嵌入式系統(tǒng)綜合實踐

1、嵌入式系統(tǒng)綜合實踐課程設(shè)計(論文)脈搏波心率測量算法設(shè)計 院（系）名稱電子與信息工程學院 專業(yè)班級計算機666 學號1104010xx 學生姓名XX 指導教師XX 講師起 止 時 間： 2014.12.292015.01.09課程設(shè)計（論文）任務(wù)及評語院（系）：電子與信息工程學院 教研室：計算機科學與技術(shù)學 號1104010學生姓名專業(yè)班級計算機666課程設(shè)計（論文）題目脈搏波心率測量算法設(shè)計課程設(shè)計（論文）任務(wù)任務(wù)要求：采集得到了脈搏波數(shù)字形式的數(shù)據(jù)，單片機通過這些數(shù)據(jù)計算心跳次數(shù)。要求用Matlab設(shè)計心率計算方法，使其計算給定脈搏波數(shù)據(jù)（1組）反應(yīng)的心率次數(shù)。技術(shù)要求：1、要求輸入函數(shù)t

2、est(x)，屏幕上出現(xiàn)脈搏波的心跳個數(shù)。2、在屏幕上畫出計算心率各個過程原始數(shù)據(jù)的變化情況。3、分析把數(shù)據(jù)變化成什么樣的形式才能用程序計算心率。指導教師評語及成績平時成績： 答辯成績： 論文成績： 總成績： 指導教師簽字： 年 月 日注：平時成績占20%，答辯成績占40%，論文成績占40%。目 錄第1章 緒論1算法研究的背景1算法研究的意義1開發(fā)工具1第2章 需求分析3主要研究內(nèi)容32.2 算法性能需求3第3章 算法的選擇與比較4心電基線漂移去除方法的比較研究4形態(tài)濾波43.1.2 FIR濾波4小波變換5中值濾波 - 小波變換5擬合基線法原理53.2 快速中值濾波的應(yīng)用6第4章 算法設(shè)計與編

3、碼8算法設(shè)計8編碼設(shè)計與分析8第5章 設(shè)計結(jié)果與分析11脈搏波心率測量算法設(shè)計目的11脈搏波心率測量算法設(shè)計結(jié)果11脈搏波心率測量算法設(shè)計的分析14第6章 總結(jié)17參考文獻18第1章 緒論算法研究的背景脈搏波信號處理算法的研究對于心血管疾病多參數(shù)檢測技術(shù)的發(fā)展具有重大意義。近年來，脈搏波信號的特征提取已經(jīng)成為人體健康監(jiān)護領(lǐng)域的研究熱點之一。通過脈搏波信號能夠檢測心血管功能的多項參數(shù)，具有無創(chuàng)、快速等特點，是防治心血管疾病的重要手段。目前，脈搏波信號的處理算法研究還小成熟，特別是信號的特征提取，使其在檢測設(shè)備中的應(yīng)用發(fā)展緩慢，開展該方而的研究具有重要的實際應(yīng)用價值及社會意義。首先，對脈搏波信號特

4、點及波形特征進行了分析，在此基礎(chǔ)上采用了基于數(shù)學形態(tài)學的脈搏波信號預處理算法，分別設(shè)計了加權(quán)組介形態(tài)濾波器去除脈沖噪聲和抑制基線漂移，并進行了仿真研究，該算法能夠有效去除噪聲而小損傷原信號的特征。其次，針對脈搏波信號與振動系統(tǒng)的聯(lián)系，建立了基于振動理論的脈搏波信號特征提取數(shù)學模型，在此基礎(chǔ)上，提出了脈搏波信號特征提取算法，對該算法進行了數(shù)學分析，證明其物理可實現(xiàn)性，得到了相關(guān)參數(shù)的范圍。并針對脈搏波信號的周期、波形和血壓信號特征，定義了相關(guān)的特征提取向量，并給出具體實現(xiàn)過程中的信號運算數(shù)學表達式。運算量較小、耗費時間也較短，仿真實驗結(jié)果表明該方法是有效實用的。最后，脈搏波心率測量算法設(shè)計，利用

