基于E MD的指端光电容积脉搏波中呼吸波提取方法研究李文彪1,陈真诚1,刘福彬2(1.中南大学信息物理工程学院生物医学工程研究所,湖南长沙410083;2.武警江苏省总队医院设备科,江苏扬州225003)摘要:目的通过人体指端的脉搏波,提取人体呼吸波信号。
方法使用多参数临床生理监护仪,同步采集人体指端光电容积脉搏波信号和胸阻抗法检测的呼吸波信号,对光电容积脉搏波信号做各层的经验模式分解,选择合适频率的本征模函数,与采集的呼吸波信号做相关性分析。
结果经验模式分解由脉搏波中所提取的呼吸波与采集的呼吸波有很好的相关性。
结论经验模式分解法可有效提取人体指端光电容积脉搏波中所包含的呼吸波成分,对改进医疗监护设备设计、实现生理信号的多参数提取和精确分析有重要意义。
关键词:光电容积脉搏波;经验模式分解;本征模函数;呼吸波中图分类号:R318 文献标识码:A 文章编号:1002 0837(2010)04 0279 04Ex traction of Res p iratory Wave fro m F inger T i p Photolet h ys m ography Si g nals Based on EMD M ethod LIW en b i a o,C HEN Zhen cheng,LIU Fu bin.Space M edic i n e&M ed ical Eng ineeri n g,2010,23(4):279~282 Abst ract:Objective To extract resp iratory w ave i n for m ation fr o m photo lethys m ography(PPG)si g na ls.M et hods U si n g a cli n ica lm ulti para m eter physi o log ica lm on ito r,the fi n ger ti p PPG si g nals w ere acqu ired synchronousl y and the resp iratory wave w as detected by the tho rac ic i m pedance m ethod.Then e m p irica lm ode deco m position w as conducted for the PPG si g na ls,se lecting the i n tri n sic m ode functi o n(I M F)w ith appr opriate fre quency to carry out corre lation analysis togetherw ith respirato r y w ave signals.R esults The resp iratory w ave di rectly acqu ired had a good co rre l a ti o n w ith t h at deri v ed fr o m photo lethys m og raphy signals by e m p irica lm ode deco m position m ethod.Conclusi o n It is indicated that e m pirical mode deco m positi o n m ethod can effectively ex tract t h e respiratory infor m ati o n conta i n ed i n PPG si g na ls.Th is a ll o w s for i m prov i n g the desi g n o fm ed ica l m on ito ri n g dev ices and is useful i n physi o l o g ica lmu lti para m eter ex tracti o n and accurate ana l y sis.K ey w ords:photo lethys m ography;e mp iricalm ode deco m positi o n;i n trinsic m ode function;resp iratory w aveAddress repr i n t requests to:L I W en b iao.I nstit u te of B i o m edical Eng i n eering,Schoo l o f Info physics& Geo m atics Eng i n eering,C entra l South U niversity,Changsha H unan410083,China近年来,在任意时间、任意地点、对人们日常生活影响最小的情况下提供健康诊断或治疗服务,特别是无创、简易、舒适地获取人体生命体征信号(如心电、血压、心率、呼吸等)的方法,越来越受到科研人员的关注。
作为无创检测典型应用之一的光电容积描记法(photo lethys m og raphy,PPG)是采用光电传感器,在人体指端、耳垂、额部位等,利用红外或近红外光在人体内透射或反射的原理,检测由心脏搏动引起的血管内血容量的脉动性变化而获得相关生理信号。
