許永峰， 賀玉成， 周林

(1. 華僑大學(xué) 信息科學(xué)與工程學(xué)院， 福建 廈門 361021;2. 廈門市移動多媒體通信重點實驗室， 福建 廈門 361021)

軟件濾波的示波血壓測量算法及Android實現(xiàn)

許永峰1,2， 賀玉成1,2， 周林1,2

(1. 華僑大學(xué) 信息科學(xué)與工程學(xué)院， 福建 廈門 361021;2. 廈門市移動多媒體通信重點實驗室， 福建 廈門 361021)

提出軟件濾波與示波法相結(jié)合的改進算法.利用三重軟件濾波處理，針對傳統(tǒng)示波法血壓測量中脈搏振蕩波提取和波形突變點選擇的困難，從混合壓力信號采樣數(shù)據(jù)中有效提取出特征明顯的脈搏振蕩波，通過幅度系數(shù)法確定脈搏振蕩波中突變點的幅值范圍，利用波形判別法僅在該幅值范圍內(nèi)選取突變點，完成舒張壓和收縮壓的測量.在Matlab中進行仿真，并在Android移動平臺上實現(xiàn).Matlab仿真結(jié)果表明：該算法具有較強的可靠性和準確性. 關(guān)鍵詞： 血壓測量； Android； 示波法； 軟件濾波

血壓是反應(yīng)人體生理狀態(tài)的一個重要參數(shù).大量調(diào)查表明，采用便攜式電子血壓計進行日常血壓監(jiān)護，是預(yù)防心血管等疾病的重要手段之一[1].臨床上血壓測量主要包括直接法和間接法.直接測量法的測量精確度高，但有一定的創(chuàng)傷性，不適合日常測量.間接法主要包括柯式音法和示波法[2-3]等.相比于有創(chuàng)法，無創(chuàng)測量方法具有安全、方便等特點，在臨床上得到廣泛的應(yīng)用.李雪情等[3]通過確定振蕩波包絡(luò)線的最佳擬合曲線，尋找包絡(luò)線的最大值，并以積分公式確定舒張壓和收縮壓的位置.侯功等[4]將幅度系數(shù)法和波形特征法結(jié)合起來，提高了血壓測量的準確性.王維維等[5]采用簡單的非線性形態(tài)濾波器，得到脈搏振蕩波，并結(jié)合波形特征法和S判決法實現(xiàn)血壓測量.本文提出軟件濾波與示波法相結(jié)合的血壓測量算法.

圖1 基于脈搏振蕩波的示波法的血壓測量原理Fig.1 Blood pressure measuring principle of oscillometric method based on oscillation wave

1 示波法血壓測量原理

示波法主要基于袖帶內(nèi)氣體振動波的變化，對振蕩波進行檢測和分析，獲得收縮壓和舒張壓等生理參數(shù)[2].最常用的示波法血壓測量法可分為兩類：幅度系數(shù)法和波形特征法[2-4].示波法已經(jīng)成為便攜式血壓計中最流行的測量方法之一[3-6].MATLAB仿真過程中所獲得的經(jīng)過濾波處理的脈搏振蕩波采樣圖，如圖1所示.圖1中：n為采樣序號；D(n)為振蕩波幅值；C(n)為靜壓力值.

幅度系數(shù)法通過識別振蕩波的最大幅度來確定收縮壓和舒張壓[3-4].令A(yù)(MP)為振蕩波的最大波幅，其對應(yīng)的靜壓力即為平均壓[6]；令A(yù)(SP)和A(DP)分別表示收縮壓和舒張壓所在波峰的幅度值，其對應(yīng)的靜壓力分別為收縮壓和舒張壓.A(SP)和A(DP)的位置將分別由下述比例關(guān)系確定，即

(1)

(2)

式(1)～(2)中:x1和x2稱為幅度系數(shù)，取值范圍為0.3

波形特征法通過識別振蕩波的波形特征確定收縮壓和舒張壓[3-4].波形特征法認為收縮壓和舒張壓對應(yīng)的波峰幅度值將發(fā)生較大的突變.最大波幅A(MP)左邊最大差值對應(yīng)的左波峰點為收縮壓的位置(圖1中突變點1)；最大波幅A(MP)右邊最大差值對應(yīng)的右波峰點為舒張壓的位置(圖1中突變點2).波形特征法的缺點是容易受外界干擾而缺乏穩(wěn)定的測量精度[3-4].

