CN101897578B - 一种动脉压信号逐拍分割方法 - Google Patents

Abstract

本发明提供一种动脉压信号逐拍分割方法。该方法以点与点之间的差向量作为基础特征，该基础特征具有平移和旋转不变性，能够克服动脉压信号的基线漂移的影响；对差向量进行对数极坐标转换来度量波形的相似性，这种度量对邻近的波形形态特征敏感，同时又能捕获波形的全局轮廓信息并对波形抖动具有鲁棒性；同时，分别对待测的点之前与点之后的波形特征给予不同的权重，以削弱动脉压信号节拍尾部干扰点对节拍起点识别的影响，进一步提高节拍起点识别率；还通过设置恰当的阈值进一步排除出动脉压信号中的干扰点，避免导致逐拍分割混乱。本发明方法能够准确的对动脉压信号进行逐拍分割，有助于提高动脉压分析设备的检测和分析能力。

Description

一种动脉压信号逐拍分割方法

技术领域

本发明涉及动脉压自动检测与分析技术领域，特别涉及一种基于波形特征提取和模板匹配的动脉压信号逐拍分割方法。

背景技术

动脉压信号携带着重要的生理病理信息，例如血流的入射和反射，心脏搏血功能，动脉管壁的弹性和僵硬度等信息。动脉压信号随着心脏的搏动而波动，是一种以连续波动的方式传播的准周期逐拍信号，连续逐拍中每一节拍的起点代表着一个脉搏波的到来，两个连续节拍起点之间为一个完整节拍的动脉压信号，它提供着重要的血压信息和心脏搏动信息，患者当前的血压和心脏参数都可以由一个节拍的动脉信号计算得到。目前，临床上使用的动脉压分析设备正是通过综合分析不同节拍的动脉压信号，获取患者当前的血压和心脏参数，从而检测患者的心率、收缩压以及舒张压。因此，对于动脉压分析设备而言，动脉压信号的逐拍分割技术是非常关键的，逐拍分割的准确与否，将直接影响到动脉压分析设备对心率、收缩压以及舒张压的检测精度的好坏。

动脉压信号的逐拍分割技术中，节拍起点检测是非常重要和基础的，通常动脉压信号的逐拍分割都采用“检测节拍起点→以节拍起点为分割点进行逐拍分割”的方法实现。现有技术中，主要采用的节拍起点检测方法有两种。一种方法是通过计算动脉压信号的幅值大小来检测节拍起点，该方法首先利用信号自相关或者功率谱估计来估算被测动脉压信号的近似周期，即信号周期处的频率对应的功率贡献最大，然后通过近似周期确定节拍起点的大概范围，找到该范围内信号幅值最小的点，即把该点作为动脉压信号中的一个节拍起点；另一方法是通过计算动脉压信号的局部最小值点来检测节拍起点，该方法首先对动脉压信号求导运算，取得动脉压信号上导数为“0”的极值点，再进一步判断这些极值点是极大值点还是极小值点，其中的极小值点即为动脉压信号的局部最小值点；最后比较局部最小值点的幅值，幅值最小的点即判定为节拍起点。这两种节拍起点检测方法，用于检测波形轮廓比较规则的动脉压信号中的节拍起点，检测效果还是比较好的。但是在临床实践中，由于受到入射动脉波和反射波的相互作用，动脉压信号的波形轮廓会产生一定程度的变异性；特别是在每一节拍的波尾处，反射波的作用逐渐增强，入射波的作用逐渐减弱，导致每一节拍动脉压信号波尾处的波动剧烈，变异性增强。因此，在临床实际检测得到的动脉压信号中，某些节拍波尾部分的局部最小值不一定是下一节拍的节拍起点。例如，如图2所示的动脉压信号，其中点p₂是实际信号节拍的节拍起点，点p₁只是该节拍起点前一节拍波尾部分的变异性干扰点；但是无论采用计算幅值的方法还是采用计算局部最小值点的方法，都会将干扰点p₁误判为动脉压信号的节拍起点，导致动脉压信号的逐拍分割不够准确，从而会在一定程度上影响到动脉压分析设备在后续过程中对心率、收缩压以及舒张压的检测精度。此外，憋气、用力还会引起动脉压信号产生相应的明显起伏波动，特别是咳嗽、喷嚏等动作更会引起动脉压信号产生相应的剧烈抖动；若动脉压信号中存在这样的波动或者抖动干扰，采用现有技术的检测方法很容易将其中的一些干扰点误检测为正常的节拍起点，导致动脉压信号的逐拍分割的混乱。

发明内容

针对现有技术存在的上述不足，本发明方法所解决的技术问题是提高动脉压信号逐拍分割的准确性。将该方法应用于计算机或动脉压分析设备对连续的动脉压信号的逐拍分割技术中，有助于提高计算机或动脉压信号分析设备的检测和分析精度。

本发明的目的是这样实现的：一种动脉压信号逐拍分割方法，将动脉压检测仪采集的动脉压信号输入计算机，由计算机进行低通滤波和采样预处理，然后对动脉压信号进行逐拍分割，进行逐拍分割的具体步骤包括：

a)建立K个互不相同的模板信号，形成模板信号库；每个模板信号是已识别的动脉压信号中一个节拍起点前后各一周期的一段信号，且该段信号通过采样或插值处理为N个采样点；其中，K≥2，N的取值范围为100～1000；

b)分别建立每个模板信号中的N个采样点相对于其节拍起点的对数极坐标，并进行归一化处理，得到每个模板信号中的N个采样点相对于其节拍起点的归一化对数极坐标；归一化处理的计算公式如下：

${\mathrm{\α}}_{k,n}=\frac{{\mathrm{\ξ}}_{k,n}-{\mathrm{\ξ}}_{k,\min }}{{\mathrm{\ξ}}_{k,\max }-{\mathrm{\ξ}}_{k,\min }},$

其中，

为第k个模板信号中第n个采样点相对于其节拍起点的归一化对数极坐标，α_k，n为归一化极径，

为极角；(ξ_k，n，ψ_k，n)为第k个模板信号中第n个采样点相对于其节拍起点的对数极坐标，ξ_k，n为极径，ψ_k，n为极角；k∈{1，2，...，K}，n∈{1，2，...，N}；ξ_k，max和ξ_k，min分别为第k个模板信号中各个采样点经投射后对应的对数极坐标中极径的最大值和最小值。

c)对于待测的动脉压信号，从其起始点提取时长为t₀的信号段作为检测段；然后对检测段进行自相关分析，计算检测段的自相关函数中每相邻两个局部最大值之间的时间间隔，取所述时间间隔的平均值作为检测段的近似周期；其中，t₀的取值范围为30～90s；

d)计算出检测段起中从始处至ε倍近似周期处的所有的局部最小值点；其中，ε的取值范围为1.2～1.6；

e)提取每个局部最小值点的特征区；每个局部最小值点的特征区是待测的动脉压信号中该局部最小值点前后各一近似周期的一段信号，且该段信号通过采样或插值处理为N个采样点；

f)分别建立每个局部最小值点的特征区中的N个采样点相对于其局部最小值点的对数极坐标，并进行归一化处理，得到每个局部最小值点的特征区中的N个采样点相对于该局部最小值点的归一化对数极坐标；归一化处理的计算公式如下：

