WO2000077674A1 - Erkennung eines nutzsignals in einem messsignal - Google Patents

Abstract

Beschrieben wird die Erkennung eines Nutzsignals in einem Meßsignal durch Transformation des Meßsignals für ein gegebenes Zeitfenster in den Frequenzbereich, Identifikation von Frequenzpeaks in dem transformierten Meßsignal, Zuordnung identifizierter Frequenzpeaks zu zeitlichen Verläufen identifizierter Frequenzpeaks eines oder mehrerer vorangegangener Zeitfenster, insofern identifizierte Frequenzpeaks bereits vorliegen, Zuordnung der zeitlichen Verläufe zu einer oder mehreren Familien, die jeweils aus einer Grundwelle und/oder einer oder mehreren Oberwellen bestehen, Auswahl einer Familie als diejenige, die das Nutzsignal repräsentieren soll, und Auswahl eines Frequenzpeaks des aktuellen Zeitfensters aus der ausgewählten Familie als derjenige, der den Meßwert des Nutzsignals in diesem Zeitfenster repräsentieren soll. Die beschriebene Nutzsignalfilterung findet bevorzugt Anwendung für medizinische Meßsignale, vorzugsweise in der Pulsoximetrie, der Blutdruckmessung oder der Herzfrequenzbestimmung.

Description

ERKENNUNG EINES NUTZSIGNALS IN EINEM MEßSIGNAL

HINTERGRUND DER ERFINDUNG

Die vorliegende Erfindung betrifft die Erkennung eines Nutzsignals in einem Meßsignal

Die Messung von Signalen kann im allgemeinen grob unterteilt werden in a) die Erkennung einzelner, mehr oder weniger singularer Ereignisse und b) die Überwachung mehr oder minder häufig sich wiederholender, im wesentlichen periodischer Signale In beiden Fallen begrenzen überlagernde Störungen den Aussagewert der Messung und es gilt diese Störungen zu vermeiden, zu unterdrucken, oder herauszufiltem

Als periodische Signale sollen hier solche Signale verstanden werden bei denen das Nutzsignal, zumindest über einen bestimmten Zeitraum, mindestens einen periodischen Anteil hat, dessen Frequenz allerdings zeitabhängig sein kann

Insbesondere im medizinischen Bereich der Patientenuberwachung ist die Erkennung des Nutzsignals und Unterdrückung von Störungen wesentlich, da Störungen zu falschen Interpretationen der Meßwerte fuhren oder die Messung insgesamt unbrauchbar machen können

Eine Messung, die sich als besonders sensibel für Storeinflusse gezeigt hat, ist die pulsoximetπsche Bestimmung des Sauerstoffgehaltes des Blutes, da die Pulsoximetπe vielfach starker beeinflußt ist durch Bewegungsartefakte, als durch das den Blutsauerstoff bestimmende Pulssignal Bei der Pulsoximetπe geht es um die nicht-invasive, kontinuierliche Bestimmung des Sauerstoffgehalts des Blutes (Oximetne), basierend auf der Analyse des photospektrometπsch gemessenen Pulses Dazu ist es notwendig, daß eine Pulskurve (Plethysmogramm) bei mehreren Wellenlangen vorliegt Praktisch arbeiten so gut wie alle Gerate mit nur zwei Wellenlängen, wodurch kostengünstige, kompakte Losungen möglich sind Das Prinzip der Photometπe basiert darauf, daß die Menge des absorbierten Lichtes durch den Absorptionsgrad einer Substanz und durch die Wellenlange bestimmt ist Pulsoximeter machen davon Gebrauch, daß das arterielle Blutvolumen, und nur das arterielle Blutvolumen, im Rhythmus des Herzschlages pulsiert Um von den ermittelten Meßdaten auf den Wert der Sauerstoffsattigung schließen zu können, wird ein Werteverhaltnis (zumeist „Ratio" genannt) aus den Meßdaten abgeleitet, das dann den Sauerstoffsattigungswert repräsentiert Die Grundlagen und Anwendungsmoglichkeiten der Pulsoximetπe sind allgemein bekannt und vielfach beschrieben, insbesondere in EP-A-262778 (mit einem guten Abriß der Theorie), US-A- 4,167,331 oder von Kastle et al in "A New Family of Sensors for Pulsoximetry", Hewlett- Packard Journal, Vol 48, No 1 , S 39-53, Februar 1997

Für die pulsoximetπsche Messung sind als Methoden zur Artefakterkennung und - Unterdrückung insbesondere Verfahren im Zeitbereich, adaptive Filter Spektralanalysen sowie Verfahren im Zeit-Frequenz-Bereich vorgeschlagen worden Eine detaillierte Aufstellung dieser (im Kontext dieser Anmeldung weniger interessierenden) Methoden der Artefaktunterdruckung wird in der Internationalen Patentanmeldung der Anmeldenn vom selben Anmeldetag (Internes Aktenzeichen 20-99-0010) gegeben

Wahrend bei den oben angeführten Methoden zur Artefakterkennung und -Unterdrückung das Nutzsignal möglichst unangetastet bleiben soll, und nur die Artefakte eliminiert werden sollen, sind im Stand der Technik auch solche Methoden bekannt, bei denen (umgekehrt) aus dem Meßsignal (nur) das Nutzsignal herausgefuttert werden soll Neben den (im Kontext dieser Erfindung wiederum weniger interessierenden) Verfahren im Zeitbereich haben sich zur Ermittlung oder Filterung eines periodischen Nutzsignals aus einem mehr oder minder gestörten Meßsignal insbesondere solche Methoden als vorteilhaft erwiesen, bei denen die Meßsignale im Frequenzbereich untersucht werden Derartige Methoden für die Anwendung in der Pulsoximetπe werden u a beschrieben in US-A-5, 575,284 (Athan), WO-A-96 12435 (Masimo) oder EP-A-870466 (Kastle)

Gemäß WO-A-96 12435 erfolgt nach Transformation der pulsoximetrischen Meßwerte in den Frequenzraum eine Selektion als Nutzsignal durch Ermittlung des Frequenzanteils mit der stärksten Amplitude

EP-A-870466, desselben Erfinders und derselben Anmeldenn, offenbart ein Verfahren zur Selektion des pulsoximetrischen Signals nach der physiologischen Relevanz der Frequenzanteile Nach optionaler Unterdrückung des Gleichanteils der beiden pulsoximetrischen Rohsignale (Rot und Infrarot) werden die sich in einem laufenden Zeitfenster befindenden Rohsignalwerte durch Fouπer-Transformation (hier Fast Fourier Transformation - FFT) in den Frequenzraum transformiert. Aus den transformierten Rohsignalen werden für alle Frequenzpunkte Verhältnisse (das sogenannte „Ratio") der Koeffizienten des Amplitudenspektrums gebildet. Bei graphischem Auftragen des Infrarotspektrums in x-Richtung und des Rotspektrums in y-Richtung wird eine Darstellung erhalten, die nadelähnliche Spitzen aufweist. Diese Nadel entsprechen den Peaks (Spitzen) der Spektren, wobei für ungestörte Signale sehr dünne Nadeln erhalten werden und die jeweiligen Nadeln der Grund- und harmonischen Oberwellen aufeinanderliegen. Der Winkel der Nadeln gegenüber den Achsen entspricht dabei dem Sättigungswert. Da die Repräsentation der Spektren in dieser Darstellung Ähnlichkeit mit einem Nadelkissen aufweist, wird die Methodik der EP-A-870466 auch als „Nadelkissenalgorithmus" bezeichnet.

