预答辩-基于自适应滤波器的血氧饱和度无创检测方法设计演示幻灯片.pptVIP

自适应滤波器实现过程： 自适应滤波器的输出信号z(t)为各次延时后的输出信号分别与各自的延时权重系数相乘后求和。 根据最小均方误差准则，使抵消器的输出e(t)的均方值达到最小的过程也就是求解加权系数向量w(t)最优的过程。则 其中，RX=E[X(t)XT(t)]，RXY=E[X(t)y(t)] 自适应滤波器加权系数求解过程涉及到了矩阵的求逆，并且由于血氧信号和运动伪迹噪声是不断变化的，求逆的过程需要不断进行，工作量较大，难以实现。 4.2.2基于最陡下降算法的噪声抑制原理及适用性选择 最陡下降法参数调节是沿着最小均方误差准则函数曲线梯度向量的负方向逐渐校正滤波器加权系数w(t)。使其移动到均方误差最小点 。 图4-4 最陡下降法原理图 基于最陡下降法滤波器加权系数最优解为： 应用前提：根据输入信号向量和噪声源检测信号的采样值来估计RX和RXY。 由于运动伪迹噪声信号具有不可预知性，较难获得其采样值。因此最陡下降法不适用于本课题。 最小均方算法（LMS）用梯度估计值代替梯度进行递推运算，减少了计算的复杂程度，加快了收敛时间[48]。 其梯度估计值为瞬时输出功率e2(t)的梯度，即 4.2.2基于最小均方算法的噪声抑制原理及适用性选择 则基于LMS算法滤波器加权系数最优解为： 基于LMS算法自适应滤波器实现步骤： （1）选定加权系数w(0)； （2）计算当前时刻t的滤波器输出z(t)=XT(t)w(t)； （3）计算抵消器输出信号e(t)=y(t)-z(t)； （4）计算下一次的加权系数w(t+1)=w(t)+2μe(t)X(t)； （5）令t=t+1，跳转到（2），反复循环，直到算法收敛为止。 方案选择： LMS算法滤波器参数调整过程不需要矩阵求逆，不需要预先知道噪声信号。使用输入信号和抵消器输出信号的反馈信息来调整滤波器参数。 因此，本血氧饱和度无创检测方法采用基于最小均方算法(LMS)的FIR横向滤波器消除运动伪迹噪声。 4.3 基于LMS算法的血氧饱和度自适应滤波器设计改进 血氧交流信号特点： 血氧交流信号频带宽度为0.1Hz~10Hz。 运动伪迹信号特点： 运动伪迹干扰信号频带宽度通常为0.1Hz~0.5Hz。以人体走动为例，手臂晃动引起的噪声信号频带主要位于0.1Hz附近[49]。 因此，即血氧交流信号相关时间范围TB小于运动伪迹信号相关时间范围TN。 图4-5 血氧交流信号和运动伪迹相关函数图 图中，y(t)为检测电路输入的血氧交流信号， yB(t)为无干扰的血氧交流信号，yN(t)为运动伪迹信号。 若选择合适的信号延时量△，使得TB＜△＜TN，则血氧交流信号的延时信号y (t－△)与血氧交流信号yB(t)不相关，与运动伪迹信号yN(t)相关。 本血氧饱和度自适应滤波器设计： 图4-6 血氧饱和度自适应滤波器设计原理图 基于自适应滤波器的人体动脉血氧饱和度无创检测方法设计 年级：2008级 专业：检测技术与自动化装置 姓名：张志鹏 导师：王永青 教授 河北大学电子信息工程学院 2010年5月8日 （1） 选题的背景、目的和意义 （2） 人体动脉血氧饱和度测量原理 （3） 人体动脉血氧饱和度无创检测电路设计及 原理 （4） 提高运动状态血氧饱和度检测精度的方法 （5） 血氧饱和度自适应滤波器仿真实验 （6） 结论与展望 主要内容 1、选题的背景、目的和意义 1.1 血氧饱和度的概念 （1）在人体血液中，血红蛋白可分为氧合血红蛋白（HbO2），脱氧血红蛋白(Hb)，一氧化碳结合血红蛋白(CoHb)和高铁血红蛋白(MetHb) [1] 。 （2）当血液流过肺部时，脱氧血红蛋白会与肺泡中的氧气结合称为氧合血红蛋白，而一氧化碳结合血红蛋白和高铁血红蛋白不能 与氧气相结合[2] 。 因此，氧合血红蛋白是组织中的氧的主要存在形式。 在临床医学中把氧合血红蛋白的含量占血红蛋白总量的百分比称为血氧饱和度（SO2）[3]。有两种表现形式[3]，即 ： （2）自然饱和度 （1）功能饱和度