一种脉象信号预处理方法和装置制造方法及图纸

本发明专利技术公开了一种脉象信号预处理方法和装置，包括以下步骤：对采集的脉象信号通过小波变换进行信号分解；对分解后的脉象信号进行去除噪声；对去除噪声后的信号消除基线漂移。从而，本发明专利技术能够有效提高脉象信号时域特征提取的精度和准确度。

Pulse signal preprocessing method and device

The invention discloses a pulse signal pretreatment method and device, which comprises the following steps: the pulse signal acquisition signal is decomposed by wavelet transform; pulse signal of the decomposed signal to remove noise; noise removal after removing baseline drift. Therefore, the invention can effectively improve the accuracy and accuracy of the time domain feature extraction of pulse signals.

【技术实现步骤摘要】
一种脉象信号预处理方法和装置
本专利技术涉及中医脉象测量
，特别是指一种脉象信号预处理方法和装置。
技术介绍
在生物医学信号检测技术中，脉象信号是mV级信号，主要的频率范围<40Hz，一般在10Hz以下。由于使用环境的复杂和被测量者活动，采集的脉象信号将会受到多种干扰，具有较强的随机性和背景噪声，而且属于非线性、非平稳的微弱信号。这些干扰主要是交流电引起的工频干扰、肌电干扰、人体的微动与电极接触不良引起的电极接触噪声、运动伪迹(基线变化)和由于呼吸引起的基线漂移，因此在对脉象信号的时域特征进行提取之前消除脉象信号中多种干扰是极为重要，并且能够影响到脉象信号时域特征提取的精度和准确度。
技术实现思路
有鉴于此，本专利技术的目的在于提出一种脉象信号预处理方法和装置，能够有效提高脉象信号时域特征提取的精度和准确度。基于上述目的本专利技术提供的脉象信号预处理方法，包括以下步骤：对采集的脉象信号通过小波变换进行信号分解；对分解后的脉象信号进行去除噪声；对去除噪声后的信号消除基线漂移。可选地，所述对采集的脉象信号通过小波变换进行信号分解时，对信号进行低通和高通滤波，将信号分解为位于不同频带和时段内。进一步地，所述对分解后的脉象信号进行去除噪声时，引入门限来作为甄别受到噪声污染的小波系数，等于和小于门限的小波系数为由噪声产生，置其为零而舍去；对于大于门限的小波系数为是含有用信号成分，给予保留。进一步地，所述对去除噪声后的信号消除基线漂移时，由于基线漂移的成分为缓变趋势分量，在小波分解中会直接显现较大的尺度，只要在重构过程中将这一尺度下的分量直接去除，即实现基线矫正、恢复去除基线漂移后的脉象信号。还有，本专利技术还提供了一种脉象信号预处理装置，包括：分解单元，用于对采集的脉象信号通过小波变换进行信号分解；去噪单元，与所述分解单元连接，用于对分解后的脉象信号进行去除噪声；除漂移单元，与所述去噪单元连接，用于对去除噪声后的信号消除基线漂移。可选地，所述分解单元对信号进行低通和高通滤波，将信号分解为位于不同频带和时段内。进一步地，所述去噪单元引入门限来作为甄别受到噪声污染的小波系数，等于和小于门限的小波系数为由噪声产生，置其为零而舍去；对于大于门限的小波系数为是含有用信号成分，给予保留。进一步地，所述除漂移单元对去除噪声后的信号消除基线漂移时，由于基线漂移的成分为缓变趋势分量，在小波分解中会直接显现较大的尺度，只要在重构过程中将这一尺度下的分量直接去除，即实现基线矫正、恢复去除基线漂移后的脉象信号。从上面所述可以看出，本专利技术提供的脉象信号预处理方法和装置，通过对采集的脉象信号通过小波变换进行信号分解，对分解后的脉象信号进行去除噪声，然后对去除噪声后的信号消除基线漂移。从而，本专利技术能够消除脉象信号中的干扰和噪声，有效提高脉象信号时域特征提取的精度和准确度。