基于VMD-NLMS的运动状态血氧监测算法

针对可穿戴血氧检测中运动伪影(Motion Artifact, MA)干扰较大使检测结果不准确的问题,提出了一种基于变分模态分解(Variational Mode Decomposition, VMD)和归一化最小均方误差(Normalized Least Mean Square, NLMS)自适应滤波的算法。首利用VMD算法将光电容积脉搏波信号(Photoplethysmographic, PPG)分解为一系列本征模态分量(Intrinsic Mode Function, IMF);计算各IMF的多尺度排列熵(Multiscale Permutation Entropy, MPE),并根据结果选择合适的IMF进行噪声参考信号的重构;将生成的噪声参考信号与原信号一起输入自适应滤波器,滤除运动伪影。实验结果表明,提出的方法比基于加速度的经验模态分解(Empirical Mode Decomposition, EMD)方法和基于加速度的变分模态分解方法信噪比更高,均方误差更小,使用去噪后的信号计算得到的血氧饱和度值的误差降低了2.0%~3.0%,因此,使用上述方法构造的噪声模型可以更好的用于血氧饱和度的测量。