1、长春理工大学硕士学位论文原创性声明本人郑重声明：所呈交的硕士学位论文，脉象信号的特征提取与分类识别是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。作者签名：建煎叁 业年立月日长春理工大学学位论文版权使用授权书本学位论文作者及指导教师完全了解“长春理工大学硕士、博士学位论文版权使用规定”，同意长春理工大学保留并向中国科学信息研究所、中国优秀博硕士学位论文全文数据库和CNKI系列数据库及其它国家有关部
2、门或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅。本人授权长春理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。业年月日塑!蛑上月羔Et芷邋也型血垒名名签签者师作导摘 要脉象是血脉搏动的位、数、形、势的综合现象。脉象的形成，不仅与心、血、脉相关，而且与其他全身脏腑机能活动也息息相关。而脉诊的本质就是通过脉象的变化判断病症的部位、性质，推断病势轻重。因而脉诊对病情的判断和病症的识别具有非常重要的意义。为实现临床上常见脉象信号的量化，从时域和频域进行脉象信号的特征提取。首先采用阈值法进行时域分析，并将时域特征与模态能量商
3、相结合，得到有效识别脉象信号的时域特征。然后采用FFT方法进行信号频域分析，并获得信号的基频、功率谱谐波个数、谱能比及前次峰等频域特征。通过200例脉象信号的分析计算，获得了临床上常见脉象信号的典型特征参数：3hl，h4hl，t1，t，K，R，fo，ho及X。使用改进的模糊C均值方法、BP神经网络以及模糊神经网络三种方法分别对六种脉象信号进行分类识别。通过识别结果发现，改进的模糊C均值易受隶属度函数、模糊推理规则及聚类中心点的影响，其识别准确率为76；BP神经网络对脉象信号的识别准确率为84，经过训练后，识别率提高到92，但由于隐含层的原因，其训练时间较长；模糊神经网络对六种脉象的识别率为92
4、，经过训练后，其准确率提高到99，并且训练速度得到提高，较好地实现了脉象信号的分类识别。本文对临床采集的平脉、弦脉、沉脉、细脉、滑脉、缓脉六种脉象进行了时域及频域特征分析，利用选取的特征参数作为识别的输入量，采用模糊神经网络进行分类识别，其识别率达到92，较好地实现了六种脉象信号的分类识别。关键词：脉象信号特征提取模态能量商模糊神经网络ABSTRACTThe pulse is a comprehensive phenomenon about the bit，number,shape，and potentialof pulsatingThe pulse formation not only re
5、lates to the heart,blood and veins，but alsoclosely relates to other body organs functional activityThe nature of the pulse diagnosisplays the very important role in judging the state of an illness and the identification of adiseaseTherefore，pulse diagnosis has all important significance in condition
6、 judgment anddisease identificationFor the realization of the signal quantization of common clinical pulse，we extractedfeatures of pulse signal from the time domain and frequency domainFirstly,the timedomain used the threshold method，and combined the time domain feature parameters withmodal energy r
