CN102579023B - 脉搏波信号处理方法和装置及电子血压测量装置 - Google Patents

Abstract

本发明涉及脉搏波信号处理方法和装置及电子血压测量装置，该方法包括从压力传感器接收脉搏波信号，取得多个脉搏波信号样本；及对脉搏波信号样本中的整体噪声进行最小化以对脉搏波信号去噪，更具体地包括：对脉搏波信号样本执行标1处理；设定初始伽玛分布参数；对各个脉搏波信号样本对应的伽玛分布值执行标1处理；基于标1样本值及标1伽玛分布值计算样本噪声值以评估整体噪声；判断本次迭代得出的整体噪声与上次迭代得出的整体噪声相比是否收敛；及基于收敛判断修正伽玛分布参数；其中该方法重复从伽玛分布值标1到修正参数的步骤，直到判断整体噪声收敛时，得出最优化的伽玛分布参数，以此确定整体噪声最小化的脉搏波峰值包络线。

Description

脉搏波信号处理方法和装置及电子血压测量装置

技术领域

本发明涉及脉搏波信号处理方法和装置，以及无创式电子血压测量装置。

背景技术

无创式电子血压测量装置通常采用听诊法和示波法。听诊法又称柯氏音法，分为人工柯氏音法和电子柯氏音法。人工柯氏音法即通常所见到的医生、护士用压力表与听诊器进行测量血压的方法；电子柯氏音法则是用电子技术代替医生、护士的柯氏音测量方法。示波法又称为压力振荡法，是20世纪90年代发展起来的一种比较先进的电子测量方法。示波法的工作过程是先将袖带充气以阻断动脉血流，然后在放气过程中检测袖带内的气体压力并提取微弱的脉搏波。当袖带压力远高于收缩压时，脉搏波消失，随着袖带压力下降，脉搏波开始出现。当袖带压力从高于收缩压降到收缩压以下时，脉搏波会突然增大，在平均压时幅值达到最大。然后脉搏波又随袖带压力下降而衰减。示波法血压测量就是根据脉搏波幅度与袖带压力之间的关系来估计血压的。脉搏波最大值对应的是平均压，收缩压Ps和舒张压Pd分别由对应脉搏波最大幅值的比例来确定。

在示波法血压测量过程中，人体脉搏波信号是一种微弱信号，信噪比较低。在检测和采集时，由于受测量仪器、人体等方面的影响，所采集的信号中通常存在如下几种噪声：基线漂移、人体呼吸等低频干扰，频率小于1Hz；由于受测者肢体抖动、肌肉紧张而引起的干扰，其频率范围较大；工频干扰，是频率为50Hz的固定频率干扰。这些干扰信号对脉搏波信号的后续分析处理都十分的不利，因此，对脉搏波信号的去噪是一项非常重要的工作。

具体地，人体血压测试曲线如图1所示，曲线101为自然压力释放曲线，曲线102为脉搏曲线。其中脉搏波峰值点可以由如下表达式表达：

       （式1）。

其中

为血压测试过程中，人体脉搏波信号随时间分布的曲线函数，

是标准的单位脉冲函数，

为人体脉搏波峰值包络线，为噪声函数，包括人体噪声和测量噪声。

由于噪声

较大，给正确测量人体血压值带来很大的困难。

针对脉搏波信号中的噪声，现有技术中的常用去噪方法有：方法一是对式1中各点进行分析，去除明显不合理的各值，从而达到去除大噪声

的效果。现有技术中的常用方法二是对式1中的

进行滤波去除高频噪声

。然而，方法一只能去除大噪声

不能有效去除全部噪声，不能达到正确测量人体血压值的目的，而且测量重复性较差。方法二虽然能有效去除高频噪声，但滤波带来的相移误差会影响测量精度。以前采用的FIR滤波器法、FFT变换等,均存在一定程度的相位失真等不足,对脉搏波信号的去噪效果并不理想。

对此，现有技术中还提出了多种脉搏波信号处理方法，以期去除脉搏波信号中的噪声。

一种方法是将脉搏波数据分段，并逐段进行线性或非线性平滑去噪。例如，公告号为CN1296008C的中国专利公开了一种非线性拟合恢复振荡脉搏波趋势包络的方法，其中利用逐点移动分段多次曲线拟合和非线性插值的方法，产生脉搏波峰值包络线，但该技术方案只考虑到对脉搏波信号进行分段平滑以局部地消除噪声，未考虑到脉搏波峰值包络线整体噪声的最小化。

