CN105286815A - 一种基于波形时域特征的脉搏波信号特征点检测方法 - Google Patents

Abstract

本发明提供了一种基于波形时域特征的脉搏波信号特征点检测方法，其采用逐步缩小分析波形的区间，在分析过程中基于脉搏波信号的波形时域特征，结合了微分和小波变换算法来确定脉搏波信号中的特征点位置，因而能够有效去除不必要的干扰，放大信号的特征，提高了脉搏波信号特征点检测的准确度，对于脉搏波波形中的潮波或重搏波不明显的情况识别准确度高；本发明方法实现了计算机对脉搏波信号特征点的检测，不仅降低了临床医师的工作量，克服了人工手动检测的误差，还为计算机设备自动计算、获取脉搏波临床信息以及连续血压无创检测设备的研发提供了技术基础。

Description

一种基于波形时域特征的脉搏波信号特征点检测方法

技术领域

本发明涉及生理信号采集技术和数字信号分析技术领域，具体涉及一种基于波形时域特征的脉搏波信号特征点检测方法。

背景技术

心脏有节律的收缩舒张将血液射入动脉血管，由于血管是弹性的腔体，血液进入血管中流动从而形成脉搏波。脉搏波信号波形由上升支和下降支所组成，一般根据心脏射血和血液在血管中传播的各个过程，可认为脉搏波信号中的每个节拍信号有七个特征点，如图1所示，分别为脉搏波节拍起点(通常标记为a)、主动脉打开点(通常标记为b)、主峰波峰点(通常标记为c)、潮波波谷点(通常标记为d)、潮波波峰点(通常标记为e)、重搏波波谷点(通常标记为f)和重搏波波峰点(通常标记为g)，其中能够提供重要信息的特征点主要是主动脉打开点b、主峰波峰点c、潮波波谷点d、潮波波峰点e、重搏波波谷点f和重搏波波峰点g这六个。在脉搏波信号中，bc段为上升支，主动脉打开，由于心脏将血液射入主动脉而使主动脉压力变大上升至c点，c点是整个脉搏波信号的波峰，随后血液从左心室喷出而在主动脉中形成一个潮波e点，d点是潮波的最低点；右心室开始充盈，房室瓣打开血液反弹回来形成一个波谷f点，g点是由于心室舒张，主动脉血液反弹回来、动脉压稍有上升、血管再次扩张所形成的重搏波。

脉搏波信号包含了大量的生理信息，它的形状、周期、峰值等信息与心血管状态、生理病理信息如动脉硬化程度、心律、血管健康状态、脉搏波信号波形特征量K等密切相关，因此准确识别并提取出脉搏波信号中包含的特征点，不仅可以为预防血管疾病提供前期的信息参考，而且可以为医生诊断或治疗病人提供重要的指示信息，同时也为某些药物(如降压药等)的治疗效果评估提供量化的参考指标指示信息。

目前用来提取脉搏波信号特征点的方法主要有微分方法，曲率法，小波变换过零点法和句法模式识别法等方法。由于脉搏波信号是由压力传感器采集的，因此微分信号在同一点附近可能会出现多个局部极值，这使得微分法不能准确检测出部分特征点；曲率法通过分析脉搏波信号不同部位的曲率变化从而识别特征点，但是对于潮波不明显的波形就很难识别了；小波变换过零点法会因小波基的选择不确定性而出现某些重搏波检测不到的情况；句法模式识别需要根据经验对实测的脉搏波信号进行分类然后才能对特征点进行定位，因此需要准确的脉搏波信号分类标准，在实际应用中存在一定的困难。

发明内容

针对现有技术中存在的不足，本发明为了解决脉搏波信号特异性强、容易受到各种因素干扰而导致提取特征点困难的问题，提出了一种基于波形时域特征的脉搏波信号特征点检测方法，该方法基于脉搏波信号的波形时域特征，结合了微分和小波变换算法来确定脉搏波信号中的特征点位置，以提高对脉搏波信号中特征点的识别准确度，帮助扩展脉搏波信号特征点识别技术的适用范围，为计算机设备自动检测、获取脉搏波信号中的特征信息及连续血压无创检测设备的研发提供有利的技术基础。

