 確定當前分解層數(shù)下小波系數(shù)的多個正極大值點與負極大值點；B12:分別采用極大值點閾值計算模型與極小值點閾值計算模型確定當前分解層數(shù)下小波系數(shù)的極大值點閾值與極小值點閾值；B13:基于所述多個正極大值點與所述極大值點閾值的關系以及所述多個負極大值點與所述極小值點閾值的關系確定所述正-負極大值對。在上述基于第二代小波的脈搏信號特征點的提取方法中，在所述步驟B12中，所述極大值點閾值計算模型為t\ =^-X ^-(M1 +M2 +M3 +M4)其中，th為極大值點閾值，MpM2、M3和M4為將所述小波系數(shù)分為四段后每一段的小波系數(shù)的最大值；所述極小值點閾值計算模型為th2 =全 χ 去(Azr1 + TV2 + TV3 + TV4 )其中，tt!2為極小值點閾值，N1,N2,N3和N4為將所述小波系數(shù)分為四段后每一段的小波系數(shù)的最小值。在上述基于第二代小波的脈搏信號特征點的提取方法中，在所述步驟B2中，所述過零點計算模型為
_ KjxZ1+ Κ|χ/2
_7] KKKI其中，I0為過零點位置，I1為正-負極大值對的正極大值點位置，Cl1為正-負極大值對的正極大值點對應的小波系數(shù)，I2為正-負極大值對的負極大值點位置，以及d2為正-負極大值對中負極大值點對應的小波系數(shù)。在上述基于第二代小波的脈搏信號特征點的提取方法中，在所述步驟B2與B3之間，所述基于模極大值法提取脈搏信號特征點還包括對所述步驟B2中確定的多個過零點進行修正。在上述基于第二代小波的脈搏信號特征點的提取方法中，所述步驟B6包括確定多個主波波峰的兩個之間的模極大值點，所述模極大值點為重搏波定位點； 或者在多個主波波峰的兩個之間采用漏檢點補償模型確定重搏波定位點。實施本發(fā)明的基于第二代小波的脈搏信號特征點的提取方法，可以獲得以下有益效果基于第二代小波分解脈搏信號可有效降低計算復雜度，同時降低硬件實現(xiàn)難度，便于在嵌入式平臺上實現(xiàn)本發(fā)明的脈搏信號特征點提取方法；采用模極大值法對基于第二代小波分解的脈搏信號進行提取時可準確提取出脈搏信號的特征點，并可針對性地刪除錯檢點和誤檢點，以及補償漏檢點，降低錯檢率與誤檢率。本發(fā)明的方法可在有效降低計算復雜度的前提下準確提取脈搏信號特征點，實現(xiàn)方便且準確率高。


以下將結(jié)合附圖和具體實施例對本發(fā)明作進一步詳細說明。附圖中圖1是典型的脈搏信號的示意圖；圖2是根據(jù)本發(fā)明的基于第二代小波的脈搏信號特征點的提取方法的流程圖；圖3是根據(jù)本發(fā)明的基于雙正交樣條小波biorl. 3分解脈搏信號的示意圖；圖4是根據(jù)本發(fā)明的基于雙正交樣條小波biorl. 3分解脈搏信號的方法的流程圖；圖5是根據(jù)本發(fā)明的基于模極大值法提取脈搏信號特征點的方法的流程圖；圖6是根據(jù)本發(fā)明的基于模極大值法提取脈搏信號特征點的方法的流程圖；圖7是根據(jù)本發(fā)明的基于模極大值法提取脈搏信號特征點時脈搏信號的示意圖； 以及圖8是根據(jù)本發(fā)明的基于模極大值法提取脈搏波信號特征點時主波波峰范圍的示意圖。
具體實施例方式為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。參見圖1，圖1為在典型的脈搏信號的示意圖；在實際應用中通常選取圖示的a、b、 c和d四點作為特征點。其中，a點為單波起點，標志著心臟快速射血期的開始，主要反映了收縮期末動脈血管內(nèi)的壓力和容積狀況。b點為主波波峰，其上升支的上升速度主要與心輸出量、心室射血速度、動脈阻力和管壁彈性有關，其特征可用上升支斜率表示。c點為重搏波波谷，主要反映主動脈靜壓排空時間，是心臟收縮與舒張的分界點。d點為重搏波波峰，反映主動脈瓣的功能狀況、血管彈性和血流流動狀態(tài)。本發(fā)明中將a、b、c和d四點分別稱為第二特征點、第一特征點、第四特征點和第三特征點。