基于光电容积脉搏波的有限空间生理疲劳测量

工程科学学报，第40卷，第10期：1215-1222,2018年10月 Chinese Journal of Engineering,Vol.40,No.10:1215-1222,October 2018 DOI:10.13374/j.issn2095-9389.2018.10.008;http://journals.ustb.edu.cn 基于光电容积脉搏波的有限空间生理疲劳测量 于 露，金龙哲区，徐明伟，谢晓雅，田兴华 北京科技大学土木与资源工程学院，北京100083 ☒通信作者，E-mail:Izjin@usth.cdu.cn 摘要通过有限空间10Omi极限载人实验，提出了基于光电容积脉搏波(PPG)的客观疲劳测量方法并开发了光电容积脉 搏波信号特征参数提取算法用来掌握生理疲劳的血液动力学与循环系统变化特征.研究结果表明，人体出现生理疲劳时，光 电容积脉搏波信号平均周期显著大于未疲劳状态(p<0.001),血管阻力增大，每搏射血量明显下降；计算了未疲劳与疲劳状 态下光电容积脉搏波信号的两种复杂度(KC复杂度和高阶KC复杂度)发现，两种复杂度计算结果一致，均为未疲劳时波形比 疲劳时波形更平稳.因此表明光电容积脉搏波信号能够捕捉到疲劳状态的生理变化，解决了生理疲劳的客观测量与快速判断 问题. 关键词生理疲劳：光电容积脉搏波：有限空间：客观测量 分类号X914 Confined space physiological fatigue measurement based on photoplethysmography pulse wave signal YU Lu,JIN Long-zhe,XU Ming-wei,XIE Xiao-ya,TIAN Xing-hua School of Civil and Resource Engineering.University of Science and Technology Beijing,Beijing 100083,China Corresponding author,E-mail:Izjinz@ustb.edu.cn ABSTRACT Confined spaces are extremely common in industrial production and emergency rescue situations,and are also widely found in the fields of mining,chemistry,metallurgy,construction,aviation,submarines,emergency hedging,and others.Confined space operations and living environments are characterized by small spaces,poor ventilation,lack of oxygen,high temperatures and hu- midity,and poor lighting and communication.Exposure to this operating environment over even short periods of time causes thermal stress and changes in the oxygen content of the human body,which lead to physical discomforts such as increased heart rate,increased blood pressure,and body temperature changes.As exposure time increases,the human body experiences fatigue,confusion,and other symptoms.The physical fatigue caused by the human body being exposed to confined space environments is the main causal factor in safety accidents.Therefore,a method must be developed to enable objective measurement and rapid determination of physiological fa- tigue.A 100-min-limit manned experiment was conducted in a confined space to test an objective fatigue measurement method based on the photoplethysmography pulse wave (PPG).An algorithm was then developed to extract PPG signal feature parameters to determine the hemodynamics and circulatory system changes that characterize physiological fatigue.As the most basic physiological signal of the human body,the PPG contains abundant information about hemodynamics and autonomic nervous system circulation.This information is reflected in parameters such as the wave shape,speed,and rhythm.The results indicate that when the human body experiences physiological fatigue,the average period of the PPG signal is significantly greater than that when it is non-fatigued (p<.001),the vascular resistance increases,and the stroke volume per stroke is significantly decreased.The two types of complexity (KC complexity, high-order KC complexity)of PPG signals were calculated under fatigue and non-fatigue conditions.The calculation results was found 收稿日期：2018-03-20 基金项目：国家“十三五”重点科技资助项目(2016YFC080176)

工程科学学报,第 40 卷,第 10 期:1215鄄鄄1222,2018 年 10 月 Chinese Journal of Engineering, Vol. 40, No. 10: 1215鄄鄄1222, October 2018 DOI: 10. 13374 / j. issn2095鄄鄄9389. 2018. 10. 008; http: / / journals. ustb. edu. cn 基于光电容积脉搏波的有限空间生理疲劳测量 于 露, 金龙哲苣 , 徐明伟, 谢晓雅, 田兴华 北京科技大学土木与资源工程学院, 北京 100083 苣通信作者, E鄄mail: lzjin@ ustb. edu. cn 摘 要 通过有限空间 100 min 极限载人实验,提出了基于光电容积脉搏波(PPG)的客观疲劳测量方法并开发了光电容积脉 搏波信号特征参数提取算法用来掌握生理疲劳的血液动力学与循环系统变化特征. 研究结果表明,人体出现生理疲劳时,光 电容积脉搏波信号平均周期显著大于未疲劳状态(p < 0郾 001),血管阻力增大,每搏射血量明显下降;计算了未疲劳与疲劳状 态下光电容积脉搏波信号的两种复杂度(KC 复杂度和高阶 KC 复杂度)发现,两种复杂度计算结果一致,均为未疲劳时波形比 疲劳时波形更平稳. 因此表明光电容积脉搏波信号能够捕捉到疲劳状态的生理变化,解决了生理疲劳的客观测量与快速判断 问题. 关键词 生理疲劳; 光电容积脉搏波; 有限空间; 客观测量 分类号 X914 收稿日期: 2018鄄鄄03鄄鄄20 基金项目: 国家“十三五冶重点科技资助项目(2016YFC080176) Confined space physiological fatigue measurement based on photoplethysmography pulse wave signal YU Lu, JIN Long鄄zhe 苣 , XU Ming鄄wei, XIE Xiao鄄ya, TIAN Xing鄄hua School of Civil and Resource Engineering, University of Science and Technology Beijing, Beijing 100083, China 苣Corresponding author, E鄄mail: lzjinz@ ustb. edu. cn ABSTRACT Confined spaces are extremely common in industrial production and emergency rescue situations, and are also widely found in the fields of mining, chemistry, metallurgy, construction, aviation, submarines, emergency hedging, and others. Confined space operations and living environments are characterized by small spaces, poor ventilation, lack of oxygen, high temperatures and hu鄄 midity, and poor lighting and communication. Exposure to this operating environment over even short periods of time causes thermal stress and changes in the oxygen content of the human body, which lead to physical discomforts such as increased heart rate, increased blood pressure, and body temperature changes. As exposure time increases, the human body experiences fatigue, confusion, and other symptoms. The physical fatigue caused by the human body being exposed to confined space environments is the main causal factor in safety accidents. Therefore, a method must be developed to enable objective measurement and rapid determination of physiological fa鄄 tigue. A 100鄄min鄄limit manned experiment was conducted in a confined space to test an objective fatigue measurement method based on the photoplethysmography pulse wave (PPG). An algorithm was then developed to extract PPG signal feature parameters to determine the hemodynamics and circulatory system changes that characterize physiological fatigue. As the most basic physiological signal of the human body, the PPG contains abundant information about hemodynamics and autonomic nervous system circulation. This information is reflected in parameters such as the wave shape, speed, and rhythm. The results indicate that when the human body experiences physiological fatigue, the average period of the PPG signal is significantly greater than that when it is non鄄fatigued ( p < 0郾 001), the vascular resistance increases, and the stroke volume per stroke is significantly decreased. The two types of complexity (KC complexity, high鄄order KC complexity) of PPG signals were calculated under fatigue and non鄄fatigue conditions. The calculation results was found

