呼吸是人体生命体征的重要参数之一，也是危 重病人首要的和持续的检测参数。目前在临床上， 可以做连续监测呼吸的方法一种是呼吸气体流量 法，这种方法具有侵扰性( 特别是在非通气患者) 和 繁琐的设置; 另外一种是胸阻抗法，这种方法容易 产生运动干扰，并且成本较大。因此需要一个强大 的自动连续非侵入性的呼吸测量方法，同时要适合 所有年龄段的患者。
光电容积脉搏波( photoplethysmography，PPG) 是一种常用的非侵入性技术，目前 PPG 的大部分应 用都集中在心血管系统方面，1992 年 Lindberg 等提 出应用 PPG 可以监测呼吸率与心率。在 PPG 信 号的功率谱中包含有明显的分别与心率、呼吸率相 关的峰值。同时指出在 PPG 信号中除与心率同步 变化外，它还包含一个所谓呼吸诱发强度变化信息( respiratory-induced intensity variations ，RIIV) 它反 映由呼吸引起的使静脉回流到胸廓和右心室的变 化这个调制作用借助于静脉系统传递到外周血 管床。
目前记录呼吸容积所用的方法如肺活量计呼 吸速度记录器等都不适用于临床长时间监护，因而 从 PPG 信号中获取呼吸容量信息的方法将使许多 人感兴趣。从监护的角度看，PPG 方法可以免除将 通气管插入患者体内进行呼吸监护，这样将会大大 减少患者的痛苦，因而受到医护人员的欢迎。近 年来，有学者分别从独立成分分析 ( independent component correlation algorithm，ICA) 、主 成 分 分 析 ( principal component analysis，PCA) 、向量自回归 模型( vector autoregressive model) 等方法对 PPG 信号进行分析，并试图从中提取出呼吸相关的信 息。同时 Leonard 等又采用非平稳信号分析中广泛 使用小波分析方法对 PPG 信号进行分析，取得了实验性的进展。但是诸如此类的方法在一定程度 无法满足自适应的要求，对于从 PPG 信号中提取出 完整的呼吸信号还存在一定的局限性，一般情况下 只能估算出呼吸率。对于小波分析本质上也是一 组可调的窗口傅里叶变换，并且在信号分析过程中 存在小波基选择、分解层数选取、阈值确定等问题， 通过小波分析得到的小波分量和小波谱只相对于 所选的小波基有意义，不具自适应性和广泛通用 性。 经 验 模 态 分 解 ( empirical mode decomposition，EMD) 是 Huang 等在 1998 年首次提 出的一种新的处理非线性、非平稳信号的自适应算 法，它保留了小波变换多分辨分析的优点，以自 身为基波进行分解，具有良好的自适应性，尤其适 合于低频趋势性分析。
一 信号采集系统的设计
硬件电路框图如图 1 所示，呼吸信号采集采用 霍尼韦尔公司的高灵敏度高精度的硅压力传感器 DC010NDC4。通过鼻导管连接压力传感器，检测人 体在呼吸时对空气产生的微小波动。由于压力传 感器输出电压在 0 ～ 5 V 之间，所以经过电阻分压后 可以直接采集，而不需要电压放大电路。此外为了 消除工频干扰及其他高频干扰，在传感器输出端加 入低通滤波电路和工频陷波器。
PPG 是借光电手段在人体组织中检测血液容 积变化的一种无创检测方法。本研究采用 Nellcor 公司生产的指套透射式血氧探头，该探头由波长为 660 nm 红光发光二极管和 940 nm 的红外光发光二 极管以及一个用于将光信号转换为电流信号的光 敏二极管构成。在人体呼吸过程中，血液中的载氧 血红蛋白( HbO2 ) 的含量和还原血红蛋白( Hb) 的 含量在变化，使得血液对光的吸收系数在变化。故 拾取到的脉搏波曲线的基线往往随呼吸运动而起伏变化。如图 2 所示，血液对红光的吸收系数变 化范围较大，使得呼吸对于脉搏的调制作用比较 大。为了便于提取呼吸信号，仅采用红光发光二极 管作为光源。同时利用单片机对光源进行控制，自 动调节红光二极管的发光强度。通常的脉搏信号 的频率范围在 0. 5 ～ 10 Hz 内，因此通过设计 20 Hz 的低通滤波和 50 Hz 的陷波器可以有效滤除高频干 扰和工频干扰。
二 小波变换与经验模态分解
2. 1 小波变换
小波变换是时间( 空间) 频率的局部化分析，它 通过伸缩平移运算对信号( 函数) 逐步进行多尺度 细化，最终达到高频处时间细分，低频处频率细分， 能自动适应时频信号分析的要求，从而可聚焦到信 号的任意细节，解决了 Fourier 变换的困难问题，成 为继 Fourier 变换以来在科学方法上的重大突 破。连续小波变换定义为
2. 2 经验模态分解
经验模态分解将复杂信号分解为有限个固有 模态函数( intrinsic mode function，IMF) ，所分解出来 的各 IMF 分量包含了原信号的不同时间尺度的局 部特征信号。EMD 分解跟小波分解非常相似，通 过不同的尺度把信号分解成一系列固有模态函数， 是一种经验分解，由信号的自适应基分解出信号的 IMF，所以 EMD 不需要像小波一样选择合适的正交 基。而且小波的正交基在信号分析的始末都是不变的，通常，预先确定不变的正交基不被认为是非 平稳、非线性信号的最佳分解基。而 EMD 提供的这 种随信号变化而变的自适应基正好可以弥补小波 分析的缺陷，从而使信号得到更精确的表达。 EMD 对信号分解流程图如图 3 所示。采用 EMD 方 法对信号 s( t) 进行分解包括 4 个步骤。