另一种方法是根据噪声的类型进行多阶段滤波，在不同的阶段中处理脉搏波信号中的不同噪声。例如，公告号为CN100457023C的中国专利公开了一种基于提升小波的脉搏信号处理方法，该方法首先对脉搏波信号进行波形预处理，采用自适应相干模板法对工频干扰进行滤波，又采用时域聚类法剔除周期上不合格的脉搏波，然后进行多层小波分解，再对小波分解的高频、低频系数的阈值量化处理，但该技术方案同样未考虑到脉搏波峰值包络线整体噪声的最小化。

因此，需要一种脉搏波信号处理方法和装置，可以考虑到脉搏波峰值包络线整体噪声的最小化，最大程度地消除脉搏波信号中的噪声，以便得出整体噪声最小化的脉搏波峰值包络线。理想状态下，完全去除噪声项的脉搏波峰值包络线如式２所示：

       （式2）。

另一方面，发明人注意到，现有技术中的脉搏波信号处理方法往往关注于在一次测量过程中的脉搏波信号的去噪，而未考虑到对先前的脉搏波信号优化处理结果信息的有效利用。若在对脉搏波信号进行处理的过程期间考虑先前对同一受测者的脉搏波信号的优化处理结果，将有助于提高脉搏波的测量精度，并缩短脉搏波信号的处理时间。

发明内容

本发明旨在解决现有技术中的上述问题，提供可以得出整体噪声最小化的脉搏波峰值包络线的脉搏波信号处理方法和装置，以及无创式电子血压测量装置，

为了实现上述目的，本申请的发明人对大量人体脉搏波测量数据进行了分析，发现人体脉搏波包络曲线最接近如以下式３所示的分布曲线。

（式3）。

相应地，本发明提供一种脉搏波信号处理方法，包括步骤A：从压力传感器接收脉搏波信号，取得多个脉搏波信号样本；及步骤B：对所述多个脉搏波信号样本中的整体噪声进行最小化以去除脉搏波信号噪声，该步骤B包括：步骤B1：对所述多个脉搏波信号样本执行标1处理，得到标1样本值；步骤B2：设定初始的伽玛分布参数α和ρ；步骤B3：对各个脉搏波信号样本对应的伽玛分布值执行标1处理，得到标1伽玛分布值；步骤B4：基于所述标1样本值及所述标1伽玛分布值计算样本噪声值以评估整体噪声；步骤B5：判断本次迭代得出的整体噪声与上次迭代得出的整体噪声相比是否收敛；及步骤B6，基于步骤B5修正伽玛分布参数α和ρ；其中所述脉搏波信号处理方法重复步骤B3-B6，直到在步骤B5判断整体噪声收敛时，得出最优化的伽玛分布参数α和ρ，以此确定出整体噪声最小化的脉搏波峰值包络线。

本发明的脉搏波信号处理方法考虑到脉搏波信号样本的整体噪声，得出对应的最优化的伽玛分布参数α和ρ，可以实现整体噪声的最小化，并且与现有技术构思不同。

有利地，可以在所述步骤B之前还包括对所述多个脉搏波信号样本进行线性或非线性插值的步骤。这样，本发明的方法可以在对脉搏波信号样本进行局部平滑处理的基础上进行整体噪声的最小化。

优选地，可以是所述步骤B1包括将各个脉搏波信号样本除以脉搏波信号峰值以获得均≦1的各个标1样本值；所述步骤B3包括将各个伽玛分布值除以伽玛分布值的峰值以获得均≦1的各个标1伽玛分布值。这样有利于标1后的样本值与伽玛分布值的比较。

