（通信与信息系统专业论文）血压无线传感器节点设计及信号检测算法研究.pdf

重庆邮电大学硕士论文 摘要 摘要 血压是反映心血管系统状态的重要的生理参数。本论文重点研究血压信号的 采集，处理和短距离无线传输的实现方案。 论文分析了血压信号的示波法检测机制，并对示波法做出了一些改进，提出 了脉搏波信号的提取方法及其峰值舍取的算法，设计了血压信号检测无线传感器 节点的硬件平台以及软件系统在硬件平台上的实现方法，给出了信号的短距离无 线传输方案。 示波法是根据在袖带内压力下脉搏波幅度变化的特征，来识别动脉收缩压、 平均压及舒张压。从脉搏波随袖压的变化曲线中，我们可以直接得到动脉平均压， 但是，并不能直接得到收缩压和舒张压的值，收缩压和舒张压必须通过相应的算 法来计算得到，本文中示波法测量收缩压和舒张压的判断标准采用改进后的幅度 系数法。 算法方面，考虑到静压力信号与脉搏波信号分离的硬件电路的滤波效果局限 性，需要软件算法进行信号处理与分析，为了得到更加准确的脉搏波动信号，文 中采用数学形态滤波器分离脉搏波信号，模糊逻辑算法来实现脉搏波峰值的舍取， 实现改进后的幅度系数算法，求得血压值；硬件实现方面，以m s p 4 3 0 单片机为信 号处理与系统控制核心，通过p w m 端口输出信号控制气泵的充气速度、气阀的放 气速度，设定采样频率，从而得到最理想化的采样数据，并通过z i g b e e 无线通信模 块实现信号的短距离无线传输。 通过实验验证，论文提出的数学形态滤波器滤波方法和模糊逻辑算法在血压 检测过程中具有可行性；节点设计方案符合低功耗的原则，为身体传感器网络的 构建奠定了基础。 关键词：血压，示波法，数学形态滤波，模糊逻辑算法，短距离无线通信 重庆邮电大学硕士论文 a b s t r a c t a b s t r a c t t h eb l o o dp r e s s u r ei so n eo fi m p o r t a n tp h y s i o l o g i c a lp a r a m e t e r sw h i c hi sa r e f l e c t i o no ft h ec a r d i o v a s c u l a rs y s t e ms t a t e t h i sd i s s e r t a t i o nf o c u s e so nt h er e s e a r c h o ft h er e a l i z a t i o ns c h e m eo fa c q u i s i t i o n ，p r o c e s s i n ga n d s h o r t - r a n g ew i r e l e s s t r a n s m i s s i o nf o rt h ep a r a m e t e ro ft h eb l o o dp r e s s u r es i g n a l t h i sd i s s e r t a t i o ni n t r o d u c e st h ed e t e c t i o np r i n c i p l eo fo s c i l l o m e t r i cm e t h o df o rt h e b l o o dp r e s s u r es i g n a l ，a n dm a k e ss o m ei m p r o v e m e n t sf o rt h em e t h o d ，a n dp u t sf o r w a r d t h em e t h o df o rt h ee x t r a c t i o no ft h ep u l s ew a v es i g n a la n dt h ea l g o r i t h m st os e l e c to r d i s c a r dt h e i rp e a k sv a l u e i td e s i g n st h eh a r d w a r ep l a t f o r mo fw i r e l e s ss e n s o rn o d ef o r t h ed e t e c t i o no fb l o o dp r e s s u r e ，a n dt h er e a l i z a t i o no fs o f t w a r es y s t e mo nh a r d w a r e p l a t f o r m t h eo s c i l l o m e t r i cm e t h o dc a ni d e n t i f yt h es y s t o l i cb l o o dp r e s s u r e ，d i a s t o l i cp r e s s u r e a n dm e a na r t e r i a lp r e s s u r e ，w h i c hi sb a s e do nt h ea m p l i t u d ev a r i a t