侯殷偉 程云章 邊俊杰

摘要：目前可穿戴式無(wú)創(chuàng)血壓監(jiān)測(cè)設(shè)備大多采用光電容積脈搏波描記法（PPG）信號(hào)進(jìn)行血壓監(jiān)測(cè)，然而在運(yùn)動(dòng)過(guò)程中，PPG信號(hào)極易受運(yùn)動(dòng)偽影（Motion Artifacts）影響，從而大幅降低血壓監(jiān)測(cè)的準(zhǔn)確性。近年來(lái)，基于PPG信號(hào)的運(yùn)動(dòng)過(guò)程血壓實(shí)時(shí)估計(jì)成為研究熱點(diǎn)。主要介紹PPG信號(hào)抗運(yùn)動(dòng)偽影技術(shù)研究進(jìn)展，闡述PPC信號(hào)原理及噪聲來(lái)源，并對(duì)現(xiàn)有PPG信號(hào)去噪算法原理與優(yōu)缺點(diǎn)進(jìn)行比較，最后分析運(yùn)動(dòng)偽影去除技術(shù)存在的問(wèn)題及未來(lái)發(fā)展趨勢(shì)。

關(guān)鍵詞：運(yùn)動(dòng)偽影;血壓估計(jì);PPG信號(hào);基線漂移

DOI： 10. 11907/rjdk.191753

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

中圖分類號(hào)：TP312

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1672-7800（2020）004-0107-04

Research Progress of Motion Artifact Removal Algorithm Based on PPG Signal

HOU Qj-wej'， CHENG Yun-zhang'， BIAN Jun-jie1.2

（I.Sh.anghai Interventional Medical Device Engineering Technology Re.search Center . Univer.sity of Sha，zghaifor Science and

Technology， Shanghai 200093. China ; 2. Zhejiang .Shan.shi Medical In.strument Co.Ltd. ， Hangzhou 311100 . China ）Abstract： Currently ， wearahle non-invasive blood pressure monitoring devices are mostly based on photoplethysmography signals.However. during the movement. the PPG signal is highly susceptihle to motion artifacts. and the existing motion artifacts seriously in-terfere with the accuracy of blood pressure monitoring. In recent years. real-time estimation of' blood pressure based on PPG signalshas become a hot topic in current research. This paper mainly studies the research progress of PPG signal anti-motion artifact technolo-gy . The principle of PPG signal and the source of noise are expounded， and the principle， advantages and disadvantages of the existingPPG signal denoising algorithm are analyzed and compared. Finally， the problems existing in the motion artifact removal technologyand the f'uture development trends are analyzed.Key Words ： motion artifacts;blood pressure estimation ; PPG signal;baseline drift

O 引言

血壓（BP）是與高血壓患者密切相關(guān)的生理指標(biāo)，可作為重要參數(shù)用于發(fā)現(xiàn)早期心血管疾病。血壓監(jiān)測(cè)的準(zhǔn)確性對(duì)于心血管疾病診斷具有重要價(jià)值…。無(wú)創(chuàng)連續(xù)血壓監(jiān)測(cè)能夠反映人體血壓變化規(guī)律，掌握血壓變化率可以大幅降低高血壓患者出現(xiàn)致命危險(xiǎn)的概率[2]。同時(shí)，長(zhǎng)期、連續(xù)的血壓監(jiān)測(cè)數(shù)據(jù)對(duì)于病患心血管狀況的評(píng)估與診斷具有重要作用。近年來(lái)，使用可穿戴式設(shè)備監(jiān)測(cè)血壓的方式已得到了普及，由于成本較低，在這種設(shè)備中監(jiān)測(cè)血壓最常用的方法是使用光電容積脈搏波（PhotoPlethysmoGraphy，PPG）信號(hào)[3]。光電容積脈搏波描記法[4]是一種電光技術(shù)，其將傳感器置于皮膚上方，通過(guò)發(fā)射綠光照亮皮膚表層，由傳感器接收反射光強(qiáng)度變化，并通過(guò)對(duì)PPG信號(hào)的周期性檢測(cè)與分析得到血壓值。該方式能夠克服傳統(tǒng)血壓測(cè)量的缺點(diǎn)，擺脫傳統(tǒng)袖帶帶來(lái)的不適感，適用于連續(xù)血壓監(jiān)測(cè)。然而，由于傳感器的安裝機(jī)制，獲取的PPG信號(hào)可能會(huì)受到測(cè)量部位運(yùn)動(dòng)引起的運(yùn)動(dòng)偽影影響，從而降低PPG信號(hào)傳感器的輸出精度。為了獲取更有效的結(jié)果，必須補(bǔ)償運(yùn)動(dòng)偽影對(duì)PPG信號(hào)造成的影響。

