一种基于小波变换的人体血压信号处理方法及装置制造方法及图纸

本发明专利技术提供一种基于小波变换的人体血压信号处理方法及装置，其中方法包括采用硬件单元采集相关信号，还包括以下步骤：使用平滑滤波对波形进行滤波去噪，去除杂波对波形信号的影响；通过改变小波变换的尺度，得到最佳的特征显现结果；采用识别算法识别并显示出波形的突变点值。本发明专利技术提出一种基于小波变换的人体血压信号处理方法及装置，采用了平滑滤波、小波变换和模式识别的方法完成了对人体血压信号测量，可以用于机械设备的故障精准检测、飞机等各种特定信号的精准检测和识别。

A Signal Processing Method and Device for Human Blood Pressure Based on Wavelet Transform

【技术实现步骤摘要】
一种基于小波变换的人体血压信号处理方法及装置
本专利技术涉及图像视觉的
，特别是一种基于小波变换的人体血压信号处理方法及装置。
技术介绍
传统且常用的检测血压的方式为柯式音法，也叫做听诊法。听诊法测量原理为，用手握充气球给缚于人胳膊上的袖带充气，充气到一定压值后，人的动脉将会被阻断，然后缓慢放气，医护人员通过听放气过程中的声响来判别高低压。一般，当人耳能在听诊器里听到声音的时候，此时的压力为人体血压的高压；而后，当在听诊器里面，听不到声音的时候，这个时候的压力为人体血压的低压。听诊法原理简单，但其测量方法不太智能，费时费力，且易受测试人员的听觉和放气速度的限制，测量的血压结果误差较大。尽管以往的听诊器，现已被袖套内的传感器替代，但是外界的噪音仍旧是听诊法无法排除掉的干扰。近年来，相对智能、简单易操作的电子血压测量仪逐渐兴起，这些电子血压仪的测量方法大致有以下几种：(1)通过合成的MEMS加速传感器芯片，实时获取人体的血压信号，并用硬件芯片上的蓝牙模块将数据传送到PC机上用于下一步信号分析。然后采用自适应滤波算法对人体血压信号进行平滑去噪，最后用示波法识别出人体血压的高低值。(2)用离散小波变换对采集到的混合信号进行平滑处理，分离出混合在一起的袖带压和人体血压，然后采用阈值法寻找人体血压波形的最高和最低点，后采用幅度系数法(示波法的一种)确定人体的高低血压值。(3)采用了离散小波变换对人体血压信号进行平滑去噪。然后采用连续小波变换，得到波形的特征。信号的波形特征显现出来后，通过模糊识别的方法确定人体血压的高低值。模糊识别的实现方法为，首先确定血压的高低压在血压信号中的位置，然后在确定好的范围内寻找波形的波峰或波谷，也就是血压的高压和低压，从而完成人体血压信号处理的一整套过程。这些处理人体血压信号的方法，都能够获取到人体血压的高低值，但是各有利弊。采用硬件处理设备磨损率和成本较高，不适宜批量化生产。2002年第1期的《信息与控制》中公开了一篇题目为《小波变换和模糊识别在人体血压信号处理中的应用》的文章，其内容为：为了精确测量人体血压，如何对血压信号进行分析和处理是问题的关键。本文首次将小波理论和模糊识别理论相结合，并应用于人体血压波形信号的实际分析中；创造性地将离散小波和连续小波变换结合在一起，完成有用信号的特征提取，并用模糊识别的方法实现目标的识别。本文对各种波形信号的分析提供了非常有效的处理方法，具有很大的实际应用价值。该方法使用的是离散小波，离散小波的缺点是每次小波变换后变换点的数量就减少一倍，变换尺度越大，变换后得到的数量点就越少，因为这种数据丢失现象存在，对数据分析不利。
技术实现思路
为了解决上述的技术问题，本专利技术提出一种基于小波变换的人体血压信号处理方法及装置，采用了平滑滤波、小波变换和模式识别的方法完成了对人体血压信号测量，可以用于机械设备的故障精准检测、飞机等各种特定信号的精准检测和识别。本专利技术的第一目的是提供一种基于小波变换的人体血压信号处理方法，包括采用硬件单元采集相关信号，还包括以下步骤：步骤1：使用平滑滤波对波形进行滤波去噪，去除杂波对波形信号的影响；步骤2：通过改变小波变换的尺度，得到最佳的特征显现结果；步骤3：采用识别算法识别并显示出波形的突变点值。优选的是，所述滤波去噪是指采取移动平均滤波器原理，将采样数据当作一个长度为N的队列，每一次测量，都把上一次测量队列的首数据去掉，并顺次将下一新的数据插入，作为新队列的尾，而后对这个队列进行运算，作为本次测量的结果。在上述任一方案中优选的是，所述移动平均滤波器是一个低通滤波器，在未经处理的血压信号中，噪声信号往往都是高频信号，采用移动平均滤波器便可以很好地滤除掉噪音，保留有用信号。在上述任一方案中优选的是，使用smooth函数实现平滑去燥功能，公式为：yy＝smooth(y)其中，y代表含噪信号，即原始采集血压信号；yy代表平滑滤波后的信号。在上述任一方案中优选的是，所述smooth函数对y进行平滑处理后，得到与y一样长的yy，yy中元素的计算方法如下：yy(1)＝y(1)yy(2)＝(y(1)+y(2)+y(3))/3yy(3)＝(y(1)+y(2)+y(3)+y(4)+y(5))/3yy(4)＝(y(2)+y(3)+y(4)+y(5)+y(6))/3yy(5)＝(y(3)+y(4)+y(5)+y(6)+y(7))/3其中，yy(1)、yy(2)、yy(3)、yy(4)和yy(5)为yy中元素，y(1)、y(2)、y(3)、y(4)、y(5)、y(6)和y(7)为y中元素。在上述任一方案中优选的是，所述小波变换选择适合特征提取的Mexh小波。在上述任一方案中优选的是，所述Mexh小波的计算公式为其中，ψ(t)表示Mexh小波基，t表示横轴时间域，是Gauss函数。在上述任一方案中优选的是，所述使用findpeaks函数来识别所述突变点。在上述任一方案中优选的是，所述突变点是指波形中的高点或低点。在上述任一方案中优选的是，使用所述findpeaks函数得到信号的极大值即为波形中的高点。在上述任一方案中优选的是，将波形反转后再使用所述findpeaks函数得到信号的极大值即为波形中的低点。在上述任一方案中优选的是，采用所述findpeaks函数设定阈值的方式滤除噪音。本专利技术的第二目的是提供一种基于小波变换的人体血压信号处理装置，包括用于采集相关信号的硬件单元和信号输出单元，还包括以下单元：滤波取走单元：用于使用平滑滤波对波形进行滤波去噪，去除杂波对波形信号的影响；小波变换单元：用于通过改变小波变换的尺度，得到最佳的特征显现结果；突变点识别单元：用于采用识别算法识别出波形的突变点值。优选的是，所述滤波去噪是指采取移动平均滤波器原理，将采样数据当作一个长度为N的队列，每一次测量，都把上一次测量队列的首数据去掉，并顺次将下一新的数据插入，作为新队列的尾，而后对这个队列进行运算，作为本次测量的结果。在上述任一方案中优选的是，所述移动平均滤波器是一个低通滤波器，在未经处理的血压信号中，噪声信号往往都是高频信号，采用移动平均滤波器便可以很好地滤除掉噪音，保留有用信号。在上述任一方案中优选的是，使用smooth函数实现平滑去燥功能，公式为：yy＝smooth(y)其中，y代表含噪信号，即原始采集血压信号；yy代表平滑滤波后的信号。在上述任一方案中优选的是，所述smooth函数对y进行平滑处理后，得到与y一样长的yy，yy中元素的计算方法如下：yy(1)＝y(1)yy(2)＝(y(1)+y(2)+y(3))/3yy(3)＝(y(1)+y(2)+y(3)+y(4)+y(5))/3yy(4)＝(y(2)+y(3)+y(4)+y(5)+y(6))/3yy(5)＝(y(3)+y(4)+y(5)+y(6)+y(7))/3其中，yy(1)、yy(2)、yy(3)、yy(4)和yy(5)为yy中元素，y(1)、y(2)、y(3)、y(4)、y(5)、y(6)和y(7)为y中元素。在上述任一方案中优选的是，所述小波变换选择适合特征提取的Mexh小波。在上述任一方案中优选的是，所述Mexh小波的计算公式为其中，ψ(t)表示Mexh小波基，t表示横轴时间域，本文档来自技高网...

