侯殷偉 程云章 邊俊杰

摘要：目前可穿戴式無創(chuàng)血壓監(jiān)測設(shè)備大多采用光電容積脈搏波描記法（PPG）信號進行血壓監(jiān)測，然而在運動過程中，PPG信號極易受運動偽影（Motion Artifacts）影響，從而大幅降低血壓監(jiān)測的準確性。近年來，基于PPG信號的運動過程血壓實時估計成為研究熱點。主要介紹PPG信號抗運動偽影技術(shù)研究進展，闡述PPC信號原理及噪聲來源，并對現(xiàn)有PPG信號去噪算法原理與優(yōu)缺點進行比較，最后分析運動偽影去除技術(shù)存在的問題及未來發(fā)展趨勢。

關(guān)鍵詞：運動偽影;血壓估計;PPG信號;基線漂移

DOI： 10. 11907/rjdk.191753

開放科學（資源服務(wù)）標識碼（OSID）：

中圖分類號：TP312

文獻標識碼：A

文章編號：1672-7800（2020）004-0107-04

Research Progress of Motion Artifact Removal Algorithm Based on PPG Signal

HOU Qj-wej'， CHENG Yun-zhang'， BIAN Jun-jie1.2

（I.Sh.anghai Interventional Medical Device Engineering Technology Re.search Center . Univer.sity of Sha，zghaifor Science and

Technology， Shanghai 200093. China ; 2. Zhejiang .Shan.shi Medical In.strument Co.Ltd. ， Hangzhou 311100 . China ）Abstract： Currently ， wearahle non-invasive blood pressure monitoring devices are mostly based on photoplethysmography signals.However. during the movement. the PPG signal is highly susceptihle to motion artifacts. and the existing motion artifacts seriously in-terfere with the accuracy of blood pressure monitoring. In recent years. real-time estimation of' blood pressure based on PPG signalshas become a hot topic in current research. This paper mainly studies the research progress of PPG signal anti-motion artifact technolo-gy . The principle of PPG signal and the source of noise are expounded， and the principle， advantages and disadvantages of the existingPPG signal denoising algorithm are analyzed and compared. Finally， the problems existing in the motion artifact removal technologyand the f'uture development trends are analyzed.Key Words ： motion artifacts;blood pressure estimation ; PPG signal;baseline drift

O 引言

血壓（BP）是與高血壓患者密切相關(guān)的生理指標，可作為重要參數(shù)用于發(fā)現(xiàn)早期心血管疾病。血壓監(jiān)測的準確性對于心血管疾病診斷具有重要價值…。無創(chuàng)連續(xù)血壓監(jiān)測能夠反映人體血壓變化規(guī)律，掌握血壓變化率可以大幅降低高血壓患者出現(xiàn)致命危險的概率[2]。同時，長期、連續(xù)的血壓監(jiān)測數(shù)據(jù)對于病患心血管狀況的評估與診斷具有重要作用。近年來，使用可穿戴式設(shè)備監(jiān)測血壓的方式已得到了普及，由于成本較低，在這種設(shè)備中監(jiān)測血壓最常用的方法是使用光電容積脈搏波（PhotoPlethysmoGraphy，PPG）信號[3]。光電容積脈搏波描記法[4]是一種電光技術(shù)，其將傳感器置于皮膚上方，通過發(fā)射綠光照亮皮膚表層，由傳感器接收反射光強度變化，并通過對PPG信號的周期性檢測與分析得到血壓值。該方式能夠克服傳統(tǒng)血壓測量的缺點，擺脫傳統(tǒng)袖帶帶來的不適感，適用于連續(xù)血壓監(jiān)測。然而，由于傳感器的安裝機制，獲取的PPG信號可能會受到測量部位運動引起的運動偽影影響，從而降低PPG信號傳感器的輸出精度。為了獲取更有效的結(jié)果，必須補償運動偽影對PPG信號造成的影響。