在存在運(yùn)動(dòng)偽影情況下，估計(jì)血壓值的典型方式是先對(duì)PPG信號(hào)進(jìn)行預(yù)處理，以去除信號(hào)中的運(yùn)動(dòng)干擾。近年來(lái)，學(xué)者們[5-7]針對(duì)如何減少運(yùn)動(dòng)偽影對(duì)PPG信號(hào)的影響進(jìn)行了大量研究。下面系統(tǒng)介紹PPG信號(hào)原理及運(yùn)動(dòng)偽影產(chǎn)生過(guò)程，從去除基線漂移和去除高頻噪聲兩方面介紹目前抗運(yùn)動(dòng)偽影的算法，并分析其優(yōu)劣性。

1 PPG信號(hào)

1.1 PPG原理

PPG信號(hào)是通過(guò)光電容積描記法獲得的一種波形信號(hào)，是進(jìn)行血壓估計(jì)的基礎(chǔ)，其理論基礎(chǔ)是朗伯·比爾定律。當(dāng)入射光透過(guò)人體血管組織后會(huì)被部分吸收，從而產(chǎn)生衰減。其關(guān)系式如下：

其中，厶為入射光強(qiáng)，L為被介質(zhì)吸收后的透射光強(qiáng)，A為吸光度，K為吸收系數(shù)，，為吸收介質(zhì)厚度，c表示濃度。

將PPG傳感器置于手腕處即可獲得脈搏波的PPG信號(hào)，并根據(jù)脈搏形成與血壓的關(guān)聯(lián)性進(jìn)行無(wú)創(chuàng)血壓估計(jì)。

1.2 PPG信號(hào)中的噪聲

在采用可穿戴式設(shè)備獲取PPG信號(hào)時(shí)，PPG信號(hào)易受到噪聲影響，這些噪聲將嚴(yán)重影響血壓監(jiān)測(cè)的準(zhǔn)確性。PPG信號(hào)中的噪聲[8]主要包括：環(huán)境光、基線漂移和運(yùn)動(dòng)偽影。其中環(huán)境光影響可以從硬件層面加以解決，基線漂移主要是由呼吸引起的，通過(guò)低通濾波器可將其有效去除，而運(yùn)動(dòng)偽影是由可穿戴式設(shè)備與手腕之間間距的不規(guī)律變化導(dǎo)致的。

本文通過(guò)選取MIMIC數(shù)據(jù)庫(kù)中靜止?fàn)顟B(tài)與運(yùn)動(dòng)狀態(tài)下的容積脈搏波數(shù)據(jù)，并截取其中10秒鐘的數(shù)據(jù)。靜止?fàn)顟B(tài)下的PPG波形如圖1所示，由于神經(jīng)交感活動(dòng)以及人體溫度和呼吸變化的影響，造成PPG信號(hào)中基線的緩慢變化，即基線漂移，從圖1中可以看出靜止?fàn)顟B(tài)下的PPG信號(hào)出現(xiàn)了明顯的基線漂移。在運(yùn)動(dòng)狀態(tài)下，運(yùn)動(dòng)偽影嚴(yán)重破壞了PPG信號(hào)波形，如圖2所示，可以看出運(yùn)動(dòng)中的PPG信號(hào)含有大量運(yùn)動(dòng)偽影。

2 PPG信號(hào)去噪算法

實(shí)際采集到的PPG信號(hào)往往受到環(huán)境光、基線漂移和運(yùn)動(dòng)偽影等外界因素干擾，使用受到破壞的PPG信號(hào)無(wú)法進(jìn)行準(zhǔn)確的血壓估計(jì)，需要對(duì)采集的PPG信號(hào)進(jìn)行降噪處理，以提取出優(yōu)質(zhì)的PPG信號(hào)。由于PPG信號(hào)和噪聲信號(hào)不存在線性關(guān)系，不同去噪算法具有不同的優(yōu)缺點(diǎn)，因此針對(duì)PPG信號(hào)的降噪算法也是目前的研究熱點(diǎn)。本節(jié)從去除基線漂移和去除高頻噪聲兩方面介紹現(xiàn)有PPG信號(hào)去噪算法，并對(duì)不同方法的優(yōu)缺點(diǎn)進(jìn)行分析比較。