因此，本發(fā)明的目的在于，如何從典型的脈搏信號中準確提取第一、第二、第三和第四特征點，促進脈搏信號在心血管功能狀況分析方面的實際應用。本發(fā)明提供了一種基于第二代小波的脈搏信號特征點的提取方法，如圖2所示， 該方法開始于步驟10，并包括在步驟11中進行的基于第二代小波分解脈搏信號以及在步驟12中進行的基于模極大值法提取脈搏信號特征點。該方法結(jié)束于步驟13。在步驟11中，基于第二代小波分解脈搏信號；第二代小波變換作為良好的信號時頻分析工具，可有效分析脈搏信號的高低頻特征，用于判定信號奇異點位置。本發(fā)明中選擇雙正交樣條小波biorl. 3作為分解脈搏信號的第二代小波，由于該類小波的緊支撐性， 對具有尖峰形狀特征的脈搏信號具有很好的響應能力，且對受噪聲污染的信號仍具有較強的識別能力，因此使用雙正交樣條小波biorl. 3時，即使無需對原始脈搏信號進行大量前期預處理，也可得到理想的檢測準確率。應該說明的是，雖然以下將結(jié)合雙正交樣條小波 biorl. 3具體描述本發(fā)明，但本發(fā)明的方法可使用的第二代小波并不局限于此。相反地， 本領域技術人員可根據(jù)實際需要選擇其他適合的第二代小波，例如haar、dbl、biorl. 1、cdfl. Ucdfl. l、cdn.3、cdn.5等，或者直接構建一個新的第二代小波。可以理解的是，上述替換均在本發(fā)明所附權利要求的保護范圍內(nèi)。參見圖3-4，圖3-4闡述了根據(jù)本發(fā)明的基于雙正交樣條小波biorl. 3分解脈搏信號的示意圖和流程圖。由圖3可知，本發(fā)明的基于雙正交樣條小波biorl. 3分解脈搏信號包括分裂、預測與更新3個步驟，經(jīng)上述分解操作可得到不同分解層數(shù)下脈搏信號的尺度系數(shù)和小波系數(shù)。所述分裂指設定分解層數(shù)，在該分解層數(shù)下將第一信號分裂為奇數(shù)列信號與偶數(shù)列信號；所述預測指基于獲得的奇數(shù)列信號與偶數(shù)列信號，采用小波系數(shù)預測模型預測該分解層數(shù)下的小波系數(shù)；以及所述更新指采用尺度系數(shù)更新模型更新該分解層數(shù)下的尺度系數(shù)。這里的第一信號指脈搏信號。該方法的具體流程如圖5所示。如圖5所示，該方法開始于步驟110。在步驟111中，設定分解層數(shù)η，η為大于1 的正整數(shù)。每一分解層數(shù)下脈搏信號可具有相應的小波系數(shù)與尺度系統(tǒng)。在步驟112中， 載入第一信號；隨后在下一步驟113中對載入的第一信號進行分裂處理。設第一信號為X， 基于雙正交樣條小波biorl. 3的分裂處理如下= X21 = X2M .( 1 )其中，為第一信號分裂后的偶數(shù)列信號，X21為第一信號中下標為偶數(shù)的部分； df為第一信號分裂后的奇數(shù)列信號，x21+1為第一信號中下標為奇數(shù)的部分。在步驟114中，基于上一步驟獲得的奇數(shù)列信號與偶數(shù)列信號，采用小波系數(shù)預測模型預測小波系數(shù)，小波系數(shù)預測模型為=4)-4);(2)其中，i代表第i層分解層數(shù)(i為小于等于η的正整數(shù))，1代表第1個采樣點， d”為第i+Ι層分解層數(shù)下第1個采樣點的小波系數(shù)的預測結(jié)果，為第i層分解層數(shù)下尺度系數(shù)的奇數(shù)列信號，以及為第i層分解層數(shù)下尺度系數(shù)的偶數(shù)列信號。根據(jù)小波系數(shù)預測模型可進一步推出小波系數(shù)模型.(3)其中，Cl1為該分解層數(shù)(第i層)下的小波系數(shù)，劣_為第i+Ι層分解層數(shù)下第1 個采樣點的小波系數(shù)的預測結(jié)果。在下一步驟115中，采用尺度系數(shù)更新模型更新尺度系數(shù)，并進一步根據(jù)尺度系數(shù)的更新結(jié)果推出該分解層數(shù)下的尺度系數(shù)，該步驟涉及的尺度系數(shù)更新模型如下- 0.0625 * (d^ -d^) + 0.5 *.