基于多通道PPG信號的心率測量研究.pdf

1、從第一聲心臟跳動開始計數(shù)，每分鐘跳動的次數(shù)被定義為心率。在生理參數(shù)檢測中，心率可用于監(jiān)測人體每日的運動量是否超標(biāo)，也能夠為醫(yī)學(xué)診斷提供參考。因此，它已被廣泛地應(yīng)用于健身運動、競技比賽以及體育訓(xùn)練的各個方面。近年來，隨著各式各樣的可穿戴智能設(shè)備的興起以及人們對于自身健康狀況的重視，基于光電容積脈搏波(Photoplethysmography，PPG)信號的心率測量方法引起了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。同時，基于PPG信號的心率測量方法具有成

2、本較低、硬件實現(xiàn)簡單以及不需要參考傳感器等優(yōu)勢。但是PPG信號是從人體組織表面提取的生物信號，其信號強度弱，易受到劇烈運動所引起的運動噪聲的干擾，進而降低心率測量結(jié)果的可靠性和精確度。因此，如何消除PPG信號中運動噪聲對進行可靠的心率測量具有挑戰(zhàn)性。
　　在大量文獻資料調(diào)研和總結(jié)的基礎(chǔ)上，針對現(xiàn)有基于PPG信號的心率測量算法的不足，本文提出三種魯棒性的基于多通道PPG信號的心率測量算法:
　　(1)考慮到PPG信號本身的稀疏

3、性以及運動加速度信號與運動噪聲信號之間的強相關(guān)性，本文提出了一個基于多通道頻譜矩陣分解的心率測量算法。該算法首先構(gòu)建同一時間段內(nèi)的多通道PPG信號和運動加速度信號的頻譜矩陣;其次將該頻譜矩陣分解成運動噪聲頻譜矩陣和真實PPG信號頻譜矩陣;然后結(jié)合壓縮感知的方法，將PPG信號中運動噪聲的去除過程建模為多通道頻譜矩陣分解模型，并采用近端梯度加速算法(APG)優(yōu)化模型的目標(biāo)函數(shù);最后利用新穎的譜峰跟蹤方法估計真實PPG信號頻譜中的正確心率譜峰

4、，進而實現(xiàn)心率的準確測量。
　　(2)現(xiàn)有的大部分基于PPG信號的心率測量方法在譜峰跟蹤階段大多采用啟發(fā)式方法定位心率譜峰。然而，此類方法的設(shè)計中包含較多的人工調(diào)節(jié)參數(shù)，易減弱基于PPG信號的心率測量方法的泛化性能和魯棒性。為解決上述難題，一種基于支持向量機(SVM)的心率測量算法被提出。該算法首先采用主成分分析法(PCA)對運動加速度信號進行處理，獲得運動噪聲相關(guān)的參考信號;其次，通過不斷更新最小均方自適應(yīng)濾波器(LMS-ANC

5、)的濾波權(quán)重消除PPG信號中的部分運動噪聲;然后利用壓縮感知的方法和頻譜矩陣的行稀疏特性，將進一步的去噪過程建模為一個稀疏信號重構(gòu)模型，并采用正則化M-FOCUSS方法求解該模型;結(jié)合譜減法，獲得進一步去除運動噪聲后的多通道PPG信號頻譜;最后利用基于SVM的心率譜峰跟蹤方法定位出心率所對應(yīng)的正確譜峰。
　　(3)僅僅考慮提高去噪性能和心率測量的準確率，本文還研究了一個基于聯(lián)合稀疏譜重構(gòu)的線下心率測量算法。該算法首先利用多通道PP

6、G信號和同步運動加速度信號構(gòu)建頻譜矩陣;其次，依據(jù)PPG信號本身的稀疏性以及運動加速度信號與運動噪聲信號之間的強相關(guān)性提取該頻譜矩陣的全局稀疏特征和行稀疏特征;然后結(jié)合壓縮感知的方法，將PPG信號中運動噪聲的去除過程建模為聯(lián)合稀疏譜重構(gòu)模型，并采用不精確增廣拉格朗日乘子法(IALM)優(yōu)化模型的目標(biāo)函數(shù);最后也是利用譜減法對PPG信號頻譜中的運動噪聲進行消除，輸出準確的估計心率。
　　在大量公開的PPG數(shù)據(jù)集上測試上述三種心率測量算