2 血壓測量算法設(shè)計

血壓測量中，首先，需要從混合壓力信號中提取出脈搏振蕩波；然后，用一定的血壓判定準則對脈搏振蕩波進行特征分析.因此，文中考慮采用軟件濾波器實現(xiàn)混合壓力信號的處理.軟件濾波法因節(jié)省了硬件設(shè)計、具備可移植性強等優(yōu)點，而得到了廣泛地應(yīng)用[7].

2.1 軟件濾波算法

適合血壓測量的濾波算法主要包括均值濾波和中值濾波，它們常用于去除圖像噪聲.

均值濾波主要采用鄰域平均法，就是針對每一個當(dāng)前待處理數(shù)據(jù)點，根據(jù)預(yù)先設(shè)定的模板，對該數(shù)據(jù)點周圍位于模板中的所有鄰域數(shù)據(jù)求取算術(shù)平均值，再把該均值賦予當(dāng)前數(shù)據(jù)點.用公式可表述為

(3)

式(3)中：xi為模板中鄰近數(shù)據(jù)點的值；R為模板的半徑，即濾波半徑.

中值濾波是一種基于排序統(tǒng)計理論的非線性信號處理技術(shù)，能夠有效地抑制噪聲.其實現(xiàn)原理也是基于預(yù)先設(shè)定的模板，將信號中某個數(shù)據(jù)的鄰域數(shù)據(jù)按大小進行排序，然后，選擇該序列的中間值替代當(dāng)前數(shù)據(jù)，從而消除孤立的噪聲點.其排序公式為

(4)

式(4)中：x1

混合壓力信號包括靜壓力信號、振蕩波信號以及外界干擾信號.其中,振蕩波信號和干擾信號相對于靜壓力信號來說很小.因此，為了從混合信號中提取靜壓力信號，將振蕩波信號和干擾信號當(dāng)作噪聲，對混合信號采用均值濾波算法進行順滑處理，即可得到標(biāo)準的靜壓力信號.

混合壓力信號和經(jīng)均值濾波處理的標(biāo)準靜壓力信號，分別如圖2，3所示.將混合信號與標(biāo)準靜壓力信號相減，即可提取出含有噪聲的振蕩波信號，如圖4所示.再經(jīng)過中值濾波處理，即可去除振蕩波所含隨機噪聲，如圖5(a)所示.圖2～5中：n表示采樣序號；H(n)表示混合壓力信號幅值；D(n)為振蕩波幅值；C(n)為靜壓力值.

圖2 混合壓力信號的采樣數(shù)據(jù) 圖3 標(biāo)準靜壓力信號 圖4 帶噪的振蕩波信號 Fig.2 Mixed pressure Fig.3 Standard Fig.4 Oscillation wave signal sampling data pressure signal signal with noise

(a) 中值濾波后 (b) 二次均值濾波后圖5 中值濾波后和二次均值濾波后的脈搏振蕩波信號Fig.5 Pulse oscillation wave signal after median filtering and second mean filter

由圖5(a)可知：振蕩波在去噪后，其峰值點會被削平，不利于波形特征分析.因此，又引入一次均值濾波處理，以改善振蕩波波形的順滑度，最后，獲得具有明顯波形特征的純凈脈搏振蕩波，如圖5(b)所示.經(jīng)過三重濾波處理得到的振蕩波，有利于應(yīng)用示波法確定收縮壓和舒張壓的突變點.

