马 壮，于兆磊，朱智林，高 文

（1.山东工商学院，山东 烟台 264003；2.烟台恩邦电子科技有限公司，山东 烟台 264006）

0 引 言

脉搏波是人体重要的生理信号之一，同时可以从脉搏信号中计算出心率、收缩压/舒张压、血氧含量等重要的人体生理参数[1-2]。唐宇等利用三轴加速度计获取噪声信号消除运动伪差，计算出在误差允许范围内的人体心率值[3]。焦学军等通过研究血压与脉搏波的特征参数关系，通过回归分析建立适合不同人的特征方程，获取准确的血压值[4]。陈明进等对脉搏波中提取血氧饱和度做了综述研究[5]。

随着物联网技术的兴起，脉搏波等重要技术与物联网结合的医疗产品也日益成为家庭和医院中不可缺少的工具之一。杨琳等通过物联网技术对妊娠期高血压患者实现远程监护[6]；刘新龙等通过移动互联网对糖尿病患者的身体指标、用药、饮食完成医疗辅助系统的设计[7]。通过获取精确的脉搏信号来获取人体参数十分重要。

采集的脉搏信号容易受到干扰，韩庆阳等通过基于经验模态分解EMD的方法有效去除脉搏信号中的基线漂移[8]。胡芳凝等使用改进的快速滑动平均滤波完成了脉搏波的降噪，并且从中提取了准确的血氧饱和度[9]。龚中良等人通过优化电路利用差分电路的高共模抑制比的特点，实现了对脉搏信号的滤波处理[10]。但通过改进算法和优化传感器电路两种方式对采集的脉搏信号进行滤波处理，或通过对脉搏信号采集过程及脉搏信号分析得到的脉搏信号中存在多种噪声干扰。

本文从脉搏信号的信号特征出发，结合信号采集过程中存在的干扰，对脉搏信号中存在的基线漂移、工频噪声、肌电干扰等噪声及位置、环境光等干扰进行系统分析，提出有效的降噪方式，得到准确的脉搏信号。

1 脉搏信号噪声与降噪方式研究

1.1 环境光的干扰及降噪方式

光电容积脉搏信号检测分为反射式和投射式，区别在于光源与光接收器的位置不同：反射式检测将光源与光接收器放于同侧；透射式检测则将两者对立放置[11]。光接收器在接收射出光时会受到周围环境光的干扰，使得检测的脉搏波并不理想。

在实验过程中，检测对象的检测部位与传感器间存在的环境光容易造成二次反射，并且常存在于测量过程中。减少对脉搏信号检测的影响有如下两种方式：

（1）对传感器进行密封，不仅可以有效避免环境光干扰，还可以减少检测部位与传感器的接触，增加准确度；

（2）在传感器的背面涂上吸光材料，同时检测时将手指完全放于传感器之上减少环境光的存在，这种方式的缺点是检测部位与传感器完全接触，检测的准确度较低[12]。

1.2 电磁干扰及降噪方式

信号采集系统和其他电子设备在脉搏信号采集过程中均会造成电磁干扰，其幅度不同且频率范围广，而对于脉搏噪声影响比较大的频率范围为0.005～1 000 Hz。市电电压的电磁辐射也会对脉搏信号造成干扰，对脉搏信号的准确测量有极大影响[13]。

光接收器通过对接收的光强度进行光电转换，信号微弱，同时传统采集电路中设计的一级放大电路与光接收器之间是分离的，故信号在传递过程中容易受到电磁信号的干扰。因此须对电路进行优化，即在光接收器后的一级放大电路中使用电磁屏蔽以减少电磁信号带来的影响[14]。

工频干扰是最常见的电路干扰，脉搏信号变化缓慢，在信号采集过程中容易受到工频信号的干扰，因此必须抑制工频信号产生的影响。脉搏信号的频率范围为0.3～20 Hz，而工频信号的频率为50 Hz，因此可以通过低通滤波电路抑制工频信号，同时还可以降低系统功耗、减少电磁干扰，并在控制电路中进行脉冲调制。除了在电路中进行滤波外，还须在信号采集后，使用软件滤除工频信号。

1.3 检测位置的影响及位置选择

现阶段，可进行脉搏波无创检测的位置有指尖、耳垂、手腕和心脏。不同位置反映的主要信息也有区别，心脏处最为准确。光源、光接收器与检测位置的距离也会影响脉搏信号准确度：距离太近，血管受到挤压、接触电阻不稳定；距离太远，导致光接收器得到的脉搏信号变得更加微弱。

