1、引用格式:引用格式:苏文鹏,庞宇.头部血压连续检测算法研究与系统设计J.中国测试,2024,50(3):103-110.SUWenpeng,PANGYu.ResearchandsystemdesignofheadbloodpressurecontinuousdetectionalgorithmJ.ChinaMeasurement&Test,2024,50(3):103-110.DOI:10.11857/j.issn.1674-5124.2022100029头部血压连续检测算法研究与系统设计苏文鹏,庞宇(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400065)摘要:血压参数是医学中
2、疾病诊断和治疗的理论基础,在病理分析上具有十分重要的意义。而头部的血压变化不仅反映了头部血液供给是否充足,还体现着中枢神经系统的运行正常与否,因此对于头部血压的实时检测十分必要。针对头部血压测量困难的问题,该文提出一种基于光电容积脉搏波信号的可穿戴头部血压检测装置的设计方法。通过光环境传感器获取额头处的脉搏波信号。采用数字滤波器滤除额头处脉搏波信号的高频噪声、小波滤波法去除基线漂移、差分阈值法提取脉搏波波形特征,最终逐步回归拟合得出血压的计算模型。该系统采用可穿戴设计,经测试比较,与血压测量金标准的水银血压计听诊法测量血压具有较好的一致性。关键词:特征参数测定法;血压测量;基线漂移;差分阈值中
3、图分类号:TP318.6;TB9文献标志码:A文章编号:16745124(2024)03010308Research and system design of head blood pressure continuous detection algorithmSUWenpeng,PANGYu(ChongqingKeyLaboratoryofOptoelectronicInformationSensingandTransmissionTechnology,ChongqingUniversityofPostsandTelecommunications,Chongqing400065,China)A
4、bstract:Bloodpressureparametersarethetheoreticalbasisofdiseasediagnosisandtreatmentinmedicine,andareofgreatsignificanceinpathologicalanalysis.Thechangeofheadbloodpressurenotonlyreflectswhethertheheadbloodsupplyissufficient,butalsoreflectswhetherthecentralnervoussystemoperatesnormally.Therefore,itisn
5、ecessarytomonitortheheadbloodpressureinrealtime.Aimingatthedifficultyofhead blood pressure measurement,this paper presents a design method of wearable head blood pressuremonitoringdevicebasedonopticalcapacitancepulsewavesignal.Thepulsewavesignalattheforeheadisobtainedthroughthelightenvironmentsensor
6、.Thedigitalfilterisusedtofilteroutthehigh-frequencynoiseofthepulsewavesignalattheforehead,thewaveletfiltermethodisusedtoremovethebaselinedrift,andthedifferentialthresholdmethodisusedtoextractthecharacteristicsofthepulsewavewaveform.Finally,thecalculationmodelofbloodpressureisobtainedbystepwiseregres
7、sionfitting.Thesystemadoptswearabledesign,andhasgoodconsistencywiththeauscultationmethodofmercurysphygmomanometer,whichisthegoldstandardforbloodpressuremeasurement.Keywords:characteristic parameters determination method;blood pressure measurement;baseline drift;differentialthreshold收稿日期:2022-10-09;收