${\mathrm{\β}}_{i,n}=\frac{{\mathrm{\ξ}}_{i,n}-{\mathrm{\ξ}}_{i,\min }}{{\mathrm{\ξ}}_{i,\max }-{\mathrm{\ξ}}_{i,\min }},$ γ_i，n＝ψ_i，n；

其中，(β_i，n，γ_i，n)为检测段中当前ε倍近似周期以内第i个局部最小值点的特征区中第n个采样点相对于该局部最小值点的归一化对数极坐标，β_i，n为归一化极径，γ_i，n为极角；(ξ_i，n，ψ_i，n)为检测段中当前ε倍近似周期以内第i个局部最小值点的特征区中第n个采样点相对于该局部最小值点的对数极坐标，ξ_i，n为极径，ψ_i，n为极角；n∈{1，2，...，N}；ξ_i，min和ξ_i，min分别为检测段中第i个局部最小值点的特征区中各个采样点相对于该局部最小值点的对数极坐标中极径的最大值和最小值。

g)分别计算每个局部最小值点的特征区与各个模板信号基于归一化对数极坐标的互相关系数，将每个局部最小值点的特征区与各个模板信号的互相关系数中的最大值作为该局部最小值点的相似度；所述互相关系数的计算公式为：

且，

其中，P_i，k为检测段中当前ε倍近似周期以内第i个局部最小值点的特征区与第k个模板信号的互相关系数；(β_i，n，γ_i，n)为检测段中当前ε倍近似周期以内第i个局部最小值点的特征区中第n个采样点相对于该局部最小值点的归一化对数极坐标，β_i，n为归一化极径，γ_i，n为极角；

为第k个模板信号中第n个采样点相对于其节拍起点的归一化对数极坐标，α_k，n为归一化极径，

为极角；k∈{1，2，...，K}，n∈{1，2，...，N}；W_p表示权重，其加权系数λ的取值范围为0＜λ＜1；

h)比较得出检测段中当前ε倍近似周期以内相似度最大的一个局部最小值点，并将该局部最小值点的相似度与预先设定的阈值C₀进行比较；若其相似度大于阈值C₀，即判定该局部最小值点为一个节拍起点；其中，阈值C₀的取值范围为0.2～0.5；

i)以检测段中当前ε倍近似周期以内相似度最大的一个局部最小值点为起始点，计算出其后ε倍近似周期以内所有的局部最小值点；然后重复步骤e)～i)，由此判断出检测段中所有的节拍起点；

j)在待测动脉压信号中，以当前检测段中最后一个节拍起点所在位置为起始点，提取其后时长为t₀的信号段作为新的检测段；并且，以当前检测段中最后3个正常周期时间间隔的平均值作为新的检测段的近似周期；然后重复步骤d)～j)，由此判断出待测动脉压信号中所有的节拍起点；

所述正常周期时间间隔是指相邻两个节拍起点之间不超过1.5倍且不小于0.5倍当前近似周期时长的时间间隔；

k)对待测动脉压信号进行逐拍分割，存储并显示待测动脉压信号逐拍分割结果。

作为进一步的优化，所述步骤i)和j)之间还包括：i1)若当前检测段中检测出的节拍起点超过6个，则获取其中相似度最大的6个节拍起点的特征区，作为新的模板信号添加到模板信号库中。

在上述方案中，所述低通滤波的截止频率为20～50Hz；所述预采样预处理的采样频率为125～1000Hz。

作为进一步的优化，所述N的优选取值为200；所述t₀的优选取值为60s；所述ε的优选取值为1.5；所述步骤g)中加权系数λ的优选取值为0.8，所述步骤h)中阈值C₀的优选取值为0.20。

相比现有技术，本发明具有如下有益效果：

1、本发明方法以点与点之间的差向量作为基础特征，该基础特征具有平移和旋转不变性，能够克服动脉压信号的基线漂移的影响。

2、对差向量进行对数极坐标转换来度量波形的相似性，这种度量对邻近的波形形态特征敏感，同时又能捕获波形的全局轮廓信息，并对波形抖动具有鲁棒性。

3、仅以动脉压信号中的局部最小值点作为识别点，忽略对非局部最小值点的计算和识别，大大简化了检测过程中的数据计算量，进一步提高了识别的鲁棒性。

4、分别对待测的局部最小值点之前与点之后的波形特征给予不同的权重，减弱点之前波形特征的权重，增强点之后波形特征的权重，从而削弱动脉压信号节拍尾部干扰点对节拍起点识别的影响，提高节拍起点的识别准确率。

5、通过设置恰当的阈值，能够进一步有效排除干扰点，进一步提高节拍起点的识别准确率。

6、由于同一待测动脉压信号中不同节拍的驱动机制相似，相互之间的相似性比较高；在优化方案中，将待测动脉压信号中在先检测的相似度较高的节拍起点所在特征区添加为新的模板信号，有利于在后节拍起点的准确判断。

7、实现了计算机对动脉压信号的逐拍分割，并适用于在临床上应用的有创方法和无创方法检测到的动脉压信号。

附图说明

图1为本发明方法的流程框图；

图2为动脉压信号示例波形图；

图3为一个模板信号的笛卡尔坐标映射示意图；

图4为图3所示模板信号中采样点a_k，n在对数极坐标域中的归一化映射示意图；

图5为实施例中模板信号A₆的波形图；

图6为实施例中待测动脉压信号首个检测段中前15秒信号的波形图；

图7为图6所示信号中局部最小值点s₁和s₂所在位置；

图8为图6所示信号中节拍起点s₂以及局部最小值点s₃、s₄、s₅和s₆所在位置；

图9为图6所示信号中节拍起点s₁₇以及局部最小值点s₁₈、s₁₉、s₂₀、s₂₁、s₂₂和s₂₃所在位置；

图10为图6所示信号中各个节拍起点所在位置；

图11为图6所示信号中各个局部最小值点的相似度分布图。

具体实施方式

下面结合附图和实施例对本发明的技术方案作进一步说明：

本发明提出了一种结合动脉压信号的波形轮廓进行综合分析的动脉压信号逐拍分割方法。动脉压信号的逐拍对应着心脏搏动，而且各节拍的内在驱动机制相同，都是动脉入射波和反射波共同作用驱动的结果，相邻的节拍的波形具有相似性；如果能够对相似性加以度量和匹配，就可以找到与节拍起点相似的点，实现动脉压信号的节拍分割。本发明提取动脉压信号中的点与其所在波形上的其它点的相对位置关系，并通过度量其在对数极坐标域中的分布特征，来度量这些点与节拍起点之间的相似性；同时，将点与点的相似性度量转化为对点所在的波形经对数极坐标变换后的相似性匹配程度来加以度量，转换后的度量对邻近的波形形态特征敏感，同时又能捕获波形的全局轮廓信息。将本发明方法应用于带有微处理器等计算处理单元的识别处理设备(如具备计算机功能的动脉压分析仪、动脉压分析系统等)，结合对动脉压信号局部形态结构和全局轮廓信息进行识别，便能够准确的判断节拍起点的位置，从而提高对动脉压信号的逐拍分割准确度。

