CN104161505A - 一种适用于可穿戴式心率监测设备的运动和噪声干扰消除方法 - Google Patents

Abstract

本发明公开了一种去除运动噪声干扰的方法，适用于基于光电容积脉搏波描记法的可穿戴式心率监测设备，能有效的消除运动噪声干扰，提高心率值的监测精度。方法融合了归一化最小均方差(NLMS)自适应滤波器和Mallat算法，选用由三轴加速度计及陀螺仪组成的六轴加速度信号作为自适应滤波器的运动参考信号，消除运动部分噪声干扰。该发明充分考虑到了算法的复杂度及计算量，利用运动噪声频率与心率噪声同频，其他噪声与心率噪声频率无重叠的特征，结合两种高效且复杂度低的算法，使不同噪声逐步滤除，达到实时计算心率的目的。方法的低复杂度保证了方法在可穿戴心率监测设备的可实施性。

Description

一种适用于可穿戴式心率监测设备的运动和噪声干扰消除方法

技术领域

本发明涉及信号处理领域，是一种去除运动和噪声干扰的方法，融合了归一化最小均分差(NLMS)自适应滤波器和Mallat算法，适用于基于光电容积脉搏波描记法的可穿戴式心率监测设备，能有效的消除运动和噪声干扰，提高心率监测值的精度。

背景技术

心率是指人体心脏每分钟搏动的次数。在人体参数检测中，心率是一个非常重要的生理指标，为医学诊断提供参考。同时，心率也可作为人体运动生理负荷的客观评定指标，已经广泛地用于健身运动、竞技体育训练的各个方面。目前，心率监测仪仍然存在很多限制，指夹式心率监测需要被测者在测量保持静止，ECG电极心率监测需要将电极片贴于皮肤固定位置监测心率，难以满足未来电子健康监测、可穿戴设备等的要求，因此随时随地提取人的心率数据就显得尤为重要。

光电容积脉搏波描记法(Photoplethysmography,PPG)是借助光电手段在活体组织中检测血液容积变化的一种无创检测方法。当一定波长的光束照射到皮肤表面时，光束将通过透射或反射的方式传送到光电接收器。在此过程中，由于受到皮肤肌肉和血液的吸收衰减作用，检测器检测到的光强度将减弱，其中皮肤、肌肉、组织等对光的吸收在整个血液循环中是保持恒定不变的，而皮肤内的血液容积在心脏作用下呈搏动性变化。当心脏收缩时，外围血管血容量最多，光吸收量也最大，检测到的光强度最小；而在心脏舒张时，外围血管血容量最少，检测到的光强度最大，使光电接收器检测到的光强度随之呈脉动式变化。将此光强度变化的信号转换成电信号，便可以获得容积脉搏血流的变化。心率可以通过对电信号的节律、周期、振幅分析计算获得。PPG传感器通常比较小，适合嵌入到可穿戴设备中。因此，可穿戴心率实时监测可以通过采集、分析、处理PPG信号实现。

然而，通过处理PPG信号计算心率仍存在很多挑战。由于PPG信号是从皮肤表面提取的生物信号，它的信号强度弱、易受干扰，工频噪声、环境噪声、运动噪声等都会对采集的信号质量造成很大影响，并难以滤除。运动噪声干扰是由运动中组织干扰、静脉血容量以及光程变化导致的，由于运动噪声的主要频率在很多情况下会与心率的频率发生重叠，在多种噪声中，最难以消除。

目前，伴随着可穿戴设备的兴起，针对运动和噪声去除的研究开始增加。算法可以分为分为两类，离线算法及自适应滤波算法。离线算法中，独立成分分析方法(ICA)，小波变换算法，经典模式分解方法(EMD)等都被广泛使用，拥有去噪效果好，计算精度高的优势，但是这类算法的复杂度很高，需要对大量的离线原始数据寻找规律进行处理，使计算量增大，不适用于可穿戴设备实时监测计算心率。自适应滤波器可以在没有先验统计规律的前提下，根据参考信号实时调整滤波器参数，动态去除噪声。Ram M R等人提出的基于离线参考信号的Adaptive Step-sizeLeast Mean Squares(AS-LMS)自适应滤波器算法虽然可以可实现实时去噪，但选用的离线参考信号数据量仍然很大，对可穿戴设备的计算能力要求较高，难以实现。Han H等人提出的NLMS自适应滤波去噪方案利用三轴加速度计采集的信号作为滤波器参考信号，根据运动加速度与运动噪声干扰的强相关性消除噪声干扰，在该方案中，设备从手指采集信号，体积较大，不便于佩戴。

