王泰琨，張海英，張以濤，張 俊，耿興光

(1.中國科學(xué)院微電子研究所 健康電子研發(fā)中心，北京 100029；2. 中科院物聯(lián)網(wǎng)中心，江蘇 無錫 214000；3.新一代通信射頻芯片技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100029；4.中國科學(xué)院大學(xué) 微電子學(xué)院，北京 101400)

0 引言

“脈搏波”可以理解為“動(dòng)脈血管搏動(dòng)引起的皮膚表面可檢測(cè)到的波動(dòng)”，即心臟的搏動(dòng)沿著動(dòng)脈血管和血流向外周進(jìn)行傳播，從而引起的一種波動(dòng)的信號(hào)，其頻率或周期反映了人體多個(gè)方面的生理情況。研究表明，脈搏波的信號(hào)具有一些較為明顯的特征，并且這些特征與心血管系統(tǒng)之間具有十分密切的聯(lián)系[1]，一直以來，無論是國內(nèi)還是國外醫(yī)學(xué)界，中醫(yī)理論還是西醫(yī)理論，都十分重視脈搏波信號(hào)特征中所反映的人體的生理病理信息，并將其列為臨床預(yù)防、診斷和治療疾病的檢查手段之一。脈搏波是一種異常微弱且不平穩(wěn)的生理信號(hào), 非常容易受到各方面因素的影響。影響的因素主要包括動(dòng)脈血管的管壁彈性、管口直徑大小、血管壁厚度和血液的粘稠度(包括密度和粘性)。醫(yī)護(hù)工作人員根據(jù)這些內(nèi)在聯(lián)系，將得到的脈搏波信號(hào)進(jìn)行“抽絲剝繭”，依靠這些信號(hào)來為患者診斷。除上述影響因素之外，脈搏波的信號(hào)也很容易受到工頻噪聲干擾的影響，這些噪聲引起的干擾使脈搏波信號(hào)不能夠準(zhǔn)確地反映患者的生理病理狀況，為醫(yī)生的診斷帶來一定程度的影響。綜上，為使脈搏波信號(hào)可以反映受檢人員的真實(shí)情況，在測(cè)量和記錄表面肌電信號(hào)時(shí)應(yīng)當(dāng)盡量消除噪聲干擾的影響[2]。

在信號(hào)分析處理領(lǐng)域中，傅里葉變換一直處于遙遙領(lǐng)先的地位，其在平穩(wěn)信號(hào)分析中的表現(xiàn)十分出色，是處理平穩(wěn)信號(hào)的有效手段。但是對(duì)于脈搏波這種非平穩(wěn)信號(hào)而言，傅里葉分析顯然并不能繼續(xù)發(fā)揮其優(yōu)良性能。隨著科學(xué)技術(shù)的革新，近十來年人們?cè)诟道锶~分析的基礎(chǔ)之上逐步研究出一種適用于非平穩(wěn)信號(hào)的分析方法——小波分析法。到目前為止，小波分析理論在信號(hào)分析處理的領(lǐng)域已經(jīng)得到了大范圍的認(rèn)可。小波分析理論常用的去噪方法主要包括傳統(tǒng)的硬閾值小波去噪法和軟閾值小波去噪法。其中，硬閾值小波去噪法能夠很好地保留脈搏波信號(hào)中細(xì)節(jié)的特征性，但是由于脈搏波信號(hào)是一種非平穩(wěn)信號(hào)，信號(hào)的重構(gòu)會(huì)出現(xiàn)不連續(xù)性，因此利用這種傳統(tǒng)方法處理會(huì)在信號(hào)的奇異點(diǎn)出現(xiàn)一種上下跳動(dòng)的現(xiàn)象，也就是偽吉布斯現(xiàn)象[3]。平滑處理是數(shù)據(jù)分析中一類重要和常用方法。平滑處理的目的在于既保留資料中的主要有用信號(hào)，又消除或削弱隨機(jī)誤差[4]。而軟閾值小波去噪法利用這種思想雖然能夠克服硬閾值小波去噪法的缺點(diǎn)，抑制偽吉布斯現(xiàn)象，但是會(huì)使信號(hào)過度平滑，也不利于脈搏波信號(hào)提取后的再處理分析。

