本发明涉及一种血栓弹力图仪自适应信号处理算法的实现。
背景技术:
针对凝血周期信号的处理,传统方法有滑动滤波将信号内的噪声干扰滤除。由于凝血周期信号为一个带宽范围内中某一频率(不同检测类型或不同检测物质时会选择其中某一固定频率),针对上述信号特性,虽然滑动滤波不会受到不同频率的影响,但其只能针对较小的突变噪声效果明显,对于长时间的噪声无能为力,噪声干扰比较大时,会导致信号失真,从而影响下一步的凝血曲线提取,严重的导致凝血参数计算错误,提供错误的诊断信息。本发明针对上述使用频率为一范围的凝血周期信号,提出自适应性滤波器,原理为自适应识别当前用户使用的频率,进行相对应的固定系数的滤波器。针对频率可调的信号,再叠加不同使用环境的各种噪声源引入的不同特征的噪声干扰信号,实时识别频率值,再判断噪声干扰是否存在,量化噪声干扰等级,必要时进行相关提示。
经过上述处理后的凝血信号,目的是进行下一步的凝血曲线提取。
针对凝血曲线的处理,传统方法有滑动滤波、曲线拟合法,但两者均存在不足。滑动滤波对较大的干扰无法滤除,若进行多次滑动滤波可能导致曲线失真且增加运算开销。而曲线拟合法相比滑动滤波有了一定的改进,但是得到的凝血曲线会根据血液本身的不同或检测类型不同而改变形状,无法更好的确定拟合多项式。所以,本发明设计的凝血曲线平滑算法能够根据凝血曲线本身特性进行平滑。具体为根据曲线斜率与绝对时间的不同,选择回归分析的点数进行平滑。
技术实现要素:
(一)自适应性凝血信号滤波算法
1.算法流程图如说明书附图中的图1所示。
2.程序的执行在获得ad采集的凝血信号后,首先进行识别信号的频率,然后通过干扰识别方法1判断是否存在干扰再进行相关处理。
凝血信号的自适应性滤波的步骤如下:
1)滑动获取一定长度的信号进行缓存;
2)自适应识别信号频率;
3)识别信号干扰方法1;
4)选择相应的固定系数滤波器。
凝血信号干扰识别方法1的步骤如下:
1)将上述滑动缓存的信号作为参考信号;
2)计算缓存内信号的能量;
3)若能量增长平稳或下降平稳,则判定为非噪声干扰存在;若能量突增或突降,则判定为噪声干扰存在;
4)根据能力突增或突降的程度进行量化,得到噪声干扰程度d1,必要时(d1大于预设干扰阈值th)提供相应提示。
(二)自适应凝血曲线滤波算法
1.算法流程图如说明书附图中的图2所示。
2.程序的执行在获得凝血曲线后,首先进行干扰识别获得干扰程度d2,然后再结合曲线实时斜率s与绝对时间t,选择非线性回归方法,具体为决定回归方法中的邻域大小。凝血曲线的自适应性平滑的步骤如下:
1)滑动获取一定长度的曲线进行缓存;
2)识别信号干扰方法2,量化干扰程度d2;
3)获取曲线实时斜率s;
4)获取曲线绝对时间t;
5)结合d2、s、t选择相对应的回归分析方法。
上述步骤5中具体的选择过程如下,其目的是选择非线性回归分析的邻域,此邻域越大平滑效果越好,但同时会增加内存消耗。本发明在针对非干扰的情况下,不进行缓存开辟,而对于干扰的情况视干扰程度决定,具体决策如下:
1)根据d2、s、t三个变量计算得到参数p;
2)设定2个阈值pth1、pth2;
3)当p小于等于pth1时,非线性回归分析的邻域为k1;
4)当p大于pth1小于等于pth2时,非线性回归分析的邻域为k2;
5)当p大于pth2时,非线性回归分析的邻域为k3。
(三)算法低内存消耗,高运算效率
具体体现在:
1.自适应性凝血信号滤波与自适应凝血曲线滤波算法,都是是以滑动窗的方式进行信号或曲线缓存,只针对存在干扰的信号进行滤波或平滑处理而非对整个信号或曲线,减少内存消耗的基础上提高了运算效率。
2.自适应凝血曲线滤波算法在选取非线性回归分析的邻域上进行处理,自适应识别干扰的程度,从而动态选择邻域大小。
附图说明
图1为自适应性凝血信号滤波算法流程图。
图2为自适应凝血曲线滤波算法流程图。