7、atio to get a valid time-domain feature parameters that can distinguish the pulsemore effectivelyThen，the frequency domain used FFT to get frequency-domain featureparameters而，ho，SERl0 and xBy analyzing 200 cases ofpulse signals，we get some typicalfeature parameters in clinical，which are hah1，五册1，tl，
8、t，K R，h0 and xAn improved fuzzy Cmeans，BP neural networks and fuzzy neural networkrespectively used on six pulse signal classification and recognitionThe recognition resultsshowed that membership functions，fuzzy inference rules and the cluster center could affectthe improved fuzzy Cmeans，the recogni
9、tion accuracy rate Was 76；BP neural networkrecognition accuracy of the pulse signal w签84the recognition rate increased to 92aftertraining，but the training time was longer due to the hidden layer；Fuzzy neural networkrecognition rate Was 92for six pulses，the accuracy rate increased to 99after training
10、，and improved training speedFuzzy neural network recognized pulse signal wellThis thesis analyzed the time domain and frequency domain characteristics of six pulsesin clinic：flat vein，wiry pulse，sunken pulse，fine pulse，slippery pulse and slow pulseTheselected feature parameters were chosen as input
11、recognitionFuzzy neural network Wasused to classify and recognize these feature parameters，its recognition accuracy Was 92Itachieves the classification and recognition of six pulse signalKey words：pulsesignal featuresa!【In黻而ed modeeller嚣ratio fuzzyneuralnetwork目 录摘 要ABSTRACT目 录第一章绪论111课题研究的意义112国内外研
12、究现状213本文研究的主要内容3第二章脉象信号的采集及预处理521脉象信号的采集522脉图的基本知识6221脉图的基本结构和意义6222脉图类型介绍723脉象信号的预处理924本章小结11第三章脉象信号的特征提取1231时域分析12311脉象信号的时域特征提取12312基于EMD分解的脉象信号特征提取14313脉象信号的时域分析结果1532频域分析19321 FFT参数的选择203。2。2 FFT算法分析20323频域特征提取22324脉象信号的频域分析结果2433本章小结25第四章脉象信号的分类识别2641模糊C均值分类识别26411模糊C均值算法26412模糊C均值的改进算法27413 F