Zur Identifizierung der Nadel, die das pulsoximetrische Signal repräsentiert, wird im Nadelkissenalgorithmus zunächst ein Abstandsspektrum aus den komplexen Amplituden der Rot- und Infrarotspektren ermittelt. Das Abstandsspektrum beschreibt die Distanz jedes einzelnen Stützpunktes im Nadeldiagramm vom Ursprung. Aus diesem Abstandsspektrum werden die einzelnen Nadeln durch Betrachtung der Maxima und der damit verbundenen Fußpunkten ermittelt. Nur solche Nadeln, die eine Reihe gegebener Kriterien erfüllen, werden für die weiteren Betrachtungen beibehalten. Die so reduzierte Auswahl von Nadeln wird einer weiteren Klassifizierung unterzogen. Nadeln die das Nutzsignal repräsentieren, müssen dabei als Kriterien erfüllen, daß: die Peaks gut in eine harmonische Frequenzserie passen, so viele wie mögliche harmonische Wellen vorhanden sind, die Nadeln möglichst dünn sind und die Frequenz der Grundwelle sowie der Sättigungswert, die Perfusion und die Pulsrate in physiologischen Bereichen liegen. Dabei erfolgt eine Gesamtbewertung für jede Nadel durch Punktvergabe bzw. K.O. -Kriterium für jedes dieser Kriterien. Die Nadel, die die meisten Punkte erhält, oder anders gesagt, die den Kriterien am besten gerecht wird, und zumindest eine Minimalanzahl an Punkten erhalten hat, wird zur Ermittlung des Ausgabewertes für den pulsoximetrischen Meßwert herangezogen. Optional kann als Plausibilitätskontrolle noch ein Vergleich mit vorangegangenen Ausgabewerten herangezogen werden, und bei signifikantem Abweichen von den vorausgegangenen Ausgabewerten wird der neu ermittelte Ausgabewert verworfen, und es kommt kein neuer Wert zur Anzeige.

2 Die Verfahren zur Ermittlung des Nutzsignals durch Transformation in den Frequenzraum haben sich als deutlich störungsunempfindlicher gegenüber den Filterverfahren im Zeitbereich erwiesen. Allerdings kann es auch hier bei diesen Methoden im Frequenzbereich, je nach Störungssituation, zu Unsicherheiten kommen, in denen entweder vorsichtshalber kein Wert oder nur ein mit Fragezeichen behafteter Wert ausgegeben werden kann.

ZUSAMMENFASSUNG DER ERFINDUNG

Es ist deshalb Aufgabe der vorliegenden Erfindung, die Erkennung eines periodischen Nutzsignals in einem ermittelten Meßsignal weiter zu verbessern. Die Aufgabe wird gelöst durch die Merkmale der unabhängigen Ansprüche. Vorteilhafte Ausführungsformen sind in den abhängigen Ansprüchen angeführt.

Erfindungsgemäß erfolgt die Erkennung eines periodischen Nutzsignals in einem (gestörten) Meßsignal durch einen mehrstufigen Prozeß:

In einem ersten Schritt erfolgt eine Transformation für ein gegebenes Zeitfenster des Meßsignals in den Frequenzbereich. Hierfür eignet sich insbesondere die Fast-Fourier- Transformation (FFT), jedoch können auch beliebige andere Transformationen verwendet werden.

Optional kann eine Filterung des Meßsignals der Transformation vorausgehen oder sich dieser anschließen. Vorzugsweise erfolgt eine derartige Filterung z.B. durch Reduzierung des Gleichanteils (insbesondere wie beschrieben in EP-A-870466 oder EP-A-870465) und/oder durch Unterdrückung transienter Störungen (insbesondere wie beschrieben in der oben angeführten Internationalen Patentanmeldung der Anmeiderin vom selben Anmeldetag mit dem internen Aktenzeichen: 20-99-0010).

In einem zweiten Schritt erfolgt eine Identifikation von Frequenzpeaks (oder auch Nadeln genannt) in dem transformierten Zeitfenster des Meßsignals. Eine derartige Identifikation kann vorzugsweise unter Zuhilfenahme eines Abstandsspektrums, wie oben für den Nadelkissenalgorithmus des EP-A-870466 beschrieben, erfolgen.

In einem dritten Schritt erfolgt eine Zuordnung identifizierter Frequenzpeaks des aktuellen Zeitfensters zu zeitlichen Verläufen (oder auch Faden genannt) identifizierter Frequenzpeaks eines oder mehrerer vorangegangener Zeitfenster, insofern identifizierte Frequenzpeaks bereits vorliegen Vorzugsweise erfolgt diese „Verkettung der Nadeln zu Faden" durch eine Initialisierung z B bei einem Neustart, wobei der erste erhaltene Satz von Nadeln genommen wird, um einen Satz von Faden zu gründen Dem kann sich eine fortlaufende Ang ederung passender Nadeln anschließen, wobei eine Nadel als passend angesehen wird, wenn sich zum letzten Glied im Faden wenig Abweichungen bezüglich vorgegebener Kriterien ergeben Vorzugsweise wird dabei die Entscheidung, ob eine Nadel als passend angesehen wird, mit Hilfe einer Verknüpfung gegebener Kriterien durch eine unscharfe Logik, wie der Fuzzy-Logic, durchgeführt Kann dann einem vorhandenen Faden keine neue Nadel zugeordnet werden, so bleibt vorzugsweise eine Lücke, und der Faden kann entweder beendet oder durch einen neuen Faden ersetzt werden, sofern die Lücke zu lang wird (vorzugsweise etwa 30 s)

In einem vierten Schritt erfolgt eine Zuordnung der zeitlichen Verläufe (Faden) zu einer oder mehreren Familien, die jeweils aus einer Grundwelle und einer oder mehreren Oberwellen bestehen Eine derartige Zuordnung oder Verkettung der Faden zu Harmonischen erfolgt vorzugsweise durch Untersuchung, inwieweit bestimmte charakteristische Merkmaie zwischen den Faden existieren, die gemeinsam darauf hindeuten, daß die Faden zum gleichen Nutzsignal gehören Eine solche Untersuchung erfolgt vorzugsweise durch Verknüpfung geeigneter Kriterien wie harmonische Frequenzbeziehung, erwarteter Amplitudenabfall der Oberwellenreihe und/oder verhaltnisgleiche Trendentwicklung der Frequenzen und/oder Amplituden Der Verknüpfung der Kriterien erfolgt vorzugsweise ebenfalls durch eine unscharfe Logik wie die Fuzzy-Logic