上述3个检测部位均含有丰富的动脉、微动脉等血管，其中手指指尖部位的血管数量极其丰富，皮肤组织较薄，光源投射容易，故常作为透射式和反射式的检测位置，缺点是肌肉抖动不可控制。手腕处主要是静脉和桡动脉两种，手腕前后距离较远，故常用在反射式检测中。血管分布如图1所示。

图1 血管分布

1.4 肌电干扰、基线漂移及其降噪方式

在采集过程中，人体组织的轻微抖动会对检测信号产生干扰。脉搏波信号微弱，肌电干扰为微伏级信号，约占脉搏信号的20%。不稳定的放大电路和不规律的呼吸都有可能对脉搏信号造成基线漂移，通过对采集的信号进行分解得到类似于低频的正弦波。针对肌电干扰及基线漂移的解决方法如下所示：

（1）开始检测之前，检测对象静坐2 min，调整呼吸频率，减少肌肉干扰的影响；

（2）优化传感器放大电路，增加其稳定性；

（3）通过软件滤除肌电干扰及基线漂移。

1974年，J. Morlet提出小波变换的雏形[16]。相较于傅里叶变换和短时傅里叶变换信号处理方式，小波变换的优势在于在其“变焦”特性，即宽分析窗口用于低频部分，窄分析窗口用于高频部分。而所谓的小波变换则是在分析信号时加的随着时域局部变化的时间窗和频率窗，即所加窗口可根据内部的信号改变窗口大小。

小波变换的定义式：

式中：f(t)为信号函数；φ(t)为小波函数；a为尺度，控制小波函数的伸缩；τ为平移量，控制小波函数的平移。

根据脉搏信号特征分析可知，频率是脉搏信号的主要特征之一。对采集的信号进行多尺度分解时，其中的细节分量代表高频噪声部分，可选择合适的阈值，通过阈值量化处理高频噪声的干扰；低频近似分量为基线漂移信号，可使用强制去噪的方式置零后消除基线漂移的干扰[17]。

脉搏信号中主要存在高频噪声和基线漂移两种干扰，通常借助软件算法降低干扰，以获取准确的信号。其他干扰均可通过优化电路及改进检测设备去除，但其造成的影响也不可忽视。在对信号进行降噪和去干扰处理后，可以获得准确的脉搏信号。

2 实验结果分析

2.1 理论介绍

信号采集的硬件选用Arduino UNO开发板，脉搏传感器使用Pulsesensor。Arduino开发板自带编程环境Arduino IDE，该软件使用方便，可自动识别Arduino UNO串口，性价比高、小巧，适合二次开发。

Pulsesensor使用放射式光电容积脉搏波检测传感器，光接收器选用APDS-9008。通过查看手册得知光接收器与光源的峰值波长接近，灵敏度较高。

信号采集上位机结合MATLAB强大的数据处理优势，以及GUI图形用户界面的优点，建立了一个脉搏信号采集、预处理及存储平台。平台结构如图2所示。

图2 平台结构

2.2 数据预处理

在开始数据采集之前，首先对于Pulsesenor传感器进行防环境光处理，即将传感器固定在指套上沿，待实验对象静坐1 min后，将指套套入检测对象的中指指尖且平放于桌面。

采集到的数据使用MATLAB进行预处理。通过小波去噪，借助MATLAB对含有噪声的混合信号使用小波基函数db8小波进行N层小波分解。原始信号S表示如下：

S=A+D1+D2+…+DN

式中：S代表原始信号；A代表低频近似部分；D代表高频细节部分；数字N代表小波分解尺度数。

对脉搏信号使用小波基函数db8小波进行3层分解。D1～D3部分为高频细节部分，而A3则是在3层分解后的低频近似部分。我们可以对信号的高频部分进行强制去噪处理，以消除混合信号中高频部分的噪声。使用小波基函数db8进行8层分解，D1～D8部分为高频细节部分，而A8则是在8层分解后的低频近似部分。可以对信号的低频部分选取合适的阈值进行抑制处理，从而得到更加精确的信号。

2.3 结果分析

使用6种不同小波基对同一脉搏波信号去噪，结果见表1所列。

表1 去噪后结果

去噪前后对比如图3所示。

图3 去噪对比图

3 结 语

准确的脉搏波信号可以有效计算人体的血压、心率、血氧饱和度等生理参数，这些参数可以应用于心血管疾病检测等方面。本论文首先针对基于光电容积脉搏描记法采集的信号进行噪声分析，然后提出相应的抑制消除噪声方式，利用这些方法对脉搏波信号进行去噪处理取得了较好的效果，为后续脉搏波特征提取及分类等工作提供了方便，并为医疗物联网的搭建提供了理论基础。