指端脉搏曲线特征参数提取方法研究
脉搏波图像的包络线提取与特征点跟踪_夏钧
Extraction of the Pulse Wave Envelope and the Feature Points Tracking
XIA Jun， TAO Hongfeng *
（ Key Laboratory of Advanced Process Control for Light Industry， Ministry of Education， Jiangnan University， Wuxi China） 214122 ， Abstract： This paper proposes a new algorithm to extract the pulse wave envelope and to track its feature points． Firstly， we cut the ＲOI area of the image， using the otsu method to binary the image． Further more， combining with and using a multithreshold method morphological operators and sobel operators detects the pulse wave envelope， locates the feature points of the pulse wave images． Key words： pulse wave， envelope extracting， multithreshold method， feature points
Image of the pulse wave after the binary method
1． 3
形态学算法
脉搏波图像经过最大类间方差阈值二值化后 然而， 连通域中有许 目标区域得到了明显的增强。 多孔洞， 极大地影响脉搏波包络线提取的质量， 增 因此， 在提取脉搏波包络线 加了图像分割的难度。 之前， 需要对连通区域的内部孔洞进行图像处理， ［8 ］ 将连通域内部的孔洞连接起来 。 数学形态学方法是处理连通域内部孔洞的常 用方法。 形态学方法利用各种几何形状的结构算子 作为形态滤波器， 在图像的目标区域进行卷积 滤 ， 波 增强目标区域和背景区域的差异性。 其中， 具有 特定半径长度的圆盘形形态学算子常被用来填充 目标区域内部的空洞。 文中将数学形态学方法推广应用于脉搏信号 图像的包络线和特征点提取。 下面给出形态学中最 腐蚀定义： 基本的膨胀、 设脉搏信号的离散数字序列为 f（ n） ， 结构元素 且有 n ＞ m， 则定义如下形态学算子。 为 α（ m ） ， 膨胀算子： （ f α） （ n） = max［ f（ n － m） α（ m） ］ n = M － 1， M …N
指端脉搏曲线特征参数提取方法研究
报 ， ２ ０ ０ ３， ５ （ １ ９ ）： ５ Ｏ ５ １ ．
当指 定 编 制 完 成 后 ， 单击 按钮 ， 就 可 以 把 原 始 的 Ｅｘ —
ｅ ｅ ｌ 文 件 中 的试 题 格 式转 换 为符 合 军 队 网 络 教 学 平 台要 求
［ ３ ］ 刘铭 ． 基 于 ＶＢ Ａ对 Ｅ ｘ ｃ ｅ ｌ ２ ０ ０ ７二 次 开 发 应 用研 究Ｅ Ｊ ３ ． 现代 电 子 技
题 管理 效 率 。在 军 队 网 络 教 学 平 台 《 计 算机基 础与操 作 》
网 络课 程试 题 库 录人 中采 用 该 方 法 ， 只 需 几 个 简 单 的 按 钮