13、CM分类识别结果及分析2742人工神经网络分类识别28421 BP神经网络模型29422 BP神经网络算法30423 BP神经网络分类识别结果及分析3243模糊神经网络分类识别33431模糊神经网络的特点33432模糊神经网络的结构34433模糊神经网络的算法36434模糊神经网络分类识别结果及分析3744本章小结39第五章总结与展望4051总结j4052展望41致谢42参考文献43攻读学位期间公开发表的论文45第一章绪论中医是中华民族的一项宝贵财富，它有着悠久的历史和完整的理论体系，在中医的发展过程中，逐渐形成了望、闻、问、切四种诊断方法。F所谓，望而知之谓之神、闻而知之谓之圣、问而知之谓之
14、功、切而知之谓之巧，可见，在这四种诊法中，脉诊是中医诊断疾病的一种独特方法。公元三世纪，我国最早的脉学专著脉经的问世标志着脉学理论开始迈入世界医学的舞台，在此后的十几个世纪得到了不断的发展和提高，并促进了国内外医学的发展。11课题研究的意义所谓脉象，乃是“心动应脉”，“脉动应指”的生理现象。实际是指血脉搏动的位、数、形、势的综合现象。脉象的形成，不仅与心脏、血液、脉博搏动有关，而且与其他全身脏腑的机能活动也息息相关。所以，脉象虽是血液在动脉血管内循行过程中的表征现象，但它是各个脏腑功能活动相互协调作用下的一种综合反映。人体内任何一个脏腑功能发生障碍，都会直接或间接的影响血液的生成和运行，而血液
15、的生成运行失常又会敏感地反映于脉象的变化上。心脏的搏动推动着血液在动脉血管内周流不息的循环运行。可见血液在动脉血管内循行之所以能形成脉象，全赖于心脏的正常搏动和动脉血管的约束。所以，脉象的变化可以作为临床诊断疾病的重要根据之一。脉象是人体机能状态的客观反映之一。当人体内外环境发生变化时，J下常脉象也会产生某些生理性变化。脉象生理性变化是由人体机能状态的变化引起的，所以，诊断脉象的变化便可以判断病症的部位、性质，从而推断病势轻重。脉象在现代科技和分析理论的不断发展与完善的过程中逐渐走向客观化，并且人们也不断地揭开其中的奥秘地3。脉诊客观化是把现代计算机技术与脉象的形成机理联系在一起，应用于中医脉
16、诊中。通过脉诊客观化，使脉诊在医学及计算机水平上可以达到一个统一的量化过程，便于通过脉象诊断疾病，而不是通过医生的自身知识及经验诊断疾病，并提供一种简洁、准确、高效的科学手段。脉象客观化的发展进程中，脉象信号的特征提取及模式识别是一个重要的分支，为其高效性及准确性提供了有力的依据。脉诊是医生用手指切按患者动脉脉搏的搏动，以此探查脉象、了解病情的诊察方法n1。脉象有位、数、形、势的变化，但没有一个标准来判别它们的变化，所以需要建立一个统一的标准对其进行定位。脉诊既要求医生有严肃认真的负责精神，又要求医生有精湛熟练的诊脉技能和方法，而且，医生对于脉象的评断靠自己的已有知识及经验，所以对于脉象的诊断
17、会出现差异。近年来，传感器技术在生物医学领域的应用日益广泛，因此越来越多的学者致力于脉诊客观化的研究。计算机识别技术是近年来快速发展的一门学科，是将计算机与模式识别技术结合起来的-f-j学科。脉象的识别是将脉象的特征与模式识别技术结合，利用计算机对脉象进行分类。脉象的识别主要受两个因素的限制：(1)脉象特征。大多数的脉象研究是基于其时域特征的，但脉象本身包括九种特征信息：脉象位置的深浅、脉象幅度的大小、测脉压力的强弱、脉象波形图的形态、脉象搏动的虚实、脉象管道的形态、脉象搏动的频率、脉搏的节率和脉象体形的长短。这九种特征相互结合反映脉象的特点，医生在诊断过程中结合这九种特征信息综合诊断疾病，而
18、不是通过某一种特征信息完全表现的。(2)识别方法。从20世纪20年代诞生模式识别以来，模式识别的方法层出不穷，各有优缺点，在脉象的分类识别中，应结合脉象本身的特点，选取合适的方法对其进行分类识别。12国内外研究现状脉诊起源于中国，其体现了中医的完整性、动态性和逻辑性，所以广泛应用于临床实践。近几年，随着无创诊断技术的发展及减少治疗费用的需求，美国、英国、日本、韩国和加拿大等学者开始研究中医脉诊，其主要致力于脉象特征提取和分类识别的研究。目前，脉象信号的特征提取大多采用时域分析法，这种方法简单直观，易于研究者分析脉象信号。“。通过分析脉象波形图的特征点，如：主波、重博前波、重搏波的幅度、比值、周