在存在運動偽影情況下，估計血壓值的典型方式是先對PPG信號進行預處理，以去除信號中的運動干擾。近年來，學者們[5-7]針對如何減少運動偽影對PPG信號的影響進行了大量研究。下面系統(tǒng)介紹PPG信號原理及運動偽影產(chǎn)生過程，從去除基線漂移和去除高頻噪聲兩方面介紹目前抗運動偽影的算法，并分析其優(yōu)劣性。

1 PPG信號

1.1 PPG原理

PPG信號是通過光電容積描記法獲得的一種波形信號，是進行血壓估計的基礎(chǔ)，其理論基礎(chǔ)是朗伯·比爾定律。當入射光透過人體血管組織后會被部分吸收，從而產(chǎn)生衰減。其關(guān)系式如下：

其中，厶為入射光強，L為被介質(zhì)吸收后的透射光強，A為吸光度，K為吸收系數(shù)，，為吸收介質(zhì)厚度，c表示濃度。

將PPG傳感器置于手腕處即可獲得脈搏波的PPG信號，并根據(jù)脈搏形成與血壓的關(guān)聯(lián)性進行無創(chuàng)血壓估計。

1.2 PPG信號中的噪聲

在采用可穿戴式設(shè)備獲取PPG信號時，PPG信號易受到噪聲影響，這些噪聲將嚴重影響血壓監(jiān)測的準確性。PPG信號中的噪聲[8]主要包括：環(huán)境光、基線漂移和運動偽影。其中環(huán)境光影響可以從硬件層面加以解決，基線漂移主要是由呼吸引起的，通過低通濾波器可將其有效去除，而運動偽影是由可穿戴式設(shè)備與手腕之間間距的不規(guī)律變化導致的。

本文通過選取MIMIC數(shù)據(jù)庫中靜止狀態(tài)與運動狀態(tài)下的容積脈搏波數(shù)據(jù)，并截取其中10秒鐘的數(shù)據(jù)。靜止狀態(tài)下的PPG波形如圖1所示，由于神經(jīng)交感活動以及人體溫度和呼吸變化的影響，造成PPG信號中基線的緩慢變化，即基線漂移，從圖1中可以看出靜止狀態(tài)下的PPG信號出現(xiàn)了明顯的基線漂移。在運動狀態(tài)下，運動偽影嚴重破壞了PPG信號波形，如圖2所示，可以看出運動中的PPG信號含有大量運動偽影。

2 PPG信號去噪算法

實際采集到的PPG信號往往受到環(huán)境光、基線漂移和運動偽影等外界因素干擾，使用受到破壞的PPG信號無法進行準確的血壓估計，需要對采集的PPG信號進行降噪處理，以提取出優(yōu)質(zhì)的PPG信號。由于PPG信號和噪聲信號不存在線性關(guān)系，不同去噪算法具有不同的優(yōu)缺點，因此針對PPG信號的降噪算法也是目前的研究熱點。本節(jié)從去除基線漂移和去除高頻噪聲兩方面介紹現(xiàn)有PPG信號去噪算法，并對不同方法的優(yōu)缺點進行分析比較。

2.1 去除基線漂移

基線漂移一般是指由人體呼吸及皮膚表面與PPG傳感器出現(xiàn)相對摩擦而產(chǎn)生的頻率在IHz以下的噪聲。含基線漂移影響的PPG信號可以看成是特征波形與基線漂移信號疊加的結(jié)果，對其進行適當?shù)臑V波處理，即可分離出基線漂移信號。由于傳統(tǒng)FIR或IIR濾波器[9]截止頻率固定，無法有效濾除高于截止頻率的基線，因而不適用于去除基線漂移。

去除基線漂移的一個主流方法是采用小波變換法[10]。對含噪信號進行多尺度小波分解后，由于信號與噪聲在頻譜和能量分布上有所不同，可以直接去除噪聲對應(yīng)的小波分解尺度上的細節(jié)分量，接著采用小波逆變換進行信號重構(gòu)，即可有效去除信號中的基線漂移。連續(xù)小波變換定義為：