Ｐ ｒ ｉ ｎ ｔ＃ ｉ Ｆ Ｎｕ ｍｂ ｅ ｒ ， ｊ ｉ ｎ ｇ ｈ ａ ｏ ＆ Ｃｅ ｌ ｌ ｓ （ ｉ ， ｊ ） ： Ｐ ｒ ｉ ｎ ｔ＃
ｉ ＦＮ ｕ ｍｂ ｅ ｒ ，ｃ ｌ ｏ ｓ ｅ Ｓ ｔ ｒ ：
操作就可以完成 ， 提 高 了工 作 效 率 。虽 然 本 文 是 针 对 军 队 网络 教 学 平 台设 计 的 ， 但 对 于其 它 平 台 的操 作 也 有 借 鉴 意
义。
参考文献 ：
［ １ ］ 林海宁． 基 于 ＶＢ Ａ 技术 的 Ｅ ｘ ｃ ｅ ｌ自动 评 阅 系 统 Ｉ － Ｊ ］ ． 现代 计算 机，
０ 引言
脉 诊 在 中 医疾 病诊 断 中有 着 极 为重 要 的作 用 ， 心 血 管
发生变化 ， 并 首 先 反 映 在脉 搏 曲线 的波 形 变 化 上 。实 验
发 现 能 够 表 征 心 血 管 系统 机 能 的血 流 参 数 与 脉 搏 曲线 中
脉搏信号的采集与分析
脉搏信号的采集与分析脉搏信号采集与分析技术在医学和健康领域具有重要意义，可以帮助医生判断病人的健康状况，监测患者的心率、血压等生理参数。
本文将介绍脉搏信号的采集与分析的原理、方法和应用，并探讨其在临床医学和健康管理中的价值。
一、脉搏信号的采集技术脉搏信号采集是指通过传感器或设备获取患者的脉搏信号的过程。
目前常用的脉搏信号采集技术主要包括以下几种：1. 传统脉搏测量仪器：如手动测量血压的血压计、心率测量仪器等。
这些仪器通过袖带、探头等装置将患者的脉搏信号传感到设备上，然后通过人工观察或数码显示来获取信号。
2. 传感器技术：现代医疗设备中常采用传感器技术来实现脉搏信号的自动化采集，如心率监测仪、血氧监测设备等。
这些传感器可以直接接触患者的皮肤或通过非接触式技术测量脉搏信号，并将信号传输到数据采集系统上。
3. 无线蓝牙技术：近年来，随着智能医疗设备的发展，蓝牙技术被应用于脉搏信号的采集。
医疗环境中的脉搏仪器可以通过蓝牙与移动设备或云端系统连接，实现对患者脉搏信号的实时监测和记录。
以上这些技术都可以实现对患者脉搏信号的准确采集，为后续的信号分析和处理提供了数据基础。
二、脉搏信号的分析方法脉搏信号的分析，主要是指通过信号处理和算法技术对采集的生物信号进行特征提取、模式识别等处理，以获取患者的生理状况信息。
常用的脉搏信号分析方法包括以下几种：1. 特征提取：通过信号处理技术提取脉搏信号的频率、幅值、时域和频域特征等，用于描述信号的基本特性，如心率、脉搏波形等。
2. 模式识别：利用机器学习、神经网络等方法对脉搏信号进行分类和识别，比如识别心律失常、血压异常等生理状态。
3. 时间序列分析：通过对连续脉搏信号的统计分析和动态建模，揭示脉搏信号的变化规律和趋势，如血压随时间的波动、心率的趋势等。
4. 预测与预警：基于脉搏信号的分析，可以利用数学模型和算法对病人的生理状况进行预测和预警，提前发现可能的健康风险。
以上这些方法在脉搏信号的分析中发挥着重要作用，可以为医生提供客观的生理参数和病情信息，帮助其做出更准确的诊断和治疗决策。
脉搏信号的采集与分析
脉搏信号的采集与分析脉搏信号是人类身体的重要指标之一，可以反映出人体的生理状况和心脏的工作情况。
脉搏信号的采集与分析是医学、生物工程以及生命科学等领域的重要技术之一。
本文将简要介绍脉搏信号的采集方法和常用的分析技术。
脉搏信号的采集方法主要有以下几种：1. 传统方法：传统的脉搏信号采集方法包括手动触摸法和听诊法。
手动触摸法是通过手指触摸患者的动脉，感受脉搏的跳动来获取信号。
听诊法是通过听诊器听取心脏搏动声音，并根据搏动声的频率和规律来判断心脏的工作情况。
2. 传感器法：传感器法是利用生物传感器或电子传感器来采集脉搏信号。