为实现上述目的，本发明采用了如下技术方案：

一种基于波形时域特征的脉搏波信号特征点检测方法，将采集的脉搏波信号输入至计算机，由计算机进行采样预处理后，以脉搏波信号中各节拍信号的主动脉打开点、主峰波峰点、潮波波谷点、潮波波峰点、重搏波波谷点和重搏波波峰点作为特征点识别对象，对脉搏波信号中的各特征点进行识别检测；计算机对脉搏波信号中的特征点进行识别检测的具体步骤包括：

1)对脉搏波信号进行峰值识别处理，并将幅值与脉搏波信号中最小幅值点的幅值之差大于预设定幅值阈值V_θ的峰值点判定为脉搏波信号中的主峰波峰点，从而确定脉搏波信号中各节拍信号的主峰波峰点c_i，i＝1,2,…,N，N表示脉搏波信号中包含的节拍总数；

2)对脉搏波信号进行一阶微分处理后，对于脉搏波信号中任意的第i个节拍信号而言，在脉搏波信号的一阶微分信号中找出第i个节拍信号的主峰波峰点c_i所对应位置处之前的第一个过零位置点，将所述第一个过零位置点对应在脉搏波信号中的位置点判定为第i个节拍信号的主动脉打开点b_i；由此，分别确定脉搏波信号中各节拍信号的主动脉打开点；

3)根据脉搏波信号中各节拍信号的主峰波峰点的位置，分别确定脉搏波信号中各节拍信号的节拍周期T_i，i＝1,2,…,N，然后在各节拍信号中分别标记其重搏波参考位置点；其中，任意的第i个节拍信号中重搏波参考位置点g′_i的位置P(g′_i)，根据第i个节拍信号的节拍周期T_i、主峰波峰点c_i的位置P(c_i)以及预设定的重搏波相对位置参数RP确定：

P(g′_i)＝P(c_i)+(RP×T_i)；

然后在第i个节拍信号中以重搏波参考位置点g′_i为中心的预设定重搏波时域宽度范围Ω_g内找到幅值极大值点和幅值极小值点，分别判定为第i个节拍信号的重搏波波谷点f_i和重搏波波峰点g_i；由此，分别确定脉搏波信号中各节拍信号的重搏波波谷点和重搏波波峰点；

4)对于脉搏波信号中任意的第i个节拍信号，对其主峰波峰点c_i到重搏波波谷点f_i之间的信号段P_i(n)进行五层小波分解，即：

$P_i\left(n\right)=P_{i,5}^a\left(n\right)+\underset{k=1}{\overset{5}{\Σ}}{P}_{i,k}^d\left(n\right);$

得到其d5层信号n表示所述信号段P_i(n)中包含的采样点数，表示所述信号段P_i(n)进行五层小波分解得到的低频信号部分，表示所述信号段P_i(n)进行五层小波分解得到的dk层信号，k∈{1,2,3,4,5}；在所述d5层信号的起始点为起点的预设定潮波时域宽度范围Ω_e内找到幅值极大值点，将所述幅值极大值点对应在脉搏波信号中的位置点判定为第i个节拍信号的潮波波峰点e_i；由此，分别确定脉搏波信号中各节拍信号的潮波波峰点；

5)对于脉搏波信号中任意的第i个节拍信号，对其主峰波峰点c_i到潮波波峰点e_i之间的信号段进行微分处理，判断其一阶微分信号中是否存在过零点；若是，则判定该过零点位置点对应在脉搏波信号中的位置点为第i个节拍信号的潮波波谷点d_i；若主峰波峰点c_i到潮波波峰点e_i之间信号段的一阶微分信号中不存在过零点，则进一步计算主峰波峰点c_i到潮波波峰点e_i之间信号段的二阶微分信号，在该二阶微分信号中找出第i个节拍信号的潮波波峰点e_i所对应位置处之前的第二个过零位置点，判定该第二个过零位置点对应在脉搏波信号中的位置点为第i个节拍信号的潮波波谷点d_i；由此，分别确定脉搏波信号中各节拍信号的潮波波谷点。