其中，a為尺度因子，r為平移參數(shù)，v表示復共軛，小波變換可依據(jù)頻域上的相似達到去除基線漂移的目的，在選擇尺度適中的情形下可以取得很好的效果。但小波變換法一般需要對信號進行8-10層小波分解，運算量過大，且噪聲頻帶往往與有用信號頻帶存在部分重疊，從而導致有效信息丟失。

有研究者提出用三次樣條插值[11]算法去除基線漂移，三次樣條插值是針對一個特定數(shù)據(jù)集合，利用給定的n+l個點將數(shù)據(jù)分為n段，用n段三次多項式在連續(xù)數(shù)據(jù)點之間建立一個三次樣條，利用三次樣條插值函數(shù)計算兩個定點之間的數(shù)據(jù)，提取出基線波形。在此基礎(chǔ)上，將信號波谷而非起始點作為插值基準點，并且將信號首尾結(jié)點也作為基準點處理。其插值函數(shù)表達式如下：

其中，m是函數(shù)S（x）在定點x：（i=0，1，2，…，n）的微商值。該方法的不足之處在于忽略了信號首尾點的處理，從而導致最后一個起始點至信號末點之間的基線未被擬合。

為了在有效消除基線漂移的同時，保留原始信號的全局與局部特征，有研究者提出基于形態(tài)學濾波的方法[12]，通過對含基線漂移PPG信號的廣義形態(tài)閉一開濾波與開一閉濾波結(jié)果進行平均后，可得到與基線漂移信號有關(guān)的分量，用原始信號減去估計得出的基線漂移信號分量去除基線漂移。該方法的優(yōu)點在于結(jié)構(gòu)元素較短且運算量小，可以有效保留原始信號特征。

2.2去除高頻噪聲

一般來說，由于在PPG信號采集過程中，人體時刻處于某種運動狀態(tài)，步行、跑步等不規(guī)則運動導致的高頻噪聲是無法完全消除的，因而在去除PPG信號高頻噪聲過程中選用合適的方法很重要。

2.2.1 基于自適應(yīng)濾波器的算法

大部分文獻采用的方法都是基于白適應(yīng)濾波器法去除高頻噪聲，實現(xiàn)白適應(yīng)濾波器的算法有很多，其中LMS算法[13-14]，即最小均方算法是最常見的，通過找到一組權(quán)值向量，使樣本預測輸出值與實際輸出值之差平方的期望值最小。LMS算法權(quán)值向量更新公式如下：

其中，系統(tǒng)權(quán)值矢量為為 e（n）為誤差信號，“為步長因子。該算法使系統(tǒng)輸出響應(yīng)盡量逼近期望響應(yīng)，通過迭代的方法更新權(quán)值，其優(yōu)點在于原理與結(jié)構(gòu)簡單.具有較好的穩(wěn)定性。一般來說，當選擇的參數(shù)因子“較大時，收斂速度較快，但穩(wěn)態(tài)誤差波動較大;當“較小時，收斂速度較慢，但穩(wěn)態(tài)誤差波動較小。所以可以看出，LMS算法中的主要矛盾在于收斂速度與穩(wěn)態(tài)誤差的矛盾。

為了克服LMS算法收斂速度慢的問題，有研究者[15-17]提出變步長LMS算法，在參數(shù)因子“發(fā)生改變或在收斂開始時選擇較大的參數(shù)因子，以獲得更快的收斂速度。當變步長LMS算法收斂時，選擇較小的參數(shù)因子，以縮小穩(wěn)態(tài)誤差。但由于算法中仍有全局固定的參數(shù)因子，整體收斂速度依舊受到固定步長的影響，導致收斂速度較慢。

經(jīng)驗?zāi)B(tài)分解[18]（EMD）算法也是一種常用算法，由Huang等[19]提出，依據(jù)數(shù)據(jù)白身的時間尺度特征將信號分解成若干分量，找到并去除其中與運動相關(guān)的分量進行去噪，具體公式如下：

