楊 峰, 韓清鵬

(上海電力學(xué)院 能源與機(jī)械工程學(xué)院, 上海 200090)

?

振動(dòng)噪聲環(huán)境影響下脈搏信號(hào)的非線性特性比較

楊 峰, 韓清鵬

(上海電力學(xué)院 能源與機(jī)械工程學(xué)院, 上海 200090)

應(yīng)用代替數(shù)據(jù)法計(jì)算振動(dòng)噪聲環(huán)境影響下脈搏信號(hào)的混沌特性,根據(jù)所得到的幾個(gè)特征參數(shù)值對(duì)不同振動(dòng)噪聲環(huán)境下的脈搏信號(hào)進(jìn)行非線性特性對(duì)比與分析;闡述了基于代替數(shù)據(jù)法的時(shí)間序列的混沌特性計(jì)算原理,通過實(shí)驗(yàn)測(cè)量不同振動(dòng)噪聲參數(shù)并計(jì)算與之相應(yīng)的脈搏信號(hào),獲得了振動(dòng)噪聲參數(shù)對(duì)脈搏信號(hào)特征參數(shù)的數(shù)值變化及影響規(guī)律.

振動(dòng)噪聲; 脈搏信號(hào); 代替數(shù)據(jù)法; 特征參數(shù)

隨著我國汽車制造業(yè)的發(fā)展及環(huán)保意識(shí)的提高,人們?cè)絹碓街匾曑噧?nèi)振動(dòng)噪聲環(huán)境對(duì)人體生理特征造成的影響規(guī)律.車內(nèi)噪聲主要來源于發(fā)動(dòng)機(jī)、進(jìn)氣管、排氣管、冷卻系統(tǒng)等,在汽車行駛過程中,各種沖擊、振動(dòng)激勵(lì)、噪聲等通過座椅、懸架等車身及壁板部件傳遞到車輛內(nèi)部,激發(fā)人們感受到振動(dòng)反射,進(jìn)而會(huì)影響到乘員的心跳、血壓、呼吸等生理指標(biāo)的波動(dòng),長此以往甚至?xí)?dǎo)致各種生理疾病的產(chǎn)生[1-2].

在汽車振動(dòng)噪聲環(huán)境下,乘員的心跳或脈搏、血壓、體溫、心電、腦電、呼吸都具有一定的數(shù)值,甚至腦思維活動(dòng)都有其正常的變化范圍.當(dāng)環(huán)境發(fā)生變化時(shí),一般心跳和脈搏會(huì)變快,呼吸增多,體溫增高,血壓發(fā)生波動(dòng),白血球含量增加等.這些用來衡量人體生理指標(biāo)的各個(gè)參量,都表現(xiàn)出不正常的波動(dòng).因此,改善汽車內(nèi)部聲學(xué)環(huán)境,降低車內(nèi)噪聲水平逐漸成為汽車設(shè)計(jì)與制造業(yè)中共同關(guān)心的重要問題[3-6].

由于環(huán)境影響因素較多,且無確定的規(guī)律可尋,加之人體生理系統(tǒng)的復(fù)雜性,對(duì)汽車減噪系統(tǒng)的設(shè)計(jì)及研究帶來重重困難.因此,選擇非線性算法對(duì)脈搏信號(hào)的混沌特性開展研究,通過對(duì)復(fù)雜環(huán)境影響下(在這里主要討論振動(dòng)噪聲)脈搏信號(hào)的量化對(duì)比分析,能夠不同程度地促進(jìn)減噪系統(tǒng)設(shè)計(jì)的發(fā)展.在非線性預(yù)測(cè)分析的基礎(chǔ)上,可以對(duì)有色噪聲、隨機(jī)序列和混沌序列進(jìn)行有效的區(qū)分[7-9].

本文通過測(cè)量不同振動(dòng)噪聲影響下的實(shí)測(cè)脈搏信號(hào),分析信號(hào)的主波間期序列,并采用代替數(shù)據(jù)法對(duì)數(shù)據(jù)進(jìn)行分析計(jì)算,通過對(duì)應(yīng)的算法對(duì)參數(shù)值進(jìn)行分析比對(duì),探索人體在不同振動(dòng)噪聲影響下其脈搏信號(hào)的變化規(guī)律.

1 時(shí)間序列特征參數(shù)計(jì)算理論研究

非線性預(yù)測(cè)法主要包括隨機(jī)型和混沌型,是在非線性和非平穩(wěn)時(shí)間序列分析預(yù)測(cè)時(shí)間變化的規(guī)律,其算法是通過計(jì)算預(yù)測(cè)值與實(shí)際值之間的誤差,來判斷時(shí)間序列的類型[10],可采用Takens原理計(jì)算特征參數(shù)并予以區(qū)別量化[7].

