1、第 卷第 期年 月生物医学工程学杂志 心冲击图信号中呼吸成分的时频检测方法研究蒋芳芳王旭杨丹（东北大学 中荷生物医学与信息工程学院 ，沈阳）（东北大学 信息科学与工程学院 ，沈阳）摘要 ：根据心冲击图 （）信号中呼吸成分对心动周期成分具有调制作用的事实 ，提出一种适用于坐姿 监测系统的呼吸成分时频检测方法 。该方法先采用变频复解调 （）算法对 信号进行解调 ，得到不同中心频率的解调输出 ，再通过时频分析手段估计各个频段的瞬时频率及其幅值信息 ，最后实现呼吸成分时域波形的重建 。为了验证算法的可行性和准确性 ，应用小波分析方法进行定性对比实验 ，并同步采集鼻热敏呼吸信号进行定量统计 。实验结果表
2、明 ，本文所提方法可以从 信号中较为准确地检测呼吸率成分 ，为多生理参数的无感觉同步监测做了有益的尝试 。关键词 ：心冲击图信号 ；呼吸成分检测 ；变频复解调 ；时频分析 ；小波变换中图分类号 文献标识码 文章编号（） （ ， ，）（ ， ，）： （）， ， （） ， ， ：（）； ； （）； ； 国家自然科学基金资助项目 （）；中央高校基本科研业务费资助项目 （）通讯作者 。：引言常规检测呼吸信号的方法主要有 ：阻抗容积法 、鼻气流传感器法 、电容法 、呼吸音法 、超声法等 。这些方法都需要采用专门的信号检测和采集装置 ，并且易受到人为运动和环境的影响 ，不适于日常监护 。于是 ，人们根据心
3、电信号受到呼吸运动影响的原 理 ，提 出 了 许 多 从 心 电 图 （，）中 提 取 呼 吸 成 分 （ ，）的方法。基于电轴分析法 ，通过计算至少两个正交的导联的波群的面积 ，可以计算出电轴的相对变化并导出呼吸曲线 。基于心率变 异 的 呼 吸 信 号 提 取 方 法，可 用 于 单 导 联。基于幅度分析方法，主要根据波最大幅值的变化 ，提取呼吸曲线 。这些方法虽然实现了多生理参数的同步检测 ，但均需要建立在导联系统的基础上 ，即必须在人体表面安装电极 ，这大大限生物医学工程学杂志 第 卷制了日常监护的可用范围 。心冲击图 （，）信号来源于一种非接触式的无感觉监测心脏功能的装置，主要记录心
4、脏泵血产生的冲击力传导至体表时所引发的振动波形 。它不需要在人体表面安装任何电极 ，便 于 在 日 常 生 活 中 使 用 。因 此 ，本 文 考 虑 从信号中提取呼吸成分 （ ，），同步监测心率与呼吸率 ，既可以降低呼吸监测的成本 ，又可以减少对受试者日常生活的干扰 。信号主要用来记录心脏的搏动作用 ，但在心冲击力传导至体表的过程中 ，呼吸作用会使胸腔容积随之变化 ，从而影响系统的输出 ，因此从中提取呼吸成分是可行的 。但较信号更为微弱 ，所以常规的方法不能满足的需要 。综合分析呼吸时与屏息时信号的频谱 ，发现呼吸作用对其中的心脏搏动成分具有调制作用 。因此 ，本文提出一种基于变频复解调 （
5、 ，）和时频分析方法的算法 。该方法可以从微弱的信号中提取出呼吸成分 ，并应用波自适应检测算法提取曲线峰值，作为呼吸率监测的依据 。通过小波变换 、同步鼻热敏检测和固定呼吸率的定性 、定量对比实验 ，证明了该方法的有效性和准确性 。 心冲击图 （）信号成分分析心脏的搏动会引起人体表面的一系列周期性运动响应 ，通过在与之紧密接触的介质上安装压力传感器 ，就可将该振动转变为电信号 ，从而形成信号 。分析信号的产生过程 ，人体每次心脏收缩 ，将血液自心室挤压到大血管中 ，此时心脏受反作用力影响向后退缩 ，之后 ，血液迅速进入主动脉而冲击主动脉弓 ，推动与之相连的心脏向上移动 。这一系列的振动构成了信
