摘 要

为了更加方便的采集并处理人体的生理信息（BCG信号），本课题主要是对BCG信号进行了预处理和特征提取，可以从经过特征提取的信号中计算得出重要的生理参数（心率，HR），这些生理参数和所提取的特征用于医生对病人进行病情诊断具有重要的参考价值，所得结果对于智慧医疗的实现具有重要的指导意义。

论文主要研究了BCG信号的预处理方法和BCG信号的主要特征的提取算法。通过多种方式去除BCG信号中的多种噪声，并且使用了比较流行的窗口伸缩法进行特征提取。

预处理阶段可以使用陷波滤波器对工频干扰进行去除，使用小波分析对BCG信号的中的低频干扰进行去除，使用阈值法结合窗口伸缩法对BCG信号的特征提取，不仅方便简洁而且准确度高。还可以通过提取的特征进行生理参数的计算，比如心率就可以通过平均J-J间期与信号的采样频率通过简单的计算得出。

测试结果表明：把阈值分析法和窗口伸缩法结合起来用于BCG信号的特征提取，成功的获得了BCG信号的特征和生理参数。

关键词：心冲击信号；小波分析；特征提取；心率

Abstract

In order to facilitate the collection and processing of human physiological information (BCG signal), the subject mainly performs preprocessing and feature extraction on BCG signals, and can calculate important physiological parameters (Heart Rate, HR) from the signal after feature extraction. ) These physiological parameters and the extracted features have important reference values for doctors in the diagnosis of patients, and the results obtained have important guiding significance for the realization of smart medical treatment.

The dissertation mainly studies the BCG signal preprocessing method and the main feature extraction algorithm of BCG signal. A variety of ways to remove a variety of noise in the BCG signal, and the use of a more popular window scaling method for feature extraction.

In the preprocessing stage, the notch filter can be used to remove the power frequency interference, wavelet analysis is used to remove the low-frequency interference in the BCG signal, and the threshold method is used in combination with the window expansion method to extract the features of the BCG signal, which is not only convenient and concise but also accurate. high. The physiological parameters can also be calculated by the extracted features. For example, the heart rate can be calculated simply by averaging the J-J interval and the sampling frequency of the signal.

The test results show that the combination of threshold analysis method and window expansion method is used for feature extraction of BCG signals, and the characteristics and physiological parameters of BCG signals are successfully obtained.

