現今社會慢慢走向高齡化，且心臟性疾病死亡率也不斷的提升，因此，為了要預防心血管疾病的發生，隨時掌握自己的生理狀況是非常重要的。
光體積變化描記圖(PPG)在於即時監控生理資訊量測上，有較心電描記圖(ECG)量測簡便、成本較低等優點，但缺點在於容易受到移動干擾(motion artifact)。為了能夠準確的分析出PPG訊號隱含的生理資訊，必須解決移動干擾訊號對PPG訊號造成的影響。
本研究先以獨立成分分析法(ICA)將含有移動干擾的原始訊號分離出PPG訊號及雜訊等獨立成分，選擇含有PPG訊號之獨立成分，並以此獨立成分於頻譜中，分析PPG訊號成分的所在位置，再以此設計一個多帶通濾波器，將量測的原始訊號經過設計之多帶通濾波器，來達到消除移動干擾之目的。研究結果將以四種實驗情境呈現，分別為手指垂直移動、水平移動、快速震動及隨機移動，研究結果包含獨立成分分析法分離後的獨立成分、濾波後PPG訊號在時域及頻域的波形及偵測到的心率資訊。

When the society steadily reaches the aging society and when the heart disease death rate is continuously increasing it is important to have everyone to pay attention on his own physiological condition to prevent the occurrence of any cardiovascular disease.
The Photoplethymography (PPG) is used in real time monitoring one’s physiological condition it has low cost and easy to carry advantages comparing with the ECG measurements; however it has the disadvantage of easy to suffering to motion artifacts. In order to accurately analyze the hidden information in the PPG data it needs to solve the effect of motion artifacts on the PPG signal.  
In this thesis it first uses the Independent Component Analysis (ICA) method to separate the PPG signal and noise signal from the original PPG signal that has been affected by motion interference; it then selects the independent part of the PPG signal and from the spectrum analysis of this independent part of PPG signal to locate the positions of the fundamental frequency, the 1st harmonic and the second harmonic of the PPG signal. It then from this spectrum plot designs a bandpass filter and uses the designed bandpass filter to reduce or eliminate the possible motion interference. Four motion artifacts such as the vertical motion of the fingers, horizontal finger motion, speeding vibration and random motions are studied.  The independent components after ICA process, the PPG waveforms in the time and frequency domains after the bandpass filter, and the detected heart rate information are all presented in each study case.

目錄
致謝	I
中文摘要	II
ABSTRACT	III
目錄	V
圖目錄	VIII
表目錄	XI
第一章 概論	1
1.1 前言	1
1.2 研究動機與目的	2
1.3 論文章節結構	2
第二章 相關研究與背景知識	4
2.1 文獻探討	4
2.2 光體積變化描記圖	5
2.2.1 PPG量測	5
2.2.2 PPG訊號波形的組成	6
2.2.3 PPG訊號於時域及頻域上之特性	7
2.3 移動干擾	9
第三章 消除移動干擾之研究方法	12
3.1 研究方法流程架構	12
3.2 獨立成分分析法	13
3.2.1 獨立成分分析基本定義說明	13
3.2.2 獨立成分分析法流程	17
3.2.3 中央極限定理	19
3.2.4 訊號前處理	20
3.2.4.1 中心化	20
3.2.4.2 白化	20
3.2.5 目標函數	22
3.2.5.1 峰態	22
3.2.5.2 負熵	24
3.2.6 最佳化演算法	26
3.2.7 模擬與實際範例	28
3.3 相關係數	31
3.4 頻譜分析	33
3.5 多帶通濾波器	36
3.6 心率偵測演算法	39
第四章 實驗結果	42
4.1 實驗設備及流程	42
4.2 實驗情境與分析結果	45
4.2.1 手指垂直移動	45
4.2.2 手指水平移動	51
4.2.3 手指快速震動	53
4.2.4 手指隨機晃動	55
4.3 實驗數據整理	57
第五章 結論與未來展望	58
參考文獻	59


