本文在现有的脉搏信号处理及特征提取方法的基础上,对脉搏信号的去噪方法和脉搏信号中重要特征信息的提取方法等两个方面做了较为深入的研究,主要研究工作内容具体如下： 一、脉搏信号去噪方法的研究,包括两个方面： 1、设计模糊小波包阈值法对脉搏信号进行去噪处理。应用小波包技术对染噪脉搏波信号进行分解,并将模糊隶属度函数应用于小波包系数的处理中,其中,以改变参数的方式改变模糊隶属度函数的大小,用以适应不同小波包节点的去噪要求。此方法能够有效地解决脉搏信号中的基线漂移以及去除白噪声的影响。 2、鉴于第一种信号去噪方法对模糊隶属度函数中参数的确定方面存在不足,考虑应用人工免疫系统中的反面选择算法与小波包技术相结合实现对脉搏波信号的去噪处理。此方法以反面选择算法的“自己”、“非己”识别机制为基础,对其进行改进,并应用于小波包系数的处理中,能够有效地去除脉搏信号在提取过程中所受到的瞬时及延时干扰。 二、基于小波分析的脉搏信号特征提取方法的研究。由于人体脉搏信号中的重搏前波等特征参量对心血管疾病的诊断具有重要的意义,所以在脉搏信号中对其进行准确的定位及幅值提取是很有必要的。应用小波分析能够提取信号奇异点的特性,选取具有二阶消失矩的平滑小波mexh,对信号进行多尺度分解,结合脉搏信号自身的特征,在其中一个尺度上找到对应奇异点位置,并运用找寻各尺度中传播点的方法,最终提取到有用的特征信息。 仿真结果表明,本文所提出的各种方法能够比较有效地对脉搏信号进行去噪及特征提取的处理,并对脉诊的客观化研究具有一定的实际意义。