散度值分析的PPG信号伪差滤除算法_赖源海.pdf

北大中文核心期刊国外电子测量技术 D O I:1 0.1 9 6 5 2/j.c n k i.f e m t.2 2 0 4 4 1 4散度值分析的P P G信号伪差滤除算法赖源海 孙 斌 陈 运(南京邮电大学自动化学院、人工智能学院 南京 2 1 0 0 2 3)摘 要:光电容积脉搏波(p h o t o p l e t h y s m o g r a p h y,P P G)信号的采集极易受到运动伪差的干扰,为了增加信号特征提取的准确度进而提高人体生理参数计算的准确率,提出了基于散度值分析的P P G信号运动伪差滤除算法。将采集的模板信号与实验信号进行带通滤波预处理之后,利用未受伪差干扰的模板信号计算出信号特征的散度值标准阈值范围,接着计算模板信号与受伪差干扰的实验信号的散度值,识别判断并剔除实验信号中存在运动伪差干扰的信号周期,整合得到未受运动伪差干扰的优质波信号。通过人体血管收缩压的检测实验,证明了算法在可穿戴运动系统中的实用性与可靠性。关键词:P P G信号;散度值分析;运动伪差;优质波提取中图分类号:TN 9 8;R 3 1 8文献标识码:A国家标准学科分类代码:3 1 0.6 1M o t i o n a r t i f a c t s f i l t e r i n g m e t h o d f o r P P G s i g n a l b a s e d o n d i v e r g e n c e a n a l y s i sL a i Y u a n h a i S u n B i n C h e n Y u n(S c h o o l o f A u t o m a t i o n a n d A r t i f i c i a l I n t e l l i g e n c e,N a n j i n g U n i v e r s i t y o f P o s t s a n d T e l e c o mm u n i c a t i o n s,N a n j i n g 2 1 0 0 2 3,C h i n a)A b s t r a c t:T h e a c q u i s i t i o n o f P P G s i g n a l i s v u l n e r a b l e t o t h e i n t e r f e r e n c e o f m o t i o n a r t i f a c t.I n o r d e r t o i n c r e a s e t h e a c c u r a c y o f s i g n a l f e a t u r e e x t r a c t i o n a n d i m p r o v e t h e a c c u r a c y o f h u m a n p h y s i o l o g i c a l p a r a m e t e r c a l c u l a t i o n,a m o t i o n a r t i f a c t f i l t e r i n g a l g o r i t h m f o r P P G s i g n a l b a s e d o n d i v e r g e n c e v a l u e a n a l y s i s i s p r o p o s e d.A f t e r t h e c o l l e c t e d t e m p l a t e s i g n a l a n d t h e e x p e r i m e n t a l s i g n a l a r e p r e p r o c e s s e d b y b a n d-p a s s f i l t e r i n g,t h e s t a n d a r d t h r e s h o l d r a n g e o f t h e d i v e r g e n c e v a l u e o f t h e s i g n a l c h a r a c t e r i s t i c s i s c a l c u l a t e d u s i n g t h e t e m p l a t e s i g n a l t h a t i s n o t i n t e r f e r e d b y t h e m o t i o n a r t i f a c t s.T h e n,t h e d i v e r g e n c e v a l u e o f t h e t e m p l a t e s i g n a l a n d t h e e x p e r i m e n t a l s i g n a l t h a t i s i n t e r f e r e d b y t h e m o t i o n a r t i f a c t s i s c a l c u l a t e d,a n d t h e s i g n a l c y c l e w i t h t h e m o t i o n a r t i f a c t s i n t e r f e r e n c e i n t h e e x p e r i m e n t a l s i g n a l i s i d e n t i f i e d,j u d g e d a n d e l i m i n a t e d,a n d t h e h i g h-q u a l i t y w a v e s i g n a l t h a t i s n o t i n t e r f e r e d b y t h e m o t i o n a r t i f a c t s i s