1.7 信号分析方法

    1.7.1 滤波 采用离散余弦变换(DCT)方法对原始脉图信号进行带通滤波，滤波的截止频率为0.5～48 Hz。滤波后，用逆DCT方法将信号还原为时域信号进行建模。

    1.7.2 建模 采用正弦函数谐波拟合脉图法对逐个心动周期进行回归拟合，建立脉图信号的数学模型。

    1.7.3 参数 6部脉共有193个参数。每部脉各有32个参数，包括24个频域参数、7个时域参数和1个脉位参数。加上1个6部脉共同的心率参数。

    1.7.4 分类判决方法 采用最小二乘回归分类法，即通过引进一对多线性相关系数来设计一维指标向量作为回归的应变量。设定阶数K=6，在大略为1936个各种可能的模型中，用基于正交分解基础上的快速逐次前后向不完全搜索选优最小二乘回归程序，对上述一维指示向量回归，选择前20个最佳模型，最后用回归指数做统计分析，提供软判决。

    2 结果

    2.1 获得失眠人群与正常人群的脉图参数及其模型 通过对失眠人群与正常人群脉图参数的判决分析，获得2组人群脉图的判别模型，每个模型包括6个参数。用筛选出的最有代表性的6个参数进行分类判决，正确区分率为87%，说明失眠障碍组和正常对照组的脉图可以通过其参数进行分类，且区分的特异性及准确度较高。见表1，图1。

    2.2 2组人群6部脉图入选参数占比 左寸、右关和右尺脉入选参数在2组人群分类中分别占到17%、33%、27% ......