基于多尺度交叉近似熵的脉搏信号分析方法及其应用
脉搏信号是人体重要的生理信号,与人体动脉硬化程度、血管等健康状况密切相关。传统的方法通过脉象来评估人体生理状态的方式存在主观因素的影响,在对该信号的分析方面,先前研究是从时域和频域的角度展开的,鉴于脉搏信号的非平稳非线性特性,本文提出采用非线性动力学方法—多尺度交叉近似熵（Multiscale Cross-Approximate Entropy,MCAE）对其进行分析处理,并应用到探索健康人和糖尿病患者脉搏信号的差异性分析中。具体研究内容如下:首先,通过光电容积脉搏波以无创的方式获取人体脉搏信号,获取的信号中存在特征点不明显等问题,以集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）方式进行预处理,信号分解前加入白噪声,避免了模态混叠现象,相比经验模态分解（Empirical Mode Decomposition,EMD）的预处理效果要好,有效去除了干扰部分,保留了信号特征。其次,通过在脉搏信号周期内寻找最大值,对波峰波谷点定位,提取到爬坡时间（Crest time,CT）、脉搏间隔（Peak-to-Peak Interval,PPI）序列数据。针对健康人和糖尿病人群共81人的脉搏信号CT、PPI序列分别计算样本熵,糖尿病患者比健康人熵值均降低了0.1。以多尺度熵分析序列复杂性,两组间熵值相差0.2,人群间差异增大。最后,以本研究提出的MCAE算法分析得出不同生理状态下脉搏信号在MCAE3、4差异显著。同时计算脉搏信号瞬时频率指标进行对比,结果得出糖尿病患者瞬时频率值比健康人上升了0.25,差异性不如MCAE3、4明显。相关性分析中,MCAE3与Hb A1c有着显著的相关性（p<0.001）,相关程度高于瞬时频率值（r=0.227）,MCAE3以计算序列复杂度的形式体现了不同生理状态下脉搏信号差异性。通过上述研究,本文实现以无创方式获取人体脉搏信号,采用EEMD的方式进行预处理,所得波形和原信号相关性0.979,保证信号中CT、PPI两个同步时间序列准确提取。两组人群在MCAE3、4时不同人群熵值相差0.33,表现出明显差异性（p<0.001）,且与人体血糖含量呈显著负相关关系（r=-0.399）,多元线性回归分析表明,熵值中Hb A1c系数为0.093,相比在瞬时频率中系数0.028,所占比重影响更大,本研究对于应用熵理论分析人体生理信号提供了重要的参考价值。
- 作者：
- 何艳茹
- 学位授予单位：
- 北方民族大学
- 专业名称：
- 电路与系统
- 授予学位：
- 硕士
- 学位年度：
- 2021年
- 导师姓名：
- 韦海成
- 中图分类号：
- TN911.6；R443
- 关键词：
- 脉搏信号；多尺度交叉近似熵；糖尿病；集合经验模态分解
-