脉象仪信号分析主要包括三个阶段,信号预处理阶段主要是对信号本身的质量、稳定程度、表现形式等进行提升和优化;特征提取阶段是针对特定的应用,提取可以使信号种类彼此差异扩大化的信息;模式分类阶段是根据提取的特征进行分类,和相关研究。
1、时域和频域
由于脉象仪设备的差异,不同的设备所采信号提取的特征也略有差异,但是主要方法有时域分析、频域分析等。时域分析方法是使用多,也是直观的特征提取方式,但有时特征点划分不明显,切割不准确,随机误差较大。时域特征有多种划分方式,没有统一结论,特征的生物学意义也有待进一步探究。频域分析是将时域脉搏信号转化为频率域表示,提取频率的特征。现在的一些频域方法如小波,在生理信号的处理上得到了大量应用。
2、生物特征识别模式
分类的目的在于建立不同脉象与不同疾病之间的联系,主要使用句法模式识别、聚类分析、神经网络、统计模式识别等方法。但到目前为止,脉象信息的计算机特征提取和识别的结果能使人满意,难点在于脉象作为人体生物特征,其蕴含的信息不仅表现在波形上,还有强弱、节律等特征,如何综合运用这些特征有待解决;传统医学定义的同一脉象在不同人之间也存在差异,如何同一脉象的个体差异也是个问题;传感器采集的信号如何与医生号脉的主观感受建立联系也是个难点。
脉象仪在处理高频噪声方面,小波理论的多分辨率特性得到了广泛利用,可以更加细化的处理信号。与传统滤波方式相比,小波在消除噪声方面的效果更好,而且原信号中的细节点能够得到很好地保留。基线漂移是脉象信号、心电信号等人体生物特征中常见的一种干扰,消除的方法有中值滤波、曲线拟合、高通滤波和形态学处理等方式。