一种基于无创连续血压测量的PPG采样率估算方法与流程

技术特征：
1.一种基于无创连续血压测量的ppg采样率估算方法，其特征在于，包括：s1.以采样率阈值e作为采样率，采集m次测试对象的ppg原始信号，将m次测试对象的ppg原始信号作为m个ppg原始信号样本，e为正整数；s2.直接测取测试对象的m次血压真实值，将m次血压真实值分别作为m个ppg原始信号样本所对应的血压测量基准值；s3.根据采样率阈值对每一个ppg原始信号样本数据进行采样预处理，得到每一个ppg原始样本的原始ppg信号矩阵；s4.引入dct变换矩阵，利用dct变换矩阵对原始ppg信号矩阵进行dct变换，得到频域内的矩阵a；s5.以n作为等间隔采样率变化间距，将采样率降低n，得到新的采样率，从矩阵a中提取前n个低频点，组成矩阵c，n为正整数；s6.对矩阵c进行dct逆变换，得到时域内的新ppg信号矩阵x
o
；s7.对于每一个ppg原始信号样本，当得到的新ppg信号矩阵x
o
的个数未达到设定值q时，返回s5，q也对应由采样率阈值逐次降低n后得到的不同采样率的个数；当达到设定值q时，对q个不同采样率下m个ppg原始信号样本对应的血压值分别进行回归预测，执行步骤s8；s8.将q个不同采样率下m个ppg原始信号样本对应的血压值分别与步骤s2所述的血压测量基准值对比，得到q个不同采样率下m个ppg原始信号样本分别对应血压值的准确率，绘制准确率随采样率变化的趋势曲线；s9.将趋势曲线中自准确率开始降低至准确率再次升高过程中的首个转折点对应的采样率作为估算的ppg采样率。2.根据权利要求1所述的基于无创连续血压测量的ppg采样率估算方法，其特征在于，在步骤s1中，所述的采样率阈值是m次采集测试对象ppg原始信号的最高采样率，在采集过程中，以时间序列为索引，采集测试对象的ppg原始信号，然后以每秒钟的ppg原始信号作为一个ppg原始信号样本。3.根据权利要求2所述的基于无创连续血压测量的ppg采样率估算方法，其特征在于，步骤s3所述的根据采样率阈值对每一个ppg原始信号样本数据进行采样预处理的操作为：以采样率阈值e为尺度基准，将每一个ppg原始信号样本处理成ppg一维向量，表示为e
×
1的原始ppg信号矩阵x
i
。4.根据权利要求3所述的基于无创连续血压测量的ppg采样率估算方法，其特征在于，步骤s4所述引入的dct变换矩阵为e
×
e的矩阵，利用dct变换矩阵对原始ppg信号矩阵x
i
进行dct变换时，e
×
1的原始ppg信号矩阵x
i
左乘dct变换矩阵，得到频域内的矩阵a，矩阵a共e行、1列。5.根据权利要求4所述的基于无创连续血压测量的ppg采样率估算方法，其特征在于，在经dct变换后得到的矩阵a中，自首行开始自上而下的矩阵分量，在频域内代表从低频至高频；步骤s5所述从矩阵a中提取前n个低频点，组成矩阵c的过程为：引入n
×
e的低频提取矩阵b，低频提取矩阵b由n阶单位矩阵与n
×
(e-n)的零矩阵拼接而成，e大于n；矩阵a左乘低频提取矩阵b，得到n个低频矩阵分量组成的矩阵c，矩阵c共n行、1列；
步骤s6所述对矩阵c进行dct逆变换时，引入用于dct逆变换的n
×
n的idct矩阵，n
×
1的矩阵c左乘n
×
n的idct矩阵，得到n
×
1的新ppg信号矩阵x
o
。6.根据权利要求5所述的基于无创连续血压测量的ppg采样率估算方法，其特征在于，在步骤s7中，设从采样率阈值e开始，以n作为等间隔采样率变化间距，采样率逐次降低n后所至的下限为sa，sa为正整数，则采样率降低尺度为(e-sa)，n与(e-sa)满足：n*q=e-sa其中，q表示得到的新ppg信号矩阵x