2.1 去除基線漂移

基線漂移一般是指由人體呼吸及皮膚表面與PPG傳感器出現(xiàn)相對(duì)摩擦而產(chǎn)生的頻率在IHz以下的噪聲。含基線漂移影響的PPG信號(hào)可以看成是特征波形與基線漂移信號(hào)疊加的結(jié)果，對(duì)其進(jìn)行適當(dāng)?shù)臑V波處理，即可分離出基線漂移信號(hào)。由于傳統(tǒng)FIR或IIR濾波器[9]截止頻率固定，無(wú)法有效濾除高于截止頻率的基線，因而不適用于去除基線漂移。

去除基線漂移的一個(gè)主流方法是采用小波變換法[10]。對(duì)含噪信號(hào)進(jìn)行多尺度小波分解后，由于信號(hào)與噪聲在頻譜和能量分布上有所不同，可以直接去除噪聲對(duì)應(yīng)的小波分解尺度上的細(xì)節(jié)分量，接著采用小波逆變換進(jìn)行信號(hào)重構(gòu)，即可有效去除信號(hào)中的基線漂移。連續(xù)小波變換定義為：

其中，a為尺度因子，r為平移參數(shù)，v表示復(fù)共軛，小波變換可依據(jù)頻域上的相似達(dá)到去除基線漂移的目的，在選擇尺度適中的情形下可以取得很好的效果。但小波變換法一般需要對(duì)信號(hào)進(jìn)行8-10層小波分解，運(yùn)算量過(guò)大，且噪聲頻帶往往與有用信號(hào)頻帶存在部分重疊，從而導(dǎo)致有效信息丟失。

有研究者提出用三次樣條插值[11]算法去除基線漂移，三次樣條插值是針對(duì)一個(gè)特定數(shù)據(jù)集合，利用給定的n+l個(gè)點(diǎn)將數(shù)據(jù)分為n段，用n段三次多項(xiàng)式在連續(xù)數(shù)據(jù)點(diǎn)之間建立一個(gè)三次樣條，利用三次樣條插值函數(shù)計(jì)算兩個(gè)定點(diǎn)之間的數(shù)據(jù)，提取出基線波形。在此基礎(chǔ)上，將信號(hào)波谷而非起始點(diǎn)作為插值基準(zhǔn)點(diǎn)，并且將信號(hào)首尾結(jié)點(diǎn)也作為基準(zhǔn)點(diǎn)處理。其插值函數(shù)表達(dá)式如下：

其中，m是函數(shù)S（x）在定點(diǎn)x：（i=0，1，2，…，n）的微商值。該方法的不足之處在于忽略了信號(hào)首尾點(diǎn)的處理，從而導(dǎo)致最后一個(gè)起始點(diǎn)至信號(hào)末點(diǎn)之間的基線未被擬合。

為了在有效消除基線漂移的同時(shí)，保留原始信號(hào)的全局與局部特征，有研究者提出基于形態(tài)學(xué)濾波的方法[12]，通過(guò)對(duì)含基線漂移PPG信號(hào)的廣義形態(tài)閉一開(kāi)濾波與開(kāi)一閉濾波結(jié)果進(jìn)行平均后，可得到與基線漂移信號(hào)有關(guān)的分量，用原始信號(hào)減去估計(jì)得出的基線漂移信號(hào)分量去除基線漂移。該方法的優(yōu)點(diǎn)在于結(jié)構(gòu)元素較短且運(yùn)算量小，可以有效保留原始信號(hào)特征。

2.2去除高頻噪聲

一般來(lái)說(shuō)，由于在PPG信號(hào)采集過(guò)程中，人體時(shí)刻處于某種運(yùn)動(dòng)狀態(tài)，步行、跑步等不規(guī)則運(yùn)動(dòng)導(dǎo)致的高頻噪聲是無(wú)法完全消除的，因而在去除PPG信號(hào)高頻噪聲過(guò)程中選用合適的方法很重要。

