matlab 脸部血容积脉搏波,基于光电容积脉搏波的抗运动心率及血氧提取算法研究...

摘要：

心率(heart rate,HR)和血氧饱和度(oxygen saturation)是两个非常重要的人体参数。心率的实时、无创检测可以帮助人们随时了解自己的身体状况,一定程度上能够避免由于心血管疾病等因素引起的意外事件的发生。此外,心率监测还可以作为一种运动监测手段,避免过高的运动强度给免疫系统带来较大的压力。因此,对心率的实时、无创、准确检测受到越来越多的关注。氧气是所有生命活动的物质基础,是提供人体新陈代谢的重要物质。血氧饱和度实时监测已成为判断人体供氧状况以及人体呼吸系统和循环系统是否正常的一个重要指标。光电容积脉搏波(photoplethysmographic,PPG)信号中包含很多人体生理信息,例如心率和血氧,因此利用光电容积脉搏波信号提取心率和血氧得到了广泛的应用。然而,光电容积脉搏波信号极易受到运动干扰的影响,严重影响心率和血氧饱和度检测的准确性,尤其当光电容积脉搏波中包含突变波形时,利用传统的算法得到的结果并不理想。针对以上问题,本文提出一种基于时变自回归(time-varying autoregressive,TVAR)模型的抗运动干扰的心率提取算法。本文首先利用加速度信号对PPG信号进行状态分类,分为静止PPG和运动PPG。对于静止PPG信号,本文提出一种均值交点法计算心率,该方法在静止情况下准确度高、运算量小。对于运动PPG信号,本论文算法将基于多小波基函数展开的时变自回归模型方法、快速傅里叶变换(fast Fourier transform,FFT)频谱分析法和加速度信号结合起来。该算法采用带通滤波器和滑动平均滤波器对光电容积脉搏波信号作预处理。利用基于多小波基函数展开的时变自回归模型法对受到干扰的PPG信号分段,对每段信号作快速傅里叶变换频谱分析,进行谱峰搜索,确定所有可能的心率值,利用加速度信号从所有可能的心率值中作最优化选择,最终确定心率。本论文针对5名健康人进行测试。测试状态分两种:静止和运动,运动状态包括跳跃、挥臂、跑步三种情况。同传统快速傅里叶方法和基于最小均方误差自适应(least mean square,LMS)算法的心率提取方法比较,本论文提出的算法具有准确度高,抗干扰性强的特点。特别能有效应对运动干扰产生的PPG波形突变问题。在此基础上,本文将新提出的抗干扰心率提取算法与血氧频域分析法结合,提出了抗运动的血氧饱和度提取算法。实验结果表明此算法具有较好的准确性和稳定性。

展开