5、實驗系統(tǒng)采集到的脈搏波信號對算法進行驗證，基于MATLAB對數(shù)據(jù)進行處理，得到最優(yōu)算法。這將對心血管檢測、數(shù)據(jù)分析有很大的幫助。1.2算法研究的意義從人體采集到的脈搏波信號，由于脈搏波信號信噪比比較低，給后續(xù)參數(shù)的準確測量帶來了困難，所以對于噪聲干擾的去除是非常重要而必須的。其中脈搏波信號中常見的噪聲有工頻干擾、基線漂移、肢體抖動、肌肉緊張而引起的干擾等，本文基于基線漂移法結(jié)合MATLAB對數(shù)據(jù)進行了實時的處理。用MATLAB計算了所給脈搏波信號的心跳次數(shù)。實現(xiàn)了MATLAB上對脈搏波信號的實時處理。1.3開發(fā)工具算法研究環(huán)境MatlabMATLAB (Matrix Laboratory ，矩

6、陣實驗室) 是由美國Math Works公司開發(fā)的一種功能強、效率高、簡單易學的可視化軟件，覆蓋面包括控制、通訊、金融、圖像處理、建筑、生物學等幾乎所有的行業(yè)與科學領(lǐng)域。除了經(jīng)典的一些算法外， MATLAB 還提供了豐富的數(shù)據(jù)分析和處理功能模塊, 如神經(jīng)網(wǎng)絡(luò)、小波分析、信號處理、圖像處理、自動控制、模糊控制、系統(tǒng)仿真等，因此MATLAB是一種高效的編程軟件。本文介紹利用MATLAB 軟件作為技術(shù)平臺，實現(xiàn)對統(tǒng)脈搏波快速、準確實時顯示，而且實現(xiàn)方法簡單有效，有一定的實用性。第2章 需求分析2.1主要研究內(nèi)容從上面的分析可以看到，盡管脈搏波信號處理領(lǐng)域的研究取得了較大的進展，并且相關(guān)處理方法在一定

7、程度上得到了應(yīng)用，但是，目前的信號處理方法還不夠成熟，比如準確性不高，對非線性信號處理效果不理想;數(shù)學原理復雜，計算量大，不適合嵌入式應(yīng)用;實時處理能力差，不利于在實時監(jiān)護系統(tǒng)中的應(yīng)用。用Matlab計算所給脈搏波信號的心跳次數(shù)主要研究內(nèi)容有：(1)分析原始脈搏波數(shù)據(jù)的特點，研究脈搏波數(shù)據(jù)的預處理方法，尋找一種新的更適于脈搏波信號特點的方法，有效去除高頻脈沖噪聲和基線漂移，并且不損失原信號的特征，為脈搏波的特征提取奠定基礎(chǔ)。(2)研究脈搏波信號的特征提取算法，根據(jù)脈搏波信號特征提出一種新的簡單易實現(xiàn)、計算量小且具有在線處理功能的特征提取算法，對算法進行數(shù)學分析，并設(shè)計算法的具體實現(xiàn)過程，給出信

8、號運算的數(shù)學表達式，分別實現(xiàn)脈搏波周期特征、波形特征與血壓信號特征的提取，解決脈搏波的有效應(yīng)用中存在的困難。(3) 脈搏波信號測量算法設(shè)計，要求輸入函數(shù)test(x),屏幕上出現(xiàn)脈搏波的心跳個數(shù)。2.2 算法性能需求消除心電信號的基線漂移 ,是心電信號處理中的一個重要而又困難的問題 。 因為基線漂移嚴重時 ,往往使波形識別和參數(shù)測量成為不可能 ,甚至無法記錄 。 發(fā)生基線漂移的原因有電極電阻變化 、電極的極化電位變化 、心電放大器的直流偏置漂移 、人體呼吸或其他肌肉緩慢運動等 。 基線漂移的頻率很低 ,其范圍為 0. 05 Hz至幾 Hz,其主要分量在 0. 1 Hz左右 。而心電信號的 ST