i o no ft h ep u l s ew a v e t h a ti sp r o d u c e du n d e rt h ep r e s s u r eo ft h ec u f f s f r o mt h ec h a n g e so fp u l s ew a v e c u r v e sw i t ht h ep r e s s u r eo ft h ec u f f s ，w ec a nd i r e c t l yg e tt h ev a l u eo ft h ea v e r a g e p r e s s u r ew i t h o u tt h es y s t o l i ca n dd i a s t o l i cp r e s s u r e ，t h e ym u s tb ec a l c u l a t e dt h r o u g h t h ec o r r e s p o n d i n ga l g o r i t h m i nt h i sd i s s e r t a t i o n , t h em e a s u r i n gs t a n d a r df o rt h e s y s t o l i ca n dd i a s t o l i cp r e s s u r ea d o p t st h ei m p r o v e da m p l i t u d ec o e f f i c i e n tm e t h o d i nt h ea l g o r i t h mr e s p e c t ，c o n s i d e r i n gl i m i t a t i o n so ft h ee f f e c to ft h eh a r d w a r e f i l t e r i n gc i r c u i tw h i c hi su s e dt os e p a r a t et h es t a t i cp r e s s u r es i g n a la n dt h ep u l s ew a v e s i g n a l ，i no r d e rt og e tm o r ea c c u r a t ep u l s ew a v es i g n a l ，w ep u tf o r w a r dt h e m a t h e m a t i c a lm o r p h o l o g yf i l t e rt oe x t r a c tt h ep u l s ew a v es i g n a l ，a n dt h ef u z z yl o g i c a l g o r i t h mi sp r o p o s e dt oe a r l yo u tt h es e l e c t i o no ft h e i rp e a k sv a l u e ，a n dt h ei m p r o v e d a m p l i t u d ec o e f f i c i e n ta l g o r i t h mi sc a r r i e do u tt og e tt h eb l o o dp r e s s u r ev a l u e i nt h e r e a l i z a t i o no fh a r d w a r er e s p e c t ，w i t hm s p 4 3 0m i c r o c o n t r o l l e r 嬲t h ec o r eo ft h es i g n a l p r o c e s s i n ga n ds y s t e mc o n t r o l ，i tc o n t r o l st h ea e r a t i o ns p e e do ft h ea i rp u m pa n dt h e d e f l a t i o ns p e e do ft h ea i r - v a l v eb yt h ep w m p o r t s ，s e t st h es a m p l i n gf r e q u e n c y , t h u s o b t a i n st h em o s ti d e a l i s t i cs a m p l e dd a t a ，a n di tr e a l i z e s t h e s h o r t r a n g ew i r e l e s s t r a n s m i s s i o nb yz i g b e ec o m m u n i c a t i o nm o d u l e t h r o u g he x p e r i m e n t s ，i tv a l i d a t e st h a tt h em e t h o do fm a t h e m a t i c a lm o r p h o l o g y f i l t e ra