(4)其中，i代表第i層分解層數(shù)，1代表第1個采樣點，為第i+Ι層分解層數(shù)下第 1個采樣點的尺度系數(shù)的更新結(jié)果，才。為第i層分解層數(shù)下尺度系數(shù)的偶數(shù)列信號，劣為第i+Ι層分解層數(shù)下第1個采樣點的小波系數(shù)的預測結(jié)果，必丨υ為第i+Ι層分解層數(shù)下第 1+1個采樣點的小波系數(shù)的預測值，以及老丨υ為第i+ι層分解層數(shù)下第1-1個采樣點的小波系數(shù)的預測值；采用下式推導該分解層數(shù)下的尺度系數(shù)
其中，&為該分解層數(shù)(第i層)下的尺度系數(shù)，為第i + Ι層分解層數(shù)下第1 個采樣點的尺度系數(shù)的更新結(jié)果。隨后，在下一步驟116，判斷是否已分解至所需分解層數(shù)，具體地，計算n-1是否為 0，若是，則表明該分解層數(shù)已為所需分解層數(shù)，此時可結(jié)束脈搏信號的分解處理；若否，則在步驟117中載入第二信號，并重復上述步驟113-116，開始下一分解層數(shù)下的脈搏信號分解。其中，第二信號為式(5)中計算得到的該分解層數(shù)下的尺度系數(shù)。該方法結(jié)束于步驟 118。本發(fā)明中，脈搏信號由采樣頻率為200Hz的脈搏傳感器采集得到，采樣長度在時域上可劃分為2048個點。利用上述雙正交樣條小波biorl. 3分解脈搏信號，得到各層小波系數(shù)《，其中i = 1，2，3，4，...η。由于雙正交樣條小波biorl. 3在每一層的分解過程中會將上一層信號長度減半，為了方便脈搏信號特征點的定位，將分解后每一分解層數(shù)的小波系數(shù)長度拉伸至與原始信號長度相等。參見圖5-8，其顯示了根據(jù)本發(fā)明基于模極大值法提取脈搏信號特征點的方法。圖 5中，基于模極大值法提取脈搏信號特征點包括以下步驟B1 確定當前分解層數(shù)下小波系數(shù)的多個正-負極大值對；B2 采用過零點計算模型確定步驟B2中多個正-負極大值對的多個過零點；B3 基于步驟B2中多個過零點確定脈搏信號的多個主波波峰范圍；B4 在步驟B3中多個主波波峰范圍內(nèi)確定多個主波波峰，其中主波波峰為第一特征點；B5 設定第一時間窗，以步驟B4中多個第一特征點為起始點，在第一時間窗內(nèi)確定多個單波起點，其中單波起點為第二特征點；B6 基于步驟B4中多個第一特征點確定脈搏信號的多個重搏波定位點；B7 設定第二時間窗，以步驟B6中多個重搏波定位點為起始點，在第二時間窗內(nèi)分別確定多個重搏波波峰與多個重搏波波谷，重搏波波峰與重搏波波谷分別為第三特征點和第四特征點。提取出的第一、第二、第三和第四特征點可用于心血管疾病的分析，具有實際
眉、ο以下將結(jié)合圖6-8詳細介紹本發(fā)明的基于模極大值法提取脈搏信號特征點的方法。該方法開始于步驟1200，并前進至步驟1201。在步驟1201中，載入基于雙正交樣條小波biorl. 3對脈搏信號進行η層小波分解的第1層和第η層小波系數(shù)，其中η為大于1的正整數(shù)。參見圖7，(a)代表未處理的原始脈搏信號，(b)代表第1層小波系數(shù)為1，以及(c)代表第η層小波系數(shù)為"。在下一步驟1202，通過第η尺度小波系數(shù)<的一階導數(shù)過零點確定第η層小波系數(shù)的正極大值點和負極大值點，其中第η尺度小波系數(shù)<的正負極大值點如圖7中(e)所示，第1尺度小波系數(shù)4的正負極大值點如圖7中(d)所示。在下一步驟1203，采用極大值點閾值計算模型與極小值點閾值計算模型確定第η 尺度小波系數(shù)的極大值點閾值與極小值點閾值。具體地，將按時域平均分為4段，每段 1024個點，其中每段的小波系數(shù)最大值分別為Mp M2, M3, M4，每段的小波系數(shù)最小值分別為 N1, N2, N3, N4,極大值點閾值計算模型與極小值點計算模型分別為th1=1/3 χ 1/4+(M1+M2+M3+M4)(6)th2=1/3χ 1/4+(N1+N2 +N3 +N4)(7)
