комплексная оценка сатурации, пульса, давления и температуры в системах мониторинга

Измерение этой составляющей дает возможность использовать спектрофотометрию для неинвазивногочрескожного мониторинга сатурации артериальной крови кислородом. В соответствии с методикой фотоплетизмографии участок тканей, в котором исследуется кровоток, располагается на пути луча света между источником излучения и фотоприемником датчика (рис. 2.5).Рисунок 2.5. - Датчик фотоплетизмограммы при исследовании кровотока в пальце рукиВеличина абсорбции света пропорциональна толщине слоя поглощающего вещества, т.е. при исследовании кровотока определяется размером сосуда или объемом крови, проходящим через исследуемый участок тканей. Сужение и расширение сосуда под действием артериальной пульсации кровотока вызывают соответствующее изменение амплитуды сигнала, получаемого с выхода фотоприемника.Фотоплетизмограмма (ФПГ) получаемая после усиления и обработки сигнала фотоприемника характеризует состояние кровотока в месте расположения датчика. В частности, когда давление крови повышается или возникает вазодилятация сосудов, амплитуда ФПГ возрастает, при снижении давления или вазоконстрикции сосудов амплитуда падает.Особенности построения пульсоксиметровФотоплетизмографический датчик пульсоксиметра содержит два светоизлучающих диода, работающих один в “красной”, другой - в “инфракрасной” области спектра, а также широкополосный фотоприемник. Конструктивно датчик выполняется таким образом, что при его расположении на поверхности тела человека на фотоприемник поступает свет излучателей, ослабленный участком тканей, содержащим артериальный сосуд.На практике используются два типа датчиков, первый, анализирующий излучение светодиодов, проходящих через ткани, и второй - излучение, отраженное от исследуемых тканей.Датчики проходящего излучения (рис. 41) укрепляются на кончике пальца руки или ноги, мочке уха пациентов, у детей датчик часто закрепляется на стопе в области большого пальца или на ладони.Датчики, регистрирующие рассеянное тканями излучение, размещаются на поверхности тела в проекции сонной или височной артерии. Расположение отражательного датчика на головке плода позволяет осуществить фетальный мониторинг сатурации и ЧСС в родах.Для датчиков пульсоксиметров используются специально разработанные бескорпусные светодиоды красного и инфракрасного диапазонов, размещенные на одной подложке для совмещения оптических осей излучения .В качестве фотоприемников в датчиках пульсоксиметров используются кремниевые фотодиоды, обладающие высокой чувствительностью в области “красного” и “инфракрасного” диапазонов излучения, быстродействием и низким уровнем шума.Структурная схема пульсоксиметра показана на рис. 2.6. Фотоприемник преобразует интенсивность ослабленного тканями “красного” и “инфракрасного” излучения в электрический сигнал, поступающий в тракт усиления. Излучатели датчика включаются поочередно, т.е. коммутируются с частотой порядка 1000 Гц, что позволяет использовать для регистрации излучения один коммутируемый фотоприемник. Далее в усилительном тракте сигналы “красного” и “инфракрасного” излучения разделяются на два канала с помощью импульсов управления коммутатора, переключающих светодиоды. В каждом канале производится измерение двух составляющих ФПГ сигнала, обусловленных постоянной и пульсирующей составляющими абсорбции, необходимых для вычисления величины R и определения сатурации по калибровочной кривой.Рисунок 2.6. Структурная схема пульсоксиметраОсобенностью усилительного тракта является необходимость усиления сигналов фотоприемника в достаточно большом динамическом диапазоне входных сигналов (более 60дБ). Это требование обусловлено значительным разбросом оптических характеристик кожи, подлежащих тканей, выраженности пульсаций кровотока в месте расположения датчика у различных пациентов.