而且所述步骤B2包括设定初始的伽玛分布参数α和ρ，以使所述标1样本值与所述标1伽玛分布值峰值对准。选择合适的初始参数，有利于快速收敛，缩短脉搏波信号的处理时间。

又，在本发明的脉搏波信号处理方法中，所述整体噪声包括所述多个脉搏波信号样本中包含的人体噪声和测量噪声。

本发明的脉搏波信号处理方法可以是，所述步骤B4包括计算各个标1样本值与对应的标1伽玛分布值之差的平方以得到各个样本的噪声值，计算所得的各个样本的噪声值之和以得到所述整体噪声。借助于此，可以具体定量各个样本所包含的噪声，并用数值衡量全体脉搏波信号样本中包含的整体噪声，从而对全体脉搏波信号样本所包含的人体噪声和测量噪声进行整体优化去噪，使整体噪声最小化，而不是分段或分阶段地局部去除噪声。

又，在所述步骤B5中，若本次迭代得出的整体噪声与上次迭代得出的整体噪声之差小于收敛指标1E-5，则判断为收敛。选择合适的收敛判断方式和收敛指标，有利于在脉搏波信号处理时间和处理精度之间达到平衡。

所述步骤B2包括将先前对同一受测者的脉搏波信号执行所述脉搏波信号处理方法得出的最优化的伽玛分布参数α设定为当前执行所述脉搏波信号处理方法的初始的伽玛分布参数α，并相应地设定ρ，以使所述标1样本值与所述标1伽玛分布值的峰值对准。同一受测者的脉搏波信号测量值在多次重复测量中具有稳定性，因此在先前优化结果的基础上，可以缩短当前脉搏波信号去噪处理的时间。

本发明还提供一种用于执行本发明的脉搏波信号处理方法的脉搏波信号处理装置，包括：用于执行所述步骤A的采样模块；用于执行所述步骤B的整体噪声最小化模块，该整体噪声最小化模块包括：从所述采样模块接收多个脉搏波信号样本并执行所述步骤B1的样本处理单元；用于执行所述步骤B2，以设定初始的伽玛分布参数α和ρ的初始参数设定单元；用于执行所述步骤B3，以对各个脉搏波信号样本对应的伽玛分布值执行标1处理，得到标1伽玛分布值的伽玛标1处理单元；用于执行所述步骤B4，以基于所述标1样本值及所述标1伽玛分布值计算样本噪声值以评估整体噪声的整体噪声评估单元；用于执行所述步骤B5，以判断本次迭代得出的整体噪声与上次迭代得出的整体噪声相比是否收敛的收敛判断单元；用于执行所述步骤B6的状态反馈单元；其中当所述收敛判断单元判断整体噪声收敛时，所述整体噪声最小化模块确定出整体噪声最小化的脉搏波峰值包络线，并输出最优化的伽玛分布参数α和ρ。与现有技术中的脉搏波信号处理装置相比，本发明的脉搏波信号处理装置可以实现整体噪声最小化的效果。

本发明的脉搏波信号处理装置还可以包括优化数据存储模块，所述优化数据存储模块存储同一受测者在不同测试时间的最优化的伽玛分布参数α和ρ，和/或不同受测者的最优化的伽玛分布参数α和ρ。借助于此，可以在多次测量中积累受测者的最优化的伽玛分布参数，进一步提高重复测量的精度，并且便于不同的受测者使用本装置。

本发明还提供一种包含本发明的脉搏波信号处理装置的无创式电子血压测量装置，所述无创式电子血压测量装置是电子血压计或动态血压检测仪。本发明的脉搏波信号处理装置可以作为无创式电子血压测量装置的一个部分设置于其内部或外部，且本发明的脉搏波信号处理装置具有较高的重复测量精度，不仅适合用在电子血压计中，还适合用在24小时检测受测者血压的动态血压检测仪中。

总体上，本发明的方法和装置可以有效地去除脉搏波信号中的整体噪声，提高脉搏波的测量精度，进而提高无创式血压测量装置的测量精度，以及重复测量精度。同时随着受测者的脉搏波数据及优化处理结果的不断积累，本发明的方法和装置的精度将得到提高并且缩短处理时间。在准确的脉搏波峰值包络线基础上，无创式电子血压测量装置后续得出的平均压、收缩压和舒张压的准确度也将得到提高。

附图说明

图1是人体血压测试曲线的示意图。

图2是脉搏波信号峰值包络线的示意图。

图3是本发明的脉搏波信号处理方法的示意流程图。

图4是使用本发明的脉搏波信号处理方法的实验结果示意图。

图5是包含本发明的脉搏波信号处理装置的袖带式无创电子血压计的系统结构示意图。

具体实施方式

结合附图参考下面的说明，可以更容易地理解本发明。应理解，附图仅设计用于说明目的，而并非作为对本发明的限制。应进一步理解，附图不需按比例绘制，除非另外指出，否则它们仅意图概念性地说明本说明书所描述的结构或步骤。