上述基于波形时域特征的脉搏波信号特征点检测方法中，作为优选方案，对输入至计算机的脉搏波信号进行采样预处理的采样频率为100～1000Hz。

上述基于波形时域特征的脉搏波信号特征点检测方法中，作为优选方案，所述步骤1)中，预设定幅值阈值V_θ的取值为脉搏波信号中最大幅值的0.6～0.8倍。

上述基于波形时域特征的脉搏波信号特征点检测方法中，作为优选方案，所述步骤3)中，重搏波相对位置参数RP的取值范围为0.4～0.5，预设定重搏波时域宽度范围Ω_g的取值范围为0.3～0.4秒时域宽度范围。

上述基于波形时域特征的脉搏波信号特征点检测方法中，作为优选方案，所述步骤4)中，预设定潮波时域宽度范围Ω_e的取值范围为0.1～0.2秒时域宽度范围。

相比于现有技术，本发明具有如下有益效果：

1、本发明基于波形时域特征的脉搏波信号特征点检测方法中，首先利用阈值法处理采集到的脉搏波信号确定其主峰波峰点，然后求出脉搏波信号的一阶微分信号找到一阶微分信号中对应在主峰波峰点所在位置之前的第一个过零点的位置即为主动脉打开点，这样不仅能够准确定位脉搏波的主峰波峰点和主动脉打开点，而且能够借以计算出每个脉搏波节拍信号的周期，为进一步识别其它特征点提供帮助。

2、本发明基于波形时域特征的脉搏波信号特征点检测方法中，在得到主动脉打开点之后可以求出各节拍信号的节拍周期，并根据预设定的重搏波相对位置参数RP的值找到各节拍信号的重搏波波谷点和重搏波波峰点，由于脉搏波波形中各节拍信号的重搏波波谷点和重搏波波峰点是在一定范围内变化的，因此利用预设定的重搏波相对位置参数RP来将重搏波波谷点和重搏波波峰点的大致位置确定到一定范围内，这样能够克服一些由于自身生理状况导致的脉搏波波形重搏波波形不明显的情况，从而提高脉搏波特征点的识别准确率。

3、本发明基于波形时域特征的脉搏波信号特征点检测方法中，在确定重搏波波谷点和重搏波波峰点后，进一步缩小处理脉搏波信号的范围，减小干扰，进一步根据脉搏波信号的潮波明显或不明显两种情况，利用小波分解来来定位各节拍信号的潮波波峰点，并利用一阶、二阶微分信号所对应潮波明显或者不明显的情况来定位各节拍信号的潮波波谷点，大大提高潮波不明显波形的特征点识别准确性。

4、本发明基于波形时域特征的脉搏波信号特征点检测方法，采用逐步缩小分析波形的区间，在分析过程中基于脉搏波信号的波形时域特征，结合了微分和小波变换算法来确定脉搏波信号中的特征点位置，因而能够有效去除不必要的干扰，放大信号的特征，提高了脉搏波信号特征点检测的准确度，对于脉搏波波形中的潮波或重搏波不明显的情况识别准确度高。

5、本发明方法实现了计算机对脉搏波信号特征点的检测，不仅降低了临床医师的工作量，克服了人工手动检测的误差，还为计算机设备自动计算、获取脉搏波临床信息以及连续血压无创检测设备的研发提供了技术基础。