8、到修改稿日期:2022-11-08基金项目:国家自然科学基金(61971079)作者简介:苏文鹏(1998-),男,安徽蚌埠市人,硕士研究生,专业方向为生命体征信号采集与处理。第50卷第3期中国测试Vol.50No.32024年3月CHINAMEASUREMENT&TESTMarch,20240 引言血压是反映个体心血管功能状况的重要生理参数,是进行临床疾病诊断的理论支撑。血压是血液在不同的血管内流动时对于血管壁的侧压力,通常使用毫米汞柱(mmHg)作为血压的度量单位1。血压随着心脏的收缩与舒张在每个搏动周期不断变化。在心脏收缩期间,血压的最大值为收缩压。心脏舒张期间,血压的最小值为舒张压。一
9、般健康的成年人 的 收 缩 压 在 90140 mmHg,舒 张 压 在 6090mmHg2。血压参数反应了个体的心脏功能和外周血管阻力等生理情况3,是一个随着生理状况实时改变的一个动态参数。血压参数易受到诸如个体的主观情绪和外界客观环境因素的影响。即便在相同的生理代谢条件下,由于受到不同的环境刺激,其血压参数的数值也不尽相同4-5。而传统的单次间歇式的血压测量方式只能够测量单个时间点的血压参数,不能够较好的反应个体在一段时间内的血压连续变化情况。因此,血压的连续测量对于临床疾病诊断具有较为迫切的使用需求。脉搏波特征参数测定法是一种对脉搏波的波形进行分析,计算特征参数,根据特征参数与血压之间的
10、回归方程实现对血压的连续检测的测量方法。胡章和等人早在 1995 年就通过提取脉搏波的波形特征,构建血压与特征参数之间的函数模型,实现了血压的连续测量6。焦学军等人在 2002 年通过逐步回归的分析方法,分析了脉搏波特征参数与血压之间的回归方程,实现对血压的连续测量,其研究表明该方法具有较高的准确性7。综合以上分析,本文采用基于脉搏波信号的特征参数测定法,对额头处的脉搏波信号进行实时采集、滤波去噪等预处理、定位波形特征、逐步回归分析、构建血压与特征参数之间的回归方程、计算血压。1 血压测量原理1.1 脉搏波的形成机制心脏收缩时,心脏中的血液被射入血管,此时血管壁受到的压力增大。心脏舒张时,血管
11、中的血液流入心脏,此时血管壁受到的压力减小。血液对血管壁的压力会随着心脏的搏动而呈现出周期性变化,促使血管中的血液以波的形式流动传播,这种波就是脉搏波8。如图 1 所示,一个完整的脉搏波分为收缩期和舒张期两个部分,组成了心脏的整个搏动周期。1.2 脉搏波与血压测量如图 2 所示,由于心脏的周期性搏动以及血管中的阻碍作用,单个心脏搏动时间周期内的脉搏波的波形特征主要由脉搏波主波、潮波,以及重搏波等特征波组成9。脉搏波的这些特征波波形特征会随着血管内的血液的流动变化而变化,根据特征波的波形特征跟随血液流动的变化情况,可在特征波内提取出一些特征点。这些特征点多表现为波形的波峰或波谷,根据心脏的收缩与
12、舒张以及血液的传播过程可在一个完整的脉搏波中提取出六个特征点。BDEFG主波潮波重搏波C图 2 脉搏波的特征波和特征点通过对脉搏波波形中的特征进行提取,得到与血压有关的特征参数,对特征参数与血压参数进行逐步回归分析,便可以得到计算血压的回归方程,实现对血压的实时测量。2 系统硬件电路设计系统硬件电路主要包括电源管理单元、脉搏波信号采集单元、数据存储单元、数据发送单元、数据处理单元等。系统硬件电路结构示意图如图 3 所示。2.1 电源管理单元系统搭载了锂电池充放电管理芯片 TP4057 实现对锂电池的充放电管理。TP4057 仅需少量阻容器件就能实现对单节锂电池进行充放电管理,十分适合应用在可穿
13、戴设备领域。同时,采用一片低压差线性稳压器 TLV70033DCKR 将锂电池的 3.7V舒张期10012080收缩期mmHg图 1 脉搏波的形成机制104中国测试2024年3月电压转换成稳定的 3.3V 提供给 MCU 以及其他外设使用。电源管理单元电路如图 4 所示。充电管理电源转换图 4 电源管理单元电路图2.2 信号采集单元在信号采集单元中,采用 520nm 波长的绿光LED 作为光源射出光束照射额头组织,同时采用APDS-9008 光环境传感器接收透射的光束强度,通过光环境传感器将采集到的额头处的脉搏波信号转化为电信号,之后再经过运放放大处理之后送入主控制器进行模数转换。信号采集单元
14、电路如图 5所示。脉搏采集图 5 信号采集单元电路图2.3 系统控制单元系统的主控制单元采用 STM32F411CEU6 芯片。该芯片基于 Cortex-M4 内核,集成了单精度浮点运算单元、DSP 单元以及大容量的内部存储空间,可加快数字信号处理的速度,芯片原理图如图 6所示。最小系统图 6 系统控制单元电路图2.4 数据存储与蓝牙通信单元为了方便数据存储与传输,设备集成了 SD 卡存储以及蓝牙通信单元。主控制器采用 SPI 总线读写 SD 卡,以实现数据的实时存储;采用 UART 串口与片级蓝牙模组通信,实现数据的无线传输。其电路如图 7 所示。蓝牙发送数据存储图 7 蓝牙发送与数据存储单
