李治龍 廣西建設(shè)職業(yè)技術(shù)學(xué)院 (南寧 530003)

嵌入式脈象診斷儀的一種信號(hào)處理與分析方法研究

李治龍 廣西建設(shè)職業(yè)技術(shù)學(xué)院 (南寧 530003)

本文提出一種分辨病理脈象和正常脈象的方法。基于AR模型擬合進(jìn)行特征提取，由模型系數(shù)構(gòu)成信號(hào)的特征集，采用概率統(tǒng)計(jì)法進(jìn)行脈象的聚類識(shí)別。

AR模型擬合 特征提取 聚類識(shí)別

0 引言

通過(guò)脈象儀測(cè)量得到的脈搏波在幅值、周期、形狀等參量上的可重復(fù)性不是特別好，并且信號(hào)比較微弱、易受干擾，因而，我們需要對(duì)脈象信號(hào)進(jìn)行有效分析和處理。在進(jìn)行脈象分類識(shí)別時(shí)需建立恰當(dāng)?shù)臉颖編?kù)，采樣點(diǎn)的增加將導(dǎo)致檢測(cè)成本的增加，而減少采樣點(diǎn)必將削弱診斷的正確率。如何確定脈象信號(hào)的采樣點(diǎn)，并對(duì)樣本進(jìn)行特征提取，以及聚類識(shí)別將是整個(gè)脈象診斷系統(tǒng)的關(guān)鍵部分。

圖1 脈搏波形及其微分采樣

1 脈搏信號(hào)采樣點(diǎn)的確定

經(jīng)檢測(cè)得到的脈搏波波形如圖1所示，對(duì)該模擬信號(hào)S(t)進(jìn)行AD轉(zhuǎn)換之前需甄別出其有代表性的采樣點(diǎn)。這里選擇波形的極點(diǎn)作為采樣點(diǎn)。為此，把脈形信號(hào)S(t)進(jìn)行微分運(yùn)算得到S'(t)，再將S'(t)信號(hào)進(jìn)行檢零后的輸出脈沖作為采樣的指示信號(hào)，即S'(t)=0，這就是對(duì)極點(diǎn)的采樣信號(hào)。

從S(t)波形可見(jiàn)：在DA段具有最大的正一階導(dǎo)數(shù)。所以將S'(t)經(jīng)電平ET整形后輸出的脈沖作為這個(gè)采樣周期的同步信號(hào)，見(jiàn)圖1中的T1，通知單片機(jī)作采樣開(kāi)始的準(zhǔn)備，并直接送外部時(shí)鐘T0，令其從0開(kāi)始計(jì)時(shí)，從而構(gòu)成信號(hào)的Y坐標(biāo)。

按這種設(shè)計(jì)，每個(gè)脈波信號(hào)共采用四個(gè)點(diǎn)，即

其中i =1, 2, 3, 4，分別對(duì)應(yīng)圖1中的A、B、C、D四點(diǎn)。A點(diǎn)為主波高度，B點(diǎn)為降中峽高度，C點(diǎn)為重搏波高度，D點(diǎn)為零點(diǎn)。

為了克服檢測(cè)誤差，對(duì)每個(gè)采樣數(shù)據(jù)用遞推計(jì)算法進(jìn)行數(shù)字處理，也即濾波。例如對(duì)某個(gè)值A(chǔ)測(cè)量N次，得到N個(gè)獨(dú)立結(jié)果——X11,X12,X1N。