·1216· 工程科学学报，第40卷，第10期 for these two complexities to be the same,and the waveforms to be more stable when the body is not fatigued.Therefore,the results demonstrate that the PPG signal can capture the physiological changes of the fatigue state and provide objective measurement and enable rapid judgment regarding physiological fatigue KEY WORDS physiological fatigue;photoplethysmography (PPG);confined space;observable 传统的疲劳测量方法主要依靠疲劳评价量表， 形式选取，本实验依据前期基础研究，筛选BMI指 但量表的维度、适用人群、分数计算方法以及个体差 数为21，体型符合标准体型，十日内日均基础代谢 异、情绪隐瞒等都会造成较大的测量误差.近年来， 量（女性1200±40kJ,男性1800±60k)的受试人员 随着生物电信号测量的快速发展，许多研究开始关8例，其中男性4例，年龄（平均值±标准差(M± 注生理信号与疲劳的定量关系.光电容积脉搏波 SD),22±3岁)，女性4例，年龄(M±SD,21±3岁) (PPG))作为人体最基本的生理信号包含了丰富的 进行实验.所有受试者均来自北京科技大学，无神 血液动力学[2]与自主神经系统循环)信息.并会在 经系统疾病或明显的心血管和内分泌疾病，全部为 波的形状、波幅、波速、节律]等方面综合表现出 右利手. 来，是医学中人体生理状态判断和临床诊断)的重 1.2实验流程与环境 要依据.Huiku等[6研究表明可以从光电容积脉搏 考虑到个体差异和光电容积脉搏波信号测量易 波信号中提取传导周期、形态参数和每搏上升时间 受到体位、噪音、光线等干扰以及人体潜在的生物节 作为生理评价信息和方法.王选[通过监测外科手 律的影响，实验时间设置在人体生命征候氧的摄取 术中光电容积脉搏波信号变化证实了光电容积脉搏 与体力最为活跃的14：00一17：00时间段内.并监 波形态特异度较高和其用于伤害感受监测的可 测了实验前十天该时间段内所有受试者静息状态光 行性. 电容积脉搏波数据作为个体数据经验参考.实验开 有限空间环境在工业生产和应急救援中极为常 始前，要求所有受试者静息10min,在血液动力学参 见，广泛应用于矿山、化工、冶金、建筑、航空、潜艇、 数稳定后采集超过7min的光电容积脉搏波连续信 紧急避险等领域[⑧)].其作业生存环境特点是空间狭 号作为受试者标准状态下无疲劳感的对照数据.实 小、通风不畅、缺氧、高温高湿、照明通信不佳等[]. 验过程中场景设置为全黑暗，无电磁干扰，无通风， 短时间内暴露于这种作业环境，环境负荷会通过机 实验时长l00min,受试者在舱内保持全程静息状态 体热应力与氧含量变化引起人体心率加快、血压升 坐在指定位置.实验结束后立刻采集实验人员超过 高、体温变化等生理不适[o],随着暴露时间的增加， 7min的光电容积脉搏波连续信号.实验场景如图1 人体会产生疲劳、乏力、意识模糊山等症状.大量 所示，因实验场景为全黑暗设置，所以场景图为由红 研究表明有限空间作业中80%的安全事故是由作 外成像仪拍摄的热敏图.有限空间内各项环境指标 业人员生理疲劳导致的[2] 随着实验的进行，在人体自身呼吸作用和通风不畅 因此，快速判定和客观测量生理疲劳的方法亟 条件下，发生极速变化.具体环境指标变化情况如 待提出.本研究设计有限空间极限载人实验，测量 图2和图3所示，采用K70型煤矿安全生产监控系 未疲劳与疲劳状态下人体稳定光电容积脉搏波信 统监测舱内氧气、二氧化碳、压强、相对湿度等环境 号.通过开发算法提取光电容积脉搏波形态特征参 指标的变化情况，监测频率为每分钟的次数.地球 数结合单因素方差分析和信号复杂度计算.描述了 大气约86km以下的干空气成分中0，体积分数约 疲劳状态下人体光电容积脉搏波信号的形态特征和 占20.948%，C0,约占0.0383%[1).如图2所示实 稳定性.这对通过无创方法快速测量判断人体生理 验环境的氧气含量始终低于大气氧含量，随着实验 疲劳具有重要意义， 的进行，02体积分数最低达到20.2%，如图3所示， 实验进行至19min后环境相对湿度高于80%（图3 1实验方案与方法 中绿色虚线指示)，医学中判定相对湿度≥80%，氧 1.1实验场所及人员 气含量低于空气氧含量即符合引起人体代谢功能和 本实验选取的有限空间作业环境为北京科技大 心血管系统循环功能出现障碍的条件（无生命危 学自主研发的矿用紧急避险救生舱系统，该系统设 险)，会导致人体心率加快，头昏，意识模糊，恐惧感 计使用人数为12人，设计最长使用时间为48h,屏 增加等一系列生理心理变化.由此判定，本实验 蔽电磁信号干扰功能强.受试人员通过招募志愿者 19min后有限空间内环境属于低氧高湿极端环境