19、期及面积值，来分析脉象信号的特征。时域分析法包括直观形态法、多因素识别法、脉象速率图法和脉图面积法。这些方法从脉象的时域出发，提取了有用的时域特征，但脉象信号的时域特征差异性小，很难从根本上区分各种脉象，所以现在采用频域特征结合时域特征的方法来得到脉象的特征。频域分析法所具有的优势在于完全保留脉搏波在频域中的全部信息3。频率分析法通过观察振幅、相位随频率的变化，找到信号在频域中能够明显区分的特征，主要包括功率谱分析和倒谱分析。为了研究脉象的波形特征和生理病理因素的关系，使脉诊技术智能化、客观化，不少学者做了大量的研究工作，取得了一定的成果。行鸿彦等对典型高血压病人和正常人脉搏信号进行EMD分解
20、，提出了模态能量商的概念，通过对230例脉搏信号时域特征以及模态能量商的计算，表明模态能量商能够区分正常人和高血压病人口3。任亚莉等利用主成分分析法计算脉象信号的功率谱峰值、功率谱重心频率、近似熵、小波熵的综合主成分指标，进而有效的评估亚健康状态随1。蔡坤宝等对20例海洛因吸毒者和20例健康正常人脉象信号的倒双谱对角切片分量进行了估计，并通过大量实验发现，对角切片在特定区域内抽样幅值的三阶倒谱熵和m-n=l处的抽样幅值可以作为区分吸毒者和正常人的特征值盯3。张丽琼等利用小波变换奇异性检测功能与多尺度分辨特性，提出了连续小波变换法和二进小波变换法，通过对临床采集的235例脉象信号的处理与分析发现
21、，小波变换系数的尺度、主波峰值和小波变换的尺度、能量值可以较好的区分正常入与心脏病人啤，。自从20世纪20年代诞生模式识别以来，模式识别已经经历了几个阶段的发展。最初应用的是人工识别，对人工测量、标定的脉象图参数进行识别。随着计算机技术的普及及发展，计算机的自动识别受到人们的关注，通过计算机对脉图进行分析，提高了识别的效率及精度。人工神经网络是一种自适应非线性的动态系统，其是由大量简单的神经元相互连接而形成的，它的工作原理和功能接近于人脑，近年来成为一门新兴的学科，我国对人工神经网络的研究始于20世纪70年代末期，20世纪90年代以来发展迅速。目前已有学者采用人工神经网络的方法对脉象进行识别，
22、其识别率得到有效地提高。在脉象信号的自动识别方面，主要有两大方向：(1)对疾病进行识别；(2)对脉象的类别进行分类识别分类3，本文着重研究脉象的分类识别。王炳和等对脉象信号建立了一个857三层人工神经网络，通过对输入样本进行模糊化处理及用加动量的自适应算法来改进传统的BP算法，缩短了训练时间，通过对280例脉象信号进行分类识别发现，7种脉象信号的识别准确率为87，比传统的模糊聚类方法提高了12个百分点“。郭红霞等计算小波包分解中第三层从低频到高频八个频带的信号能量，并以此作为脉象识别的输入层，利用小波包分析和BP神经网络相结合的方法进行脉象信号的识别，通过对BP算法在步长函数以及迭代上的改进，
23、缩短了网络训练时间，且七种脉象的平均识别率为9251。万龙等对脉象信号进行一级提升小波变换，通过尺度系数进行特征提取，再利用模糊c均值聚类算法，对脉象进行初步分类，其初步识别率为90，再通过标准差准则对脉象数据进行划分，其识别率达到975，提升小波与模糊C均值聚类算法相结合，在标准差准则的基础下脉象的识别率取得了不错的效果“。马畅等利用离散小波变换得到四种单一脉、三种复合脉的时域及频域特征，通过特征值分析复合脉与一种单脉的相似性，然后使用改进的两步式方法提高脉象的识别率，七种脉象中有四种脉象的识别率得到提高，并且七种脉象的平均识别率从52提高到57“31。罗苹等分别建立了两种二层的自组织网络：
24、3822的自组织竞争网络和382的自组织特征映射网络，采用Kohonen算法学习网络，两种自组织网络的总正确识别率为90，并应用概率神经网络分析30例脉象信号，网络的正确识别率高达967Et引。13本文研究的主要内容本文主要基于三个部分进行研究：脉象信号的采集及预处理、脉象信号的特征提取以及脉象信号的分类识别。其主要内容为：(1)脉象信号的采集及预处理。首先使用MPl50多导生理记录仪采集脉象信号，然后对采集到的脉象信号进行预处理，本文采用双树复小波变换去除因呼吸引起的基线漂移；(2)脉象信号的特征提取。对消噪后的脉象信号通过阈值法和FFT方法分别进行3时域及频域的分析，得到其时域及频域的特征