In einem fünften Schritt erfolgt dann eine Auswahl einer Familie als diejenige, die das Nutzsignal repräsentieren soll Bei der Formulierung „repräsentieren soll" ist zu verstehen, daß die Frage, ob die ausgewählte Familie auch tatsächlich das Nutzsignal repräsentiert, gerade auch von den verwendeten Auswahlkriterien abhangt Da allerdings, außer bei simulierten Signalverhaltnissen, nie mit absoluter Gewißheit eine Familie als die „wahre", das Nutzsignal repräsentierende Familie erkannt werden kann, muß die Auswahl immer im Sinne einer höchsten Wahrscheinlichkeit (für das Repräsentieren des Nutzsignals durch die ausgewählte Familie) betrachtet werden.

Vorzugsweise erfolgt die Auswahl einer Familie ebenfalls durch Verknüpfung vorgegebener Kriterien wie Existenz von Grundwelle, erster Oberwelle und zweiter Oberwelle, durchschnittliche Paßgenauigkeit der Fäden, Anzahl der gültigen Nadeln in einem Faden (d.h. die Länge des Fadens), Stetigkeit bzw. „Löchrigkeit" eines Fadens, und Beziehungsgüte zwischen Grundwelle und erster Oberwelle, Grundwelle und zweiter Oberwelle sowie erster Oberwelle zur zweiten Oberwelle. Die Verknüpfung der Kriterien erfolgt vorzugsweise ebenfalls durch eine unscharfe Logik wie die Fuzzy-Logic.

Die Auswahl einer Familie kann auch oder zusätzlich durch eine Plausibilitätsüberprüfung der Familie gegenüber vorangegangenen Ausgabewerten erfolgen, wobei die plausibelste Familie ausgewählt wird.

Aus der ausgewählten Familie wird schließlich in einem sechsten Schritt ein Frequenzpeak des aktuellen Zeitfensters als derjenige ausgewählt, der den Meßwert des Nutzsignals in diesem Zeitfenster repräsentieren soll. Aus diesem ausgewählten Frequenzpeak kann dann der aktuelle Meßwert des Nutzsignals berechnet oder anderweitig ermittelt werden, insoweit dieser dem Meßwert nicht bereits entspricht. Die Formulierung „repräsentieren soll" ist auch hier so zu verstehen, daß die Auswahl im Sinne einer höchsten Wahrscheinlichkeit (für das Repräsentieren des Meßwerts des Nutzsignals durch den ausgewählten Frequenzpeak) betrachtet wird.

Die Auswahl des den aktuellen Meßwert des Nutzsignals repräsentierenden Frequenzpeaks erfolgt vorzugsweise durch Verknüpfung vorgegebener Kriterien mittels einer unscharfen Logik wie der Fuzzy-Logic. Als Kriterien werden dabei vorzugsweise solche Kriterien angewandt, die auf eine Plausibiiität des aktuellen Meßwertes gegenüber vorangegangenen Meßwerten und/oder gegenüber erwarteten oder sinnvollen Werten abgestellt sind.

Optional kann nach Auswahl des Frequenzpeaks im sechsten Schritt eine Plausibilitätsüberprüfung durchgeführt werden, um zu überprüfen, ob der ausgewählte Frequenzpeak auch tatsächlich einem erwarteten Meßwert des Nutzsignals entspricht und ob gegebenenfalls ein von dem ausgewählten Frequenzpeak abgeleiteter Meßwert zu einer Ausgabe gelangen soll, oder ob für dieses Zeitfenster überhaupt kein Meßwert ausgegeben werden soll. Eine derartige Plausibiltätsüberprüfung erfolgt vorzugsweise durch einen Vergleich des aktuellen Meßwertes mit vorangegangenen Meßwerten und/oder mit erwarteten oder sinnvollen Werten.

Vorzugsweise erfolgt die Ausgabe eines Meßwertes für das aktuelle Zeitfenster zusammen mit einem Qualitätsindikator, der eine quantitative Aussage über die Zuverlässigkeit des ausgegebenen Meßwerts trifft. Vorzugsweise wird dieser Qualitätsindikator entsprechend der Internationalen Patentanmeldung desselben Anmelders mit demselben Anmeldetag (internes Aktenzeichen 20-99-001 1 ) ermittelt. Die Beschreibung der Ermittlung des Qualitätsindikators in dieser Patentanmeldung sei durch Bezugnahme ebenfalls Bestandteil der vorliegenden Offenbarung.

Die vorliegende Erfindung findet Anwendung vorzugsweise für die Nutzsignalfilterung medizinischer Meßsignale, wie im Bereich der Pulsoximetrie, der Blutdruckmessung (invasiv oder nicht-invasiv) oder der Herzfrequenzbestimmung mittels EKG oder Ultraschall. Allerdings ist die Erfindung nicht auf die Signalfilterung insbesondere in der hier dargestellten Pulsoximetrie begrenzt, sondern läßt sich für die Nutzsignalfilterung beliebiger Meßsignale anwenden.

Ebenso kann die Erfindung auch zur Nutzsignalfilterung solcher Anwendungen verwendet werden, bei denen die Meßwerte nur aus einem oder aber aus mehreren Rohsignalen ermittelt werden.

Zur Verknüpfung von Kriterien und Faktoren werden in bevorzugten Ausführungsformen die Prinzipien der bekannten Fuzzy-Logic angewendet, wie sie insbesondere in Altrock C, „Fuzzy Logic: Band 1 , Technologie", Oldenburg Verlag, München, 1995 im Detail beschrieben werden und hier unter Verweis auf diese und andere Grundlagenliteratur nicht näher aufgeführt werden sollen.

Während in dem in EP-A-870466 beschriebenen Nadelkissenalgorithmus die Vergangenheitswerte lediglich zur Auswahl einer auszugebenden Nadel aus der Grundwelle berücksichtigt werden, erfolgt gemäß der Erfindung eine Berücksichtigung der Vergangenheitswerte zur Auswahl einer harmonischen Familie von Fäden, die sowohl Grundwelle als auch Oberwelle(n) enthalten. Aus der ausgewählten harmonischen Familie wiederum erfolgt dann die Auswahl eines Familienmitgliedes aus der ausgewählten Familie, das den aktuellen Meßwert des Nutzsignals repräsentieren soll. Die erfindungsgemäße Auswahl einer harmonischen Familie erlaubt somit, daß, falls die Grundwelle gestört ist, auch eine Oberwelle als Familienmitglied ausgewählt werden kann, und umgekehrt, und erhöht somit deutlich die Sicherheit und Zuverlässigkeit des Auswahlprozesses und damit auch die Glaubwürdigkeit des gegebenenfalls ermittelten Nutzsignalmeßwertes. Vorteilhaft insbesondere auch gegenüber dem angeführten Nadelkissenalgorithmus ist ferner, daß vorangegangene Zeitfenster auch für die Auswahl der Familienmitglieder berücksichtigt werden. Bei dem Nadelkissenalgorithmus, im Gegensatz dazu, werden vorangegangene Zeitfenster lediglich für eine Punktbewertung für die Grundwelle herangezogen.

