基于PPG信号的脉象分类算法研究与系统设计.pdf

摘要

随着时代的高速发展，人们的生活节奏逐渐加快，对身体健康状况的关注程度也日益下

降，生活压力增加、睡眠不充足和饮食不规律等因素增加了心血管疾病的发病几率。心血管

健康状况是人体健康状况的核心，增加心血管疾病常识的普及，提前了解心血管相关的健康

问题并加以防范，有助于减少甚至避免心血管疾病带来的危害。中医脉象与血管健康状况密

不可分，脉象反映了心脏、血管、全身脏腑的机动水平和人体的健康状况。基于以上分析，

本文提出了以光电容积脉搏波（photoplethysmography，PPG）信号为研究对象的脉象分类算

法，并利用应用软件开发平台aardio设计开发了一套脉象健康检测智能系统。

利用光电传感器采集原始的PPG信号，首先采用希尔伯特-黄变换（Hilbert-Huang

Transform，HHT）法，滤除PPG信号中的低频基线漂移噪声，接着基于散度值分析滤除PPG

信号中存在的运动伪差干扰噪声，得到平滑稳定的优质波信号。利用未受伪差干扰的模板信

号计算出信号特征的散度值标准阈值参考范围，接着计算模板信号与受伪差干扰的实验信号

的散度值，识别判断并剔除实验信号中存在运动伪差干扰的信号周期，整合得到未受运动伪

差干扰的优质波信号，提高了算法在可穿戴运动系统中的可靠性。

采用滑窗法结合遗传算法识别标记脉搏波信号主波和重搏波的波峰波谷点，提取幅值、

斜率和面积等时域信号特征；采用Hilbert边际谱分析得到信号在各个不同频率上的幅值大小，

进而得到若干个频段上的幅值能量累积值，并将此作为时频域信号特征；从信号的混沌系数

出发，提取PPG信号时间序列的关联维数作为非线性系统信号特征，并通过脉象系统相空间

重构，观察信号序列的周期规律和差异程度。

采用特征串联融合算法将时域、时频域和非线性系统信号特征进行特征融合，得到可全

面表征脉象分类类别完整信息的信号特征集合；结合过滤式（Filter）与封装式（Wrapper）算

法，采用mRMR与SVM-RFE相结合的特征选择算法，筛选得到相关性高、冗余度低且使分

类器分类性能最佳的最优特征子集；采用人工蜂群算法（ArtficialBeeColonyAlgorithm，ABC）

对支持向量机（SupportVectorMachine，SVM）进行参数寻优，迭代搜索分类器的惩罚因子

与核函数参数的最佳参数值，通过大量的建模学习和实验对比，采用人工蜂群算法优化支持

向量机进行脉象识别分类的分类模型构建与测试实验的效果最佳。

最后，为了方便生理参数检测人员实时查看自身脉象健康状况，基于应用软件开发平台

aardio，结合Python编程语言设计开发了一套脉象健康检测智能系统，实现传统中医脉诊自

动化与可视化的转变。脉象健康检测智能系统包括PPG信号采集模块、信号处理与数据分析

模块、应用软件程序设计与代码编写模块，系统使用人员可以实时监测自身脉象健康水平并

在必要时及时就医。

关键词:PPG信号，中医脉象，散度值分析，运动伪差干扰，特征选择，支持向量机，智

能系统

Abstract

Withtherapiddevelopmentofthetimes,peoplespaceoflifehasgraduallyaccelerated,and

theirattentiontophysicalhealthhasalsodecreased.Factorssuchasincreasedstressinlife,

insufficientsleep,andirregulardiethaveincreasedtheincidenceofcardiovasculardiseases.

Cardiovascularhealthisthecoreofhumanhealth.Increasingthepopularityofcardiovascular

diseaseknowledge,understandingcardiovascularrelatedhealthissuesinadvance