基于振荡波波形包络特征的血压计算方法技术

本发明专利技术涉及一种基于振荡波波形包络特征的血压计算方法，属于血压计算领域，该方法包含如下步骤：S1：将采集到的振荡波信号输入计算机；S2：对采集的振荡波信号采用小波阈值去噪进行滤波处理；S3：采用滑窗法检测识别出去噪后振荡波信号中的波峰点；S4：确定振荡波波形的包络曲线；S5：提取包络曲线的特征参数组成特征向量；S6：基于神经网络模型计算血压值。本发明专利技术方法简单、计算量小以及占用内存小，无须确定固定比值参数，为获取振荡波波形包络特征信息、基于振荡波的无创血压检测设备的研发提供了技术基础。

【技术实现步骤摘要】
基于振荡波波形包络特征的血压计算方法
本专利技术属于血压计算领域，涉及一种基于振荡波波形包络特征的血压计算方法。
技术介绍
血压是人体重要的生命体征之一，能直观反映出人体心脑血管的功能状况，是临床上诊断疾病、观察疗效和预后判断的重要依据。随着社会和经济的飞速发展，国民的生活方式发生了深刻变化，尤其是人口老龄化以及城镇化进程的加速，我国高血压患病率持续增高，严重危害人体健康，已成为重大的公共卫生问题。血压测量对高血压的预防、诊断及治疗具有非常重要的意义。血压是最基本的血流动力学监测项目，是评价心脏功能的重要指标。根据血压对循环系统疾病进行风险分析，可有效预防脑中风、心力衰竭、心肌梗塞等心血管疾病。尤其是，清晨血压升高的高血压病与心脏病和脑中风密切相关。因此，精确的血压测量对把握与血压相关的心血管疾病的风险分析是有用的。现有的技术中，无创血压测量大部分是基于振荡法，在测量过程中通过对振荡波进行幅值包络处理，再根据经验的固定比值系数来计算血压值。而血压受诸多因素影响，例如不同身体状况、年龄群等的情况，血压计算的比例系数亦会随之改变；同时，由于对振荡波幅值包络采用固定比值系数的方法，往往会忽略振荡波包络本身包含的丰富信息，因而在实际测量中存在较大误差。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于振荡波波形包络特征的血压计算方法，从而实现不需要确定比值系数值，能够有效地计算血压值，并且具有较高的血压预测精度。为达到上述目的，本专利技术提供如下技术方案：基于振荡波波形包络特征的血压计算方法，该方法将采集到的振荡波信号输入至计算机，由计算机进行滤波处理、振荡波波峰特征点识别、振荡波波形包络拟合、振荡波波形包络特征参数提取和基于振荡波波形包络特征的神经网络血压预测，计算机对血压计算，具体包含如下步骤：S1：将采集到的振荡波信号输入计算机；S2：对采集的振荡波信号采用小波阈值去噪进行滤波处理；S3：采用滑窗法检测识别出去噪后振荡波信号中的波峰点；S4：确定振荡波波形的包络曲线；S5：提取包络曲线的特征参数组成特征向量；S6：基于神经网络模型计算血压值。进一步，步骤S1具体为，将采集到的振荡波信号进行离散采样后输入计算机，所述离散采样的频率为200～1000Hz。进一步，步骤S2具体为：S21：计算振荡波信号小波分解后各层小波系数的噪声标准差，将计算结果作为振荡波信号的噪声小波系数估计值；S22：根据得到的各层噪声小波系数估计值以及振荡波信号小波分解后的各层小波系数，计算各子带阈值；S23：利用各子带阈值，分别对振荡波信号小波分解后的各层小波系数进行阈值化处理，得到振荡波信号小波分解后所包含的有用信号的各层小波系数估计值。进一步，步骤S21中小波分解层数j通过公式，确定；其中，N表示总采样点数，fo表示振荡波信号的采样频率，fn表示振荡波信号中所含噪声的最低下限频率，fn＝infmin{fn1，fn2，…，fnW}fn1，fn2，…，fnW为振荡波信号中包含的全部W种噪声类型的频带，为下取整运算符步骤S21中噪声标准差利用公式，估计计算振荡波信号小波分解后各层小波系数的噪声标准差，得到振荡波信号的第l层噪声小波系数估计值其中，l∈{1，2，…，L}，L表示振荡波信号经小波分解后的总层数，i∈{1，2，…，N}，yl(i)表示振荡波第l层小波分解后的第i个采样点的小波系数值，符号||为绝对值运算符，median(|yl(i)|)为第l层小波系数绝对值的中值。