常用的传感器有压力传感器、运动传感器和光电传感器等。
压力传感器通常被放置在脉搏部位上，通过测量压力的变化来获取脉搏信号。
运动传感器可以通过感知皮肤的振动来判断脉搏的频率和规律。
光电传感器利用红外线和光电二极管来测量皮肤血液中的血红蛋白变化，从而获得脉搏信号。
脉搏信号的分析涉及到信号处理、特征提取和模式识别等方法。
常用的分析技术有以下几种：1. 频域分析：频域分析是将脉搏信号从时域转换到频域进行分析。
常用的频域分析方法有傅里叶变换和小波变换等。
这些方法可以将脉搏信号分解成一系列不同频率的分量，从而帮助研究者了解脉搏信号的频率成分和能量分布情况。
2. 时域分析：时域分析是对脉搏信号进行时间序列分析。
常用的时域分析方法有自相关函数、互相关函数和自回归模型等。
这些方法可以帮助研究者了解脉搏信号的时间特征，如脉搏的平均间隔、脉搏的持续时间等。
3. 特征提取：特征提取是从原始脉搏信号中提取出具有代表性的特征。
常用的特征提取方法有波形特征、时域特征和频域特征等。
这些特征可以帮助研究者判断脉搏信号的稳定性、规律性和异常情况。
4. 模式识别：模式识别是将脉搏信号分类和识别的过程。
常用的模式识别方法有支持向量机、人工神经网络和随机森林等。
这些方法可以根据脉搏信号的特征将其分类为正常、异常或疾病状态。
脉搏信号的采集与分析是一项重要的技术，可以帮助医务人员和研究者了解人体的生理状况和心脏功能。
脉搏波信号时域特征提取与算法的研究
（ 京服 装 学 院信 息 工 程 学院 自动 化 教 研 室 ， 京 １０２ ） 北 北 ０ ０９
摘要 ： 研究脉搏波信 号时域特征 以及提取算法 ， 针对脉搏波信 号 中若干 有明确 生理 意义的特征 点（ 主波、 渡、 如 潮 重搏波
等） 提 出采用极值 法从脉搏信号 中提取上述特征点 ， ， 并根据特征 点来计 算脉 搏周期。仿真 实验证 明 ， 采用极值 法与传统
的脉 搏 信 号提 取 法相 比 ， 值 法的 脉 搏 特 征 提 取 更 简 明 、 确 。 极 准 关键词 ： 脉搏 渡信 号 ；时域 特 征 提 取 ； 极值 法
中 图分 类 号 ：Ｎ １ ．２ Ｔ ９ １７ 文 献 标 识 码 ： Ａ ｄ ｉ １ ．９ ９ｊｉ ｎ １０ －４５ ２ １ ．４ Ｏ ４ ｏ ： ０ ３６ ／．ｓ ．０ ６２７ ．００ ０ ．Ｏ ｓ
ｓ ｎ ｌ ａ ａｃ ａ ｈ ｓ ａ ｓ ｉｃｎｅｏ ｎ ｍ ｅ ｆｅｔ ｅｐｉｔ ｓｃ ｓ ａｅ ｔ ａ ｗ ｖ８ ｈ ａｙｐ ｍ — ａｅ ｅｃ ） ｔ ｉ ａ ｈｓ ｌ ｒ ｙｉ ｌ ｉ ｆ ａｃ ｆ ｕ ｂ ｒ ａｕ ｏｎｓ（ｕ ｈａ ｖ ， ｄ ａｅ， ｅｖ ｕ ｐｗ ｖ ， ｔ． ，ｈ ｇ ｅ ｐ ｃ ｇｉ ｎ ａ ｏｆ ｒ ｗ ｉｌ ｅ
（ ｕ ｍ ｔｎＳ ｆ ， ｃｏｌ ｆｎｏ ａｏ ｎｉ ｅ ｎ ， ｅｉｇＩｓｔｅｏ ａｈｏ ｅｈ ｏ ｇ ， ｅｉ Ｘ ２ ， Ａ ｔ ａｏ ｔ ｓ Ｓｈｏ ｏ ｆ ｍ ｔｎＥ ｇ ｅｒ ｇ Ｂｉｎ ｔｕ Ｆｓｉ Ｔｃｎｌ ｙ Ｂｉｎ ｌ Ｄ ９ ０曲ａ ｏ ｉ ａ Ｉ ｒ ｉ ｎ ｉ ｊ ｎｉ ｔ ｆ ｎ ｏ ｊｇ Ｉ ）
２１ ０ ０年 第 ４期 文 章编 号 ：０ ６２ ７ （０ ０ ０ － １－３ 机 与 现 代 化 Ｊ Ｕ ＮＩＹ Ｉ Ｎ ＡＨＵ Ｉ Ａ Ｊ Ｕ ＸＡ Ｄ Ｉ Ａ Ｓ
脉图时域特征提取方法研究现状及改进策略
世界科学技术-中医药现代化★中医研究脉图时城特征提取方法研堯现狀及改遗策略*丁晓东，陈聪，洪静，郝一鸣，王忆勤**(上海中医药大学基础医学院上海201203)摘要：随着中医脉诊客观化研究的不断深入，桡动脉脉搏波的时域特征以其直观方便的优势得到了 广泛的应用，如何更准确地提取这些特征也就变得至关重要。