15、元电路图3 脉搏波信号处理3.1 原始信号分析由于血液在不同的血管中所受到的阻碍不同,因此,在身体的各个位置采集到的脉搏波的形状也不尽相同。本文旨在测量头部的血压参数。故选择前额处的脉搏波作为研究对象,得到原始脉搏波信号及其频谱图如图 8 所示。由原始信号的时域图可见原始脉搏波信号中混杂着由人体呼吸而产生的频率很低的基线漂移、人STM32F411CEU6微控制器SD 卡存储单元锂电池充放电管理单元脉搏波信号调理电路LED 光源光环境传感器蓝牙通信单元图 3 信号采集装置结构示意图第50卷第3期苏文鹏,等:头部血压连续检测算法研究与系统设计105体组织正常生理活动产生的高频肌电噪声以及交流设备辐
16、射耦合的工频噪声等10。由其频谱图可见脉搏波信号为主要集中在 10Hz 以下的低频信号。由呼吸产生的基线漂移为一种主要集中在 0.3Hz到 1Hz 之间的极低频信号。交流设备辐射耦合产生的工频噪声为频率集中在 50Hz 的干扰信号。3.2 低通滤波器设计通过对脉搏波信号的频谱进行分析后得知脉搏波的频率主要集中在 10Hz 以下。因此,需要对采集到的脉搏波信号进行低通滤波处理,滤除肌电噪声以及 50Hz 的工频噪声等。考虑到可穿戴设备的微控制器计算资源以及存储资源有限,本文采用IIR 滤波器实现对脉搏波的低通滤波。IIR 滤波器具有反馈,计算量小,采用较少的阶数能实现良好的滤波效果11。其系统函
17、数如式(1)所示:H(z)=Mk=0bkzk1+Nk=1akzk=Y(z)X(z)(1)akbk式中:系数和系数系统函数 H(z)的分母多项式和分子多项式的系数;X(z)与 Y(z)输入序列以及输出序列;M、N将输入(输出)及延时后的输入(输出)组成延时网络的节数。本文选用 IIR 滤波器的直接型结构,将系统函数转换为 N 阶差分方程为:y(i)=Mk=0bkx(ik)Nk=1aky(ik)(2)选取滤波器阶数为 4 阶,即 N=4,M=4,根据(2)式可推导出其差分方程为:y(i)=b0 x(i)+b1x(i1)+b2x(i2)+b3x(i3)+b4x(i4)a1y(i1)a2y(i2)a3
18、y(i3)a4y(i4)(3)式中:y(i)y(i4)输出信号序列;x(i)x(i4)输入信号序列。将系统函数的分之多项式系数与分母多项式系数计算、代入差分方程,对原始信号进行低通滤波,得到原始信号与低通处理后信号的波形及其频谱如图 9 所示。05001 0001 500采样点2 0002 1002 2002 3002 400幅值/mV(a)原始信号01020304050频率/Hz05101520253035幅值/dB(b)原始信号频谱05001 0001 500采样点1 8001 9002 0002 1002 2002 3002 400幅值/mV01020304050频率/Hz0510152
19、0253035幅值/dB(d)低通滤波信号频谱(c)低通滤波信号图 9 低通信号及其频谱从图 9 中可以看出,经过低通滤波处理过的脉搏波信号的时域波形较原始数据的信号波形更加平滑、干净。低通处理过后的频域图中大于 14Hz 的成分基本滤除,说明滤波器具有较好的频率选择性。3.3 去除基线漂移小波变换法是一种时间窗和频率窗都可改变的时频局部化分析方法12。通过对脉搏波信号进行小波分解与重构,可在不同尺度下提取出脉搏波信号的基线。本文采用小波变换法去除基线。(x)(x)L2(R)()小波函数的定义为:设是一个平方可积函数,即若其傅里叶变换满足条件:C=wR|()|2|d (4)(x)则称式(4)为
20、小波函数的可容许条件,为小波母函数13。一组小波基函数是通过尺度因子和位移因子由05001 0001 500采样点1 9001 9502 0002 0502 1002 1502 2002 2502 3002 3502 400幅值/mV(a)原始信号0204060频率/Hz0102030405060708090幅值/dB(b)原始信号频谱图 8 原始信号及其频谱106中国测试2024年3月(a,b)a基本小波产生的,对于实数对参数 为非零实数,函数:(a,b)(x)=1|a|(xba)(5)(x)(a,b)ab称为由小波母函数生成的依赖于参数对的连续小波函数,其中:称为伸缩因子;称为平移因子13
21、。f(x)对信号的连续小波变换定义为:Wf(a,b)=1|a|wRf(x)(xba)dx(6)其逆变换(重构信号)为:f(x)=1CxRRWf(a,b)(xba)dadb(7)a、ba=12jb=k2jj,k Zf(x)连续小波变换无法在计算机系统中进行处理。因此,需针对变换域的变量进行离散化,一般常取,;。此时信号的离散小波变换定义为:Wf(2j,2jk)=2j/2w+f(x)(2jxk)dx(8)其逆变换(重构信号)为:f(t)=C+j=+k=Wf(2j,2jk)(2j,2jk)(x)(9)式(9)中,C 为常数。(t)(t)f(t)V0VjWj在 V 空间上定义尺度函数和小波函数,对于任