2.2.1 基于自適應(yīng)濾波器的算法

大部分文獻(xiàn)采用的方法都是基于白適應(yīng)濾波器法去除高頻噪聲，實(shí)現(xiàn)白適應(yīng)濾波器的算法有很多，其中LMS算法[13-14]，即最小均方算法是最常見(jiàn)的，通過(guò)找到一組權(quán)值向量，使樣本預(yù)測(cè)輸出值與實(shí)際輸出值之差平方的期望值最小。LMS算法權(quán)值向量更新公式如下：

其中，系統(tǒng)權(quán)值矢量為為 e（n）為誤差信號(hào)，“為步長(zhǎng)因子。該算法使系統(tǒng)輸出響應(yīng)盡量逼近期望響應(yīng)，通過(guò)迭代的方法更新權(quán)值，其優(yōu)點(diǎn)在于原理與結(jié)構(gòu)簡(jiǎn)單.具有較好的穩(wěn)定性。一般來(lái)說(shuō)，當(dāng)選擇的參數(shù)因子“較大時(shí)，收斂速度較快，但穩(wěn)態(tài)誤差波動(dòng)較大;當(dāng)“較小時(shí)，收斂速度較慢，但穩(wěn)態(tài)誤差波動(dòng)較小。所以可以看出，LMS算法中的主要矛盾在于收斂速度與穩(wěn)態(tài)誤差的矛盾。

為了克服LMS算法收斂速度慢的問(wèn)題，有研究者[15-17]提出變步長(zhǎng)LMS算法，在參數(shù)因子“發(fā)生改變或在收斂開(kāi)始時(shí)選擇較大的參數(shù)因子，以獲得更快的收斂速度。當(dāng)變步長(zhǎng)LMS算法收斂時(shí)，選擇較小的參數(shù)因子，以縮小穩(wěn)態(tài)誤差。但由于算法中仍有全局固定的參數(shù)因子，整體收斂速度依舊受到固定步長(zhǎng)的影響，導(dǎo)致收斂速度較慢。

經(jīng)驗(yàn)?zāi)B(tài)分解[18]（EMD）算法也是一種常用算法，由Huang等[19]提出，依據(jù)數(shù)據(jù)白身的時(shí)間尺度特征將信號(hào)分解成若干分量，找到并去除其中與運(yùn)動(dòng)相關(guān)的分量進(jìn)行去噪，具體公式如下：

為原始信號(hào)x（t）的n個(gè)IMF分量，階數(shù)由低到高，YN（f）表示分解后的剩余分量。EMD算法本質(zhì)上是對(duì)原始信號(hào)進(jìn)行平穩(wěn)化處理，通過(guò)分解產(chǎn)生一系列具有不同特征尺度的本征模態(tài)函數(shù)（IMF）。然而，由于算法本身缺少完整的理論基礎(chǔ)，且當(dāng)信號(hào)中存在間斷信號(hào)等引起的間歇現(xiàn)象時(shí)，EMD分解結(jié)果會(huì)出現(xiàn)模態(tài)混疊[20]。因此，Wu等[21]在此基礎(chǔ)上提出集合經(jīng)驗(yàn)?zāi)B(tài)分解算法（EEMD），利用EMD濾波器組行為及白噪聲頻譜均勻分布的統(tǒng)計(jì)特性抑制模態(tài)混疊，其信號(hào)重構(gòu)公式如下：

其中 為各階集合平均固有模態(tài)分量 為剩余分量， 為重構(gòu)誤差。EEMD算法雖然可以有效抑制模態(tài)}昆疊，但其是以增加計(jì)算成本為代價(jià)的，且算法重構(gòu)誤差大，分解完備性差。

2.2.2基于模型的算法

上述基于白適應(yīng)濾波器的算法雖然去除了高頻噪聲，但復(fù)雜性都較高，且主要針對(duì)較為平緩及不劇烈的運(yùn)動(dòng)，不適用于較強(qiáng)或劇烈運(yùn)動(dòng)下的偽影去除。近年來(lái)，很多研究者提出基于模型的算法，利用多通道PPG信號(hào)的運(yùn)動(dòng)噪聲與同步運(yùn)動(dòng)加速器信號(hào)之間的相關(guān)性去除強(qiáng)烈的高頻噪聲。通過(guò)加速度信號(hào)判定是否存在噪聲，并獲取噪聲頻率。文獻(xiàn)[22]提出基于加速度傳感器、以均值濾波為基礎(chǔ)去除高頻運(yùn)動(dòng)偽影，獲得運(yùn)動(dòng)信號(hào)后，選取窗口對(duì)去除基線漂移后的信號(hào)進(jìn)行均值濾波處理，從而有效抑制該頻率的運(yùn)動(dòng)偽影，其幅度補(bǔ)償公式如下：