1.1 重構(gòu)相空間

參考Takens原理的設(shè)計(jì)思路,對(duì)測(cè)量得到的一維信號(hào)時(shí)間序列x(n)進(jìn)行重構(gòu),設(shè)d維相空間的狀態(tài)點(diǎn)為:

(1)

式中:d——嵌入維數(shù);

1.2 計(jì)算擬合集及檢驗(yàn)集

通過分割原信號(hào)數(shù)據(jù)點(diǎn)(擬分解為兩部分),其中一部分分解為擬合集Nf,剩下的部分分解為檢驗(yàn)集Nt.首先通過搜索擬合集內(nèi)與當(dāng)前時(shí)刻m的狀態(tài)點(diǎn)X(m)最為鄰近的k個(gè)狀態(tài)點(diǎn)(X1(m),X2(m),X3(m),…,Xk(m),m≤n),并計(jì)算當(dāng)前點(diǎn)與X(m)的歐氏正則距離的極值(此處去最小值).在獲得當(dāng)前m時(shí)刻的k個(gè)狀態(tài)點(diǎn)后,與下一時(shí)刻(m+1)的k個(gè)狀態(tài)點(diǎn)構(gòu)建相應(yīng)的二維點(diǎn)對(duì),通過擬合計(jì)算,獲得預(yù)測(cè)擬合公式為:

(2)

(3)

式中:a,b——擬合系數(shù);X(n+1)——下一時(shí)刻預(yù)測(cè)點(diǎn).

通過迭代計(jì)算,在X(n)狀態(tài)點(diǎn)遍歷整個(gè)檢驗(yàn)集Nt后,迭代結(jié)束,并獲得N/2個(gè)預(yù)測(cè)誤差ε,ε=X′(n+1)-X(n+1).為保證下一步檢驗(yàn)中統(tǒng)計(jì)量的正確性,此處還需計(jì)算所有誤差的平均絕對(duì)值.

1.3 生成代替數(shù)據(jù)集

采用Fourier變換方法,生成新的離散隨機(jī)數(shù)據(jù)序列y(n),其中,該序列服從正態(tài)分布且長度等參數(shù)均與原序列保持不變,并將得到的數(shù)據(jù)序列按照一定規(guī)律重新排序變成新序列z(n),以保證兩個(gè)序列的秩是不變的.對(duì)z(n)進(jìn)行Fourier變換得P(ω,φ),并采用隨機(jī)變換方法改變P(ω,φ)的相位,記為P(ω,φs),最后計(jì)算序列的逆Fourier變換y′(n).時(shí)間序列y′(n)與原數(shù)據(jù)x(n)保持頻譜和自相關(guān)函數(shù)不變.

1.4 計(jì)算虛假設(shè)

由于原始數(shù)據(jù)x(n)的選擇具有隨機(jī)性,這里稱為虛假設(shè)(Null hypothesis).通過計(jì)算數(shù)據(jù)集差異的顯著度,檢驗(yàn)對(duì)原始數(shù)據(jù)的虛假設(shè).

(4)

式中:χ——代替數(shù)據(jù)與原數(shù)據(jù)的差別;QD——原始數(shù)據(jù)序列的平均絕對(duì)值MAE;us——MAE的均值;σs——MAE的標(biāo)準(zhǔn)差.

如果χ的數(shù)值越小,則代表原假設(shè)成立,說明具有隨機(jī)性.現(xiàn)有研究表明,隨著χ的增大,混沌性越來越明顯,當(dāng)χ大到使us的分布遠(yuǎn)離QD時(shí),時(shí)間序列滿足混沌性要求.與之對(duì)應(yīng),拒絕虛假設(shè)的最大概率P獲得較大值.

(5)

式中:erf()——數(shù)據(jù)序列誤差函數(shù),即:

2 不同振動(dòng)噪聲環(huán)境下脈搏信號(hào)的混沌識(shí)別試驗(yàn)

為了研究振動(dòng)參數(shù)對(duì)人體生理的應(yīng)激與變化,對(duì)汽車多種行駛工況下(包括勻速行駛、車窗封閉低噪聲、開窗高噪聲等)車內(nèi)振動(dòng)噪聲特性進(jìn)行測(cè)量分析,同時(shí)記錄人體脈搏信號(hào)隨噪聲振動(dòng)產(chǎn)生的變化.

試驗(yàn)中采用脈搏采集裝置連續(xù)采集實(shí)驗(yàn)對(duì)象的脈搏信號(hào).

圖1為兩種不同工況下座椅振動(dòng)和車內(nèi)噪聲的測(cè)試結(jié)果.

圖1a和圖1b為汽車在平穩(wěn)行駛時(shí)車輛垂直振動(dòng)參數(shù)及車內(nèi)噪聲參數(shù)的3D譜陣;圖1c和圖1d為車輛加速行駛且高噪聲工況下座椅垂直振動(dòng)與車內(nèi)噪聲的3D譜陣.

圖1 兩種不同工況下的座椅振動(dòng)和車內(nèi)噪聲圖譜

采樣頻率取128 Hz,采樣時(shí)間取30 s,分別測(cè)量上述兩種工況下不同乘客的脈搏信號(hào),如圖2所示.由圖2可知,僅從脈搏波形圖來看,很難明確分析振動(dòng)噪聲對(duì)脈搏的影響.