為原始信號x（t）的n個IMF分量，階數(shù)由低到高，YN（f）表示分解后的剩余分量。EMD算法本質(zhì)上是對原始信號進行平穩(wěn)化處理，通過分解產(chǎn)生一系列具有不同特征尺度的本征模態(tài)函數(shù)（IMF）。然而，由于算法本身缺少完整的理論基礎(chǔ)，且當信號中存在間斷信號等引起的間歇現(xiàn)象時，EMD分解結(jié)果會出現(xiàn)模態(tài)混疊[20]。因此，Wu等[21]在此基礎(chǔ)上提出集合經(jīng)驗?zāi)B(tài)分解算法（EEMD），利用EMD濾波器組行為及白噪聲頻譜均勻分布的統(tǒng)計特性抑制模態(tài)混疊，其信號重構(gòu)公式如下：

其中 為各階集合平均固有模態(tài)分量 為剩余分量， 為重構(gòu)誤差。EEMD算法雖然可以有效抑制模態(tài)}昆疊，但其是以增加計算成本為代價的，且算法重構(gòu)誤差大，分解完備性差。

2.2.2基于模型的算法

上述基于白適應(yīng)濾波器的算法雖然去除了高頻噪聲，但復雜性都較高，且主要針對較為平緩及不劇烈的運動，不適用于較強或劇烈運動下的偽影去除。近年來，很多研究者提出基于模型的算法，利用多通道PPG信號的運動噪聲與同步運動加速器信號之間的相關(guān)性去除強烈的高頻噪聲。通過加速度信號判定是否存在噪聲，并獲取噪聲頻率。文獻[22]提出基于加速度傳感器、以均值濾波為基礎(chǔ)去除高頻運動偽影，獲得運動信號后，選取窗口對去除基線漂移后的信號進行均值濾波處理，從而有效抑制該頻率的運動偽影，其幅度補償公式如下：

其中，x為加速度傳感器x軸信號，在對運動偽影進行均值濾波處理后，對A（x）作幅度補償。此外，由于PPG信號在頻域內(nèi)具有稀疏性，部分學者提出基于稀疏信號重構(gòu)的運動偽影去除算法，如Zhang等[23]提出TROIKA框架，由于運動加速度信號與運動偽影信號的強相關(guān)性，PPG信號頻譜和加速度信號頻譜的譜峰位置大致相同，所以該框架基于壓縮感知的SMV模型估計原始信號的稀疏頻譜，其目標函數(shù)如下：

其中， 為一段原始信號 為一個冗余離散傅里葉變換基， 為要求解的解向量， 為模型誤差，框架中PPG信號頻譜和加速度信號頻譜是分開計算的，容易導致PPG信號頻譜和加速度信號頻譜中的譜峰位置不對應(yīng)，導致該模型無法有效去除PPG信號頻譜中的所有強運動偽影。為了解決該問題，文獻[24]提出一種基于聯(lián)合稀疏重構(gòu)（JSRR）的算法，在壓縮感知框架下，將去噪過程轉(zhuǎn)換為稀疏信號重構(gòu)過程，通過迭代尋優(yōu)獲得最優(yōu)解。JSRR模型引入兩個松弛變量 與兩個約束條件，新的目標函數(shù)如下：

JSSR模型中的行稀疏約束有效解決了PPG信號與加速度信號譜峰位置不對應(yīng)的問題，但計算成本較高。為了解決算法性能問題，有研究者[25]采用支持向量機（SVM）模型區(qū)分并去除運動偽影，該模型使用了Chang等提出的C-支持向量分類（C-SVC）算法，使用徑向基核函數(shù)將輸入數(shù)據(jù)映射到高維特征空間，其徑向基核函數(shù)定義如下：其中，y為徑向基內(nèi)核特定參數(shù)，該算法模型通過尋找最適合當前分類的參數(shù)，以有效分離出運動偽影源。實驗結(jié)果表明，該模型對多種運動狀態(tài)下的運動偽影均有較好的去除效果。同時，SVM方法存在的主要問題是，其精確度受參數(shù)影響較大，而對參數(shù)的確定大多依靠經(jīng)驗，沒有統(tǒng)一標準。