6、号的主要成分心动周期成分 。但在该振动传导至体表的过程中 ，要经过多种人体组织和器官 ，而呼吸作用又会同步影响胸腔容积的变化 ，从而导致呼吸成分在传导过程中携带入信号内 。在正常呼吸时 ，吸气使肺部扩张 ，胸腔负压增加 ，同时由于横膈收缩 ，引起腹腔内压力增高 ，使回流至右心室的血量增多 ，自右心搏出的血量也相应增多 ，因此产生较高的波幅 ，尤其是波幅；呼气时 ，左心搏出量虽稍有增多 ，但此时右心室的搏出量减少 ，同时主动脉阻力较肺动脉阻力高 ，因此导致波幅较小 。其次 ，由于吸气时横膈下降 ，此时心脏呈垂直位 ，所产生的动力对头足轴心影响较大 ，即产生较高的波幅 ；而呼气时 ，横膈上升 ，心
7、脏呈横位 ，所产生的动力对头足轴心影响较小 ，因此对头足向信号而言 ，振幅较小 。通过观察呼吸对信号的影响 ，发现呼吸作用使大部分受试者的波振幅产生明显的周期性变化 ，部分受试者的输出频率也会随之变化 ，但并非全部 。为了进一步分析信号中心动周期成分和呼吸成分的关系 ，采用坐姿检测系统分别记录了屏息静坐和节律呼吸时的系统输出时域波形图和相应的频谱图 ，如图所示 。观察图中的时域波形图 ，节律呼吸时的振幅较平静时的波形有了明显的起伏 ；而频谱图中也出现了频移的现象 。因此 ，本文将信号看作是呼吸成分对心动周期成分的调制 ，考虑从解调重图 屏息静坐和节律呼吸时的 信号时域波形图和频谱图（）屏息静坐
8、时信号的时域波形图；（）节律呼吸时信号的时域波形图；（）屏息静坐时信号的频谱图；（）节律呼吸时信号的频谱图 （） ；（） ；（） ；（） 第 期 蒋芳芳等 ：心冲击图信号中呼吸成分的时频检测方法研究建的角度来提取中的呼吸成分 。 从信号提取呼吸成分 （）算法由于呼吸成分对心动周期成分的调制包括调幅与调频 ，因此采用复解调 （ ，）算法进行解调 。与此同时 ，由于心率本身也会随受试者的不同 ，及其心脏功能的不同而时刻变化 ，即载波频率是不固定的 ，因此考虑使用算法进行解调 。 变频复解调 （）算法方法是一种既拥有较高频率分辨率又可以保留更多的幅值分布信息的解调方法 ，常用于幅度调频信号中 。以余
9、弦信号（）为例 ，设定其中心频率为，瞬时幅值为（），瞬时相位为（），直流分量为（），（）（）（）（） （）对于给定的解调频率 ，在式 （）的两侧同时乘以，得到式 （），（）（）（）（）（）（）（）（）将原有信号的频谱中心移至解调信号（）频谱的零频率处 。此时 ，使用低通滤波器对（）进行滤波 ，截止频率为，得到滤波后的信号为（），如式 （）所示 ，此时该信号就只含有我们感兴趣的调制成分 ，（）（）（）（）根据信号的时变特性 ，固定解调频率的方法无法满足解调的条件 ，需要在其基础上开发方法。此时余弦信号可以描述为式（），（）（）（）（）（ ） （）由于解调频率不固定 ，因此需要设计一系列的解调频
10、率 构 成 解 调 频 率 组 分 别 进 行 解 调 。比 照方法 ，当解调频率为时 ，得到解调信号如式（）所示 ，（）（）（）（）（）（）（）（）（）（）（）使用该方法得到解调频率组中各个中心频率对应的解调输出 ，其中对应正确呼吸频率的解调输出最为突出 ，此时需要对解调信号组进行时频分布处理 ，从而重建呼吸波形 ，即其中的主要成分 。 时频分析信号的统计特性随时间变化 ，可将其视为非平稳随机信号来分析 。时频分析方法是非平稳信号处理的一个重要分支 ，它利用时间和频率的联合函数来表示信号的细节特征 。首先 ，将原始信号通过变换进行转化 ，剔除负频率成分 ，然后可根据 式 （）来估计信号的瞬时
11、相位及其瞬时幅值，（）（）（）（）（）（ ）（）结合本文算法思路 ，采用式 （）对感兴趣频带内解调频率组的瞬时频率进行估计 ，从而得到含有更多时变信息 、更高分辨率的时频分布 ，（）（）（）绘制出信号的时频分布 ，如图所示 。图 不同解调频率的时频分布 通过改变感兴趣频域内的解调频率 ，可以得到各个对应的时频分布曲线 ，此时可以将调制信号恢复为多个余弦信号相加的形式 ，如式 （）所示 ，（）（）（）（）（） （）生物医学工程学杂志 第 卷应用算法对信号解调后重建时域波形方法的具体步骤如下 ：（）设计感兴趣频域内的解调频率组 ；（）对频率组内的每一个解调频率 ，使用算法解调 ，并对相应频率进行低