本研究总结了目前常用的脉搏波时域特征提 取方法，结合临床应用研究现状分析了其优势与不足，并探讨了改进策略，为进一步提高脉象时域特征提取 的准确性提供了参考。
针对非典型脉搏波降中峡易识别错误，本研究提出了脉搏波一次导数的极小值可以 作为降中峡提取标志的假说，并通过285例临床样本进行算法验证，达到了 95.09%的正确率。
关键词：脉象客观化时域特征提取降中峡d o i : 10.11842/w s t .20190617001中图分类号：R 33 文献标识码：A脉诊在中医四诊中占有重要的地位。
随着中医 诊断客观化的发展，越来越多的学者基于桡动脉脉搏 波开展了相关的研究，其中脉搏波的时域特征以其表 达直观、获取便捷的优势得到了广泛应用。
这些特征 指标多由脉诊仪配套的自动算法提取而得。
然而，临 床实际采集到的脉搏波数据变化多样，更有难以避免 的人为干扰，只有尽可能准确地提取这些特征才能为 进一步的研究提供坚实的基础。
1脉搏波的时域特征及其生理意义1.1脉搏波的时域特征在中医脉诊中的应用中医关于脉诊的理论与实践经验非常丰富。
早 在700多年前，就不断地有医家尝试使用“脉影图”对 脉搏的“体位”和“性状”进行描述。
|"1860年，世界上 出现了第一台杠杆式脉搏描记器。
121二十世纪五十年 代起，中医开始借助脉搏描记器对脉象进行研究，脉 搏波正式进入了中医的研究领域。
^此时的脉诊客观 化研究主要局限于从脉图的时间、振幅、角度、形态等 方面分析上升支、下降支、重搏波的高度及斜率等直收稿日期：2019-06_17 修回日期：2019-08-22* 国家自然科学基金委员会面上基金项目（81673880):基于中医四诊大数据的冠心病风险评估与预测模型研究，负责人：王忆勤；上海市科学 技木委员会上海市重点实验室（13D Z2261000):上海市健康辨识与评估重点实验室建设经费，负责人：王忆勤。
基于FastICA算法的脉搏波信号特征参数提取方法研究
Ｋ ｅｙ Ｗ ｏｒｄｓ： ＰＰＧ ： ＩＣＡ ： Ａｎｄｒｏｉｄ ｉｎｔｅｌｌｉｇｅｎｔ ｔｅｒｍ ｉｎａｌ
ＥＬＥＣＴＲＯＮＩＣＳ ＷＯＲＬＤ·探索与观察
基于ＦａｓｔｌＣＡ算法昀豚搏波信号特征蓥数提取方法酮究
重庆邮电大学光电信息感测与传输技术重庆市重点实验室 曲雷政 庞 宇 张亚华
【摘要 】经过 大量临床证 实，脉搏 波能反映许 多心血管方面的生理信息 ，脉搏 波特征 变化 可以反映 出人体生理 系统的状态。为 了能够在脉搏 波信 号 中提 取 更 多的 生理 参数 ，必 须对 脉搏 波信 号 的各 种 特性 进 行 深入 的 分析 。 利 用光 电容 积脉 搏 波描 记 法 （ＰＰＧ），人 们 只 需要 将 手指 轻微 的 贴着摄 像 头 就 可 以采 集到 手指 图像 ，对 图像 进行 独 立 成分 分析 （ＩＣＡ），找 到 最接 近 人体 的脉搏 波信 号 。这 对基 于智 能终 端 分析 脉搏 波 信 号 的特 征 ，进行 呼 吸 、血压 、心率 测量 的便 捷性 有很 大的提 高 ，为在 家居 环境 下 对人体 生 理参 数 的 实时监 测提供 了一 定的 参 考。 【关键词 】光电脉搏波；独立成分分析；Ａｎｄｒｏｉｄ智能终端
１ ＰＰＧ信号提取 原理
光 电容积 脉 搏波 （ＰＰＧ）信号 是 利用 光 电技 术 在人 体 组 织 中监
测 动脉 血 液 容积 变 化 的 一种 无创 检 测 方Leabharlann 口］。 当波 长为 的单 色 光
基于FastICA算法的脉搏波信号特征参数提取方法研究