本发明采用动脉压检测仪采集动脉压信号，这些信号是通过A/D转换后的数字信号(A/D转换的采样频率为400Hz)，将这些信号输入计算机，进行低通滤波和预采样处理，其滤波的截止频率为20～50Hz，预采样频率在125～1000Hz之间；然后由计算机建立模板，对待侧动脉压信号进行处理，进而通过匹配对动脉压信号进行逐拍分割。计算机进行逐拍分割的流程框图如图1所示，依次按如下步骤进行：

I、建立模板信号，以及模板信号中节拍起点的度量特征：

a)建立模板信号：

在不同个体、不同身体状态下，所采集到的动脉压信号的周期、幅值和波形轮廓都不尽相同，因此在建立模板时应当充分考虑这些因素，建立K个互不相同的模板信号，形成模板信号库，K≥2。模板信号的建立过程是：选取多个波形轮廓互不相同的动脉压信号，并且其各自的周期、幅度和节拍起点等参数均预先通过人工检测识别或其他现有的检测识别手段获取为已知条件，便于建立模板信号。这些选取的动脉压信号，应当尽可能涵盖实践临床上常见几种动脉压信号的波形轮廓，其周期在0.43～1.5秒之间，以尽可能使得这些模板信号能够用于识别心率范围在40～140次/分钟的动脉压信号。由动脉压检测仪采集上述各类动脉压信号，输入计算机进行低通滤波和预采样处理后，然后从这已识别的动脉压信号中选取K个节拍起点，其中任意的第k个节拍起点记为O_k，k∈{1，2，...，K}。由于动脉压信号为准周期信号，两个周期的信号段足以体现节拍起点附近的波形轮廓信息，因此从提高鲁棒性的角度考虑，提取节拍起点O_k前一周期和后一周期的信号段

作为建立模板信号的长度范围。然而，对于不同的动脉压信号，其周期不尽相同，因而所提取的两周期信号段内的采样点数也不一致；为了建立统一的模板标准，需要通过再采样或再插值处理将各模板信号的长度统一为固定的N个采样点。对于信号段

而言，即计算其中经采样预处理后所包含的采样点数N_k，若N_k大于统一长度N则对信号段

进行再采样，若N_k小于统一长度N则对信号段

进行再插值，最终将其长度调整为N个采样点，形成模板信号A_k。通过上述步骤对选取的K个信号段进行处理，即可建立K个模板信号，每个模板信号的长度均为N个采样点。N的大小在一定程度上决定了后期识别的精度，兼顾识别精度和鲁棒性的考虑，N的适宜取值范围为100～1000。

b)分别建立每个模板信号中的N个采样点相对于其节拍起点的归一化对数极坐标：

由于多种因素的影响，动脉压信号中各个节拍的波形轮廓不可能完全吻合，因此只能通过比较波形形态的相似性匹配程度来识别节拍起点。节拍起点邻近的波形形态与非节拍起点邻近的波形形态之间存在较大的差异，如果可以建立一种度量关系，让度量对邻近的波形形态特征更加敏感，就更容易将节拍起点与非节拍起点加以明显的区分，达到识别目标。本发明将采集的动脉压信号映射到对数极坐标域中，让动脉压信号中的识别点与其所在波形上的其它点的相对位置关系呈现对数变化规律，通过度量动脉压信号中的识别点相对于其所在波形的其它点在对数极坐标域中的分布特征，以其对数变化规律来体现识别点对其邻近的波形形态的敏感特性，进而实现对动脉压信号中节拍起点的匹配识别。对数极坐标域能够与笛卡尔坐标系相互映射转换。若对数极坐标域为(ξ，ψ)，其与笛卡尔坐标系(x，y)的转换关系如下：

$\mathrm{\ξ}=\log \mathrm{\ρ}=\log \sqrt{x^2+y^2};$

其中，(ρ，θ)为笛卡尔坐标系(x，y)所对应的极坐标，对数极坐标域中极径ξ即表示点与点之间距离的对数值，对数极坐标域中极角ψ的取值范围为(-π，π]。

本发明的具体处理方式是，对于模板信号A_k而言，为了度量和计算模板信号A_k中节拍起点O_k与N个采样点的相对位置关系，将这N个采样点投射到以节拍起点O_k为原点的笛卡尔坐标系中，建立各采样点相对于该节拍起点的笛卡尔相对坐标，以笛卡尔相对坐标度量各采样点与节拍起点O_k的差向量；差向量的大小仅与节拍起点O_k和其分布特征点之间的相对位置关系有关，而与节拍起点O_k前一周期和后一周期信号波形的基线无关，因此以点与点之间的差向量作为基础特征，使得基础特征具有平移和旋转不变性，该特性能够克服动脉压信号的基线漂移的影响。

然后，再根据笛卡尔相对坐标所表示的差向量，将模板信号Ak的N个采样点映射到对数极坐标域中，得到采样点的对数极坐标；这N个采样点的对数极坐标直接的反映了其与节拍起点O_k之间的位置关系，并且分布呈对数规律变化，通过度量N个采样点的对数极坐标，这种度量对节拍起点O_k邻近的波形形态特征敏感，同时又能捕获波形的全局轮廓信息。最后，再对模板信号中采样点相对于其节拍起点的对数极坐标进行归一化处理，得到归一化对数极坐标，目的是消除模板信号A_k的各对数极坐标中所附带的部分个性特征信息，同时可以使得其中含有的节拍起点周边波形轮廓的共性特征得以保留。记模板信号中采样点相对于其节拍起点的归一化对数极坐标为

例如，模板信号A_k中第n个采样点a_k，n，n∈{1，2，...，N}，在以节拍起点O_k为原点的笛卡尔坐标系中的笛卡尔相对坐标为(x_k，n，y_k，n)，相应的极坐标为(ρ_k，n，θ_k，n)，如图3所示；再由(ρ_k，n，θ_k，n)映射到对数极坐标域之后，得到采样点a_k，n相对于节拍起点O_k的对数极坐标(ξ_k，n，ψ_k，n)，其中，极径ξ_k，n＝logρ_k，n，极角ψ_k，n＝θ_k，n，且ψ_k，n∈(-π，π]；由此得到模板信号A_k中各个采样点相对于节拍起点O_k的对数极坐标后，计算得到其中极径的最大值ξ_k，max和最小值ξ_k，min，再将各个采样点对数极坐标的极径归一化处理到0～1之间，保持极角不变，具体对于采样点a_k，n而言，即为：

${\mathrm{\α}}_{k,n}=\frac{{\mathrm{\ξ}}_{k,n}-{\mathrm{\ξ}}_{k,\min }}{{\mathrm{\ξ}}_{k,\max }-{\mathrm{\ξ}}_{k,\min }},$

则为模板信号A_k中第n个采样点a_k，n相对于节拍起点O_k的归一化对数极坐标，α_k，n∈[0，1]，如图4所示。

由上述步骤可分别建立各模板信号中采样点相对于其节拍起点的归一化对数极坐标，将之储存在计算机或动脉压分析设备的存储设备中，作为待测动脉压信号中节拍起点的匹配标准。至此，测试准备工作已完成，接下来即可进行待测动脉压信号的测试步骤。