不同運動偽影去除算法都有各白的優(yōu)缺點，需要根據(jù)實際使用情況決定采用哪種去噪算法。由于PPG信號中的運動偽影成分范圍無法精確測量，因此不能輕易給出所有模型的去噪精度對比。

3 總結(jié)與展望

本文總結(jié)了PPG信號抗運動偽影的研究進展。將當前去除運動偽影的算法分成兩類，分別為去除基線漂移的算法和去除高頻噪聲的算法，并分析比較了各方法的優(yōu)缺點。去除基線漂移的主流方法為基于小波變換法，由于其運算量過大，且存在信息丟失問題，進而有研究者提出三次樣條插值算法和基于形態(tài)學的方法，從而有效降低了運算量并保留了有效信息。對于運動偽影中由于劇烈運動造成的高頻噪聲，研究者提出多種基于白適應(yīng)濾波器的方法，如LMS算法、變步長LMS算法和經(jīng)驗?zāi)B(tài)分解算法，盡管這些方法可以有效去除高頻噪聲，但都具有收斂速度慢等問題，因此需要更復雜的模型。之后有研究者提出基于加速度信號的關(guān)聯(lián)模型、TROIKA框架以及支持向量機分類的模型算法。相關(guān)文獻研究表明，復雜模型的去噪效果普遍優(yōu)于簡單模型，但當模型固定時，由于運動的不斷變化將導致運動偽影的去噪誤差增大。因此，未來研究方向為：一是將簡單靜態(tài)模型轉(zhuǎn)換為動態(tài)復雜模型，實時更新模型中的參數(shù)信息;二是將動態(tài)復雜模型運用于可穿戴式血壓監(jiān)測產(chǎn)品中。

參考文獻：

[1] National Heart ， Lung， and Blood Institute.What is high blood pressure[R] . NHLBI Health Information Center Attentinn ， 2012.

[2]滕曉菲 .張元亭 .移動醫(yī)療 ：穿戴式醫(yī)療儀器的發(fā)展趨勢 [J]中國醫(yī)療器械雜志 .2006（5） ： 330-340.

[3]KAMAL A A R. HARNESS J B . IRVINC G， et al. Skin photoplethysmographya review [j] . Computer methods and programs in biomedi-cine. 1989.28（4） ： 257-269.

[4]ALLEN J. Photoplethysmograpb and its application in clinic：al physio-Ingical measurement [J]. Phvssiological measurement. 2007 . 28 （3） ：R1-R39.

[5]HAN H. KIM M J， KIM J. Development of real-time motion arcifactreductir）n algoritlun for a wearable photoplethysmography Fcl. 29thAnnu al International Conference of the IEEE Engineering in Medicineand Biology Society. IEEE ， 2007： 1538-1541.

[6]KIM B S， YOO S K. Motion artifact reduction in photopleth}'smogra-phy using independent compc）nent analysis [J] . IEEE Transactions nnBiomedical Engineering， 2006， 53（3） ： 566-568.

[7]KRISHNAN R. NATARAJAN B . WARREN S. Analysis and detectionof motion aitifact in photoplethysmographic data using higher order sta-tistics[C]2008 lEEE International Conference on Acoustics， Speechand Signal Processing. IEEE. 2008： 613-616

[8]張虹，孫衛(wèi)新，金捷脈搏血氧飽和度檢測系統(tǒng)設(shè)計中干擾信號的處理方法[J].國外醫(yī)學：生物醫(yī)學工程分冊，2000（2）：90-95.

[9]劉艷麗，趙為松，李海坤，等，基于形態(tài)濾波的脈搏波信號基線漂移消除方法研究[J].合肥工業(yè)大學學報：自然科學版，2011， 34（4）：525-528.

[10]王鵬，魏守水，黃青華.基于小波變換的自適應(yīng)濾波器消除脈搏波基線漂移[J].中國醫(yī)學物理學雜志，2004（5）：296-299.

[II]楊琳，張松，楊益民，等.利用三次樣條差值法抑制脈搏波基線漂移[j]北京生物醫(yī)學工程，2010.29（2）：198-200.