基于FastICA算法的脉搏波信号特征参数提取方法研究曲雷政;庞宇;张亚华【摘要】经过大量临床证实,脉搏波能反映许多心血管方面的生理信息,脉搏波特征变化可以反映出人体生理系统的状态.为了能够在脉搏波信号中提取更多的生理参数,必须对脉搏波信号的各种特性进行深入的分析.利用光电容积脉搏波描记法(PPG),人们只需要将手指轻微的贴着摄像头就可以采集到手指图像,对图像进行独立成分分析(ICA),找到最接近人体的脉搏波信号.这对基于智能终端分析脉搏波信号的特征,进行呼吸、血压、心率测量的便捷性有很大的提高,为在家居环境下对人体生理参数的实时监测提供了一定的参考.【期刊名称】《电子世界》【年(卷),期】2018(000)006【总页数】3页(P16-17,20)【关键词】光电脉搏波;独立成分分析;Android智能终端【作者】曲雷政;庞宇;张亚华【作者单位】重庆邮电大学光电信息感测与传输技术重庆市重点实验室;重庆邮电大学光电信息感测与传输技术重庆市重点实验室;重庆邮电大学光电信息感测与传输技术重庆市重点实验室【正文语种】中文0 引言随着现代生活节奏的加快，人们的生活压力和社会压力越来越高。
各类疾病出现年轻化趋势，中国22%的中年人死于心脑血管疾病；七成人有过劳死的危险；白领亚健康比例高达76%；慢性病患病率已达20%，死亡数已占总死亡数的83%。
中国一年用于心脑血管疾病的治疗经费达到3000亿元。
中国因疾病而导致生产力丧失，在2005-2015年间给中国造成5500亿美元的经济损失[1]。
因此，探究其致病原因和提出有效预防、治疗的方法很重要。
随着智能手机的普及，通过使用手机检测人体生理参数，正逐渐成为一种日常健康检测方式。
目前，通过手机摄像头采集指尖图像获取脉搏波(PPG)信号，利用手机的便携性、运算能力、光学传感器，而不需要增加其他硬件就可以计算心率、HRV信号、呼吸等生理参数。
PPG信号中蕴含了与人体有关的生理、病理信息，能用于心血管疾病的预防、诊断。
脉搏波特征提取算法及其应用研究的开题报告
脉搏波特征提取算法及其应用研究的开题报告1. 研究背景与意义随着人口老龄化和心血管疾病发病率的增加，心血管疾病已经成为全球范围内的重要疾病之一。
脉搏波是心血管健康状况的重要指标，通过对脉搏波的分析可以了解大动脉的弹性和管腔的变化情况，为心血管疾病的诊断和预防提供了很好的依据。
因此，研究脉搏波信号的特征提取算法及其应用，具有重要的实际意义。
目前，已经发展出许多脉搏波信号的特征提取算法，包括时间域、频域和时频域等多种方法。
但是，由于脉搏波信号的噪声和干扰较大，特征提取算法的精度和效率仍然有待提高。
因此，研究如何从脉搏波信号中提取出一些有意义的特征参数，对于更加准确地评估心血管健康状况、预测心血管疾病的发生具有重要的意义。
2. 研究内容与方法本课题将研究脉搏波信号的特征提取算法及其应用，研究内容包括以下几个方面：（1）脉搏波信号的获取与预处理。
使用脉搏波传感器采集脉搏波信号，在进行信号的预处理过程中，将采用滤波、去除噪声、归一化等处理方法，以提高信号的质量和可靠性。
（2）根据脉搏波信号的特点，研究时间域、频域和时频域等多种特征提取算法，包括脉搏波波形、脉搏波速度、心脏指数、脉压等参数。
（3）分析脉搏波信号在心血管疾病诊断和预测中的应用，比如根据脉搏波信号的特征参数建立心血管疾病预测模型等。
本研究将采用实验研究和文献综述等方法进行，通过对脉搏波信号的实验采集和分析，以及对现有文献资料的收集和分析，探索提高脉搏波信号特征提取算法精度和应用效果的方法和途径。
3. 研究进展与展望目前，已经有许多研究对脉搏波信号的特征提取算法进行了探索，但是该领域的研究仍然不够成熟。
