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·