过滤呼吸传感器信号中的混沌噪声

Question

我从呼吸传感器（胸带、压电传感器）收到信号，我需要提取（实时）每分钟呼吸值。现在，对于良好稳定的信号来说，这不是一个问题，当意外的噪声进入信号时，例如当参与者开始移动他的躯干和/或手臂时，就会出现问题。简单地消除运动引入的信号是不可能的（例如通过高通/低通滤波器），因为运动信号的至少一部分恰好落入呼吸的预期范围内。 所以我想检测每分钟 5 到 25 次呼吸之间的呼吸频率。或 2.4-12 秒（或 0.42 至 0.083Hz）之间的波长。传感器设置为以 100Hz 采样。

第一个图像（原始）显示原始数据。横轴以刻度为单位（每个 = 0.01 秒）。 正如您所看到的，前 40 秒左右的时间信号还算不错。然后（45 到 60 秒之间）手臂缓慢移动。然后短时间站立不动（65-75秒），然后躯干来回旋转（80-95秒），然后短时间站立不动（95-115秒），最后（115端）双臂和躯干移动的地方（缓慢）。

我的第一步是移动平均值（第二张图像 - 平均值）。窗口长 1 秒，重叠 0.5 秒，每 0.5 秒产生一个新的平均值。

我使用峰和谷检测，加上峰/谷的最小尺寸以及新峰/谷与“零”的最小距离，来计算每分钟呼吸次数值。显然，当存在运动时，信号频率会增加，但由于运动引入的至少很大一部分频率落在允许的呼吸频率内，我不知道如何进一步“清理”信号以获得任何运动过程中的频率都更准确。

作为参考，我添加了第三张图像 (prc)，其中绘制了每分钟的呼吸次数

任何建议当然非常欢迎！

马可

我研究了 FFT，但快速浏览似乎表明我的原始信号和平均信号不太适合使用 FFT。它检测到的频率范围很大。 像零交叉这样的替代方法并不能解决这个问题。

Answer 1

移动平均线是低通滤波的一种形式，但效果相当差。滤波器设计是一个相当复杂的主题，但您需要考虑频率响应。

这个网站似乎提供了一个很好的工具来计算过滤器内核。 100 个样本的移动平均值将得到如下响应：

通过选择带通或低通滤波器，我们可以创建具有更好看的频率响应（0.1-0.4hz）的滤波器内核：

请注意，我必须降低采样频率才能使计算器生成如此低频率的值，因为如果您想要的最高频率是 0.42hz，则 100hz 采样率是荒谬的过度杀伤力。

这会产生一个带有一堆值的过滤器内核。您可以通过滤波器与信号的卷积在时域中应用此功能。您还可以使用 fft 在频域中完成此操作，这应该更快，但如果您有一个不错的 CPU，则可能有点过大了。

这种类型的有限脉冲响应（FIR）滤波器需要使用（环形）缓冲区，因此输出会被延迟。还有无限脉冲响应滤波器，但我记得很少，除了它们设计起来更复杂之外。如果对此感兴趣，我建议进一步研究。

请注意，简单的过滤可能不足以获得良好的信号。您可能想要尝试检测患者何时移动，而忽略这些期间的所有结果。可能通过观察带通滤波器消除的噪声。您还可以做出“呼吸频率缓慢变化”或“以不同步骤”等假设，以进一步帮助提供更好的过滤/检测。