脉象信号滤波与特征值提取

J4 ›› 2012, Vol. 34 ›› Issue (9): 88-92.

脉象信号滤波与特征值提取

蔡潇1，秦肖臻1，康双双2

(1.华中科技大学控制科学与工程系，湖北武汉 430074;
2.中国地质大学(武汉)信息工程学院，湖北武汉 430074)

收稿日期:2011-08-27 修回日期:2011-11-21 出版日期:2012-09-25 发布日期:2012-09-25

Pulse Signal Denoising and Feature Point Extraction

CAI Xiao1,QIN Xiaozhen1,KANG Shuangshuang2

(1.Department of Control Science and Engineering,
Huazhong University of Science and Technology,Wuhan 430074;
2.School of Information Engineering,China University of Geosciences,Wuhan 430074,China)

Received:2011-08-27 Revised:2011-11-21 Online:2012-09-25 Published:2012-09-25

摘要/Abstract

摘要：

脉象作为人体一项基本的生理特征，反映了个体整体性的生理情况，尤其是个体血管与心脏的健康状况。由于脉象诊断自古以来就存在不够定量客观的现实问题，为了客观定量地对脉象这种微弱信号加以分析，本文利用小波变换在时域与频域多级分辨率的特性，对脉象信息进行多小波分离出高频噪声信号以及基线漂移，在此基础上对信号去噪滤波。利用小波变换奇异点突变，提取脉象周期信息作为一类特征值。通过三次样条拟合出单周期脉象波形，提取出脉象搏动微分、积分曲线以及极值点的信息，阐述了它们与脉形特征对应关系，并作为脉形特征值。通过样条建模计算出的特征值为进一步的脉象识别提供了数据信息。

关键词: 脉象信号, 小波变换, 三次样条拟合, 脉象特征值

Abstract:

By utilizing the wavelet transform which has an ability to reveal lowfrequency signal and highfrequency signal, the powerfrequency and baseline wander interference in pulse signal is eliminated.The signal period is detected with the reconstructed detail signal.Every pulse period can be drawn up with spline fitting.The feature points of the denoised signal are detected with the first derivative of the spline fitting function and the integral function.At last we find out the relationship between the feature of the pulse and the physiological significance.

Key words: pulse signal;wavelet transform;spline fitting;feature points of pulse signal

蔡潇1，秦肖臻1，康双双2. 脉象信号滤波与特征值提取[J]. J4, 2012, 34(9): 88-92.

CAI Xiao1,QIN Xiaozhen1,KANG Shuangshuang2. Pulse Signal Denoising and Feature Point Extraction[J]. J4, 2012, 34(9): 88-92.

[1]	徐景秀, 张青. 改进小波软阈值函数在图像去噪中的研究应用[J]. 计算机工程与科学, 2022, 44(01): 92-101.
[2]	董霙达, 张成涛, 多化琼, 杜豫怡. 基于加权变换的蒙古族家具纹样增强研究[J]. 计算机工程与科学, 2021, 43(06): 1047-1051.
[3]	张贵仓, 苏金凤, 拓明秀. DTCWT域的红外与可见光图像融合算法[J]. 计算机工程与科学, 2020, 42(07): 1226-1233.
[4]	王健1,2,张修飞1,任萍1,院文乐1. 基于增补小波变换和PCNN的NSCT域图像融合算法[J]. 计算机工程与科学, 2018, 40(10): 1822-1828.
[5]	姜文超 1，2，刘海波1,杨宇杰1，陈佳峰1，孙傲冰2. 一种融合小波变换与卷积神经网络的高相似度图像识别与分类算法[J]. 计算机工程与科学, 2018, 40(09): 1646-1652.
[6]	王磊，薛伟. 基于时空混沌和小波变换的图像加密算法[J]. 计算机工程与科学, 2018, 40(05): 856-862.
[7]	李骥，王艳然，王威. 基于扩展字典稀疏表示分类的遥感目标识别[J]. 计算机工程与科学, 2017, 39(08): 1508-1512.
[8]	安静宇1,马宪民2 . 基于中值滤波和小波变换的火电厂炉膛火焰图像去噪方法[J]. 计算机工程与科学, 2016, 38(08): 1702-1708.
[9]	王晓花，徐学军，何秋娅. 一种改进的心电图QRS波群检测算法[J]. J4, 2016, 38(05): 983-987.
[10]	刘婧,王威，李骥，杨蔚蔚. 基于对偶树复小波变换的模糊图像质量评价[J]. J4, 2015, 37(08): 1573-1578.
[11]	刘珑1，李胜1，王轶卿2. 基于小波包变换的脑电波信号降噪及特征提取[J]. J4, 2015, 37(04): 790-795.
[12]	谭春娇，祝恩. 一种彩色图像可恢复半脆弱数字水印算法[J]. J4, 2015, 37(03): 594-598.
[13]	罗晓霞，王莉青，薛弘晔. 基于小波变换和曲波变换的图像边缘检测新算法[J]. J4, 2015, 37(01): 157-161.
[14]	陈伟琦，李倩. 基于DWT-SVD的图像双零水印算法[J]. J4, 2014, 36(10): 1991-1996.
[15]	陈曦，梁方，王威. 基于对偶树复小波变换与PCA方法结合的图像变化检测算法研究[J]. J4, 2014, 36(08): 1560-1565.