9、段頻率也很低 ,其最大值約為 0. 60. 7 Hz,兩者的頻譜非常接近 ,所以如果使用 高通濾波的方法消 除基線漂移 ,即 使采用 線性相位的濾波器 ,也常常會引 起 嚴重失真。對基線漂移糾 正方法的研究 ,在心電信號處理中有著重要意義 。本文通過研究快速中值濾波在濾波心電圖信號基線漂移中的應(yīng)用，以及心電基線漂移去除方法的算法比較，得出簡單、精確度比較高的算法，進而基于MATLAB求出脈搏波的心跳個數(shù)。第3章 算法的選擇與比較3.1心電基線漂移去除方法的比較研究基線漂移是心電信號幅值測量與形態(tài)分析(尤其是 ST段 ) 的重要影響因素 ,抑制基線漂移是正確獲心電信息的前提 。濾波法和擬合基線法

10、是兩類最常用的基漂抑制方法 。傳統(tǒng)方法如小取心電信息的前提 。濾波法和擬合基線法是兩類最常用的基漂抑制方法 。傳統(tǒng)方法如小波分解、形態(tài)濾波、FIR 濾波、中值 濾波、基于全部數(shù)據(jù)的最小二乘擬合法 、基于基線上關(guān)鍵點的函數(shù)擬合法 等 ,都在心電基漂去除中得到了廣泛的應(yīng)用 ;近年來 ,新興方法如自適應(yīng)濾波 、經(jīng)驗?zāi)Ｖ捣纸?等也被嘗試用于心電基漂去除的研究中 。然而 ,這些研究大多以定性分析為主 ,所分析的數(shù)據(jù)沒有通用性 ,因此不便于在實際應(yīng)用中對各種算法的取舍提供參考 ; 即便 有 些 研 究 使 用 M IT/B IH 數(shù) 據(jù) 庫的樣本 ,但由于 M IT /B IH 數(shù)據(jù)都包含基漂 、工頻 、

11、運動偽跡等多種干擾 (實際的體表 ECG必然受噪聲干擾 ) ,因此 ,不能定量比較各種算法對信噪比的改善程度 。這里依次闡述濾波法和擬合法的原理與特點。形態(tài)濾波形態(tài)運算包括腐蝕 、膨脹、 形態(tài)開和形態(tài)閉等。形態(tài)開可以抑制信號中的正脈沖噪聲 ,而形態(tài)閉可以抑制信號中的負脈沖噪聲 。通常使用形態(tài)開 、閉運算的級聯(lián)形式來同時濾除信號中的正 、負脈沖噪聲 。如果結(jié)構(gòu)元素的寬度小于所有 ECG特征波形的寬度 ,則開 、閉運算后 , ECG的特征波形會被保留 ,而信號中寬度小于結(jié)構(gòu)元素的干擾脈沖會被清除 。 另一方面 ,有基線漂移的 ECG信號可看成緩慢變化的“基漂 ”信號上疊加有寬度相對狹窄的ECG信號

12、,如果結(jié)構(gòu)元素的寬度大于所有ECG特征波形 ( PQRSTU 波 ) 的寬度 ,則形態(tài)運算就能夠從含噪信號中分離出基線漂移信號 。3.1.2 FIR濾波N 階 FIR 濾波器在 Z平面內(nèi)有 NR個零點 ,其收斂域總是包括單位圓 ,因此 F IR 濾波器總是穩(wěn)定的 。系數(shù)對稱的 F IR 濾波器能夠保持線性相位 ,這是 ECG除噪所需要的 ,但需注意 N階偶對稱或奇對稱的 F IR 濾波器有 N /2點延時 。F IR濾波的原理簡單 、無累積誤差 , 適于實時場合 ,但幅頻失真一般比較明顯 。小波變換信號的小波變換相當于信號在不同尺度的帶通和低通濾波,可分解得到信號的逼近分量和細節(jié)分量 ?；€漂