工程科学学报,第 40 卷,第 10 期 for these two complexities to be the same, and the waveforms to be more stable when the body is not fatigued. Therefore, the results demonstrate that the PPG signal can capture the physiological changes of the fatigue state and provide objective measurement and enable rapid judgment regarding physiological fatigue. KEY WORDS physiological fatigue; photoplethysmography (PPG); confined space; observable 传统的疲劳测量方法主要依靠疲劳评价量表, 但量表的维度、适用人群、分数计算方法以及个体差 异、情绪隐瞒等都会造成较大的测量误差. 近年来, 随着生物电信号测量的快速发展,许多研究开始关 注生理信号与疲劳的定量关系. 光电容积脉搏波 (PPG) [1]作为人体最基本的生理信号包含了丰富的 血液动力学[2]与自主神经系统循环[3]信息. 并会在 波的形状、波幅、波速、节律[4] 等方面综合表现出 来,是医学中人体生理状态判断和临床诊断[5] 的重 要依据. Huiku 等[6]研究表明可以从光电容积脉搏 波信号中提取传导周期、形态参数和每搏上升时间 作为生理评价信息和方法. 王选[7]通过监测外科手 术中光电容积脉搏波信号变化证实了光电容积脉搏 波形态特异度较高和其用于伤害感受监测的可 行性. 有限空间环境在工业生产和应急救援中极为常 见,广泛应用于矿山、化工、冶金、建筑、航空、潜艇、 紧急避险等领域[8] . 其作业生存环境特点是空间狭 小、通风不畅、缺氧、高温高湿、照明通信不佳等[9] . 短时间内暴露于这种作业环境,环境负荷会通过机 体热应力与氧含量变化引起人体心率加快、血压升 高、体温变化等生理不适[10] ,随着暴露时间的增加, 人体会产生疲劳、乏力、意识模糊[11] 等症状. 大量 研究表明有限空间作业中 80% 的安全事故是由作 业人员生理疲劳导致的[12] . 因此,快速判定和客观测量生理疲劳的方法亟 待提出. 本研究设计有限空间极限载人实验,测量 未疲劳与疲劳状态下人体稳定光电容积脉搏波信 号. 通过开发算法提取光电容积脉搏波形态特征参 数结合单因素方差分析和信号复杂度计算. 描述了 疲劳状态下人体光电容积脉搏波信号的形态特征和 稳定性. 这对通过无创方法快速测量判断人体生理 疲劳具有重要意义. 1 实验方案与方法 1郾 1 实验场所及人员 本实验选取的有限空间作业环境为北京科技大 学自主研发的矿用紧急避险救生舱系统,该系统设 计使用人数为 12 人,设计最长使用时间为 48 h,屏 蔽电磁信号干扰功能强. 受试人员通过招募志愿者 形式选取,本实验依据前期基础研究,筛选 BMI 指 数为 21,体型符合标准体型,十日内日均基础代谢 量(女性 1200 依 40 kJ,男性 1800 依 60 kJ)的受试人员 8 例,其中男性 4 例,年龄(平均值 依 标准差(M 依 SD),22 依 3 岁),女性 4 例,年龄(M 依 SD,21 依 3 岁) 进行实验. 所有受试者均来自北京科技大学,无神 经系统疾病或明显的心血管和内分泌疾病,全部为 右利手. 1郾 2 实验流程与环境 考虑到个体差异和光电容积脉搏波信号测量易 受到体位、噪音、光线等干扰以及人体潜在的生物节 律的影响,实验时间设置在人体生命征候氧的摄取 与体力最为活跃的 14:00—17:00 时间段内. 并监 测了实验前十天该时间段内所有受试者静息状态光 电容积脉搏波数据作为个体数据经验参考. 实验开 始前,要求所有受试者静息 10 min,在血液动力学参 数稳定后采集超过 7 min 的光电容积脉搏波连续信 号作为受试者标准状态下无疲劳感的对照数据. 实 验过程中场景设置为全黑暗,无电磁干扰,无通风, 实验时长 100 min,受试者在舱内保持全程静息状态 坐在指定位置. 实验结束后立刻采集实验人员超过 7 min 的光电容积脉搏波连续信号. 实验场景如图 1 所示,因实验场景为全黑暗设置,所以场景图为由红 外成像仪拍摄的热敏图. 有限空间内各项环境指标 随着实验的进行,在人体自身呼吸作用和通风不畅 条件下,发生极速变化. 具体环境指标变化情况如 图 2 和图 3 所示,采用 KJ70 型煤矿安全生产监控系 统监测舱内氧气、二氧化碳、压强、相对湿度等环境 指标的变化情况,监测频率为每分钟的次数. 地球 大气约 86 km 以下的干空气成分中 O2 体积分数约 占 20郾 948% ,CO2约占 0郾 0383% [13] . 如图 2 所示实 验环境的氧气含量始终低于大气氧含量,随着实验 的进行,O2体积分数最低达到 20郾 2% ,如图 3 所示, 实验进行至 19 min 后环境相对湿度高于 80% (图 3 中绿色虚线指示),医学中判定相对湿度逸80% ,氧 气含量低于空气氧含量即符合引起人体代谢功能和 心血管系统循环功能出现障碍的条件(无生命危 险),会导致人体心率加快,头昏,意识模糊,恐惧感 增加等一系列生理心理变化[14] . 由此判定,本实验 19 min 后有限空间内环境属于低氧高湿极端环境, ·1216·

于露等：基于光电容积脉搏波的有限空间生理疲劳测量 ·1217· 受试者进入生理疲劳期 频率为500Hz. 2数据处理 2.1光电容积脉搏波数据预处理 根据实际测得光电容积脉搏波信号的稳定性， 提取每个试例样本实验前和实验后测量的(15.8± 0.006s)至(189.2±0.006s)片段，每个片段约含光 电容积脉搏波完整波形(400±50个).首先对光电 容积脉搏波信号进行预处理，以去除原始光电容积 脉搏波信号中明显含有的基线漂移、高频干扰、测量 图1实验场景红外热敏图 时人体体动干扰造成的伪迹成分.第一步利用 Fig.1 Experimental scene infrared thermal image MATLAB中的smooth函数以50个（依据前期监测 经验值)点为平滑点数对原始信号进行平滑处理. 20.8 平滑后的光电容积脉搏波波形形态特征为标准含有 20.7 1.0 明显上升支下降支和切迹的光电容积脉搏波波形， 20.6 切迹出现在下降支.第二步利用MATLAB中find- 一氧气 20.5 化碳 0.6 peaks函数检测所有光电容积脉搏波信号波峰位置 20.4 和波谷位置.波谷位置识别后，确定两个波谷之间 0.4 303 的距离即为一个波形的传导周期，对应的生理意 0.2 义为一次完整的心脏搏动周期].第三步以直线 20.2 40 0 方式连接每个周期的起止点位置作为基线对光电 60 100 时间/min 容积脉搏波信号进行基线漂移去除处理.预处理 图2有限空间环境氧气和二氧化碳气体体积分数变化图 后的受试者实验前后光电容积脉搏波波形如图4 Fig.2 Percentage changes in confined space environment of oxygen, 所示，振幅经过滤波和放大处理，量纲为一.由于 and carbon dioxide gas volumes 实际测量数据长度较大，文中选取65~70s片段 做说明 100 109.60 2.2特征参数提取算法 109.55 实测光电容积脉搏波信号经过了直流分量的过 109.50 滤和交流信号的放大失去了原有的幅度值，所以其 60 109.45 高度的绝对值没有实际意义[6]，其包含的心血管状 40 一一相对湿度 109.40 态变化等相关生理信息主要体现在信号的形态和传 -一压强 输特征上)，所以本文不提取光电容积脉搏波信号 109.35 19 min 的幅度信息作为数值分析对象，选择从光电容积脉 109.30 搏波波形形态中提取特征参数分析.提取特征参数 102030405060708090100110 时间/min 如下： 图3有限空间环境相对湿度和压强变化图 (1)下降支斜率 Fig.3 Change map in confined space environment of relative humidi- 常用的心血管数学模型为双弹性腔模型[18) ty and pressure 1.3光电容积脉搏波数据的获取 双弹性腔模型的舒张期状态方程为，出"'心。 本实验光电容积脉搏波数据的获取是采用透射 0,其中V代表舒张期内动脉腔的容积，RC为血管外 式传感器采集的受试者指端（右手食指）信号，传感 周阻力与血管顺应性的乘积，V,表示当腔内压力和 器夹于指端，光电探头依据采样值饱和程度自动调 静脉处的压力相等时弹性腔的容积，t为舒张时 节红外光光量进行连续采样.采样信号经过滤波、 间).该方程是常系数一阶微分方程，解的形式 放大和模拟信号转换为数字信号(A/D)转换后变 为，V=ae应+b,式中a和b为常数.由此可知RC 为离散的数字信号上传至电脑(PC)端，信号的采样 的乘积决定了舒张期状态方程解衰减的速率.实测