本文擬采取一種全新的小波去噪方法——平移不變的新閾值小波去噪法。該方法可以在有效抑制偽吉布斯現(xiàn)象的同時(shí)提高信噪比。平移不變的新閾值小波去噪法是對(duì)傳統(tǒng)小波變換在脈搏波信號(hào)處理領(lǐng)域的探索改進(jìn)和應(yīng)用，本文將通過仿真實(shí)驗(yàn)、分析整理、歸納對(duì)比等方法來說明該算法的實(shí)用性和先進(jìn)性。

1 小波閾值去噪的基本原理和方法

1.1 小波除噪的基本原理

小波分析和傅里葉分析雖然同根同源但是仍然存在著較大的差異：傅里葉分析是處理平穩(wěn)信號(hào)的常用方法，小波分析則更適用于處理非平穩(wěn)信號(hào)。小波分析通過對(duì)空間和頻率做局部的變換來提取信號(hào)中的不穩(wěn)定信息，該分析方法處理的核心是對(duì)信號(hào)進(jìn)行平移和壓縮，因此可以對(duì)信號(hào)進(jìn)行更多尺度的分析。

小波分析方法去除信號(hào)噪聲的流程具體如下：

(1)小波變換：選擇一種適合的小波基及分解層次，并對(duì)含有白噪聲的原始信號(hào)進(jìn)行逐級(jí)分解，從而得到各級(jí)的小波系數(shù)數(shù)列。

(2)小波系數(shù)量化處理：預(yù)先設(shè)置一個(gè)閾值處理函數(shù)，并通過該處理函數(shù)將預(yù)估的噪聲部分進(jìn)行處理，得到一組新的小波系數(shù)數(shù)列。

(3)小波重構(gòu)：對(duì)逐級(jí)分解得到的小波系數(shù)的數(shù)列進(jìn)行小波逆變換，繼而得到去噪后的脈搏波信號(hào)。

1.2 傳統(tǒng)閾值處理函數(shù)

如何選取合適的閾值和如何量化處理閾值是閾值去噪的兩大核心步驟。去噪處理后的波形應(yīng)該盡可能地保留原始信號(hào)的細(xì)節(jié)特征。早在20世紀(jì)末，Donoho等人就以小波變換的思想為研究基礎(chǔ)進(jìn)一步優(yōu)化了去噪方法，提出了小波變換硬閾值和軟閾值的去噪方法[5-6]。硬、軟函數(shù)分別如式(1)、式(2)所示：

(1)

(2)

圖1 硬閾值函數(shù)

圖2 軟閾值函數(shù)

如圖1所示，硬閾值去噪得到的信息更多保留了原始的信號(hào)數(shù)據(jù)，如更多原始信號(hào)數(shù)據(jù)的尖峰信息，但是同時(shí)也存在連續(xù)性差的缺點(diǎn)。連續(xù)性差會(huì)使硬閾值函數(shù)在某些點(diǎn)上出現(xiàn)間斷，而且在去噪重構(gòu)后也會(huì)使信號(hào)產(chǎn)生吉布斯振蕩。這種震蕩現(xiàn)象在原始的信號(hào)數(shù)據(jù)中并不存在，是在人為的去噪處理過程中引入的外部干擾。圖2中軟閾值去噪時(shí)雖然得到的信號(hào)相對(duì)連續(xù)平滑，但當(dāng)|ωj,k|≥λ時(shí)，并不能體現(xiàn)出信號(hào)的實(shí)際數(shù)據(jù)，即估計(jì)值與實(shí)際值之間會(huì)存在一個(gè)恒定不變的差值[7]。

1.3 新閾值處理函數(shù)

為了克服上述兩種閾值的缺陷，在保證去噪時(shí)小波系數(shù)在小波空間的連續(xù)性的同時(shí)盡可能地降低小波系數(shù)的偏差，本文提出了一種新的閾值函數(shù)，如式(3)所示:

(3)

圖3 新閾值函數(shù)

圖4 新閾值函數(shù)(j=1,2,3)

2 平移不變小波變換

本文提出的平移不變小波去噪法是以閾值去噪法為基礎(chǔ)進(jìn)一步優(yōu)化算法得來的，可以很好地抑制偽吉布斯現(xiàn)象。平移不變小波變換的基本原理是在一定范圍內(nèi)將噪聲信號(hào)進(jìn)行多次的循環(huán)平移，完成噪聲處理后，再進(jìn)行逆循環(huán)平移對(duì)結(jié)果平均。平移不變小波去噪的具體步驟如下[8]：

(1)對(duì)時(shí)域信號(hào)x平移h個(gè)單位：

Sh(x)=x(t+h)

(4)

(2)對(duì)第一次循環(huán)平移后得到的信號(hào)做離散小波變換處理，并對(duì)閾值進(jìn)行去噪處理。所得的重構(gòu)信號(hào)為：

M1(x)=S-h(T(Sh(x)))

(5)

(3)再對(duì)每次步驟(2)所得的結(jié)果進(jìn)行平均處理。無限次(N)循環(huán)平移的平移不變小波去噪可以用下式來表達(dá)：

(6)

其中Fi(x)為第i個(gè)點(diǎn)進(jìn)行平移不變小波變換去噪處理后的計(jì)算值。由上述公式可以看到，該值是對(duì)前面所有的去噪結(jié)果進(jìn)行平均處理后得到的。循環(huán)平移的處理方法可以用于解決復(fù)雜信號(hào)(包含多個(gè)奇異點(diǎn))的去噪。

3 實(shí)驗(yàn)與結(jié)果

3.1 降噪效果評(píng)價(jià)標(biāo)準(zhǔn)

基于平移不變量的新閾值去噪方法在脈搏波信號(hào)去噪中的表現(xiàn)良好，為了將這種優(yōu)勢(shì)描述得更加具體，本文將采用常用的信噪比(SNR)和均方根誤差(RMSE)兩個(gè)參數(shù)為基準(zhǔn)進(jìn)行評(píng)價(jià)。引入的信噪比和均方根誤差的定義如下：

(7)

(8)

3.2 仿真實(shí)驗(yàn)及性能分析

基于脈搏波信號(hào)的變化特點(diǎn)，本文采用MIMIC II Waveform DB v2數(shù)據(jù)庫，截取a44579m的一段較為純凈的長1 h的信號(hào)，去除基線后作為原信號(hào)，采樣率為125 Hz，分別添加信噪比為1 dB、3 dB、5 dB、7 dB的高斯白噪聲進(jìn)行混合，作為幾種去噪方法的源信號(hào)。實(shí)驗(yàn)的應(yīng)用平臺(tái)為MATLAB R2016b, 選用db6小波，分解層數(shù)為4層，對(duì)比硬閾值去噪、軟閾值去噪、采用本文的新閾值去噪和采用新閾值同時(shí)采用平移時(shí)不變小波去噪4種方法的去噪效果，結(jié)果如圖5所示。

圖5 4種方法去噪后的信號(hào)SNR對(duì)比

如圖5所示，在加入SNR為5 dB的高斯白噪聲情況下，新閾值方法去噪后信號(hào)明顯要比硬閾值和軟閾值方法清晰且與原信號(hào)的時(shí)序特征更加相近。

表1和表2是計(jì)算4種去噪方法的信噪比和均方根誤差。

表1 4種方法去噪后的信號(hào)SNR對(duì)比

表2 4種方法去噪后的信號(hào)和原信號(hào)RMSE對(duì)比

表1表2印證了前文結(jié)論，證明脈搏波信號(hào)在高斯白噪聲SNR為1～7的情況下，硬閾值、軟閾值、本文所述新閾值、新閾值結(jié)合平移時(shí)不變小波的去噪效果是依次遞增的，在噪聲SNR=7 dB時(shí)，采用平移時(shí)不變小波的新閾值小波去噪效果理論上甚至可以達(dá)到14 dB。在信噪比很低的情況下，新閾值和結(jié)合平移時(shí)不變方法能更大程度地還原信號(hào)。

