面向含振幅包络和瞬时频率振荡信号的数据驱动时频拼图方法及其在脉搏血氧图中的应用
应用统计
2026-05-05 v1
摘要
生物医学信号常由多个非正弦振荡分量构成，其幅度调制 (AM) 和瞬时频率 (IF) 可能本身受由时变幅度和频率支配的额外（二阶）振荡动态控制。我们提出一种新颖时频 (TF) 分析框架：{\em 基于集成平移的 Tessellation-based Ensembled Time-Frequency Representation}（TETRIS），其设计基于提出的广义自适应非谐模型，以利用该类信号中二阶振荡信息。我们以脉搏血氧图 (PPG) 作为典型示例，展示其心搏分量已知编码了呼吸信息于 AM 和 IF 中，进而实现呼吸信号的恢复。TETRIS 的核心思想是沿估计的心搏分量的 IF 对 TF 平面进行分区，并对每个分区进行自适应处理以提升表征质量。这种拼图使更精细的时频表征 (TFR) 得以实现，从而更有效地恢复支配心搏分量 AM 的呼吸调制。我们提供该方法的理论依据，并在半合成信号上验证其性能。最后，我们展示 TETRIS 能够从 PPG 数据中直接恢复多个模拟呼吸信号。虽然模型和算法以 PPG 为焦点，但该框架具有灵活性，可应用于其他信号。
引用
@article{arxiv.2605.01684,
title = {Data-driven time-frequency tessellation for signals with oscillatory amplitude envelopes and instantaneous frequency, with application to photoplethysmograhy},
author = {Jennifer Laine and Hau-Tieng Wu},
journal= {arXiv preprint arXiv:2605.01684},
year = {2026}
}