黃益平，陳真誠(chéng)，梁永波，朱健銘

1.桂林電子科技大學(xué)電子工程與自動(dòng)化學(xué)院，廣西桂林541004；2.桂林電子科技大學(xué)生命與環(huán)境科學(xué)學(xué)院，廣西桂林541004

前言

隨著霧霾對(duì)人體的危害逐年增加，每年感染呼吸類疾病的人數(shù)也跟著上升。根據(jù)《中國(guó)心血管病報(bào)告2017》概要，城市和農(nóng)村的常住人口因呼吸類疾病所導(dǎo)致的死亡人數(shù)占總死亡人數(shù)比率都較高，分別為11.08%和12.06%［1］。呼吸系統(tǒng)的好壞能夠直接反映出人體身體功能的好壞，呼吸速率的快慢也能夠反映出人是否患有呼吸類疾病。由于人體是一個(gè)大循環(huán)系統(tǒng)，呼吸過(guò)快或者過(guò)慢都能夠在一定程度上表明身體其他機(jī)能出現(xiàn)問(wèn)題，研究表明有很多疾病會(huì)在一定程度上導(dǎo)致呼吸紊亂，如高血壓常常伴隨著呼吸困難［2］。另外，呼吸頻率跟心率變異性也存在一定關(guān)系，可見呼吸頻率檢測(cè)在現(xiàn)代臨床醫(yī)學(xué)的重要性，隨著可穿戴便攜式醫(yī)療設(shè)備的普及，家庭式呼吸頻率監(jiān)護(hù)設(shè)備的需求也越來(lái)越增大。

目前上呼吸頻率主流的測(cè)量方法有壓力傳感器法、溫度傳感器測(cè)量法、阻抗法、心電信息法等［3］。壓力傳感器法通過(guò)傳感器測(cè)量呼吸時(shí)的呼吸管道與胸腹部周期性變化，進(jìn)而轉(zhuǎn)化成電信號(hào)，得到呼吸信號(hào)，再測(cè)量出呼吸頻率。此方法缺點(diǎn)在于微弱信號(hào)難以檢測(cè)且同樣易受干擾。溫度傳感器測(cè)量法是基于熱敏電阻的溫度特性實(shí)現(xiàn)的，將熱敏電阻放置于人體呼吸處，當(dāng)人體周期性呼吸時(shí)熱敏電阻會(huì)隨著呼吸周期性的變化而變化，再通過(guò)放大器將信號(hào)放大得到呼吸頻率，但此方法會(huì)接觸人體臉部皮膚，且會(huì)造成人體的不舒適感，并不適合長(zhǎng)時(shí)間監(jiān)測(cè)。阻抗法測(cè)量利用阻抗式呼吸頻率傳感器獲得呼吸頻率。心電信息法通過(guò)觀察心電信號(hào)獲取相關(guān)呼吸信號(hào)得到呼吸頻率。這些方法雖然都可以得到呼吸信號(hào)，并能夠估算出呼吸頻率，但存在成本高、操作復(fù)雜、不方便家庭醫(yī)療環(huán)境使用等缺點(diǎn)。

國(guó)內(nèi)外很多專家一直嘗試從心電信號(hào)、光電容積脈搏波信號(hào)等相關(guān)生理信號(hào)提取出其他有價(jià)值的生理信號(hào)。 光電容積脈搏波描記法（Photoplethysmography, PPG）［4］是一種安全無(wú)創(chuàng)技術(shù)，主要運(yùn)用光電技術(shù)監(jiān)測(cè)人體血液組織液容積的變化進(jìn)而獲取人體相關(guān)生理信號(hào)，它簡(jiǎn)單、無(wú)創(chuàng)、安全等優(yōu)點(diǎn)深受廣大研究學(xué)者的喜愛，通過(guò)對(duì)脈搏波信息的提取，研究學(xué)者發(fā)現(xiàn)了大量人體生理信息，通過(guò)對(duì)脈搏波特征信號(hào)的提取研究，能夠準(zhǔn)確提取出人體血壓、心率、血氧等信號(hào)，這種安全且無(wú)創(chuàng)的檢測(cè)方法在可穿戴設(shè)備領(lǐng)域引起了廣泛關(guān)注。