未来，可以进一步深入研究脉搏波信号的特征提取方法，探索新的算法和模型；同时，可以探索脉搏波信号在心血管疾病预测和诊断中的应用，为临床实践提供更加可靠的依据。
总之，本研究将对脉搏波信号的特征提取算法及其应用进行深入研究，为心血管疾病的诊断和预防提供更加有效的方法和手段。
指端脉搏信号测试系统研究的开题报告
指端脉搏信号测试系统研究的开题报告
标题：指端脉搏信号测试系统研究
摘要：
随着人们生活水平的提高和健康问题的日益凸显，人们对于自身健康的关注度也越来越高。
指端脉搏信号作为人体脉象的重要组成部分，已经成为了反映人体健康状
况的重要指标之一。
在现有的相关研究中，通常使用生物医学传感器将指端脉搏信号采集到计算机中，然后通过算法处理得到有用的信息。
然而，这种方法存在着较大的局限性，如传感器
的使用不方便、信号采集不够灵敏等问题。
本文旨在研究一种新的指端脉搏信号测试系统，该系统基于光电脉搏波技术，并利用复合滤波算法对信号进行处理。
该系统的优点在于：不需要穿戴传感器，操作简
单方便，信号采集灵敏度高，有效避免了传感器放置不当带来的误差。
为了验证该系统的准确性和可行性，本研究还将进行实验测试，通过对不同年龄、性别和健康状况的人群进行测试，分析系统输出的脉搏波特性参数与传统测量方法得
出的结果的差异，并对系统的优化和改进提出建议。
整个研究的目标是为了打造一种简单、准确、可靠、方便使用的指端脉搏信号测试系统，促进人们更加方便地了解自身健康状况。
关键词：指端脉搏信号，光电脉搏波，复合滤波算法，实验测试，健康状况。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
指端脉搏曲线特征参数提取方法研究
作者：张宇博舒红平岳希
来源：《软件导刊》2015年第04期
摘要摘要：通过分析指端脉搏曲线的时域特征，提取所有可能的脉搏曲线特征点，从幅度和时间两个维度排除极值点的干扰值，从而确定脉搏曲线特征点，得到时域参数、RR间期和K值等特征参数。
对临床采集的动脉硬化患者和健康人的脉搏曲线进行特征点定位和特征参数提取。
实验证明，该方法特征点获取准确，具有较好的实时计算特性和稳定性，简便、准确地提取相关特征参数值，可用于动脉硬化的预判与分析。
关键词关键词：脉搏曲线；特征点；特征参数提取；时域分析；动脉硬化
DOIDOI：10.11907/rjdk.151217
中图分类号：TP301
文献标识码：A文章编号文章编号：16727800（2015）004003203
0引言
脉诊在中医疾病诊断中有着极为重要的作用，心血管疾病诊断的一条有效途径就是通过脉象进行诊断。
心血管疾病初期，患者并无任何症状，但心血管血流参数已经发生变化，并首先反映在脉搏曲线的波形变化上[1]。
实验发现能够表征心血管系统机能的血流参数与脉搏曲线中提取的特征参数具有极大的相关性，人体脉搏曲线中蕴含着各种与心血管系统密切相关的生理信息[2]。
目前，中医脉象量化领域研究成果丰富，但在确定脉搏曲线的特征参数以及提取其特征点等方面仍存在特征参数的识别准确率不高、无法实时计算等问题。
本文提出一种基于指端脉搏曲线的特征参数提取方法，通过提取所有可能的脉搏曲线特征点，结合对临床采集的无创、低成本的指端脉搏曲线的研究结果，从幅度和时间两个维度进行多重判断从而去除干扰极值点，以精确得到脉搏曲线的特征点。
该方法具有较好的实时性和稳定性。
1脉搏曲线波形分析
脉搏曲线波形图的特征点如图1所示，为方便分析，分别用A、B、C、D、E、F、G来标记7个特征点在脉搏曲线中的位置[3]。