n dt h ef u z z yl o g i ca l g o r i t h m p r o p o s e di nt h ed i s s e r t a t i o ni sf e a s i b l e t h es c h e m e f o rn o d ed e s i g ni sa c c o r dw i t ht h ep r i n c i p l eo fl o wp o w e r ，a n di tl i e st h ef o u n d a t i o nf o r t h ec o n s t r u c t i o no fb o d ys e n s o rn e t w o r k k e y w o r d s ：b l o o dp r e s s u r e ，o s c i l l o m e t r i cm e t h o d ，m a t h e m a t i c a lm o r p h o l o g yf i l t e r i n g ， f u z z yl o g i ca l g o r i t h m ，s h o r t - r a n g ew i r e l e s sc o m m u n i c a t i o n 重庆邮电大学硕士论文 第一章绪论 1 1 课题背景及研究意义 第一章绪论 在过去的十年里，半导体工业的发展，极大的降低了元件成本，且更加的微 型化，从而可以创造出成本低但满足处理需求的”针头”式计算机，便于大量使用。 而且，在未来的二十年里，随着元件体积进一步变小以及增强的处理能力，计算 机也将更小更便宜。同样，由于无线通信、传感器设计、以及能量存储等技术的 发展，真正的无处不在的无线传感器网络( w s n ，w i r e l e s ss e n s o rn e t w o r k k ) 这一 概念正迅速成为现实。当前已经设计出了具备片上处理能力和无线数据传输能力 的毫米级微集成传感器，是无线传感器网络的基本组件。于是，有关于w s n 的 应用被陆续提出，这些应用很可能改变人类日常生活的方方面面【l 】。 目前，无线传感器网络出现了三类新的应用【2 】：第一，用于监测环境( 包括 室内，室外，城区，农村) 和反映物体( 如机器、建筑) 之间以及物体与环境之 间的相互作用。比如，英国石油公司( b r i t i s hp e t r o l e u m ，b p ) 十分重视无线传感器网 络技术的巨大潜力，其在最近开始建立了一个实验性的无线传感器网就是一个例 子。该网络可以监测精炼厂的】设备仪器，可以测量出设备的非正常震动，提醒工 程师在设备损坏之前修复潜在的故障。于此同时，英国石油公司还着手研究远距 离无线传感器网，用来监测远程客户的油箱饱满度。他们准备通过放置在油箱底 部的超声传感器来检测饱满度，并将数据通过近地卫星发送到控制中心，从而提 醒用户在油量耗完之前重新输油。否则，如果通过有线传感器网络覆盖如此大的 范围，价格将十分昂贵，技术上也难以实现，而且几乎不能持久。 另一个已提出的无线传感器网络应用是普林斯顿大学的“z e b r a n e t ”项目， 其目的是为了建立一个具有高带宽和强计算能力的a d h o c 网络，可以监控非洲斑 马的长途迁徙、种间关系及其夜间行为。如果没有无线传感器网，完成这个艰巨 的任务将是难以想象的。 然而，无线传感器网络技术在继续用于上述场合的同时，并未特意用来解决 与人体监测相关的问题。人体具备一个相当复杂内部的环境，并且还要与外部环 境相互作用。某种程度上而言，人体仍然是“孤立 的个体。人体监测可能通过 贴在体表或植入血管的无线传感器网络实现。实事上，尽管人体环境规模相对较 小，却经常需要许多不同类型的监测，随之产生的问题就不同于无线传感器网。 由于现有的w s n 对人体及其内部环境的监测效果不很理想，因此需要开发新型 重庆邮电大学硕士论文 第一章绪论 的无线身体传感器网络( b s n ，b o d ys e n s o rn e t w o r k ) 平台。 无线身体传感器网络体系是为了建立一套用于无处不在地监测的通用方法开 发标准，特别是可移植、可穿戴的传感器无线网络设计。图1 1 表示一个简单无 线身体传感器网络体系。病人全身贴着带有处理器，无线收发和电源的传感器节 点，节点之间形成身体传感器网，这样实现了家庭，办公室或者医院等不同环境 下的无缝覆盖。传感器节点保证数据的准确捕获，初级处理，并将信息通过无线 方式传输到本地处理单元( l p u ，l o c a lp r o c e s o ru n i t ) 。本地处理单元收集来自所有 传感器节点的数据，做进一步的数据处理和数据融合。然后通过无线局域网 f w l a n ) ，蓝牙或者移动通信g x j ( g p r s 或3 g ) 将这些数据发送到中心监护服务站。 所以说，体域网既包括近距离的组网，如身体上佩戴的不同的传感器把体征信息 传输到s i n k 节点，又包含远程联网，如通过移动通信网络将体征信息发送到中 心监护服务站【3 1 。 