Key Words：；BCG signal；Wavelet analysis；Feature extraction；Heart Rate

目 录

第1章 绪论 1

1.1 课题背景及研究意义 1

1.2 国内外研究现状 1

1.2.1 国外的研究现状 2

1.2.2 国内的研究现状 2

1.3 本课题的主要研究内容和预期目标 3

第2章 BCG信号及预处理 4

2.1 需求分析 4

2.2 BCG信号采集与处理 4

2.2.1 心冲击信号 4

2.2.2 心冲击信号采集和处理工具 5

2.3 BCG信号的总体流程 5

2.4 心冲击信号预处理 5

2.4.1 心冲击信号的方案选择 5

2.4.2 心冲击信号预处理流程 6

2.5 BCG信号预处理的结果与分析 9

2.5.1 原始信号及其频谱分析 9

2.5.2 工频干扰去除的结果分析 10

2.5.3 低频干扰的去除结果分析 11

2.5.4 高频噪声去除结果分析 12

第3章 BCG信号的特征提取 13

3.1 BCG信号特征提取的方案选择 13

3.2 BCG信号特征提取算法的设计 13

3.2.1 J波的提取 14

3.2.2 I波的提取 15

3.2.3 K波的提取 16

3.3 BCG信号处理的特征提取结果与分析 17

3.3.1 J波的提取结果 18

3.3.2 I波的提取结果 18

3.3.3 K波的提取结果 19

3.4 生理参数（心率）的检测 19

第4章 总结与展望 20

参考文献 21

致 谢 22

第1章 绪论

1.1 课题背景及研究意义

随着生活水平的不断提高，随之而来的也有一些心脏相关的疾病。现如今心血管疾病已经是许多中国人面临的重大疾病之一，但是对于心血管健康的检测、评价和诊断工作发展的还不够完善，日常生活中的监护工作也显得很重要了^[1]。目前而言，如果想要进行人体生理体征监测，最常见的一种方法就是采用贴片电极采集人体的 ECG（Electrocardiogram，心电图）信号^[2]。可是利用ECG信号来采集人体生理信息的这种方法却有着很大的缺点，首先且最为重要的就是信号采集采用的电极贴片在测量的时候要与人体接触，还要通过导线连接测量设备，也因此给人们带来了极大的不便，这也不符合现代化设备向着更快捷、更方便的方向发展的趋势。还有一种方法就是使用压电薄膜制造的一些可穿戴的设备，但是这种材料做成设备舒适度比较差。基于这样的现状，有国外的学者提出了继续使用压电薄膜但是采取非接触式的生理体征检测：主要是进行人体振动的检测，参数是振动强度，而这个振动的来源就是心脏，由于心脏不停的收缩舒张，不断地向外泵血，这就产生了振动。这种测量方法是上世纪 60 年代由 Wood 和 Starr 等人第一次提出并将采集到的信号命名为BCG（ballistocardiogram ,心冲击信号）信号。为了进一步了解BCG信号中的特征对于人体生理指标的反映，因此对于心冲击信号的研究和分析就具有十分重要意义了。不仅如此，这些生理指标也可以作为医生对病人进行病情诊断的重要参考数据。这样的话，我们离智慧医疗又迈进了一步。总之，本课题的研究对于医疗现代化、智能化具有重要的意义。

1.2 国内外研究现状

上面已经提到了做此课题研究的重要些，那关于此课题国内外的研究现状究竟是什么样的呢？我经过大量的查阅国内外的论文、期刊和专利等资料，并进行了精心地总结终于有了一些小小的成果。对于BCG信号方面的研究主要有：BCG信号的采集系统的研究、BCG信号降噪方面的研究、BCG信号特征提取算法方面的研究。那这些方向之间有什么联系呢?这些研究方向之间的联系就是，要得到BCG信号就要进行BCG信号的采集，那么为了寻找最佳的采集系统所已经要对BCG信号的采集系统做研究；因为采集到的信号中含有好多的干扰信号，所以为了得到比较纯净的BCG信号就要进行BCG信号的降噪方面的研究；最后呢，对于已经完成降噪的信号就要寻找信号中包含的特征信息，于是就要对BCG信号的特征提取做研究，接下来我就首先从国外的研究现状开始介绍，再介绍下面我们国内的对于BCG信号的国研究现状。

1.2.1 国外的研究现状

2013年 Chiu 等人在Alametsä采用带状压电薄膜传感器实现人的睡眠质量检测的基础上对其进行了优化。设计了一种PVDF（Polyvinylidene Fluoride，聚偏氟乙烯）新型结构的传感器，在此基础上提高了传感器的电荷转化能力，从而使得即使传感器没有捆绑在人身体上也能达到同样的要求^[3]。

2014年Xin等人使用压电薄膜作为传感器研究了一种新颖的可穿戴传感系统，用来监测呼吸，他们对用压电薄膜传感器进行设计，设计了一种双边拱形构架的传感器，通过这种传感器，呼吸波信号可以很准确的采集到，然后把放大后的信号送给电脑，使用Labview 软件进行处理，这套系统的优点在于准确实时的获取了呼吸率这一生理参数，另外舒适度也是一大亮点，达到了使用者日常的长时间的使用的要求^[4]。

2015年Krej M.等人使用光纤生命体征传感器采集BCG信号，然后为了检测心跳位置，分析检测功能的专门准备的信号而不是来自传感器的源信号。 检测功能增强了与心跳相关的信号特征。最后使用遗传算法进行BCG信号进行了进一步的处理并获取到BCG信号中心跳位置^[5]。