22、意函数,先将其进行大尺度分解,得到近似部分和细节部分,再将分解后的近似部分进一步分解,得到小尺度下的近似部分和细节部分14。多分辨率分析的框架如下式所示:f(t)=cj,kj,k(t)+jj=k=dj,kj,k(t)(10)cj,k=dj,k=其中为尺度展开系数,为小波展开系数。在本文中,脉搏波中的基线漂移是低频信号,因此,利用小波变换对低通滤波处理后的含有基线漂移的脉搏波信号进行不同尺度下的分解。对含有基线漂移的脉搏波信号采用 sym5 小波基进行 7 层小波分解与重构,重构后的低频系数重构曲线如图 10 所示。从图 10 可看出随着分解尺度的增加,脉搏波的基线在低频小波系数中浮现。通过将低
23、频小波系数中最接近脉搏波基线的那一层低频近似信号从原始脉搏波信号中去除,即可将基线去除。去除基线前后的信号对比如下图 11 所示。通过图 11 可以看出经过小波滤波之后一定程度上去除了原有信号的基线漂移,并且信号细节部分被很好的保留。说明采用小波分解重构的方法去除脉搏波中的基线具有较好的滤除效果。3.4 提取特征在一个完整的脉搏波周期内,需要提取波谷点B、波峰点 C、潮波的波谷 D、潮波的波峰 E、重搏波0246810121416时间/s2 0002 5003 000a1(g)低频近似系数 1 层重构曲线0246810121416时间/s2 0002 5003 000a2(f)低频近似系数 2
24、 层重构曲线0246810121416时间/s2 0002 5003 000a3(e)低频近似系数 3 层重构曲线0246810121416时间/s2 0002 5003 000a4(d)低频近似系数 4 层重构曲线0246810121416时间/s2 0002 5003 000a5(c)低频近似系数 5 层重构曲线0246810121416时间/s1 6002 0002 400a6(b)低频近似系数 6 层重构曲线0246810121416时间/s2 0002 1002 200a7(a)低频近似系数 7 层重构曲线图 10 低频近似系数重构曲线第50卷第3期苏文鹏,等:头部血压连续检测算法研
25、究与系统设计107的波谷 F、重博波的波峰 G,共计六个特征点。通过上文 1.2 小节的分析不难看出,六个特征点均为脉搏波特征波内的极值点。对预处理后的脉搏波信号分别做一阶、二阶差分,其信号波形如图 12 所示。0123456时间/s2 0002 200幅值/mV(a)脉搏波信号0123456时间/s2000200幅值/mV(b)一阶差分0123456时间/s2000200幅值/mV(c)二阶差分图 12 一阶、二阶差分图为进一步探究一阶、二阶差分波形与脉搏波特征点的关系,需对脉搏波进行周期划分。通过相邻两个脉搏波的 B 点,划分出单个脉搏波周期的波形如图 13 所示。根据特征点在脉搏波信号中
26、的生理及数学意义,由图 13 中可看出,B、C、F、G 点均为极值点,分别对应着单位脉搏波周期内的一阶差分的第一、第二、第三、第四个过零点。D、E 两点为脉搏波信号凹凸性改变的点,即 C 点和 E 点之间的二阶差分的过零点。根据以上方法,即可对单位脉搏波的特征点进行定位。定位情况如图 14 所示。3.5 回归拟合提取到脉搏波的特征点之后,根据提取到的特征点进行特征参数计算。其中,幅度参数为:主波波峰相对高度 CH,潮波波谷、波峰相对高度 DH、EH,重搏波波谷、波峰相对高度 FH、GH,时间参数为:升支时间 TU、降支时间 TD、心脏收缩时间 T1、心脏舒张时间 T2、心脏搏动周期 T,面积参
27、数为:心脏收缩面积 S1、心脏舒张面积 S2、心脏搏动面积 S,其他参数为:主波上升斜率 V、每博心输出量 Z15。特征参数在脉搏波中表示含义如图 15 所示。为研究脉搏波的特征参数与血压之间的关系,0246810121416时间/s1 5002 0002 5003 000幅值/mV(a)包含基线漂移脉搏波信号0246810121416时间/s1 5002 0002 5003 000幅值/mV(b)去除基线漂移脉搏波信号图 11 信号去除基线前后对比1.01.21.41.61.82.02.2时间/s2 0002 200幅值/mV(a)脉搏波信号1.01.21.41.61.82.02.2时间/s
28、1000100200幅值/mV(b)一阶差分1.01.21.41.61.82.02.2时间/s1002000幅值/mV(c)二阶差分CBDEFG图 13 单位周期的一阶、二阶差分图0.5 1.0 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5时间/s1 9502 0002 0502 1002 1502 2002 2502 3002 3502 400幅值/mV图 14 特征点定位图FEEEHCCDS2S=S1+S2GBT2T1S1TDHCHFHGHTDTU图 15 脉搏波特征参数108中国测试2024年3月本文采用逐步回归法进行分析。逐步回归方程模型为:Y=B0+B1X1