其中，x為加速度傳感器x軸信號(hào)，在對(duì)運(yùn)動(dòng)偽影進(jìn)行均值濾波處理后，對(duì)A（x）作幅度補(bǔ)償。此外，由于PPG信號(hào)在頻域內(nèi)具有稀疏性，部分學(xué)者提出基于稀疏信號(hào)重構(gòu)的運(yùn)動(dòng)偽影去除算法，如Zhang等[23]提出TROIKA框架，由于運(yùn)動(dòng)加速度信號(hào)與運(yùn)動(dòng)偽影信號(hào)的強(qiáng)相關(guān)性，PPG信號(hào)頻譜和加速度信號(hào)頻譜的譜峰位置大致相同，所以該框架基于壓縮感知的SMV模型估計(jì)原始信號(hào)的稀疏頻譜，其目標(biāo)函數(shù)如下：

其中， 為一段原始信號(hào) 為一個(gè)冗余離散傅里葉變換基， 為要求解的解向量， 為模型誤差，框架中PPG信號(hào)頻譜和加速度信號(hào)頻譜是分開(kāi)計(jì)算的，容易導(dǎo)致PPG信號(hào)頻譜和加速度信號(hào)頻譜中的譜峰位置不對(duì)應(yīng)，導(dǎo)致該模型無(wú)法有效去除PPG信號(hào)頻譜中的所有強(qiáng)運(yùn)動(dòng)偽影。為了解決該問(wèn)題，文獻(xiàn)[24]提出一種基于聯(lián)合稀疏重構(gòu)（JSRR）的算法，在壓縮感知框架下，將去噪過(guò)程轉(zhuǎn)換為稀疏信號(hào)重構(gòu)過(guò)程，通過(guò)迭代尋優(yōu)獲得最優(yōu)解。JSRR模型引入兩個(gè)松弛變量 與兩個(gè)約束條件，新的目標(biāo)函數(shù)如下：

JSSR模型中的行稀疏約束有效解決了PPG信號(hào)與加速度信號(hào)譜峰位置不對(duì)應(yīng)的問(wèn)題，但計(jì)算成本較高。為了解決算法性能問(wèn)題，有研究者[25]采用支持向量機(jī)（SVM）模型區(qū)分并去除運(yùn)動(dòng)偽影，該模型使用了Chang等提出的C-支持向量分類（C-SVC）算法，使用徑向基核函數(shù)將輸入數(shù)據(jù)映射到高維特征空間，其徑向基核函數(shù)定義如下：其中，y為徑向基內(nèi)核特定參數(shù)，該算法模型通過(guò)尋找最適合當(dāng)前分類的參數(shù)，以有效分離出運(yùn)動(dòng)偽影源。實(shí)驗(yàn)結(jié)果表明，該模型對(duì)多種運(yùn)動(dòng)狀態(tài)下的運(yùn)動(dòng)偽影均有較好的去除效果。同時(shí)，SVM方法存在的主要問(wèn)題是，其精確度受參數(shù)影響較大，而對(duì)參數(shù)的確定大多依靠經(jīng)驗(yàn)，沒(méi)有統(tǒng)一標(biāo)準(zhǔn)。

不同運(yùn)動(dòng)偽影去除算法都有各白的優(yōu)缺點(diǎn)，需要根據(jù)實(shí)際使用情況決定采用哪種去噪算法。由于PPG信號(hào)中的運(yùn)動(dòng)偽影成分范圍無(wú)法精確測(cè)量，因此不能輕易給出所有模型的去噪精度對(duì)比。