图1是人体血压测试曲线的示意图。图1的纵坐标表示袖带压力测量值，横坐标表示时间（以采样周期为单位，每采样周期为37.5毫秒），其中曲线101为自然压力释放曲线，曲线102为脉搏曲线。从图1可以看到，在血压测量的过程中袖带放气时，脉搏波测量值随着袖带压力的逐渐减小先增大后减小。其中脉搏波测量值达到最大时，对应的袖带压力为平均压。然而，直接测量得到的脉搏波信号中包含了人体噪声、测量噪声等各种噪声，这些噪声可以由各种随机因素造成，例如人体呼吸、受测者肢体抖动、肌肉紧张等。为了得到精确的脉搏波测量值，有必要对脉搏波信号进行去噪处理。

图2是脉搏波信号峰值包络线的示例的局部放大示意图。图2的纵坐标表示脉搏波信号幅值，横坐标表示时间（以采样周期为单位，每采样周期为37.5毫秒，每采样值为96毫伏）。在图2中，脉搏波信号如201所示，脉搏波信号峰值如202所示。将相邻的各个脉搏波峰值逐个连接起来就形成了脉搏波信号峰值包络线。现有技术中包括分段地对相邻的脉搏波峰值点进行线性平滑或非线性平滑以得出脉搏波信号峰值包络线的方法，但这样的方法未对脉搏波信号的整体噪声作出定量，只能局部地消除脉搏波信号中的噪声，而不能实现整体噪声的最小化。

图3是本发明的脉搏波信号处理方法300的示意流程图。在步骤310，从与袖带连接的压力传感器接收脉搏波信号，取得多个脉搏波信号样本。从压力传感器接收的脉搏波信号可以是模拟信号，然后通过模数转换器（ADC）转换为数字信号。采样点数可以根据测量精度和测量时间的要求确定。本领域技术人员应理解，本发明的脉搏波信号处理方法300可选地可以在采样步骤310之后包括对多个脉搏波信号样本进行线性或非线性插值的插值步骤。

在步骤312，对多个脉搏波信号样本执行如式4所示的标1处理，得到标1样本值。

          （式4）。

其中t是时间标量，

是人体脉搏波信号峰值包络线函数，

是

函数中的最大值，而是

与

的比值函数，

的值即上述标1样本值。具体地，在步骤312中，对于

，用峰值函数确定其最大值

，然后用式4得出，使

的所有值均≦1。针对脉搏波峰值全路线进行上述标1处理，因此该步骤得出各个脉搏波信号样本对应的标1样本值。标1后的

函数的离散表达式为，其中it=0，1，2，…n，是时间标量t的离散表达，而n为采样点数。

在步骤314，设定初始的伽玛分布参数α和ρ，其中α为伽玛分布函数

的形状参数，ρ为伽玛分布函数的尺度参数。优选地，设定初始的伽玛分布参数α和ρ，以使上述标1样本值的峰值与下述标1伽玛分布值峰值对准。例如，为使

的峰值与

的峰值对准，可以根据下述方式确定初始的α和ρ：

                     （式5）。

其中x_max为使得

的值，在式4的计算中可得到x_max，这样就可确定α与ρ的关系式（即上述式5）。

由以上关系式，设

，得出

。以此方式确定的α和ρ，可以确保上述标1样本值与下述标1伽玛分布值峰值对准。

在步骤316，对各个脉搏波信号样本对应的伽玛分布值执行标1处理，得到标1伽玛分布值。

标1处理如下列式5所示：

    （式6）。

其中，伽玛分布参数α和ρ已在步骤314中确定，

为伽玛分布函数的最大值。对各个脉搏波信号样本对应的伽玛分布值

进行类似于式4的处理，使

的所有值均小于等于1。这样有利于标1后的

与伽玛函数

的比较。

在步骤318，基于所述标1样本值及所述标1伽玛分布值计算样本噪声值以评估整体噪声。例如，用采样所得函数

减去

分布函数就可以得到噪声分布函数

，从而根据下列式7确定样本噪声值：

 （其中it=0，1，2，…n）      （式7）。

其中

，。这样，以各个脉搏波信号的标1后的样本值与对应的标1后的伽玛分布值之差的平方作为样本噪声值，可以对各个脉搏波信号样本的噪声进行定量。然后，根据各个脉搏波信号样本的样本噪声值计算整体噪声