附图说明

图1为典型脉搏波特征点示意图。

图2为本发明基于波形时域特征的脉搏波信号特征点检测方法的流程图。

图3为三种不同波形的脉搏波信号。

图4为潮波明显的脉搏波信号中一个主峰波峰点到重搏波波谷点之间的信号段的原始信号及其d5层信号。

图5为潮波不明显的脉搏波信号中一个主峰波峰点到重搏波波谷点之间的信号段的原始信号及其d5层信号。

图6为潮波明显的脉搏波波形信号中一个主峰波峰点到潮波波峰点之间的信号段的原始信号及其一阶、二阶微分信号。

图7为潮波不明显的脉搏波波形信号中一个主峰波峰点到潮波波峰点之间的信号段的原始信号及其一阶、二阶微分信号。

图8为图3所示三种不同波形的脉搏波信号的特征点识别结果示意图。

具体实施方式

本发明提供了一种基于波形时域特征的脉搏波信号特征点检测方法，该方法先通过与移动窗口法相结合的阈值法识别出脉搏波波形的主峰的波峰，之后通过微分的方法找出主峰之前的主动脉打开点，计算出每个脉搏波的周期，然后通过脉搏波重搏波波峰的相对位置值计算出每个脉搏波周期内重搏波波峰存在的范围，在这一范围内找到一对最大值与最小值，之后根据位置关系确定重搏波波峰与波谷；随后进一步缩小所求特征点的范围，通过小波分解方法得到潮波波峰，然后根据脉搏波主峰波峰与潮波波峰之间信号的时域特点找出潮波的波谷。本发明方法由于采用了逐步缩小分析波形的区间，在分析过程中基于脉搏波信号的波形时域特征，结合了微分和小波变换算法来确定脉搏波信号中的特征点位置，因而能够有效去除不必要的干扰，放大信号的特征，具有识别准确，适用范围广，抗干扰能力强的特点，为计算机设备自动计算、获取脉搏波临床信息以及连续血压无创检测设备的研发提供了技术基础。

本发明基于波形时域特征的脉搏波信号特征点检测方法，其将采集的脉搏波信号输入至计算机，由计算机进行采样预处理后，以脉搏波信号中各节拍信号的主动脉打开点、主峰波峰点、潮波波谷点、潮波波峰点、重搏波波谷点和重搏波波峰点作为特征点识别对象，对脉搏波信号中的各特征点进行识别检测。对输入至计算机的脉搏波信号进行采样预处理的采样频率可以采用100～1000Hz，这样的采样频率较为利于特征点信息的提取，又不产生太大的计算量，保证了脉搏波各节拍特征点的实时提取目标的实现。其中，计算机对脉搏波信号中的特征点进行识别检测的流程如图2所示，具体包括步骤：

1)对脉搏波信号进行峰值识别处理，并将幅值大于预设定幅值阈值V_θ的峰值点判定为脉搏波信号中的主峰波峰点，从而确定脉搏波信号中各节拍信号的主峰波峰点c_i，i＝1,2,…,N，N表示脉搏波信号中包含的节拍总数。

通过阈值判定来确定脉搏波信号中的各个主峰波峰点，是较为简便的实现方法。在具体编程应用时，还可以进一步结合移动窗口法，预先设定窗口宽度，通过逐步移动窗口的方式，分别计算每次窗口范围内的脉搏波信号段中的幅值峰值点，然后判断该幅值峰值点是否大于预设定幅值阈值V_θ，若是则判定为同一个主峰波峰点。而预设定幅值阈值V_θ的取值则优选为脉搏波信号中最大幅值的0.6～0.8倍，因为不同对象的脉搏波信号的波动幅度不尽相同，以脉搏波信号中最大幅值的0.6～0.8倍作为比较判定主峰波峰点的基准，相比于设定一个判定基准幅值而言，更具有普遍适用性和识别准确性。

2)对脉搏波信号进行一阶微分处理后，对于脉搏波信号中任意的第i个节拍信号而言，在脉搏波信号的一阶微分信号中找出第i个节拍信号的主峰波峰点c_i所对应位置处之前的第一个过零位置点，将所述第一个过零位置点对应在脉搏波信号中的位置点判定为第i个节拍信号的主动脉打开点b_i；由此，确定脉搏波信号中各节拍信号的主动脉打开点。

得到脉搏波信号的主峰波峰点后，求出脉搏波信号的一阶微分信号，找到一阶微分信号中对应在主峰波峰点所在位置之前的第一个过零点的位置即为主动脉打开点，这样不仅能够准确地基于脉搏波信号的主峰波峰点和主动脉打开点的相对位置关系对主动脉打开点进行定位，而且能够计算出脉搏波信号中每个节拍信号的节拍周期，为进一步识别其它特征点提供帮助。

3)根据脉搏波信号中各节拍信号的主峰波峰点的位置，分别确定脉搏波信号中各节拍信号的节拍周期T_i，i＝1,2,…,N，然后在各节拍信号中分别标记其重搏波参考位置点；其中，任意的第i个节拍信号中重搏波参考位置点g′_i的位置P(g′_i)，根据第i个节拍信号的节拍周期T_i、主峰波峰点c_i的位置P(c_i)以及预设定的重搏波相对位置参数RP确定：