Insgesamt führt die Anwendung der erfindungsgemäßen Nutzsignalfilterung zu einer spürbaren Verbesserung insbesondere bei der Erkennung des Nutzsignals unter schwierigen Störverhältnissen. Insbesondere auch bei vorangegangener Störungsfilterung gemäß der angeführten Internationalen Patentanmeldung (internes Aktenzeichen der Anmelderin 20-99-0010) lassen sich damit immer schwierigere Meßsituationen bewältigen, und bei weiterer Ermittlung und Anzeige eines Qualitätsindikators gemäß der Internationalen Patentanmeldung (internes Aktenzeichen der Anmelderin 20-99-0011) kann die Zuverlässigkeit und Aussagefähigkeit gerade bei schwierigen Messungen, wie in der Pulsoximetrie, zudem deutlich erhöht werden.

KURZE BESCHREIBUNG DER ZEICHNUNGEN

Die Erfindung wird im Folgenden weiter unter Heranziehung der Zeichnungen erläutert, wobei sich gleiche Referenzzeichen auf gleiche oder funktional gleiche oder ähnliche Merkmale beziehen.

Fig. 1 stellt in einem Blockbild die Verarbeitungsgliederung gemäß einer bevorzugten Ausführungsform der Erfindung dar,

Fign. 2A und 2B zeigen ein Beispiel eines gestörten pulsoximetrischen Signals in

Frequenzdarstellung und als Nadeldiagramm, Fig. 3 zeigt ein Beispiel eines Abstandsspektrums 300 für einen relativ ungestörten Standardfall,

Fign. 4 zeigen SpO₂-Wert, Schwerpunktfrequenz, Perfusionsanteil und Paßgenauigkeit einer störungsarmen (Fig. 4A), einer gestörten (Fig. 4B) und einer erfϊndungsgemäß entstörten (Fig. 4C) Episode, und

Fig. 5 zeigt eine schematische Darstellung einer Ausgabespeicherbefüllung durch Nutzung der Oberwellen.

DETAILLIERTERE BESCHREIBUNG DER ZEICHNUNGEN

Im Folgenden soll ein bevorzugtes Anwendungsbeispiel für eine erfindungsgemäße Erkennung eines periodischen Nutzsignals in einem gestörten Meßsignal bei der Ermittlung der Sauerstoffsättigung dargestellt werden. Da es sich bei der Bestimmung der Sauerstoffsättigung um hinlänglich bekannte Verfahren handelt, sollen diese hier im einzelnen nicht näher dargestellt werden, und für Details wird insbesondere auf die eingangs angeführten Referenzen verwiesen.

Insbesondere sei auch auf den Nadelkissenalgorithmus des EP-A-870466 verwiesen, der ebenfalls die Auswahl des „richtigen" Frequenzpeaks im Fourierraum zum Gegenstand hat. Bis auf die Auswahl als solche lassen sich daher viele der in EP-A-870466 beschriebenen Verfahrensschritte analog auf die Erfindung anwenden.

Wie bereits eingangs erwähnt, entspricht es der üblichen Pulsoximetrie-Methode die Signale im Zeitbereich zu filtern, zu bewerten und dann die entsprechenden Rot- und Infrarot-Amplituden in Beziehung zu setzen. Im Gegensatz dazu basiert die Grundidee sowohl des bekannten Nadelkissenalgorithmus (EP-A-870466) als auch der erfindungsgemäßen Ausführungsform (im Folgenden auch Fuzzy-Nadel-Algorithmus - FNA - genannt) darauf, die Signale einer Frequenztransformation zu unterwerfen und dann die transformierten Signale zu filtern, zu bewerten und die Transformationskoeffizienten zur Bestimmung der Puisoximeter-Ergebnisse wie Sauerstoffsättigung, Pulsfrequenz und Perfusionsindex heranzuziehen.

Figur 1 stellt in einem Blockbild die Verarbeitungsgliederung gemäß einer bevorzugten

3 Ausfuhrungsform der Erfindung dar Das gesamte Verfahren wird zyklisch mit einem Takt von vorzugsweise einer Sekunde wiederholt d h jede Sekunde ist ein Auffrischen der Ausgabewerte möglich

Zunächst werden die beiden gemessenen Rohsignale (Block 50) für Rot und Infrarot (IR) einer Vorverarbeitung in einem Schritt 100 unterzogen Hierbei wird jedes Rohsignal kontinuierlich auf seinen gleitenden DC-Wert normiert Das Verhältnis der beiden hierdurch entstandenen Signale steht nun schon in einer direkten Beziehung zum SpO₂-Wert Diese Signale enthalten neben den Nutzsignalen auch noch alle möglichen Storkomponenten, die in das Basisband (0 bis etwa 10 Hz) der Pulsoximetπe fallen

Ein erster Schritt die Artefaktkomponenten zu eliminieren wird in einer Wavelet- Entstorungsstufe (Wavelet-Denoising) 110 unternommen Dazu werden die Signale zunächst in kurze Abschnitte geteilt vorzugsweise Fenster von 8 Sekunden, und mittels geeigneter Wavelets in Koeffizienten zerlegt Die Wavelet-Koeffizienten werden manipuliert mit dem Ziel, besonders artefakthaltige Frequenz- und Zeitbereiche zu unterdrucken Mit diesen modifizierten Wavelet-Koeffizienten wird anschließend die Rucktransformation in den Zeitbereich vorgenommen Für weitere Einzelheiten der Wavelet-Entstorung wird auf die Internationale Patentanmeldung (internes Aktenzeichen 20-99-0010) derselben Anmelderin mit demselben Anmeldetag verwiesen, und deren Gegenstand bezüglich der Wavelet-Entstorung sei durch Inbezugnahme Gegenstand der vorliegenden Offenbarung Wavelet-Transformationen werden insbesondere in Mallat SG, ,A Wavelet Tool Of Signal Processing, Academic Press, San Diego, 1998, Wickerhauser MV "Adaptive Wavelet- Analysis", Vieweg&Sohn Braunschweig, 1996, oder Daubechies I, „Ten Lectures on Wavelets", CBMS Vol 61 SIAM Press Philadelphia, PA, 1992, beschrieben

