基于压缩感知的PPG 信号处理算法性能研究

黄 芳，刘海洋，陈立平，张 浩

（1.中国科学院微电子研究所，北京 100029；2.中国科学院大学，北京 100049）

随着5G 移动通信技术的普及，智能手机、平板电脑等移动设备平台得到广泛应用，具有生物传感器功能的移动设备在改善用于非卧床和连续慢性疾病监测应用的健康信息收集应运而生。无线人体传感器网络[1]（Wireless Body Sensor Network,WBSN）为大规模、个性化、实时和长期的非住院生物医学信号监测提供了经济高效的解决方案。WBSN 由于使用时长期记录会产生大量数据，所以需要高效率、高精度的信号处理方案。在近来的研究中，压缩感知（Compressed Sensing,CS）可以帮助减少能量消耗并提高感测过程中的记录速度，已成功应用于WBSN长期信号监测[2-3]。

在过去的几年中，基于CS 的光电容积描记图（Photoplethysmograph,PPG）信号处理[4-5]已显示出巨大的潜力。但是，目前很少有关于这个领域中不同压缩感知处理方案，尤其是不同恢复算法之间的处理性能比较的综合研究。文中旨在通过分析正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法、压缩采样匹配追踪（Compressive Sampling MP,CoSaMP）算法、基追踪方法(Basis Pursuit,BP)算法和基于块稀疏贝叶斯学习（Block Sparse Bayesian Learning,BSBL）算法4 种恢复算法，以比较在不同压缩比中的信号重构质量，从而得出相关结论。

1 基本理论研究

1.1 光电容积描记图（PPG）

PPG 信号已引起人们的广泛关注，它通过脉搏血氧饱和度测定法监测重要的生理参数，如心率、血压或动脉血氧饱和度水平。穿过生物组织的光可以被不同的物质吸收，包括皮肤、骨骼、动脉和静脉血液中的色素。大多数血流变化主要发生在动脉和小动脉。……