于 露等: 基于光电容积脉搏波的有限空间生理疲劳测量 受试者进入生理疲劳期. 图 1 实验场景红外热敏图 Fig. 1 Experimental scene infrared thermal image 图 2 有限空间环境氧气和二氧化碳气体体积分数变化图 Fig. 2 Percentage changes in confined space environment of oxygen, and carbon dioxide gas volumes 图 3 有限空间环境相对湿度和压强变化图 Fig. 3 Change map in confined space environment of relative humidi鄄 ty and pressure 1郾 3 光电容积脉搏波数据的获取 本实验光电容积脉搏波数据的获取是采用透射 式传感器采集的受试者指端(右手食指)信号,传感 器夹于指端,光电探头依据采样值饱和程度自动调 节红外光光量进行连续采样. 采样信号经过滤波、 放大和模拟信号转换为数字信号(A/ D) 转换后变 为离散的数字信号上传至电脑(PC)端,信号的采样 频率为 500 Hz. 2 数据处理 2郾 1 光电容积脉搏波数据预处理 根据实际测得光电容积脉搏波信号的稳定性, 提取每个试例样本实验前和实验后测量的(15郾 8 依 0郾 006 s)至(189郾 2 依 0郾 006 s)片段,每个片段约含光 电容积脉搏波完整波形(400 依 50 个). 首先对光电 容积脉搏波信号进行预处理,以去除原始光电容积 脉搏波信号中明显含有的基线漂移、高频干扰、测量 时人体体动干扰造成的伪迹成分. 第一步利用 MATLAB 中的 smooth 函数以 50 个(依据前期监测 经验值)点为平滑点数对原始信号进行平滑处理. 平滑后的光电容积脉搏波波形形态特征为标准含有 明显上升支下降支和切迹的光电容积脉搏波波形, 切迹出现在下降支. 第二步利用 MATLAB 中 find鄄 peaks 函数检测所有光电容积脉搏波信号波峰位置 和波谷位置. 波谷位置识别后,确定两个波谷之间 的距离即为一个波形的传导周期,对应的生理意 义为一次完整的心脏搏动周期[15] . 第三步以直线 方式连接每个周期的起止点位置作为基线对光电 容积脉搏波信号进行基线漂移去除处理. 预处理 后的受试者实验前后光电容积脉搏波波形如图 4 所示,振幅经过滤波和放大处理,量纲为一. 由于 实际测量数据长度较大,文中选取 65 ~ 70 s 片段 做说明. 2郾 2 特征参数提取算法 实测光电容积脉搏波信号经过了直流分量的过 滤和交流信号的放大失去了原有的幅度值,所以其 高度的绝对值没有实际意义[16] ,其包含的心血管状 态变化等相关生理信息主要体现在信号的形态和传 输特征上[17] ,所以本文不提取光电容积脉搏波信号 的幅度信息作为数值分析对象,选择从光电容积脉 搏波波形形态中提取特征参数分析. 提取特征参数 如下: (1)下降支斜率. 常用的心血管数学模型为双弹性腔模型[18] . 双弹性腔模型的舒张期状态方程为, dV dt + V - VV RC = 0,其中 V 代表舒张期内动脉腔的容积,RC 为血管外 周阻力与血管顺应性的乘积,VV表示当腔内压力和 静脉处的压力相等时弹性腔的容积, t 为舒张时 间[19] . 该方程是常系数一阶微分方程,解的形式 为,V = ae - 1 RC + b,式中 a 和 b 为常数. 由此可知 RC 的乘积决定了舒张期状态方程解衰减的速率. 实测 ·1217·

·1218· 工程科学学报，第40卷，第10期 7000 实验前PPC波形 12000 一实验前PPC波形 6000 6000 一实验前PPG菠形 实验后PPG波形 实验后PPG波形 5000 5000 10000 ·实验后PPG波形 4000 4000 8000 3000 3000 6000 200( 2000 4000 1000 1000 2000 0 0 -1000 65 66 67 68 69 70 65 66 67 68 69 70 65 66 6768 69 70 时间/s 时间/s 时间s 1000 4000 一实验前PPG波形 3000 实验前PPG菠形 实验前PPG波形 800 -实验后PPG波形 一实验后PPG波形 2500 实验后PPG被形 3000 2000 600 2000 1500 400 100 1000 200 500 0 66 -50 67 68 69 70 65 66 67 68 65 66 67 68 60 时间/s 时间/s 时间s 6000 8000m ,实验前PPG波形 实验前PPG波形 5000 一实验后PPG波形 7000 实验后PPG波形 4000 6000 5000 3000 4000 2000 3000 1000 2000 1000 -1000 0 66 67 68 69 70 65 66 67 8 69 70 时间/s 时间/s 图48名受试者预处理后受试者实验前后光电容积脉搏波波形图 Fig.4 8 testers PPG waveforms before and after subject under pretreatment 光电容积脉搏波信号的下降支部分也呈单调递减形 T,和T,连线的交点即为O点，T,P阶段为波形上升 式.因此类比舒张期状态方程解的形式可知，光电 阶段，对应心脏搏动收缩期，PT,阶段为波形下降阶 容积脉搏波信号下降支的下降速度反映了血管的外 段，对应心脏搏动舒张期 周阻力与血管顺应性的实时状态.故本实验提取实 (2)上升支斜率 测光电容积脉搏波信号下降支斜率作为生理疲劳状 光电容积脉搏波信号上升支反应的是心搏收缩 态特征参数测量值.下降支斜率算法架构如图5所 期的生理状态，上升支上升速度快表征心搏输出量 示，T为完整波形（心脏搏动）传导周期，T,和T,分 大，射血速度快，反之状态相反[20].基于光电容积 别为波形起、止点，P为波形顶点，从P点做垂线与 脉搏波信号上升支表达的生理意义，本实验提取实测 Saom,(下降支三角形面积 ◆下降支斜率= S除，（下降支曲线积分面积 T/s Tls (a) (b) T:完整波形传导周期T1:波形起点T,:波形止点P:波形顶点O:P点在传导周期上的垂直投形点 图5下降支斜率算法架构图.(a)中阴影部分为下降支三角形面积：(b)中阴影部分为下降支曲线积分面积 Fig.5 Diagram of falling-branch slope algorithm architecture:(a)shaded is the area of the descending triangle;(b)shaded is the area of the descent curve integral

工程科学学报,第 40 卷,第 10 期 图 4 8 名受试者预处理后受试者实验前后光电容积脉搏波波形图 Fig. 4 8 testers PPG waveforms before and after subject under pretreatment 光电容积脉搏波信号的下降支部分也呈单调递减形 式. 因此类比舒张期状态方程解的形式可知,光电 T:完整波形传导周期 T1 :波形起点 T2 :波形止点 P:波形顶点 O:P 点在传导周期上的垂直投影点 图 5 下降支斜率算法架构图. (a)中阴影部分为下降支三角形面积;(b)中阴影部分为下降支曲线积分面积 Fig. 5 Diagram of falling鄄branch slope algorithm architecture:(a) shaded is the area of the descending triangle;(b) shaded is the area of the descent curve integral 容积脉搏波信号下降支的下降速度反映了血管的外 周阻力与血管顺应性的实时状态. 故本实验提取实 测光电容积脉搏波信号下降支斜率作为生理疲劳状 态特征参数测量值. 下降支斜率算法架构如图 5 所 示,T 为完整波形(心脏搏动) 传导周期,T1 和 T2 分 别为波形起、止点,P 为波形顶点,从 P 点做垂线与 T1和 T2连线的交点即为 O 点,T1P 阶段为波形上升 阶段,对应心脏搏动收缩期,PT2阶段为波形下降阶 段,对应心脏搏动舒张期. (2)上升支斜率. 光电容积脉搏波信号上升支反应的是心搏收缩 期的生理状态,上升支上升速度快表征心搏输出量 大,射血速度快,反之状态相反[20] . 基于光电容积 脉搏波信号上升支表达的生理意义,本实验提取实测 ·1218·

