摘 要

目前，由于心血管疾病患者逐年增多呈现出年轻化的趋势，因此早期检查和风险评估、进而实现有效的提前干预成为至关重要的一步。由于BCG信号中包含着大量与心血管健康状况相关的特征指标，因此及时有效地处理BCG信号就具有了极大的意义与研究价值。本文分析了基于光纤传感器的BCG信号处理的不同滤波方法，包括FIR数字滤波、小波变换法、EMD分解算法、FFT滤波以及VMD分解算法来消除BCG信号中的噪声，并区分心跳信号和呼吸信号，从而获取信号中的频次以及其他信号特征。实验表明，此设计在BCG信号处理中效果良好，可具有较大的实用性及普适性，为BCG信号处理提供了一个新的参考。

关键词：光纤传感；经验模态算法；小波变换；变分模态算法；BCG

Abstract

In today's society, with more and more people suffering from cardiovascular disease and younger and younger, it is important to get the appropriate screening as early as possible and take effective measures to prevent it.BCG signal is an extremely important signal used in the detection of cardiovascular diseases, which contains a large amount of characteristic physiological information with extremely high clinical value, so the timely and effective processing of BCG signal has great significance and research value.This paper analyzes different filtering methods of BCG signal processing based on fiber optic sensor, including FIR digital filtering, wavelet transform, EMD decomposition algorithm, FFT filtering and VMD decomposition algorithm to eliminate the noise in BCG signal, and distinguish the heartbeat signal and respiratory signal, so as to obtain the frequency and other signal characteristics in the signal. Through this experiment, several BCG signal processing algorithms are compared and analyzed, and a method with good effect and strong real-time performance is selected, which provides guidance for BCG signal processing.

Keywords: optical fiber sensing;Empirical modal algorithm;Wavelet transform;Variational modal algorithm;BCG

目录

摘要 I

Abstract II

第一章 绪论 1

1.1课题研究背景及意义 1

1.2国内外研究现状 1

1.3本文主要研究内容及组织结构 3

第二章 基于光纤传感的生理信号提取算法 4

2.1光纤传感技术 4

2.2 BCG的基本特征 4

2.3 BCG信号处理算法的基本原理 5

2.3.1小波变换 5

2.3.2经验模态分解(EMD) 8

2.3.3集合经验模态分解(EEMD) 9

2.3.4有限长单位冲激响应（FIR） 10

2.3.5快速傅里叶变换（FFT） 10

2.4 本章小节 10

第三章 经典处理算法的仿真实现与分析 12

3.1基于小波变换的BCG信号处理及仿真实现 12

3.2基于经验模态分解(EMD)的BCG信号处理及仿真实现 13

3.3 基于集合经验模态分解(EEMD)的BCG信号处理及仿真实现 15

3.4 基于有限长单位冲激响应滤波器（FIR）的BCG信号处理及仿真实现 17

3.5 基于快速傅里叶变换（FFT）的BCG信号处理及仿真实现 18

3.6 本章小节 17

第四章 基于光纤传感的生理信号处理算法的仿真研究 19

4.1 生理信号处理算法的方案设计 19

4.2 生理信号处理算法的实现与分析 20

4.3 本章小结 22

第五章 结论与展望 23

5.1 结论 23

5.2 展望 23

参考文献 24

致谢 26

第一章 绪论

1.1课题研究背景及意义

在当今社会，心血管疾病严重影响着许多人们的正常生活，而且病人越来越年轻，据世界卫生组织统计，目前全球每年约有1650万人死于心血管疾病。我国每年有300万人死于心血管疾病,也就是说,平均10秒就有1人因心血管疾病死亡。在中国台湾，15岁以上人群中，每19个人就有1人罹患心脏病；65岁以上老人，每5个人就有1人罹患心脏病。不仅如此，近年来心血管疾病患者又呈现出年轻化的趋势，因此早期检查和风险评估、进而实现有效的提前干预成为至关重要的一步。由于BCG信号中包含着大量与心血管健康状况相关的特征指标，因此及时有效地处理BCG信号就具有了极大的意义与研究价值。人是一个对立统一体，由各个器官、系统组成，同样，各组分之间既相互对立，又相互统一，心血管系统也是如此，在通常情况下心血管系统处于一定范围的内平衡，而当这种动态平衡被打破，即心血管系统受到干扰时，其各个状态也会发生改变，这会导致多种人体生理信号会发生变化，包括心电、心音等。然而这些生理信号是被各种噪声所包裹着，只有先对外部的噪声进行处理（即预处理），才能从中提取出有用的信号，才能从有用的信号中识别关键的特征指标，所以对生理信号进行预处理具有十分重要的意义。

如今人们生活在电磁的环境下，电磁辐射严重威胁着人体健康，国内外许多研究人员都在研究一种无电磁辐射并能过够准确处理人体生理信号的算法，消除采集过程的噪声，精准提取目标信号，从而正确地分析信号，给出准确的实时生理数据，指导用户及时了解身体状况，为医护人员第一时间提供病患的生理指证。例如，若QRS波群振幅增高，病人可能右心室肥大；若S-T段抬高且弓背向下，则病人可能患有急性心肌炎；若T波倒置，则病人可能心肌缺血。

因此，本设计为了消除了电磁辐射的影响以及为用户提供更安全的监测环境，采用无电磁干扰的光纤传感技术采集信号，在此基础上分析并对比各种生理信号提取算法，并分析他们的实时处理效果，分析不同的处理算法结果的准确性和有效性。

1.2国内外研究现状

在信号检测中，传感器设备检测到的人体生理信号包含许多噪声，主要有基线漂移、工频干扰、肌电干扰^[1]。对于含噪的人体生理信号处理，主要有频域分析法，相干平均分析法，小波变换分析法等方法^[2]。其中传统的离散傅里叶变换（Discrete Fourier Transform，DFT）的处理效果不是很好，因为频域分析难以掌握一定时间点上的变化情况，这就使得信号的整个频谱受到信号在任意时间突变的影响。目前小波变换^[3]在多个领域都得到了广泛的应用，特别是在信号处理方面，其原因在于小波变换能够同时在时域和频域中对信号进行分析，且它与信号都是具有高分辨率的函数，可以在有效去除噪声的同时，保持信号局部的奇异性。而心电信号的预处理通常采用小波分解重构、FIR滤波器和经验模态分解、（Empirical Mode Decomposition，EMD）等技术。东北大学周仁义^[4]在2014的研究中针对动态心电信号中普遍存在的工频干扰、基线漂移和肌电干扰，提出了基于形态滤波和平稳小波变换的预处理算法。首先通过一个改良版本的Notch滤波器，来去除心电信号中的工频干扰，再利用LMS等自适应滤波对基线漂移进行滤除，至于肌电干扰，则采用了基于阈值去噪的小波变换来滤除，具有很好的非稳态去噪和自适应滤波能力，但是实现心电预处理算法的实时处理仍是一大难题。基于LMS的自适应滤波器的心电信号处理也因关键路径较长，需要耗费较多的处理时间，而使应用受限。而C.Venkatesan^[5]提出了一种基于延迟误差归一化LMS算法的自适应滤波器，实现了高速低延迟设计。