2.2 突變點選擇算法

在示波法中，幅度系數(shù)法的個體適應(yīng)性比較差，而波形特征法容易受外界干擾而缺乏穩(wěn)定的測量精度.為了克服以上兩種測量方法的缺陷，將兩者結(jié)合起來，通過幅度系數(shù)法選取振蕩波最大波幅A(MP)周圍的若干個峰值，再根據(jù)波形特征法對這些峰值進行差分運算，尋找突變點.這樣不僅能提高突變點判斷的準確性，增強抗外界干擾能力，還可以降低運算量.

在脈搏振蕩波中尋找峰值點，令脈搏振蕩波與靜壓力信號的離散數(shù)據(jù)序列分別表示為D(n)=(d0,d1,…,dn-2,dn-1),C(n)=(c0,c1,…,cn-2,cn-1).通過對D(n)中每個數(shù)據(jù)與前一位數(shù)據(jù)進行比較，計算得到標(biāo)志序列M(n-1)=(m0,m1,…,mn-3,mn-2).mk(0≤k≤n-2)的取值為

(5)

顯然，標(biāo)志序列M(n-1)通過取值+1和-1分別描述脈搏振蕩波的上升和下降過程.

對標(biāo)志序列M(n-1)中的每個數(shù)據(jù)與前一位數(shù)據(jù)進行相減，可得差值序列P(n-2)=(p0,p1,…,pn-4,pn-3).其中，pk(0≤k≤n-3)的取值為

(6)

此時，若pk=-2，則對應(yīng)于離散數(shù)據(jù)D(n)中第k+1個數(shù)據(jù)為一個峰值點.因此，差值序列p(n-2)中取值為-2的元素有f個，表示脈搏振蕩波有f個峰值點.

令峰值點對應(yīng)的樣點序號和幅值分別表示為Q(f)=(q0,q1,…,qf-2,qf-1),E(f)=(e0,e1,…,ef-2,ef-1).其中：qk表示第k個峰值點的采樣序號，即在D(n)中的位置;ek為第k個峰值點的幅值.

比較E(f)中各峰值幅度的大小，找出最大值，即圖1中對應(yīng)脈搏振蕩波的最大幅值A(chǔ)(MP).根據(jù)幅度系數(shù)法中的式(1)與式(2)，分別在E(f)中取定用于尋找突變點的范圍{ea,eb}與{ec,ed}，即

(7)

式(7)中： a

設(shè)在[ea,eb]區(qū)間內(nèi)的峰值點序列為Y(i)=(y0,y1,…,pi-2,yi-1).其中：y0=ea；yi-1=eb；i=b-a.通過對序列Y(i)中的每個數(shù)據(jù)與前一位數(shù)據(jù)進行相減，可得差值序列為Z(i-1)=(z0,z1,…,zi-3,zi-2).其中：zk=yk+1-yk(0≤k

3 Android端算法的實現(xiàn)

Android操作系統(tǒng)是Google于2007年發(fā)布的一個基于Linux平臺的開源操作系統(tǒng)[8].近幾年，Android手機逐漸應(yīng)用于醫(yī)學(xué)領(lǐng)域中[9-10].文中血壓測量算法在Android移動平臺上實現(xiàn)，并采用MVC(Model-View-Controller)模式，實現(xiàn)數(shù)據(jù)層與表示層的分離[11].

3.1View層的設(shè)計

View層主要負責(zé)接收從Controller層傳來的數(shù)據(jù)并更新用戶界面.用戶界面包含一個“Start”按鈕和兩個文本編輯器，“Start”按鈕用于啟動子線程執(zhí)行算法，文本編輯器用于顯示舒張壓和收縮壓.

3.2Model層的設(shè)計

Model層包括濾波函數(shù)、突變點選擇函數(shù)以及數(shù)據(jù)讀取函數(shù)，完成數(shù)據(jù)的讀取以及處理.Model層主要包括FilterAlgorithm.java，ReadData.java和Oscillography.java三個實現(xiàn)類.