i n t e g r a t e d.T h e p r a c t i c a b i l i t y a n d r e l i a b i l i t y o f t h e a l g o r i t h m i n w e a r a b l e s p o r t s s y s t e m a r e p r o v e d t h r o u g h t h e d e t e c t i o n e x p e r i m e n t o f h u m a n v a s c u l a r s y s t o l i c p r e s s u r e.K e y w o r d s:P P G s i g n a l;d i v e r g e n c e v a l u e a n a l y s i s;m o t i o n a r t i f a c t;h i g h q u a l i t y w a v e e x t r a c t i o n 收稿日期:2 0 2 2-1 0-1 60 引 言光电容积脉搏波(p h o t o p l e t h y s m o g r a p h y,P P G)信号可以映射出人体血管中血液的充盈情况,因此可以利用P P G信号进行人体生理参数的计算与预测,对P P G信号的分析是检测人体身体健康状况的可行方法。P P G信号的采集很少受到外界环境的限制,所采集的信号有一定的实用性和适用性,因此受到国内外医学研究人员和学者的广泛关注。S c h o n l e等1研 制 了 一 种 基 于CMO S处 理 电 路 的P P G信号采集电路,此方法可以有效降低功能消耗,提升信号数据的传输和储存效率。M c d u f f等2研制了一套利用 摄 像 头 采 集 人 体 额 头P P G信 号 的 系 统。G o s h-v a r p o u r3提出了一种基于P P G信号的情绪分类算法,对P P G信号进行二维空间重构,然后分别在不同的截面上提取几何指标,最后利用支持向量机(S VM)进行情绪类型分类。C a s s o n a r等4利用陀螺仪和光电传感器,计算并判别人体不同的运动状态。W a n g等5研究提出了一种基76 国外电子测量技术北大中文核心期刊于心电信号(E C G)和P P G信号的人体酒精含量识别系统,利用E C G、P P G信号特征,结合酒精饮用量数据,使用S VM算法构建了一套高效且识别正确率高达9 5%的酒精消耗识别方案。K a v s a o g l u等6分析并提取P P G信号的4 0个信号特征值,采用机器学习算法预测人体血红蛋白水平,实验证明此方法可较高准确率实现无创的血红蛋白检测。S h a r m a7提出了一种基于模式分解的人体心率估算算法,将P P G信号模式分解并计算人体心率,实验验证此方法具备较高的准确率。L i等8使用L E D测试人体运动心率,提出基于加速度模型和灰色微分方程的心率估算算法,测量人体不同运动强度下的心率数据,实验效果显著。F a n等9提出了利用最大似然的计算方法,跟踪判断心电信号中含干扰信号最少的谐波数据,判断并提取正确谐波的准确率比以往方法提高了1 8%以上。孙斌等1 0提出了基于特征K值的时域递归滤波信号伪差校正算法,并利用血氧饱和度检测实验验证了算法的可靠性。张畅等1 1利用B P神经网络血压检测模型,通过平均影响法减少冗余特征,检测到的血管收缩压和舒张压准确率高达9 4%。W a l i a等1 2通过提取P P G信号的三维特征,利用最小欧氏距离分类器对人体身份进行分类,识别正确率超过9 7%。虽然P P G信号被广泛应用于人体生理参数测量1 3,并且得到了可观的效果,但是由于运动伪差的存在,其应用领域仍然受到一定地限制,如运动监测系统,可穿戴医疗系统等1 4。在P P G信号采集过程中,受测者也同时存在说话、咳嗽、喘气等人体运动,这给所检测到的P P G信号引入了运动伪差干扰,伪差的存在降低了信号特征提取的准确率,进而影响人体生理参数估计的准确度,甚至导致生理参数的错误测量。针对这一问题,目前主要采用带通滤波算法对信号进行滤波预处理,消除高频环境噪声和低频基线漂移噪声,之后采用不同的数学思想进行运动伪差滤除,如非线性自适应滤波1 5、奇异值分解1 6、最小二乘法1 7、有限谐波和法1 8、联合系数重构1 9等。现有的P P G运动伪差滤除算法已经取得了较好的效果,但是存在多次迭代、累加与相乘等繁琐操作,数据处理步骤繁杂,运算效率欠佳。针对以上问题,提出了基于散度值分析的P P G信号序列伪差滤除算法,该算法将人体静止状态受控实验中测得的模板信号与存在人体运动的实际状态下测得的实验信号进行散度值计算分析,若某一周期的信号特征散度值超出可接受阈值范围,则判定该信号周期存在运动伪差,并将此信号周期剔除。1 P P G信号的散度值计算1.1 脉搏波信号的特征提取光电容积脉搏波信号主要由一个上升支和一个下降支组成,如图 1 所示。脉搏波形成原理如下:血液流经血管时动脉随之膨胀或收缩,从而形成脉搏波。当心室收缩时,主动脉膨胀,血管内压力升高;当心室舒张时,主动脉弹性恢复收缩,脉搏波以上升支最低点为起点,以波的形式向血管传输血液。上升支表示血液注入主动脉时,动脉扩张的情形,波峰表示主动脉压力的最高值,即上升支的最高点;下降支表示心室舒张时,主动脉的收缩情形,下降支中,主动脉的血管回弹会形成重搏波。图1中,s1=h1/t1,表示上升支斜率;s2=h2/t2,表示下降支斜率;a1表示上升支面积,a2表示下降支面积,h1、h2分别表示上升支与下降支幅值,t1、t2分别表示上升支与下降支时间。图1 脉搏波波形特征1.2 P P G信号的散度值计算散度值表征了两个数据流样本在概率分布上的差异性。散度值越小,表示两个数据流样本的信号特征差异性越小。散度值分析在实验过程中基于概率分布进行分析,在脉搏波信