3 總結(jié)與展望

本文總結(jié)了PPG信號(hào)抗運(yùn)動(dòng)偽影的研究進(jìn)展。將當(dāng)前去除運(yùn)動(dòng)偽影的算法分成兩類，分別為去除基線漂移的算法和去除高頻噪聲的算法，并分析比較了各方法的優(yōu)缺點(diǎn)。去除基線漂移的主流方法為基于小波變換法，由于其運(yùn)算量過(guò)大，且存在信息丟失問(wèn)題，進(jìn)而有研究者提出三次樣條插值算法和基于形態(tài)學(xué)的方法，從而有效降低了運(yùn)算量并保留了有效信息。對(duì)于運(yùn)動(dòng)偽影中由于劇烈運(yùn)動(dòng)造成的高頻噪聲，研究者提出多種基于白適應(yīng)濾波器的方法，如LMS算法、變步長(zhǎng)LMS算法和經(jīng)驗(yàn)?zāi)B(tài)分解算法，盡管這些方法可以有效去除高頻噪聲，但都具有收斂速度慢等問(wèn)題，因此需要更復(fù)雜的模型。之后有研究者提出基于加速度信號(hào)的關(guān)聯(lián)模型、TROIKA框架以及支持向量機(jī)分類的模型算法。相關(guān)文獻(xiàn)研究表明，復(fù)雜模型的去噪效果普遍優(yōu)于簡(jiǎn)單模型，但當(dāng)模型固定時(shí)，由于運(yùn)動(dòng)的不斷變化將導(dǎo)致運(yùn)動(dòng)偽影的去噪誤差增大。因此，未來(lái)研究方向?yàn)椋阂皇菍⒑?jiǎn)單靜態(tài)模型轉(zhuǎn)換為動(dòng)態(tài)復(fù)雜模型，實(shí)時(shí)更新模型中的參數(shù)信息;二是將動(dòng)態(tài)復(fù)雜模型運(yùn)用于可穿戴式血壓監(jiān)測(cè)產(chǎn)品中。

參考文獻(xiàn)：

[1] National Heart ， Lung， and Blood Institute.What is high blood pressure[R] . NHLBI Health Information Center Attentinn ， 2012.

[2]滕曉菲 .張?jiān)?.移動(dòng)醫(yī)療 ：穿戴式醫(yī)療儀器的發(fā)展趨勢(shì) [J]中國(guó)醫(yī)療器械雜志 .2006（5） ： 330-340.

[3]KAMAL A A R. HARNESS J B . IRVINC G， et al. Skin photoplethysmographya review [j] . Computer methods and programs in biomedi-cine. 1989.28（4） ： 257-269.

[4]ALLEN J. Photoplethysmograpb and its application in clinic：al physio-Ingical measurement [J]. Phvssiological measurement. 2007 . 28 （3） ：R1-R39.

[5]HAN H. KIM M J， KIM J. Development of real-time motion arcifactreductir）n algoritlun for a wearable photoplethysmography Fcl. 29thAnnu al International Conference of the IEEE Engineering in Medicineand Biology Society. IEEE ， 2007： 1538-1541.

[6]KIM B S， YOO S K. Motion artifact reduction in photopleth}'smogra-phy using independent compc）nent analysis [J] . IEEE Transactions nnBiomedical Engineering， 2006， 53（3） ： 566-568.

[7]KRISHNAN R. NATARAJAN B . WARREN S. Analysis and detectionof motion aitifact in photoplethysmographic data using higher order sta-tistics[C]2008 lEEE International Conference on Acoustics， Speechand Signal Processing. IEEE. 2008： 613-616

[8]張虹，孫衛(wèi)新，金捷脈搏血氧飽和度檢測(cè)系統(tǒng)設(shè)計(jì)中干擾信號(hào)的處理方法[J].國(guó)外醫(yī)學(xué)：生物醫(yī)學(xué)工程分冊(cè)，2000（2）：90-95.

[9]劉艷麗，趙為松，李海坤，等，基于形態(tài)濾波的脈搏波信號(hào)基線漂移消除方法研究[J].合肥工業(yè)大學(xué)學(xué)報(bào)：自然科學(xué)版，2011， 34（4）：525-528.

[10]王鵬，魏守水，黃青華.基于小波變換的自適應(yīng)濾波器消除脈搏波基線漂移[J].中國(guó)醫(yī)學(xué)物理學(xué)雜志，2004（5）：296-299.

[II]楊琳，張松，楊益民，等.利用三次樣條差值法抑制脈搏波基線漂移[j]北京生物醫(yī)學(xué)工程，2010.29（2）：198-200.

[12]CHL C H H，DELP E J.Impulsive noise suppression and hackgroundnormalization of electrocardiogram signals using morphological opera- tors[Jl. IEEE Transactions on Biomedical Engineering， 1989， 36（2）：262-273.