于露等：基于光电容积脉搏波的有限空间生理疲劳测量 ·1219· 光电容积脉搏波信号上升支斜率作为另一个生理疲劳 特征参数测量值.上升支斜率算法架构如图6所示 Sm,上升支三角形面积 ◆上升支斜率= So府（上升支曲线积分面稠 TIs (a) (b) T:完整波形传导周期：T:波形起点：T2:波形止点：P:波形顶点：O:P点在传导周期上的垂直投影点 图6上升支斜率算法架构.(a)阴影部分为上升支三角形面积：(b)阴影部分为上升支曲线积分面积 Fig.6 Diagram of rising-branch slope algorithm architecture:(a)shaded area indicates the rising support triangle:(b)shaded area indicates the ris- ing curve integral 表2，平均周期单因素方差分析结果 3实验结果及数据分析 Table 2 One-way ANOVA results based on average cycle 3.1光电容积脉搏波信号传导周期分析 受试者 实验负荷 实验测得的光电容积脉搏波信号经过预处理 F=853.10148,p<0.001 后，利用上文提到的特征点识别算法和周期计算方 B F=224.75576,p<0.001 法统计16段光电容积脉搏波信号的平均周期，结果 C F=34.93898,p<0.001 如表1所示.对受试者实验前后的平均周期做单因 0 F=566.25572,p<0.001 素方差分析，结果如表2所示 F=374.83315,p<0.001 表1光电容积脉搏波信号平均传导周期 F F=311.67808,p<0.001 Table 1 Average transmission period of PPG signal F=778.75783,p<0.001 完整周期数 周期平均值/s F=59.44711,p<0.001 试例 试验前试验后试验前(M±SD)试验后(M±SD) 注：P值表示不拒绝原假设的程度，P值越小结果越可信：F值表 示整个拟合方程的显著性，F值越大，表示方程越显著.p<0.05有 A 451 379 0.383±0.024 0.455+0.045 显著性差异 377 346 0.459+0.036 0.499+0.036 1.10 C 428 416 0.401+0.017 0.412+0.034 ·一未疲劳 N 353 306 0.443+0.022 0.510+0.047 1.05 。一疲劳 E 368 322 0.466+0.045 0.532+0.044 1.00 386 341 0.441+0.036 0.500+0.053 0.95 364 321 0.456+0.023 0.519+0.036 H 374 354 0.442+0.020 0.468+0.060 2 0.90 所有受试者均在实验前后表现出了信号传导周 0.85 期的显著性差异.疲劳状态时平均每搏周期均大于 0.80 FGH一 未疲劳状态.心脏的每搏周期主要受自主神经系统 受试者 调控，这种显著性差异一定程度反映了生理疲劳时 图7下降支斜率统计值 人体自主神经系统的调节发生适应性改变 Fig.7 Falling-branch slope statistics 3.2光电容积脉搏波特征参数指标分析 图7可以看出大部分受试者实验后光电容积脉 图7和图8显示了未疲劳与疲劳状态下所有受 搏波信号下降支斜率大于实验前，下降支斜率的生 试者光电容积脉搏波完整波形数(400±50)下降支 理含义是血管的顺应性与外周阻力的综合体现，斜 斜率和上升支斜率统计情况.红色曲线为未疲劳状 率值的增大说明动脉阻力变大血管顺应性减弱，进 态数据，蓝色曲线为疲劳状态数据. 一步表明，疲劳状态相较于未疲劳状态时，人体外周

于 露等: 基于光电容积脉搏波的有限空间生理疲劳测量 光电容积脉搏波信号上升支斜率作为另一个生理疲劳 特征参数测量值. 上升支斜率算法架构如图6 所示. T:完整波形传导周期;T1 :波形起点;T2 :波形止点;P:波形顶点;O:P 点在传导周期上的垂直投影点 图 6 上升支斜率算法架构. (a)阴影部分为上升支三角形面积;(b)阴影部分为上升支曲线积分面积 Fig. 6 Diagram of rising鄄branch slope algorithm architecture:(a) shaded area indicates the rising support triangle;(b) shaded area indicates the ris鄄 ing curve integral 3 实验结果及数据分析 3郾 1 光电容积脉搏波信号传导周期分析 实验测得的光电容积脉搏波信号经过预处理 后,利用上文提到的特征点识别算法和周期计算方 法统计 16 段光电容积脉搏波信号的平均周期,结果 如表 1 所示. 对受试者实验前后的平均周期做单因 素方差分析,结果如表 2 所示. 表 1 光电容积脉搏波信号平均传导周期 Table 1 Average transmission period of PPG signal 试例 完整周期数 周期平均值/ s 试验前 试验后 试验前(M 依 SD) 试验后(M 依 SD) A 451 379 0郾 383 依 0郾 024 0郾 455 + 0郾 045 B 377 346 0郾 459 + 0郾 036 0郾 499 + 0郾 036 C 428 416 0郾 401 + 0郾 017 0郾 412 + 0郾 034 D 353 306 0郾 443 + 0郾 022 0郾 510 + 0郾 047 E 368 322 0郾 466 + 0郾 045 0郾 532 + 0郾 044 F 386 341 0郾 441 + 0郾 036 0郾 500 + 0郾 053 G 364 321 0郾 456 + 0郾 023 0郾 519 + 0郾 036 H 374 354 0郾 442 + 0郾 020 0郾 468 + 0郾 060 所有受试者均在实验前后表现出了信号传导周 期的显著性差异. 疲劳状态时平均每搏周期均大于 未疲劳状态. 心脏的每搏周期主要受自主神经系统 调控,这种显著性差异一定程度反映了生理疲劳时 人体自主神经系统的调节发生适应性改变. 3郾 2 光电容积脉搏波特征参数指标分析 图 7 和图 8 显示了未疲劳与疲劳状态下所有受 试者光电容积脉搏波完整波形数(400 依 50)下降支 斜率和上升支斜率统计情况. 红色曲线为未疲劳状 态数据,蓝色曲线为疲劳状态数据. 表 2 平均周期单因素方差分析结果 Table 2 One鄄way ANOVA results based on average cycle 受试者 实验负荷 A F = 853郾 10148,p < 0郾 001 B F = 224郾 75576,p < 0郾 001 C F = 34郾 93898,p < 0郾 001 D F = 566郾 25572,p < 0郾 001 E F = 374郾 83315,p < 0郾 001 F F = 311郾 67808,p < 0郾 001 G F = 778郾 75783,p < 0郾 001 H F = 59郾 44711,p < 0郾 001 注:p 值表示不拒绝原假设的程度,p 值越小结果越可信;F 值表 示整个拟合方程的显著性,F 值越大,表示方程越显著. p < 0郾 05 有 显著性差异. 图 7 下降支斜率统计值 Fig. 7 Falling鄄branch slope statistics 图 7 可以看出大部分受试者实验后光电容积脉 搏波信号下降支斜率大于实验前,下降支斜率的生 理含义是血管的顺应性与外周阻力的综合体现,斜 率值的增大说明动脉阻力变大血管顺应性减弱,进 一步表明,疲劳状态相较于未疲劳状态时,人体外周 ·1219·