P(g′_i)＝P(c_i)+(RP×T_i)；

然后在第i个节拍信号中以重搏波参考位置点g′_i为中心的预设定重搏波时域宽度范围Ω_g内找到幅值极大值点和幅值极小值点，分别判定为第i个节拍信号的重搏波波谷点f_i和重搏波波峰点g_i；由此，分别确定脉搏波信号中各节拍信号的重搏波波谷点和重搏波波峰点。

该步骤中，在求出脉搏波信号中各节拍信号的节拍周期T_i后，借助预设定的重搏波相对位置参数RP和预设定重搏波时域宽度范围Ω_g，来找到脉搏波信号中各节拍信号的重搏波波谷点和重搏波波峰点，这样处理的原因在于，由于脉搏波信号波形中的重搏波波谷点和重搏波波峰点在不同节拍信号中往往是在一定范围内变化的，因此借助重搏波相对位置参数RP和预设定重搏波时域宽度范围Ω_g作为辅助参数，将其定位到一个大致的位置范围内，这样能够克服一些因对象个体自身生理状况导致的脉搏波波形重搏波波形不明显的情况，从而提高对脉搏波信号中重搏波波谷点和重搏波波峰点的识别准确率。

4)对于脉搏波信号中任意的第i个节拍信号，对其主峰波峰点c_i到重搏波波谷点f_i之间的信号段P_i(n)进行五层小波分解，即：

$P_i\left(n\right)=P_{i,5}^a\left(n\right)+\underset{k=1}{\overset{5}{\Σ}}{P}_{i,k}^d\left(n\right);$

得到其d5层信号n表示所述信号段P_i(n)中包含的采样点数，表示所述信号段P_i(n)进行五层小波分解得到的低频信号部分，表示所述信号段P_i(n)进行五层小波分解得到的dk层信号，k∈{1,2,3,4,5}；在所述d5层信号的起始点为起点的预设定潮波时域宽度范围Ω_e内找到幅值极大值点，将所述幅值极大值点对应在脉搏波信号中的位置点判定为第i个节拍信号的潮波波峰点e_i；由此，分别确定脉搏波信号中各节拍信号的潮波波峰点。

5)对于脉搏波信号中任意的第i个节拍信号，对其主峰波峰点c_i到潮波波峰点e_i之间的信号段进行微分处理，判断其一阶微分信号中是否存在过零点；若是，则判定该过零点位置点对应在脉搏波信号中的位置点为第i个节拍信号的潮波波谷点d_i；若主峰波峰点c_i到潮波波峰点e_i之间信号段的一阶微分信号中不存在过零点，则进一步计算主峰波峰点c_i到潮波波峰点e_i之间信号段的二阶微分信号，在该二阶微分信号中找出第i个节拍信号的潮波波峰点e_i所对应位置处之前的第二个过零位置点，判定该第二个过零位置点对应在脉搏波信号中的位置点为第i个节拍信号的潮波波谷点d_i；由此，分别确定脉搏波信号中各节拍信号的潮波波谷点。

在步骤4和步骤5中，通过划分信号段逐步缩小检索识别范围的方式，来减少识别潮波波峰点和潮波波谷点的干扰因素，并且针对于脉搏波信号中潮波波峰点和潮波波谷点可能不够明显的情况，还结合了小波分解及求取一阶微分信号、二阶微分信号的方式放大信号的特征，对潮波波峰点和潮波波谷点进行定位，能够有效地帮助提高脉搏波信号中潮波波峰点或潮波波谷点不明显情况下的检测准确度。

下面通过实施例对本发明的实际应用和效果做进一步说明。

实施例：

图3中示出了实际使用脉搏波传感器在采样频率为400Hz时所得到三组脉搏波信号波形，其中(3a)组脉搏波信号中各特征点都较为明显，(3b)组脉搏波信号中的潮波不够明显，(3c)组脉搏波信号中的重搏波不够明显。如果利用传统的脉搏波特征点识别方法，对于(3b)组脉搏波信号进行检测则基本检测不到潮波波谷点和潮波波峰点，而对(3c)组脉搏波信号进行检测则对于重搏波波谷点和重搏波波峰点的定位容易出现较大偏差。