[13]HAN H， KIM J Artifacts in wearahle photoplethysmographs duringdailv life motions and their reduction with least mean square basedactive noise cancellation method[J].Computers in hiology and medi-cine. 2012. 42（4）： 387-393.

[14]CHAN K W，ZHANC Y T.Adaptive reduction of motion artifact fromphotopletbsmographic recordings using a variable step-size LMS fil-terEC]Sensors， IEEE. 2002，2：1343-1346

[15]覃景繁，歐陽(yáng)景正.一種新的變步長(zhǎng)LMS自適應(yīng)濾波算法[J].數(shù)據(jù)采集與處理，1997. 12（3）：171-174

[16]孫恩昌，李于衡，張冬英，等.自適應(yīng)變步長(zhǎng)LMS濾波算法及分析[J].系統(tǒng)仿真學(xué)報(bào)，2007，19（14）：3172-3175.

[17]熊英.運(yùn)動(dòng)噪聲環(huán)境中穿戴設(shè)備心率提取算法研究[D]長(zhǎng)沙：長(zhǎng)沙理工大學(xué)，2017

[18]RAGHURAM M，SIVANI K， REDDY K A Use of complex EMD gen-erated noise reference for adaptive reduction of motinn artifacts fromPPC signals[C]2016 International Conference on Electrical. Elec-tronics， and Optimization Techniques， 2016： 1816-1820.

[19]HL'ANG N E， SHEN Z， LONC S R.et al. The empirical mode de-composition and the Hilhert spectrum for nonlinear and non-station-arv time series analysis[J]. Proceedings of the Roval Societv of Lon-don. Series A： Mathematical. Ph＼：sical and Engineering Sciences，1998. 454： 903-995.

[20]WUZ， HUANG N E.Ensemhle empirical mode decomposition：anoise-assisted data analy'sis method[J]. Advances in adaptive dataanah-sis. 2009（1）：1-41.

[21] DAI X，DIAMOND J A. Intracerehral heniorrhage：a life-threateningcomplication of hypertension during pregnancy[J]. The Journal ofClinical Hypertension， 2007，9（11）： 897-900

[22]陳炎，李丹，李彥海，等.基于加速度傳感器的心率信號(hào)處理及檢測(cè)方法[J].科學(xué)技術(shù)與工程，2016， 16（9）：67-70.

[23]ZHANC Z. PI Z， LIU B.TROIKA：a general framework for heartrate monitoring using wrist-type phntoplethysmographic signals dur-ing intensive physical exercise[J].IEEE Transactions on biomedicalengineering， 2015， 62（2）： 522-531.

[24]熊繼平，蔣定德，蔡麗桑，等.基于聯(lián)合稀疏譜重構(gòu)的PPG信號(hào)降噪算法[J].電子學(xué)報(bào)，2017.45（7）：1646-1652

[25] COUCEIRO R. CARVALHO P， PAIVA R P. et al. Detection of mo-tion artifac.t patterns in photoplethysmographic signals based on timeand period domain anah-sis[J].Physiologic：al measurement， 2014，35（ 12）：2369

（責(zé)任編輯：黃?。?/p>

收稿日期：2019-05-23

基金項(xiàng)目：上海工程技術(shù)研究中心資助項(xiàng)目（18D22250900）

作者簡(jiǎn)介：侯殷偉（1993-），男，上海理工大學(xué)上海介入醫(yī)療器械工程技術(shù)研究中心碩士研究生，研究方向?yàn)闊o(wú)創(chuàng)血壓實(shí)時(shí)監(jiān)測(cè)技術(shù);

程云章（1964-），男，上海理工大學(xué)上海介入醫(yī)療器械工程技術(shù)研究中心教授、博士生導(dǎo)師，研究方向?yàn)檠鲃?dòng)力學(xué)及其臨床應(yīng)用;邊俊杰（1972-），男，碩士，上海理工大學(xué)上海介入醫(yī)療器械工程技術(shù)研究中心碩士生聯(lián)合導(dǎo)師，浙江善時(shí)醫(yī)療器械有限公司董事長(zhǎng)，研究方向?yàn)闊o(wú)創(chuàng)血流動(dòng)力學(xué)監(jiān)測(cè)技術(shù)。本文通訊作者：程云章。