1 理論分析

MIMIC Database 數(shù)據(jù)庫(kù)是美國(guó)麻省理工學(xué)院計(jì)算生理學(xué)實(shí)驗(yàn)室和飛利浦醫(yī)療共建的多參數(shù)智能重癥監(jiān)護(hù)數(shù)據(jù)庫(kù)，里面記錄了大量重癥患者同時(shí)段生理信息，包括心電信號(hào)、脈搏波信號(hào)、呼吸波信號(hào)、血壓等［5］。通過(guò)獲取同時(shí)段的脈搏波信號(hào)、呼吸波信號(hào)作為信號(hào)分析對(duì)象，經(jīng)過(guò)濾波處理去除高頻干擾、運(yùn)動(dòng)偽影等噪聲誤差，再對(duì)脈搏波信號(hào)運(yùn)用經(jīng)驗(yàn)?zāi)B(tài)算法進(jìn)行信號(hào)分解，選取適合的本征模態(tài)函數(shù)擬合出新呼吸波信號(hào)，將擬合的呼吸波信號(hào)與原始呼吸波信號(hào)進(jìn)行時(shí)域、頻域等相關(guān)性分析，最后提取重構(gòu)呼吸波信號(hào)的特征信息，計(jì)算出呼吸頻率。本文整體研究框圖如圖1所示。

圖1 研究框圖Fig.1 Research block diagram

1.1 脈搏波信號(hào)與呼吸波信號(hào)

脈搏波信號(hào)主要由直流成分與交流成分組成，其交流成分能夠反映出心臟博動(dòng)時(shí)動(dòng)脈血管流動(dòng)情況。脈搏波信號(hào)也如同其他一般生理信號(hào)，具有微弱低頻率且易受外界干擾的特性。一般脈搏波信號(hào)的幅值在毫伏級(jí)別，其主要頻譜范圍在10 Hz 以下，具有不同的頻率分量，這些不同的頻率分量來(lái)源可能與呼吸、血壓、體溫有關(guān)［6］。因?yàn)槊}搏波低頻微弱的特性，所以在采集脈搏波信號(hào)時(shí)極易受到運(yùn)動(dòng)偽影、高頻干擾、工頻干擾及基線漂移等噪聲影響。

呼吸是人最基本的生命活動(dòng)特征之一，維持著人體的代謝活動(dòng)。呼吸波信號(hào)與脈搏波信號(hào)一樣也屬于低頻微弱信號(hào)，其主要頻譜范圍在1 Hz 以下。呼吸頻率指人單位時(shí)間內(nèi)呼吸的次數(shù)。正常成年人的呼吸頻率為12～20 次/min［7］。從MIMIC Database中獲取的人體脈搏波信號(hào)與呼吸波信號(hào)濾波過(guò)后的時(shí)域、頻譜如圖2所示，為了顯示其波形主要特點(diǎn)，脈搏波時(shí)域圖只展示其中5 s。

圖2 脈搏波信號(hào)與呼吸波信號(hào)Fig.2 Photoplethysmography(PPG)signals and respiratory signals

1.2 EMD算法原理

Huang 博士于1998年提出了一種針對(duì)非平穩(wěn)非線性信號(hào)的重要處理方法：經(jīng)驗(yàn)?zāi)B(tài)分解算法（Empirical Mode Decomposition, EMD）。其主要目的是將非平穩(wěn)非線性信號(hào)分解成包含不同時(shí)間尺度信息的本征模態(tài)函數(shù)（Intrinsic Mode Function,IMF），分解的IMF 中含有原始信息的時(shí)間尺度信息［8］。每個(gè)IMF 函數(shù)都必須滿足如下兩個(gè)特征［9］：（1）函數(shù)中極值點(diǎn)數(shù)量與過(guò)零點(diǎn)數(shù)量的相差值≤1 個(gè)；（2）任何時(shí)刻，函數(shù)的局部極大值所形成的包絡(luò)與局部極小值形成的包絡(luò)的平均值為零。

1.3 EMD計(jì)算方法

EMD 算法具體步驟如下：假設(shè)原始信號(hào)為s(t)；（1）找出原始信號(hào)s(t)的所有局部極值點(diǎn)；（2）采用三次樣條插值方法擬合出原始信號(hào)的上下極值包絡(luò)線，求和計(jì)算出均值包絡(luò)線，得到包絡(luò)函數(shù)，記為m(t)；（3）計(jì)算得到差值函數(shù)h(t)=s(t)-m(t)；（4）判斷差值函數(shù)h(t)是否滿足IMF 函數(shù)要求，若滿足，則記IMF 函數(shù)r(t)=h(t)，若不滿足，則以差值函數(shù)為基礎(chǔ)信號(hào)重復(fù)以上步驟，直到滿足IMF 函數(shù)要求，得到一個(gè)IMF 函數(shù)r(t)；（5）計(jì)算剩余的IMF函數(shù)，令余量z(t)=s(t)-r(t)為新的原始信號(hào)，重復(fù)上面步驟，直到余量為一個(gè)常函數(shù)或者一個(gè)單調(diào)函數(shù)。原始信號(hào)s(t)經(jīng)過(guò)分解后可以表示為：