1.2.2 国内的研究现状

和国外的情形是相似的，国内针对BCG信号的研究方向主要有两个：BCG信号的采集系统的研究和BCG信号分析和特征提取方面的研究。对于BCG信号的研究也不外乎这两个方向，但是在BCG信号的分析（去噪）和特征提取方面的研究人员还是比较多一点，还有一些研究人员是寻找将BCG信号正确分段的方法，但最终还是进行特征提取,所以我把对BCG信号进行分段的放在第二大类中。下面对国内的研究现状做一下简单的介绍

1.采集系统方面的研究

王春武等人研究的一种便携式的心冲击信号检测装置，把电阻应变传感器作为信号采集模块，还有放大电路、滤波电路和模/数转换电路等最终实现了BCG信号采集系统；与此同时，他以同步检测的ECG信号的作为时间基准，然后与经过降噪处理的BCG信号进行对比，最终发现了两种信号的节律一致^[6]。

哈尔滨工业大学的李恩侨采用的基于压电薄膜和STM32硬件电路最终完成了BCG信号采集系统，并且分坐姿状态和平躺状态分别进行了生理信息的提取和加过的分析^[7]。但是她的设计主要是针对采集系统方面的研究。

2.BCG信号分析和特征提取方面研究

东北大学的杨丹等人采用时频联合分布和经验模态分解，完成了BCG信号的降噪处理。该方法先建立BCG信号的自适应最优核，然后在时频平面内提取BCG信号分量，最后根据EMD原理对BCG信号分量进行滤波，从而实现BCG信号降噪^[8]。

吉林师范大学的王春武等人先对采集到的BCG信号利用小波变换进行了预处理之后再对BCG信号和脉搏信号进行了相关性分析，最终提出了以脉搏作为分段基准对BCG信号进行特征提取的方法，并且相比于以ECG作为分段基准的结果更加准确^[9]。

马志新在一种提取BCG特征的方法和系统中提出先使用小波分析对信号进行频谱划分，然后对每个频段的信号进行累积残余熵运算，进而获得BCG信号在每个频段内的累积残余熵特征^[10]。

1.3 本课题的主要研究内容和预期目标

1.首先要对这项研究的基础知识要有所了解，比如什么是BCG信号、采集的BCG信号中有没有其他的干扰信号以及有什么干扰信号等，这些问题进行调研。

2.如果要采集BCG信号要使用什么样的设备来获取BCG信号，对信号采集设备进行调研,然后根据自己的需求选择一款合适的设备。

3.硬件方面做好准备工作，软件方面采用的是Matlab 2016a。通过对BCG信号的预处理进行调研，在信号预处理方面采用数字滤波器和小波变换的方法。最终完成BCG信号的预处理。

4.完成BCG信号的特征提取（包括H、J、K波的提取）和生理参数计算（心率）。

第2章 BCG信号及预处理

2.1 需求分析

我要做项目的是心冲击信号的检测算法与实现，要实现这些功能就要先了解应该从哪儿着手？大致的步骤有哪些？首先应该了解什么是心冲击信号，然后再进行心冲击信号的采集，最后对采集到的信号进行处理和特征提取。为了方便起见具体的工作流程如图2.1所示

图2.1 工作流程

我们把主要的工作放在BCG信号的预处理和特征提取上面，因为这是本次研究的重点和难点。对于BCG信号的了解就是通过论文、期刊以及生理学知识来进行调查研究。BCG信号的获取则使用专用的设备进行信号的采集工作。对于信号处理和特征提取方法则还需要查阅各种论文、期刊等研究成果来学习。