圖目錄
圖 1.1  內政部統計處102年底人口結構分析[1]	1
圖 2.1  PPG使用穿透式量測示意圖[10]	6
圖 2.2  PPG使用反射式量測示意圖[10]	6
圖 2.3  一個完整的PPG波形由兩個波組成	7
圖 2.4  連續PPG波形示意圖	8
圖 2.5  PPG訊號於頻譜上分布的情形[5]	8
圖 2.6  PPG移動干擾實例[13]	10
圖 3.1  研究方法流程架構圖	12
圖 3.2  雞尾酒派對問題示意圖	14
圖 3.3  獨立成分分析法概念圖	16
圖 3.4  ICA流程示意圖	18
圖 3.5  中央極限定理示意圖	19
圖 3.6  峰態示意圖	23
圖 3.7  獨立成分分析模擬結果	28
圖 3.8  獨立成分分析於實際量測之PPG訊號	30
圖 3.9  獨立成分之相關係數比較	32
圖 3.10  基波、第二階諧波及第三階諧波峰值偵測流程圖	34
圖 3.11  偵測峰值頻率結果示意圖	35
圖 3.12  帶通濾波器(Bandpass filter)示意圖	36
圖 3.13 多帶通濾波器之頻率響應圖	37
圖 3.14  實際量測有移動干擾的PPG訊號(手指垂直移動)通過多通帶濾波器之結果	38
圖 3.15  峰谷偵測流程	40
圖 3.16  PPG波峰及波谷偵測	41
圖 4.1  PPG量測設備示意圖	42
圖 4.2  實驗方法分析流程	44
圖 4.3  原始量測訊號(手指垂直移動-實驗一)	45
圖 4.4  經由ICA後取得三個獨立成分(手指垂直移動-實驗一)	46
圖 4.5  相關係數比較圖(手指垂直移動-實驗一)	47
圖 4.6  原始量測PPG與研究處理後PPG (手指垂直移動-實驗一)	48
圖 4.7  心率偵測結果(手指垂直移動-實驗一)	49
圖 4.8  原始量測PPG與研究處理後PPG (手指垂直移動-實驗二)	50
圖 4.9  心率偵測結果(手指垂直移動-實驗二)	50
圖 4.10  原始量測PPG與研究處理後PPG(手指水平移動-實驗一)	51
圖 4.11  心率偵測結果(手指水平移動-實驗一)	51
圖 4.12  原始量測PPG與研究處理後PPG(手指水平移動-實驗二)	52
圖 4.13  心率偵測結果(手指水平移動-實驗二)	52
圖 4.14  原始量測PPG與研究處理後PPG(手指快速震動-實驗一)	53
圖 4.15  心率偵測結果(手指快速震動-實驗一)	53
圖 4.16  原始量測PPG與研究處理後PPG(手指快速震動-實驗二)	54
圖 4.17  心率偵測結果(手指快速震動-實驗二)	54
圖 4.18  原始量測PPG與研究處理後PPG(手指隨機移動-實驗一)	55
圖 4.19  心率偵測結果(手指隨機移動-實驗一)	55
圖 4.20  原始量測PPG與研究處理後PPG(手指隨機移動-實驗二)	56
圖 4.21  心率偵測結果(手指隨機移動-實驗二)	56