图1 1 简单无线身体传感器网络体系 身体传感器网络体系可以检测多种生命体征参数( 心音、心电、血压、血氧 饱和度、呼吸音) ，血压信号就是其中最重要的一种体征参数，并且是反映心血 管系统状态的重要的生理参数之一。 随着人们生活水平的提高，生活环境的改变，近年来我国在疾病的流行趋势 上发生了显著的变化【4 】。与人们生活方式密切相关的疾病已成为危害人们健康的 重要因素，其中名列首位的就是高血压疾病，在我国高血压患者占总人口的1 1 ， 而且呈逐年上升趋势。因此，血压测量在临床诊断和家庭保健中变得越来越重要。 我国人口众多，但医疗卫生资源十分匮乏。而且，有限的医疗资源又分布不 均衡，其中8 0 在城市，2 0 在农村。传统的基于p c 机平台的多参数生命体征 2 重庆邮电大学硕士论文 第一章绪论 信号监测装置，价格昂贵，体积庞大，不便于移动，对测量环境要求严格，且主 要集中在大医院，各种连接线的束缚令病人感觉不适，也会降低医生的工作效率 【5 1 。连接线的长度还大大降低了病人的活动范围，不便于进行长时间的实时监护， 给医生和病人带来了很大的不便。综合这两方面的考虑，这严重阻碍了传统的医 疗监护系统的使用，促使我们研究新的监护系统来解决这些问题。 无线传感器节点以其功耗低、体积小、无线传输、便于携带等优点逐渐渗入 到医疗应用领域，顺应了医疗模式发展的需求【6 】。借助于医疗传感器网络，人们 可以享受到更方便、更舒适的医疗服务，有助于我们更加从容地应对即将到来的 老龄化社会；改善医患之间的关系；顺应了人们想要提高医疗服务质量、给患者 提供一个更加友好的监测和治疗方式、提高患者生活质量的要求。 本文所提出的个性化血压无线传感器节点就是身体无线传感器网络体系的 一部分，针对它的研究和设计具有非常重要的意义： 首先，身体无线传感器网络体系作为一个w s n 和生物医疗领域相结合的新 领域，血压检测是其中最重要的参数之一，本文设计的血压无线传感器节点是整 个b s n 体系的基础。 其次，针对血压信号测量方式的多样化，通过比较各种方式的优缺点，本文 选择示波法，并对示波法做了改进，可以作为今后血压测量的一种很好的方式， 而且本文对血压信号的去噪方法、特征点的提取算法及血压值的计算方法做了研 究，具有一定应用价值。 最后，节点设计小巧便于携带，尽可能的不会影响到测试者的日常生活和行 动，负责采集携带者的血压信号，随后将采集到的数据通过无线传输模块经区域 内固定的网络基站向服务器、医生、亲人等发送预设消息。本文所做的工作正是 未来能够实现b s n 体系设计中的芯片的自主化、产品化的前期工作，也是不可缺 少的一个环节。 1 2 无线传感器网络概述 无线传感器网络( w i r e l e s ss e n s o rn e t w o r k ，w s n ) 就是由部署在监测区域内 大量的廉价微型传感器节点组成，通过无线通信方式形成的一个多跳的自组织的 网络系统，其目的是协作地感知、采集和处理网络覆盖区域中被感知对象的信息， 并发送给观察者，无线传感器网络的三个要素是：传感器、感知对象和观察者【7 1 。 3 重庆邮电大学硕士论文 第一章绪论 1 2 1 无线传感器网络的研究现状 对无线传感器网络的研究从上世纪九十年代开始，九十年代末至本世纪初兴 起，从芯片的设计、硬件平台的搭建，到对物理、媒体接入、路由层协议以及跨 层设计的研究，都是研究机构和企业关注的热点，传感器网络的挑战性为研究人 员提供了广阔的研究空间。美国国防先进研究计划局于2 0 0 1 年资助加州伯克利大 学开发了名为“s m a r td u s t 智能灰尘的无线传感器开发系统。在2 0 0 3 年度的自 然科学基金自主的专题中，便有一个是传感器与传感器系统及网络，拨款额度达 到三千四百万美元。美国的很多大学都已开展传感器网络的研究。加州大学伯克 利分校( u n i v e r s i t yo fc a l i f o r n i a ，b e r k e l e y ) 研制的传感器系统m i c a 、m i c a 2 、 m i c a 2 d o t 已被广泛地用于低能无线传感器网络的研究和开发。麻省理工学院 ( m a s s a c h u s e t t si n s t i t u t eo f t e c h n o l o g y ) 致力于基于知识的信号处理技术。在其它 国家和地区，如欧洲、日本、澳大利亚也开展了不少关于传感器及传感器网络的 研究工作【8 1 。 1 2 2 无线传感器网络的组成和基本特点 无线传感器网络通常由四个部分组成：传感器节点、汇聚节点、外部网络和 用户界面。示意图如图1 4 所示。 用户 传感器节点传感器区域 图1 4 w s n 组成 传感器节点主要是负责采集相关数据，进行数据的初步处理；接收监护中心 的数据请求发送命令将节点采集到的数据发往监护中心。一般的传感器节点要兼 顾传统网络节点终端和路由器的双重功能，收集本地信息及处理数据、存储、管 4 重庆邮电大学硕士论文 第一章绪论 理和融合其他节点转发来的数据，同时与其他节点协作完成一些特定任务。 