1)ReadData.java類.實現(xiàn)從SDcard上讀取數(shù)據(jù).根據(jù)文本路徑“filePath”，聲明一個輸入流Filefile=newFile(filePath),FileInputStreamfis=newFileInputStream()，通過一個while循環(huán)讀取數(shù)據(jù).

2)FilterAlgorithm.java類：負責(zé)濾波處理，包括如下兩個函數(shù)(其中，filterContent為待濾波的離散數(shù)據(jù)，filterWidth為濾波半徑).a)meanFilter(double[]filterContent,intfilterWidth)：通過一個for循環(huán)根據(jù)濾波半徑不斷對所得數(shù)據(jù)取均值以代替當(dāng)前值.b)medianFilter(double[]filterContent,intfilterWidth)：通過嵌套的for循環(huán)計算濾波半徑范圍內(nèi)的中值，以替代當(dāng)前值.

3)Oscillography.java類.完成突變點選擇算法，主要包括函數(shù)oscillography(double[]pulseData).該函數(shù)返回值為收縮壓所對應(yīng)的樣點序號值systolicX.舒張壓突變點選取的實現(xiàn)代碼與此相類似.通過這兩個突變點的序號，即可在靜壓力數(shù)據(jù)中找到對應(yīng)的值，該值分別為收縮壓和舒張壓.

3.3Controller層的設(shè)計

Controller層是算法實現(xiàn)的核心控制層，主要體現(xiàn)在主線程對程序的整體控制.該層通過初始化UI控件、配置參數(shù)與信息、啟動相關(guān)服務(wù)，以及實時監(jiān)測外部事件控制整個流程的實現(xiàn).

圖6 Android端子線路實現(xiàn)流程Fig.6 Thread implementation flow chart of Android

設(shè)計中，主線程通過向UI界面?zhèn)鬟f數(shù)據(jù)，控制界面的刷新與顯示；通過監(jiān)聽按鈕的觸發(fā)事件，開啟新線程執(zhí)行算法.考慮到一次性要處理的數(shù)據(jù)比較多，如果算法放在主線程中執(zhí)行有可能導(dǎo)致主線程阻塞并出現(xiàn)異常，所以開啟子線程執(zhí)行算法.但是,Android系統(tǒng)中更新UI界面只能在主線程中完成，在子線程中更新UI界面是很危險的.因此，在主線程中聲明Handler函數(shù)接收子線程的數(shù)據(jù)，并將該數(shù)據(jù)排入到主線程的隊列中，更新UI界面[12].在主線程中，根據(jù)語句new Thread(new Mythread()) start開啟子線程.子線程通過調(diào)用Model層中的函數(shù)，對數(shù)據(jù)進行分析處理并返回最后結(jié)果.子線程的設(shè)計流程圖,如圖6所示.

4 實驗結(jié)果與分析

用于仿真的原始數(shù)據(jù)均來自于BP Pump2型無創(chuàng)血壓監(jiān)護測試儀(美國FLUKE公司).該儀器通過用戶自定義模擬功能提供動態(tài)血壓模擬，可提供的收縮壓模擬范圍為2.67～33.33 kPa，舒張壓模擬范圍為1.33～26.67 kPa.

4.1 濾波半徑影響的仿真分析

在脈搏振蕩波提取過程中，設(shè)第一次均值濾波半徑為R1，中值濾波半徑為R2，第二次均值濾波半徑為R3.3組數(shù)據(jù)選取不同濾波半徑時的Matlab仿真結(jié)果，如圖7～12所示.圖7，8中:ps為收縮壓；pd為舒張壓；R2=R3=10.圖9，10中：R1=30；R3=10.圖11，12中：R1=30；R2=10.