[12]CHL C H H，DELP E J.Impulsive noise suppression and hackgroundnormalization of electrocardiogram signals using morphological opera- tors[Jl. IEEE Transactions on Biomedical Engineering， 1989， 36（2）：262-273.

[13]HAN H， KIM J Artifacts in wearahle photoplethysmographs duringdailv life motions and their reduction with least mean square basedactive noise cancellation method[J].Computers in hiology and medi-cine. 2012. 42（4）： 387-393.

[14]CHAN K W，ZHANC Y T.Adaptive reduction of motion artifact fromphotopletbsmographic recordings using a variable step-size LMS fil-terEC]Sensors， IEEE. 2002，2：1343-1346

[15]覃景繁，歐陽景正.一種新的變步長LMS自適應(yīng)濾波算法[J].數(shù)據(jù)采集與處理，1997. 12（3）：171-174

[16]孫恩昌，李于衡，張冬英，等.自適應(yīng)變步長LMS濾波算法及分析[J].系統(tǒng)仿真學報，2007，19（14）：3172-3175.

[17]熊英.運動噪聲環(huán)境中穿戴設(shè)備心率提取算法研究[D]長沙：長沙理工大學，2017

[18]RAGHURAM M，SIVANI K， REDDY K A Use of complex EMD gen-erated noise reference for adaptive reduction of motinn artifacts fromPPC signals[C]2016 International Conference on Electrical. Elec-tronics， and Optimization Techniques， 2016： 1816-1820.

[19]HL'ANG N E， SHEN Z， LONC S R.et al. The empirical mode de-composition and the Hilhert spectrum for nonlinear and non-station-arv time series analysis[J]. Proceedings of the Roval Societv of Lon-don. Series A： Mathematical. Ph＼：sical and Engineering Sciences，1998. 454： 903-995.

[20]WUZ， HUANG N E.Ensemhle empirical mode decomposition：anoise-assisted data analy'sis method[J]. Advances in adaptive dataanah-sis. 2009（1）：1-41.

[21] DAI X，DIAMOND J A. Intracerehral heniorrhage：a life-threateningcomplication of hypertension during pregnancy[J]. The Journal ofClinical Hypertension， 2007，9（11）： 897-900

[22]陳炎，李丹，李彥海，等.基于加速度傳感器的心率信號處理及檢測方法[J].科學技術(shù)與工程，2016， 16（9）：67-70.

[23]ZHANC Z. PI Z， LIU B.TROIKA：a general framework for heartrate monitoring using wrist-type phntoplethysmographic signals dur-ing intensive physical exercise[J].IEEE Transactions on biomedicalengineering， 2015， 62（2）： 522-531.

[24]熊繼平，蔣定德，蔡麗桑，等.基于聯(lián)合稀疏譜重構(gòu)的PPG信號降噪算法[J].電子學報，2017.45（7）：1646-1652

[25] COUCEIRO R. CARVALHO P， PAIVA R P. et al. Detection of mo-tion artifac.t patterns in photoplethysmographic signals based on timeand period domain anah-sis[J].Physiologic：al measurement， 2014，35（ 12）：2369

（責任編輯：黃?。?/p>

收稿日期：2019-05-23

基金項目：上海工程技術(shù)研究中心資助項目（18D22250900）

作者簡介：侯殷偉（1993-），男，上海理工大學上海介入醫(yī)療器械工程技術(shù)研究中心碩士研究生，研究方向為無創(chuàng)血壓實時監(jiān)測技術(shù);

程云章（1964-），男，上海理工大學上海介入醫(yī)療器械工程技術(shù)研究中心教授、博士生導師，研究方向為血流動力學及其臨床應(yīng)用;邊俊杰（1972-），男，碩士，上海理工大學上海介入醫(yī)療器械工程技術(shù)研究中心碩士生聯(lián)合導師，浙江善時醫(yī)療器械有限公司董事長，研究方向為無創(chuàng)血流動力學監(jiān)測技術(shù)。本文通訊作者：程云章。