In einer dritten Stufe 120 findet eine Kurzzeit-Fouπer-Transformation (FFT) statt, ebenfalls abschnittsweise basierend auf den oben zurückerhaltenen Signalabschnitten

Nun folgt eine weitere Stufe 130 der Storunterdruckung (Realteilfilterung) Die beiden gewonnenen komplexen Spektren (Rot und Infrarot) werden in der komplexen Frequenzebene miteinander in fadenmaßige Beziehung gesetzt und aufeinander abgebildet Dies stellt eine Maßnahme dar, die besonders zur Unterdrückung unkorrelierter Storungselemente beitragt Solche Störungen findet man zum Beispiel bei sehr schwachen Signalen, wenn der Anteil von opto-elektπschen Rauschen hoch wird

Nachdem aus den komplexwertigen Rot/Infrarot-Spektren die jeweiligen Amplitudenspektren generiert wurden, gilt es in einer Stufe 140, einzelne Peaks (wegen ihrer Form in der parametrischen Darstellung in der „Ratio' - Ebene auch „Nadeln" genannt) zu identifizieren und zu charakterisieren Bei einem storungsarmen Signal sind das im wesentlichen die Grund- und Oberweilen des Plethysmogramms Pro Algorithmus- Zyklus werden vorzugsweise bis zu 10 solcher Peaks isoliert Jeder dieser Peaks kann unter anderem mit einem bestimmten SpO₂-Wert, einer Frequenz und einer Amplitude charakterisiert werden

In einem Schritt 150 werden nun alle Peaks, die im momentanen Zyklus gewonnen wurden, mit den Peaks aus der Vergangenheit sinnvoll verkettet, so daß zusammenhangende Peak-Muster (auch Faden genannt) erhalten werden Diese Faden werden dann nach ihrer „Starke" bewertet und nach Harmoniekriterien zu „Familien" zusammengestellt Der Begriff der Harmonie ist dabei über die frequenzmaßige Beziehung hinaus zu sehen Steht nun eine Zahl von Familien zur Verfugung, wird mit einigen weiteren Relativkriterien bestimmt, welche der Familien das Nutzsignal repräsentiert Die Eigenschaften der Mitglieder dieser selektierten Familie werden dann dazu verwendet, die gewünschten Ausgabewerte zu ermitteln Diese Bewertungsaufgaben sind bei Störungen eine sehr diffizile Sache Es hat sich gezeigt, daß zahlreiche komplexe Verknüpfungen vorgenommen werden sollten, um ein robustes Erkennungssystem zu erhalten, das treffsicher zwischen Nutzsignal und Artefakt unterscheiden kann Diese Aufgabe kann vorzugsweise durch den Einsatz einer unscharfen Logik, wie der Fuzzy-Logic erfolgreich und übersichtlich durchgeführt werden

In einem Schritt 160 erfolgt schließlich eine Ausgabe-Filterung und Zustandsbewertung Ein nicht-lineares, adaptives Filter sorgt für eine Glattung der Anzeigewerte, die besonders in stark gestörten Situationen notwendig ist Die in der Stufe 150 gewonnenen Spontanwerte werden zunächst in einen, vorzugsweise 60 Sekunden tiefen, Ausgabespeicher übergeben, aus dem dann je nach Signalqualitat ein mehr oder weniger weit in die Vergangenheit zurückreichender Mittelwert gebildet wird Außerdem kann hier noch eine Bewertung der momentanen Signalqualitat und des Signalverlaufs der jüngsten Vergangenheit stattfinden, um zu entscheiden, ob die Ausgabewerte ausgeblendet werden sollen (das heißt zum Beispiel die Anzeige auf „-?-" oder „0" zu setzen), weil eine zuverlässige Ableitung nicht gewährleistet werden kann. Hinsichtlich der Bewertung der Signalqualität sei im einzelnen auf die Internationale Patentanmeldung (internes Aktenzeichen 20-99-0011 ) derselben Anmelderin mit demselben Anmeldetag verwiesen, und deren Gegenstand hinsichtlich der Bewertung der momentanen Signalqualität sei durch Inbezugnahme Gegenstand der vorliegenden Offenbarung.

In einem letzten Schritt 170 können nun die ermittelten Meßwerte, wie der SpO₂-Wert, der Pulsrate (PR), der Perfusionsindex (Perf) und gegebenenfalls kein Ausgabewert (INOP) zu einer Anzeige gebracht werden.

Es ist zu verstehen, daß insbesondere die Schritte 100, 110 und 130 für die Ausführung der vorliegenden Erfindung nicht erforderlich sind, jedoch als optionale Schritte zur Signalverbesserung vorzugsweise durchgeführt werden. Ferner ist auch der Schritt 160 für den Gegenstand der Erfindung nicht wesentlich, erlaubt jedoch auch hier hinsichtlich der Ausgabezuverlässigkeit eine weitere Verbesserung. Schließlich ist auch der Anzeigeschritt 170 nur optional, und die gewonnenen Meßwerte können zum Beispiel für eine anderweitige Weiterverarbeitung herangezogen werden. Auf die Schritte 100-130 soll im Folgenden nicht weiter eingegangen werden, da es sich hierbei um im Stand der Technik bekannte und für den Gegenstand der Erfindung im einzelnen nicht näher interessierende Verfahrensschritte handelt.

Als Ergebnis der Verarbeitungsstufen 100-130 liegt ein Gleichanteil- (DC) -normiertes Spektrum für Rot und Infrarot vor. Im daran anschließenden Schritt 140 geht es nun darum, die relevanten Anteile in diesem Spektrum zu identifizieren und zu charakterisieren.

Als „Peaks" werden im Folgenden ausgeprägte Erhebungen in den Amplitudenspektren, also in einem Amplituden-Frequenz-Diagramm bezeichnet. Als „Nadeln" hingegen werden ausgeprägte Erhebungen in einer parametrischen x-y-Darstellung der beiden Amplitudenspektren von Rot und Infrarot mit der Frequenz als Parameter bezeichnet. Liegt eine gute Korrelation der beiden Zeitsignale vor, sind auch die Spektren ähnlich und die Peaks bilden sich im parametrischen Diagramm als schlanke Nadeln ab. Es sei darauf hingewiesen, daß die Breite der Peaks nichts mit der Breite der Nadeln zu tun hat. Allein

11 der Ähnlichkeit der Form der korrespondierenden Rot- bzw. Infrarot Peaks bestimmt die Schlankheit der Nadeln: Je ähnlicher, desto schmaler.