II、识别待测动脉压信号中的节拍起点：

待测动脉压信号也由动脉压检测仪采集，再输入计算机进行低通滤波和采样预处理，以备分割处理。待测动脉压信号中的每个节拍起点都应该是一个局部最小值点，若仅以检测段中的各个局部最小值点作为识别点进行计算，可以避免对信号中大量的明显非节拍起点进行识别，大大简化了检测过程中的数据计算量，能够进一步提高识别的鲁棒性。在每个节拍中，除实际节拍起点以外的局部最小值点均为干扰点，判断单个节拍中与模板信号的节拍起点最相似的局部最小值点即为该节拍中的实际节拍起点。但在确定节拍起点之前，单个节拍的周期时长无法准确的判定，因此需要一个判定时长，该判定时长中既能确定至少包含一个节拍起点，又不会超过2个节拍时长，以尽可能保证判定的准确性。我们以一个“近似周期”来作为待测信号中单个节拍的判定时长基准。

但实际操作中，不同时段心率的快慢很可能各有差异，心率的变化直接引起动脉压信号周期的变化，因此在采集的整段待测动脉压信号中，可能存在周期互不相同的节拍；若不同点所在节拍之间的周期差别过大，却以同一近似周期对这不同点进行识别，势必导致识别结果存在较大的误差。为此，本发明采用了对待测动脉压信号以分段方式逐进行检测处理，每一个分段的时长设定为30～90s，以避免单个分段中不同节拍之间的周期差别过大，从而将识别误差控制在有限的范围内。

综合考虑上述因素，本发明对待测动脉压信号中节拍起点的识别过程如下：

c)确定待测动脉压信号的首个检测段：

对于待测动脉压信号的首个检测段而言，是从待测动脉压信号的起始点提取时长为t₀的信号段作为检测段；然后对检测段进行自相关分析，计算检测段的自相关函数中每相邻两个局部最大值之间的时间间隔，取所述时间间隔的平均值作为检测段的近似周期；其中，t₀的取值范围为30～90s。

计算检测段的近似周期，可采用本领域常用的自相关函数求解，对检测段进行自相关分析，计算其自相关函数中每相邻两个局部最大值之间的时间间隔，取所述时间间隔的平均值作为检测段的近似周期。例如，对于检测段

其信号值为时间的函数，记为S(t)，则检测段

的自相关函数R_S(τ)为：

$R_S\left(\mathrm{\ι}\right)=\underset{-\∞}{\overset{+\∞}{\∫}}S\left(t\right)S(t+\mathrm{\τ})\mathrm{dt},$

计算其自相关函数R_S(τ)取局部最大值时所对应的L个τ值，记为τ_l，l∈{1，2，...，L}，则检测段

的近似周期

为：

${\stackrel{\‾}{T}}_s=\frac{1}{L-1}\underset{l=2}{\overset{L}{\mathrm{\Σ}}}({\mathrm{\ι}}_l-{\mathrm{\ι}}_{l-1}).$

d)确定检测段中首个判定时长中的局部最小值点：

在一个检测段中，某些节拍的时长有可能大于预上述近似周期的长度。为了保证一个判定时长中确定包含一个节拍起点，本发明以近似周期的长度为基准，取ε倍(ε＞1)近似周期作为实际的判定时长；ε的取值不能过大，其取值范围为1.2～1.6，以避免判定时长超过了2个节拍的时长导致其中包含了2个实际的节拍起点，进而产生漏检情况。

对于检测段的首个判定时长而言，则是计算出检测段中从起始处至ε倍近似周期处的所有的局部最小值点，以备进行后续的检测判定。计算局部最小值点可采用本领域常用一些方法。例如，可以计算各相邻采样点之间的幅值差，若某一采样点与其前、后相邻采样点之间的幅值差均不大于零，则判定该采样点为局部最小值点。也可利用求导法，对检测段进行求导运算，取得检测段上导数为“0”的极值点，再进一步判断这些极值点是极大值点还是极小值点，其中的极小值点即为动脉压信号的局部最小值点。

e)提取局部最小值点的特征区：

为了让每个局部最小值点能够分别与模板信号中的节拍起点进行对应的匹配和度量，需要提取每个局部最小值点的特征区。提取的具体方法是，从待测动脉压信号的波形轮廓中提取每个局部最小值点前后各一近似周期的信号段，利用与步骤a)相似的方法，将提取的各个信号段的长度统一为N个采样点(与模板信号中的采样点数一致)，以便与模板信号进行匹配和比较，从而形成每个局部最小值点的特征区。例如，检测段

近似周期为

通过计算得到检测段中当前ε倍近似周期以内的I个局部最小值点，其中第i个局部最小值点为s_i，i∈{1，2，...，I}。从待测的动脉压信号中提取局部最小值点s_i前一近似周期和后一近似周期的信号段

计算其中包含的预采样点数N_i，若N_i大于统一长度N则对信号段

进行再采样，若N_i小于统一长度N则对信号段

进行再插值，最终将其长度调整为N个采样点，形成局部最小值点s_i的特征区S_i。通过上述步骤，从待测的动脉压信号中提取检测段

中当前ε倍近似周期以内I个局部最小值点各自对应的特征区。

f)分别建立每个局部最小值点的特征区中的N个采样点相对于其局部最小值点的归一化对数极坐标；

相应地，与步骤b)相似，分别建立每个局部最小值点的特征区中N个采样点相对于其局部最小值点的笛卡尔相对坐标，然后根据笛卡尔相对坐标所表示的差向量，将每个局部最小值点的特征区中N个采样点映射到对数极坐标域中，得到其对数极坐标，最后通过归一化处理得到归一化对数极坐标。记特征区中采样点相对于其局部最小值点的归一化对数极坐标为(β，γ)。

对于检测段

中当前ε倍近似周期以内第i个局部最小值点s_i的特征区S_i而言，i∈{1，2，...，I}，将其中N个采样点投射到以局部最小值点s_i为原点的笛卡尔坐标系中，建立各采样点相对于s_i的笛卡尔相对坐标，以笛卡尔相对坐标度量各采样点与局部最小值点s_i的差向量；其中，特征区S_i中第n个采样点s_i，n，n∈{1，2，...，N}，其在以局部最小值点s_i为原点的笛卡尔坐标系中的笛卡尔相对坐标为(x_i，n，y_i，n)，相应的极坐标为(ρ_i，n，θ_i，n)；再由(ρ_i，n，θ_i，n)映射到对数极坐标域之后，得到采样点s_i，n相对于局部最小值点s_i的对数极坐标(ξ_i，n，ψ_i，n)，极径ξ_i，n＝logρ_i，n，极角ψ_i，n＝θ_i，n；由此得到局部最小值点s_i的特征区S_i中各个采样点相对于局部最小值点s_i的对数极坐标后，计算得到其中极径的最大值和最小值分别为ξ_i，max和ξ_i，min，则采样点s_i，n相对于局部最小值点s_i的归一化对数极坐标(β_i，n，γ_i，n)满足：

