EMD算法在动态光谱无创测量血红蛋白浓度中的应用

摘要：

将经验模态分解（EMD）算法结合动态光谱理论中的频域提取算法用于血红蛋白浓度的无创测量。在体采集57例光电容积脉搏波，选取636．98～1086．86 nm范围内的光谱数据进行分析。首先通过EMD方法分别对各个样本每个波长的光电容积脉搏波进行去噪预处理，再利用离散傅里叶变换提取脉搏波的峰峰值构成动态光谱，最后运用偏最小二乘方法对各样本的动态光谱和血红蛋白浓度建立模型。与未经EMD处理的数据建模结果相比，EMD处理后，血红蛋白浓度预测集的相关系数从0．8798提高到0．9176，预测集均方根误差从6．6759 g·L-1减小到5．3001 g·L-1，相对误差从8．45％减小到6．71％，建模精度有了较大的提高。结果表明，采取经验模态分解的算法进行光电采集数据的去噪预处理可以提高光谱数据的信噪比，进而可以提高血液成分无创测量的准确性。

关键词：经验模态分解、动态光谱、近红外、血红蛋白浓度、无创测量

分类号：O657.33(分析化学)

资助基金：国家自然科学基金项目30973964，61271411;天津市应用基础及前沿技术研究计划11JCZDJC17100;天津市科技计划项目10ZXCXSY10400

在线出版日期：2014-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2106-2111