附图说明图1为本专利技术实施例一种脉象信号预处理方法的流程示意图；图2为本专利技术实施例Daubechies小波函数系中的db8滤波器处理后的示意图；图3为本专利技术实施例Mallat算法多分辨率分解树的示意图；图4为本专利技术实施例小波包分析的三层分解树的示意图；图5为本专利技术实施例一种脉象信号预处理装置的结构示意图；图6为本专利技术实施例对三峰平脉信号施加50Hz工频干扰的预处理结果的示意图；图7为本专利技术实施例对三峰平脉信号施加线性上升基线漂移和肌电干扰的预处理结果的示意图；图8为本专利技术实施例对三峰平脉信号施加正弦基线漂移和白噪声的预处理结果的示意图；图9为本专利技术实施例对两峰滑脉信号施加50Hz工频干扰的预处理结果的示意图；图10为本专利技术实施例对两峰滑脉信号施加线性下降基线漂移和肌电干扰的预处理结果的示意图；图11为本专利技术实施例对两峰滑脉信号施加余弦基线漂移和白噪声的预处理结果的示意图；图12为本专利技术实施例对浮相弦脉信号施加50Hz工频干扰的预处理结果的示意图；图13为本专利技术实施例对浮相弦脉信号仅施加肌电干扰的预处理结果的示意图；图14为本专利技术实施例对浮相弦脉信号仅施加白噪声的预处理结果的示意图；图15为本专利技术实施例对平顶涩脉信号施加50Hz工频干扰的预处理结果的示意图；图16为本专利技术实施例对平顶涩脉信号仅施加肌电干扰的预处理结果的示意图；图17为本专利技术实施例对平顶涩脉信号仅施加白噪声的预处理结果的示意图；图18为本专利技术实施例对无胃气脉象信号不添加干扰直接进行预处理的结果示意图；图19为本专利技术实施例对无胃气脉象信号仅施加肌电干扰的预处理结果示意图；图20为本专利技术实施例对无胃气脉象信号仅施加白噪声的预处理结果示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。参阅图1所示，为本专利技术一种脉象信号预处理方法一个实施例的流程示意图，包括：步骤101，对采集的脉象信号通过小波变换进行信号分解。具体实施过程如下：作为本专利技术的一个实施例，小波分析作为一种时频局部化分析方法，其基本思想是寻求一个满足一定条件的基本小波函数ψ(t)，通过对基本小波函数的伸缩和平移构成小波函数族Ψu,s(t)，然后利用这个函数族来逼近或表示所要研究的信号，并作出相应的分析和处理。对于函数ψ(t)∈L2(R)(能量有限空间),若满足∫Rψ(t)dt＝0则称之为小波函数。引入参数u、s对ψ(t)进行伸展和平移，有：ψu,s称其为伸展小波。其中s为尺度因子，u为平移因子，于是函数f(t)∈L2(R)关于小波函数ψ(t)的小波变换为：设ψ(t)的Fourier变换为Ψ(ω),当小波函数满足如下关系式：小波变换是可逆的，且有如下逆变换关系式：同窗口傅立叶变换一样，小波变换也可以度量频谱成分的时频变化，然而这两种方法在时频平面上的分便率并不相同。小波变换可以写成：对于由计算机采集获得的离散数字信号f(t)，取其中伸缩步长s0>1，位移步长u0≠0,n,m∈Z,由此得到的离散小波：因此得到f(t)的离散小波变换(DWT)：逆变换为：C是一个与信号无关的常数。从频域上看，用不同尺度做小波变换大致相当于用一组带通滤波器对信号进行处理。当s值小时时轴上观察范围小，而在频域上相当于用较高频率做分辨率较高的分析，即用高频小波做精细观察。当s值较大时时轴上考察范围大，而在频域上相当于用低频小波做概貌观察。生理信号被分解后常表现出高频分量持续时间较短，低频分量持续时间较长的特点，这也正和小波分析的性质互相吻合。在Mallat算法的多分辨率分析中，表明多分辨率分析是按照不同的尺度因子j把Hilbert空间L2(R)分解为所有子空间Wj的正交和的。其中，Wj为小波函数Ψ(t)的闭包(小波子空间)。现在，我们希望进一步对小波子空间Wj按照二进制分式进行频率的细分，以达到提高频率分辨率的目的。定义子空间是函数un(t)的闭包空间，而是函数u2n(t)的闭包空间，并令un(t)满足下面的二尺度方程：由上式构造的序列{un(t)}(其中n∈Z+)称为由基函数u0(t)＝φ(t)和u1(t)＝ψ(t)确定的正交小波包。hk和gk为分别为低频滤波器组和高频滤波器组，由尺度函数和小波函数构造如下：Daubechies小波函数系构造满足正规性要求的低通滤波器H(z)的方法如下：令也就是规定|F0本文档来自技高网...