${\mathrm{\β}}_{i,n}=\frac{{\mathrm{\ξ}}_{i,n}-{\mathrm{\ξ}}_{i,\min }}{{\mathrm{\ξ}}_{i,\max }-{\mathrm{\ξ}}_{i,\min }},$ γ_i，n＝ψ_i，n；

经归一化处理后，β_i，n∈[0，1]，γ_i，n∈(-π，π]。由上述步骤可分别建立检测段中当前ε倍近似周期以内每个局部最小值点的特征区中的N个采样点相对于其局部最小值点的归一化对数极坐标。

g)分别计算检测段中当前ε倍近似周期以内各个局部最小值点的相似度：

在检测段的每一个节拍周期中，只有一个局部最小值点是真正的节拍起点，该局部最小值点应该与模板信号中节拍起点的相似性匹配程度最高。所以，在此引入“相似度”这一概念，通过计算局部最小值点的相似度，来描述局部最小值点与模板信号中节拍起点的相似性匹配程度；局部最小值点的相似度越大，则表示该局部最小值点与模板信号中节拍起点的相似性匹配程度越高，该局部最小值点就越有可能是检测段的实际节拍起点。本发明是采用局部最小值点的特征区与模板信号的互相关系数来度量检测段中各个局部最小值点的相似度的，具体处理方式是：基于步骤b)和步骤f)所建立的归一化对数极坐标，分别计算每个局部最小值点的特征区与各模板信号的互相关系数，将每个局部最小值点的特征区与各个模板信号的互相关系数中的最大值作为该局部最小值点的相似度，从而得到各局部最小值点的相似度。

例如，检测段

中当前ε倍近似周期以内第i个局部最小值点s_i的特征区S_i，i∈{1，2，...，I}，该特征区的N个采样点中的第n个采样点为s_i，n，n∈{1，2，...，N}，s_i，n相对于局部最小值点s_i的归一化对数极坐标为(β_i，n，γ_i，n)；同时，第k个模板信号A_k，k∈{1，2，...，K}，该模板信号中的节拍起点为O_k，其N个采样点中的第n个采样点为a_k，n，n∈{1，2，...，N}，a_k，n相对于节拍起点O_k的归一化对数极坐标为

则局部最小值点s_i的特征区S_i与模板信号A_k的互相关系数P_i，k为：

其中，

其中，n∈{1，2，...，N}；W_p表示权重，其加权系数λ的取值范围为0＜λ＜1；由于特征区S_i的N个采样点中，局部最小值点s_i与其自身的归一化对数极坐标的极径长度为0，因此，实际仅有N-1个不为0的内积求和取平均，所以求和项前的系数为

由此，即可得到检测段

中当前ε倍近似周期以内第i个局部最小值点s_i的特征区S_i与各个模板信号中节拍起点的互相关系数P_i，1、P_i，2、P_i，2、……P_i，K。将P_i，1、P_i，2、P_i，2、……P_i，K中的最大值作为局部最小值点s_i的相似度C_i，以此来度量检测段

中当前ε倍近似周期以内第i个局部最小值点s_i与模板信号中节拍起点的相似性匹配程度。从互相关计算公式能够看到，在特征区S_i中，局部最小值点s_i之前的采样点(

或者

)与模板信号A_k的互相关权重为λ(小于1)，局部最小值点s_i之后的采样点(

)与模板信号A_k的互相关权重为1，其目的是为了相对弱化局部最小值点s_i之前的波形轮廓的匹配特性。如果局部最小值点s_i是动脉压信号节拍尾部的一个干扰最小值点，在点s_i之后必定还存在一小段干扰抖动波形，此时s_i点前波形轮廓与模板信号匹配相对较好，s_i点后波形轮廓因干扰抖动波形的关系与模板信号匹配相对较差；但s_i点前波形轮廓的匹配特性经加权系数λ弱化以后，再与s_i点后波形轮廓的匹配特性求和、平均，干扰最小值点s_i的特征区S_i与模板信号A_k的互相关系数则相应地减小，同时相应减小了局部最小值点s_i的相似度。如果局部最小值点s_i是待测动脉压信号中的一个节拍起点，即使之前存在一小段干扰抖动波形，但此时s_i点前波形轮廓因干扰抖动波形的关系与模板信号匹配相对较差，s_i点后波形轮廓与模板信号匹配相对较好；加权系数λ即使弱化了s_i点前波形轮廓的匹配特性，而s_i点后波形轮廓的匹配特性得以保持，从而让局部最小值点s_i的特征区S_i与模板信号A_k的互相关系数维持在较高的值，相应地确保了局部最小值点s_i的相似度相对较高。由于不同权重的设置，相对弱化局部最小值点s_i之前的波形轮廓的匹配特性，使得实际节拍起点与干扰最小点的相似度差异更加明显，削弱动脉压信号节拍尾部干扰点对节拍起点识别的影响，有助于进一步提高识别率和逐拍分割准确率。加权系数λ在0＜λ＜1的取值范围内，取值越小，实际节拍起点与干扰最小点的相似度差异就越明显。

通过该步骤逐一对检测段中当前ε倍近似周期以内每个局部最小值点进行互相关分析，得到各个局部最小值点的相似度。

h)判定检测段中当前ε倍近似周期以内的节拍起点：

检测段每一节拍中，除实际节拍起点以外的局部最小值点均为干扰点，应当在识别过程中加以排除。干扰点是由于动脉压信号受到多方面因素的影响而产生的，从识别角度来讲可将这些干扰点分为弱干扰点和剧烈干扰点两种。弱干扰点，是节拍起点附近的一些局部最小值点，这种干扰点可能是由于入射动脉波和反射波相互作用的干扰波而干扰形成的，也有可能是由于检测信号的短暂不稳定(如动脉压检测仪的检测探头抖动等)造成的，但是这种干扰点的振幅较小，不致破坏动脉压信号的节拍，并且这种干扰点与模板信号的相似度也往往比节拍起点要小，可以通过比较相似度大小加以排除。剧烈干扰点，是在射动脉波和反射波相互作用的干扰波之外，还由于憋气、用力等引起动脉压信号产生相应的明显起伏波动，或者咳嗽、喷嚏等动作导致动脉压信号剧烈抖动，这种波动或剧烈抖动具有随机性，并且振幅较大、持续时间较长，形成一段剧烈的干扰波；这种剧烈的干扰波若重叠在一个节拍以上的动脉压信号中，就可能导致被重叠干扰的节拍被严重的破坏，这种存在于被剧烈的干扰波破坏的节拍中的局部最小值点被视为剧烈干扰点。如果一段动脉压信号中存在这样的剧烈干扰，该段信号中有用信息也就被破坏了，实际上就失去了动脉压临床的识别意义。因此，本发明通过预先设定一个阈值C₀将节拍起点与剧烈干扰点区分开，避免把被剧烈干扰波破坏的节拍误检测为正常的节拍而导致逐拍分割混乱。