进一步，步骤S22中各子带阈值的计算公式为，其中，λl为第l层子带阈值，表示振荡波信号的第l层噪声小波系数估计值；表示振荡波信号小波分解后的第l层小波系数的方差，式中，其中，yl(i)表示振荡波信号第l层小波分解后的第i个采样点的小波系数值，l∈{1，2，…，L}，L表示振荡波信号经小波分解后的总层数。进一步，步骤S23中对振荡波信号小波分解后的各层小波系数进行阈值化处理的方式为，式中，表示振荡波信号所包含的有用信号的第l层小波分解的第i个采样点的小波系数估计值。进一步，所述步骤S3具体为：S31：设置滑窗的宽度为2S+1个采样点，其中，S为正整数，使得滑窗从左往右移动对去噪后的振荡波信号进行检测，其中采样点满足：S32：设去噪后振荡波信号中各采样点的振荡波信号值分别为[X1，X2，…，Xn，…，XN]，其中，Xn为去噪后振荡波信号中第n个采样点的振荡波信号值，n∈{1，2，…，N}，且设滑窗中的中心采样点对应的振荡波信号值为Xc，则滑窗中心采样点的振荡波信号值Xc的取值范围为[XS+1，XS+2，…，XN-S]；S33：在滑窗移动检测的过程中，若滑窗中心采样点的振荡波信号值Xc满足：Xc＝max[Xc-S，Xc-S+1，…，Xc+S]则判定此时滑窗中心采样点对应的位置点为去噪后振荡波信号中的波峰点；在滑窗移动检测的过程中，若起始滑窗中采样点的振荡波信号值满足：max[X1，X2，…，XS]＝max[X1，X2，…，X2S+1]则认为去噪后的振荡波信号中的波峰点位于起始滑窗的左半子区间中，并将该振荡波信号最大值点判定为去噪后的振荡波信号中的波峰点；若终止滑窗中采样点的振荡波信号值满足：max[XN-S+1，XN-S+2，…，XN]＝max[XN-2S，XN-2S+1，…，XN]则认为去噪后的振荡波信号中的波峰点位于终止滑窗的右半子区间中，并将该振荡波信号最大值点判定为去噪后振荡波信号中的波峰点。进一步，将步骤S3中的波峰值序列进行三层db8小波分解，取逼近信号作为振荡波的波形包络曲线。进一步，步骤S5中所述特征参数具体为：波形包络线上上升支斜率最大点处对应的时间参数和幅值参数、包络幅值最大点处对应的时间参数和幅值参数、包络下降支斜率最小点处对应的时间参数和幅值参数、包络上升支斜率最大点处与包络幅值最大点处围绕的面积参数以及包络幅值最大点处与包络下降支斜率最小点处围绕的面积参数。进一步，步骤S6具体为，将步骤S5中提取的特征向量输入神经网络模型，得到血压的计算值；所述的神经网络模型通过对个体自身多次同步采集振荡波信号的波形包络特征向量和血压值向量训练获得。本专利技术的有益效果在于：1、本专利技术基于振荡波波形包络特征的血压计算方法中，首先利用小波阈值去噪滤除振荡波信号中的噪声，通过实验验证，该方法去噪彻底并能较好地保留信号的边界和纹理特征。2、本专利技术基于振荡波波形包络特征的血压计算方法中，在得到滤除了噪声的振荡波信号后，采用滑窗法能快速准确地识别出振荡波信号中的波峰点，为后续拟合振荡波波形包络曲线奠定基础。3、本专利技术基于振荡波波形包络特征的血压计算方法中，在准确识别振荡波波峰点后，采用三层db8小波分解，取逼近信号来确定振荡波波形包络曲线，能较好地拟合振荡波波形包络曲线。4、本专利技术不需要采用固定的比值系数来计算血压值，而是采用提取振荡波波形包络特征参数，其更能体现包络曲线的特征信息，能够保证具有较高的血压预测精度。附图说明为了使本专利技术的目的、技术方案和有益效果更加清楚，本专利技术提供如下附图进行说明：图1是本专利技术计算方法的流程图；图2是本专利技术实施例中原始含噪振荡波信号波形图；图3是本专利技术实施例中，采用小波阈值去噪滤除噪声干扰后的振荡波波形图；图4是滑窗移动示意图；图5是本本文档来自技高网...