汇聚节点的功能相当于网关，主要负责连接传感器网络与i n t e m e t 等外部网 络，实现两种通信协议之间的协议转换，同时发布处理节点的监测任务，并把收 集的数据转发到外部网络。 用户界面是人机交互的接口，通过用户界面的直观显示，使用者可以随时了 解各个传感器节点采集到的数据信息、网络的通信状况，控制网络数据的流通等。 无线传感器网络与传统的无线网络相比，最大的区别在于二者的设计目的不 同。传统无线网络的首要设计目标是提供高的服务质量和高效的带宽利用，其次 才考虑节约能源；而传感器网络的首要设计目标是节点能量的高效使用。因此综 合而言，无线传感器网络具有如下特点【9 】： 1 ) 低速率。传感器网络通常只需定期传输诸如温度、湿度之类的传感器数据， 数据量小，采集数据频率低。 2 ) 近距离。两个传感器节点之间的距离通常在几十米到几百米之间。 3 ) 低功耗。传感器网络节点体积微小，通常携带能量有限的电池，而且分布 区域广，环境复杂，有些区域甚至人员无法到达，通过更换电池的方式来补充能 量是不现实的，因此要求节点具有极低的功耗。 4 ) 网络容量大。要求网络能够容纳上千甚至上万的节点。 5 ) 动态组网。传感器网络地处复杂的地理环境，环境干扰和能量的耗尽，容 易造成节点故障，因此要求传感器网络具有自组织、自愈特性，即动态组网功能。 6 ) 低成本。传感器网络节点多，一旦布置到监测区域后，就不再回收，因此 要求成本低廉。 1 2 3 本课题无线传输方式的选择 表1 1 列出了几种常见的无线通信技术的特点【l o 】。 表1 1 几种常见的无线通信技术 无线技术频率通信距离m功耗 传输速率k b p s 蓝牙 2 4 g h z1 0 低 1 0 0 0 w i f i2 4 g r h z 1 0 0 高 1 1 0 0 0 r f d5 0 k h z 5 8 g h z m 。h 和k 均为整数集合。 h 【n 指包含血压信号的数字化序列。k n 指结构元素序列。 h 被k 腐蚀：( 办 七) 【疗】2 艘玎 h t 甩+ 肌卜七 m b ( 2 - 1 0 ) 1 6 重庆邮电大学硕士论文 第二章血压信号的检测方法与信号分析 h 被k 膨胀：( 。后) 【刀】- 绔 j l z 印一聊卜七【m 】 n - i n c h h 被k 开：( ho 七) m = 办( 刀) 。七( 聆) = ( ( 朐后) o 尼) m h 被k 闭：( 乃七) 【甩】= 办( ，z ) 七( 玎) = ( ( o 七) o 七) m 2 2 2 数学形态滤波器在血压信号处理中的应用 ( 2 1 1 ) ( 2 1 2 ) ( 2 - 1 3 ) 在示波法的硬件实现过程中，要实现节点对血压信号的测量，首先我们必须 通过带通滤波电路把脉搏信号从静压信号中分离出来。然而，在软件仿真实现过 程中，需要用软件方法代替硬件电路实现脉搏波的分离，我们必须考虑到：由于 静压信号的频谱小于0 4 h z ，而脉搏信号的频率为lh z 左右，二者相距不大，所 以当按照线性滤波器方法( 如采用带宽为0 6 3 h z 的巴特沃思带通滤波器) 来进 行分离时，效果不是很好。因为对于各种线性滤波器，在其通带和阻带之间，必 然存在一个过渡带，它的宽度与滤波器的阶数成反比。就滤波效果而言，这个宽 度应该是越窄越好，然而，考虑到血压节点通常采用中低端的单片机作为其处理 内核，滤波器阶数的提高会大大降低程序的执行速度，因此，传统的线性滤波器 无法达到较理想的脉搏信号的分离效果；同时，由于加入了滤波器的环节，会改 变脉搏波相对幅值的大小和位置信息，从而最终影响所得血压值的精度【2 3 1 。 本文将数字形态滤波这种非线性滤波的方法应用于分离脉搏信号的过程中。 由于数学形态学是基于集合运算的，它提供的是一种有效的非线性的信号处理方 法，这种运算可以最大限度地保持信号真实的几何信息，因而它在分离脉搏信号 的过程中，能够达到很好的效果【2 4 。 ( 1 ) 结构元素的选取 采用数字形态滤波这种方法，必须要选取合适的结构元素。结构元素的选择 包括结构元素的宽度( 结构元素的定义域的宽度) ，高度( 结构元素的幅值) 和形状。 根据应用目的不同，通常选择不同的结构元素。比如在提取脉搏信号时，就要求 所采用的结构元素的长度，大于脉搏信号的最大宽度。另外，实践证明，采用与 需要保留的有效信号有着相似形状的结构元素，来进行滤波处理，能在滤波的同 时最大限度地保护有效信号。 综合以上考虑，本文在采样频率为2 5 h z 的情况下提取脉搏信号时，其脉搏 信号最大宽度为1 0 ，所以它采用的结构元素为：如k = z c r o s ( 1 ，1 0 ) ，这是一个直 线结构，它与静压信号的波形相似。 1 7 重庆邮电大学硕士论文 第二章血压信号的检测方法与信号分析 ( 2 ) 算法的选取与应用 采用数字形态滤波这种方法，还要选用合理的算法。其中，开运算常用来去 除信号中的波峰，闭运算则常用来填充信号中的波谷，但是，由于脉搏信号的提 取需要实时地进行，而闭运算又只能是从后往前计算，无法满足实时处理的要求， 且我们在做幅度系数法计算血压值的时候更关心脉搏信号的峰值而不是谷值【2 5 】。 