25、值，作为分类识别的特征输入：(3)脉象信号的分类识别。分别对脉象信号采用改进的模糊C均值方法、BP神经网络及模糊神经网络进行识别，并对其三种方法进行对比，通过最后的识别率验证模糊神经网络的优势。其具体框图如图11所示。图11本文的主要内容4第二章脉象信号的采集及预处理21脉象信号的采集信号采集使用的是美国BIOPAC公司的MPl50多导生理记录仪，其具有16个模拟数据采集通道、16个数字输入通道、16个计算通道、12个模拟输出通道、16位AD转换等特性，采样率可以达到400KHz(40万点秒)，可以采集包括心电、脑电、血压、血氧饱和度、脉象等多种生理信号。其整体实物图如图21所示。图21 MP
26、l50实物幽 图22放人器及传感器实物图脉象信号采集使用的是MPl50自带的PPGl00c光电容积放大器及TSD200光电脉搏传感器，放大器及传感器实物图如图22所示。按以下方法对应连接：TSD200的红色线一模块的正输入，蓝色线一模块的负输入，黑色GND一模块的GND。高通滤波器的截止频率设置在005Hz，低通滤波器的截止频率设置在10Hz。本文的脉象信号采集于吉林省前卫医院中医科。通过医生的诊断，确定6种在病患中出现频率较高的脉象信号作为研究对象，分别为平脉、弦脉、沉脉、细脉、滑脉、缓脉。采集时，应在在专业医生的指导下，首先让病人在安静状态下休息15min，使气血比较平静，避免一些不利因素
27、的干扰，便于脉象信号的采集。中医目前一般多采用寸口诊法进行脉诊，寸关尺三部一般对应的脏腑不同，其把脉位置如图23所示。本文所需的脉象信号是在病人左手的寸关尺部位使用MPl50生理记录仪进行采集。采集时，使病人手掌向上平放，为了使气血通畅，应确保手与心脏在同一水平线上，然后医生从桡骨处用右手中指、食指和无名指依次确定关部、寸部和尺部，如果病人身长手臂长，三指的距离可以稀疏，反之，三指可以稍微聚拢，其具体的采集过程如图24所示。采集时施加压力不同，一般浮取时采用30mmHg的压力，沉取时采用80mmHg的压力，中取时采用55mmHg的压力。最后根据提取的时域、频域特征参数，筛选出具有代表性的200
28、例脉象样本，其中平脉30例、弦脉34例、沉脉34例、细脉34例、滑脉34i漶爨 x瓠彰0 ，霉i。；黧溯图23把脉位置幽22脉图的基本知识221脉图的基本结构和意义幽24采集过程幽脉象大多是由三个峰两个谷组成的，三个峰分别为主波、重博前波和重搏波，主波由升支和降支组成。两个谷分别为潮波前谷和降中峡，降中峡是降支上的一个切迹，在主动脉瓣关闭的瞬间出现，反映主动脉在心脏舒张期起点的压力。重搏前波，又称潮波，出现在主波和降中峡之间，它是在心脏舒张期丌始时出现。脉象图是由以上的波和峡构成的”。脉象图的纵坐标是指感脉搏大小，横坐标为时IBj，表示脉象的幅度在一定的取脉压力下随时问的变化，其波形图的特征点
29、如图25所示。图25脉波幽的特征示意幽脉象图中可以得到以下几种主要特征参数：t(s)1)h】：主波幅度，是从脉搏波基线到主波波峰顶端的高度。2)办3：重搏前波幅度，是从脉搏波基线到重搏前波波峰顶端的高度。3)4：降中峡幅度，是从脉搏波图基线到降中峡谷底的高度。4)t1：急性射血期时问，是从脉波图的起始点到主波峰点所需的时间。5)f：是从脉波图的起始点到终止点所需的时间。脉象图上的曲线、拐点等都有其生理意义，所以为了准确而有目的的研究脉象，应了解各种参数的生理意义，在其基础上进一步的认识脉象与人体生理之间的关联性。根据脉象的波形特点，本文主要研究时域上7个特征参数：h1，h3，h4，h3h1，h
