强背景噪声下的脉搏信号处理算法研究

摘要

由于血氧脉搏信号在测量过程中不可避免的受到各种噪声的干扰，尤其是运动伪差噪声，它是由病人身体运动造成的，无法正确反映病人实际血氧浓度的情况。运动伪差所引起的干扰频率很低，常与血氧脉搏信号的频谱发生重叠，因此，传统的滤波器无法进行处理。针对这种强背景噪声下的脉搏信号，本文提出了一种基于小波的经验模态分解去噪方法，使噪声和信号得到了有效的分离。 论文首先对含不同噪声的脉搏信号的功率谱做了理论分析，给出了信号和噪声的谱分布；其次，利用现代信号处理技术研究了脉搏信号处理算法，分析比较了小波变换的几种去噪方法和经验模态分解去噪方法在脉搏信号去噪中的优点和缺点，并且结合它们的优点提出了基于小波的经验模态分解去噪算法；然后将本文提出的方法分别与小波去噪方法和经验模态分解去噪方法进行了定性和定量的对比，并且分析了不同参数对新方法的影响，找到了适合新方法的最佳参数；最后通过对6组不同的实际测量数据用本文提出的新方法做了验证。结果证明本文提出的方法有效的抑制了噪声。 本算法弥补了硬件滤波不足的缺陷，具有创新性，在强背景噪声干扰下，准确提取了脉搏信号的时域特征点，为计算脉率和血氧饱和度提供了有效的途径。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景及意义

1.1.1研究背景

1.1.2研究意义

1.2国内外现状

1.3本文完成的工作和主要成果

1.4文章结构安排

第二章脉搏信号的特征与分析

2.1脉搏信号的形成机理

2.2脉搏信号的特征

2.2.1脉搏信号的特点

2.2.2脉搏信号的影响因素和干扰类型

2.3脉搏信号的频谱分析

2.3.1使用FFT进行频谱分析特点

2.3.2信号长度和频率分辨率的选择

2.3.3脉搏信号的谱分析

第三章小波变换法去噪

3.1小波变换理论

3.1.1连续小波变换

3.1.2离散小波变换和二进小波变换

3.1.3多分辨率分析和Mallat算法

3.2噪声信号在小波变换下的特性

3.3小波去噪的几种方法

3.3.1小波分解与重构法去噪

3.3.2小波阈值法去噪

3.3.3平移不变量法去噪

3.4三种去噪方法的实现及其仿真结果

3.4.1阈值及阈值函数的选择

3.4.2小波基的选择

3.4.3高频噪声的去除

3.4.4低频噪声的去除

3.5结论

第四章经验模态分解法去噪

4.1经验模态分解原理

4.1.1概述

4.1.2 EMD算法实现过程

4.2去噪思想及步骤

4.2.1对脉搏信号进行EMD分解

4.2.2脉搏信号去噪思想

4.3仿真结果

4.3.1去除高频噪声

4.3.2去除低频噪声

4.4结论

第五章基于小波的EMD去噪法

5.1算法的提出

5.2算法实现

5.2.1进行EMD分解的分层信号选择

5.2.2算法实现过程

5.3新方法讨论

5.3.1不同参数的去噪效果比较

5.3.2三种方法的去噪效果比较

5.4新方法验证

5.4.1血氧饱和度和脉率的计算

5.4.2结果验证

5.5结论

第六章总结与展望

6.1本文的主要新思想和新方法

6.2对今后工作的展望

致谢

参考文献

科研成果