脉搏呼吸率提取方法的研究

朱 慧，王 昱，于文龙

(1.武汉理工大学信息工程学院，湖北 武汉 430070;2.中国科学院深圳技术研究院生物医工所，广东 深圳 518055)

随着经济的发展，人们生活水平的不断提高，各种疾病的发病率和死亡率也逐渐增加。呼吸信号是人体很重要的生理参数之一[1]，目前，呼吸信号的标准参考是采用CO2法，它通过面罩检测CO2浓度的变化得到呼吸率，但是带上面罩使人感到不适。普通家庭检测一般测量血压较多，测量呼吸率的很少，于是研究一种简单切实可行的呼吸率测量方法，已成为当代家庭检测系统的迫切需求[2]。

光电容积脉搏波(PPG)信号检测方法简单易行，因此笔者采用PPG方法提取脉搏呼吸率。首先分析PPG形成原理和时频域特点，然后，提出了呼吸信号的检测方法，最后，提出了改进的脉搏差分时间间隔法。

1 脉搏信号分析

1.1 标准脉搏信号波形

标准的3个周期脉搏信号的波形如图1所示，可以看出每个周期主要由主波、潮波和重搏波组成[3]。当心室收缩时，心脏射血进入主动脉，主动脉的血压升高，对应着脉搏波波形的升支，出现第一个波峰主波，主波峰值对应的心室收缩期的最高血压，称之为收缩压;随后心室舒张，主动脉的血压开始降低，对应着脉搏波波形的降支;舒张期开始的标志是主动脉瓣关闭，这时心室的血液不再进入主动脉中，会在降支上出现一个切迹，出现潮波;之后流向心室的血液由于主动脉瓣的关闭发生反流，由于反流的血液又流入动脉中，动脉的血压升高，出现重搏波，脉搏波压力降到最小，称之为舒张压，到了心室舒张期末期[4]。

图1 标准脉搏信号波形

1.2 光电容积脉搏波PPG原理

光电容积脉搏波描记法 PPG(photoplethysmography)的原理是基于动脉血液对光的吸收量随动脉搏动而变化[5]。将一定波长的光束照射到指端皮肤表面，光束将通过透射或反射方式送到光电接收器。在投射式光电检测中，当透光区域动脉血管搏动时，动脉血液对光的吸收量将随之发生变化，而皮肤、肌肉、骨骼和静脉血液等其他组织对光的吸收量恒定不变。当心脏收缩时，外周血管血容量最多，光吸收量也最大，检测到的光强度最小;而当心脏舒张时，外周血管血容量最少，检测到的光强度最大，光电接收器检测到的光强度随之呈脉动性变化，再将该光强度变化信号转换为电信号，将该电信号经放大滤波电路后便可获得容积脉搏血流的变化[6]。

2 呼吸信号检测方法

人体与外界环境进行气体交换的过程称为呼吸。现有的呼吸信号的检测方法有:用压力传感器获取、用温度传感器获取、用阻抗法获取、通过心电信息获取，以及通过PPG信号获取等。压力传感器是给胸腹施加一定的压力，通过感受呼吸道和胸腹腔的周期性形变，来测定呼吸频率;温度传感器是用呼吸时气流温度发生的变化来测量呼吸率;阻抗法是通过测量呼吸过程中胸部电阻抗的变化来获取呼吸信号;呼吸感应体积描记法是通过胸腹腔的容积发生变化，导致线圈围绕截面积的变化，然后引起线圈电感量改变来得到呼吸率。但以上方法都有缺点，有的是设备测量复杂，有的是测量时给人很大的不适感[7]。

2.1 根据心率变异性得到呼吸率

心脏在周期性跳动时，获得的心电信号必然会掺杂呼吸信号，因此可以从心电图中，利用呼吸引起的胸腹部运动和心脏位置变化来获取呼吸信号。由心电信号提取呼吸率，其标准心电图如图2所示，其原理是根据呼吸窦性心律不齐，从心电图中，可以得到心脏一次搏动的最高峰值R所对应的时间，而连续两次最高峰值之间的时间差记作R－R间期。心率是指心脏每分钟跳动的次数，心率关注的是总的跳动次数，而实际上，R－R间期并不是一个恒定不变的值，其随时间的变化称为心率变异性 HRV(heart rate variability)[8]。有研究证明，对R－R间期作频谱分析，可以发现功率谱一般有3个谱峰，分布集中在0.02～0.07 Hz、0.1 Hz附近和0.2～0.4 Hz，普遍认为第一个峰对应的低频反映了人体的温度控制，可能与人体的心肺活动有关;中间峰对应的中频与人体血压有关，表示人体交感神经活动;第三个峰对应的高频率表示人体的呼吸率，反映了迷走神经活动的情况[9]。

图2 标准心电图

2.2 根据脉搏信号得到呼吸率

通过获得脉搏信号的频谱法获得呼吸率，并且光电容积脉搏波的获取技术已经十分成熟，只需要简单的手指测量，就可以准确地获得脉搏信号，由于脉搏信号中含有丰富的人体生理参数，因此如果可以从PPG信号中获得呼吸率，其成本更低，更加实用。由心率变异性理论可知，在呼吸过程中，体内迷走神经和交感神经发生变化，引起心率变化，而脉搏的源动力就是心脏的搏动，因而可以从脉搏信号中提取正确呼吸率[10]。脉搏差分时间间隔差法中常见的生理信号有心电、脉搏、血压、体温和呼吸，由于人体是一个复杂的互相关联的系统，由心率变异性可以得出人体有关其他的生理信息，如呼吸率。但是心电的测量比较复杂和繁琐，并且要在专业的地方才能够检查，不适合于日常家庭检测，指端的光电容积脉搏波PPG设备简单，如果能从PPG信号中得到更多的生理参数，比用HRV成本更低[11]，更加实用。