所以，本文将采用开运算的方法，来去提取脉搏波，具体运算公式如式( 2 1 4 ) 所示。 y 2 ( n ) = y l ( 行) 一( y 1 ( ，2 ) o 七) o k ( 2 - 1 4 ) 其中，( y l ( 聆) o 七) o 尼是在y l ( n ) 的基础上，用结构元素k 对原始信号y l ( n ) 先 做腐蚀运算，再做膨胀运算( 也就是做了一次开运算) ，从而去除其中的脉搏信号 分量，然后，我们再从原始信号y 1 ( n ) 中把它扣除，这样，就可以得到脉搏信号 y 2 ( n ) 了。这一过程的具体实现如图2 4 、图2 5 和图2 7 所示。其中，图2 4 为原 始信号y l ( n ) ，图2 5 为y l ( n ) 用结构元素k 做开运算以后的信号，图2 7 为最后得 到的脉搏波y 2 ( n ) 。图2 6 和2 7 的脉搏波幅值做了归一化处理，其中，横坐标是 采样点，纵坐标是压力值。 当采用传统的线性滤波器来处理，如让原始采样信号通过截止频率为0 6 h z 和3 h z 的巴特沃斯型带通滤波器，所得的波形如图2 6 所示。比较两次滤波效果 图，可以发现，图2 6 中最大峰值点所在位置与图2 7 相比有一些差别，图2 6 中， 脉搏波的峰值信号比较尖锐，在后面的处理中不容易提取峰值信息，而在图2 7 中，脉搏波波形明显较2 6 中的要好，峰值处较平滑，峰值信息更加丰富，有利 于峰值的提取，因此，采用传统线性滤波器的方法，会产生较大的误差，给后面 的处理带来了很大的困难，影响了最终的精度。 巍1 0 j 【佰0 0 2 3 2 5 图2 4 原始信号图 05 0 0 1 0 口0 1 5 0 0 砌聊 图2 5 用结构元素k 做开运算以后的信号 重庆邮电大学硕士论文 第二章血压信号的检测方法与信号分析 晰 j il o5 0 01 0 0 01 5 0 02 0 0 02 5 0 0 图2 6 采用巴特沃斯型带通滤波器滤波后得到的脉搏波 图2 7 采用数学形态滤波器滤波后得到的脉搏波 ( 3 ) 数学形态滤波的快速算法 由于数学形态滤波器只由加法、减法和比较运算构成，其运算相对简单，因 此，它很适合于在计算功能相对较弱的单片微机上应用并能取得很好的效果。以 往单片微机由于受存储容量、计算速度及字长的限制而使大多数的数字滤波器较 难实现，而形态滤波器则为单片机应用数字滤波器代替以往的模拟滤波器提供了 一条新的途径。 为了进一步提高形态滤波器的处理速度，可采用合并计算的方法。以开运算 为例，开运算是由一个腐蚀运算后接着一个膨胀运算得到的。一般的方法是首先 对一段数据先进行腐蚀运算，然后，再回到这段数据的起始地址，重新进行膨胀 运算，最后得到开运算的结果。本文采用献 2 6 1 给出的一种只对这段数据运算一 遍，便可得到最后运算结果。下面简要介绍一下它的实现方法。 由腐蚀的定义可知，欲计算f 【n ) 的腐蚀值，需要知道该点前w ( w 为结构元 素的宽度) 点的数据；而要计算f ( n ) 膨胀后的结果，则需要知道该点后w 点的数 据。如图2 8 所示。 由于运算是一个腐蚀运算接着一个膨胀运算后得到的，在长度为l 的数据中 只有从第w 点到第( l w + 1 ) 点，才可以得到开运算的结果。 重庆邮电大学硕士论文 第二章血压信号的检测方法与信号分析 腐蚀运算 f ( n - w + 1 ) f ( n - d 卿f ( n + 1 )f ( n + w 1 ) 、， 膨胀运算 图2 8 数学形态滤波快速算法 我们定义一个模板序列，该序列的长度和结构元素的宽度相同。该模板的初 始值由前w 个点的腐蚀值组成。以第n 点为例，沿该点向前的方向对模板序列的 值进行膨胀运算，运算的结果即为该点的开运算的结果。同时，沿该点向后的方 向继续进行腐蚀运算，得到第( n + 1 ) 点的腐蚀值。将( n 十1 ) 点的腐蚀值作为模板序列 的最后一个点，并将模板序列前( w 1 ) 点顺次向前移动一个位置。更新后的模板值 即可用来做( n + 1 ) 点的膨胀运算，得到在( n + 1 ) 点的开运算值。如此继续下去，就可 完成全部的开运算。在做闭运算也可采用类似的方法来提高计算的速度。 这样，对长度为n 一段数据，用m 个零作为其结构元素进行处理时，当采 用一般方法进行计算，需要进行2 * m * n 次的比较运算。而当采用快速算法时， 能够在比较最大值的同时得到最小值，减少( n m + 1 ) 掌m 次比较运算，使程序的执 行速度提高了近一倍，而且，由于采用这种快速算法，可以实现脉搏信号的实时 提取，因此，它使得形态滤波这种方法，更加适合应用于电子血压计中。 2 3 脉搏波峰值的舍取 2 3 1 模糊逻辑 模糊逻辑，也称佛晰逻辑，是建立在多值逻辑基础上，运用模糊集合的方法 来研究模糊性思维、语言形式及其规律的学科。其实质是传统的二进制逻辑与人 工智能相结合形成的一种计算机算法，即：使计算机能够逼真地模拟人的推理功 能，依靠概率来处理不精确的值i z 。 