圖2 兩種振動(dòng)噪聲環(huán)境下的實(shí)測(cè)脈搏信號(hào)

對(duì)兩組實(shí)測(cè)脈搏信號(hào)進(jìn)行代替數(shù)據(jù)法分析計(jì)算,選取脈搏信號(hào)作為原始時(shí)間序列x(n),計(jì)算分析試驗(yàn)中的128組隨機(jī)代替數(shù)據(jù)集.平穩(wěn)及加速工況下具體特征參數(shù)的計(jì)算結(jié)果如表1所示.

表1 平穩(wěn)行駛及加速行駛工況下的代替數(shù)據(jù)法計(jì)算數(shù)據(jù)

由表1可知,兩種工況下的P值都遠(yuǎn)小于0.05,均可以判定為符合混沌特性,且兩種工況下的P值具有明顯的差異性,即加速工況下P值的數(shù)量級(jí)遠(yuǎn)遠(yuǎn)高于平穩(wěn)工況下.根據(jù)P值的計(jì)算結(jié)束,從另一個(gè)角度分析可知,在平穩(wěn)行駛時(shí),脈搏信號(hào)有明顯的混沌趨勢(shì),這一結(jié)果和人體生理應(yīng)激機(jī)制的一般規(guī)律相符.

3 結(jié) 語

對(duì)汽車振動(dòng)噪聲環(huán)境下脈搏信號(hào)的分布特點(diǎn)進(jìn)行分析,能有效促進(jìn)對(duì)人在噪聲環(huán)境下的生理反應(yīng)的研究,也能為汽車行業(yè)的發(fā)展提供理論支持,但僅從脈搏波形圖很難得出不同振動(dòng)噪聲參數(shù)下的影響規(guī)律.

本文闡述了采用代替數(shù)據(jù)法計(jì)算脈搏信號(hào)有關(guān)特征參數(shù)的基本原理,分析并完成了對(duì)車輛平穩(wěn)行駛及加速行駛兩種不同工況下的實(shí)測(cè)脈搏信號(hào),并通過3D譜陣圖進(jìn)行了對(duì)比分析.試驗(yàn)結(jié)果表明,平穩(wěn)行駛及加速行駛工況下脈搏信號(hào)的特征參數(shù)數(shù)值有較大差異.

[1] 劉沛,龐宇,吳寶明.脈搏波形態(tài)特征與血壓相關(guān)性的研究[J].生命科學(xué)儀器,2015,13(2):31-34.

[2] 徐可欣,王繼寸,余輝.脈搏波時(shí)域特征與血壓相關(guān)性的研究[J].中國醫(yī)療設(shè)備,2009(8):42-46.

[3] GOLDBERGER A L,WEST B J,RIGHNEY D R.Chaos and fractal in human physiology[J].Scientific American,1990,262(1):42-49.

[4] 劉磊,吳秋峰,張宏志.脈診客觀化研究綜述[J].智能計(jì)算機(jī)與應(yīng)用,2013,3(3):20-24.

[5] GOLDBERGER A.Fractal mechanisms in electrophysiology of the heart[J].IEEE Med Biol,1992:47-52.

[6] GOLDBERGER A L,Bhargara V,WEST B J,etal.On a mechanism of cardiac electrical stability:The fractal hypothesis[J].Biophys J.,1985(48):525-528.

[7] TSONIS A,ELSENER J.Nonlinear prediction as a way of distinguishing chaos from random fractal sequences[J].Nature,1992:217-223.

[8] GRASSBERGER P,Procaccia I[J].Measuring the strangeness of strange attractors.Phys. D,1983(9):189-199.

[9] THEILER J.Testing for nonlinearity in time series:the method of surrogate data[J].Phys. D,1992,58(1-4):77-94.

[10] CASDAGIL M.Nonlinear prediction of chaotic time series[J].Phys. D,1989,35(3):335-356.

(編輯 胡小萍)

Comparison of Nonlinear Characteristics of Human PulseWaves under Vibro-Noise Environments

YANG Feng, HAN Qingpeng

(SchoolofEnergyandMechanicalEngineering,ShanghaiUniversityofElectricPower,Shanghai200090,China)

The chaos of pulse wave are identified by surrogate data method.Firstly,the main principle of chaotic identification is introduced,in which the median absolute error (MAE) of one-step prediction for pulse wave is set as the statistic.The algorithm is checked with a known chaotic system response and a colored noise signal.Then,some typical pulse waves under vibration and noise conditions are analyzed by means of surrogate data,and some characteristic parameters from this method are compared.

vibro-noise environment; pulse wave; surrogate data method; characteristic parameters

10.3969/j.issn.1006-4729.2016.05.017

2015-05-24

簡(jiǎn)介：楊峰(1984-),女,講師,山東濟(jì)寧人.主要研究方向?yàn)橹圃旃に?、先進(jìn)制造技術(shù)等.E-mail:yangfeng1310@126.com.

R318.04;TN911.7

A

1006-4729(2016)05-0495-04