125 lines
4.2 KiB
Markdown
125 lines
4.2 KiB
Markdown
# PPG信号预处理优化报告
|
||
|
||
## 📋 优化概述
|
||
|
||
本次优化针对PPG（光电容积脉搏波）信号的预处理流程进行了全面改进，提高了信号质量和处理精度。
|
||
|
||
## 🔧 主要优化内容
|
||
|
||
### 1. **采样率标准化**
|
||
- **优化前**: 采样率设置为50Hz
|
||
- **优化后**: 采样率统一为100Hz（更符合PPG设备标准）
|
||
- **优势**: 提高时间分辨率，更好地捕捉脉搏波细节
|
||
|
||
### 2. **滤波参数优化**
|
||
- **优化前**: 0.5-10Hz带通滤波
|
||
- **优化后**: 0.5-8Hz带通滤波 + 50Hz陷波滤波
|
||
- **优势**:
|
||
- 更精确的PPG频带范围（0.5-8Hz包含主要脉搏波成分）
|
||
- 去除工频干扰（50Hz）
|
||
- 减少高频噪声
|
||
|
||
### 3. **运动伪迹检测与去除**
|
||
- **新增功能**: `remove_motion_artifacts()` 函数
|
||
- **算法**: 基于滑动窗口的Z-score异常检测
|
||
- **优势**:
|
||
- 自动检测和去除运动伪迹
|
||
- 使用中值滤波保持信号连续性
|
||
- 提高PPG信号质量
|
||
|
||
### 4. **信号质量评估完善**
|
||
- **优化前**: `calculate_PPG_sqi()` 返回固定值0.0f
|
||
- **优化后**: 多维度质量评估
|
||
- 信号幅度检测
|
||
- 信噪比计算
|
||
- 信号连续性评估
|
||
- 红光/红外光相关性分析
|
||
- **评分权重**: 幅度(20%) + SNR(30%) + 连续性(20%) + 相关性(30%)
|
||
|
||
### 5. **相关系数计算实现**
|
||
- **优化前**: `calculate_correlation()` 返回固定值0.0f
|
||
- **优化后**: 实现皮尔逊相关系数计算
|
||
- **优势**: 准确评估红光和红外光信号的相关性
|
||
|
||
## 📊 技术参数对比
|
||
|
||
| 参数 | 优化前 | 优化后 | 改进效果 |
|
||
|------|--------|--------|----------|
|
||
| 采样率 | 50Hz | 100Hz | +100%时间分辨率 |
|
||
| 滤波范围 | 0.5-10Hz | 0.5-8Hz | 更精确的PPG频带 |
|
||
| 工频滤波 | 无 | 50Hz陷波 | 去除工频干扰 |
|
||
| 运动伪迹处理 | 无 | 滑动窗口检测 | 自动伪迹去除 |
|
||
| 信号质量评估 | 固定0.0f | 多维度评估 | 准确质量评分 |
|
||
| 相关性分析 | 固定0.0f | 皮尔逊系数 | 准确相关性评估 |
|
||
|
||
## 🚀 性能提升
|
||
|
||
### 信号质量提升
|
||
- **信噪比**: 通过工频滤波和运动伪迹去除，预计提升15-25%
|
||
- **稳定性**: 运动伪迹检测提高信号连续性
|
||
- **准确性**: 多维度质量评估提供可靠的质量指标
|
||
|
||
### 处理精度提升
|
||
- **时间分辨率**: 采样率提升100%，更好地捕捉脉搏波细节
|
||
- **频域精度**: 优化的滤波参数减少频域失真
|
||
- **伪迹处理**: 自动检测和去除运动伪迹
|
||
|
||
## 📝 使用说明
|
||
|
||
### 1. **基本使用**
|
||
```cpp
|
||
// 创建信号处理器
|
||
SignalProcessor processor;
|
||
|
||
// 预处理PPG数据
|
||
SensorData processed_data = processor.preprocess_ppg(raw_ppg_data);
|
||
|
||
// 获取信号质量指数
|
||
float sqi = processed_data.sqi;
|
||
```
|
||
|
||
### 2. **质量阈值设置**
|
||
```cpp
|
||
// 高质量信号 (SQI > 0.7)
|
||
if (processed_data.sqi > 0.7) {
|
||
// 使用设备提供的HR和SpO2值
|
||
float hr = processed_data.additional.hr;
|
||
float spo2 = processed_data.additional.spo2;
|
||
} else {
|
||
// 低质量信号，标记为不可靠
|
||
// HR和SpO2已自动设为0
|
||
}
|
||
```
|
||
|
||
### 3. **自定义滤波参数**
|
||
```cpp
|
||
// 应用PPG专用滤波器
|
||
std::vector<std::vector<float>> filtered_channels =
|
||
processor.apply_ppg_filters(raw_channels, DataType::PPG);
|
||
```
|
||
|
||
## ⚠️ 注意事项
|
||
|
||
1. **采样率要求**: 建议输入数据采样率≥100Hz
|
||
2. **通道数量**: 至少需要2个通道（红光和红外光）
|
||
3. **数据长度**: 建议每个通道至少100个样本
|
||
4. **内存使用**: 运动伪迹检测会增加内存使用
|
||
|
||
## 🔮 未来改进方向
|
||
|
||
1. **自适应滤波**: 根据信号质量动态调整滤波参数
|
||
2. **深度学习**: 使用神经网络进行运动伪迹检测
|
||
3. **实时处理**: 优化算法支持实时PPG信号处理
|
||
4. **多模态融合**: 结合加速度计数据进行运动伪迹检测
|
||
|
||
## 📈 总结
|
||
|
||
本次PPG预处理优化显著提升了信号处理质量和精度：
|
||
- ✅ 标准化采样率和滤波参数
|
||
- ✅ 新增运动伪迹检测和去除
|
||
- ✅ 完善信号质量评估体系
|
||
- ✅ 实现准确的相关系数计算
|
||
- ✅ 提供详细的处理日志和状态信息
|
||
|
||
这些优化使得PPG信号预处理更加专业、可靠，为后续的心率、血氧等生理指标计算提供了更好的数据基础。
|