人体血氧饱和度检测中消除脉搏波信号高频噪声的方法

基于光电容积脉搏波的方法可以用于人体血氧饱和度的无创检测,基于光电容积脉搏波测量时,由于信号采集过程中随机噪声等干扰,脉搏波信号中存在高频噪声,影响最终的血氧饱和度测量精度。提出采用基于连续均方误差(CMSE)准则的经验模态分解(EMD)法消除脉搏波信号中的高频噪声。利用自行研制的光电容积脉搏波采集装置采集脉搏波信号,应用该方法消除信号中高频噪声,并采用信号的频谱进行效果评价。结果表明：该方法有效消除了高频噪声,这将有利于人体血氧饱和度无创检测精度的提高。     

基于红外反射光容积脉搏波的血管阻力研究

近红外光谱技术在血氧饱和度和血糖浓度的无损伤在体测量中得到了应用。本文利用基于反射式原理的红外光容积脉搏波对指尖和桡动脉进行了血管阻力等血流参数检测的研究。通过将提取到的光电容积脉搏波中峰峰值和特征K值参数与超声多普勒所测收缩期峰值血流速度和血管阻力参数进行相关性分析, 发现两者存在很强的相关性, 研究结果将扩展光电容积脉搏波在血流检测中的应用。     

一种改进的脉搏血氧饱和度测量方法

针对峰谷值法在低灌注下血氧饱和度测量准确度较低的缺点,采用了一种基于卷积建模测量血氧饱和度的改进方法。该方法基于脉搏波具有周期性和稀疏性的特性,通过对光电容积脉搏信号特征与其卷积信号特征进行分析,使用其卷积信号代替脉搏信号测量血氧饱和度。实验结果表明,提出的改进方法与峰谷值法在正常灌注指数下测量结果相近,且在低灌注指数至0.2%的条件下,峰谷值法平均偏差和准确度分别为5.304和3.296,改进方法的平均偏差和准确度分别为1.224和1.443,改进方法的测量精度更高、稳定性更好,为人体血氧饱和度测量提供了一种有效途径。     

血液成分无创检测中基于不确定度的光谱提取方法

近红外光谱血液成分无创检测技术发展至今已取得一系列进展。为进一步提高检测精度,基于动态光谱理论提出了一种改进的光谱提取方法：首先拟合出漂移基线,抑制了手指与夹具相对运动造成的影响;然后以方和根代替峰峰值组成光谱,减小了系统随机误差造成的影响。最后以血氧饱和度测量为例,对血氧饱和度系数Q进行不确定度分析,结合实验数据的理论分析表明以方和根代替峰峰值可使不确定度下降至原先的38%。在血氧饱和度检测实验中将改进后的方法与峰峰值法对比,可得精度更高的血氧饱和度系数Q,获得十组Q值的方差平均下降至原先的42%。理论分析与实验结果均表明,应用所提出的光谱提取方法可更加精确地从光电容积脉搏波中提取有效光谱,在血液成分的无创检测中有着重要的价值。     

一种测量动脉血氧饱和度的新方法

在传统的血氧饱和度测量方法中,首先计算对数光电容积脉搏波交、真流成分的比值(R值),然后通过实验建立血氧饱和度值与R值的线性回归模型,旨在消除光程的影响,将个体差异的影响降至最小化,是一种基于Lambert-Beer定律的降维处理。当考虑散射时,这种以交、直流成分的比值作为自变量的降维处理方式损失了信息量,引入了系统误差,限制了测量的精度。为了减小这种影响,从透射光电脉搏波所含信息量的角度,提出了使用双波长对数光电容积脉搏波的峰值和谷值作为自变量与血氧饱和度值建立线性回归模型的新方法。从23名健康志愿者中获得133例光电脉搏波及血氧饱和度参考值样本,从中随机抽取90例作为建模集,另外43例作为预测集,对比了新方法和R值法的建模和预测结果。随机抽取建模集并预测10次,新方法和R值法的平均预测相关系数分别为0.890 6和0.846 8,平均预测均方根误差分别为0.889 6%和1.037 3%,结果表明新方法的预测效果优于传统R值法,使用四个特征量建立血氧饱和度预测模型,能够提高测量的稳定性和精度,对基于有限波长光谱数据建模测量人体血液生理参数有指导意义。     