Реализация требуемого динамического диапазона достигается использованием цифровой АРУ, охватывающей каскады усиления ФПГ сигнала и источника тока, питающего светодиоды. Система АРУ поддерживает выходные сигналы усилительного тракта на уровне номинального напряжения входа АЦП вычислителя с целью уменьшения шума квантования.Вычислитель пульсоксиметра содержит программное обеспечение, реализующее первичную обработку ФПГ сигнала, алгоритмы выделения артериальных пульсаций по “красному” и “инфракрасному” каналам, вычисления отношения R и определения величины SрО2 по занесенной в памяти вычислителя калибровочной зависимости.3. Обработка биомедицинских сигналовСложность алгоритмов, используемых при обработке сигналов в пульсоксиметрах, объясняется высоким уровнем помех, сопровождающих регистрацию ФПГ, а также требованиями высокой точности и быстродействия измерений.Следовательно, необходимо разработать методы и алгоритмы, позволяющие выделить полезный сигнал на фоне помех и снизить влияние шума, затрудняющего диагностику.Требования стандартов по пульсоксиметрии устанавливают основную погрешность измерения сатурации в диапазоне (80...99)% равную ± 2%, (50...79)% - ± 3%, для сатурации ниже 50% погрешность обычно не нормируется. Высокая точность пульсоксиметрии для значений сатурации более 80% необходима для надежной дифференциации развития состояния гипоксемии и гипоксии. В этом диапазоне кривая диссоциации гемоглобина имеет малую крутизну (рис.38) и небольшое уменьшение сатурации означает сильное изменение напряжения кислорода в крови, что является предвестником гипоксии. Увеличение допустимой погрешности при низких уровнях оксигенации (менее 80%) является клинически обоснованным, так как в этом диапазоне наибольшей ценностью обладает не абсолютное значение сатурации, а оценка динамики процесса, т.е. изменение сатурации в течение определенного времени.Требования быстродействия измерений сатурации связаны с тем, что на определенных стадиях ведения наркоза, например, интубации, возможно быстрое развитие эпизодов гипоксемии, которые могут привести к гипоксическим состояниям, чреватым серьезными осложнениями. Реальным требованием анестезиологической практики является длительность процесса измерения и оценки сатурации, составляющая не более 6...10с.Основные помехи, влияющие на точность измерения сатурации, имеют электрическую, оптическую и физиологическую природу.Электрические помехи (“наводки”) возникают в усилительном тракте пульсоксиметра в результате влияния внешних электромагнитных полей, создаваемых, в частности, питающей сетью 50 Гц, электрохирургическим инструментом, физиотерапевтической аппаратурой. Подавление помех осуществляется путем частотной фильтрации сигналов, так как полезная информация в ФПГ сигнале сосредоточена, в основном, в диапазоне до 10 Гц, т.е. значительно ниже частотного диапазона помех. Для этой цели используются аналоговые фильтры нижних частот в усилительном тракте, а также цифровая фильтрация, дающая высокую крутизну спада частотной характеристики фильтров.Низкочастотный фильтр БаттервортаRs=25; Rp=2; Ws=2500; Wp=471[n,Wn]=buttord(Wp, Ws, Rp, Rs, 's')d = fdesign.lowpass;Lowpass = design(d,'butter','matchexactly','stopband');fvtool(Lowpass);Рисунок 3.1. Отклик низкочастотного фильтра Баттерворта3.1. Инструменты среды МатЛаб моделирования сигнала с НЛЧММодель сигнала – это важнейший компонент системы, который напрямую влияет на оценки параметров.Сигнал с линейной частотной модуляцией (LFM) широко используется с 1940 года и до сих пор остается наиболее часто используемой моделью сигнала для сжатия импульсов из-за его простой генерации и эффективного использования полосы пропускания. Основная идея LFM-сигнала заключается в линейном изменении частоты во всем диапазоне ширины полосы сигнала. Для уменьшения уровня боковых лепестков необходимы дополнительные методы оптимизации и функции управления окнами за счет увеличения ширины основного лепестка и уменьшения отношения сигнал / шум [2]. Модели сигналов с нелинейной частотной модуляцией (NLFM) были предложены для уменьшения уровней боковых лепестков без использования дополнительной фильтрации за счет предотвращения потерь рассогласования [3]. Сигналы NLFM имеют огромное значение благодаря превосходному разрешению по дальности, улучшенному отношению сигнал / шум (SNR) и хорошему подавлению помех.