13、移主要為低頻分量 ,在小波重構(gòu)的過程中 ,只要將高尺度的逼近分量置零 ,就得到了去除基漂的信號。在信號采樣頻率一定的情況下 ,對于某一確定小波 ,其不同尺度下的頻率中心和窗寬都是確定的 ,由此可確心和窗寬都是確定的 ,由此可確定去除基線漂移的小波變換的最佳分解尺度 。形態(tài)運算 - 小波變換 形態(tài)濾波能夠簡單提取基漂的輪廓 ,但產(chǎn)生了一種近似矩形或梯形的波動 ,這是形態(tài)運算設(shè)置門限而帶來的截斷誤差 ,可考慮用小波分解對粗糙的基漂進行平滑 。形態(tài)濾波與小波分解的聯(lián)合算法是 : 首先用形態(tài)濾波提取粗糙的基漂信號 ;再通過小波分解將粗糙的基漂分解在 N 個尺度上 ,重構(gòu)時只保留2 Hz以下的逼近分量和

14、細節(jié)分量 ,這樣就獲得了平滑的基漂 ,進而獲得濾除基漂干擾的信號 。綜合算法中 ,形態(tài)濾波得到了有顯著失真的粗糙基漂 ,小波分解與重構(gòu)過程則實現(xiàn)了對粗糙基漂的平滑處理 。中值濾波 - 小波變換類似形態(tài)濾波 ,中值濾波能夠粗略地提取基漂輪廓 ,但也產(chǎn)生了一種“臺階狀 ”失真 , 這是中值運算所產(chǎn)生的截斷誤可首先用中值濾波提取粗糙的基漂信號 ,然后用小波分解重構(gòu)方法再進一步對基漂進行平滑差 。原理類似形態(tài)濾波與小波分解的綜合算法。擬合基線法原理基線擬合分為整體擬合和分段擬合兩種 。整體法是在得到全部參考點后再擬合基線 , 不能實時實現(xiàn) 。分段擬合具有簡潔 、快速的特點 ,適用于實時場合 。李惠軍等

15、 對分段 3次函數(shù)校正和拋物線校正給出了較透徹的分析 ,由于其方法是在每個心拍的 TP段上選取一個參考點的坐標及其導數(shù) ,故這里稱其為“導數(shù)法 ”。為了更細致的刻畫基漂 ,也可每個心拍的 TP段上選取 3 個“基準點 ”坐標 ,不計算導數(shù) ,本文稱之為“坐標法 ”。直觀上 ,這 3點的最佳位置應(yīng)該是 : TP段起點 (即本心拍的 T波終點 ) , TP段終點 (即下一個心拍的 P波起點 ) , TP段的中點 。一方面 ,室性早搏等情況下不存在 P波 ;另一方面 ,由于噪聲的影響 , P波的準確定位有時比較困難 。因此 ,為了提高可行性和可信度 ,這里根據(jù) R 波的峰點位置和 RR 間期來確定

16、TP段的 3 個插值點。幾種濾波方法中 , 綜合濾波算 法的 誤差( STD )最小 、SNR改善最多 ,但效果仍不理想 。究其原因 ,基漂是變化的 ,而濾波算法的自適應(yīng)性不強。形態(tài)運算的時間消耗較大 ,而且結(jié)構(gòu)子越長 ,時耗越大 。結(jié)構(gòu)子長度主要和信號的采樣率聯(lián)系 ,采樣率越大 ,則結(jié)構(gòu)子越長 。因此 ,在實時性要求較高的場合 ,應(yīng)避免使用形態(tài)方法 。中值運算需要進行排序操作 ,時間消耗較大 ,因此中值濾波也不適合在實時場合使用 。改善的信噪比 ( SNR )和均方差 ( STD ) 成反相關(guān) ,即信噪比的改善越高 ,則輸出信號與理論信號的差別就越小 。線性相關(guān)系數(shù) r與改善的 SNR(或