29、+B2X2+BnXn+(11)Y式中:因变量;X1,X2Xnn 个自变量;B0,B1,Bn回归系数;剩余量。YXi(i=1,2,n)Bi(i=0,1,2,n)Y分别采用听诊法水银血压计测量的收缩压与舒张压作为血压参数回归模型的因变量。同时,采用本可穿戴血压检测设备将采集到的脉搏波信号经过上文的信号预处理以及特征点提取算法处理之后得到的脉搏波特征参数(图 13 所示)作为收缩压与舒张压的逐步回归模型的自变量,经过测量多组数据计算后可得到各项回归系数的值,最终得到因变量 的线性回归方程。入出入 出为得到最佳的回归方程,每次回归计算前,都需要对引入的特征参数进行 F 检验,评估该自变量的引入与因变量
30、的相关性是否显著,以判断是否引入或者剔除该参数。F 检验的变量引入和剔除的标准为和。其中,值越小,对于变量的选取越严格,引入的自变量与因变量之间的显著性就越高。值越大,对于变量的选取越宽松,引入的自变量与因变量之间的显著性就越低。一般对于小样本的值取 0.1 或 0.15,且。入出本文采用 SPSS软件进行数据逐步回归分析,将采集到的脉搏波数据提取出的特征参数导入SPSS 软件中。分别将听诊法水银血压计测量的收缩压与舒张压作为因变量,将本可穿戴血压检测设备计算出的特征参数作为自变量,设置 F 检验变量的引入和剔除标准分别为=0.1,=0.15。进行逐步回归计算,得到的逐步回归分析系数表如表 1
31、、表 2 所示。表 1 和表 2 中的 t 为对回归参数的显著性检验值,其中的显著性为 F,F 的值均小于 0.05,表明结果较为显著。根据回归系数表中的脉搏波参数与未标准化系数,可得到 SP、DP 的回归方程分别为:SP=229.091+2.589S1+54.324TD+0.538S+0.974V 158.231T207.303GH+83.86TU481.58T1(12)DP=33.701+27.853TD+0.858S1+0.485V 131.557T+121.156T2(13)4 实验分析为测试本血压计算算法与系统的实际测量效果,采用听诊法水银血压计与本测量设备进行血压测量对比。待测试设
32、备如图 16(a)所示,标准听诊法水银血压计如图 16(b)所示。(a)实验装置(b)标准血压计图 16 测量装置图通过两种不同方法测量同一参数时,一般不会得到完全相同的结果,两种测量结果之间一定会存在某种趋势差异。这种趋势差异可通过两种方法测量结果的差值的平均值 d 进行估计,平均值 d 的变化情况可通过差值的标准差 Sd表示。如果两种测量结果的差值服从正态分布,则 95%的差值应该落在区间 d1.96Sd,d+1.96Sd 内,称该区间为 95%表 1 收缩压逐步回归分析系数表模型未标准化系数标准化系数Betat显著性FB标准错误常量229.09152.9294.3280.000S12.5
33、890.6683.3063.8790.000TD54.3249.3711.0275.7970.000S0.5380.2711.9881.9810.049V0.9740.3470.4982.8100.005T158.23162.2922.6182.5400.012GH207.30356.4220.9133.6740.000TU83.86028.4170.4692.9510.004T1481.580165.7342.7572.9060.004表 2 舒张压逐步回归分析系数表模型未标准化系数标准化系数Betat显著性FB标准错误常量33.7014.9446.8170.000TD27.8535.429
34、0.6205.1300.000S10.8580.1241.2906.9330.000V0.4850.1200.2924.0420.000T131.55725.7712.5645.1050.000T2121.15628.0071.9664.3260.000第50卷第3期苏文鹏,等:头部血压连续检测算法研究与系统设计109一致性界限。当两种测量结果的绝大多数差值落入该区间内,则认为两者具有较好的一致性。Bland-Altman图是一种反应数据一致性的图示方法,其原理是通过计算两种测量结果的一致性界限,并通过图像的方式表达出这个一致性界限。为分析听诊法测量血压与待测设备测量血压之间的一致性,文本采用
35、 Bland-Altman图进行分析。选取 10 名身体健康的测试者,其年龄分布在20-30 岁之间,测试前应保持心态平和、无剧烈运动。每隔 30 分钟使用待测设备与听诊法水银血压计分别测量一次数据。将听诊法测量的血压数据与待测设备测量的血压数据的平均值作为横轴,两者的差值作为纵轴,并计算出 95%一致性界限的上下限值与差值的平均值,结果如图 17 所示。105110平均值/mmHg平均值/mmHg差值/mmHg差值/mmHg(a)收缩压一致性分析(b)舒张压一致性分析115120(+1.96 SD)12.112.17(Mean)(1.96 SD)+1.96 SD6.540.4(Mean)1.