Моделирование проводится в среде MатLав. Для оценки эффективности использования сжатия импульсов НЛЧМ будет проведено его сравнение с ЛЧМ. Вначалеформируетсяединичный ЛЧМ - сигнал, а затем создается пачка из пяти таких импульсов.Формирование ЛЧМ импульсовОсновная идея LFM-сигнала заключается в линейном изменении частоты во всем диапазоне ширины полосы сигнала. Формирование ЛЧМ сигнала со следующими исходными данными: частота входного сигнала f0= 4МГц, длительность импульса равна 50 мкс:t = 0:0.02:4;%временной диапазонf0 = 0 %основная частотаk = 1%наклон прямой–скорость изменения частоты внутри импульсаf =f0+k*t;s2=sin(2*pi*f.*t);figure(2)plot(t,f)figure(3)plot(t,s2)Рисунок 3.2.Линейная функция изменения внутриимпульсной частоты заполненияРисунок 3.3 ЛЧМ – импульсФормирование НЛЧМ импульсовt = 0:0.02:4; %временной диапазонf0 = 0;k = 1; % скорость линейного изменения частоты внутри импульсаf =f0+k*t+cos(t);нелинейное изменение частоты внутри импульсаs3=sin(2*pi*f.*t);figure(15)plot(t,f)figure(16)plot(t,s3)Выводится зависимость изменения частоты от времени (рис. 3.4.):Рисунок 3.4Зависимость изменения частоты от времени f = k*t+cos(t)А также развертка сигнала НЛЧМ – мгновенное значение колебаний сигнала – в заданном диапазоне изменения времени (рис. 3.5): Рисунок 3.4. Сигнал НЛЧМ для зависимостиsin(2*pi*(k*t+cos(t)).*tТеперь сформируем пачку из пяти таких импульсов периодом следования Т=500 мкс и добавим в канал аддитивный шум. Получаем:Noise=randn(1,25001);figure (2); % вывод на экран изображения шумаplot (t(1:25000),Noise (1:25000));xlabel ('время, мкc');ylabel ('амплитуда, V');gridon;title ('Шум');% создание пачки из 5 импульсовP=zeros(1,25000); Reaction = zeros(1,26001);for i=1:5000:25000P(i+1:i+500) = S(1:500);endfigure(6);plot(t(1:25000),P(1:25000));grid on;xlabel('время, мкс');ylabel ('амплитуда, V');Рисунок 3.5. Уровень шумаРисунок 3.6 Зашумленный сигнал% Вычисляем уровень сигнал\шумNoise_v_kv = power (Noise,2);z=trapz(t,Noise_v_kv); % вычисление среднеквадратичного значения шумаP_N=max(abs(P))./sqrt(z);disp (P_N);Из рисунка 3.6 видно, чтоамплитуда шума превышает амплитуду сигнала, и отношение сигнал/шум в данном случае равно 0.07299:0.072993841907709Рисунок 3.7 Пачка из 5 зашумленных импульсовДля выделения исходного сигнала из принятого зашумленного импульса необходимо создать и применить фильтр, который позволит оценить шум и выделить первоначальный сигнал. 3.2 Алгоритм согласованной фильтрации импульса с нелинейной частотной модуляциейИзвестно, что вероятность обнаружения увеличивается с увеличением отношения сигнал / шум. Для детерминированного сигнала в белом гауссовском шуме можно максимизировать SNR в приемнике, используя фильтр, согласованный с сигналом. Согласованный фильтр – это обращенная во времени и сопряженная версия сигнала. Алгоритм состоит из следующих шагов:Создается сигнал FM (в приведенном примере это импульс длительностью 0,1 миллисекунды, шириной полосы развертки 100 кГц и частотой повторения импульсов 5 кГц. Добавляется шум к ЧМ-импульсу:Отфильтровывается зашумленный сигнал с помощью согласованного фильтра. В этом примере применяется согласованный фильтр с взвешиванием спектра и без него.При использовании приведенного ниже кода можно настроить характеристики согласованного фильтра, такие как коэффициенты согласованного фильтра и окно для взвешивания спектра. Если применяется взвешивание спектра, можно указать область покрытия и частоту дискретизации коэффициента; Окна Тейлора, Чебышева и Кайзера имеют дополнительные свойства, которые можно указать.