Figur 2A zeigt ein Beispiel eines kräftig gestörten, aber noch beherrschbaren pulsoximetrischen Signals. Die Spektren zeigen eine intensive Störung im Bereich 1 Hz. Die Grundwelle des Nutzsignals wird um ca. 2.5 Hz sichtbar und zeigt darüber hinaus noch drei Harmonische. Figur 2B zeigt dasselbe Spektrum wie in Figur 2A, jedoch als Nadeidiagramm. In diesem Nadeldiagramm erzeugt das Nutzsignal die flachen ineinander geschachtelten Nadeln, während die tieffrequentere Störung amplitudenmäßig herausragt, aber aufgrund der steileren Richtung auf einen niedrigeren SpO₂-Wert hindeutet. Die Steigung der Nadeln im Nadeldiagramm entspricht im Prinzip, aufgrund der Linearität der Fourier-Transformation, dem SpO₂-Sättigungsverhältnis. Genauere Angaben über die Berechnung des SpO₂-Wertes lassen sich insbesondere der bereits angeführten Anmeldung EP-A-870466 (Nadelkissenalgorithmus) entnehmen.

Zur Identifikation der Peaks, bzw. Nadeln wird aus den Rot- und Infrarotspektren ein sogenanntes Abstandsspektrum gebildet, mit:

A(ω) = _jS_li(ω + S_IH(ω)²

Dieses Spektrum beschreibt die Distanz jedes einzelnen Stützpunktes im Nadeldiagramm vom Ursprung. Figur 3 zeigt ein Beispiel eines Abstandsspektrums 300 für einen relativ ungestörten Standardfall.

Als Randbedingung sollen vorzugsweise bis zu 10 einzelne Nadeln pro Algorithmus-Zyklus identifiziert werden. Von diesen Nadeln beschreiben normalerweise etwa 3 bis 5 die Grundwellen und Oberwellen des Nutzsignals, und der Rest wird durch Störanteile bestimmt. In einer bevorzugten Ausführungsform wird als Verfahren zur Nadelidentifikation folgende Prozedur durchgeführt:

• Bilde durch symmetrische Mittelung des Abstandsspektrums 300 eine Schwellwertfunktion 310.

• Bilde der Differenz des Abstandsspektrums 300 zu der Schwellwertfunktion 310. • Suche in diesem Differenzspektrum die 10 größten Peaks, angefangen beim Größten

• Bestimme jeweils die Fußpunkte links und rechts

Die Schwellwertfunktion 310 hat die Aufgabe breitgezogene Peaks in den Spektren zu unterdrucken, schmalere Erhebungen hervorzuheben und die Empfindlichkeit der Detektion dann herunterzusetzen, falls viele Peaks eng benachbart sind, also wenn zum Beispiel ein Nutzpeak von Storpeaks stark „bedrangt" wird Die Schwellwertfunktion S(ι) bestimmt sich vorzugsweise nach folgender Formel

S(ι) = —!— ∑A )

mit den Stutzpunkten des Spektrums i Vorzugsweise wird für eine Filterbreite der Wert k = 3 Frequenzstutzstellen und ein Liftfaktor 1 =1 3 verwendet

Die Peaks werden vorzugsweise der Große nach in abfallender Reihenfolge durch Maximalwertsuche identifiziert Die Suche wird beendet, nachdem entweder 10 Peaks gefunden wurden oder wenn kein Peak mit einer Amplitude von > 2%, bezogen auf den größten Peak, mehr vorhanden ist

Zur Bestimmung des linken und rechten Fußpunktes werden vorzugsweise als Kriterien für den Abbruch der Fußpunktsuche, startend von der Spitze weg, folgende Kriterien festgelegt

• Das Abstandsspektrum 300 muß die Schwellwertfunktion 310 mindestens einmal, maximal zweimal unterschritten haben,

• UND die Hohe des nächsten Samples wurde einen Wiederanstieg bedeuten,

• ODER der Fußpunkt eines zuvor gefundenen Peaks wird erreicht (gemeinsamer Fußpunkt),

• ODER die untere spektrale Grenze (0 Hz) oder die obere Maximalfrequenz (z B 10 Hz) wird erreicht

Für jede der so identifizierten (bis zu 10) Nadeln wird eine Reihe von Eigenschaften ermittelt, die einer späteren Klassifizierung dienen und die Basis zur Bestimmung der auszugebenden Pulsoximeterwerte bilden. Vorzugsweise sind dies:

• Schwerpunktsfrequenz; gebildet aus der linken und rechten Fußpunktsfrequenz und dem Abstandsspektrum aus den Stützstellen i;

• Perfusionsanteil aus der Höhe der maximalen Rot- und Infrarotamplituden;

• SpO₂-Wert aus der Steigung der Nadeln (= Ratio);

• Korrelationskoeffizient der Regressionsgeraden durch die Nadelstützpunkte.

In einer bevorzugten Ausführungsform werden weitere Kriterien dafür herangezogen, ob das Signal einem gewissen Mindestanspruch genügt und ausreichende Merkmale eines Plethysmogramms besitzt. Falls nicht, sollen die erkannten Nadeln vollständig unterdrückt werden, da sonst ein hohes Risiko dafür besteht, daß Störungen versehentlich als Nutzsignal zugelassen werden oder daß eine übermäßige Störungsüberlagerung zu großen Meßfehler führt. Als vorteilhaft haben sich dabei insbesondere folgende Kriterien dargestellt:

• Korrelation der Zeitsignale (Rot und Infrarot)

• zu viele hohe Peaks

• Abfall der Amplitude des Spektrums in Richtung der Oberwellen

• Streuung der Fourier-Koeffizienten

• Flächenanteil der Peaks

• Streuung der SpO₂-Werte, die den selektierten Nadeln zugeordnet werden.

Überschreitet vorzugsweise eines dieser 6 Kriterien einen jeweils vorgegebenen Grenzwert, so führt dies vorzugsweise zu einer Ausbiendung aller gefundenen Nadeln dieses Zyklus. Das Ausbleiben der Nadeln wird zwar nicht sofort, aber über eine gewisse Zeit, je nach Vorgeschichte, zu einer gewünschten INOP-Anzeige des Pulsoximeters führen. Mit jedem Taktzyklus (vorzugsweise 1 s) des erfindungsgemäßen Fourier-Nadel- Algorithmus (FNA) werden im Schritt 140 bis zu 10 Nadeln gefunden und charakterisiert. Im anschließenden Schritt 150 erfolgt dann, vorzugsweise mit einer Fuzzy-Logic- Verknüpfung, eine Verkettung der neu gewonnenen Nadeln mit sogenannten Fäden. Fäden bestehen aus aneinandergereihten „passenden" Nadeln aus vorherigen Zyklen, also dem zeitlichen Trend aus der jüngeren Vergangenheit. Zyklus für Zyklus werden die Nadeln, soweit passend, auf vorhandene Fäden aufgereiht, geradeso wie Perlen auf eine Schnur. Findet eine Nadel keinen passenden Faden, so kann diese, unter bestimmten Voraussetzungen, einen neuen Faden beginnen. Vorzugsweise bis zu 10 Fäden werden parallel gehalten und verfolgt.