(1)运用小波阈值去噪，得到干净的PPG信号。

(2)对脉搏信号进行差分，差分后发现有很多毛刺噪声，再用小波阈值去噪，如图3所示。

图3 经小波阈值去噪前后的PPG差分信号

(3)假设差分脉搏信号最大峰值对应的时间为P(i)，差分PP间隔定义为PPC(i)=P(i)－P(i－1)，如图4所示。

(4)得到的差分时间间隔用三次样条拟合成等间距时间序列。

(5)计算PPC(i)的频谱，在0.10～0.45 Hz的最大峰值的频率被认为是呼吸率，整个算法的结果流程图如图5所示。

图4 原始脉搏差分信号和脉搏波峰值信号

图5 整个算法的结果流程图

3 实验结果和分析

3.1 实验步骤

有5个志愿者参加了该次实验，他们是年龄分布在20～30岁之间的健康人，身高体重指数处于正常范围。实验步骤如下:

(1)实验前志愿者静坐10分钟，保证呼吸通畅，使数据较准确;

(2)用呼吸气流信号模块测量每个志愿者的呼吸信号，作为标准参考信号;

(3)用指端脉搏波模块采集指端脉搏波PPG;

(4)用三导联测量心电信号，导联纽扣在两手手腕处和左脚脚踝处;

(5)测量5分钟，并保存数据。

3.2 实验数据

实验测量数据如表1所示，分别采用标准参考CO2法、PPG频谱法、ECG心率变异法和PPG峰值差分时间间隔法测得。

表1 呼吸率测量数据 Hz

几种测量呼吸率方法的测量结果对比如图6所示，由图6可以看出用PPG频谱法算出的呼吸率，有时数据很准确，有时数据误差很大，有的甚至到了1倍的误差;理论上根据心率变异性求出的呼吸率，应该也很准确，但是由于实验中用到的心电信号电极的放置位置不太准确，得到的心电信号不准确，于是其计算呼吸率也不太准确，用脉搏差分时间间隔差法得到的呼吸率的准确率比较高。

图6 几种方法得到的呼吸率测量结果比较

4 结论

以前常用的呼吸率主要根据PPG频谱法算出，PPG频谱在0.1～0.5 Hz峰值点对应的频率即为呼吸率，但与标准参考CO2法得到的呼吸率相比，其误差率很大，有的甚至达到30%;运用心电信号理论上也可以提取准确的呼吸率，但是由于心电信号的测量比较复杂，需要连接电极纽扣，与测量位置也有关;因此笔者在心电信号中，对根据心率变异法得到的呼吸率进行改进，运用在PPG脉搏信号中，用脉搏差分时间差间隔法得到呼吸率。其主要理论是根据呼吸窦性心律不齐，通过计算脉搏波波峰的差分波形，找出差分波峰的间隔时间差，做傅里叶变换，发现这样得到的呼吸率的准确率大大提高，平均误差率只有3.3%，相比较PPG频谱法20.08%的误差率，有很大的改进。因此得出运用脉搏差分时间间隔差法提取呼吸率切实可行的结论。

[1] SAITO M，YAMAMOTO Y，MATSUKAWA M，et al.Simple and noninvasive analysis of the pulse wave for blood vessel evaluation[J].IEEE International，2009，54(10):1934－1937.

[2] PERETZ L，RACHAMIM B Y.Prevalence of sleep apnea syndrome among patients with essential hypertension[J].American Heart Journal，1984，108(2):373 －376.

[3] LINDBERG L G，TAMURA T.Photoplethy smography[J].Medical and Biological Engineering and Computing Eng，1991，29(1):40 －47.

[4] 杜锋.脉搏血流动力－心电检测系统的开发研制[D].河南:解放军信息工程大学图书馆，2002.

[5] MOODY G B.Clinical validation of the ECG －derivedrespiration(EDR)technique[J].Computers in Cardiology，1986(13):507 －510.

[6] 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，2006:165－166.

[7] 吴丹.可应用于家庭的非侵入式呼吸监测方法的研究[D].长沙:中南大学图书馆，2010.

[8] VARANINI M，EMDIN M，ALLEGRI F，et al.Adaptive filtering of ECG signal for deriving respiratory activity[J].IEEE Computer Society，1990，34(8):621 －624.

[9] MASON C L，TARASSENKO L.Quantitative assessment of respiratory derivation algorithms[J].IEEE Eng Med Biol Soc，2001，12(2):160 －163.

[10] 朱莉.心电自动分析算法研究与实现[D].南昌:南昌大学图书馆，2007.

[11] DEAN C，ELIF D，IRENA C.Wavelet transform feature extraction from human PPG，ECG，and EEG signal responses to ELF PEMF exposures:a pilot study[J].Digital Signal Processing，2008，18(5):861 －874.