潜水减压多普勒超声气泡信号识别方法

用三参量模糊分析法识别潜水减压气泡信号的研究

• 摘要
  三参量模糊分析法。建立了 f-p-Δp( 频率、谱峰、峰差) 三参量模糊分析法，综合气泡原本特征以及背景噪声计算评分以识别气泡，最后给予 SPENCERⅠ ～ Ⅲ分级
• 原理和方法
  • 减压气泡信号的能量集中在600～4000Hz 之间，背景噪声能量集中在600Hz 以下，在高频段，气泡信号的能量密度高于噪声信号，单个气泡信号的时程一般在5～20ms，带宽在200Hz 左右。 因此，可以考虑利用频谱分析的方法将背景噪声分离，从而还原气泡信号。
  • 为了表示局部化的气泡信号，需要对FFT加窗。参数的选择及窗宽的确定是频谱分析的重要内容，我们可以通过变窄窗宽来提高气泡信号的瞬时频率的分辨率，但过度变窄的窗宽会增大标准偏差，所以最佳窗应使得局部标准偏差 σ最小。
  • 进行谱估计时，通常窗内气泡信号与噪声信号出现2～3个峰,实验表明，主要由心搏音组成的噪声在低频的1～2峰，气泡信号出现在高频的2～3峰。根据多年来人工鉴别气泡音的经验：音调高于心搏音，音量大于噪声，我们分别设计了 f-p-Δp （ 频率、谱峰高、峰高差） 三个特征参量的 S 型隶属度函数，表达气泡信号的频谱分布特征及规律。
    • 频率f， 通过实验发现在气泡信号普遍出现在500～2000Hz，根据实验结果，我们设定频率特征的隶属度函数 μf 如下，这样基本可以反映音调高于心搏音的模糊特征。
      
  • 对于音量大于噪声的模糊特征，我们采用P（f） －峰高、ΔP（f） －峰高差这两个次级特征分量。 当心搏音较强时，高频的噪声信号也相应升高，要求气泡信号的音量足够大，而且相对噪声信号的峰高足够高时，才可以判定是气泡信号，以下分别是两个特征分量 μP（ f ） μΔP（ f ） 的隶属度函数：
    
  • 根据以上三个次级特征分量，我们规定某一谱密度峰属于气泡的可能性的隶属度函数：
    μ_bubble＝Min｛μf ，μp （ f ） ，μΔp （ f ） ｝（ 若 μbubble＞0.8则计为气泡）。
  • 一个例子:下图是一个典型的气泡信号谱密度曲线，高频段的信号峰 ${\mu }_{bubble}$ ＝0.88，可以计为一个气泡信号。
    
• 结论:
  基本符合多年来人们判断气泡的经验，也符合人工监听结果,下图为该方法和人工监听结果的对比。
  

Detection of bubbles in blood vessels and the evaluation of their flow

• 摘要
  开发了一种 信号处理方法（梳状滤波器） 来分离气泡多普勒信号并估计相应的气体流量。

Spectral analysis of Doppler ultrasonic decompression data

• 摘要
  描述了利用快速傅立叶变换技术分析气泡瞬态的能量密度谱计算

其他

• 小波分析、跳变检测算法和经验模式分解（论文引用错误）