Figur 4A zeigt eine störungsarme Episode, bei der außer einer atmungsinduzierten Nebenlinie im Tieffrequenzenbereich um ca. 1 Hz die dominierenden Fäden vom Nutzsignal herrühren. Das Diagramm links oben stellt dabei den SpO₂-Wert in Prozent, das Diagramm links unten die Schwerpunktfrequenz in Hz, das Diagramm rechts oben den Perfusionsanteil in Prozent und das Diagramm rechts unten die Paßgenauigkeit aller Nadeln nach einer Punkte-Bewertungsskala, in der 100 das Maximum darstellt, dar. Akzeptierte Nadeln, die zu Fäden gehören, sind als kleine Balken dargestellt, während verworfene Nadeln durch andere Symbole gekennzeichnet sind. Im Trenddiagramm der Frequenzen (links unten) erkennt man das Nutzsignal bei knapp 3 Hz und Vielfachen davon. Da es sich um ein störungsarmes Signal handelt, erreichen fast alle Nadeln die maximale Paßgenauigkeit (hier: 100 Punkte), was in dem Diagramm rechts unten nicht zu erkennen ist, da die verschiedenen Fäden übereinander gezeichnet sind.

Figur 4B stellt die in Fig. 4A gezeigte Episode nach Hinzufügen einer kräftigen Störung dar. Durch die „Störer" gibt es viele zusätzliche Fäden, welche auch zu weiter gestreuten SpO₂- Werten (vergleiche links oben) führen und vermehrt schlechtere Paßgenauigkeiten (vergleiche rechts unten) mit sich bringen. Die Störungen liegen von der Amplitude her teilweise deutlich über dem Nutzsignal (vergleiche rechts oben).

Zwar entstehen durch das Hinzufügen der Störung in Fig. 4B eine ganze Reihe neuer kurzer Fadenstücke, allerdings sind die Hauptfäden noch fast unverfälscht auszumachen, wie dies in Fig. 4C dargestellt ist. Aus diesen selektierten Hauptfäden können dann in einem späteren Algorithmus-Schritt noch verhältnismäßig korrekte Ausgabewerte gewonnen werden.

Die Fadengenerierung gliedert sich vorzugsweise in die Abschnitte:

• Initialisierung: Beginn der Fäden;

• Fortlaufende Angliederung passender Nadein:

• Beendung von „alten" ausgelaufenen Fäden und Ersetzen durch neue Fäden.

Zur Initialisierung wird bei einem Neustart (zum Beispiel bei Einschalten des Gerätes, neu gestecktem Sensor oder einer Aus-Zeit nach einer erfolglosen Signalsuche) der erste erhaltene Satz von Nadeln genommen, um einen Satz Fäden zu begründen. Dazu sind keine weiteren Bedingungen für die Nadeln zu erfüllen.

Für eine Angliederung passender Nadeln wird vorzugsweise eine Nadel als passend angesehen, wenn sich zum letzten Glied im Faden wenig Abweichung bzgl.:

• Schwerpunktsfrequenz

• des SpO₂-Wertes

• des Perfusionsanteils (Amplitude des Peaks, Länge der Nadel)

ergeben. Die Kriterien für „passend" werden vorzugsweise mit Hilfe einer Fuzzy-Logic- Verknüpfung definiert. Dazu werden zunächst zwischen jeder Nadel i und jedem Faden k (konkret: der letzten dort angegliederten Nadel) die Abweichungen berechnet. Bei maximal 10 Nadeln und 10 Fäden ergeben sich also maximal 100 Vergleiche. Die Abweichungen der Schwerpunktsfrequenz des SpO₂-Wertes und des Perfusionsanteils werden mit Hilfe der Fuzzy-Logic zu einem Paßgenauigkeitswert (PFaden) verarbeitet, der auf einer Punkteskala (zum Beispiel 0-100) die Güte der Passung beschreibt, wobei die volle Punktzahl von 100 erreicht wird, wenn Nadel und Faden ideal oder fast ideal übereinstimmen. Um als Nadel in einen Faden aufgenommen zu werden, wird vorzugsweise ein Schwellwert für die Paßgenauigkeit festgelegt. Oft wird der überwiegende Teil der Fäden durch vorübergehende Störungen belegt. Durch die transiente Natur vieler Bewegungsartefakte kommt es dazu, daß nach kurzer Zeit (etwa einigen Sekunden) für solche Fäden keine neuen Nadeln mehr gefunden werden können. Es ist auch möglich, daß vorübergehend für die „Nutzfäden" die im Prinzip vorhandenen, aber nicht akzeptablen Nadeln ausbleiben, weil sie zu sehr von Störungen überdeckt sind. In diesem Fall bleiben vorzugsweise die entsprechenden Fäden für diesen Zyklus einfach unbesetzt und es entsteht eine Lücke.

Sollte der Faden eines Nutzsignals doch einmal abreißen, wird vorzugsweise eine Möglichkeit geboten, daß neue Fäden entstehen können. Dies kann durch folgenden Prozeß geschehen:

• Identifiziere von den nicht zuordenbaren Nadeln diejenige mit der größten Länge (Perfusionsanteil) als Kandidat um einen Faden zu beginnen.

• Identifiziere einen der 10 Fäden, der neu gestartet werden kann, nach folgender Prioritätenliste:

1. Nimm einen unbelegten Faden, falls noch vorhanden.

2. Ersetze den Faden mit der größten Lücke, falls dieser größer als 30 s ist.

3. Ersetze den Faden mit der schlechtesten Qualität.

Sollte der Neustart eines Fadens im momentanen Zyklus unmöglich sein, weil keines der genannten Kriterien erfüllt ist, wird der identifizierte Kandidat verworfen, so wie alle anderen nicht zuordenbaren Nadeln auch.

Nachdem nun bis zu 10 Fäden unterschiedlicher Qualität vorliegen, wird als nächster Schritt in der Verarbeitungskette untersucht, inwieweit bestimmte charakteristische Merkmale zwischen den Fäden existieren, die gemeinsam darauf hindeuten, daß die Fäden zum gleichen plethysmographischen Nutzsignal gehören. Als Gemeinsamkeitsmerkmale zwischen zwei Fäden werden dabei vorzugsweise angewendet:

• eine in etwa harmonische Frequenzbeziehung (1 :2, 1 :3, 2:3) • ein in etwa gleicher SpO₂-Wert

• ein etwa erwarteter Amp tudenabfall der Oberwellenreihe für ein plethysmographisches Signal