o
的个数设定值，即采样率从采样率阈值e开始逐次降低n后得到不同采样率的个数，对于每一个ppg原始信号样本，q个不同ppg信号矩阵x
o
对应q个不同的采样率。7.根据权利要求6所述的基于无创连续血压测量的ppg采样率估算方法，其特征在于，步骤s8所述的q个不同采样率下m个ppg原始信号样本对应的血压值分别与步骤s2所述的血压测量基准值对比的过程为：设vpg为对ppg信号矩阵x
o
中ppg信号一次求导后的信号，apg为对ppg信号矩阵x
o
中ppg信号二次求导后的信号，对于m个ppg原始信号样本的每一个ppg原始信号样本，从q个不同采样率下ppg信号矩阵x
o
中ppg信号的脉搏波曲线出发，对q个不同采样率下ppg信号矩阵x
o
中ppg信号、vpg信号、apg信号的特征点进行提取，设采样率i下提取的ppg信号、vpg信号、apg信号的特征点为q
i
个，则m个ppg原始信号样本得到m*q
i
特征点，i表示采样率次序，i=1,2，
…
，q，也表示得到ppg信号矩阵x
o
的次序，将m个ppg原始信号样本划分为训练集和测试集，引入随机森林模型，基于每个ppg原始信号样本提取的特征点，利用训练集和测试集训练并测试随机森林模型；在随机森林模型训练测试完成后，将m个ppg原始信号样本输入随机森林模型进行回归预测，输出m个ppg原始信号样本对应的血压值，并分别与血压测量基准值对比，记录q个不同采样率下回归预测后得到的血压值与血压测量基准值相同时的样本，将此类样本的个数m
i_true
作为采样率i下的正确样本数。8.根据权利要求7所述的基于无创连续血压测量的ppg采样率估算方法，其特征在于，所述的特征点包括：ppg信号矩阵x
o
中ppg信号脉搏波的收缩点s；vpg信号的收缩周期极大值w、重陷点n、舒张周期极大值u；apg信号的5个二次求导点a、b、c、d、e。9.根据权利要求8所述的基于无创连续血压测量的ppg采样率估算方法，其特征在于，步骤s8中所述q个不同采样率下ppg原始信号样本对应血压值的准确率的表达式为：p
i_true
=m
i_true
/m其中，p
i_true
表示采样率i下的ppg原始信号样本对应的血压值的准确率；m
i_true
表示采样率i下的m个ppg原始信号样本中进行回归预测后得到的血压值与血压测量基准值相同时的ppg原始信号样本的个数。10.一种ppg采样率估算方法的应用，其特征在于，将权利要求1~权利要求9任意一项所述的ppg采样率估算方法应用于无创连续血压测量设备硬件采样率的设计。

技术总结
本发明提出一种基于无创连续血压测量的PPG采样率估算方法，涉及无创血压测量的技术领域，首先以采样率阈值采集测试对象的PPG原始信号并作为样本，对样本预处理以及DCT变换，通过DCT变换的方式将PPG原始信号转换到频域中进行降维，回避高频噪声的干扰，在估计采样率的过程中，采用逐次降低采样率的方式，获得不同采样率下的信号，最后以测试对象的血压真实值为基准，预测不同采样率下的信号对应的血压值并与基准对比，获得不同采样率下血压准确度的趋势曲线，基于趋势曲线，在保证血压测量准确度的前提下，估计出合理的采样率，操作简便，不受生理信号稀疏性差的影响，可用于设计智能可穿戴血压估计硬件的采样率。智能可穿戴血压估计硬件的采样率。智能可穿戴血压估计硬件的采样率。


技术研发人员：胡铃越 林政佳 刘庆 凌永权 陈丹妮 马思琪
受保护的技术使用者：广东工业大学
技术研发日：2022.02.08
技术公布日：2022/3/8