其中，th為極大值點閾值，Μ”Μ2、Μ3和M4為將所述小波系數(shù)分為四段后每段的小波系數(shù)的最大值；tti2為極小值點閾值，N”N2、N3和N4為將所述小波系數(shù)分為四段后每一段的小波系數(shù)的最小值。隨后進行至步驟1204，其中，基于多個正極大值點與極大值點閾值的關系以及多個負極大值點與極小值點閾值的關系確定第η尺度小波系數(shù) < 的正-負極大值對。具體地， 在子步驟1204a中，比較正負極大值與極大/小值點閾值的大小，保留正極大值> thi和負極大值< tt!2的點；在子步驟1204b，判斷滿足上述條件的相鄰兩點時域間隔是否小于80個點(該采樣條件下即表示時間間隔小于0. 4s)且該兩點異號，若是，則在子步驟12(Mc保留這兩點作為一個正-負極大值對。其中，圖7(f)顯示了滿足上述條件的一個正-負極大值對。在子步驟1204b，若滿足上述條件的相鄰兩點時域間隔大于80個點或兩點同號，則進行至子步驟1204d，繼續(xù)搜索第η尺度小波系數(shù)<的下一個點。在下一步驟1205，采用過零點計算模型分別確定多個正-負極大值對的過零點。 如圖8步驟①和②所示，過零點計算模型為
Γ00841 / _ ΚΙχ/ι+ΚΙχ/2KKKI ;其中，I0為過零點位置，I1為正-負極大值對的正極大值點位置，Cl1為正-負極大值對的正極大值點對應的小波系數(shù)，I2為正-負極大值對的負極大值點位置，以及d2為正-負極大值對中負極大值點對應的小波系數(shù)。在下一步驟1206，對過零點進行修正，具體包括去除多檢點和對極大/小值點閾值進行修正。其中，在子步驟1206a計算兩過零點間距離和過零點距離均值，在子步驟 1206b和子步驟1206c判斷兩過零點間距離與過零點距離均值的大小關系。依據(jù)下式進行判斷在子步驟1206b中，當D > 1. 6Xmi，說明步驟1203中設定的閾值過大，此時轉(zhuǎn)至步驟1206d，將極大/小值點閾值降低為原來的1/4，并返回依次執(zhí)行步驟1204和1205，在新的極大/小值點閾值范圍內(nèi)重新確定正-負極大值對及其過零點；否則，該方法進行至步驟 1206c。在子步驟1206c中，當D < 0. 7Xm1,說明第η尺度的小波系數(shù)存在多檢點，此時執(zhí)行步驟1206e，刪除多檢點，然后轉(zhuǎn)至下一步驟。其中，D為兩過零點間距離，Hi1為過零點距離均值。步驟1206可表示為，當OJXm1 < D < LBXm1時，該過零點為可用過零點，此時，該方法轉(zhuǎn)至下一步驟。在下一步驟1207，在第1尺度的極大值上以過零點為起始點，(lQ-i)位置前向搜索j個非零點作為起始點，(Icri)位置向后搜索j個非零點作為終點(圖8步驟③)，確定主波波峰范圍(圖8步驟④)。示例性的，j設定為3。這里所述的前向和后向是指在時域范圍內(nèi)向過零點所在位置的早期采樣點和后期采樣點移動。在下一步驟1208，基于確定的主波波峰范圍確定主波波峰(又稱為第一特征點)。 具體地，根據(jù)主波波峰范圍，在未處理的原始脈搏信號中定位最大值點，即為主波波峰或第一特征點，在圖1中表示為b點。在下一步驟1209，確定單波起點、即第二特征點。具體地，計算多個第一特征點的距離平均值，依據(jù)下式設定第一時間窗