具体处理方式是，先通过比较求出检测段中当前ε倍近似周期以内相似度最大的一个局部最小值点，而除该点以外的其它局部最小值点均被视为弱干扰点加以排除；然后将该局部最小值点的相似度与预先设定的阈值C₀进行比较，若其相似度大于阈值C₀，即判定该局部最小值点为一个节拍起点；若其相似度小于阈值C₀，则判定该局部最小值点为一个剧烈干扰点。例如，计算得到检测段

中当前ε倍近似周期内相似度最大的局部最小值点为s_i，其相似度为C_i；将C_i与预先设定的阈值C₀进行比较，若C_i≤C₀，则将局部最小值点s_i视为剧烈干扰点排除掉；若C_i＞C₀，则判定局部最小值点s_i为节拍起点。

该步骤中，阈值C₀的取值是排除剧烈干扰点的决定值，若阈值C₀取值过小，则会造成剧烈干扰点的漏检；若阈值C₀取值过大，则可能将实际的节拍起点判定为剧烈干扰点一并排除。通常，作为检测段的实际节拍起点，其相似度最高可能达到0.5；但当存在较大振幅干扰信号的情况下，若被干扰的信号中实际节拍起点的相似度大于0.2，依然可以认为其节拍中的有用信息没有被完全破坏，这些有用信息在后续计算心率、收缩压以及舒张压的误差在临床上还是可以被接受的。因此，阈值C₀的取值范围取0.2～0.5为宜，阈值C₀取值越大即表示判定节拍起点的要求越严格。

i)判定检测段中的所有节拍起点：

以检测段中当前ε倍近似周期以内相似度最大的一个局部最小值点为起始点，计算出其后ε倍近似周期以内所有的局部最小值点；然后重复步骤e)～i)，由此判断出检测段中所有的节拍起点。例如在当前的检测段

中，以当前ε倍近似周期以内相似度最大的局部最小值点s_i为起始点，计算检测段

中点s_i之后ε倍近似周期内相似度最大的局部最小值点，然后判断其相似度与阈值C₀之间的大小，从而判定其是否为节拍起点；再以该点为起始点，计算其后ε倍近似周期内相似度最大的局部最小值点进行进一步判断……由此类推，逐段计算出当前的检测段

中所有的节拍起点。

j)判定待测动脉压信号中的所有节拍起点：

在待测动脉压信号中，以当前检测段中最后一个节拍起点所在位置为起始点，提取其后时长为t₀的信号段作为新的检测段，准备检测新的检测段中的节拍起点。但新的检测段与当前检测段中节拍周期可能存在差异，因此需要先更新近似周期，以避免出现较大的计算误差。更新近似周期的方法是，以当前检测段中最后3个正常周期时间间隔的平均值作为新的检测段的近似周期；所述正常周期时间间隔是指相邻两个节拍起点之间不超过1.5倍且不小于0.5倍当前近似周期时长的时间间隔。然后重复步骤d)～j)，由此判断出待测动脉压信号中所有的节拍起点。

III、对待测动脉压信号进行逐拍分割：

k)以待测动脉压信号中的各个节拍起点为分割点，由计算机对待测动脉压信号进行逐拍分割，并将分割后的待测动脉压信号进行显示和储存，以便观察和进行后续处理。

作为进一步的优化改进，在上述步骤i)和j)之间还可以包括步骤i1)：若当前检测段中检测出的节拍起点超过6个，则获取其中相似度最大的6个节拍起点的特征区，作为新的模板信号添加到模板信号库中。由于同一待测动脉压信号中不同节拍的驱动机制相似，相互之间的相似性比较高；该优化方案中，将待测动脉压信号中在先检测的相似度较高的节拍起点所在特征区添加为新的模板信号，有利于在后节拍起点的准确判断。

下面通过实施例进一步说明本采用发明方法实现动脉压信号逐拍分割的具体过程。

实施例：

本实施例中，由动脉压检测仪(VP-2000，科林公司，日本)采集动脉压信号，这些信号是采样频率为400Hz的数字信号，将这些信号输入计算机，进行低通滤波和采样预处理，其滤波器采用二阶Butterworth低通滤波器，截止频率为25Hz，采样频率为125Hz，将得到的信号作为待测动脉压信号。利用本发明方法，对该待测动脉压信号进行逐拍分割，逐拍分割过程由计算机按如下步骤进行：

首先，由动脉压检测仪采集多个周期不同、分别代表临床上常见波形轮廓的已识别动脉压信号(周期、幅度、节拍起点等参数均已经识别获知)，这些信号也是采样频率为400Hz的数字信号，将这些信号及其相应参数输入计算机，进行低通滤波和采样预处理，其滤波器采用二阶Butterworth低通滤波器，截止频率为25Hz，采样频率为125Hz。从上述各个已识别信号中选取20个节拍起点(取K＝20)，分别提取每个节拍起点前一周期和后一周期的一段信号；其中第6个节拍起点O₆前一周期和后一周期的一段信号为

然后通过再采样或再插值处理将提取的各段信号的长度统一为固定的200个采样点(取N＝200)；例如，经计算节拍起点O₆前一周期和后一周期的一段信号

中采样预处理后包含的采样点数为236个，预定的模板信号统一长度为200个采样点，因此将信号段

再采样为200个采样点，得到模板信号A₆，其波形轮廓如图5所示；由此得到含有20个模板信号的模板信号库。再按照步骤b)所述方法建立每个模板信号中200个采样点相对于其节拍起点的归一化对数极坐标。

关于模板信号的准备工作完成后，接着进行待测动脉压信号中节拍起点的识别。先确定待测动脉压信号的首个检测段，从待测动脉压信号的起始点提取时长为60s的信号段(取t₀＝60s)作为首个检测段

并通过自相关分析得到检测段的近似周期

检测段

中前15秒的波形轮廓如图6所示，从图6中可见，在500～600采样点之间存在一段由于咳嗽引起的剧烈干扰信号，致使此间的信号节拍已被较严重的破坏。

接下来，以1.5倍近似周期

为判定时长，计算出检测段

中从起始处至处的所有的局部最小值点；但由于待测动脉压信号起始第一个近似周期中的波形轮廓不完整，因此起始第一个近似周期中的局部最小值点无法提取其前一周期的完整信号，便无法利用本发明方法进行测试，所以将待测动脉压信号起始第一个近似周期中的局部最小值点舍去，得到检测段

中从起始处至

处能够作为识别对象的局部最小值点有2个，分别为点s₁和点s₂，如图7所示。然后，分别提取这2个局部最小值点的特征区；以点s₁为例，提取s₁前一近似周期和后一近似周期的信号段

计算其中经采样预处理后包含的采样点数为181个，小于预定的统一长度200个采样点，因此将信号段

进行插值处理为200个采样点，形成点s₁的特征区S₁；以相同方法形成点s₂的特征区S₂。再按照步骤f)所述方法分别建立特征区S₁和S₂中的200个采样点相对于各自局部最小值点的归一化对数极坐标。计算点s₁的特征区S₁与20个模板信号的互相关系数(本实施例中，计算互相关系数时取加权系数λ＝0.8)，得到特征区S₁的20个互相关系数中的最大值是与模板信号A₆的互相关系数P_1，6＝0.22，即确定点s₁的相似度C₁＝P_1，6＝0.22；计算点s₂的特征区S₂与20个模板信号的互相关系数，得到特征区S₂的20个互相关系数中的最大值也是与模板信号A₆的互相关系数P_2，6＝0.225，即确定点s₂的相似度C₂＝P_2，6＝0.225。相比而言，点s₂的相似度较大，将s₂的相似度与预先设定的阈值C₀进行比较，C₀取值为0.20；由于C₂＝0.225＞C₀，并非剧烈干扰点，从而局部最小值点s₂被判定为检测段