模糊逻辑的优点主要在于它所采用的输入语言是不精确的，例如，提到“年 轻”时，究竟多少岁以下算年轻，超过这个岁数就算“不年轻 了，这个标准是 以每个人的主观感觉为依据，很难划一。但是，过去用教字计算机处理这样的概 念，就必须使其界限明确化才行。那么，对于某个年龄的人究竟他( 她) 年轻到 什么程度的问题，我们把年轻的程度用0 到l 之间的数值试着表示一下。例如，5 岁= 1 0 ，1 0 岁：o 9 ，1 5 岁= 0 8 ，2 0 岁= o 6 ，2 5 岁= o 4 。这就是模糊集合，由 于这些程度是构成集合的元素，因此使它们能对应起来的函数就称之为隶属函数。 重庆邮电大学硕士论文 第二章血压信号的检测方法与信号分析 和过去只由0 与l 构成的集合比较，模糊集合更加适应现实的实际感觉。这样一 来，就应当可以做到通过使用隶属函数，将不明确的事物变换成数值加以表现。 利用这种函数，使得我们平时使用不明确的信息进行的思考能够放在计算机上进 行。这一点应当归功于“模糊推论 。 “模糊推论 就是用“i f - t h e n ( 如果就) 的形式来描述规则，察看现 实的状态与此规则相适应的程度，并将补偿操作量加以输出。这种推论的最大特 征就是规则的i f 部分( 前件部分) 及t h e n 部分( 后件部分) 使用的是模糊集合。 包含有不明确表述的信息可以原样不变地放入。然而，隶属函数是以主观为依据 加以确定的，因此，如果确定这一函数的人是熟于其专业的专家，将该人的经验 及直感以不明确表述的原样输入，就有可能让计算机进行与该专家同样的操作， 这就是模糊推论的最大优点【2 引。 2 3 2 模糊逻辑在脉搏信号处理中的应用 在示波法测量血压过程中，主要有两个缺陷需要去克服。一是测量对象的移 动会影响脉搏波的实际振荡幅度值；二是如果被测量对象有心血管疾病，如心率 不齐，动脉硬化，高血压等，也会导致出现不准确的脉搏波幅度。这都会使示波 法测量血压出现不准确的结果。因此，本文采用模糊逻辑方法来提高测量的准确 性，降低人体移动带来的影响。 模糊逻辑的优点是它可以建立一个以经验为主的非线性生理系统模型、而不 是以明确的数学为基础；此外，因为模糊逻辑的基于语言规则的，所以模糊逻辑 的特征提取系统的实现是不困难的。下面我们介绍下模糊逻辑理论在示波法血压 测量过程中减d n 量干扰的过程。 示波法采集到的正常脉搏信号，其幅值变化规律应该是类似于抛物线的形状， 但是，由于干扰的存在，其中的某些搏动将会发生变化。根据相邻峰值的之间的 位置关系，就可以判断出哪个峰值该保留，哪个峰值该舍弃，这就是模糊逻辑的 作用。 如图2 9 所示，这是经过滤波器后得到的脉搏波波形图，其中，影响峰值保 留程度的关键因素有三个，即相邻2 个峰值与该峰值所成角度0 1 ( 如a a b c ， a n g l e l ) 、相邻4 个峰值与该峰值所成角度0 2 ( 如a d b e ，a n g l e 2 ) 以及峰值大 小( 因为最大峰值处有一个转折) 。 通常模糊推理要经过3 个步骤，即输入变量的模糊化( 确定隶属度函数) 、 依据规则进行逻辑推理和反模糊化【2 9 1 ，其推理过程如图2 1 0 所示。 2 l 重庆邮电大学硕士论文 第二章血压信号的检测方法与信号分析 图2 9 滤波后得到的脉搏波波形图 图2 1 0 模糊逻辑推理框图 ( 1 ) 确定隶属度函数 在现实的客观世界及工程领域中，人们通常将模糊现象处理成二值【o ，1 逻辑 状态，用它们的集合彳= “，x 2 ，毛，的特征函数来描述，即儿( 戈) = 1 1 0 , ，x 石芒a 彳i ， 这就是说，从某一状态到另一状态的这些现象( 因素) 有一明确的分界线，这种“一 刀切”的“刚性 处理是符合事实的【3 3 】。众所周知，零件从正常工作到失效存在 着一个渐变的连续中介过渡过程，应力引起的失效如此，其他条件引起的失效如 变形、磨损、速度、振动稳定性等也都是这样。因此，为了描述这些客观存在的 种种模糊现象，对这种确定的二值【o ，1 】逻辑状态进行模糊化处理，将图2 1 1 的特 征函数的取值范围扩大，由此产生了模糊集合a 的隶属函数的概念，或表示为 0 。( x ) 1 ，如图2 1 2 所示。在模糊设计中，常选用梯形和三角形分布为模糊 集合的隶属函数，如图2 1 3 所示。此外，还用到其他形状的隶属函数，如正态分 布隶属函数。 图2 1 1 特征函数 图2 1 2 隶属函数 模糊设计的理论基础是模糊集合和隶属函数，正确选择与确定隶属函数与隶 属度，是模糊设计的关键。 重庆邮电大学硕士论文 第二章血压信号的检测方法与信号分析 图2 1 3 梯形和三角形录属函数 在图2 9 中，我们可以明确的观察到，正常人的示波法测量得到的脉搏波波 形中，角a a b c 接近于1 8 0 0 ( 除了最大峰值与其相邻两个峰值所形成的角) ，但 是当脉搏波中出现非正常的脉搏幅度时，如图2 1 4 中，峰值1 的a n g l e l 就相对来 说比较小，对于角a d b e 来说，这个结论也是成立的。当峰值的a n g l e l 和a n g l e 2 中，出现钝角时，我们将取其补角，这将保证所有的a n g l e l 和a n g l e 2 为锐角。