Tff1 = 0. 25Xm2 ；其中，m2為多個第一特征點兩兩間的距離平均值。然后，以第一特征點為起始點， 在未處理的原始脈搏信號中前向搜索第一時間窗內(nèi)的最小值點，該最小值點即為第二特征點；在圖1中表示為a點。隨后，在下一步驟1210，基于第一特征點確定脈搏信號的多個重搏波定位點。具體地，在子步驟1210a，在第η尺度小波系數(shù)<中檢測除上述正_負極大值對以外的模極大值點；在子步驟1210b，設該模極大值點的前向最接近的第一特征點的時域位置為1，判斷該模極大值點的時域位置是否在(1+0. 15Xm2，1+0. 35Xm2)范圍內(nèi)，若否，則在子步驟1210c 刪除該模極大值點并返回執(zhí)行子步驟1210a ；若是，則在子步驟1210d判斷兩個第一特征點之間是否存在模極大值點，若否，則在子步驟1210e補償時域位置為(l+0.25Xm2)的點，并以該點作為重搏波定位點，從而避免出現(xiàn)漏檢點現(xiàn)象；若是，則在子步驟1210f進一步判斷兩個第一特征點之間是否存在多個符合上述時域位置要求的模極大值點，若是，則在下一子步驟1210g保留靠近前向第一特征點方向的第二個模極大值點；該點即為檢測到的重搏波定位點，在圖7中如(g)所示。隨后，在下一步驟1211，設定第二時間窗，在未處理的原始脈搏信號中，在步驟 1210中確定的多個重搏波定位點的前向第二時間窗范圍內(nèi)搜索最小值點為第四特征點，后向第二時間窗內(nèi)搜索最大值點為第三特征點。其中，第二時間窗依據(jù)下式確定Tff2 = 0. IXm2 ；其中，m2為多個第一特征點兩兩間的距離平均值。隨后，該方法結(jié)束于步驟1212。此時，具有基于模極大值法提取得到的四個特征點的脈搏信號如圖7(h)所示。綜上所述，通過本發(fā)明所提供的基于第二代小波的脈搏信號特征點的提取方法可在降低計算復雜度的同時準確獲取脈搏信號的多個特征點；計算復雜度降低的同時促進了該方法在嵌入式平臺的應用；由于可對多檢點、誤檢點和漏檢點采取相應的處理措施進一步確保了特征點提取的準確性與有效性；適當?shù)牡诙〔ǖ倪x用可避免對原始脈搏信號進行大量前期預處理，使計算復雜度得到進一步控制。以上所述僅為本發(fā)明的優(yōu)選實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則內(nèi)所作的任何修改、等同替換或改進等，均應包含在本發(fā)明的保護范圍內(nèi)。
權利要求
1.基于第二代小波的脈搏信號特征點的提取方法，其特征在于，所述方法包括基于第二代小波分解脈搏信號以及基于模極大值法提取脈搏信號特征點。
2.根據(jù)權利要求1所述的基于第二代小波的脈搏信號特征點的提取方法，其特征在于，所述基于第二代小波分解脈搏信號包括以下步驟Al 設定分解層數(shù)，在所述分解層數(shù)下將第一信號分裂為奇數(shù)列信號與偶數(shù)列信號； A2 基于步驟Al中的所述奇數(shù)列信號與所述偶數(shù)列信號，采用小波系數(shù)預測模型預測所述分解層數(shù)下的小波系數(shù)；以及A3 采用尺度系數(shù)更新模型更新所述分解層數(shù)下的尺度系數(shù)。
3.根據(jù)權利要求2所述的基于第二代小波的脈搏信號特征點的提取方法，其特征在于，在所述步驟A2中，所述小波系數(shù)預測模型為 ^ =^其中，i代表第i層分解層數(shù)，1代表第1個采樣點，劣為第i+ι層分解層數(shù)下第1個采樣點的小波系數(shù)的預測結(jié)果，為w為第i層分解層數(shù)下尺度系數(shù)的奇數(shù)列信號，以及為 第i層分解層數(shù)下尺度系數(shù)的偶數(shù)列信號。
4.根據(jù)權利要求2所述的基于第二代小波的脈搏信號特征點的提取方法，其特征在于，在所述步驟A3中，所述尺度系數(shù)更新模型為-0.0625*-+ 0.5*( 叫其中，i代表第i層分解層數(shù)，1代表第1個采樣點，為第i+ι層分解層數(shù)下第1個采樣點的尺度系數(shù)的更新結(jié)果，為第i層分解層數(shù)下尺度系數(shù)的偶數(shù)列信號，劣為第 i+ι層分解層數(shù)下第1個采樣點的小波系數(shù)的預測結(jié)果，必丨υ為第i+ι層分解層數(shù)下第1+1 個采樣點的小波系數(shù)的預測值，以及老丨υ為第i+ι層分解層數(shù)下第1-1個采樣點的小波系數(shù)的預測值。