PPG信号中含有多种生理参数信息[1],如心率、血压、血氧、呼吸等。
由于其无创、多参数、操作简单、低成本的特点,日益为生物医学工作者所青睐,但受到检测手段和分析方法的局限,目前仅在血氧饱和度检测方面得到了广泛的应用。
呼吸波(resp iratory w ave,R W)是睡眠监测的重要内容,目前获取呼吸波的方法主要修回日期:2010 03 19通讯作者:李文彪 ti ger830611@163.co m 有热敏传感器和胸阻抗检测法等,操作繁琐,检测不便。
如果能提取PPG信号中所蕴含的呼吸波,将大大降低仪器成本,增加检测舒适度。
文献[2 3]中提到了在脉搏波信号中呼吸波成分的形成机理,却忽视了其临床应用价值,仅将其作为干扰而去除,文献[4]提出了由PPG信号中提取呼吸参数的3种方法,但其基本原理都是线性平滑滤波,而PPG是典型的生物医学信号,在呼吸运动缓变的调制作用下,表现为非平稳随机性的特征,故其参数提取的效果或有效性非常有限。
目前,针对非平稳信号通常的分析方法主要有短时傅里叶变换、小波变换等。
短时傅里叶变换的基础是傅里叶变换,无法摆脱傅里叶变换的局限性[5]。
小波分析本质上也是一组可调的窗口傅里叶变换,并且在信号分析过程中存在小波基选择、分解层数选取、阈值确定等问题,通过小波分析得到的小波分量和小波谱只相对于所选的小波基有意义,不具自适应性和广泛通用性。
经验模式分解(e m pirical m ode deco m positi o n,E MD)是第23卷 第4期 航天医学与医学工程 V o.l23 N o.4 2010年 8月 Space M edic i ne&M edical Eng i neer i ng A ug.2010H uang [6]于1998年提出的一种时频分析方法,它保留了小波变换多分辨分析的优点,以自身为基波进行分解,具有良好的自适应性,尤其适合于低频趋势性分析。
虽然E MD 方法提出的时间不长,但在地震信号分析、机械振动分析、变形监测等工程方面已经得到了很好的应用。
在生物医学信号处理领域,E MD 方法拥有独到的优势,国内外的相关研究工作还处在发展阶段。
文献[7 8]提到利用E M D 检测QRS 波的算法,文献[9 10]也将E MD 引入到针对心电信号特征的分析中,都取得了一定的效果,但并未实质体现算法的优势所在。
本文深入分析呼吸波对PPG 信号缓变调制作用的特点,充分发挥经验模式分解算法的优势,将经验模式分解方法引入到由PPG 信号的呼吸波成分提取的算法中,取得了较好的效果。
1 经验模式分解算法1.1 基本原理经验模式分解方法是一种多尺度分析方法,从本质上讲是对一个信号进行平稳化处理,最终将信号中不同尺度的波动或趋势逐级分解开来,产生一系列具有不同特征尺度的数据序列,各序列具有如下特征:1)整个数据段内,极值点和过零点数目必须相等或相差不多于1个;2)在任何时间点上,由局部极大值点构成的包络线和局部极小值点构成的数据包络线的平均值为零。
每一个这样的序列即是一个本征模函数(i n tri n sic m ode functions ,I M F),所分解出的各I M F 分量分别包含了原信号的不同时间尺度的局部特征信息。
其中低频率的本征模函数通常情况下代表原始信号的趋势或者缓变成分。
每一I M F 所包含的频率成分不仅与采样频率有关,而且随信号本身变化而变化,因此E MD 方法是自适应的信号处理方法,非常适合处理非线性和非平稳过程。
1.2 计算方法给定的信号x R 1,应用经验模式分解的过程如下:1)找到x (t)所有的局部极值点(极大值点和极小值点);2)利用3次样条插值法分别建立信号的极大值包络函数和极小值包络函数,分别记为e m ax (t)和e m i n (t);3)计算上包络函数和下包络函数的均值函数:e m (t)=e max (t)+e m in (t)2(1)4)计算信号x (t)与包络均值函数e m (t)的差值函数:h (t)=x (t)-e m (t)(2)5)用h (t)代替x (t),重复以上2)~4)步,直到所得到的包络均值趋于零,这样就得到了第一个I M F 分量记:c 1(t)=h 1(t)(3)由于第一个I M F c 1(t)代表的是原始信号中的最高频成分,因此,就可以得到包含原始信号x (t)中低频信号:x 1(t)=x (t)-c 1(t)(4)对x (t)进行重复上述(2)~(4)的步骤,就可以得到第二个I M F c 2(t)。
如此重复,直到得到的差值函数x n (t)要么是一个常值函数,要么是一个单调函数。
最后,原始信号x (t)就可以由这些I M F 函数c j (t)(j =1,2,3 n )和余项r n (t)来表示:x (t)=!nj =1c j (t)+r n (t)(5)为了验证E MD 分解算法提取信号各频率成分的有效性,在MATLAB 中,构造包含3种不同频率成分的信号序列:x =cos(10 t)+cos(200 t)+cos(600 t)(6)其中,t 为无量纲整数,且0∀t ∀600。