本实施例中，采用本发明基于波形时域特征的脉搏波信号特征点检测方法，分别对图3所示的三组不同形状的脉搏波信号进行特征点检测，其处理流程如图1所示，将采集的脉搏波信号输入至计算机，由计算机进行采样预处理后，以脉搏波信号中各节拍信号的脉搏波节拍起点、主动脉打开点、主峰波峰点、潮波波谷点、潮波波峰点、重搏波波谷点和重搏波波峰点作为特征点识别对象，对脉搏波信号中的各特征点进行识别检测；计算机对脉搏波信号中的特征点进行识别检测的具体步骤如下：

1)对脉搏波信号进行峰值识别处理，并将幅值大于预设定幅值阈值V_θ的峰值点判定为脉搏波信号中的主峰波峰点，从而确定脉搏波信号中各节拍信号的主峰波峰点c_i，i＝1,2,…,N，N表示脉搏波信号中包含的节拍总数。本实施例中，预设定幅值阈值V_θ的取值为脉搏波信号中最大幅值与最小幅值之差的0.6～0.8倍。

2)对脉搏波信号进行一阶微分处理后，对于脉搏波信号中任意的第i个节拍信号而言，在脉搏波信号的一阶微分信号中找出第i个节拍信号的主峰波峰点c_i所对应位置处之前的第一个过零位置点，将所述第一个过零位置点对应在脉搏波信号中的位置点判定为第i个节拍信号的主动脉打开点b_i；由此，分别确定脉搏波信号中各节拍信号的主动脉打开点；

3)本实例中图3中(3a)组所示的脉搏波波形特征明显，利用一般的脉搏波识别方法很容易识别，但是对于图3中(3c)组所示的脉搏波重搏波特征不明显，利用一般的方法难以准确的定位识别。因此本发明中引入重搏波相对位置参数RP和预设定重搏波时域宽度范围Ω_g两个辅助参数，将其定位到一个大致的位置范围内之后，再加以详细定位。此处对脉搏波信号进行如下处理：

根据脉搏波信号中各节拍信号的主峰波峰点的位置，分别确定脉搏波信号中各节拍信号的节拍周期T_i，i＝1,2,…,N，然后在各节拍信号中分别标记其重搏波参考位置点；其中，任意的第i个节拍信号中重搏波参考位置点g′_i的位置P(g′_i)，根据第i个节拍信号的节拍周期T_i、主峰波峰点c_i的位置P(c_i)以及预设定的重搏波相对位置参数RP确定：

P(g′_i)＝P(c_i)+(RP×T_i)；

然后在第i个节拍信号中以重搏波参考位置点g′_i为中心的预设定重搏波时域宽度范围Ω_g内找到幅值极大值点和幅值极小值点，分别判定为第i个节拍信号的重搏波波谷点f_i和重搏波波峰点g_i；由此，分别确定脉搏波信号中各节拍信号的重搏波波谷点和重搏波波峰点。

4)对于脉搏波信号中任意的第i个节拍信号，对其主峰波峰点c_i到重搏波波谷点f_i之间的信号段P_i(n)进行五层小波分解，得到其d5层信号n表示所述信号段P_i(n)中包含的采样点数，在该d5层信号的起始点为起点的预设定潮波时域宽度范围Ω_e内找到幅值极大值点，将所述幅值极大值点对应在脉搏波信号中的位置点判定为第i个节拍信号的潮波波峰点e_i；由此，分别确定脉搏波信号中各节拍信号的潮波波峰点。如图4为潮波明显的脉搏波信号中一个主峰波峰点到重搏波波谷点之间的信号段的原始信号(4a)及其d5层信号(4b)示意图，图5所示为潮波不明显的脉搏波信号中一个主峰波峰点到重搏波波谷点之间的信号段的原始信号(5a)及其d5层信号(5b)示意图，图中圈出的标记点记为确定得出的潮波波峰点所在位置。