发明内容

本发明的目的是针对现有技术的不足，提出一种去除运动噪声干扰的方法，实现基于可穿戴设备的实时心率监测及计算。该方法从频域的角度出发，结合了归一化最小均方误差(NLMS)自适应滤波器和Mallat算法，分别消除与心率频率重叠的运动干扰和与心率不同频率的其他噪声干扰。本算法的特征在于，NLMS自适应滤波器采用三轴加速度计及陀螺仪组成的六轴加速度信号作为自适应滤波器的运动参考信号，提高运动噪声去除的精度，同时，两种算法的融合降低了机制的复杂度，减小了运算量，更适用于可穿戴设备。

1、融合了六轴加速度计的PPG心率监测设备

本发明中，为了提供一个适合去除干扰方法运行的实验环境，我们设计并提供了一个融合了三轴加速度计和陀螺仪的无线可穿戴腕部PPG心率监测设备。设备由四个模块组成，数据采集模块、信号处理模块、显示模块和通信模块。数据采集模块主要完成信号采集，包括腕部六轴加速度信号及原始心率信号。信号处理模块通过微处理芯片控制，采用发明提出的运动噪声干扰去除方法，实现对采集信号的实时去噪，并计算心率值。显示模块可以以设定的更新速度刷新实时心率值，并画出心率信号波形。通信模块可以通过蓝牙芯片实现数据的传送。

2、运动噪声干扰去除方法

通过PPG心率监测设备采集的信号有效成分常被运动噪声等干扰覆盖，难以滤除并获得纯净的PPG信号。经过阅读相关文献，总结了多种信号频率范围。在步行、跑步及其他运动情况下，手部运动频率范围集中在0-4HZ。在静止情况下，心率频率范围为1-2HZ，呼吸频率范围在0.2-0.3HZ，在运动情况下，心率频率范围为2-3HZ，呼吸频率范围在0.33-0.5HZ。由此可见，手部运动频率与心率频率范围发生重叠，而如呼吸所导致的其他噪声频率范围与心率频率不同，一个带通滤波器或自适应滤波器不能同时消除与心率噪声同频及不同频的噪声，提取纯净的PPG信号。

因此，本发明将NLMS自适应滤波算法及Mallat算法结合，分别消除与心率频率重叠的运动干扰和与心率不同频率的噪声干扰。自适应滤波器可在无先验统计规律的情况下，根据参考信号与欲滤除信号的相关性，最大近似计算欲滤除信号，获得最佳滤波后信号。NLMS自适应滤波器是以去噪前后信号差值为最小均方差为原则，进行近似计算，具有阶数低、收敛速度快的优势。Mallat算法即为二阶离散小波变换，具有多分辨多层分解的特征，可视为多阶低通高通滤波器融合，在不同频率尺度上，对信号进行分解重构，保留特定频段内的信号。

本发明提出的运动噪声干扰去除机制具体去除运动噪声干扰流程如下：

A.由可穿戴设备的六轴加速度计及PPG传感器采集运动加速度信号及包括多部分干扰的心率信号。

B.以六轴加速度信号为参考信号，通过NLMS自适应滤波器对心率信号进行处理，以处理前后信号差值满足最小均方差为原则，动态归一化调整滤波器参数,滤除与运动相关的噪声干扰，保留了夹杂其他噪声的心率信号。

C.通过Mallat算法，对NLMS滤除噪声后的信号进一步处理。以db9为小波基进行四层分解重构，通过与原始信号的相关性检测，选择最优近似心率信号。

D.记录标记信号峰值，利用逐差法，计算每秒心率波峰值个数获得心率值。

在本发明中，限定有效的原始信号由手腕部采集，包括两部分，六轴加速度计采集的记录运动状态的加速度信号，PPG传感器采集的包含多种噪声的心率信号。与现有技术相比，选用了精度更高的六轴加速度信号作为自适应滤波器的参考信号，提高运动噪声去除精度。两种低复杂度算法的融合来分别滤除与心率频率范围重叠和不重叠两部分，减小了计算量，更适合在可穿戴设备中实现，在该方法中，信号采集设定为手腕，更适合可穿戴式心率监测。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1为融合了六轴加速度计的PPG心率监测设备框架图，介绍了设备的四个模块及模块组成。

图2为六轴加速度计六轴方向示意图。

图3为去除运动噪声干扰方法的工作原理图，包括了信号处理流程及处理机制。

图4为Mallat算法的分层处理结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本实例中基于PPG信号的可穿戴心率监测设备的结构如图1所示。由数据采集模块、信号处理模块、显示模块及通信模块组成。多个模块间的协同及运算处理由同一微型处理器控制。

