论文部分内容阅读
随着社会的不断进步,生活水平的提高,人们对自身的健康和保健意识也不断加强。呼吸运动作为人体一项重要的生命活动,它在反映呼吸系统情况的同时,在一定程度上也反映着心血管系统的病变。因此,对人体呼吸活动的监测是现代医疗监护技术中一项重要内容。通过对人体呼吸功能及状况的监测,可实现对呼吸道、心血管等部位的病变的早期发现和预防,并及时了解病情的发展趋势,确定治疗方案以确保人体的健康。目前,对呼吸的监测主要采用的是传感器,但其监测的过程会给被监测者带来不便和一定程度的心理压力。心电和脉搏中包含呼吸信息,因此使得通过连续监测这两种信号来获取呼吸率成为可能。本文主要研究基于心电和脉搏信号的呼吸率融合估计,采用基于二者的呼吸率融合算法,并在此基础上对算法做出改进,简化算法过程,降低了算法的复杂度,为移动和便携式呼吸检测设备提供了一种有效的算法。本文内容主要分为下面几个部分:1.基于心电和脉搏获取呼吸信号。首先,选用小波变换对心电和脉搏预处理,去除信号中含有的噪声干扰;然后,根据心电和脉搏信号的特点选择了合适的小波函数、变换尺度等几方面的内容,对心电、脉搏信号的进行特征点检测,获取特征点序列,并进行滑动平均的处理得到含有呼吸信息的序列;最后,对得到的信号序列利用插值进行处理得到呼吸信号。2.信号质量评估。为了降低算法复杂度,本文选择时域分析信号,从特征点检测匹配度、信号短时能量、信号短时波动程度3个因素来评估信号质量。在本文的算法中,对基于数字滤波和阈值的DT算法进行了改进,使其适用于脉搏信号特征点的检测。利用改进的DT算法和自适应阈值算法完成对心电和脉搏信号的特征点匹配度的检测,并结合短时能量和短时波动程度这两个参数,最终计算出用于后续工作的心电和脉搏信号的质量指数。3.呼吸率融合估计。通过基于信号质量指数调节的卡尔曼滤波器对从心电和脉搏获取的呼吸率进行处理,并利用基于加权融合的方法得到最终的呼吸率估计。本文中同时选用了 Fantasia Database和MIMIC Database数据库,并从中选取心电、脉搏和参考呼吸数据进行了分析处理。在Matlab软件中对信号波形检测,得到的呼吸率,并与参考呼吸率作比较。实验结果表明本文改进后的呼吸率融合估计算法具有较好的效果,有一定的实用价值。