【技术保护点】
1.一种基于小波变换的人体血压信号处理方法，包括采用硬件单元采集相关信号，其特征在于，还包括以下步骤：步骤1：使用平滑滤波对波形进行滤波去噪，去除杂波对波形信号的影响；步骤2：通过改变小波变换的尺度，得到最佳的特征显现结果；步骤3：采用识别算法识别并显示出波形的突变点值。

【技术特征摘要】
1.一种基于小波变换的人体血压信号处理方法，包括采用硬件单元采集相关信号，其特征在于，还包括以下步骤：步骤1：使用平滑滤波对波形进行滤波去噪，去除杂波对波形信号的影响；步骤2：通过改变小波变换的尺度，得到最佳的特征显现结果；步骤3：采用识别算法识别并显示出波形的突变点值。2.如权利要求1所述的基于小波变换的人体血压信号处理方法，其特征在于：所述滤波去噪是指采取移动平均滤波器原理，将采样数据当作一个长度为N的队列，每一次测量，都把上一次测量队列的首数据去掉，并顺次将下一新的数据插入，作为新队列的尾，而后对这个队列进行运算，作为本次测量的结果。3.如权利要求2所述的基于小波变换的人体血压信号处理方法，其特征在于：所述移动平均滤波器是一个低通滤波器，在未经处理的血压信号中，噪声信号往往都是高频信号，采用移动平均滤波器便可以很好地滤除掉噪音，保留有用信号。4.如权利要求3所述的基于小波变换的人体血压信号处理方法，其特征在于：使用smooth函数实现平滑去燥功能，公式为：yy＝smooth(y)其中，y代表含噪信号，即原始采集血压信号；yy代表平滑滤波后的信号。5.如权利要求4所述的基于小波变换的人体血压信号处理方法，其特征在于：所述smooth函数对y进行平滑处理后，得到与y一样长的yy，yy中元素的计算方法如下：yy(1)＝y(1)yy(2)＝(y(1)+y(2)+y(3)...

【专利技术属性】
技术研发人员：李媛，
申请(专利权)人：北京联合大学，
类型：发明
国别省市：北京,11