【技术保护点】
1.基于振荡波波形包络特征的血压计算方法，其特征在于：该方法将采集到的振荡波信号输入至计算机，由计算机进行滤波处理、振荡波波峰特征点识别、振荡波波形包络拟合、振荡波波形包络特征参数提取和基于振荡波波形包络特征的神经网络血压预测，计算机对血压计算，具体包含如下步骤：S1：将采集到的振荡波信号输入计算机；S2：对采集的振荡波信号采用小波阈值去噪进行滤波处理；S3：采用滑窗法检测识别出去噪后振荡波信号中的波峰点；S4：确定振荡波波形的包络曲线；S5：提取包络曲线的特征参数组成特征向量；S6：基于神经网络模型计算血压值。

【技术特征摘要】
1.基于振荡波波形包络特征的血压计算方法，其特征在于：该方法将采集到的振荡波信号输入至计算机，由计算机进行滤波处理、振荡波波峰特征点识别、振荡波波形包络拟合、振荡波波形包络特征参数提取和基于振荡波波形包络特征的神经网络血压预测，计算机对血压计算，具体包含如下步骤：S1：将采集到的振荡波信号输入计算机；S2：对采集的振荡波信号采用小波阈值去噪进行滤波处理；S3：采用滑窗法检测识别出去噪后振荡波信号中的波峰点；S4：确定振荡波波形的包络曲线；S5：提取包络曲线的特征参数组成特征向量；S6：基于神经网络模型计算血压值。2.根据权利要求1所述的基于振荡波波形包络特征的血压计算方法，其特征在于：步骤S1具体为，将采集到的振荡波信号进行离散采样后输入计算机，所述离散采样的频率为200～1000Hz。3.根据权利要求1所述的基于振荡波波形包络特征的血压计算方法，其特征在于：步骤S2具体为：S21：计算振荡波信号小波分解后各层小波系数的噪声标准差，将计算结果作为振荡波信号的噪声小波系数估计值；S22：根据得到的各层噪声小波系数估计值以及振荡波信号小波分解后的各层小波系数，计算各子带阈值；S23：利用各子带阈值，分别对振荡波信号小波分解后的各层小波系数进行阈值化处理，得到振荡波信号小波分解后所包含的有用信号的各层小波系数估计值。4.根据权利要求3所述的基于振荡波波形包络特征的血压计算方法，其特征在于：步骤S21中小波分解层数j通过公式，确定；其中，N表示总采样点数，fo表示振荡波信号的采样频率，fn表示振荡波信号中所含噪声的最低下限频率，fn＝infmin{fn1,fn2,…,fnW}fn1,fn2,…,fnW为振荡波信号中包含的全部W种噪声类型的频带，为下取整运算符步骤S21中噪声标准差利用公式，估计计算振荡波信号小波分解后各层小波系数的噪声标准差，得到振荡波信号的第l层噪声小波系数估计值其中，l∈{1,2,…,L}，L表示振荡波信号经小波分解后的总层数，i∈{1,2,…,N}，yl(i)表示振荡波第l层小波分解后的第i个采样点的小波系数值，符号||为绝对值运算符，median(|yl(i)|)为第l层小波系数绝对值的中值。5.根据权利要求4所述的基于振荡波波形包络特征的血压计算方法，其特征在于：步骤S22中各子带阈值的计算公式为，其中，λl为第l层子带阈值，表示振荡波信号的第l层噪声小波系数估计值；表示振荡波信号小波分解后的第l层小波系数的方差，式中，其中，yl(i)表示振荡波信号第l层小波分解后的第i个采样点的小波系数值，l∈{1,2,…,L}，L表示振荡波信号经小波分解后的总层数。6.根据权利...

【专利技术属性】
技术研发人员：季忠，叶东海，陈硕，谭霞，李川，廖彦剑，
申请(专利权)人：重庆东渝中能实业有限公司，
类型：发明
国别省市：重庆,50