的一个节拍起点。接下来，又以局部最小值点s₂为起始点，计算出检测段

中点s₂之后

以内的所有的局部最小值点分别为s₃、s₄、s₅和s₆，如图8所示；同样，分别提取点s₃、s₄、s₅和s₆的特征区为S₃、S₄、S₅和S₆，再按照步骤f)所述方法分别建立上述每个特征区中的200个采样点相对于各自局部最小值点的归一化对数极坐标，分别计算点s₃、s₄、s₅和s₆的特征区S₃、S₄、S₅和S₆与各模板信号基于对数极坐标的互相关系数；通过计算，点s₃、s₄、s₅和s₆的特征区均相对于模板信号A₆的互相关系数最大，即得s₃、s₄、s₅和s₆的相似度分别为：C₃＝P_3，6＝0.155；C₄＝P_4，6＝0.17；C₅＝P_5，6＝0.23；和C₆＝P_6，6＝0.15。通过比较得知，相似度大小为C₆＜C₃＜C₄＜C₅，从而当前1.5倍近似周期中相似度最大的局部最小值点为s₅，并且C₅＝0.23＞C₀，即判定局部最小值点s₅为检测段

的又一个节拍起点。接着，再以局部最小值点s₅为起始点，计算出检测段

中点s₅之后

以内的所有的局部最小值点s₆、s₇、s₈和s₉进行进一步判定……判定节拍起点s₁₇后，计算出检测段

中点s₁₇之后

以内的所有的局部最小值点分别为s₁₈、s₁₉、s₂₀、s₂₁、s₂₂和s₂₃，如图9所示；再次重复上述步骤计算相似度的步骤，得到s₁₈、s₁₉、s₂₀、s₂₁、s₂₂和s₂₃的相似度分别为：C₁₈＝0.09、C₁₉＝0.13、C₂₀＝0.155、C₂₁＝0.185、C₂₂＝0.14和C₂₃＝0.16，通过比较得知，相似度大小为C₁₈＜C₁₉＜C₂₂＜C₂₃＜C₂₀＜C₂₁，从而当前1.5倍近似周期中相似度最大的局部最小值点为s₂₁，但由于C₂₁＝0.185＜C₀，即判定局部最小值点s₂₁为检测段中的一个剧烈干扰点，因此将点s₂₁排除。再以局部最小值点s₂₁为起始点，计算出检测段

中点s₂₁之后

以内的所有的局部最小值点s₂₂、s₂₃、s₂₄、s₂₅和s₂₆进行进一步判定……由此递推确定检测段

中的82个节拍起点，分别为s₂、s₅、s₈、……、s₂₆₅、s₂₆₈、s₂₇₆、s₂₇₉和s₂₈₂；另还确定检测段

中存在2个剧烈干扰点，分别为s₂₁和s₂₇₂，剧烈干扰点s₂₁位于节拍起点s₁₇与s₂₅之间，剧烈干扰点s₂₇₂位于节拍起点s₂₆₈与s₂₇₆之间。其中，检测段

前15秒以内的节拍起点如图10所示，检测段

前15秒以内各局部最小值点的相似度分布图如图11所示，结合图10和11能够看到，信号中节拍起点s₁₇与s₂₅之间(包括500～600采样点)的局部最小值点均被视为干扰点排除掉，因此在点s₁₇与s₂₅之间不存在有意义的节拍起点。

判定出待测动脉压信号首个检测段

中所有的节拍起点以后，从这82个节拍起点中选择相似度最大的6个节拍起点，分别获取这相似度最大的6个节拍起点的特征区，将它们添加为新的模板信号，用于该待测动脉压信号中其他节拍起点的检测。然后，以检测段

中最后一个节拍起点s₂₈₂所在位置为起始点，从待测动脉压信号中提取点s₂₈₂之后60s时长的信号段作为新的检测段

准备检测新的检测段中的节拍起点。此时更新近似周期的值，以检测段中最后3个正常周期时间间隔的平均值作为新的检测段

的近似周期；由于节拍起点s₂₆₈与s₂₇₆之间因存在剧烈干扰信号导致其间时间间隔T₇₉超过

因此T₇₉并不是正常周期时间间隔，取节拍起点s₂₆₅与s₂₆₈的时间间隔T₇₈、节拍起点s₂₇₆与s₂₇₉的时间间隔T₈₀和节拍起点s₂₇₉与s₂₈₂的时间间隔T₈₁三者的平均值作为新的检测段

的平均周期

${\stackrel{\‾}{T}}_s\left(2\right)=\frac{1}{3}\×(T_{78}+T_{80}+T_{81});$

然后，重复上述步骤，判定待测动脉压信号的检测段

中所有的节拍起点。同样由此递推判定待测动脉压信号的检测段……直至判断出待测动脉压信号中所有的节拍起点。最后，以待测动脉压信号中的各个节拍起点为分割点，由计算机对待测动脉压信号进行逐拍分割，并将分割后的待测动脉压信号进行显示和储存处理。

为了评估本发明方法的检测性能，我们构建了一个数据库，数据库中待测动脉压信号的节拍起点数量为77190个，这些待测动脉压信号的节拍起点已经过临床专家手工标记。利用本发明方法对待测数据库中待测动脉压信号进行节拍起点识别，然后将检测结果与专家标记的节拍起点进行比较，进而评估本发明的检测性能。我们将手工标记的节拍起点前后8ms设为容错区间，即：由本发明检测的起拍点与专家手工标记的起拍点误差不大于8ms时认为该检测是正确的。本发明方法对此77190个节拍起点的识别精确度为99.04％，特异度为98.66％，满足临床识别的要求。本发明方法能够很好对临床上应用的有创方法和无创方法检测到的动脉压信号进行逐拍分割，有效提高动脉压检测设备对心率、收缩压以及舒张压的检测精度。

本发明方法不仅仅把动脉压信号中的幅值、局部最小值点等局部信息作为参考因素，更结合了动脉压信号的波形轮廓进行综合分析，以点与点之间的差向量作为基础特征，该基础特征具有平移和旋转不变性，能够克服动脉压信号的基线漂移的影响；对差向量进行对数极坐标转换来度量波形的相似性，这种度量对识别点邻近的波形形态特征敏感，又能捕获波形的全局轮廓信息，同时对波形抖动和变形具有鲁棒性；在计算过程中还分别对待测的局部最小值点之前与点之后的波形特征给予不同的权重，减弱点之前波形特征的权重，增强点之后波形特征的权重，从而削弱动脉压信号节拍尾部干扰点对识别的影响，提高节拍起点的识别准确率，进而准确的实现了对动脉压信号节拍起点的识别；同时，还通过设置恰当的阈值，能够进一步有效排除干扰点，有利于进一步提高节拍起点的识别准确率。需要特别强调的是，在计算局部最小值点与模板信号的互相关系数中，若将权重W_p的值相应提高G倍(G为大于0的任意值)，而没有改变局部最小值点之前与点之后的权重关系(点前权重小于点后权重)，同时相应地将阈值C₀提高G倍，则不会对计算结果产生任何影响；这样通过数值扩张或压缩得到的所有方案在实质上与本发明完全相同。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (8)