30、nhl，t1，t。各参数的生理意义如表2一l所示。表2-1脉象图参数韵生理意义参数 描述h1与大动脉的顺应性、左心室的射血功能有关，当大动脉顺廊性好、左心室射血功能强时，h，高大。h，会受动脉血管的弹性和外周阻力状况的影响。重搏前波时相的提前会使其幅值抬高，说明当动脉血管处于高张力、高阻力的状态时，脉搏反射波的传导速度会相应地增快。而一受动脉血管外周阻力的大d,矛ll主动脉瓣关闭的功能的影响。当血管外周阻力降低时，。的高度也会随之降低，反之增加。表示急性射血期时，左心室所用的时间。相当于一个脉动周期。1131受血管壁的外周阻力和顺应性的影响。一，1受外周阻力的影响。当外周阻力降低时，h4h，也
31、会随之增降低。222脉图类型介绍脉象与心及血有关，心脏是产生脉象的动力，脉象则产生于血管中，是由于血液在血管内的流动产生的。人体大约有28种脉象，每种脉象代表的生理意义也有所区别，其中有正常的脉象，也有病脉，但由于年龄、气候等一些因素的影响，正常脉象与病脉之间需要因人而异、因地而分。影响正常脉象发生变异的原因很多。气候、年龄、性别、体质等都会引起脉象的变化。不同的人群在特定的情况下会出现特定的脉象，这都不属于病脉，如小孩的脉象大多是数脉，胖人的脉象偏于沉脉，夏季时人体的脉象会出现洪脉，运动员的脉象大多为迟缓脉等。当人在进行锻炼、饮食以及受到精神刺激时，脉象会受到影响而发生变化，但都是暂时性的波
32、动，当休息一会，使人体处于平静状态时，脉象便会恢复正常。这些都属于生理性脉象差异，属于正常现象，不属于病脉的范畴。本文的脉象采集于夏季，病人大多为30岁以上的成年人，且男性与女性比例接近k，蚰狮于1：1，最终与医生的诊断结合，确定了常见的六种脉象：平脉、弦脉、沉脉、细脉、滑脉、缓脉，故本文只研究这六种脉象。(1)平脉平脉是健康状态下的正常脉象。脉象特点是：一息四至或五至，脉位居中，不疾不徐，从容和缓，柔和有力，节律匀整。平脉是在三波峰基础上表现其特点的，其脉图如图26所示。h(衄)图26平脉脉图 图27弦脉脉图平脉是健康状态下对正常脉象的概括，其在特定状态下会发生一定的动态变化，不是一成不变的
33、。如健康人在不同的年龄下会反映不同的脉象，年轻人会出现滑脉，而老年人的脉象则是弦脉居多，所以，在特定的年龄下，弦脉、滑脉都可以看成是健康状态下的平脉。(2)弦脉弦脉是端直以长、如按琴弦的脉象。此脉象脉势较强，应指有力。此脉多见于寒冷、疼痛、紧张、肝病、高血压动脉硬化等病症，亦见于老年人心血管的退行性变化。其脉图如图27所示。弦脉一般呈宽大主波，其潮波位置上升，甚至与主波峰融合，重搏波波峰低平或消失。ha瑚图28沉脉脉图 图29细脉脉图(3)沉脉沉脉是指在深沉的部位显现的脉象搏动。沉脉的特点可概括为“举之不足，按之有余”，意思是轻取时感觉不到脉象的搏动，重按时才会得到脉象的搏动。沉脉提示病症在内
34、脏或阳气沉伏的病理变化，亦见于形体肥胖者。沉脉的脉形不拘，其脉图如图28所示。(4)细脉细脉又称小脉，是指切脉时，手指感觉到的脉体如线般粗细，比寻常的脉象小。脉象特征是：脉体虽然细小如线，但是在指下的感觉明显。此脉常见于气少血虚，劳损不足而出现的神怠嗜睡，盗汗等症。脉图形态不拘一格，其脉图如图29所示。(5)滑脉滑脉是指手指按压时，感觉到的脉象的脉体流利。此脉多见于青壮年健康者，妊娠期，饮食后胃气充盛的生理状态或实热、痰饮、食积等病症，亦可见于阴虚内热的病理状态“。滑脉脉形锋利，成双峰波，升支和降支斜率大，脉波起落流利圆滑，其脉图如图210所示。h(妇皿图210滑脉脉图 图211缓脉脉圈(6)
35、缓脉缓脉指脉体处于和缓时的平脉。脉象特点是：脉象比较和缓，但比迟脉稍快，每分钟6070次。缓脉的脉宽正常或稍大于正常，脉形成三峰波，脉率缓慢，其脉图如图211所示。以上是六种脉象的基本知识及脉图特点，健康状态下，平脉、滑脉及缓脉都可出现，其为正常脉象，但大多数情况下，弦脉、沉脉、细脉、滑脉、缓脉为病理性脉象，本文所采集的脉象是基于病理性脉象基础上的，故其是对病理性脉象信号的研究。23脉象信号的预处理脉象信号是一种相当复杂的生物医学信号，具有随机性强、背景噪声大的特点。脉象是生命体中各种复杂周期波动的综合表现，反映的是人体处于外界刺激和生命运动中的生理变化，脉象信号的特点是非线性、整体性和可调性
