基于Lognormal函数的脉搏波分解可行性研究

探讨利用Lognormal(对数正态)函数构建血流流量波进行脉搏波分解的可行性.研究对象为23名健康在校大学生,利用无创主动脉脉搏分析仪(AtCor Medical SphygmoCor)获取无创主动脉脉搏波形.分别利用Lognormal函数和三角波函数构建血流波形,采用阻抗分析技术将主动脉压力波形分解为前向波和反向波并计算反射幅度(RM_log,RM_tri)、反射指数(RI_log,RI_tri),然后对参数进行Bland-Altman法分析和回归分析.两种方法计算的RM,RI一致性良好,其回归方程分别为:RM_log=1.009RM_tri-0.007,RI_log=1.008RI_tri-0.004;RM_log和RM_tri显著相关(r=0.999; P<0.001),RI_log和RI_tri显著相关(r=0.999; P<0.001),且从波形上分析,基于Lognormal函数的脉搏波分解较三角波更好.因此,基于Lognormal函数对主动脉压力波形分解是可行的,而且效果优于三角波函数分解的结果.     

基于鲸鱼优化算法的VMD-NLM脉搏信号滤波算法研究

针对采集到的脉搏波信号中存在基线漂移和高频噪声等干扰,导致后续病理研究分析困难、测量精度相对较差的问题,提出了一种改进的变分模态分解和非局部均值降噪结合的滤波算法。针对变分模态参数选取不同对结果存在不同影响的问题,采取鲸鱼优化算法自适应选取合适的参数,并根据排列熵结果筛选模态分量,对噪声分量进行非局部均值滤波,最后将信号重构,实现对脉搏波信号的噪声去除。实验结果表明：含噪信号经过改善后的滤波算法处理后,其信噪比与均方根误差均优于其他降噪方法,证明该算法能够有效地滤除信号的噪声,有助于脉搏波的分析处理。     

经验模态分解在EGG信号慢波提取中的应用

对临床检测到的胃电图(electrogastrogram,EGG)信号先进行经验模态分解(empirical modedecomposition,EMD),然后再选择相应的内在模分量重构,有效地提取出EGG信号中的慢波成分,提高了信号的信噪比.     

人体颈、腕动脉压力波互相关特征及在冠心病上的应用

采用Hilbert-Huang变换(HHT)方法对人体颈动脉、腕动脉脉搏压力波进行同步信号分析,对健康志愿者以及冠心病患者术前、术后的颈、腕同步脉搏波分别进行模态分解,同时引入互相关方法,从而得到健康志愿者以及冠心病患者术前、术后的颈、腕同步脉搏压力波各阶相应模态之间的互相关特征.通过互相关特征曲线发现,健康人体颈、腕动脉第2阶模态的波形周期对应于其脉搏周期的1/3,第3阶模态的波形周期对应于其脉搏周期的1/2,第4阶模态与脉搏波周期相近.健康人体颈动脉、腕动脉第1阶模态均呈现较为标准的X波模态.冠心病患者颈、腕动脉第1阶模态互相关特征明显变异,术后相应模态特征得到显著改善.     

基于改进HHT方法的密集模态结构参数识别

针对Hilbert-Huang变换(HHT)方法在识别结构模态参数中存在的经验模式分解(EMD)模态分解能力不足以及固有模式函数(IMF)分量之间不正交这2个问题,分别提出采用波组信号前处理和正交化经验模式分解的方法予以改进,并将此方法称为改进的Hilbert-Huang变换方法.在介绍正交化经验模式分解方法和波组信号前处理基本原理的基础上,给出基于此改进Hilbert-Huang变换方法识别结构模态参数的基本步骤,并通过一个具有密集模态的三自由度结构在脉冲荷载激励下的模态参数识别算例予以验证.研究结果表明:该方法可有效识别密集模态结构的模态参数,且识别效果优于基于HHT的模态参数识别方法的效果.     