Ниже сравниваются результаты согласованной фильтрации с взвешиванием спектра и без него. Взвешивание спектра часто используется с линейными сигналами ЧМ для уменьшения боковых лепестков во временной области.waveform = phased.LinearFMWaveform('PulseWidth',1e-4,'PRF',5e3,...'SampleRate',1e6,'OutputFormat','Pulses','NumPulses',1,...'SweepBandwidth',1e5);wav = getMatchedFilter(waveform);Создаем согласованный фильтр без взвешивания спектра и согласованный фильтр, использующий окно Тейлора для взвешивания спектра.filter = phased.MatchedFilter('Coefficients',wav);taylorfilter = phased.MatchedFilter('Coefficients',wav,... 'SpectrumWindow','Taylor');Создаемсигналидобавляемшум.sig = step(waveform);rng(17);x = sig + 0.5*(randn(length(sig),1) + 1j*randn(length(sig),1));Отфильтруем зашумленный сигнал фильтром Тейлора.y = step(filter(x));y_taylor = step(taylorfilter,x);Построим действительные части формы волны и зашумленного сигнала.t = linspace(0,numel(sig)/waveform.SampleRate,...waveform.SampleRate/waveform.PRF);subplot(2,1,1)plot(t,real(sig))title('Сигналнавходе')xlim([0 max(t)])gridonylabel('Амплитуда')subplot(2,1,2)plot(t,real(x))title('Сигналнавходе + Шум')xlim([0 max(t)])gridonxlabel('Время (c)')ylabel('Амплитуда ')Рисунок 3.8 Исходный и зашумленный сигналplot(t,abs(y),'b--')title('Выход согласованного фильтра')xlim([0 max(t)])gridonholdonplot(t,abs(y_taylor),'r-')ylabel('Амплитуда')xlabel('Секунд')legend('Безвзвешивания','ОкноТейлора')holdoffСогласованная фильтрация используется для улучшения SNR при обнаружении цели. Покажем, как улучшить SNR, выполняя согласованную фильтрацию.Рисунок 3.9 Пример работы согласованного фильтра с окном ТейлораДля этого примера был созданодиночный прямоугольный импульсный сигнал длительностью 25 мкс с PRF 10 кГц. Эта цель имеет RCS 1м2. SNR основано на желаемой частоте ложных срабатываний 1e-6 для некогерентного детектора (рис.3.9).Этот пример показывает, что согласованный фильтр существенно улучшает отношение сигнал/шум и позволяет восстановить параметры принятого сигнала на фоне значительного шума.Рисунок 3.10 Восстановление параметров принятого сигнала на фоне значительного шума3.3 Анализ результатов моделирования3.3.1 Задача выделения сигнала на фоне помехМоделируем прохождение импульсов через согласованный фильтр. Вначале реакция фильтра на единичный импульс:for q=1:1:500h_SF(q)=S(501-q);endfigure (4);plot (t(1:500),h_SF(1:500));grid on;xlabel('частота,MHz');ylabel ('амплитуда, V');title('Импульсная характеристика')% реакция согласованного фильтра на один ЛЧМ-импульсReactionSF1=filter (h_SF,1,S)./(0.5*50*10);%ReactionSF1=step(filter, (h_SF,1,S))./(0.5*50*10);figure (5); % выводнаэкранреакцииplot (t(1:1000),ReactionSF1(1:1000));grid on;xlabel('время, мкс');ylabel ('амплитуда, V');title('Реакцияна 1 импульс');Рисунок 3.11 Реакция согласованного фильтра на единичный импульсФормирование прохождения через фильтр пачки из пяти импульсов:for q=1:1:500;for i=1:5000:25000;h_1(q) = P((501-q)+i);endendReactionSF = filter(h_1,1,P)./(0.5*50*10);figure (7);plot(t(1:25000),ReactionSF(1:25000));grid on;xlabel ('время, мкс');ylabel ('амплитуда, V');title('Реакция на пачку 5 импульсов');for i = 5000:5000:24000Reaction=ReactionSF(1:1000)+ReactionSF(i+1:i+1000); endfigure (8);plot(t(1:1000),Reaction(1:1000));grid on;xlabel ('время, мкс');ylabel ('амплитуда');Рисунок 3.12 Прохождение через фильтр пачки импульсовN =10;f1=0.2; f2=0.3;f0=(f1+f2)/2;d1=3; d2=50;n = -(N-1)/2:1:(N-1)/2; %отсчетыN0=(f2-f1)/2;Hn =sin(f0*2*pi*n)./(n*pi); %задание ИХ[H,w]=freqz(Hn,1,1024);% АЧХ фильтраW1=HAMMING(N)'; % применяем окно Хэмминга[Hw1,ww1]=freqz(W1,1,1024); % часть характеристики окнаh1=Hn.