利用近红外光谱检测多层组织血氧饱和度的研究

利用近红外光谱无创检测生物组织血氧饱和状态,是一种极富研究和应用前景的检测技术,在临床检测中被广泛应用.但常规临床检测应用于指端仅反映局部血氧饱和度信息,在使用中具有局限性,信号的可信度也存在质疑.该文提出了一种采用反射式脉搏血氧饱和度检测技术检测生物多层组织氧合状况的新方法,该方法通过调节入射光强以适应解剖学中生物组织多层结构的检测.应用该方法针对手指结构的实验结果表明,随着入射光强的改变,反映血氧饱和状态的光电脉搏波信号有显著变化.结合手指解剖学分析表明,光电脉搏波信号的变化与手指的多层面组织结构相对应,反映不同层面血氧饱和状态.这一特点表明,通过此法可以针对生物组织的多层结构进行测量.     

基于时频域综合分析的无创血糖检测技术研究

无创血糖检测技术是一种间接测量血液中葡萄糖含量的方法,其不损伤人体组织具有安全、快捷、无创的特点,打破了传统血糖检测的局限性,具有重要的研究价值。光电容积脉搏波信号因携带多种生理病理信息,被广泛应用于各种临床研究,也是目前实现无创血糖检测技术的重点关注对象。目前基于光电容积脉搏波信号的无创血糖检测研究,仅考虑了时间域或频率域单独作用时对系统建模的贡献。信号的时域分析虽能描述PPG信号幅值随时间的变化,却无法直观反映PPG信号频率的能量分布,因此单一域的信号分析不能全面表达PPG信号,从而导致信息丢失。采用频域分析方法提取信号频谱时,需要利用信号的全部时域信息,是一种全局的变换,可能会造成特定时间或特定频率段内的信号特性丢失。提出了一种基于光电容积脉搏波(PPG)时频域综合分析的无创血糖检测新方法,采用时域-频域并行法综合考量光电容积脉搏波信号与血糖间的联系。以时域分析为基准,利用聚类分析法在PPG信号时域中提取代表波形,分析波形特征点与血糖相关性,确定波形时域特征参数。在此基础上,利用快速傅里叶变换将脉搏波时域信号转换至频率域,采取主成分分析手段研究频谱信息,确立频域特征量。通过口服葡...     

面部视频非接触式生理参数感知

为了在非接触条件下检测受试者的各项生理参数,本文设计了一种基于成像式光电容积描记技术,从手机录制的人脸视频中估算生理参数的方法.首先,提出了"小波变换-主成分分析-盲源分离"算法,用于提取出高信噪比的RGB三通道脉搏波信号.然后,分别从频域和时域角度对绿色通道信号进行处理,估算出心率值和呼吸率值;对红蓝通道的脉搏波信号...     