整个曲线是一个脉搏周期，其中A是脉搏曲线的起始点；G是脉搏曲线的终点，也是下一个脉搏曲线的起始点；B、D、F分别是脉搏曲线的主波、潮波以及重搏波的波峰；C、E分别是潮波前谷和降中峡的波谷。
2脉搏曲线特征参数提取
指端脉搏曲线时域分析的关键在于准确获取脉搏曲线周期中的特征点，包括起始点、主波、潮波、重搏波等，结合临床采集的无创、低成本的指端脉搏曲线的研究结果，从幅度和时间两个维度进行多重判断从而去除干扰极值点，以精确得到脉搏曲线的特征点，实现脉搏曲线特征参数的提取。
2.1脉搏曲线特征点提取
脉搏曲线在采集过程中存在运动伪差干扰，同时人体生理变化也会导致脉搏曲线形态随之改变，所以实现高准确率的脉搏曲线特征点提取，既避免遗漏极值点又避免误检，需要通过判别排除等方法去掉干扰极值点。
特征点提取流程如图2所示，具体方法如下：
（1）获取1min的待提取特征点的脉搏曲线数据，排除噪声曲线，得到较平稳脉搏数据。
在分析临床采集的脉搏曲线特征实验中，一般相邻两个脉搏曲线周期的收缩期变化在25%以内，幅度变化最大不超过35%，故相邻两个脉搏曲线周期幅度和上升支时间一般不会发生突变。
采用阈值判别法，确定幅度阈值和时间阈值两个维度的区间。
时间阈值：（0.75*曲线前沿耗时均值，1.25*曲线前沿耗时均值）；幅度阈值：（0.65*幅度均值，1.35*幅度均值）。
若检测脉搏曲线的时间和幅度不在变化范围内，设置其为噪声曲线，予以排除。
（2）确定脉搏曲线主波的波峰点。
通常，在脉搏曲线主波波峰点的幅度值最大，位置相对容易判断。
脉搏曲线采用连续5个递增点以及阈值判别法[4]识别脉搏曲线的上升支，如果相邻两个主波波峰点的时间间隔小于脉搏曲线周期的均值，则舍去两个相邻幅度值中较小的一个，最大幅度值设置为波峰点。
（3）依据每个主波的波峰点确定每个脉搏曲线的周期起始点。
通过定位每个主波的波峰点前的0.3*200HZ（采样频率为200HZ）范围内的最小值为该脉搏曲线的起始点。
相邻两个起始点之间即为一个脉搏曲线周期，进一步实现脉搏曲线周期的分割。
（4）确定脉搏曲线周期中所有可能的极值点，排除干扰极值点。
若对特征点进行精确定位，需要从多个可能极值点中筛选得出特征点。
先根据上述方法确定脉搏曲线的上升支、主波波峰点以及脉搏曲线的起始点，然后以主波波峰、起始点为基准，根据阈值法判断并搜索脉搏曲线效率变化较小的点，并计算相邻两极值点之差，用于对每个极值点进行处理。
对脉搏曲线周期中的每个可能极值点进行处理方法如下：
①取两个时间相邻的可能极值点，计算两个极值点的时间差和幅度差；
②比较任意相邻的两个可能极值点之间的幅度差值，如果两个可能极值点的幅度差大于特定幅度阈值，则继续下一步判断，否则将两个可能极值点中幅度较小的一个作为干扰值予以排除；
③比较任意相邻两个可能极值点之间的时间差值，如果两个可能极值点的时间差不大于特定时间阈值，则将两个可能极值点作为可能极值点，从而实现干扰极值点排除。
（5）确定脉搏曲线的特征点。
利用上述方法及一般阈值法分别采集指端脉搏数据进行实验。
实验采用HKG07C红外脉搏传感器对动脉硬化患者和健康人进行指端脉搏数据采集，采样频率为200HZ。
测试过程中，要求被测试者尽量处于安静状态。
在脉搏曲线的特征点中，主波波峰提取的准确性会影响其它特征点提取，特征点中主波波峰点的部分检测结果如表1所示。
可以看出，相比一般阈值法，本文方法提取脉搏曲线的特征点准确率更高，达到99%以上。
而一般阈值法更适用于脉搏曲线平稳的数据，若脉搏曲线变化明显则出现较大误差。
因为本文算法实时对脉搏曲线的干扰极值点进行了排除，提高了脉搏曲线分析的准确性和适应性。
同时算法复杂度低，运算性能较好，在无监督环境的脉搏曲线的实时分析中具有广阔的应用前景。