1.一种动脉压信号逐拍分割方法，其特征在于，将动脉压检测仪采集的动脉压信号输入计算机，由计算机进行低通滤波和采样预处理，然后对动脉压信号进行逐拍分割，进行逐拍分割的具体步骤包括：

a)建立K个互不相同的模板信号，形成模板信号库；每个模板信号是已识别的动脉压信号中一个节拍起点前后各一周期的一段信号，且该段信号通过采样或插值处理为N个采样点；其中，K≥2，N的取值范围为100～1000；

b)分别建立每个模板信号中的N个采样点相对于其节拍起点的对数极坐标，并进行归一化处理，得到每个模板信号中的N个采样点相对于其节拍起点的归一化对数极坐标；归一化处理的计算公式如下：

${\mathrm{\α}}_{k,n}=\frac{{\mathrm{\ξ}}_{k,n}-{\mathrm{\ξ}}_{k,\min }}{{\mathrm{\ξ}}_{k,\max }-{\mathrm{\ξ}}_{k,\min }},$

其中，

为第k个模板信号中第n个采样点相对于其节拍起点的归一化对数极坐标，α_k，n为归一化极径，

为极角；(ξ_k，n，ψ_k，n)为第k个模板信号中第n个采样点相对于其节拍起点的对数极坐标，ξ_k，n为极径，ψ_k，n为极角；k∈{1，2，...，K}，n∈{1，2，...，N}；ξ_k，max和ξ_k，min分别为第k个模板信号中各个采样点经投射后对应的对数极坐标中极径的最大值和最小值；

c)对于待测的动脉压信号，从其起始点提取时长为t₀的信号段作为检测段；然后对检测段进行自相关分析，计算检测段的自相关函数中每相邻两个局部最大值之间的时间间隔，取所述时间间隔的平均值作为检测段的近似周期；其中，t₀的取值范围为30～90s；

d)计算出检测段中从起始处至ε倍近似周期处的所有的局部最小值点；其中，ε的取值范围为1.2～1.6；

e)提取每个局部最小值点的特征区；每个局部最小值点的特征区是待测的动脉压信号中该局部最小值点前后各一近似周期的一段信号，且该段信号通过采样或插值处理为N个采样点；

f)分别建立每个局部最小值点的特征区中的N个采样点相对于其局部最小值点的对数极坐标，并进行归一化处理，得到每个局部最小值点的特征区中的N个采样点相对于该局部最小值点的归一化对数极坐标；归一化处理的计算公式如下：

${\mathrm{\β}}_{i,n}=\frac{{\mathrm{\ξ}}_{i,n}-{\mathrm{\ξ}}_{i,\min }}{{\mathrm{\ξ}}_{i,\max }-{\mathrm{\ξ}}_{i,\min }},$ γ_i，n＝ψ_i，n；

其中，(β_i，n，γ_i，n)为检测段中当前ε倍近似周期以内第i个局部最小值点的特征区中第n个采样点相对于该局部最小值点的归一化对数极坐标，β_i，n为归一化极径，γ_i，n为极角；(ξ_i，n，ψ_i，n)为检测段中当前ε倍近似周期以内第i个局部最小值点的特征区中第n个采样点相对于该局部最小值点的对数极坐标，ξ_i，n为极径，ψ_i，n为极角；n∈{1，2，...，N}；ξ_i，max和ξ_i，min分别为检测段中第i个局部最小值点的特征区中各个采样点相对于该局部最小值点的对数极坐标中极径的最大值和最小值；

g)分别计算每个局部最小值点的特征区与各个模板信号基于归一化对数极坐标的互相关系数，将每个局部最小值点的特征区与各个模板信号的互相关系数中的最大值作为该局部最小值点的相似度；所述互相关系数的计算公式为：

且，

其中，P_i，k为检测段中当前ε倍近似周期以内第i个局部最小值点的特征区与第k个模板信号的互相关系数；(β_i，n，γ_i，n)为检测段中当前ε倍近似周期以内第i个局部最小值点的特征区中第n个采样点相对于该局部最小值点的归一化对数极坐标，β_i，n为归一化极径，γ_i，n为极角；

为第k个模板信号中第n个采样点相对于其节拍起点的归一化对数极坐标，α_k，n为归一化极径，

为极角；k∈{1，2，...，K}，n∈{1，2，...，N}；W_p表示权重，其加权系数λ的取值范围为0＜λ＜1；

h)比较得出检测段中当前ε倍近似周期以内相似度最大的一个局部最小值点，并将该局部最小值点的相似度与预先设定的阈值C₀进行比较；若其相似度大于阈值C₀，即判定该局部最小值点为一个节拍起点；其中，阈值C₀的取值范围为0.2～0.5；

i)以检测段中当前ε倍近似周期以内相似度最大的一个局部最小值点为起始点，计算出其后ε倍近似周期以内所有的局部最小值点；然后重复步骤e)～i)，由此判断出检测段中所有的节拍起点；

j)在待测动脉压信号中，以当前检测段中最后一个节拍起点所在位置为起始点，提取其后时长为t₀的信号段作为新的检测段；并且，以当前检测段中最后3个正常周期时间间隔的平均值作为新的检测段的近似周期；然后重复步骤d)～j)，由此判断出待测动脉压信号中所有的节拍起点；

所述正常周期时间间隔是指相邻两个节拍起点之间不超过1.5倍且不小于0.5倍当前近似周期时长的时间间隔；

k)对待测动脉压信号进行逐拍分割，存储并显示待测动脉压信号逐拍分割结果。

2.根据权利要求1所述的动脉压信号逐拍分割方法，其特征在于：所述步骤i)和j)之间还包括：

i1)若当前检测段中检测出的节拍起点超过6个，则获取其中相似度最大的6个节拍起点的特征区，作为新的模板信号添加到模板信号库中。

3.根据权利要求1或2所述的动脉压信号逐拍分割方法，其特征在于：所述低通滤波的截止频率为20～50Hz。

4.根据权利要求1或2所述的动脉压信号逐拍分割方法，其特征在于：所述采样预处理的采样频率为125～1000Hz。

5.根据权利要求1或2所述的动脉压信号逐拍分割方法，其特征在于：所述N的优选取值为200。

6.根据权利要求1或2所述的动脉压信号逐拍分割方法，其特征在于：所述t₀的优选取值为60s。

7.根据权利要求1或2所述的动脉压信号逐拍分割方法，其特征在于：所述ε的优选取值为1.5。

8.根据权利要求1或2所述的动脉压信号逐拍分割方法，其特征在于：所述步骤g)中加权系数λ的优选取值为0.8，所述步骤h)中阈值C₀的优选取值为0.20。

Images