改进的紫外拉曼光谱分段线性拟合基线校正方法

紫外拉曼光谱具有拉曼散射强度高、易于荧光光谱分离、受环境干扰影响小以及人眼安全性高等特性,所用的紫外拉曼光谱仪采用波长266 nm激光器,拉曼和荧光光谱会有部分重叠,增加了准确获取拉曼光谱特征信息的难度,进一步影响样品的辨识。因此,需要在分析拉曼光谱之前进行基线校正来消除荧光干扰。根据紫外拉曼+荧光混合光谱中,荧光光谱具有逐渐增加且接近分段线性递增的特点,利用分段线性函数拟合荧光光谱基线是一种较简捷的方法,于是针对传统分段线性拟合基线校正方法基线点定义过度依赖操作人员、自动化水平较低等问题,研究了一种改进的紫外拉曼光谱分段线性拟合基线校正方法:(1)首先求原始信号经不同次平滑迭代后的光谱数据。由于波峰相对于基线是高频信号,在多次平滑过程中,波峰附近的光谱强度逐渐下降且变化较大,基线部分逐渐上升且相对变化很小,经不同次迭代平滑的光谱波峰和基线点处的光谱强度标准差SD差异较大。(2)然后通过对光谱强度偏差的比较确定准有效基线点位置。通过适当设定的阈值SD_0提取出准有效基线点位置;(3)再利用线性迭代拟合法提取并修正过校正基线点。准有效基线点将整个拉曼光谱分割成N个特征峰区间,分别连接特征峰区间两端点得到一条直线,若特征峰全部在直线以上表明不存在过校正,否则区间端点向其峰方向移动并再次直线连接,重复以上过程,直到特征峰全部在直线以上,得到有效基线点;(4)最后逐段直线连接所有相邻有效基线点得到整个光谱的基线。原始光谱减去基线就是基线校正后的拉曼光谱。通过对模拟和实际测量的紫外混合光谱的基线校正处理实验表明:该方法能自动确定基线点位置,且较传统方法能获得更好的基线校正效果,为下一步的光谱分析提供更准确的光谱信息。     

动态光谱的单拍提取

为了提高动态光谱(dynamic spectrum,DS)数据处理方法的效率与精度,采用单拍提取技术,即对所采集全部波长对应的光电容积脉搏波(photoelectric plethysmography,PPG)叠加平均所得到的全波段PPG,以单个脉搏为周期,提取其上升沿作为模板;用该模板校正各个波长PPG的上升沿,再以...     

一种改进的小波除噪方法用于含噪ICP-AES光谱的处理

提出了一种改进的小波除噪方法。它基于噪声具有频率较高和幅度较小的特点 ,先排除信号中频率较高的成分 ,再丢弃余下的系数较小的成分。对模拟的含噪电感耦合等离子体原子发射光谱 (ICP AES)的处理结果表明 ,该法能克服小波平滑和小波去噪的一些缺陷 ,可去除更多噪声 ,而信号强度不受影响。同时 ,基线变得平坦 ,有利于峰高的定量计算。用该法处理实测ICP AES光谱 ,效果满意。     

某型指挥信息系统有线远传接口自动识别方法

为提高对指挥信息系统有线远距离传输接口测试的自动化水平,提出一种基于信号特征提取的信号类型自动识别方法。在对各类接口信号时域和频域特性分析的基础上,采用限幅滤波法实现对信号峰峰值的准确判断,通过基于Burg算法AR模型的谱估计方法实现信号频谱准确估计。依据提取到的信号峰峰值和频带宽度,采用双阀值判决方法对接口类别进行自动识别。实验结果表明,基于信号时频域特征差异的自动识别方法,能够有效区分3种类型15个接口,识别准确度达到87%以上。     