2.2 BCG信号采集与处理

2.2.1 心冲击信号

心脏泵血活动会使人体产生微小震动，将这种微小震动记录下来即称为心冲击信号^[11]。正常的BCG与心跳同步，具有重复性，主要包含H、I、J、K、M和N波^[12]；J波是BCG周期中幅值最大点，估计相邻周期的J波间隔，即为心动周期^[13]；确定同周期IJ幅值，即为心脏泵血的收缩力大小^[14]，一段正常的BCG信号如图2.1.1所示。从图中可以发现在一个心动周期中J波是最高的那个，J波的左边一段时间内最小值就是I波，然后从J波开始向右一定范围内的第一个最小值点就是K波，如果找到了I波的情况下，再从I波开始向左的一定范围内找到的最大值即为H波，同理，在找到K波的情况下向右也可以找到M波,用的这种用相对位置的加上限定窗口大小的方法就是我在特征提取中所采用的方法，后面将会详细的介绍，同时我还发现心冲击信号（BCG信号）是具有周期性的，那我就会想它的周期与心跳又没有关系，经过查找资料的确是有关系的。心冲击信号的一个周期对应一次心跳，因此可以通过检测心冲击信号每分钟的周期数就可以得到心率了。

图2.2.1 一段正常的BCG信号

2.2.2 心冲击信号采集和处理工具

本课题研究中信号采集所使用的BCG信号的采集设备为日本村田公司出品村田（muRata）无线床铺心率测量传感器，型号为SCA11H。BCG信号处理软件则使用的是美国MathWorks出品的软件Matlab 2016a。

2.3 BCG信号的总体流程

BCG信号处理的总体设计可分为三个阶段：信号获取、信号的预处理和信号特征提取。BCG信号的获取方面比较简单，连接并调试好设备，实验者静静地坐着就可以将数据采集到了，然后将采集到的数据存储下来用于预处理。后面则对于重点内容信号的预处理和信号的特征提取进行详细的介绍。总体的流程如图2.3所示

图2.3 BCG信号处理的总体流程

2.4 心冲击信号预处理

2.4.1 心冲击信号的方案选择

直接采集的信号中含有各种各样的噪声^[15]，是不能直接用来进行特征提取的，所以要先对采集到的信号进行预处理，即最大程度的消除噪声对后期的信号特征提取的影响。但是信号处理的方法很多，我应该怎样选择合适的方法呢？经过查阅资料了解到BCG信号处理一般的降噪方法有数字滤波器、小波变换和时频联合分布结合经验模态分解等方法。

在这些方法中，我对信号处理方案的选择是数字滤波器和小波变换。数字滤波器我在《数字信号处理》课程中有过学习，这一方面的了解也比较多，能够使用Matlab进行合适的滤波器的设计。至于小波变换对于我来说是一个新事物，但是相关的资料很多，我可以很方便地查阅资料，进而了解小波变换的使用条件和方法。我没有选择时频联合分布结合经验模态分解的方法是因为这方面的资料没有其他两个方法的多，计算量也比较大，实用性没有那么强，再说了这个方法在BCG信号的处理方面也没有那么的成熟。

2.4.2 心冲击信号预处理流程

经过查阅资料了解到BCG信号中包含有低频噪声、高频噪声和工频干扰。对于信号的预处理来说就是尽最大努力的降低噪声对信号的影响，而对于每一种噪声有其相应的处理方法，这样的话能最大程度达到预期的目标。对于低频噪声我采用的是小波分析法，工频干扰则使用陷波滤波器对信号进行处理，高频噪声使用低通滤波器对信号进行低通滤波，预处理的工作示意图如图2.4.2所示，下面对各种处理方法进行一一介绍。

图2.4.2 预处理的总体示意图

1.低频噪声的处理方法

BCG信号中的低频干扰主要是来自呼吸信号的干扰。我采用的消除低频噪声的方法是使用小波变换对原信号进行分解，当对分解的信号进行重构的时候将无用低频的部分置为零，从而达到消除低频噪声干扰的影响。使用小波变换的时候需要解决两大问题：小波基函数的选择和分解层数的确定。小波基函数的选择对小波分析有很大的影响，因此选择合适的小波基是至关重要的。分解层数的选择对小波去噪有直接性的影响，所以我们必须选择最佳的小波分解层数。

我要处理的信号是BCG信号，再结合小波函数的数学特性对信号分析的影响，最终我选择的小波基函数是Symlet小波系。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：