·1220. 工程科学学报，第40卷，第10期 1.05 3.3复杂度分析 ·一未疲劳 ·一疲劳 1.00 复杂度分析方法是处理连续不规则信号的常用 方法.本实验复杂度的讨论是基于时间序列光电容 0.95 积脉搏波信号的复杂性。尝试了两种常用的生理信 0.90 号复杂度计算方法KC复杂度和高阶KC复杂度 KC复杂度的基本原理是考察时间序列中的相 0.85 邻元素的新模式的数量.光电容积脉搏波信号是一 0.80 个连续信号，其幅值可以取某个实数区间中的任何 H 一个值，所以为了实现估计光电容积脉搏波信号的 受试者 复杂度，就需要对原始信号做某种预处理，即把光电 图8上升支斜率统计值 容积脉搏波信号的幅值量化成有限个离散中的一 Fig.8 Rising-branch slope statistics 个.即把光电容积脉搏波信号进行二值化处理.本 动脉系统的阻力变大.但有一位受试者的变化趋势 实验利用MATLAB编程先计算出光电容积脉搏波 与其他个体相反，考察其基础生理指标发现，该个体 信号的平均值，然后把所有大于或等于平均值的光 为女性，实验前十日内监测其静息状态时平均心率 电容积脉搏波信号幅值都用1来代替，而把所有小 为65~72bpm,但在实验过程中的平均心率为84 于平均值的光电容积脉搏波信号幅值都用0来代 bpm,超过了其平日监测记录的最高值，且在实验的 替.本实验尝试对15.78~189.2s全段光电容积脉 第19、30、72和81min出现了四次心率过百的记录， 搏波信号做复杂度计算，共包含86711个测试点. 最高达到了106bpm,这种多频次特异心率均未在其 实验前后受试者KC复杂度变化情况如图9所示. 他受试者的监测记录中检查到.上升支斜率表达的 所有受试者实验前KC复杂度大于实验后KC复杂 生理意义是心搏收缩期射血量与射血速度，是评价 度.表明未疲劳状态光电容积脉搏波信号比疲劳状 心血管循环系统效率高低的重要指标[).图8可 态光电容积脉搏波信号更复杂，但这与经验情况不 见，疲劳状态下光电容积脉搏波信号上升支斜率低 符.本文猜想可能是由于KC复杂度中对原始数据 于未疲劳状态.表明大部分受试者生理疲劳时心脏 的二值化处理丢失了一些原始数据信息，因此本文 每搏射血量下降，反映心血管系统循环减缓.对比 进一步尝试了高阶KC复杂度计算.高阶KC复杂 实际测得受试者基础能量代谢数据如表3发现，所 度在逻辑上可以减少对原始信息的丢失，高阶KC 有受试者实验后基础能量代谢值增加，由此表明心 复杂度的值对信号特征的反映更加精细2】.高阶 血管循环系统的调控与组织细胞代谢调控对环境负 KC复杂度计算情况如图I0所示.高阶KC复杂度 荷引起的疲劳应激反应存在差异，这种变化产生的 的计算结果与KC复杂度结果一致.两种复杂度计 原因需要进一步的医学分析证明.综合来看，光电 算数值均反应疲劳状态光电容积脉搏波信号比未疲 容积脉搏波特征参数可以定量反应生理疲劳状态， 劳状态时更平稳 进一步的疲劳产生机理分析可以结合心率分析来 10 实现. ☐未疲劳 疲劳 表3受试者基础能量代谢数据 Table 3 Basic energy metabolism data for subject 实验前基础 实验后基础 6 受试者 变化量/kJ 代谢量/kJ 代谢量/kJ 2 A 1154.10 1164.90 10.80 女 1856.10 1877.70 21.60 1525.60 1536.40 10.80 D 1700.60 1722.20 21.60 E 1240.60 1309.60 69.00 受试者 1169.20 1171.40 2.20 图9KC复杂度 Fig.9 KC complexity data

工程科学学报,第 40 卷,第 10 期 图 8 上升支斜率统计值 Fig. 8 Rising鄄branch slope statistics 动脉系统的阻力变大. 但有一位受试者的变化趋势 与其他个体相反,考察其基础生理指标发现,该个体 为女性,实验前十日内监测其静息状态时平均心率 为 65 ~ 72 bpm,但在实验过程中的平均心率为 84 bpm,超过了其平日监测记录的最高值,且在实验的 第 19、30、72 和 81 min 出现了四次心率过百的记录, 最高达到了106 bpm,这种多频次特异心率均未在其 他受试者的监测记录中检查到. 上升支斜率表达的 生理意义是心搏收缩期射血量与射血速度,是评价 心血管循环系统效率高低的重要指标[21] . 图 8 可 见,疲劳状态下光电容积脉搏波信号上升支斜率低 于未疲劳状态. 表明大部分受试者生理疲劳时心脏 每搏射血量下降,反映心血管系统循环减缓. 对比 实际测得受试者基础能量代谢数据如表 3 发现,所 有受试者实验后基础能量代谢值增加,由此表明心 血管循环系统的调控与组织细胞代谢调控对环境负 荷引起的疲劳应激反应存在差异,这种变化产生的 原因需要进一步的医学分析证明. 综合来看,光电 容积脉搏波特征参数可以定量反应生理疲劳状态, 进一步的疲劳产生机理分析可以结合心率分析来 实现. 表 3 受试者基础能量代谢数据 Table 3 Basic energy metabolism data for subject 受试者 实验前基础 代谢量/ kJ 实验后基础 代谢量/ kJ 变化量/ kJ A 1154郾 10 1164郾 90 10郾 80 B 1856郾 10 1877郾 70 21郾 60 C 1525郾 60 1536郾 40 10郾 80 D 1700郾 60 1722郾 20 21郾 60 E 1240郾 60 1309郾 60 69郾 00 F 1169郾 20 1171郾 40 2郾 20 3郾 3 复杂度分析 复杂度分析方法是处理连续不规则信号的常用 方法. 本实验复杂度的讨论是基于时间序列光电容 积脉搏波信号的复杂性. 尝试了两种常用的生理信 号复杂度计算方法 KC 复杂度和高阶 KC 复杂度. KC 复杂度的基本原理是考察时间序列中的相 邻元素的新模式的数量. 光电容积脉搏波信号是一 个连续信号,其幅值可以取某个实数区间中的任何 一个值,所以为了实现估计光电容积脉搏波信号的 复杂度,就需要对原始信号做某种预处理,即把光电 容积脉搏波信号的幅值量化成有限个离散中的一 个. 即把光电容积脉搏波信号进行二值化处理. 本 实验利用 MATLAB 编程先计算出光电容积脉搏波 信号的平均值,然后把所有大于或等于平均值的光 电容积脉搏波信号幅值都用 1 来代替,而把所有小 于平均值的光电容积脉搏波信号幅值都用 0 来代 替. 本实验尝试对 15郾 78 ~ 189郾 2 s 全段光电容积脉 搏波信号做复杂度计算,共包含 86711 个测试点. 实验前后受试者 KC 复杂度变化情况如图 9 所示. 所有受试者实验前 KC 复杂度大于实验后 KC 复杂 度. 表明未疲劳状态光电容积脉搏波信号比疲劳状 态光电容积脉搏波信号更复杂,但这与经验情况不 符. 本文猜想可能是由于 KC 复杂度中对原始数据 的二值化处理丢失了一些原始数据信息,因此本文 进一步尝试了高阶 KC 复杂度计算. 高阶 KC 复杂 度在逻辑上可以减少对原始信息的丢失,高阶 KC 复杂度的值对信号特征的反映更加精细[22] . 高阶 KC 复杂度计算情况如图 10 所示. 高阶 KC 复杂度 的计算结果与 KC 复杂度结果一致. 两种复杂度计 算数值均反应疲劳状态光电容积脉搏波信号比未疲 劳状态时更平稳. 图 9 KC 复杂度 Fig. 9 KC complexity data ·1220·