基于小波系数图和卷积神经网络的太赫兹光谱物质识别

许多太赫兹光谱物质识别方法依靠寻找该物质在太赫兹波段范围内不同光谱表现出的不同特征来识别特定物质。吸收峰提取法是常用的光谱特征提取算法,但当光谱无明显特征吸收峰或峰位、峰值相近或难以识别时,难以利用吸收峰特征辨别物质。将机器学习和统计学习技术用于太赫兹光谱的识别中虽减少了吸收峰的干扰,但常常需要人为定义特征而导致分类误差。深度学习法能自动提取特征,但在识别前往往需要进行复杂的预处理操作,并且在特征提取的过程中容易丢失部分特征从而导致分类误差。针对以上问题,提出了一种基于小波系数图和卷积神经网络的太赫兹光谱识别方法。利用太赫兹光谱信号进行小波变换时,由于小波系数矩阵的每一行系数与原始光谱信号存在着对应关系,因此将太赫兹光谱的吸收系数通过小波变换在频率域上展开,能得到不同的二维的频率-尺度分布图,又称小波系数图。然后构造一个卷积神经网络(CNN)对小波系数图进行分类,可得到太赫兹光谱物质的分类结果。为了验证所提出算法的有效性,将三组小波系数图数据与原始光谱数据分别输入CNN、Support Vector Machin (SVM)、Multilayer Perceptron (MLP)三种不同的分类器作对比,从实验结果可以发现本文算法在三组数据中的识别率均达到了100%,说明相比于传统方法,本文方法能准确分类没有明显特征吸收峰的光谱,证明了使用卷积神经网络识别小波系数图的有效性。为了体现本文算法的优势,与小波脊线寻峰识别算法作对比,实验结果表明本文算法几乎不受峰频、峰位、峰值的影响,无论是识别不存在吸收峰的淀粉,还是识别相似度高的蔗糖和葡萄糖,都具有较高的识别率,分类准确率达97.62%,证明了所提算法的优越性。该算法为太赫兹光谱数据识别提供了一种新思路,同时也可以推广运用到其他谱图物质的识别中。     

光谱信号的小波去噪新技术

光谱分析中,噪声的存在常影响分析的准确度和检测限。现有滤波方法在光谱信号除噪方面有种种缺陷。文章充分利用小波在信号处理方面的优良特性,提出了Mexican Hat小波滤波算法,它选用Mexican Hat小波函数构造滤波项,利用滤波项与原始信号作用,从而实现信号与噪音的分离。该方法无论对低频或高频信号均适用,除噪完全,即使对信噪比为1的高噪声信号也能获取满意的处理结果。运用这一技术处理光谱信号,简单快速、结果可靠,处理后峰位置、峰高、峰面积误差分别小于0.2%,3.2%,1.1%。大量实验表明,本方法能有效提高光谱分析的准确度。     

封装西林药瓶残留氧气检测中的谐波基线校正和去噪方法

可调谐激光二极管吸收光谱(TDLAS)技术的成熟和快速非接触气体浓度测量的优点,十分适合用于对封装西林药瓶内残留氧气进行浓度检测。采用TDLAS技术对封装西林药瓶内残留氧气进行浓度检测,检测系统的光路经过空气和玻璃药瓶,玻璃瓶壁对激光的散射和衰减是检测系统的主要干扰,给二次谐波信号的稳定性带来了很大影响。设计和搭建了基于TDLAS的封装西林药瓶残氧量检测系统。针对从系统中提取出的二次谐波信号,提出了一种基于小波变换的基线消除和噪声滤除方法, 解决在残留氧气浓度检测过程中基线漂移和噪声干扰问题,克服玻璃瓶壁对二次谐波信号的干扰,效果明显。选用“sym6”小波,将实验测得的信号进行五层小波分解,根据每一层小波分解得到的低频分量求出相应的基线斜率,对五个基线斜率进行加权平均得到原始信号的基线斜率。由求得的基线斜率,对原始信号经过去基线处理,再进行小波分解和软阈值处理后得到重构信号。对氧气浓度为21%的西林瓶的测量结果表明,处理后谐波信号和理论信号之间的相对误差由处理前的1.26%下降到了0.12%,证明了此方法可以很好地解决在残留氧气浓度检测过程中基线漂移和噪声干扰问题,克服玻璃瓶壁对二次谐波信号的干扰,为氧气浓度测量提供很高质量的信号。     

提升小波加权自相关函数的基音检测算法*

随着计算机技术的发展,语音信号处理作为人机交互的重要渠道,其在复杂噪声环境下的特征值检测算法直接关系到计算机的运算效率。基音周期是语音特征值提取的重要参数之一。针对传统基音检测算法在噪声环境下检测精度低的问题,提出了一种基于自适应提升小波变换加权线性预测误差自相关函数的基音检测算法。该方法用多级提升小波近似系数加权求和的方法来弥补自相关函数随着时间延迟量的增加幅值衰减的缺陷;用线性预测误差自相关函数的方法来抑制共振峰的干扰,然后将两种方法结合来突出基音周期处的峰值。实验结果表明,与传统的自相关函数法和小波加权法相比,该方法能有效减弱共振峰的影响,突出基音周期处的峰值,提高基音周期检测精度,鲁棒性更好。     

