本發(fā)明涉及生理信號(hào)處理領(lǐng)域，尤其涉及一種基于光電容積脈搏波信號(hào)的運(yùn)動(dòng)噪聲檢測(cè)方法。
背景技術(shù)：
：心率測(cè)量作為人體運(yùn)動(dòng)生理負(fù)荷的客觀評(píng)定指標(biāo)，已被廣泛應(yīng)用于健身運(yùn)動(dòng)、競(jìng)技體育訓(xùn)練的各個(gè)方面。傳統(tǒng)的心率測(cè)量技術(shù)雖能達(dá)到較高的測(cè)量精度，但是測(cè)量條件限制較多。為了滿(mǎn)足未來(lái)電子健康監(jiān)測(cè)要求，基于光電容積脈搏波信號(hào)的心率測(cè)量方法引起了學(xué)術(shù)界和工業(yè)界的高度關(guān)注。然而，光電容積脈搏波是一種信號(hào)強(qiáng)度弱、易受噪聲干擾的生物信號(hào)。在運(yùn)動(dòng)狀態(tài)下，由于組織干擾、靜脈血容量以及光程變化，極易產(chǎn)生與心率頻率十分接近的運(yùn)動(dòng)噪聲，進(jìn)而使得心率測(cè)量精度下降。近年來(lái)，研究人員已對(duì)光電容積脈搏波信號(hào)中運(yùn)動(dòng)噪聲的檢測(cè)工作進(jìn)行了相關(guān)研究。例如，發(fā)明專(zhuān)利“一種適用于心率信號(hào)的運(yùn)動(dòng)噪聲檢測(cè)方法”(申請(qǐng)?zhí)枺?015108739783，申請(qǐng)公布號(hào)：CN105286846A)中提出了聯(lián)合稀疏譜重構(gòu)模型，該模型中對(duì)整個(gè)頻譜矩陣進(jìn)行了行稀疏和全局稀疏的限制，并通過(guò)不精確增廣拉格朗日乘子法求解該模型的最優(yōu)解，進(jìn)而檢測(cè)出運(yùn)動(dòng)噪聲的位置。而本發(fā)明采用快速去噪算法和信號(hào)重構(gòu)算法相結(jié)合的技術(shù)進(jìn)行光電容積脈搏波信號(hào)中的運(yùn)動(dòng)噪聲的檢測(cè)。即首先利用主成分分析法和最小均方自適應(yīng)濾波器的結(jié)合消除光電容積脈搏波中的部分運(yùn)動(dòng)噪聲；其次提取頻譜矩陣行稀疏的結(jié)構(gòu)特征構(gòu)建稀疏信號(hào)重構(gòu)模型，并通過(guò)正則化M-FOCUSS算法優(yōu)化重構(gòu)模型。本發(fā)明大大地提高了運(yùn)動(dòng)噪聲的檢測(cè)精確度，降低了計(jì)算復(fù)雜度。技術(shù)實(shí)現(xiàn)要素：本發(fā)明所要解決的技術(shù)問(wèn)題是如何有效檢測(cè)出光電容積脈搏波信號(hào)中強(qiáng)烈運(yùn)動(dòng)噪聲的譜峰位置，從而實(shí)現(xiàn)心率的高精度測(cè)量。為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種基于光電容積脈搏波信號(hào)的運(yùn)動(dòng)噪聲檢測(cè)方法，其特征在于：所述主成分分析法對(duì)所述加速度信號(hào)進(jìn)行處理，并結(jié)合所述自適應(yīng)濾波器消除所述多個(gè)光電容積脈搏波信號(hào)中的部分運(yùn)動(dòng)噪聲；然后，將處理后的多個(gè)光電容積脈搏波信號(hào)和所述加速度信號(hào)構(gòu)成頻譜矩陣，依據(jù)上述頻譜矩陣的結(jié)構(gòu)特征構(gòu)建所述稀疏信號(hào)重構(gòu)模型，并優(yōu)化所述稀疏信號(hào)重構(gòu)模型；該方法包括如下步驟：所述主成分分析法對(duì)預(yù)處理后的所述加速度信號(hào)進(jìn)行分析，產(chǎn)生運(yùn)動(dòng)噪聲相關(guān)的參考信號(hào)，并結(jié)合最小均方自適應(yīng)濾波器對(duì)所述光電容積脈搏波信號(hào)中的部分運(yùn)動(dòng)噪聲進(jìn)行消除；同時(shí)，將去除部分運(yùn)動(dòng)噪聲的多個(gè)光電容積脈搏波信號(hào)和所述加速度信號(hào)構(gòu)成頻譜矩陣，依據(jù)上述頻譜矩陣行稀疏的結(jié)構(gòu)特征建立所述稀疏信號(hào)重構(gòu)模型，并通過(guò)正則化M-FOCUSS算法優(yōu)化所述重構(gòu)模型，獲得多個(gè)光電容積脈搏波信號(hào)頻譜中運(yùn)動(dòng)噪聲的譜峰位置；優(yōu)選地，所述加速度信號(hào)與所述光電容積脈搏波信號(hào)中的運(yùn)動(dòng)噪聲具有強(qiáng)相關(guān)性，即所述加速度信號(hào)能夠在三軸方向上描述運(yùn)動(dòng)噪聲的“足跡”；故所述主成分分析法對(duì)所述加速度信號(hào)進(jìn)行處理，選取出包含“信息”最多的第一主成分，并作為運(yùn)動(dòng)噪聲相關(guān)的參考信號(hào)；優(yōu)選地，所述最小均方自適應(yīng)濾波器選用上述運(yùn)動(dòng)噪聲相關(guān)的參考信號(hào)，根據(jù)均方誤差最小化的準(zhǔn)則，不斷更新濾波權(quán)重，消除所述光電容積脈搏波信號(hào)中的部分運(yùn)動(dòng)噪聲；優(yōu)選地，所述頻譜矩陣由上述消除部分運(yùn)動(dòng)噪聲的多個(gè)光電容積脈搏波信號(hào)和所述加速度信號(hào)構(gòu)成；依據(jù)所述頻譜矩陣行稀疏的結(jié)構(gòu)特征構(gòu)造所述稀疏信號(hào)重構(gòu)模型，其目標(biāo)函數(shù)如下：minX12||Y-ΦX||F2+λ||X||1.2]]>s.t：Y＝ΦX+V其中，用來(lái)約束頻譜矩陣行稀疏，xi，j是頻譜矩陣X第i行第j列元素，λ是用來(lái)權(quán)衡||X||1，2重要性的權(quán)值；約束條件中Y∈RM×H是一個(gè)觀測(cè)矩陣，X∈CN×H是相應(yīng)信號(hào)的頻譜矩陣，即需要求解的稀疏頻譜矩陣是一個(gè)冗余離散傅里葉變換基，V是模型誤差或者測(cè)量誤差矩陣。與現(xiàn)有技術(shù)相比，本發(fā)明提供的技術(shù)方案采用快速去噪算法和信號(hào)重構(gòu)算法相結(jié)合的技術(shù)準(zhǔn)確檢測(cè)光電容積脈搏波信號(hào)中的運(yùn)動(dòng)噪聲，大大地提高了運(yùn)動(dòng)噪聲的檢測(cè)精度，并降低了計(jì)算復(fù)雜度。附圖說(shuō)明圖1為本發(fā)明實(shí)施例的基于光電容積脈搏波信號(hào)的運(yùn)動(dòng)噪聲檢測(cè)方法的流程示意圖。具體實(shí)施方式以下結(jié)合附圖及實(shí)施例來(lái)詳細(xì)說(shuō)明本發(fā)明的實(shí)施方式，借此對(duì)本發(fā)明如何應(yīng)用技術(shù)手段來(lái)解決技術(shù)問(wèn)題，并達(dá)到相應(yīng)技術(shù)效果的實(shí)現(xiàn)過(guò)程能充分理解并據(jù)以實(shí)施。本發(fā)明的技術(shù)方案包括兩部分，第一利用主成分分析法對(duì)加速度信號(hào)進(jìn)行分析，產(chǎn)生自適應(yīng)濾波需要的運(yùn)動(dòng)噪聲相關(guān)的參考信號(hào)，進(jìn)而利用最小均方自適應(yīng)濾波器消除光電容積脈搏波中的部分運(yùn)動(dòng)噪聲；第二依據(jù)加速度信號(hào)和運(yùn)動(dòng)噪聲信號(hào)的強(qiáng)相關(guān)性在頻域表現(xiàn)為光電容積脈搏波信號(hào)頻譜中運(yùn)動(dòng)噪聲的譜峰位置和加速度信號(hào)頻譜的譜峰位置相對(duì)齊的特征構(gòu)建稀疏信號(hào)重構(gòu)模型。此技術(shù)方案能精確地檢測(cè)出光電容積脈搏波信號(hào)中的運(yùn)動(dòng)噪聲，為后續(xù)去除運(yùn)動(dòng)噪聲工作奠定基礎(chǔ)。實(shí)施例一、基于光電容積脈搏波信號(hào)的運(yùn)動(dòng)噪聲檢測(cè)方法圖1為本實(shí)施例的基于光電容積脈搏波信號(hào)的運(yùn)動(dòng)噪聲檢測(cè)方法的流程示意圖。