17、STD )的變換趨勢并不完全一致 , 反映了兩個信號交流分量變化趨勢的一致性程度 ,而 STD則反映了兩個信號的差別大小 , SNR 反映了信號能量與噪聲能量的比值。3.2 快速中值濾波的應(yīng)用中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術(shù)，被廣泛應(yīng)用于去除脈沖噪聲。自1970年被提出以來 ，因其具有良好的邊緣保持特性和濾除脈沖噪聲的能力 ，被廣泛用于數(shù)字圖像處理。中值濾波的定義：信號()= 0，1，N-1)，取長度為 L = 2M + 1 (M 為正整數(shù))的濾波窗口，設(shè)在第 n時刻輸入信號序列在窗口中的采樣點為x (nM)， ，X (r1)，X(n+M)。此時的輸出為：y(

18、n) = medx(n) ，x(n) x(n+ )(1 .1-1 )其中，me d表示對窗口內(nèi)所有數(shù)按從小到大排序后取中值的運算。由公式(1.1-1 )可以看出，中值濾波的主要運算是對窗口內(nèi)的數(shù)據(jù)進行排序，然后取中值，對分查找流程圖如圖3.1所示。圖3.1 對分查找所以對窗口內(nèi)數(shù)據(jù)的排序速度決定了中值濾波算法的處理速度。假設(shè)原始心電數(shù)據(jù)序列長 度為N，表示為(X(0)，X(1)，X(N一1)，濾波窗口長度為2M+ l，表示為 (w (0)，w (1)，w (2M)，中值濾波算法共需要N -2 M 次對長度為2M+ 1的心電數(shù)據(jù)進行排序。有序序列w中元素的刪除和內(nèi)插如圖3.2所示。由數(shù)據(jù)結(jié)構(gòu)中的

19、知識可知，對n個元素進行排序時，所需的比較次數(shù)在理論上 的最?。篛 (n log，r)。數(shù)據(jù)元素間的比較次數(shù)是影響排序速度的一個重要因素。 當原始心電信號數(shù)據(jù)序列較長或濾波窗口寬度較大時，傳統(tǒng)中值濾波算法需要大量的計算時間。圖3.2 元素的刪除和內(nèi)插第4章 算法設(shè)計與編碼對脈搏波心率測量可以通過Matlab軟件設(shè)計算法，算法包括對脈搏數(shù)據(jù)通過圖形的方式顯示出來，從圖形中可以直觀的看出脈搏的波形圖，并且可以觀察到每個波形的峰值，其峰值就是每次的心跳次數(shù)。這只是通過肉眼觀察到的數(shù)據(jù)，那利用Matlab軟件可以準確的將脈搏心跳次數(shù)顯示在屏幕上，這就需要對原始圖形進行處理，處理思路就是將弧形脈搏波改變

20、為純凈的倒三角，最后通過一個計數(shù)函數(shù)對每個倒三角進行個數(shù)，并將所得值顯示在屏幕上。編碼設(shè)計與分析1脈搏波低通處理：該階段主要是對脈搏波波形進行處理，主要設(shè)計了低通濾波function y=low_pass(x,f1,f3,rp,rs,Fs)和切比雪夫濾波器，最后可以通過plot()來查看濾波后的曲線，設(shè)計代碼如下：function y=low_pass(x,f1,f3,rp,rs,Fs)%低通濾波%使用注意事項：通帶或阻帶的截止頻率的選取范圍是不能超過采樣率的一半%即，f1,f3的值都要小于 Fs/2%x:需要帶通濾波的序列% f 1：通帶截止頻率% f 3：阻帶截止頻率%rp：邊帶區(qū)衰減DB