2 實(shí)驗(yàn)過(guò)程

本實(shí)驗(yàn)采用MIMIC Database 中10 組脈搏波與呼吸波信號(hào)相對(duì)完整且受運(yùn)動(dòng)偽影影響較小的數(shù)據(jù)作為研究對(duì)象，采取人體同時(shí)段的脈搏波信號(hào)與呼吸波信號(hào)，采樣頻率為125 Hz，采用時(shí)間為1 min。其中脈搏波作為原始信息，經(jīng)過(guò)分解擬合成新的呼吸波信號(hào)，再計(jì)算得出呼吸頻率，原始呼吸波信號(hào)作為重構(gòu)呼吸信號(hào)的對(duì)比信號(hào)。

脈搏波信號(hào)為低頻微弱信號(hào)，而從數(shù)據(jù)庫(kù)中獲取的數(shù)據(jù)，大多具有高頻干擾，因此采用滑動(dòng)濾波的方法，對(duì)脈搏波信號(hào)進(jìn)行高頻濾波預(yù)處理。濾波前后的對(duì)比效果圖如圖3 所示，為了更加明顯地展示濾波對(duì)比效果，脈搏波的時(shí)域圖只顯示其中5 s 長(zhǎng)度。由圖可知脈搏波的重波波谷到波峰數(shù)據(jù)明顯更加平滑，且波谷處高頻濾波效果明顯。

圖3 脈搏波信號(hào)濾波前后對(duì)比Fig.3 Comparison of the PPG signals before and after filtering

由于經(jīng)驗(yàn)?zāi)B(tài)分解算法在進(jìn)行三次樣條插值時(shí)可能存在端點(diǎn)效應(yīng)，即在對(duì)有限長(zhǎng)的信號(hào)進(jìn)行三次樣條插值取包絡(luò)信號(hào)時(shí)，并不能確定信號(hào)末端是否為極值點(diǎn)，經(jīng)常會(huì)導(dǎo)致重構(gòu)后的信號(hào)兩端出現(xiàn)異變［10］。為了解決經(jīng)驗(yàn)?zāi)B(tài)分解算法引起的端點(diǎn)效應(yīng)，采用增加信號(hào)長(zhǎng)度的方法，對(duì)分解重構(gòu)后的信號(hào)去除兩端冗余來(lái)獲取最終的目標(biāo)函數(shù)。經(jīng)過(guò)對(duì)脈搏波信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，分解后得到的各個(gè)本征模態(tài)函數(shù)如圖4所示。由圖中可知，將濾波過(guò)后的脈搏波信號(hào)分解一共得到8 個(gè)本征模態(tài)函數(shù)，每個(gè)本征模態(tài)函數(shù)都滿足極值點(diǎn)與過(guò)零點(diǎn)的數(shù)量相差≤1個(gè)，極值點(diǎn)所形成均值包絡(luò)線為零。在頻譜中也可以得到，每個(gè)本征模態(tài)函數(shù)都包含脈搏波信號(hào)不同的頻率尺度信息。

圖4 IMF函數(shù)及其頻譜Fig.4 Intrinsic mode functions and the corresponding spectra

根據(jù)呼吸信號(hào)的特性與頻譜，其主要頻率在1 Hz及以下。對(duì)分解過(guò)后的脈搏波選擇合適的IMF 函數(shù)重構(gòu)擬合出新的呼吸波信號(hào)。從圖4 可知IMF3、IMF4、IMF5、IMF6、IMF7 和IMF8 的頻譜主要集中在1 Hz 及以下，那么選取這些與原始呼吸波信號(hào)相關(guān)性高的IMF 函數(shù)重構(gòu)呼吸波信號(hào)。得到由脈搏波信號(hào)分解重構(gòu)出的呼吸波信號(hào)F(x)為：