36、等“。脉象信号是一种非平稳准周期的微弱信号，主要频率较小，其频率范围为020Hz，正常人脉象信号频谱能量的99都集中在010Hz之间“8|，采集过程中很容易受到仪器及无关生理信号的影响。通常采集到的信号中常常带有以下4种噪声：f11频率为950 Hz的工频干扰；(2)传感器带来的干扰(极小)；(3)呼吸影响振荡幅度和基线漂移；(4)肌肉收缩和四肢颤动“。本文采集使用的MPl50自带有高通及低通滤波器，因此采集的脉象信号的噪声主要是由呼吸引起的基线漂移。目前，用于去除基线漂移的方法很多，其主要是滑动平均滤波、插值拟合法、自适应滤波、小波变换法等。应用最广泛的是离散小波变换法，但离散小波变换具有平
37、移敏感性和频率混叠的缺点。为了克服这些缺点，本论文选取双树复小波变换的方法去除基线漂移。1998年Kingsbury首次提出了双树复小波(dual-tree complex wavelet transform，DTCWT)的概念乜，此算法是在双树滤波的基础上设计的，不仅具有一般复小波的优点，还可以对原始信号进行完全重构。图212 DICWr原理幽双树复小波的主要思想是对一个二叉树的两个分支(树a和树b)分别进行离散变换，其中一个分支生成变换的实部，另一个为虚部。图212为DTCWT的原理图，图中h0(n)、h1(n)表示一对共轭的正交滤波器；go(n)、gl(n)是一对共轭的积分滤波器；l 2
38、表示隔点采样。Kingsbury的思路船“是：对于第一层分解，当一个采样间隔刚好是两树滤波器中间的延迟时，变换虚部的第一层二抽取则能够弥补实部由于二抽取而造成的采样值丢失，从而可以减少信息的丢失，并进一步获得近似平移不变性。同理，在接下来的每层分解过程中，只要保证在每个分支对应的滤波器的相频响应之间设定半个采样周期的延迟，且二叉树的两个滤波器具有相同的幅频响应，N-叉树在本层及之前的每层上产生的延迟差之和较原始输入相差一个采样周期。Kingsbury提出的双树复小波要求二叉树的两个分支为不同长度的滤波器，一支为奇数长，另一支为偶数长。分解过程中为保证两树具有良好的对称性，需要在每树的不同层次问
39、交替使用奇偶滤波器。10双树复小波变换相对于小波变换，有其自身的优势： (1)平移不变性：双树复小波变换不会随着信号的延时而出现振荡现象，具有良好的平移不变性； (2)抗混叠效应。本文选用双树复小波变换去除基线漂移，其效果如图213所示。为了更好地看出双树复小波变换去除基线漂移的优点，在对脉象信号进行预处理时，选取的是15000个采样点，图214更清晰的描述了脉象信号预处理前后的对比。图213原始信号及双树复小波变换后的脉象图理甘蔓小渡壹鲁曹后t毫信号对比24本章小结图214双树复小波变换前后效果图本章主要介绍7“-个方面：脉象信号的采集、脉图的基本知识以及脉象信号的预处理。脉象信号采集于吉林
40、省前卫医院中医科，使用美国BIOPAC公司的MPl50多导生理记录仪，使采集到的数据准确、可靠。采集时，通过仪器采得的脉象与医生的诊断结合在一起，发现了六种在病患中容易出现的脉象。脉图的基本知识主要介绍了脉图的基本结构和意义，并介绍了这六种常见脉象的脉图特点以及生理意义。脉象信号的预处理主要去除由病人呼吸引起的基线漂移，采用双树复小波变换去除基线漂移，能够避免离散小波变换在延时过程中产生的振荡现象及频率混叠效应。31时域分析第三章脉象信号的特征提取脉象信号的时域特征是通过分析脉图幅值和时值的关系得到的，其主要包括脉象搏动的频率，测脉压力的强弱和脉象形态的特征等。时域分析法是指波动信号在时间方向
41、上具有典型生理意义的动态特征，其将脉图的基本结构信息作为分析脉象的特征点，从而找出脉象本身变化与特征参数的内在联系，并且得到脉象与某些疾病之间的联系，进一步深化脉象的临床意义瞳幻。311脉象信号的时域特征提取本文采用阈值法对脉象信号的周期进行准确定位。对信号进行时域特征提取时，其关键步骤就是进行周期的定位，进而实现其他时域特征的提取。阈值法的基本思路是结合脉象信号的典型特征是主波波峰最高的特点，设定阈值，基本的实现步骤如下：(1)记脉搏信号为工(f)，设定一个门限信号m，m是一个经验值，大致在图25中的E点以下。将x(f)中大于m的设定为1，小于m的设定为0，记为“D。(2)对贝f)求差分，脉