5.根據(jù)權利要求1所述的基于第二代小波的脈搏信號特征點的提取方法，其特征在于，所述基于模極大值法提取脈搏信號特征點包括以下步驟Bl 確定當前分解層數(shù)下小波系數(shù)的多個正-負極大值對； B2 采用過零點計算模型確定步驟Bl中所述多個正-負極大值對的多個過零點； B3 基于步驟B2中所述多個過零點確定脈搏信號的多個主波波峰范圍； B4 在步驟B3中的所述多個主波波峰范圍內(nèi)確定多個主波波峰，所述主波波峰點為第一特征點；B5 設定第一時間窗，以步驟B4中所述多個第一特征點為起始點，在所述第一時間窗內(nèi)確定多個單波起點，所述單波起點為第二特征點；B6 基于步驟B4中所述多個第一特征點確定脈搏信號的多個重搏波定位點； B7 設定第二時間窗，以步驟B6中所述多個重搏波定位點為起始點，在所述第二時間窗內(nèi)分別確定多個重搏波波峰與多個重搏波波谷，所述重搏波波峰與重搏波波谷分別為第三特征點和第四特征點。
6.根據(jù)權利要求5所述的基于第二代小波的脈搏信號特征點的提取方法，其特征在于，所述步驟Bl包括以下子步驟Bll 確定當前分解層數(shù)下小波系數(shù)的多個正極大值點與負極大值點；B12 分別采用極大值點閾值計算模型與極小值點閾值計算模型確定當前分解層數(shù)下小波系數(shù)的極大值點閾值與極小值點閾值；B13 基于所述多個正極大值點與所述極大值點閾值的關系以及所述多個負極大值點與所述極小值點閾值的關系確定所述正-負極大值對。
7.根據(jù)權利要求6所述的基于第二代小波的脈搏信號特征點的提取方法，其特征在于，在所述步驟B12中，所述極大值點閾值計算模型為t\ =^-χ ^-(M1 +M2 +M3 +M4)其中，th為極大值點閾值，Μ”Μ2、Μ3和M4為將所述小波系數(shù)分為四段后每一段的小波系數(shù)的最大值；所述極小值點閾值計算模型為法2=告X 去(W +A +M +K)其中，tt!2為極小值點閾值，N1,N2,N3和N4為將所述小波系數(shù)分為四段后每一段的小波系數(shù)的最小值。
8.根據(jù)權利要求5所述的基于第二代小波的脈搏信號特征點的提取方法，其特征在于，在所述步驟B2中，所述過零點計算模型為l = Klx^i+ΚΙχ/2κι+κι其中，Itl為過零點位置，I1為正-負極大值對的正極大值點位置，Cl1為正-負極大值對的正極大值點對應的小波系數(shù)，I2為正-負極大值對的負極大值點位置，以及d2為正-負極大值對的負極大值點對應的小波系數(shù)。
9.根據(jù)權利要求5所述的基于第二代小波的脈搏信號特征點的提取方法，其特征在于，在所述步驟B2與B3之間，所述基于模極大值法提取脈搏信號特征點還包括對所述步驟 B2中確定的多個過零點進行修正。
10.根據(jù)權利要求5所述的基于第二代小波的脈搏信號特征點的提取方法，其特征在于，所述步驟B6包括確定多個主波波峰的兩個之間的模極大值點，所述模極大值點為重搏波定位點；或者在多個主波波峰的兩個之間采用漏檢點補償模型確定重搏波定位點。
全文摘要
本發(fā)明涉及脈搏信號的處理方法，并提供了基于第二代小波的脈搏信號特征點的提取方法，其中該方法包括基于第二代小波分解脈搏信號以及基于模極大值法提取脈搏信號特征點。根據(jù)本發(fā)明，基于第二代小波分解脈搏信號可有效降低計算復雜度，同時降低硬件實現(xiàn)難度，便于在嵌入式平臺上實現(xiàn)本發(fā)明的脈搏信號特征點提取方法；采用模極大值法對基于第二代小波分解的脈搏信號進行提取時可準確提取出脈搏信號的特征點，并可針對性地刪除錯檢點和誤檢點，以及補償漏檢點，降低錯檢率與誤檢率。本發(fā)明的方法可在有效降低計算復雜度的前提下準確提取脈搏信號特征點，實現(xiàn)方便且準確率高。
文檔編號A61B5/02GK102551687SQ201210015350
公開日2012年7月11日 申請日期2012年1月18日 優(yōu)先權日2012年1月18日
發(fā)明者劉媛, 紀震 申請人:劉媛, 紀震