于露等：基于光电容积脉搏波的有限空间生理疲劳测量 ·1221· mogroph.Med Biol Eng Comput,1984.22(3):212 0.14 未疲劳 疲劳 [2]Avolio A P,Butlin M,Walsh A.Arterial blood pressure measure- 11 0.2 ment and pulse wave analysis-their role in enhancing cardiovascu- D路7 lar assessment.Physiol Meas,2010,31(1):RI 0.10 [3]Gil E,Orini M,Bailon R,et al.Photoplethysmography pulse rate 0.08 variability as a surrogate measurement of heart rate variability dur ing non-stationary conditions.Physiol Meas,2010,31(9):127 0.06 [4]Hou L X,Wei M,Wang X,et al.A novel non-iterative shape 0.04 method for estimating the decay time constant of the finger photopl- ethysmographic pulse.J Zhejiang Unin SciA,2011,12(6):438 0.02 [5]Reisner A.Shaltis PA,McCombie D,et al.Utility of the photop- lethysmogram in circulatory monitoring.Anesthesiology,2008.108 D (5):950 受试者 [6]Huiku M,Uutela K,Van Gils M,et al.Assessment of surgical 图10高阶KC复杂度 stress during general anaesthesia.Br J Anaesth,2007.98(4): Fig.10 High-order KC complexity data 447 [Wang X.The Index for Monitoring Nociception based on the Modal- 4结论 ity of Photoplethysmogram Dissertation ]Hangzhou:Zhejiang University,2012 利用有限空间载人实验，测量未疲劳与疲劳 (王选.基于光电容积脉搏波形态的伤害感受指数的研究[学 状态下光电容积脉搏波信号数据，根据波形表达 位论文].杭州：浙江大学，2012) 的生理意义，开发特征参数提取算法提取特征参 [8]Zang TZ,Zhang L J.Zhang L,et al.Causes and countermeas- 数.对比两种状态下特征参数，结合单因素方差分 ures of casualty accident induced by unexpected factors in limited 析和复杂度分析得出生理疲劳状态时光电容积脉 job space.J Nanjing Univ Technol Nat Sci Ed,2005,27(3): 103 搏波信号传导和形态变化特征.据此探究有限空 (藏铁柱，张礼敬，张丽，等.有限空间作业意外伤亡事故的 间环境下人体生理疲劳的客观变化规律.具体结 成因及其对策.南京工业大学学报（自然版），2005,27(3)： 论如下： 103) (1)短时间暴露在有限空间环境下，人体即产 [9]Bruck L.Confined space safety and rescue:challenges and lessons learned.Occup Hazards,2012,70(4):29 生生理疲劳，生理参数发生变化，尤其在心血管系 [10]Li G J.Research on Human Heat Tolerance under Extreme Hot, 统和循环系统中有明显表现.光电容积脉搏波信 Humid and Low-oxygen Environment Dissertation ]Tianjin: 号可以具体反映这种变化趋势 Tianjin University,2008 (2)考察三个光电容积脉搏波特征参数发现： (李国建.高温高湿低氧环境下人体热耐受性研究[学位论 疲劳状态下波形特征为传导周期显著大于未疲劳 文].天津：天津大学，2008) [11]Hancock PA,Vasmatzidis I.Human occupational and perform- 状态(p<0.001);下降支斜率增大，外周血管阻力 ance limits under stress:the thermal environment as a prototypi- 变大；上升支斜率减小，心搏射血量减少，射血速 cal example.Ergonomics,1998,41(8):1169 度减慢，心血管循环系统与细胞代谢系统对疲劳 [12]Liu Y,Qin Y.Analysis of confined spaces working accidents in 的应激反应表现相反.疲劳与未疲劳状态下波形 Beijing based on social network analysis.Ind Saf Enriron Prot, 特征差异明显，可以通过这种差异快速判断和测 2017,43(4):18 量生理疲劳 (刘艳，秦妍.基于社会网络分析的北京市有限空间作业事 故分析.工业安全与环保，2017,43(4)：18) (3)计算光电容积脉搏波信号KC复杂度与高 [13] Galtsev A P,Grechko E I,Dzhola A V,et al.Spectroscopic 阶KC复杂度发现两种复杂度的计算值均表现为未 measurements of atmospheric gas content:latitudinal distribu- 产生疲劳时复杂度值更大，而疲劳状态下的光电容 tions,seasonal variations,and long-period trends Proc SPIE 积脉搏波信号更平稳.这为利用信号复杂度的方法 2017 CIS Selected Papers:Optical Monitoring of the Environment. 判断生理疲劳提供依据，下一步的研究可以尝试更 Moscow,1993:104 [14]Verges S,Bachasson D,Wuyam B.Effect of acute hypoxia on 多种复杂度的计算，做进一步比较和误差分析. respiratory muscle fatigue in healthy humans.Respir Res,2010, 11(1):109 参考文献 [15]Allen J.Photoplethysmography and its application in clinical [1]Giltvedt J,Sira A,Helme P.Pulsd multifrequency photoplethys- physiological measurement.Physiol Meas,2007,28(3):RI