表目錄
表 4.1  實驗分析後PPG偵測與ECG量測之平均心率對照總表	57

[1]	102年底人口結構分析, 內政部統計處, (http://sowf.moi.gov.tw/stat/week/week10303.doc)。
[2]	民國101年死因統計年報, 衛生福利部統計處, (http://www.mohw.gov.tw/cht/DOS/DisplayStatisticFile.aspx?d=13718&s=1)。
[3]	K. Ashoka Reddy and V. Jagadeesh Kumar, “Motion Artifact Reduction in Photoplethysmographic Signals using Singular Value Decomposition,” Instrumentation and Measurement Technology Conference, May 2010.
[4]	Byung S. Kim and Sun K. Yoo, “Motion Artifact Reduction in Photoplethysmography Using Independent Component Analysis,” IEEE transactions on biomedical engineering, vol. 53, no. 3, March 2006.
[5]	J. M. Cho, Y. K. Sung, K. W. Shin, D. J. Jung, Y. S. Kim, and N. H. Kim, “A Preliminary Study on Photoplethysmogram (PPG) Signal Analysis for Reduction of Motion Artifact in Frequency Domain,” IEEE EMBS Conference on Biomedical Engineering and Sciences, pp. 28-33, Dec. 2012.
[6]	J. M. Cho, K. W. Shin, Y. K. Sung, D. J. Jung, Y. S. Kim, and N. H. Kim, “Reduction of Motion Artifact of Photoplethysmogram Signal Based on Its Frequency Distribution,” IEEE EMBS Conference on Biomedical Engineering and Sciences, pp. 40-45, Dec. 2012.
[7]	M. Raghu Rami, K. Venu Madhav, E. Hari Krishna, K. Nagarjuna Reddy, K. Ashoka Reddy, “Adaptive reduction of motion artifacts from PPG signals using a synthetic noise reference signal,” IEEE EMBS Conference on Biomedical Engineering and Sciences, pp. 315-319, December 2010.
[8]	M. Raghu Ram, K. Venu Madhav, E. Hari Krishna, Nagarjuna Reddy Komalla, and K. Ashoka Reddy, “A Novel Approach for Motion Artifact Reduction in PPG Signals Based on AS-LMS Adaptive Filter,” IEEE EMBS Conference on Biomedical Engineering and Sciences, vol. 61,issue. 5, pp. 1445-1457, May 2012.
[9]	Ming-Zher Poh, Nicholas C. Swenson, and Rosalind W. Picard, “Motion-Tolerant Magnetic Earring Sensor and Wireless Earpiece for Wearable Photoplethysmography,” IEEE Transactions on Information Technology in Biomedicine, vol. 14, issue. 3, pp. 786-794, May 2010.
[10]	A.V.J.Challoner and C.A.Ramsay, “A photoelectric plethysmograph for the measurement of cutaneous blood flow,” Physics in Medicine and Biology, vol. 19, no. 3, May 1974.
[11]	陳耀勳, “心率、PPG和非侵入脈搏波信號之相關性研究,” 逢甲大學自動控制工程學系碩士班碩士論文, 九十四年六月。
[12]	蔡青哲, “PPG的移動干擾偵測與信號重建,” 逢甲大學自動控制工程學系碩士班碩士論文, 九十八年八月。
[13]	Rajet Krishnan, Bala Natarajan and Steve Warren, “Two-Stage Approach for Detection and Reduction of Motion Artifacts in Photoplethysmographic Data,” IEEE transactions on biomedical engineering, vol. 57, no. 8, Aug. 2010
[14]	C. Jutten and J. Herault, ” Blind separation of sources, part I: An adaptive algorithm based on neuromimetic architecture”, Signal Processing, vol. 24, pp. 1-10, July 1991.
[15]	P. Comon, “Independent component analysis, A new concept?”, Signal Processing, Elsevier, vol. 36, pp. 287-314, Apr. 1994.
[16]	T.-W. Lee, A. Ziehe, R. Orglmeister, and T. J. Sejnowski, “Combining time-delayed decorrelation and ICA: Toward solving the cocktail party problem”, Proceedings of the 1998 IEEE International Conference on Acoustics, Speech and Signal Processing, vol. 2, pp. 1249 -1252, May 1998
[17]	Aapo Hyvarinen, “Independent Component Analysis by Minimization of Mutual Information,” Department of Computer Science and Engineering Laboratory of Computer and Information Science, Aug. 1997.
[18]	Aapo Hyvarinen and Erkki Oja, “Independent Component Analysis: A Tutorial,” Department of Computer Science and Engineering Laboratory of Computer and Information Science, Apr. 1999. 
[19]	Michael A. Navakatikyan, Carolyn J. Barrett, Geoffrey A. Head, James H. Ricketts , and Simon C. Malpas, “A Real-Time Algorithm for the Quantification of Blood Pressure Waveforms,” IEEE transactions on biomedical engineering, vol. 49, no. 7, pp. 662-670, July 2002. 
[20]	陳敬修, “利用非侵入式Plethysmography信號評估手術病患舒張壓變化趨勢之研究,” 國立中山大學機械與機電工程研究所, 九十三年六月。