Исследование частотно-временных характеристик пульсовых сигналов с помощью преобразования Гильберта-Хуанга

Abstract

The paper presents the results of the using of Hilbert-Huang Transform as an instrument for digital processing biomedical signals. It is possible to obtain information on the characteristics of the time-varying process in conditions of noises and nonstationary dynamics. Hilbert-Huang Transform is a method of time-frequency analysis of signals. It is possible to evaluate instantaneous values of the frequencies and their amplitudes at every instant. This method is designed to use the Hilbert Transform for single-frequency functions that are obtained in the process of empirical mode decomposition. It has been shown that about 8 - 11 mode functions are distinguished in the process of empirical mode decomposition of blood pressure signals. The number of mode functions is depending on the structure of the signal and the presence of noises. It has been revealed that over 95% of the signal power is contained in 4th-6th mode functions ( imf₄-imf₆ ). The functions imf₁ - imf₃ are high frequency noises; the functions imf₇ - imf₉ are low frequency trend. The conclusion has been made that this approach makes it possible to identify a number of rhythmic processes in the structure of a valid arterial blood pressure signal. For the estimation of the time-frequency characteristics significance, the survey sample consists of 3 groups. It has been shown that the dynamics of mode functions differs in all groups. For the quantitative estimation of the time-frequency analysis data, for each Hilbert spectrum of the mode functions, weighted average frequency and weighted square deviation were defined. Taking into account the complicated character of the registered signals, the use of the high-accuracy methods of examining the nonstationary noisy signals like as Hilbert-Huang Transform permits revealing the characteristic features of the arterial blood pressure signals that improve the diagnostication quality.

• Hilbert-Huang Transform
• time-frequency analysis
• pulse signal

Аннотация (на русском)

Исследование частотно-временных характеристик пульсовых сигналов с помощью преобразования Гильберта-Хуанга

В работе представлены результаты использования преобразования Гильберта-Хуанга в качестве инструмента цифровой обработки биомедицинских сигналов, позволяющей извлекать информацию о меняющихся во времени характеристиках процесса в условиях нестационарной динамики и наличия шумов. Преобразование Гильберта-Хуанга является методом частотно-временного анализа сигналов и позволяет оценивать мгновенные значения частот и их амплитуд в каждый момент времени. Метод предполагает использование преобразования Гильберта к одночастотным функциям, получаемым в процессе эмпирической модовой декомпозиции. Показано, что в процессе эмпирической модовой декомпозиции пульсовых сигналов выделяется, в зависимости от структуры сигнала и наличия в нем шумов, от 8 до 11 модовых функций. Выявлено, что более 95% энергии сигнала содержится в модовых функциях imf₄-imf₆. Функции imf₁-imf₃ представляют собой высокочастотные шумы, а функции imf₇- imf₉ - низкочастотный тренд. Сделаны выводы, что данный подход позволяет идентифицировать ряд характерных ритмических процессов в структуре полезного сигнала пульсограммы. Для оценки информативности получаемых частотно-временных характеристик было сформировано 3 группы обследуемых. Сопоставление частотно-временных распределений сигналов, полученных в разных группах, позволяет диагностировать и выявлять отличия в структуре пульсовых сигналов. Показано, что динамика изменения кривых во всех трех группах различная. Для количественной оценки данных частотно-временного анализа для каждого спектра Гильберта модовых функций определялись взвешенная средняя частота и взвешенное квадратичное отклонение. Учитывая сложность регистрируемых сигналов, использование высокоточных методов исследования нестационарных зашумленных сигналов, в том числе преобразования Гильберта-Хуанга, позволяет более точно выделять характерные признаки исследуемых пульсовых сигналов и, как следствие, существенно повышает качество расшифровки биомедицинских данных.

For citation

References

1. Norden E. Huang, Samuel S.P. Shen. The Hilbert-Huang transform and its applications. World Scientific Publishing Co. Pte. Ltd, 2005, 311 p.
2. Павлов А.Н., Филатова А.Е. Метод эмпирических мод и вейвлет-фильтрация: применение в задачах геофизики//Изв. Вузов "ПНД". 2011. Т. 19. № 1. С. 3-13.
3. Бороноев В.В., Омпоков В.Д. Возможности преобразования Гильберта-Хуанга в задаче обработки и анализа биомедицинских сигналов//Биомедицинская радиоэлектроника. 2014. № 3. С. 40-44.
4. Омпоков В.Д., Бороноев В.В. Преобразование Гильберта-Хуанга в задаче обработки и анализа биомедицинских сигналов//Цифровая обработка сигналов и ее применение DSPA-2014. 2014. С. 183-186.
5. Омпоков В.Д., Бороноев В.В. Комплементарная множественная декомпозиция на эмпирические моды с адаптивным шумом CEEMDAN как метод решения основных проблем применения преобразования Гильберта-Хуанга//Журнал радиоэлектроники. 2016. № 9. С. 9.
6. Валтнерис А.Д., Яуя Я.А. Сфигмография как метод оценки изменений гемодинамики под влиянием физической нагрузки. Рига: Зинатне, 1988. 132 с.