于 露等: 基于光电容积脉搏波的有限空间生理疲劳测量 图 10 高阶 KC 复杂度 Fig. 10 High鄄order KC complexity data 4 结论 利用有限空间载人实验,测量未疲劳与疲劳 状态下光电容积脉搏波信号数据,根据波形表达 的生理意义,开发特征参数提取算法提取特征参 数. 对比两种状态下特征参数,结合单因素方差分 析和复杂度分析得出生理疲劳状态时光电容积脉 搏波信号传导和形态变化特征. 据此探究有限空 间环境下人体生理疲劳的客观变化规律. 具体结 论如下: (1)短时间暴露在有限空间环境下,人体即产 生生理疲劳,生理参数发生变化,尤其在心血管系 统和循环系统中有明显表现. 光电容积脉搏波信 号可以具体反映这种变化趋势. (2)考察三个光电容积脉搏波特征参数发现: 疲劳状态下波形特征为传导周期显著大于未疲劳 状态( p < 0郾 001) ;下降支斜率增大,外周血管阻力 变大;上升支斜率减小,心搏射血量减少,射血速 度减慢,心血管循环系统与细胞代谢系统对疲劳 的应激反应表现相反. 疲劳与未疲劳状态下波形 特征差异明显,可以通过这种差异快速判断和测 量生理疲劳. (3)计算光电容积脉搏波信号 KC 复杂度与高 阶 KC 复杂度发现两种复杂度的计算值均表现为未 产生疲劳时复杂度值更大,而疲劳状态下的光电容 积脉搏波信号更平稳. 这为利用信号复杂度的方法 判断生理疲劳提供依据,下一步的研究可以尝试更 多种复杂度的计算,做进一步比较和误差分析. 参 考 文 献 [1] Giltvedt J, Sira A, Helme P. Pulsd multifrequency photoplethys鄄 mogroph. Med Biol Eng Comput, 1984, 22(3):212 [2] Avolio A P, Butlin M, Walsh A. Arterial blood pressure measure鄄 ment and pulse wave analysis鄄their role in enhancing cardiovascu鄄 lar assessment. Physiol Meas, 2010, 31(1): R1 [3] Gil E, Orini M, Bailon R, et al. Photoplethysmography pulse rate variability as a surrogate measurement of heart rate variability dur鄄 ing non鄄stationary conditions. Physiol Meas, 2010, 31(9): 127 [4] Hou L X, Wei M, Wang X, et al. A novel non鄄iterative shape method for estimating the decay time constant of the finger photopl鄄 ethysmographic pulse. J Zhejiang Univ Sci A, 2011, 12(6): 438 [5] Reisner A, Shaltis P A, McCombie D, et al. Utility of the photop鄄 lethysmogram in circulatory monitoring. Anesthesiology, 2008, 108 (5): 950 [6] Huiku M, Uutela K, Van Gils M, et al. Assessment of surgical stress during general anaesthesia. Br J Anaesth, 2007, 98 (4 ): 447 [7] Wang X. The Index for Monitoring Nociception based on the Modal鄄 ity of Photoplethysmogram [ Dissertation ]. Hangzhou: Zhejiang University, 2012 (王选. 基于光电容积脉搏波形态的伤害感受指数的研究[学 位论文]. 杭州: 浙江大学, 2012) [8] Zang T Z, Zhang L J, Zhang L, et al. Causes and countermeas鄄 ures of casualty accident induced by unexpected factors in limited job space. J Nanjing Univ Technol Nat Sci Ed, 2005, 27 (3 ): 103 (藏铁柱, 张礼敬, 张丽, 等. 有限空间作业意外伤亡事故的 成因及其对策. 南京工业大学学报(自然版), 2005, 27(3): 103) [9] Bruck L. Confined space safety and rescue: challenges and lessons learned. Occup Hazards, 2012, 70(4): 29 [10] Li G J. Research on Human Heat Tolerance under Extreme Hot, Humid and Low鄄oxygen Environment [ Dissertation ]. Tianjin: Tianjin University, 2008 (李国建. 高温高湿低氧环境下人体热耐受性研究 [学位论 文]. 天津: 天津大学, 2008) [11] Hancock P A, Vasmatzidis I. Human occupational and perform鄄 ance limits under stress: the thermal environment as a prototypi鄄 cal example. Ergonomics, 1998, 41(8): 1169 [12] Liu Y, Qin Y. Analysis of confined spaces working accidents in Beijing based on social network analysis. Ind Saf Environ Prot, 2017, 43(4): 18 (刘艳, 秦妍. 基于社会网络分析的北京市有限空间作业事 故分析. 工业安全与环保, 2017, 43(4): 18) [13] Galtsev A P, Grechko E I, Dzhola A V, et al. Spectroscopic measurements of atmospheric gas content: latitudinal distribu鄄 tions, seasonal variations, and long鄄period trends / / Proc SPIE 2017 CIS Selected Papers: Optical Monitoring of the Environment. Moscow, 1993: 104 [14] Verges S, Bachasson D, Wuyam B. Effect of acute hypoxia on respiratory muscle fatigue in healthy humans. Respir Res, 2010, 11(1): 109 [15] Allen J. Photoplethysmography and its application in clinical physiological measurement. Physiol Meas, 2007, 28(3): R1 ·1221·

.1222, 工程科学学报，第40卷，第10期 [16]TamuraT,Maeda Y,Sekine M,et al.Wearable photoplethys- (全晓莉，廖磊，秦浪，等.外周阻力的测量与临床研究.中 mographic sensors-past and present.Electronics,2014,3(2): 国医学物理学杂志，2008,25(2)：598) 282 [20]Gao L,Li W H.Advances in research into arterial compliance. [17]Ram M R,Madhav K V,Krishna E H,et al.A novel approach Adv Cardiorase Diseases,2007.28(1):74 for motion artifact reduction in PPG signals based on AS-LMS a- (高磊，李卫华.动脉顺应性的研究进展.心血管病学进展， daptive filter.IEEE Trans Instrum Meas,2012,61(5):1445 2007,28(1):74) [18]De Wilde R B P,Schreuder JJ,Van Den Berg P C M,et al.An [21]Westerbof N,Lankhaar J W,Westerhof B E.The arterial wind- evaluation of cardiac output by five arterial pulse contour tech- kessel.Med Biol Eng Comput,2009,47(2):131 niques during cardiac surgery.Anaesthesia,2007,62(8):760 [22]Erem B,Orellana R M,Hyde D E,et al.Extensions to a mani- [19]Quan X L,Liao L,Qin L,et al.Measurement and clinical study fold learning framework for time-series analysis on dynamic mani- of resistance.Chin J Med Phys,2008,25(2)598 folds in bioelectric signals.Phys Rev E,2016,93(4):042218

工程科学学报,第 40 卷,第 10 期 [16] Tamura T, Maeda Y, Sekine M, et al. Wearable photoplethys鄄 mographic sensors鄄past and present. Electronics, 2014, 3 (2 ): 282 [17] Ram M R, Madhav K V, Krishna E H, et al. A novel approach for motion artifact reduction in PPG signals based on AS LMS a鄄 daptive filter. IEEE Trans Instrum Meas, 2012, 61(5): 1445 [18] De Wilde R B P, Schreuder J J, Van Den Berg P C M, et al. An evaluation of cardiac output by five arterial pulse contour tech鄄 niques during cardiac surgery. Anaesthesia, 2007, 62(8): 760 [19] Quan X L, Liao L, Qin L, et al. Measurement and clinical study of resistance. Chin J Med Phys, 2008, 25(2): 598 (全晓莉, 廖磊, 秦浪, 等. 外周阻力的测量与临床研究. 中 国医学物理学杂志, 2008, 25(2): 598) [20] Gao L, Li W H. Advances in research into arterial compliance. Adv Cardiovasc Diseases, 2007, 28(1): 74 (高磊, 李卫华. 动脉顺应性的研究进展. 心血管病学进展, 2007, 28(1): 74) [21] Westerbof N, Lankhaar J W, Westerhof B E. The arterial wind鄄 kessel. Med Biol Eng Comput, 2009, 47(2): 131 [22] Erem B, Orellana R M, Hyde D E, et al. Extensions to a mani鄄 fold learning framework for time鄄series analysis on dynamic mani鄄 folds in bioelectric signals. Phys Rev E, 2016, 93(4): 042218 ·1222·