基于脉搏波数学模型的运动员运动状态判别方法

针对利用运动员脉搏波信息对其运动状态(高强度运动、平静)进行判别,并减少身体状态的随机性对脉搏波特征信息的影响问题,提出了一种对原始脉搏波信号进行建模进而提取特征信息进行状态判别的方法.利用训练-测试的二分类分析方式,对运动员的心率状态进行判别,以分析运动员的运动状态,辅助其进行运动训练工作.实验通过对10名运动员志愿者在不同状态下进行脉搏波采集,对预处理后的原始信号进行函数建模并提取生理信息,利用SVM进行监督训练和测试.结果表明,该方法能够对运动员心率状态进行有效判别,得到运动员的运动状态.     

基于欧拉放大的桡动脉脉搏波提取方法

脉搏波是反映人体心血管状况的重要参数,基于视频的非接触式脉搏波检测在医疗健康领域具有重要的研究价值。针对目前非接触式脉搏波提取方法存在检测不准确、受光照影响较大等问题,文章提出了一种基于欧拉放大的桡动脉脉搏波提取方法。利用欧拉放大算法放大手腕处桡动脉的微小搏动信号;对放大后的视频进行分块,计算每个子块的时域信噪比(signal to noise ratio,SNR),将SNR最高的区域作为感兴趣区域;利用独立成分分析(independent component analysis,ICA)算法来分离感兴趣区域中的脉搏波信号和环境噪声,进而通过功率谱估计方法对脉搏波信号进行分析,以获取脉搏波对应的心率值;在多组实验数据集上对该方法进行测试,以经典的脉搏波检测设备提取的脉搏波为真实值,分别在自然光、日光灯和弱光等不同场景下与最新的基于色度信息分析的脉搏波提取方法和基于人脸视频的脉搏波提取方法进行对比。实验结果表明:该文方法提取的脉搏波与脉搏波检测设备提取的脉搏波具有更高的一致性,在自然光、日光灯和室内弱光等不同场景下分别能达到98.60%、92.10%、90.60%的准确率;相比于其他方法,该方法在3种场景下提取脉搏波的准确率提升均大于1%,提高了非接触式脉搏波提取的性能。     

缝类缺陷对Lamb波的影响研究

为了对金属薄板中缝缺陷进行Lamb波无损检测,采用短时傅里叶变换(STFT)和经验模态分解(EMD)方法,对ST12冷轧板中有无缺陷时采用一发一收方式激励出的Lamb波时域信号进行研究.结果表明,时频分析方法可有效地识别Lamb波模式以及模式转换现象,并且与Lamb波信号相关系数最高的固有模态信号(IMF)的平均瞬时频率的变化量和缺陷程度(缝深和缝长)也有较好的对应关系.     

基于EEMD和ICA的语音去噪方法

语音去噪技术是语音识别系统走向实用化的一个关键性难题.针对语音信号为非平稳信号的特点,提出了一种基于EEMD和ICA相结合的语音去噪方法,首先利用集合经验模态分解(EEMD)算法将含噪语音信号分解为若干个独立的固有模态函数(IMF),消除了经验模态分解(EMD)算法处理语音信号时产生的模态混迭现象;然后将固有模态函数通过改进的独立分量分析(ICA)算法分离出若干个有效的语音信号分量;最后对其进行语音重构,从而达到消除噪声干扰的目的.实验结果表明,该方法在输入信噪比为-10dB的汽车噪声条件下,可以将语音信号的信噪比提高到2.741 2 dB.     

基于手机摄像头的血压估计方法

提出一种使用手机摄像头采集脉搏波的血压估计方法,称为基于脉搏波的多参数收缩压估计法(multiparameter estimation of systolic blood pressure based on pulse wave,MBPP).在运动实验中,分别通过手机摄像头和血压仪获得不同的脉搏波时序数据和血压.然后,对脉搏波数据进行去噪,计算加速脉搏波,得到脉搏波传导时间.再计算得到脉搏波的特征点,从而计算心率.最后,选择脉搏波传导时间和心率两个参数与血压进行线性拟合,从而得到血压的回归方程.实验结果表明,MBPP方法准确性高,可以用于血压的测量.