21、數(shù)設(shè)置%rs：截止區(qū)衰減DB數(shù)設(shè)置%FS：序列x的采樣頻率% rp=0.1;rs=30;%通帶邊衰減DB值和阻帶邊衰減DB值% Fs=2000;%采樣率%wp=2*pi*f1/Fs;ws=2*pi*f3/Fs;% 設(shè)計切比雪夫濾波器；n,wn=cheb1ord(wp/pi,ws/pi,rp,rs);bz1,az1=cheby1(n,rp,wp/pi);%查看設(shè)計濾波器的曲線h,w=freqz(bz1,az1,256,Fs);h=20*log10(abs(h);figure;plot(w,h);title('所設(shè)計濾波器的通帶曲線');grid on;y=filter(bz1,a

22、z1,x);%對序列x濾波后得到的序列yend2微分處理：該階段是對圖形變換處理，其目的主要在于準確求出不規(guī)則電脈沖隨幅度變化的速率變化，通過常用的數(shù)學函數(shù)的微分變換,以及實現(xiàn)這種變換所用的微分器和實驗裝置,在雙蹤示波器屏幕上能夠顯示出速率變化圖形。這種圖形,在醫(yī)學上對研究肌肉和神經(jīng)電脈沖是非常有用的。設(shè)計代碼如下：function diff2 = diff2( y1 )y2=low_pass(y1,100,500,0.1,30,4000);y3=diff(y2);diff2=diff(y3);figure(3);plot(diff2);end3.設(shè)定閥值：在進行了一次微分后形成的脈搏波圖形中

23、有許多高低不齊的弧線，為了便于計算脈搏心跳數(shù)，需要設(shè)定一個閥值使成為一個純凈的倒三角，倒三角一個周期不存在唯一點能用>0或<0,到了設(shè)定閥值就需要調(diào)整。計算機通過識別倒三角的個數(shù)最終確定脈搏波心跳次數(shù)。設(shè)計代碼如下：for i=1:899;x2(i)=0; else if (x2(i)<0) x2(i)=x2(i); end endend;4.圖形輸出：在Matlab中對脈搏波圖形輸出語句有plot()和figure()，這兩個語句是成對出現(xiàn)的，將這兩個語句放在指定的位置就可以顯示相應(yīng)的圖形。設(shè)計代碼如下：figure(1);plot(x2);5.脈搏波心跳計數(shù)：該過程是對處

24、理后的圖形進行計算峰值個數(shù)，通過兩次微分之后輸出的圖形如圖4.1所示，系統(tǒng)會根據(jù)圖形來作出判斷，當遇到有0變?yōu)?的時候系統(tǒng)會調(diào)用計數(shù)器count_pulse，并且count_pulse值加一，在這之前需要設(shè)置一個范圍來去掉后期振蕩。設(shè)計代碼如下：%count0=0;%數(shù)0計數(shù)count_pulse=0;for i=1:898;%去掉后期振蕩 if x3(i)=0 && x3(i+1)<0; count_pulse=count_pulse+1; end end result=count_pulse; % 顯示結(jié)果 兩次微分圖第5章 設(shè)計結(jié)果與分析脈搏波心率測量算法設(shè)計目的脈

25、搏波心率測量算法設(shè)計是為了方便對人體心率的計算，是一種智能化的將人體心跳直觀的顯示出來，在醫(yī)學方面提高了對心跳數(shù)據(jù)的處理，是可靠性很高的一種設(shè)計方發(fā)。它是在醫(yī)學方面很重要和復雜的工作，而對測量設(shè)計可靠性保證具有極其重要的意義。目前的條件下，脈搏波心率測量算法設(shè)計在未來相當長的一段時間內(nèi)仍然是在醫(yī)學上很實用的方法。不足的設(shè)計會隱含著太多的錯誤，過度的設(shè)計則浪費人力物力。因此再設(shè)計算法的時候只是對脈搏圖形化并且能夠顯示心跳個數(shù)。脈搏波心率測量算法設(shè)計結(jié)果根據(jù)第四章的內(nèi)容可以將每個過程合并在一起，這樣就形成了對脈搏波心率測量的算法了，并將代碼放在test.m中，設(shè)計代碼如下：function res