*W1;[H1,w1]=freqz(h1,1,1024);F_h=filter(h1,1,reaction);figure(10);plot(t(1:1000),F_h(1:1000));grid on;xlabel ('Время, мкс')ylabel ('Амплитуда');Рисунок 3.13 Сигнал на выходе модуляpriem=zeros (1, 1000);if max (reaction)> 2; % порогpriem(480:520) = 1;% max (vuhod_modul);disp('сигналбыл');% выводнаэкранendfigure (11);plot(t(1:1000),priem(1:1000));grid on;xlabel ('время, мкс');ylabel ('амплитуда, V');title ('Прием');Была сформирована пачка из пяти ЛЧМ – импульсов, для этих импульсов были заданы длительность и периодом повторения, а также частота входного сигнала и девиация, была получена импульсная характеристика используемого согласованного фильтра.Здесь продемонстрирован прием лишь при одном значении сигнал/шум, использовали это значение, так как оно показывает наиболее реальную ситуацию, когда шум больше сигнала. Таким образом, можно сделать вывод, что чем больше отношения сигнал/шум, тем лучше будет прием сигналов.3.3.2 Задача разрешения двух близких целейДля более детального изложения преимуществ техники нелинейной модуляции и согласованного фильтра для уменьшения потерь обнаружения рассмотрим задачу обнаружения двух целей с поперечным сечением1м и 0,5м. Эти две цели недостаточно разделены по времени, чтобы их можно было различить. На рис. 3.14 показан составной эхо-сигнал от этих целей. Ясно, что возвратныеэхо-сигналы от целей перекрываются и, следовательно, они не разрешаются. Однако после сжатия импульса два импульса полностью разделяются и разрешаются как две отдельные цели. Фактически, при использовании LFM возвратные сигналы от соседних целей разрешаются, пока они разделены во времени сжатой шириной импульса.clear allclose allnscat = 2; %two point scattererstaup = 10e-6; % 10 microsecond uncompressed pulseb = 50.0e6; % 50 MHz bandwidthrrec = 50 ; % 50 meter processing windowscat_range = [15 25] ; % scatterers are 15 and 25 meters into windowscat_rcs = [1 2]; % RCS 1 m^2 and 2m^2winid = 0; %no window used[y]=matched_filter(nscat,taup,b,rrec,scat_range,scat_rcs,winid);Рисунок 3.14 Действительная часть импульса и спектр импульсаРисунок 3.15Составной эхо-сигнал от неразрешенных целейТаким образом, получен сигнал, позволяющий однозначно разделить две близко расположенные цели.Выводы по главеРазработан алгоритм согласованной фильтрации импульса с нелинейной частотной модуляцией и реализованы программы в среде MatLab, позволяющие решить следующие задачи:1.Восстановление параметров принятого сигнала на фоне значительного шума: приведена численная реализация примера, когда амплитуда шума значительно превышает амплитуду сигнала, и отношение сигнал/шум в данном случае равно 0.07299:2. Прохождение через фильтр пачки импульсов3. Однозначно разделить две близко расположенные цели.ЗаключениеТаким образом, для мониторинга жизненно важных функций необходимо одновременно отслеживает частоту пульса, частоту дыхания и температуру тела в течение 10 с и автоматически регистрирует жизненно важные показатели, она имеет большой потенциал для использования в качестве важного инструмента для наблюдения за пациентом.Список использованной литературыСолонина А. И., Арбузов С.М. Цифровая обработка сигналов. Моделирование вMATLAB. СПБ.: БХВ-Петербург, 2008. – 816 с.Съем и обработка биоэлектрических сигналов: Учеб. пособие / Под ред. К. В. Зайченко. СПбГУАП. СПб., 2001. 140 c.: ил. ISBN 5-8088-0065-XОрлов Ю. Н. Контактные электроды для биомедицинских измерений:Учеб.пособие /МВТУ им. Баумана. М., 1988. 40 с.Лэм Г. Аналоговые и цифровые фильтры. Расчет и реализация. М.: Мир -592 с.Жалуд В., Кулешов В. Н. Шумы в полупроводниковых устройствах /Подред. А. К. Нарышкина. М.: Сов.радио, 1977. 416 с.Коломбет Е. А. Микроэлектронные средства обработки аналоговых сигналов. М.: Радио и связь, 1991. 376 с.9. Куликов Е. И., Трифонов А. П. Оценка параметров сигналов на фоне помех. М.: Сов.радио, 1978. 296 с.Айвазян С. А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика:Исследование зависимостей: Справ.изд. /Под ред. С. А. Айвазяна. М.: Финансы и статистика, 1985. 487 с