5)在成功确定潮波波峰点之后，在主峰波峰点与潮波波峰点之间去寻找潮波波谷点，可以减少处理信号的长度，以达到减少定位出错的概率。因此，对于脉搏波信号中任意的第i个节拍信号，对其主峰波峰点c_i到潮波波峰点e_i之间的信号段进行微分处理，判断其一阶微分信号中是否存在过零点；若是，则判定该过零点位置点对应在脉搏波信号中的位置点为第i个节拍信号的潮波波谷点d_i，图6示出了潮波明显的脉搏波波形信号中一个主峰波峰点到潮波波峰点之间的信号段的原始信号(6a)及其一阶微分信号(6b)、二阶微分信号(6c)，从中可以看到在其中的一阶微分信号中的过零点位置点，即为潮波波谷点所对应的位置点；若主峰波峰点c_i到潮波波峰点e_i之间信号段的一阶微分信号中不存在过零点，则进一步计算主峰波峰点c_i到潮波波峰点e_i之间信号段的二阶微分信号，在该二阶微分信号中找出第i个节拍信号的潮波波峰点e_i所对应位置处之前的第二个过零位置点，判定该第二个过零位置点对应在脉搏波信号中的位置点为第i个节拍信号的潮波波谷点d_i，图7示出了潮波不明显的脉搏波波形信号中一个主峰波峰点到潮波波峰点之间的信号段的原始信号(7a)及其一阶微分信号(7b)、二阶微分信号(7c)，从中可以看到在其中的二阶微分信号中的过零点位置点，即为潮波波谷点所对应的位置点；由此，分别确定脉搏波信号中各节拍信号的潮波波谷点。

本实施例中，图3所示三种不同波形的脉搏波信号的特征点识别结果，如图8所示，其中，图(8a)所示的波形为特征点明显的脉搏波识别结果，图(8b)所示的脉搏波为潮波不明显的识别结果，图(8c)为重搏波不明显波形的识别结果。由图8可见，应用本发明方法能够对脉搏波特征明显，潮波不明显和重搏波不明显三种情况的特征点进行准确地识别定位。为了评估本发明的检验性能，对本发明进行了评估实验，在评估实验中先由人工手动标注204组不同脉搏波的波形特征点，然后再利用本发明方法对待测的204组脉搏波信号进行脉搏波特征点识别，将检测结果与手动标注的特征点进行比较，评估本发明的检测性能，本发明方法对204组待测脉搏波信号的特征点的识别精度分别为b点100％，c点100％，d点90.9％，e点96.7％，f点97.1％，g点96.5％，表明本发明的脉搏波信号特征点识别方法能够满足临床识别的要求。

综上所述，本发明基于波形时域特征的脉搏波信号特征点检测方法，采用逐步缩小分析波形的区间，在分析过程中基于脉搏波信号的波形时域特征，结合了微分和小波变换算法来确定脉搏波信号中的特征点位置，因而能够有效去除不必要的干扰，放大信号的特征，提高了脉搏波信号特征点检测的准确度，对于脉搏波波形中的潮波或重搏波不明显的情况识别准确度高；本发明方法实现了计算机对脉搏波信号特征点的检测，不仅降低了临床医师的工作量，克服了人工手动检测的误差，还为计算机设备自动计算、获取脉搏波临床信息以及连续血压无创检测设备的研发提供了技术基础。

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 (5)

1.一种基于波形时域特征的脉搏波信号特征点检测方法，其特征在于，将采集的脉搏波信号输入至计算机，由计算机进行采样预处理后，以脉搏波信号中各节拍信号的主动脉打开点、主峰波峰点、潮波波谷点、潮波波峰点、重搏波波谷点和重搏波波峰点作为特征点识别对象，对脉搏波信号中的各特征点进行识别检测；计算机对脉搏波信号中的特征点进行识别检测的具体步骤包括：

1)对脉搏波信号进行峰值识别处理，并将幅值与脉搏波信号中最小幅值点的幅值之差大于预设定幅值阈值V_θ的峰值点判定为脉搏波信号中的主峰波峰点，从而确定脉搏波信号中各节拍信号的主峰波峰点c_i，i＝1,2,…,N，N表示脉搏波信号中包含的节拍总数；