36、96 SD7.347.7812510505101565707580851050510图 17 血压测量结果一致性分析通过图 17 的测量结果分析可得,收缩压与舒张压只有极个别点在 95%的置信区间上下限值附近,大部分点都落在 95%的置信区间内。其中收缩压的差值的平均值为 2.17mmHg,舒张压的差值的平均值为0.4mmHg,表明两种测量方法具有较好的一致性16。5 结束语在头戴式血压连续检测系统中,对于脉搏波信号的处理极为重要。原始脉搏波信号中常常伴有诸多噪声,这些噪声会直接影响最终的测量结果。本文通过对额头处的脉搏波信号进行研究分析,针对不同类型的信号噪声,采用不同的处理算法,最终将噪声
37、滤除并提取特征、回归分析,得到血压计算模型。经与听诊法血压测量进行对比,两者具有较好的一致性。参考文献 计晶晶,薛康,陆改玲.医用物理学 M.北京:高等教育出版社,2020.JIJJ,XUEK,LUGL.MedicalPhysicsM.Beijing:HigherEducationPress,2020.1姬军.胸-头脉搏传导时间测量技术研究 D.西安:人民解放军第四军医大学,2006.2JI J.Research on chest head pulse conduction timemeasurementtechnologyD.Xian:FourthMilitaryMedicalUnivers
38、ityofthePeoplesLiberationArmy,2006.MCGHEE B H,BRIDGES E J.Monitoring arterial bloodpressure:what you may not know J.Criticalcare nurse:2002,22(4):60-78.3李顶立.基于脉搏波的无创连续血压测量方法研究 D.杭州:浙江大学,2008.LIDL.Researchonnon-invasivecontinuousbloodpressuremeasurementmethodbasedonpulsewavesD.Hangzhou:ZhejiangUniver
39、sity,2008.4胡章和,李震.孕妇血压与其脉搏波的相关性研究与应用J.生物医学工程学杂志.1995(2):162-164.HUZH,LIZ.CorrelationstudyandapplicationofmaternalbloodpressurewithpulsewavesJ.JournalofBiomedicalEngineering,1995(2):162-164.5焦学军,房兴业.利用脉搏波特征参数连续测量血压的方法研究 J.生物医学工程学杂志,2002,19(2):217-220.JIAOXJ,FANGXY.Astudyonthemethodofcontinuouslymeasu
40、ring blood pressure using pulse wave characteristicparametersJ.JournalofBiomedicalEngineering,2002,19(2):217-220.6齐向,华金伟.名家论脉-中医脉诊理论与实践 M.北京:人民军医出版社,2010.QIX,HUAJW.Famousmastersdiscussingpulse-Theoryand practice of traditional chinese medicine pulse diagnosisM.Beijing:PeoplesMilitaryMedicalPress,201
41、0.7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.LUOZC,ZHANGS,YANGYM.Engineeringanalysisandclinical application of pulse waves M.Beijing:SciencePress,2006.8董金陇,杨录,刘康驰,等.脉搏信号伪基线去除方法研究J.中国测试,2021,47(4):19-25.DONG J L,YANG L,LIU K C,et al.Research onpseudobaseline removal method for pulse signal J.ChinaMeas
42、urementTest,2021,47(4):19-25.9姚佳旭,朱磊,潘杨,等.基于 STM32 的级联型 IIR 数字滤波器设计 J.电子测量技术,2018,41(17):95-99.YAOJX,ZHUL,PANY,etal.DesignofcascadedIIRdigitalfiltersbasedonSTM32J.ElectronicMeasurementTechnology,2018,41(17):95-99.10杨福生.小波变换的工程分析与应用 M.北京:科学出版社,1999.YANGFS.Engineeringanalysisandapplicationofwavelettra