由于每次測(cè)量時(shí)都有誤差ε，ε即是干擾或噪聲，則每次所測(cè)的X都應(yīng)表示成：

單片機(jī)檢測(cè)程序設(shè)計(jì)如下：

(1) 確定取法壓力；

(2) 延時(shí)3s，等待同步信號(hào)T1；

(3) 接到T1信號(hào)后，再判別采樣信號(hào)T2；

(4) 接到T2后，把時(shí)鐘T0，傳感器的A點(diǎn)值送入Y1N，X1N中；

(5) 接著判定T2消失否，當(dāng)?shù)诙谓拥絋2時(shí)，再按上次序?qū)r(shí)鐘T0和傳感器B點(diǎn)值送入Y2N，X2N中；

(6) 依次類推，直到采集完；

(7) 記下一次循環(huán)（N=N+1）返回，直到N=20結(jié)束，采樣完畢；

(8) 進(jìn)行數(shù)字濾波，采集的數(shù)據(jù)在微機(jī)中只以均值的形式存于數(shù)組中。

其程序框圖如圖2所示。

3 樣本特征的提取和壓縮

在檢測(cè)過(guò)程中，有不同的取法，而每個(gè)波形需選取4個(gè)點(diǎn)，一個(gè)點(diǎn)分X和Y坐標(biāo)兩個(gè)參量，則形成一個(gè)完整的樣本資料所需的參量非常之多。如果采樣點(diǎn)增加，參數(shù)量將直線增加。簡(jiǎn)化的途徑不能減少采樣點(diǎn)，因而，采用AR模型擬合的方法[1]進(jìn)行選取有代表性的參量，以降低系統(tǒng)成本。

一個(gè)M階的AR模型可由下式表示：

式中{xt}是平穩(wěn)的脈搏信號(hào)觀測(cè)序列，{et}是均值為0、方差為σe2的正態(tài)白噪聲，M 和 ( k=1,2…..M )分別為自回歸模型的階數(shù)和系數(shù)。

脈象信號(hào)經(jīng)AR 模型擬合后，可相應(yīng)地獲得一組AR 模型系數(shù)aM,k( k=1,2…..M )，這組系數(shù)就可作為信號(hào)的特征。因此，將所有被聚類的信號(hào)進(jìn)行AR模型擬合后就可得到一個(gè)由AR模型系數(shù)組成的特征集A：

式中N 為信號(hào)個(gè)數(shù)，aij表示第i個(gè)信號(hào)的M階AR 模型中的第j個(gè)系數(shù)。

對(duì)于AR模型系數(shù)的獲得，我們采用由Marple提出的遞推算法[2]，其遞推公式為：

4 聚類識(shí)別

(1) 建立樣本資料陣

在研究中，利用脈象診斷儀判斷被測(cè)量者的脈象是正常脈象還是病理脈象。分別選取正常脈象和病理脈象各50例，通過(guò)采樣建立樣本資料陣：

式中(i)=0表示病理脈象，陽(yáng)性病歷，用“+”表示；(i)=1表示正常脈象，陰性病歷，用“-”表示。

實(shí)驗(yàn)中，一個(gè)樣本取其中特征壓縮后的8個(gè)參量，建立樣本資料陣時(shí)選用50個(gè)樣本，因此這個(gè)陣是50*8的陣。

(2) 均值向量的估計(jì)量

5 結(jié)束語(yǔ)

本文提出的基于AR模型擬合的特征提取和聚類識(shí)別方法所得出的結(jié)論與臨床診斷結(jié)果進(jìn)行比對(duì)，正確率達(dá)80%以上。下一步的研究目標(biāo)將是進(jìn)一步提高檢測(cè)系統(tǒng)硬件的魯棒性；在脈象特征信號(hào)提取和分析上，結(jié)合病例樣本，提高辨別的準(zhǔn)確率。

[1] 李金宗. 模式識(shí)別導(dǎo)論[M]. 北京：高等教育出版社，1994.

[2] 聶能. 生物醫(yī)學(xué)信號(hào)數(shù)字處理技術(shù)及應(yīng)用[M]. 北京：科學(xué)出版社，2005.

[3] Li Zhilong. Pulse Identification Based on Methods of Extension Evaluation[J]. International Conference on Innovative Computing, Information and Control (ICICIC-2007), 2007.

Research on A Method of Signal Processing and Analysis for Embedded Pulse Diagnosis Device

LI Zhi-long Guangxi Polytechnic of Construction (Nanning 530003)

This paper presents a method to distinguish pathological and normal pulse. The feature extraction based on AR model fitting, the signal from the model coefficients constitute the feature set, the use of probability statistics identify the pulse of the cluster.

AR model fitting, feature extraction, clustering

1006-6586(2011)05-0016-03

R857.2

A

2011-02-21

李治龍，廣西建設(shè)職業(yè)技術(shù)學(xué)院助教