。此处的整体噪声的大小可以定量地衡量全体脉搏波信号样本中包含的人体噪声和测量噪声。

接下来，用极大似然法和状态反馈技术，对各个脉搏波信号样本迭代地计算式7，调节α和ρ，使整体噪声

收敛，即确定噪声分布

，使整体噪声最小化，同时得出对应的最优化的伽玛分布参数α和ρ。其中，极大似然法是标准的噪声估算方法（类似于最小二乘法），并且本发明用状态反馈技术来控制计算的快速收敛。

在步骤320，判断本次迭代得出的整体噪声与上次迭代得出的整体噪声相比是否收敛。对于第一次迭代，上次迭代得出的整体噪声可设定为0。在一个实施例中，可以比较两次计算结果是否收敛。本领域技术人员应理解，整体噪声是否收敛的判断不限于此，可以用本次和上次迭代的整体噪声值的比值、差的绝对值等进行收敛判断。此外，可以选择合适的收敛判断方式和收敛指标，以利于在脉搏波信号处理时间和处理精度之间达到平衡。作为示例，收敛指标可以设定为1E-5。

若在步骤320判断整体噪声收敛，则确定出整体噪声最小化的脉搏波峰值包络线，并得出最优化的伽玛分布参数α和ρ，并进入步骤322，输出最优化的伽玛分布参数α和ρ。这样就可得出整体噪声最小化的人体脉搏波峰值包络线，结果如图4所示。

   （式8）。

进而可以在本发明的脉搏波信号处理方法的输出结果的基础上计算收缩压、舒张压。作为示例，在

的基础上，设

，求出x即为收缩压；设

，求出x即为舒张压。

若在步骤320判断整体噪声不收敛，则进入步骤324，用状态反馈指示，使

、

以更新伽玛分布参数α和ρ，并返回伽玛标1步骤316。其中步长

和

可以根据测量精度和测量时间的要求确定。

另外，对于同一受测者，其脉搏波信号测量值在多次重复测量中具有稳定性。因此在步骤314中可以将先前对同一受测者的脉搏波信号执行本发明的搏波信号处理方法得出的最优化的伽玛分布参数α设定为当前执行本发明的脉搏波信号处理方法的初始的伽玛分布参数α，并相应地设定ρ，以使上述标1样本值与标1伽玛分布值峰值对准。借助于此，方法300中初始的伽玛分布参数α和ρ与最终得出的最优化的伽玛分布参数α和ρ更加接近，因此可以更快地使整体噪声收敛，缩短脉搏波信号去噪处理所需的时间，提高应用本发明的电子血压测量装置的性能。

图4是使用本发明的脉搏波信号处理方法的实验结果示意图。图4的纵坐标表示标1的脉搏波信号幅值，横坐标表示时间（以采样周期为单位，每采样周期为37.5毫秒）。在图4所示的实验结果中，曲线401为标1处理的人体脉搏波的包络曲线，曲线402为计算所得的

曲线。从图4可以看出曲线401中噪声非常大，几乎无法进行收缩压、舒张压的计算。而曲线402是整体噪声最小化的平滑曲线，在其基础上可以准确地确定收缩压、舒张压。应该指出本发明的方法中所应用的伽玛分布函数

的最优化去噪过程（极大似然法）对于测量中环境引起的噪声及人体本身的噪声均有很强估算作用，从而可达到去除噪声的效果。本发明的脉搏波信号处理方法可以提高人体脉搏波信号的测量精度及重复测量精度，进而提高无创式电子血压测量装置的测量精度及重复测量精度。