脈搏波信號(hào)經(jīng)過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解后所形成的呼吸波信號(hào)與數(shù)據(jù)庫(kù)中原始呼吸波信號(hào)的對(duì)比效果圖如圖5 所示。從圖5 中的時(shí)域部分可以看出兩者波形的相似，但是存在一定的相位差，這是由于人體脈搏在上肢傳導(dǎo)需要部分的時(shí)間，導(dǎo)致重構(gòu)的呼吸信號(hào)相對(duì)于原始呼吸信號(hào)在時(shí)間上存在一些滯后。通過(guò)頻譜分析得到兩者的主要頻率都集中在1 Hz以下。

圖5 原始呼吸波信號(hào)與PPG重構(gòu)的呼吸波信號(hào)的對(duì)比Fig.5 Comparison of the original respiratory signals with the respiratory signals reconstructed using PPG signals

3 結(jié)果分析

通常用相關(guān)性分析和相干性分析用來(lái)衡量?jī)蓚€(gè)時(shí)間序列的相似程度，相關(guān)性表示兩個(gè)時(shí)間序列時(shí)域中的相似性，相干性表示兩個(gè)時(shí)間序列中頻域的相關(guān)性［11］。采用相對(duì)相干系數(shù)（Relative Coherence Coefficient,RCC）來(lái)度量重構(gòu)呼吸波信號(hào)與原始呼吸波信號(hào)的相似程度：

其中，Rxy(max)是原始呼吸波信號(hào)和重構(gòu)呼吸波信號(hào)的最大相干系數(shù)，Rxx(max)則代表原始呼吸波信號(hào)自相干系數(shù)的最大值。RCC 值越高，表示兩者波形的相關(guān)程度越高，表示兩者波形越相似。重構(gòu)呼吸波信號(hào)與原始呼吸波信號(hào)的10 組RCC 如表1 所示。

表1 相對(duì)相干系數(shù)（RCC）數(shù)據(jù)分析Tab.1 Relative coherence coefficients of subjects

從表1 中可以得到，這10 組數(shù)據(jù)的RCC 均在0.6以上，最好的一組數(shù)據(jù)RCC 達(dá)到了0.915 7，10組數(shù)據(jù)相對(duì)相干系數(shù)的平均值為0.759 7，說(shuō)明了從脈搏波分解重構(gòu)出的呼吸波信號(hào)與原始的呼吸波信號(hào)表現(xiàn)出較強(qiáng)的相關(guān)性。

呼吸頻率指的是每分鐘呼吸的次數(shù)，通過(guò)對(duì)呼吸波信號(hào)進(jìn)行特征提取，找到波形的特征點(diǎn)，也就是波形的極值點(diǎn)，用于呼吸頻率的計(jì)算。重構(gòu)呼吸波信號(hào)的呼吸頻率與原始呼吸波信號(hào)的呼吸頻率的數(shù)據(jù)如表2所示。

表2 呼吸頻率對(duì)比Tab.2 Comparison of respiratory rate

根據(jù)表2 中的數(shù)據(jù)，可以得到兩者呼吸頻率十分接近，重構(gòu)呼吸波的呼吸頻率的準(zhǔn)確率均在0.9 以上，說(shuō)明了從脈搏波信號(hào)提取呼吸波信號(hào)與原始呼吸波信號(hào)不僅在時(shí)域、頻域方面保持了高相關(guān)性，在呼吸頻率的計(jì)算方面也保持了高準(zhǔn)確率。

4 結(jié)論

本文通過(guò)對(duì)脈搏波信號(hào)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，重構(gòu)出新的呼吸波信號(hào)，將重構(gòu)呼吸波信號(hào)與原始呼吸波信號(hào)進(jìn)行對(duì)比分析，計(jì)算得到兩者波形的RCC在0.6 以上，呼吸頻率的準(zhǔn)確率在0.9 以上，表現(xiàn)出了兩者波形的高相關(guān)性。呼吸頻率的高準(zhǔn)確率也表明了：通過(guò)從脈搏波信號(hào)中重構(gòu)出呼吸波信號(hào)，再計(jì)算得到呼吸頻率是一種高效、快速、無(wú)創(chuàng)的呼吸頻率檢測(cè)方法。在下一步的工作中，將基于目前的研究，分析更多的數(shù)據(jù)，改進(jìn)經(jīng)驗(yàn)?zāi)B(tài)分解算法，減少EMD分解層數(shù)，提高程序運(yùn)行效率，重點(diǎn)研究如何將算法移植到可穿戴嵌入式設(shè)備中去。