基于荧光技术的啶虫咪农药检测仪的研究

设计了一套基于线阵CCD光电转换原理的荧光检测系统。利用该系统实现了对啶虫咪农药荧光光谱特性的检测。用CCD检测仪取代了常用的光电转换器件——光电倍增管，通过与光栅结合实现了光谱的快速分析。根据噪声和信号在小波变换下表现出的截然不同的性质，提出基于小波变换技术的荧光信号特征提取及消噪方法。结果表明，采用小波去噪能更好地保留荧光光谱峰值处的信息，可以大大提高系统的检测精度。     

基于最小二乘法的动态光谱补偿拟合提取

高信噪比的动态光谱(dynamic spectrum, DS)提取是实现高精度动态光谱血液成分无创检测的一个关键。为了进一步提高提取的精度和速度,从原理上分析了各单波长光电容积脉搏波(photoelectric plethysmography,PPG)的线性相似性,并基于此性质提出了补偿拟合法：首先按照PPG单周期采样点数进行滑动平均得到漂移基线进行补偿,除去基线漂移;其次用各波长对数PPG与全波长叠加平均模板PPG进行最小二乘拟合,提取一次项系数构成DS。利用拟合提取法对近红外和可见光波段各25组PPG数据样本进行DS提取实验验证,并将结果与单沿提取法进行平滑性指标的对比,结果表明：近红外和可见光波段补偿拟合法获取DS的平均方差分别为单沿提取法的77.9%和59.5%,稳定提高了DS的平滑性;近红外和可见光波段补偿拟合法处理时间分别可以达到单沿提取法的10%和20%,处理速度得到显著改善。补偿拟合法在单沿提取法的基础上稳定提高了DS的信噪比,改善了DS提取质量,缩减了提取时间,并简化了处理步骤,有望推动DS无创血液成分检测的发展。     

基于赛利斯模型和分数阶微分的兰姆波信号消噪

为降低噪声对超声兰姆波检测信号的影响,提高信噪比和增加特征提取的精度,提出了一种赛利斯模型下分数阶微分方法用于超声兰姆波信号去噪.该方法对含噪声的兰姆波信号幅值谱进行各阶分数微分,用赛利斯分布作为待处幅值谱的模型,提出了幅值谱分数阶微分最大值和过零点与微分阶数的拟合三次关系式,建立了幅值谱特征参数的计算式来提取特征参数和重建原始信号的幅值谱,并结合相位谱重构去噪后的兰姆波信号.仿真结果表明,该方法可以有效地提高兰姆波信号甚至微弱兰姆波信号的信噪比,同时降低均方误差和平滑度.实验结果显示,与小波去噪和集合经验模态去噪方法相比,该方法在没有信号先验知识的情况下,可以更有效地去除兰姆波信号的噪声,同时更好地保留主信号的细节特征.因此,本文提出的方法可以有效地去除兰姆波检测信号中混入的噪声.     

一种用于光纤链路振动信号模式识别的规整化复合特征提取方法

相位光时域反射链路监测系统是一种利用光纤作为传感介质的传感系统, 能够监测、定位、识别入侵信号.模式识别模块是其重要组成部分, 实时智能区分安全扰动和危险入侵.本文提出一种用于光纤链路振动信号模式识别的复合特征提取方法.利用改进的双门限方法确定有效信号段的起止位置, 结合最大能量与最高信噪比挑选出采样周期内主要入侵扰动的特征段.综合利用特征段时域持续时间和小波包能量谱提取复合特征向量, 使用支持向量机进行模式识别.实验表明, 基于本文提出的规整化特征提取方法的模式识别准确率有了显著提高.