图5示出包含本发明的脉搏波信号处理装置的袖带式无创电子血压计500的系统结构示意图。电子血压计500包括由袖带501、气泵502、放气阀503和压力传感器504构成的气动电路。气动电路主要完成对袖带压力的控制及压力信号数据的采集。在血压测量过程中袖带501绑缚于受测者上臂并由气泵502充气到一定压力以阻断动脉血流。然后在放气过程中，放气阀503开启，袖带压力逐渐下降。应理解，袖带压力的下降可以是连续的，也可以是阶梯式的。设置于袖带501处的压力传感器504检测袖带压力并提取脉搏波信号。

电子血压计500还包括用于在诸如袖带压力过大等异常情况下发出报警提示的报警电路505，用于系统设置参数等的输入的输入装置506，用于显示血压测量数据及血压历史记录等信息的显示器507，用于存储测量记录、用户数据等的存储器508，以及控制电子血压计的各组件的控制器509。

图5所示的电子血压计500还包括脉搏波信号处理装置510。该脉搏波信号处理装置510包括用于从压力传感器接收脉搏波信号，取得多个脉搏波信号样本的采样模块511，对多个脉搏波信号样本中的整体噪声进行最小化的整体噪声最小化模块512。采样模块511可选地可以包括从混合血压信号中滤出脉搏波信号，并对脉搏波信号进行放大的放大滤波电路和将模拟信号转换为数字信号的模数转换器。整体噪声最小化模块512对脉搏波信号样本执行最优化去噪，确定出整体噪声最小化的脉搏波峰值包络线，并输出最优化的伽玛分布参数α和ρ。作为示例，整体噪声最小化模块可以包括从所述采样模块接收多个脉搏波信号样本并对其执行标1处理的样本处理单元；设定初始的伽玛分布参数α和ρ的初始参数设定单元；对各个脉搏波信号样本对应的伽玛分布值执行标1处理，得到标1伽玛分布值的伽玛标1处理单元；基于所述标1样本值及所述标1伽玛分布值计算样本噪声值以评估整体噪声的整体噪声评估单元；判断本次迭代得出的整体噪声与上次迭代得出的整体噪声相比是否收敛的收敛判断单元；及基于收敛判断修正伽玛分布参数α和ρ的状态反馈单元。优选地，电子血压计500还可以包括为同一受测者或不同受测者存储其最优化的伽玛分布参数α和ρ的历史记录的优化数据存储模块513。例如该优化数据存储模块513可以存储同一受测者在不同测试时间的最优化的伽玛分布参数α和ρ，从而可以得出该受测者在不同测试时间上平均的最优化伽玛分布参数α和ρ，以进一步消除测量过程中随机因素的影响，提高重复测量的精度。优化数据存储模块513还可以可选地存储不同受测者的最优化的伽玛分布参数α和ρ。

虽然图5示出袖带式无创电子血压计，本发明的脉搏波信号处理装置也可以应用在其他类型的电子血压计或动态血压检测仪中。实际上，本发明的脉搏波信号处理装置可以应用于任何需要进行脉搏波信号去噪的装置。

应注意，本文所示的各种步骤、操作或功能可以按所示的顺序执行、并行执行，或在一些情况下略去。类似地，处理的顺序不是实现本文中所述的示例实施例的特征和优点所必需的，而是为便于演示和说明而提供。取决于所使用的具体策略，可以重复执行所示步骤、功能或操作中的一个或多个。此外，所述操作、功能和/或步骤可以在图形上表示编程到控制系统中的计算机可读存储介质中的代码。

还应理解，在本文中公开的结构和配置本质上是示例性的，且这些具体实施例不应被视为具有限制意义，因为大量的变体是可能的。本公开的主题包括在本文中公开的各种结构和配置，及其他特征、功能，和/或属性的所有新颖和非显而易见的组合及子组合。

本申请的权利要求特别指出视为新颖和非显而易见的特定组合及子组合。这些权利要求可能引用“一个”元素或“第一”元素或其等价。这样的权利要求应被理解为包括对一个或一个以上这样的元素的结合，而不是要求或排除两个或两个以上这样的元素。所公开的特征、功能、元素和/或属性的其他组合及子组合可以通过修改本申请的权利要求或通过在本申请或相关申请中提出新的权利要求来请求保护。这样的权利要求，无论是在范围上比原始权利要求更宽、更窄、等价或不同，都应被视为包括在本发明的主题之内。

Claims (9)