圖1所示的本實(shí)施例，是基于光電容積脈搏波信號(hào)的運(yùn)動(dòng)噪聲檢測(cè)方法的整體流程，主要包括如下步驟：步驟S210，利用分布在不同位置的兩個(gè)反射式光電傳感器采集兩個(gè)通道的光電容積脈搏波信號(hào)，再利用運(yùn)動(dòng)傳感器采集同步的三個(gè)運(yùn)動(dòng)方向的加速度信號(hào)；步驟S220，預(yù)處理包括將上述原始信號(hào)進(jìn)行下采樣至采樣頻率為25Hz的操作以及通過(guò)通帶為0.4Hz-4Hz的二階巴特沃斯濾波器的濾波操作；步驟S230，利用主成分分析法對(duì)經(jīng)預(yù)處理后的加速度信號(hào)進(jìn)行分析，選取出包含“信息”最多的第一主成分，即運(yùn)動(dòng)噪聲相關(guān)的參考信號(hào)X(n)；步驟S240，最小均方自適應(yīng)濾波器選用步驟S220產(chǎn)生的運(yùn)動(dòng)噪聲相關(guān)的參考信號(hào)X(n)，通過(guò)不斷更新濾波權(quán)重W(n)對(duì)光電容積脈搏波信號(hào)中部分運(yùn)動(dòng)噪聲進(jìn)行消除；本步驟中，典型地，差值e(n)以及濾波權(quán)重W(n)更新的數(shù)學(xué)表達(dá)如下：e(n)=S(n)+M(n)-M,(n)M,(N)=W(n)*X(n)W(n+1)=W(n)-μ*e(n)*X(n)---(1)]]>其中，S(n)表示干凈的光電容積脈搏波信號(hào)，M(n)表示運(yùn)動(dòng)噪聲信號(hào)，M’(n)表示最大程度的近似運(yùn)動(dòng)干擾信號(hào)；步驟S250，利用經(jīng)步驟S240處理后的兩個(gè)光電容積脈搏波信號(hào)和三個(gè)加速度信號(hào)構(gòu)成頻譜矩陣；步驟S260，依據(jù)上述頻譜矩陣行稀疏的結(jié)構(gòu)特征，構(gòu)造稀疏信號(hào)重構(gòu)模型；本步驟中，典型地，公式(2)為稀疏信號(hào)重構(gòu)模型的目標(biāo)函數(shù)：minX12||Y-ΦX||F2+λ||X||1.2s.t:Y=ΦX+V---(2)]]>其中，用來(lái)約束頻譜矩陣行稀疏，xi，j是頻譜矩陣X第i行第j列元素，λ是用來(lái)權(quán)衡||X||1，2重要性的權(quán)值；約束條件中Y∈RM×H是一個(gè)觀測(cè)矩陣，X∈CN×H是相應(yīng)信號(hào)的頻譜矩陣，即需要求解的稀疏頻譜矩陣，是一個(gè)冗余離散傅里葉變換基，V是模型誤差或者測(cè)量誤差矩陣，本實(shí)施例中H＝5；步驟S270，通過(guò)正則化M-FOCUSS算法可求解上述稀疏信號(hào)重構(gòu)模型的目標(biāo)函數(shù)的最優(yōu)解；本步驟中，典型地，上述M-FOCUSS算法的數(shù)學(xué)表達(dá)式如下所示：Wk+1=diag(ck[i]1-p2),whereck[i]=(Σ(xk(l)[i])2)12Qk+1Ak+1+B,whereAk+1=AWk+1Xk+1=Wk+1Qk+1---(3)]]>步驟S280，經(jīng)上述步驟處理后，可獲得光電容積脈搏波信號(hào)頻譜中運(yùn)動(dòng)噪聲的譜峰位置，從而完成檢測(cè)運(yùn)動(dòng)噪聲的工作。本實(shí)施例中，同時(shí)間段內(nèi)的兩個(gè)光電容積脈搏波信號(hào)和加速度信號(hào)是利用兩個(gè)反射式光電傳感器和一個(gè)運(yùn)動(dòng)傳感器從用戶(hù)手腕處采集的；利用主成分分析法對(duì)加速度信號(hào)進(jìn)行處理，獲得運(yùn)動(dòng)噪聲相關(guān)的參考信號(hào)，結(jié)合最小均方自適應(yīng)濾波器消除兩個(gè)光電容積脈搏波信號(hào)中的部分運(yùn)動(dòng)噪聲；然后利用去除部分運(yùn)動(dòng)噪聲的兩個(gè)光電容積脈搏波信號(hào)和加速度信號(hào)構(gòu)成頻譜矩陣，提取上述頻譜矩陣的行稀疏的結(jié)構(gòu)特征建立稀疏信號(hào)重構(gòu)模型，通過(guò)正則化M-FOCUSS算法求解上述重構(gòu)模型中的稀疏頻譜矩陣；最后獲得兩個(gè)光電容積脈搏波信號(hào)頻譜中運(yùn)動(dòng)噪聲的譜峰位置。此方法大大地提高了運(yùn)動(dòng)噪聲的檢測(cè)性能，降低了計(jì)算復(fù)雜度，為實(shí)現(xiàn)心率的高精度測(cè)量奠定理論基礎(chǔ)。雖然本發(fā)明所揭露的實(shí)施方式如上，但上述內(nèi)容只是為了便于理解本發(fā)明而采用的實(shí)施方式，并非用以限定本發(fā)明。在不脫離本發(fā)明所揭露的精神及范圍的前提下，可在實(shí)施的形式上及細(xì)節(jié)上作任何的修飾與變化，但本發(fā)明的專(zhuān)利保護(hù)范圍，仍須以所附的權(quán)利要求書(shū)所界定的范圍為準(zhǔn)。當(dāng)前第1頁(yè)1 2 3