12、通滤波 ；（）对解调后的信号进行变换 ，并计算每一个解调信号的瞬时相位 、瞬时频率和瞬时幅值 ；（）应用估计的瞬时频率和幅值描绘高分辨率时频分布图 ，用以观察各个中心频率上的时域波形分布 ，进而修订 （）中所设计的解调频率组 ；（）恢复解调后的时域波形 ；（）使用波自适应检测算法提取峰值信息 ，从而估计实时呼吸率 。该方法将时频分析方法应用于算法中 ，恢复信号中的呼吸成分 ，更适用于同步监测受试者心率及呼吸率的实时变化 。 算法仿真与对比实验使用实验室开发的坐姿检测系统采集实验数据 ，采样率为。并使用对以上所提算法进行仿真实验 。 算法验证为了验证算法的可行性 ，在记录受试者信号的同时 ，在鼻
13、腔处安装热敏电阻 ，直接采集呼吸信号 ，以便与间接提取的呼吸成分进行对比 。同时使用经典的算法 ，对信号进行多层小波分解 。采用小波包 ，对实测信号进行尺度分解 ，并将分解出的概貌系数作为呼吸成分 ，实验结果如图所示 。通过对比可见 ，鼻热敏信号可以清楚的记录节律呼吸波 ，而使用小波分解提取的呼吸成分 ，需要分解到尺度概貌系数才能大概观察到呼吸成分的波形 ，但仍然不准确 。而使用本文所提算法重建的呼吸成分 ，与鼻热敏信号相吻合 ，虽然存在一定的时差 ，但足以表征呼吸的节律 。与此同时 ，算法重建的波形中 ，仍然保留了基本信号的型标志振动成分 ，这是由于重建波形时混入部分心动周期特征所致 ，并不
14、影响呼吸率的提取 。而且还可以使用波自适应检测算法来标记该成分的峰值 ，从而估算呼吸率 。 固定呼吸率的分组实验为了验证本文所提算法的准确性 ，采用固定受试者呼吸节律的方法进行分组实验 。训练受试者随着固定的时钟声响提示进行稳定频率的图 各种时域波形曲线（）原始信号；（）鼻热敏信号 ；（）恢复的信号；（）小波分解后 尺度概貌系数曲线 （） ；（） ；（） ；（） 呼吸 ，并静坐于坐姿检测座椅上 ，记录该稳定呼吸过程的信号 。每个受试者分别记录频率为、的组固定呼吸频率的信号 。受试者为男性 、女性各人 ，共得到组实验数据 。使用算法重建实验数据中的呼吸成分 ，并标记峰值 ，估算每一组受试者的呼吸
15、率 。结合预先设定的呼吸率对其进行定量评估 ，计算错误率如式（），错误率 （）检测到的呼吸率预先设定的呼吸率预先设定的呼吸率（）错误率可以定量描述每数据中检测到的呼吸峰值点的准确度 。对采集的组实验数据进行定量评估 ，统计结果如表所示 。表 不同性别 、不同呼吸率时 算法标识错误率比较 错误率 （） 男性 女性 通过对比可见 ，从性别角度分析 ，男性错误率低于女性 ，这可能由于男性原始信号的幅值较大 ，波突出 ，便于标识 ；从呼吸率的角度分析 ，低频第 期 蒋芳芳等 ：心冲击图信号中呼吸成分的时频检测方法研究段 （）呼吸率的错误率要比高频段 （）呼吸率的错误率高 ，这可能是由于信号中心动周期成
16、分频率较低 ，对低频呼吸造成干扰所致 。因此 ，在日常监测低频的呼吸成分时 ，还可结合更精确的峰值标识算法来进一步提高该方法的准确度 。 结论本文提出了一种基于算法和时频分析方法从信号中提取呼吸成分的算法 。通过定性和定量对比实验 ，证明了该方法的可行性和准确性 。虽然在低频呼吸率区域 ，检测的误差略大 ，但已经可以满足日常监护呼吸状况的需求 。扩展了坐姿信号检测系统的性能 ，在监测心脏功能的同时 ，增加了呼吸监护部分 ，为多生理参数的无感觉监护系统的开发提供了一种可行方案 。参 考 文 献 赵捷 ，华玫由单通道心电提取呼吸信息的算法生物医学工程学杂志 ，（）： ， ，（）： ， ， ， ，： ， ， ，（）： ， ， ，（）： ， ， ， ，： ， ， ， ，（）： 王旭 ，金晶晶基于体震信号的心率检测装置的设计与实现传感器与微系统，（）：， ， ， ， ，（）： 葛哲学 ，陈仲生时频分析技术及其应用北京：人民邮电出版社 ，： ， ， ，（）：（收稿 ： 修回：）