26、ult=test(x)%有返回值 返回心跳次數(shù)x1=low_pass(x,100,500,0.1,30,4000); %脈搏波低通處理x2=diff(x1); %一次微分x2=x2(100:999);%去掉前期的振蕩figure(1);plot(x2);for i=1:899;x2(i)=0; else if (x2(i)<0) x2(i)=x2(i); end endend;x3=diff(x2); %二次微分 使=0 <0后 的點成為 標定點 figure(2);plot(x3);%count0=0;%數(shù)0計數(shù)count_pulse=0;for i=1:898;%去掉后期振蕩

27、if x3(i)=0 && x3(i+1)<0; count_pulse=count_pulse+1; end end result=count_pulse; % 顯示結(jié)果運行結(jié)果：>>plot(x)>>test(x)ans= 6以上代碼就是計算心率的代碼，在執(zhí)行代碼之前還需要將原始脈搏波數(shù)據(jù)輸入到MATLAB中，并且設(shè)置變量為x，該代碼對所有輸入的脈搏波數(shù)據(jù)都可以進行計算數(shù)。然后在MATLAB中輸入plot(x)函數(shù)就可以輸出脈搏波數(shù)據(jù)的原始圖形，如圖5.1所示： 脈搏波數(shù)據(jù)的原始圖形如果要計算脈搏波心跳次數(shù)則需要輸入函數(shù)test（x）來顯示出最

28、終的結(jié)果，其中還會輸出兩個類似圖5.1的圖形，兩個圖形所表示的含義是第一次微分和第二次微分后圖形。第一次微分的圖形如圖5.2所示，它是經(jīng)過脈搏低通處理后，然后進行一次微分，通過這個圖可以看出它原始圖相比較更能體現(xiàn)出脈搏的形狀。第二次微分的圖形如圖5.3所示，它是在第一次微分圖的基礎(chǔ)上在此進行一次微分，發(fā)現(xiàn)改圖與第一次微分后的圖形峰值個數(shù)不相同，說明有錯誤，因此需要對程序進行改變。 第一次微分圖 第二次微分圖的分析為了達到題目要求，要對test.m進行改變。主要改變了在第一次微分后設(shè)置的閥值，并且在進行第二次微分之前加了一個圖形輸出語句figure(10)、plot(x2)，這樣就可以觀察修改完

29、閥值后的倒三角圖形，如圖5.4所示。function result=test(x)%有返回值 返回心跳次數(shù)x1=low_pass(x,100,500,0.1,30,4000); %脈搏波低通處理x2=diff(x1); %一次微分x2=x2(100:999);%去掉前期的振蕩figure(1);%輸出一次微分圖形plot(x2);for i=1:899;x2(i)=0; else if (x2(i)>0.7) end endend;figure(10);%輸出設(shè)完閥值后的圖形plot(x2);x3=diff(x2); %二次微分 使=0 <0后 的點成為 標定點 figure(2)

30、;%輸出二次微分后的圖形plot(x3);%count0=0;%數(shù)0計數(shù)count_pulse=0;for i=1:898;%去掉后期振蕩 if x3(i)=0 && x3(i+1)>0; count_pulse=count_pulse+1; end end result=count_pulse; % 顯示結(jié)果運行結(jié)果：>>test(x)ans = 8 修改閥值后的倒三角 修改后的二次微分圖，從圖中可以看出它與原始圖的峰值個數(shù)相同，并且符合設(shè)計要求。將原始數(shù)據(jù)以圖形的方式顯示，在通過兩次微分后得到最終的圖形圖5.5。而計算心率通過count_pulse來計數(shù)，然后對