3.3 平移時(shí)不變小波的去除偽吉布斯現(xiàn)象效果

應(yīng)用本文所述的新閾值結(jié)合平移時(shí)不變小波去噪方法，放大圖5的某一片段結(jié)果，如圖6所示。

圖6 平移時(shí)不變小波的去除偽吉布斯現(xiàn)象效果

如圖6圈中的部分所示，平移時(shí)不變小波平移多次的小波去噪結(jié)果要比不平移的僅新閾值去噪結(jié)果平滑，解決了圖5新閾值小波去噪信號(hào)中的在脈搏波二次諧波附近處理所造成的偽吉布斯現(xiàn)象。這對(duì)后續(xù)脈搏波的特征點(diǎn)識(shí)別、周期劃分、特征識(shí)別有著重要意義。

4 結(jié)論

綜上所述，較傳統(tǒng)方法而言，本文提出的平移不變小波去噪法更適用于脈搏波信號(hào)的去噪處理。改進(jìn)的新閾值平移不變小波變換方法能夠較好地彌補(bǔ)傳統(tǒng)小波閾值去噪方法中的不足之處。該方法摒棄了傳統(tǒng)的閾值函數(shù)，使用了新的小波閾值函數(shù)，并在此基礎(chǔ)上進(jìn)一步結(jié)合了平移不變小波變換，不僅使去噪效果大大提高，而且能夠有效抑制偽吉布斯現(xiàn)象。

此外，通過仿真實(shí)驗(yàn)，進(jìn)一步驗(yàn)證了將平移不變小波變換應(yīng)用于脈搏波信號(hào)數(shù)據(jù)的處理中可以得到較好的去噪效果，且證實(shí)了該方法可以提高信號(hào)的信噪比，并能夠減小信號(hào)的均方根誤差。

本文中提到的預(yù)處理方法能對(duì)后續(xù)脈搏波信號(hào)的特征提取及識(shí)別等工作提供支持，有較好的實(shí)用意義和參考價(jià)值。

[1] 羅志昌，張松，楊益民. 脈搏波的工程分析與臨床應(yīng)用[M]. 北京：科學(xué)出版社, 2006.

[2] 季忠,劉旭. 基于波形特征和小波的脈搏波特征點(diǎn)識(shí)別研究[J]. 儀器儀表學(xué)報(bào),2016(2):379-386.

[3] MADEIRO J P V, CORTEZ P C, MARQUES J A L, et al. An innovative approach of QRS segmentation based on first-derivative, Hilbert and Wavelet Transforms[J]. Medical Engineering & Physics, 2012, 34(9): 1236-1246.

[4] 王思凱，紀(jì)靜，王太松.利用GPS垂直向觀測(cè)數(shù)據(jù)研究地面沉降[J].中國科技成果,2013(18): 1009-5659.

[5] DONOHO D L，JOHNSTONE I M. Ideal spatial adaptation via wavelet shrinkage [J]. Binometrika，1994，81 (3)：425-455.

[6] DONOHO D L. Denoising by soft-thresholding [J]. IEEE Transactions on Information Theory，1995，41 (3)：613-627.

[7] 姜德軒, 申濤, 王孝紅. 基于小波分析的磨音信號(hào)處理[J].濟(jì)南大學(xué)學(xué)報(bào) (自然科學(xué)版), 2011, 25(3): 305-309.

[8] 朱艷芹, 楊先麟. 幾種基于小波閾值去噪的改進(jìn)方法[J]. 電子測(cè)試, 2008 (2): 18-22.

[9] 苑津莎, 張冬雪, 李中. 基于改進(jìn)閾值法的小波去噪算法研究[J]. 華北電力大學(xué)學(xué)報(bào), 2010, 37(5): 92-97.