数据采集模块由一个近红外光发光管，一个光接收管，一个三轴加速度传感器及一个陀螺仪组成。发光的强度和时长频率由微型处理器控制。可以将三轴加速度传感器和陀螺仪看作一个六轴加速度计，六轴方向如图2所示。经过角度校正算法的处理，重力加速度噪声的重力干扰被消除，六轴加速度可能更精准的记录运动情况，适应范围更广泛。

信息处理模块包括低通放大滤波器、A/D转换器及运动噪声干扰去除核心方法。由于通过采集模块获得信号微弱并混合着多种噪声，因此在A/D转换前，加入了一个低通放大滤波器，提高信号质量及强度。显示模块为一块LED屏幕，可以实时显示心率值并绘制心率波形图。通信模块可将数据通过蓝牙模块传送到一台计算机上，用于离线的处理与监测。

在心率监测时，将心率监测设备贴近佩戴在腕部，进行常规日常运动。基于图3所示的运动噪声干扰消除方法工作原理，具体步骤如下：

A.由PPG传感器采集原始信号，包括PPG信号S(n)、运动噪声干扰M(n)及其他噪声干扰N(n),由三轴加速度信号采集的加速度信号及陀螺仪采集的角度信号经角度校正算法计算，获得六轴加速度信号X(n)。

B.X(n)作为NLMS自适应滤波器的参考信号，通过自适应滤波器的处理，计算获得最大程度近似运动干扰信号M’(n)。信号通过自适应滤波器去除运动干扰前后差值为e(n)。算法根据归一化最小均方差原则进行运算，e(n)均方值最小即为去噪效果最佳。信号向量X(n)的能量，参数μn及γ归一化计算获得的步长，差值e(n)通过下面所示公式，动态改变第n次滤波时的NLMS自适应滤波器系数W(n)。

e(n)＝S(n)+M(n)-M'(n)+N(n)

$W(n+1)=W\left(n\right)+\frac{{\mathrm{\μ}}_n}{\mathrm{\γ}+X^T\left(n\right)X\left(n\right)}e\left(n\right)X\left(n\right)$

C.Mallat算法多分辨率滤波原理如图4所示。e(n)作为Mallat算法输入信号，以db9为小波基函数，进行四层分解重构，经过相关性验证，选择第四层低频信号作为近似心率信号。

D.寻找并记录近似心率信号的峰值点，利用逐差法计算每分钟心跳次数，记作心率值。

采集一组原始信号，由通信模块传出，亦可按照本发明中运动噪声干扰去除方法离线在计算机上进行处理。NLMS自适应滤波器可有效消除信号中由于运动干扰的导致基线漂移，使信号强度趋于稳定。Mallat算法可将多种噪声(如高频的工频噪声或低频的呼吸噪声等)消除，留下平滑的近似心率信号，峰值清晰，便于提高心率值的监测精度。

Claims (3)

1.一种适用于可穿戴式心率检测设备的运动噪声干扰消除方法，其在采集信号、去除运动噪声干扰和计算心率值过程中的特征包括：

A.由光电容积脉搏波(PPG)传感器及运动传感器在手腕处采集心率监测过程中的原始信号；

B.将原始的PPG信号及运动参考信号通过归一化最小均方差(NLMS)自适应滤波器，消除运动干扰；

C.利用Mallat算法消除其他噪声干扰；

D.寻找并记录信号的峰值点，利用逐差法计算每分钟心跳次数，记为心率值。

2.如权利要求1所述方法，NLMS自适应滤波器的特征在于，选用由三轴加速度计及陀螺仪组成的六轴加速度信号作为运动参考信号，可以同时准确记录运动的三轴腕部加速度及三轴腕部运动角度，根据归一化最小均方差原则，不断更新滤波系数，消除与运动相关的噪声干扰，滤波系数动态修改公式如下：

$W(n+1)=W\left(n\right)+\frac{{\mathrm{\μ}}_n}{\mathrm{\γ}+X^T\left(n\right)X\left(n\right)}e\left(n\right)X(n,$

其中W(n)为第n次滤波系数，X(n)为PPG原始信号，参数及μn及γ归一化计算步长，e(n)为第n次以六轴加速度信号为运动参考信号的NLMS自适应滤波前后的信号差量。

3.如权利要求1所述方法，Mallat算法的特征在于，选用了经过NLMS自适应滤波器处理后的信号作为处理信号，通过db9小波基进行四层分解重构，消除剩余噪声干扰，以四层低频信号为近似心率信号。