由圖7，8可知：當(dāng)R1在區(qū)間[20,50]時，收縮壓取值平穩(wěn)并較為準確；當(dāng)R1≥30時，舒張壓的取值準確并且趨于平穩(wěn).由圖10，11可知：當(dāng)R2在區(qū)間[4,10]時，收縮壓取值平穩(wěn)并較為準確；當(dāng)R2在區(qū)間[2,10]時，舒張壓的取值準確且趨于平穩(wěn).由圖11，12可知：當(dāng)R3≥8時，收縮壓取值平穩(wěn)并較為準確；當(dāng)R3≥6時，舒張壓的取值準確并且趨于平穩(wěn).

圖7 R1對收縮壓的影響 圖8 R1對舒張壓的影響 圖9 R2對收縮壓的影響Fig.7 Influence of R1 on Fig.8 Influence of R1 on Fig.9 Influence of R2 on systolic blood pressure diastolic blood pressure systolic blood pressure

圖10 R2對舒張壓的影響 圖11 R3對收縮壓的影響 圖12 R3對舒張壓的影響 Fig.10 Influence of R2 on Fig.11 Influence of R3 on Fig.12 Influence of R3 on diastolic blood pressure diastolic blood pressure systolic blood pressure

綜上所述，文中在算法實現(xiàn)中采用的濾波半徑為R1=30， R2=10， R3=8.

4.2 軟件濾波仿真結(jié)果的比較分析

基于以上濾波半徑的選取，分別對12組來自BPPump2的模擬血壓數(shù)據(jù)進行測量，并分別與基于幅度系數(shù)法和突變點選擇法的測量結(jié)果進行對比,結(jié)果如圖13所示.圖13中:pms為測量收縮壓；pss為模擬收縮壓；pmd為測量舒張壓；psd為模擬舒張壓；幅度系數(shù)法的系數(shù)取x1=0.5，x2=0.65.

(a) 收縮壓 (b) 舒張壓圖13 收縮壓和舒張壓仿真對比圖 Fig.13 Simulation comparison chart of systolic blood pressure and diastolic blood pressure

由圖13(a)可知：經(jīng)過Matlab仿真測量，基于突變點選擇法測量的收縮壓與pss的平均歐氏距離為1.40 kPa；基于幅度系數(shù)法測量的收縮壓與pss的平均歐氏距離為0.65 kPa；基于三重軟件濾波法測量的收縮壓與pss的平均歐氏距離則為0.60 kPa.由圖13(b)可知：經(jīng)Matlab仿真測量，基于突變點選擇法測量的舒張壓與psd的平均歐氏距離為1.20 kPa；基于幅度系數(shù)法測量的舒張壓與psd的平均歐氏距離為0.65 kPa；基于三重軟件濾波法測量的舒張壓與psd的平均歐氏距離則為0.45 kPa.

對比圖13(a)，(b)的仿真結(jié)果可知：相比于突變點選擇法與幅度系數(shù)法，三重軟件濾波法仿真結(jié)果與原始模擬血壓的平均歐氏距離均有所降低，和理論分析的結(jié)果是相符合的.

5 結(jié)束語

在示波法血壓測量的基礎(chǔ)上，提出軟件濾波法與示波法相結(jié)合的算法，并在Android平臺上實現(xiàn).理論和實驗結(jié)果均表明：1) 用軟件濾波代替?zhèn)鹘y(tǒng)的硬件濾波確實可行，且可簡化電路設(shè)計；2) 將幅度系數(shù)法和波形判別法相結(jié)合，在保證所需精度的同時，可降低突變點誤判的概率和計算量；3) 算法執(zhí)行簡單有效，利于在Android移動平臺的算法移植實現(xiàn)，具有良好的實用價值.但是，文中測量采用的數(shù)據(jù)均是模擬測量的數(shù)據(jù)，該方法應(yīng)用于人體的數(shù)據(jù)測量結(jié)果是下一步要研究的內(nèi)容.