2.2特征参数提取
脉搏曲线的特征点是确定其特征参数的基础，通过采用本文方法提取脉搏曲线的特征点，可以得到RR间期、K值以及其它不同的时域特征参数，可用于心血管疾病的预判诊断。
RR间期具有心电信号的特征[5]，根据RR间期可以推算心脏的脉动频率。
计算RR间期的首先需要确定脉搏曲线的起始点以及主波的波峰点，进而计算相邻脉搏曲线周期的时间间隔，最后进行均值计算。
通过动脉硬化患者和正常人脉搏曲线的实验，根据本文提出方法计算出的R-R间期与心电图仪采集的数据相同。
K值是一种反映脉搏曲线特征的参数，由罗志昌[6]在脉搏波产生与传播机理的基础上提出。
K值通过下式计算：
K=（pm-p）/（ps-pd）（1）
其中，ps、pd分别为收缩压和舒张压，pm为平均动脉压，可以通过脉搏曲线的特征点值代入计算，实验发现K值简便易求、非常直观，更重要的是外周阻力、血液粘度、心血管硬化程度等极为丰富的心血管系统参数的改变都与特征参数K值密切相关[7]。
此外，根据确定的脉搏曲线特征点可以获得时域分析中RR间期标准差SDRR、RR间期平均值的标准差SDARR、相邻RR间期差值的均方根、变异系数CV等特征参数[812]。
3结语
根据指端脉搏曲线的特征参数提取方法，结合临床采集的指端脉搏曲线的研究结果，从幅度和时间两个维度进行多重判断，从而去除干扰极值点，以精确得到脉搏曲线的特征点，实现脉搏曲线特征参数提取。
实验结果表明，本文所提出的方法特征点获取准确，具有较好的实时计算特性和稳定性，可以简便准确地提取相关特征参数值，用于动脉硬化的预判与分析，在无监督环境的脉搏曲线实时分析中具有广阔的应用前景。
下一步研究，可以提取除主波波峰点、脉搏曲线的起始点等其它特征点，如K值相等的分割点等，并且围绕脉搏曲线的特征点，分析提取更多可作为心血管疾病特别是心血管疾病中高发的动脉硬化、高血压等诊断的特征参数，。
参考文献参考文献：
[1]赵恩俭.中医脉诊学[M].天津：天津科学技术出版社.1990：1214.
[2]陈雪峰.脉搏波特征提取算法及其应用[D].大连：大连理工大学，2006.
[3]罗志昌，张松，杨益民.脉搏波的工程分析与临床应用[M].北京：科学出版社，2006：1213.
[4]张虹，金捷，孙卫新.数字式脉搏血氧饱和度检测系统的研制[J].生物医学工程与临床，2002，6（3）：3032.
[5]张爱华，张妍，王琦.基于脉搏信号的心电特征研究[J].电子测量技术，2008，32（8）：811.
[6]罗志昌，张松，杨文鸣.脉搏波波形特征信息的研究[J].北京工业大学学报，1996，22（1）：7179.
[7]罗志昌，张松，杨益民等.微循环容积脉搏血流特征信息的研究[J].北京生物医学工程，2001，20（2）：9899.
[8]陈春晓，刘建业，王惠南.无创心血管功能测试诊断仪的研究[J].生物医学工程学杂志，2003，20（1）：125128.
[9]王炳和，相敬林.脉搏声信号检测系统实验设计及功率谱特征[J].中华物理医学杂志，1998，20（3）：158159.
[10]王炳和，罗建，相敬林.人体脉搏功率谱分析与中医脉诊机理研究[J].西北大学学报：自然科学版，2001，31（1），2123.
[11]M YOSHIZAWA.Classical effective techniques for estimating card：ovaseular dynamics [J].IEEE Eng in Med&Bio，1997：106112.
[12]王爱民等.脉象计算机识别和分类研究探讨[J]，生物医学工程学杂志，1992，9（1）：8688.
责任编辑（责任编辑：陈福时）。