【技术保护点】
一种脉象信号预处理方法，其特征在于，包括以下步骤：对采集的脉象信号通过小波变换进行信号分解；对分解后的脉象信号进行去除噪声；对去除噪声后的信号消除基线漂移；其中，所述对采集的脉象信号通过小波变换进行信号分解时，对信号进行低通和高通滤波，将信号分解为位于不同频带和时段内，包括：对于函数ψ(t)∈L

【技术特征摘要】
1.一种脉象信号预处理方法，其特征在于，包括以下步骤：对采集的脉象信号通过小波变换进行信号分解；对分解后的脉象信号进行去除噪声；对去除噪声后的信号消除基线漂移；其中，所述对采集的脉象信号通过小波变换进行信号分解时，对信号进行低通和高通滤波，将信号分解为位于不同频带和时段内，包括：对于函数ψ(t)∈L2(R)，若满足∫Rψ(t)dt＝0则称之为小波函数；引入参数u、s对ψ(t)进行伸展和平移，有：ψu,s称其为伸展小波，其中s为尺度因子，u为平移因子，于是函数f(t)∈L2(R)关于小波函数ψ(t)的小波变换为：设ψ(t)的Fourier变换为Ψ(ω)，当小波函数满足如下关系式：小波变换是可逆的，且有如下逆变换关系式：小波变换写成：对于由计算机采集获得的离散数字信号f(t)，取其中伸缩步长s0＞1，位移步长u0≠0,n,m∈Z,由此得到的离散小波：ψm,n(t)＝s0-m/2ψ(s0-mt-nu0)m,n∈Z因此得到f(t)的离散小波变换：逆变换为：C是一个与信号无关的常数；定义子空间是函数un(t)的闭包空间，而是函数u2n(t)的闭包空间，并令un(t)满足下面的二尺度方程：由上式构造的序列{un(t)}，其中n∈Z+，称为由基函数u0(t)＝φ(t)和u1(t)＝ψ(t)确定的正交小波包；hk和gk为分别为低频滤波器组和高频滤波器组，由尺度函数和小波函数构造如下：Daubechies小波函数系构造满足正规性要求的低通滤波器H(z)的方法如下：令也就是规定|F0(ejω)|2取cosω多项式：式中是从p-1+j中每次取j可能得到的组合数目；当p给定|F0(ejω)|2就可确定，又由于|F0(ejω)|2的相应Z变换是F0(z)F0(z-1)，因此从其Z变换的每对互为倒数的零点中取一个便得到F0(z)，求得低通滤波器H(z)；进一步求得高通滤波器G(z)的方法如下：二尺度方程的频域形式为：Φ(2ω)＝H(ω)Φ(ω)Ψ(2ω)＝G(ω)Φ(ω)由二尺度方程的频域形式引出的递推形式为：根据空间二剖分的能量守恒性：|Φ(ω)|2＝|Φ(2ω)|2+|Ψ(2ω)|2相应的滤波器表示为：|H(ω)|2+|G(ω)|2＝1或：H(z)H(z-1)+G(z)G(z-1)＝1应用小波包分解滤波器组对第p层信号进行滤波，相应的离散平滑信号和离散细节信号如下：另外，所述对分解后的脉象信号进行去除噪声包括：数据测量经常受到各种噪声信号的干扰和影响，含干扰的脉象信号可表示为：X(n)＝f(n)+W(n)其中X(n)是实测的脉象信号，f(n)是不含噪声的脉象信号，W(n)是各种干扰信号总和；通过一个决策算子D来变换含噪声的数据X，估计信号：目标是最小化估计误差，而这个误差由损失函数度量：r(D,f)＝E{||f-DX||2}基于小波变换分析的多分辨分析即相当于对信号进行低通和高通滤波，将信号分解为位于不同频带和时段内的各个成分；通过小波多分辨分析算法将信号分解后，引入门限来作为甄别受到噪声污染的小波系数；将等于和小于门限的小波系数认为由噪声产生，置其为零而舍去；对于大于门限的小波系数,即认为是含有用信号成分，给予保留；再由小波多分辨分析重构算法根据形成新的信号成分序列来重建信号；其中，对于滤波器组分解离散信号时，小波基阀值计算下的信号估计为：式中ρT为小波阀值函数，定义离散正交小波基为ψj,m(n)＝ψj(n-N2jm)，信号的支集规范为[0,1]，且有间隔为N-1的N个样本，因而尺度参数2j从2L＝N-1变化到2j＜1；小波阀值函数ρT的选取原则为(1)对于高频噪声信号采用硬取阀值(2)对于中间频率含噪声信号采用软取阀值(3)对于低频信号部分保持不变ρT(x)＝xj＞jl上面式中Tj为对应小波多分辨分析j尺度下的小波阀值，信号高频尺度边界jh和低频尺度边界jl；要保证较小的阀值估计风险，小波阀值Tj采用如下方法确定：式中σj＝median(abs(d{j}))/0.6745，为小波j尺度下的噪声分解系数标准方差，可以通过小波系数中位近似估计，Nj应小波j尺度下的小波分解系数长度；为进一步减少阀值估计风险，对信号的估计其所有平移且在逆平移后取平均：上述算法把低分辨率下的小波变换全部保留，高分辨率(小尺度)下的小波变换则只有被确认为边沿附近的各点才予以保留，其余的都加去除。2.根据权利要求1所述的预处理方法，其特征在于，所述对分解后的脉象信号进行去除噪声时，引入门限来作为甄别受到噪声污染的小波系数，等于和小于门限的小波系数为由噪声产生，置其为零而舍去；对于大于门限的小波系数是含有用信号成分，给予保留。3.根据权利要求1或2所述的预处理方法，其特征在于，所述对去除噪声后的信号消除基线漂移时，由于基线漂移的成分为缓变趋势分量，在小波分解中会直接显现较大的尺度，只要在重构过程中将这一尺度下的分量直接去除，即实现基线矫正、恢复去除基线漂移后的脉象信号。4....

【专利技术属性】
技术研发人员：王燕，位士博，田盼盼，马立飞，李晋尧，杨梅，蔡吉飞，房瑞明，沈韶华，李光，
申请(专利权)人：北京印刷学院，
类型：发明
国别省市：北京,11