42、象信号的上升支与结果为1的点相对应，下降支则与结果为1的点相对应，在相邻的上升支之间求取最大值与最小值，就找到了主波峰与起射点的位置。(3)在最大值与最小值之间利用y(O的正负变化的次数确定峰的个数，根据峰的个数的不同选择不同的算法定出潮波的位置，至此完成了对脉象的定位。(4)定位脉象后，求h1，h3，h4，h3h1，h4h1，t1，t。算法流程如图31所示。对于正常的脉象信号主波波峰是最高的，但对于弦脉来说，其重博前波波峰可能会超过主波波峰，即检测到的最大值点可能不是主波波峰的位置而是重博前波波峰的位置。根据脉象信号主波上升支的特点：主波上升支一般是迅速且平滑的，首先对最大值点前面的一点求取
43、斜率，然后将此斜率与上升支上所有点的斜率进行比较，如果相差不大说明是主波波峰，如果相差较多则是重博前波波峰，确定重博前波波峰之后将此点左移，寻找主波波峰，这样能够保证主波与重博前波的正确提取心。北京工业大学的罗志昌教授为了研究脉象在不同生理病理状态下的特征信息，通过实验提出了脉搏波的波形特征量-K值的概念，它是基于脉搏波波图的面积变化，其定义是州K：生鱼 (31)PsPd或者_、-、_，钆O图31算法流程图图32 K值的提取己=只+K(只一只)其中R=亍1 rP(t)dt为平均动脉压，即在一个心动周期中，脉搏压力P的平均值，13Ps、R分别为收缩压和舒张压，如图32所示。由此可见，K值的大小与
44、收缩压Ps和舒张压Pd的绝对值没有关联，仅由脉图的面积决定，它相当于(Pm-Pd)与(Ps-Pd)的比值。脉图波形和面积在不同的生理、病理状态下会发生很大的变化，可以用K值表示这个变化。人体脉搏波波形特征会受血管外周阻力和血管壁硬化程度等生理因素的影响，K值也会在O3505之间相应地变化。312基于EMD分解的脉象信号特征提取1998年，Norden EHuang等人提出了经验模态分解方法(Empirical ModeDecomposition，EMD)，它是一种非平稳信号的分解方法，该方法是后验的，是根据信号本身的特点自适应地产生信号的模态函数，而不需要提前选取基函数阳5I。EMD是逐级分解
45、信号中不同尺度的波动或趋势，具有类似于小波的尺度分解能力，在信号平稳化处理的基础上，产生具有不同特征尺度的数据序列。总体上，EMD方法具有自适应、正交与完备的特点。(1)经验模态分解乜6。EMD是将复杂的信号分解为有限多个平稳的单分量信号，即固有模态函数IMF(Intrinsic Mode Function)，每个IMF是1个单分量信号，其中IMF应同时满足两个终止条件：(1)整个频段上信号的所有极值点和零点的数目必须相等或者至多差一点；(2)拟合得到信号的上包络曲线和下包络曲线，必须使这两条曲线的平均值为0。EMD的分解过程如下：设任意的原始信号工(f)，首先求出工(D的局部极大值点和局部极
46、小值点。用三次样条插值曲线将局部极大值点和局部极小值点进行拟合，从而得到信号的上包络线和下包络线，然后求出这两条包络线的平均曲线，记为朋。求出x(f)一埘，=曩。判断h。是不是满足IMF的两个条件，如果满足，则h1为IMF的第一个分量，令c1=h，若不满足，则将Jjll看作原始信号x(力，重复上述过程得到mll，再求取1=如一m11。判断h11是否满足IMF的两个条件，如果不满足，则需要不断地进行循环直至k次，得到扛(k-1)堋，=女，使得到的lk满足IMF的条件。记Cl=hlk。此时，剩余信号n为：，i=工(f)一c1 f 32)当r1不是单调或直流信号时，将n重新作为原始信号x(f)，重复上述5步求出满14足IMF条件的第2个分量Q，以此循环n次，得到n个满足IMF条件的分量，此时有：c1一c2=r2，c。一1一c。=r (3-3)当残余函数，n(力表示为直流信号或者单调函数时，筛选结束。由式(32)和(33)可以得到：x(f)=Ci+ (34)通过EMD分解会得到一系列的IMF，它是信号的内在模态特征，代表着信号在不同时间尺度下的模态特征。(2)基于EMD的模态能量商尼个固有模态函数c1(f)，c2(t)，clc(f)是采集到的脉象信号x(n)经过EMD分解后得到的，其中残余