2)对脉搏波信号进行一阶微分处理后，对于脉搏波信号中任意的第i个节拍信号而言，在脉搏波信号的一阶微分信号中找出第i个节拍信号的主峰波峰点c_i所对应位置处之前的第一个过零位置点，将所述第一个过零位置点对应在脉搏波信号中的位置点判定为第i个节拍信号的主动脉打开点b_i；由此，分别确定脉搏波信号中各节拍信号的主动脉打开点；

3)根据脉搏波信号中各节拍信号的主峰波峰点的位置，分别确定脉搏波信号中各节拍信号的节拍周期T_i，i＝1,2,…,N，然后在各节拍信号中分别标记其重搏波参考位置点；其中，任意的第i个节拍信号中重搏波参考位置点g′_i的位置P(g′_i)，根据第i个节拍信号的节拍周期T_i、主峰波峰点c_i的位置P(c_i)以及预设定的重搏波相对位置参数RP确定：

P(g′_i)＝P(c_i)+(RP×T_i)；

然后在第i个节拍信号中以重搏波参考位置点g′_i为中心的预设定重搏波时域宽度范围Ω_g内找到幅值极大值点和幅值极小值点，分别判定为第i个节拍信号的重搏波波谷点f_i和重搏波波峰点g_i；由此，分别确定脉搏波信号中各节拍信号的重搏波波谷点和重搏波波峰点；

4)对于脉搏波信号中任意的第i个节拍信号，对其主峰波峰点c_i到重搏波波谷点f_i之间的信号段P_i(n)进行五层小波分解，即：

$P_i\left(n\right)=P_{i,5}^a\left(n\right)+\underset{k=1}{\overset{5}{\Σ}}{P}_{i,k}^d\left(n\right);$

得到其d5层信号n表示所述信号段P_i(n)中包含的采样点数，表示所述信号段P_i(n)进行五层小波分解得到的低频信号部分，表示所述信号段P_i(n)进行五层小波分解得到的dk层信号，k∈{1,2,3,4,5}；在所述d5层信号的起始点为起点的预设定潮波时域宽度范围Ω_e内找到幅值极大值点，将所述幅值极大值点对应在脉搏波信号中的位置点判定为第i个节拍信号的潮波波峰点e_i；由此，分别确定脉搏波信号中各节拍信号的潮波波峰点；

5)对于脉搏波信号中任意的第i个节拍信号，对其主峰波峰点c_i到潮波波峰点e_i之间的信号段进行微分处理，判断其一阶微分信号中是否存在过零点；若是，则判定该过零点位置点对应在脉搏波信号中的位置点为第i个节拍信号的潮波波谷点d_i；若主峰波峰点c_i到潮波波峰点e_i之间信号段的一阶微分信号中不存在过零点，则进一步计算主峰波峰点c_i到潮波波峰点e_i之间信号段的二阶微分信号，在该二阶微分信号中找出第i个节拍信号的潮波波峰点e_i所对应位置处之前的第二个过零位置点，判定该第二个过零位置点对应在脉搏波信号中的位置点为第i个节拍信号的潮波波谷点d_i；由此，分别确定脉搏波信号中各节拍信号的潮波波谷点。

2.根据权利要求1所述基于波形时域特征的脉搏波信号特征点检测方法，其特征在于，对输入至计算机的脉搏波信号进行采样预处理的采样频率为100～1000Hz。

3.根据权利要求1所述基于波形时域特征的脉搏波信号特征点检测方法，其特征在于，所述步骤1)中，预设定幅值阈值V_θ的取值为脉搏波信号中最大幅值的0.6～0.8倍。

4.根据权利要求1所述基于波形时域特征的脉搏波信号特征点检测方法，其特征在于，所述步骤3)中，重搏波相对位置参数RP的取值范围为0.4～0.5，预设定重搏波时域宽度范围Ω_g的取值范围为0.3～0.4秒时域宽度范围。

5.根据权利要求1所述基于波形时域特征的脉搏波信号特征点检测方法，其特征在于，所述步骤4)中，预设定潮波时域宽度范围Ω_e的取值范围为0.1～0.2秒时域宽度范围。