[1] TAMURA T,MIZYJYRA I,SEKINE M,etal.Monitoring and evaluation of blood pressure changes with a home healthcare system[J].IEEE Transactions on Information Technology in Biomedicine,2011,15(4):602-607.

[2] 鄭理華,竇建洪,何興華,等.無創(chuàng)血壓測量技術(shù)的改進與進展[J].中國醫(yī)學(xué)裝備,2013,10(3):49-52.

[3] 李雪情,張永亮,鄭瑩瑩,等.基于示波法和高斯擬合的血壓測量方法[J].傳感技術(shù)學(xué)報,2010,23(12):1679-1685.

[4] 侯功,鄧輝.基于示波法的血壓測量新方法[J].現(xiàn)代電子技術(shù),2012,35(22):147-150.

[5] 王維維,蒲寶明,李生金,等.基于示波法測量血壓的算法改進[J].計算機系統(tǒng)應(yīng)用,2012,21(2):196-199.

[6] CHEN Silu,BOLIC M,GROZA V Z,etal.Extraction of breathing signal and suppression of its effects in oscillometric blood pressure measurement[J].IEEE Transactions on Instrumentation and Measurement,2011,60(5):1741-1750.

[7] 于春梅,楊勝波.工程中幾種實用軟件濾波器的原理及應(yīng)用[J].南通工學(xué)院學(xué)報,2001,17(3):18-20.

[8] 白文江.基于Android平臺的移動應(yīng)用開發(fā)研究[J].太原大學(xué)學(xué)報,2011,12(3):117-120.

[9] 張丹芯.基于Android 的智能醫(yī)療管理軟件設(shè)計及其客戶端的實現(xiàn) [D].長春:吉林大學(xué),2012:2-3.

[10] SUNG WenTsai,CHEN JuiHo,CHANG KungWei.Mobile physiological measurement platform with cloud and analysis functions implemented via IPSO[J].IEEE Sensors Journal,2014,14(1):111-123.

[11] 鄭行雙.基于MVC的Android與Web雙模式教學(xué)平臺的設(shè)計與實現(xiàn)[D].大連:大連理工大學(xué),2013:5-7.

[12] 張亞杰.基于Android平臺的移動終端應(yīng)用程序的研究與開發(fā)[D].鄭州:鄭州大學(xué),2013:36-38.

(責(zé)任編輯： 黃曉楠 英文審校： 吳逢鐵)

Software Filter Based Algorithm for Oscillometric Blood Pressure Measurement and Its Android Implementation

XU Yongfeng1,2， HE Yucheng1,2, ZHOU Lin1,2

(1. College of Information Science and Engineering, Huaqiao University, Xiamen 361021, China;2. Xiamen Key Laboratory of Mobile Multimedia Communications, Xiamen 361021, China)

To overcome the difficulties of conventional oscillometric blood pressure measurement in the extraction of pulse shock wave and the selection of waveform mutation point, an improved algorithm is presented that incorporates software filter into oscillometric method. In the software filter based algorithm, the pulse oscillation wave with distinguishable feature points is effectively extracted by a concatenated processing of software filter from the hybrid pressure signal samples, the mutation points are selected using the feature point method in a certain amplitude range determined by the amplitude characteristic ratios method, and the systolic and diastolic pressures are finally measured. The algorithm is simulated in Matlab, and implemented in intelligent mobile platform of Android. Simulation results in Matlab show that the algorithm can provide more reliable and accurate measurements of blood pressure.

blood pressure measurement; Android; oscillometric method; software filter

10.11830/ISSN.1000-5013.201704023

2016-12-30

賀玉成(1964-)，男，教授，主要從事無線通信和計算機網(wǎng)絡(luò)的研究.E-mail:he_yucheng@163.com.

福建省自然科學(xué)基金計劃資助項目(2014J01243)； 華僑大學(xué)科研基金資助項目(13Y0384)

TP 274.2

A

1000-5013(2017)04-0567-06