步骤 1: 令信号 s( t) = h0 ( t) ，找出信号 h0 ( t) 的所有极大值和极小值，用三次样条函数分别拟合 出信号的上包络线 eu ( t) 和下包络线 el ( t) ;
步骤 2: 求上下包络函数的均值函数，记作 m1 ; 并且求解原始信号 s( t) 与 m1 差值 h1 ( t) ;
步骤 3: 把 h1 ( t) 看成原始数据，重复上述步骤 1-3，重复筛选，直到 hj ( t) 为一个 IMF，同时将得到 的第一个 IMF 表示为: c1 ( t) = hj ( t) ;
步骤 4: 按下式从原始信号中将 c1 ( t) 剥离得到 余量 r1 ( t) :
s( t) － c1 ( t) = r1 ( t) ( 3)
继续对余量 r1 ( t) 进行上述分解过程，直到某 个分量 cn ( t) 或者余量 rn ( t) 小于预先设定的值，或 者余量 rn ( t) 为单调函数，使得信号无法继续分解。
三 呼吸波提取
通过采集电路，对实验人员进行脉搏波与呼吸波的同步采集，获得实验数据。信号的采样频率为 200 Hz，采样时间一般为 2 min，并从中截取 1 min 的数据用于数据分析。采用小波函数为“sym8”，对 脉搏信号进行分解，去除高频噪声后重构低频信 号。同时对于 EMD 分解中的端点效应现象，采用目 前较为普遍的镜像延拓方法进行端点的处理。通 过计算原始呼吸信号和分解后呼吸信号的呼吸率、 波形相关系数、AR 功率谱及其相关系数，估算小波 分解的分解层数、降噪阀值以及 EMD 分解后的最佳 IMF 分量。采集到的 PPG 信号如图 4 所示。
对分解后的每个 IMF 分量进行频谱估算，并与 原始信号进行波形相关性和频谱相关性计算，对相 关性较大的 IMF 分量进行重构，表示为
式中，i 为需要进行重构的 IMF 分量，ai 为加权系 数，本研究中取 1。
同时通过相关计算采用小波函数“sym8”对 PPG 信号进行 8 层分解，重构低频信号。根据采集 的呼吸信号与提取的呼吸信号进行相关参数对比 后得到如图 6 和图 7 所示的呼吸信号及其 AR 功 率谱。
如图 6 所示，无论小波分解提取的呼吸信号还EMD 分解提取的呼吸信号，在波形上与原始呼吸 信号具有一定的相似性。由于脉搏在上肢传播需 要一定的时间，所以提取出的呼吸波与原始呼吸波 在时间上有一定的滞后。同时从图 7 中可以判定， EMD 方法提取呼吸信号更好地滤除了呼吸信号的 高频干扰( 1 Hz 以上) 和极低频干扰( 在 0 ～ 0. 1 Hz 之间) ，更有利于呼吸率的估算及相关的信号分析。
根据采集得到的呼吸信号与提取得到的呼吸 信号进行相关参数的计算，得到分析结果见表 1。 从表 1 中可以看出，EMD 方法对于从 PPG 信号中提 取呼吸波具有良好的相关性。对于呼吸率的估算， EMD 分解与小波分析方法基本相同，且与原始呼吸 信号的呼吸率误差在允许范围之类。但是从相关 系数来看，EMD 方法提取的呼吸信号更具有相关 性，并且减少了呼吸信号其他频率的干扰。
四 讨论和结论
目前临床上采用的胸阻抗法成本较高，操作繁 琐。而从 PPG 信号中提取出呼吸信号将会使呼吸 监护更加快捷。近年来，利用 PPG 信号提取出呼吸 相关信息，得到了大量的研究。由于 PPG 信号是典 型的非平稳信号，需要采用非平稳分析方法。传统 的非平稳分析方法其本质是傅立叶变换，不具有很 好的自适应性。因此本研究应用新的非平稳分析方法———经验模态分解方法，对 PPG 信号进行分 解。通过计算各个 IMF 分量与原始呼吸信号的相 关系数及 AR 模型功率谱相关性，选择合适的 IMF 分量重构出呼吸信号，然后对重构的呼吸信号与采 集获得的呼吸信号进行对比。根据实验数据表明， EMD 分解具有良好的分解效果，并且与小波变换有 相似的分解效果。通过数据证明，该算法能完成呼 吸信号的提取，并且由于 EMD 分解良好的自适应 性，如果能将 EMD 算法移植到硬件平台中，将是对 临床监护中实时、有效、简洁的获取呼吸信号的极 大推进。下一步研究重点将是如何改善算法，将算 法移植到监护设备当中，完成实时自动的信号提取 工作。
本研究试图从 PPG 信号中提取出呼吸波，并分 别采用 EMD 分解和小波变换对 PPG 信号进行分 析。从实验数据分析的结果表明，EMD 分解能有效 地从 PPG 信号中提取出呼吸波，且提取的呼吸信号 与原始呼吸信号的波形相关系数在 0. 5 左右，AR 频 谱相关系数在 0. 8 以上。同时由于 EMD 对于处理 非平稳信号具有高度的自适应性，使设计出一种新 型、廉价、非侵入式的呼吸监护设备成为可能，对于 临床中的呼吸监测具有指导意义。