43、nsformM.Beijing:SciencePress,1999.11史洁玉.MATLAB 信号处理超级学习手册 M.北京:人民邮电出版社,2014.SHIJY.MATLABsignalprocessingsuperlearningmanualM.Beijing:PostsTelecomPress,2014.12(下转第 151 页)110中国测试2024年3月electrical equipmentJ.Advanced Technology of ElectricalEngineeringandEnergy,2021,40(1):12.LI S Y,ZHANG J J,YAN D,et a
44、l.Leak detection andlocationingaspipelinesbyextractionofcrossspectrumofsinglenon-dispersiveguidedwavemodesJ.JournalofLossPreventionintheProcessIndustries,2016,44:255-262.8LUO B,MENG Q H,WANG J Y,et al.A flying odorcompass to autonomously locate the gas source J.IEEETransactionsonInstrumentionandMeas
45、urement.2018,67(1):137149.9NEUMANN P,ASADI S,LILIENTHAL A,et al.Autonomousgassensitivemicrodrone:windvectorestimation and gas distribution mappingJ.IEEE RoboticsandAutomationMagazine.2012,19(1):5061.10ZHANGYL,MAXP,MIAOYZ.Localizationofmultiple11odorsourcesusingmodifiedglowwormswarmoptimizationwithco
46、llectiverobotsC/30thChineseControlConference(CCC),2011.SCHMUKER M,BAHR V,HUERTA R.Exploiting plumestructuretodecodegassourcedistanceusingmetal-oxidegassensorsJ.Sensors and Actuators B-Chemical,2016,235:636-646.12VUKAM,AMIGONIF,SCHMUKERM,etal.ExplorationandlocalizationofagassourcewithMOXgassensorsona
47、mobile robot a gaussian regression bout amplitudeapproachC/Proc.Int.Symp.Olfaction Electron.Nose(ISOEN),2017.13(编辑:徐柳)(上接第 110 页)段红,魏俊民.现代测试信号处理理论与实践 M.北京:中国纺织出版社,2005.DUANH,WEIJM.ModerntestingsignalprocessingtheoryandpracticeM.Beijing:ChinaTextileApparelPress,2005.13曲雷政.基于手指脉搏波的连续血压测量方法研究 D.重庆:重庆邮电
48、大学,2018.QULZ.Researchoncontinuousbloodpressuremeasurement14method based on finger pulse waves D.Chongqing:Chongqing University Of Posts and Telecommunications,2018.庞宇,何鸿,蒋伟.可穿戴血压检测系统算法研究与设计J.中国测试,2022,48(6):1-7.PANGY,HEH,JIANGW.ResearchanddesignofwearablebloodpressuredetectionsystemalgorithmJ.ChinaMeasurementTest,2022,48(6):1-7.15(编辑:刘杨)第50卷第3期王建邦,等:变电站内 SF6分解物检测追踪系统设计151
©2010-2024 宁波自信网络信息技术有限公司 版权所有
客服电话:4008-655-100 投诉/维权电话:4009-655-100