1.一种脉搏波信号处理方法，包括：

步骤A：从压力传感器接收脉搏波信号，取得多个脉搏波信号样本；及

步骤B：对所述多个脉搏波信号样本中的整体噪声进行最小化以去除脉搏波信号噪声，该步骤B包括：

步骤B1：对所述多个脉搏波信号样本按式                                                

执行标1处理，得到均≦1的标1样本值

，其中，t是时间标量，是各个脉搏波信号样本，

是脉搏波信号峰值；

步骤B2：设定初始的伽玛分布参数α和ρ；

步骤B3：对各个脉搏波信号样本对应的伽玛分布值按式执行标1处理，得到均≦1的标1伽玛分布值

，其中，

是各个伽玛分布值，

是伽玛分布值的峰值；

步骤B4：基于所述标1样本值

及所述标1伽玛分布值计算样本噪声值以评估整体噪声；

步骤B5：判断本次迭代得出的整体噪声与上次迭代得出的整体噪声相比是否收敛；及

步骤B6，基于步骤B5修正伽玛分布参数α和ρ；

其中所述脉搏波信号处理方法重复步骤B3-B6，直到在步骤B5判断整体噪声收敛时，得出最优化的伽玛分布参数α和ρ，以此确定出整体噪声最小化的脉搏波峰值包络线。

2.如权利要求1所述的脉搏波信号处理方法，其特征在于，在所述步骤B之前还包括对所述多个脉搏波信号样本进行线性或非线性插值的步骤。

3.如权利要求1所述的脉搏波信号处理方法，其特征在于，所述步骤B2包括设定初始的伽玛分布参数α和ρ，以使所述标1样本值

与所述标1伽玛分布值峰值

对准。

4.如权利要求1所述的脉搏波信号处理方法，其特征在于，所述步骤B4包括计算各个标1样本值

与对应的标1伽玛分布值

之差的平方以得到各个样本的噪声值，计算所得的各个样本的噪声值之和以得到所述整体噪声。

5.如权利要求1所述的脉搏波信号处理方法，其特征在于，在所述步骤B5中，若本次迭代得出的整体噪声与上次迭代得出的整体噪声之差小于收敛指标1E-5，则判断为收敛。

6.如权利要求1所述的脉搏波信号处理方法，其特征在于，所述步骤B2包括将先前对同一受测者的脉搏波信号执行所述脉搏波信号处理方法得出的最优化的伽玛分布参数α设定为当前执行所述脉搏波信号处理方法的初始的伽玛分布参数α，并相应地设定ρ，以使所述标1样本值

与所述标1伽玛分布值的峰值对准。

7.一种用于执行如权利要求1－6中的任一项所述的脉搏波信号处理方法的脉搏波信号处理装置，包括：

用于执行所述步骤A的采样模块；

用于执行所述步骤B的整体噪声最小化模块，该整体噪声最小化模块包括：

从所述采样模块接收多个脉搏波信号样本并执行所述步骤B1的样本处理单元；

用于执行所述步骤B2，以设定初始的伽玛分布参数α和ρ的初始参数设定单元；

用于执行所述步骤B3，以对各个脉搏波信号样本对应的伽玛分布值按式执行标1处理，得到均≦1的标1伽玛分布值

的伽玛标1处理单元，其中，

是各个伽玛分布值，

是伽玛分布值的峰值；

用于执行所述步骤B4，以基于所述标1样本值

及所述标1伽玛分布值

计算样本噪声值以评估整体噪声的整体噪声评估单元；

用于执行所述步骤B5，以判断本次迭代得出的整体噪声与上次迭代得出的整体噪声相比是否收敛的收敛判断单元；

用于执行所述步骤B6的状态反馈单元；

其中当所述收敛判断单元判断整体噪声收敛时，所述整体噪声最小化模块确定出整体噪声最小化的脉搏波峰值包络线，并输出最优化的伽玛分布参数α和ρ。

8.如权利要求7所述的脉搏波信号处理装置，其特征在于，还包括优化数据存储模块，所述优化数据存储模块存储同一受测者在不同测试时间的最优化的伽玛分布参数α和ρ，和/或不同受测者的最优化的伽玛分布参数α和ρ。

9.一种包含如权利要求6－8中的任一项所述的脉搏波信号处理装置的电子血压测量装置，所述电子血压测量装置是电子血压计或动态血压检测仪。

Images