所 有，输入示波幅值( o a ，o s c i l 。l a t i o na m p l i t u d e s ) 定义为实数子集 o 7 ) 的模糊集合 由三个隶属度函数组成 m a x ，m d 和m 矾，。这些模糊术语是利用的三角函数 定义的。峰值的a n g l e l 和a n g l e 2 角的定义为 o o 1 8 0 0 ) ，模糊集合包括四个隶属度 函数 b e s t ，g o o d ，w o r s e 和w o r s t 。 这里，三角隶属度函数( x ) ，z = 0 1 ，0 2 ，o a 定义为： 以( x ) = 0 ，x 兰，石 c l p l u s e i b m a x ，那么，可认为收缩压在p r e s s u r e i 】 和p r e s s u r e i + 1 之间。设a 为 o ，1 l 涵- j 的一个实数，则有： ( p l u s e i b m a x ) 木口+ ( p l u s e i + 1 b m a x ) 幸( 1 - a ) = c 1 ( 2 1 7 ) 根据线性比例关系，收缩压p s 可以表示为如下： p r e s s u r e 1 木口+ p r e s s u r e i + 1 书( 1 - a ) = p s ( 2 1 8 ) 由( 2 1 7 ) 式可得， 口： 竺! = 旦丝堕! 1 3 1 星竺坠 ( 2 1 9 ) 口= ：_ ：_ _ ：一 lz ly ， p l u s e i b m a x p l u s e i + 1 b m a x 把伍的值代入( 2 1 8 ) 式，可得到收缩压p s 的值。同理，可得出舒张压的值。 2 5 仿真过程与结果 本文中使用的滤波算法和血压计算过程，需进行仿真以验证这些算法的可用 性和计算结果的准确性，对示波法无创血压测量方法的精度做出评价。本系统采 用m a t l a b 7 1 作为仿真工具【3 1 1 。 2 5 1 仿真过程 本节的仿真实验主要是为了验证上文提出的血压值的计算过程的有效性，但 由于设计的硬件系统采集到的原始血压信号无法转换为m a t l a b 识别的d c m 文件， 所以本实验所采用的几十组不同测量对象的血压数据并不是本次设计的血压节点 所采集的，而是通过放气过程示波法采集的原始信号。做了大量验证实验，由于 篇幅所限，现选取一组典型的数据，说明血压和心率的仿真计算过程。如下： ( 1 ) 原始数据 重庆邮电大学硕士论文 第二章血压信号的检测方法与信号分析 放气测量过程采集到的血压原始数据存放于d c m 文件中，用m a t l a b 打开， 如图2 1 6 所示。 图2 1 6 原始数据 ( 2 ) 脉搏波的截取 在幅度系数法计算血压值的过程中，我们需要的是脉搏波的峰值信息，为此， 我们将放气过程中波动部分截取下来。截取的脉搏波波动部分如图2 1 7 。 图2 1 7 截取的脉搏波动部分 ( 3 ) 脉搏波的滤出 通过数学形态滤波器滤波，得到脉搏波，结构元素k = z e r o s ( 1 ，1 0 ) ，选择开 运算算法。滤波得到的脉搏波如图2 1 8 。 f 一。一 础少 2 8 7 0 0 8 0 09 0 01 0 0 0 重庆邮电大学硕士论文 第二章血压信号的检测方法与信号分析 ( 4 ) 取得滤波峰值点 幅度系数法要求得到脉搏波的峰值信息，以此计算血压值，采用模糊逻辑算 法，去除脉搏波动中的伪峰值，留下有用峰值。取得峰值点及其幅值如图2 1 9 所 示。 图2 1 9 滤波峰值点及其幅值 ( 5 ) 血压值的计算 通过模糊逻辑算法后，我们可以得到有用峰值，然后利用2 4 4 节中的改进幅 度系数法计算收缩压和舒张压的值，最大峰值处为对应的静压力值为平均压。上 升阶段，找到使得c 1 = 0 5 8 的脉搏波峰值，此处对应的静压力值为收缩压；下降 阶段，找到使得c 2 = 0 7 7 的脉搏波峰值，此处对应的静压力值为舒张压。具体血 压值换算公式为：y = z 1 9 0 m m h g 4 0 9 6 ( x 为脉搏波峰值幅度测量数据，y 为血 压值) ，4 0 9 6 对应1 9 0 m m h g 。 2 5 2 心率的计算 根据采样频率和相邻脉搏波之间的间距，可以计算出心率。图2 1 9 中横坐标 为时间，单位0 0 1 秒( 采样频率为1 0 0 h z ) 。每两个峰值间的时间间隔，为一次 心跳的时间。以第一个脉搏波峰值出现的时刻为开始，最后一个脉搏波峰值出现 的时刻为结束，计算这段时间的长度t 和这段时间内脉搏波峰值出现的次数n ， ，1 通过公式口= 二二6 0 计算得到口的值即为心率。根据上图所示，计算出的心率 值为7 9 。 2 5 3 实验结果比较分析 经过仿真实验的分析，利用示波法原理，通过改进血压判别算法，分别得出 收缩压和舒张压，其中，心率值以上一节中的方法来计算。本文通过血压判别改 2 9 重庆邮电大学硕士论文 第二章血压信号的检测方法与信号分析 进算法仿真测量几十组测试对象血压值，将所得的收