• eine etwa verhaltπisgleiche Trendentwicklung der Frequenzen

• eine etwa gleiche Trendentwicklung der SpO₂-Werte

• eine etwa verhaltnisgleiche Trendentwicklung der Perfusionsanteile

Für jeden Faden wird zunächst eine Statistik über seine Komponenten, Frequenz, SpO₂- Wert, Perfusionsgenauigkeit, „Locheranteil" durchgeführt, die bis zum Fadenbeginn, höchstens aber vorzugsweise 25 s, in die Vergangenheit eines Fadens zurückreicht (Statistikzeitraum) Hierbei werden für jede Komponente der Mittelwert und eine Regressionsgerade mit entsprechender Steigerung ermittelt

Jeder der 10 möglichen Faden wird nun mit jedem anderen Faden zur Bestimmung der Gemeinsamkeitsmerkmale verglichen Vorzugsweise kann hinsichtlich der harmonischen Frequenzbeziehung die Prüfung auf eine harmonische Beziehung nur bis zur zweiten Oberwelle beschrankt werden, weil die Amphtudenbeitrage weiterer Harmonischer im allgemeinen zu vernachlässigen sind und bei Störungen schnell nutzlos werden Daraus ergeben sich hier maximal 10 x 9 x 3 = 270 Paarungen

Mit Hilfe von entsprechenden Parametern, die für jede Paarung ermittelt werden, wird nun, vorzugsweise wieder durch eine Fuzzy-Operation, für alle Paarungen überprüft, wie gut die Gemeinsamkeitsmerkmale erfüllt sind Vorzugsweise wird als Ausgangsgroße bei dieser Operation ein Punktewert im Bereich 0-100 generiert, wobei 100 Punkte besagt, daß die beiden Faden ganz sicher harmonisch sind, und bei 0 Punkten ganz sicher davon auszugehen ist, daß die Faden von unterschiedlichen Signalquellen herrühren, zum Beispiel von zwei unkorreherten Störungen wie von Nutzsignal und Störung Die Zwischenwerte zeigen einen Zusammengehoπgkeitsgrad an, also wieviel dafür spricht, daß es sich um Harmonische handelt Die so gewonnene Punktebewertung kann spater auch dazu verwendet werden, Harmonische-Familien aufzubauen und deren „Starke" zu bestimmen Nach Bestimmung des Zusammengehoπgkeitsgrades wird für jedes Fadenpaar diejenige der drei möglichen Beziehungen (1.2, 1 3, oder 2 3) als gegeben angesehen, deren Punktewert am größten ist Vorzugsweise werden unterhalb einer vorgegebenen Schwelle Beziehungen nicht mehr akzeptiert Nach Prüfung aller Paarungen wird vorzugsweise eine (z.B. vertikale) Beziehungsstruktur aufgebaut, die für jeden Faden anzeigt, zu welchen anderen Fäden ein Verhältnis besteht und in welchem Maße. Im Maximalfall können 6 solcher Zeiger bestehen, nämlich 3 1. 2.1 , 3.2, 2 3, 1 2 und 1 3.

Um ein Kriterium für die Selektion von Fäden, deren Inhalte spater die Ausgabewerte bestimmen sollen, zu erreichen, wird an dieser Stelle für jeden der Fäden sein „Wert" ermittelt Dazu werden vorzugsweise 3 Größen herangezogen

• die durchschnittliche Paßgenauigkeit (PFaden, siehe oben)

• die Zahl der gültigen Nadeln in einem Faden (d.h die Länge)

• die „Löcherigkeit" eines Fadens.

Das wichtigste Kennzeichen, um einen Wert zuordnen zu können, ist die durchschnittliche Paßgenauigkeit der Nadeln innerhalb eines Fadens und wird vorzugsweise mittels einer Fuzzy Operation für jeden Zyklus errechnet (Vergleiche PFaden in den Figuren 4). Hier druckt sich aus, wie eng sich die Werte bezüglich SpO₂, Perfusionsanteil und der Frequenz aneinander reihen. Ein stabiler Zustand führt vorzugsweise zu maximaler Punktzahl.

Als weitere Größe wird die Lange eines Fadens herangezogen. Es ist die Länge des Fadens gemindert um die Zahl eventuell fehlender Nadeln, also unter Berücksichtigung der Lücken. Im optimalen Fall, wenn in jedem Zyklus eine Nadel zugeordnet wurde und wenn der Faden mindestens so alt ist, wie in die Vergangenheit zuruckgeschaut wird, wird der Lange des Fadens vorzugsweise ein Wert 1 zugeordnet.

Die Locheπgkeit eines Fadens ergibt sich vorzugsweise als ein Quotient der enthaltenen Samples n zur Gesamtanzahl von Samples von einem vorgegebenen Statistikintervall

Vorzugsweise durch eine Fuzzy-Operation werden dann die Kriterien Paßgenauigkeit, Zahl der gültigen Nadeln und Löcherigkeit zu einer Punktebewertung 0-100 zusammengefaßt.

W Ein zusammenhängender Faden mit guter Paßgenauigkeit und ohne Lücken soll dabei einen Wert von 100 Punkten erhalten. Diese Punktzahl beschreibt den Wert eines Fadens.

Als nächsten Schritt in Richtung einer Selektion eines oder mehrerer Fäden sollen nun Familien Harmonischer aufgebaut werden, deren Stärke durch die zuvor gewonnenen Werte der Fäden und deren Zusammengehörigkeitsgrad beschrieben wird.

Eine Familie soll hier aus einem bis drei Fäden, nämlich Grundwelle, erste Oberwelle plus eventuell zweite Oberwelle, bestehen. Die Einbeziehung weiterer Oberwellen hat sich für die Anwendung in der Pulsoximetrie nicht als sinnvoll erwiesen. Die Zuordnung wird entsprechend den oben beschriebenen Kriterien und Beziehungen für die Verkettung von Fäden zu Harmonischen aufgebaut. Die Existenz einer Oberwelle wird an den dort genannten Kriterien festgemacht. Es ist unerheblich, ob eine direkte Beziehung zur Grundwelle gefunden wurde oder aber in Grenzfällen nur eine indirekte. So kann es sein, daß zwar die Beziehung 1 :2 fehlt (weil diese zu schlecht ist), die Beziehungen 1 :3 und 2:3 die Existenzkriterien aber erfüllen und damit indirekt auf die erste Oberwelle zeigen.

Vorzugsweise sollen bis zu 10 Familien aufgebaut werden, wobei es auch möglich ist, daß unter Umständen ein Faden gleichzeitig verschiedenen Familien angehört. Als Beschränkung für die Gründung einer Familie wird allerdings gefordert, daß die Frequenz der Grundwelle sich innerhalb eines physiologisch sinnvollen Rahmens befinden muß. Als Spezifikationsgrenzen hat sich dabei als günstig gezeigt: 28-310 bpm.

Wiederum vorzugsweise mittels einer Fuzzy Operation wird eine Verknüpfung von Eingangsparametern durchgeführt:

• Existenz von Grundwelle, I .Oberwelle und 2. Oberwelle

• Wert des Fadens (wie oben beschrieben) von Grundwelle, 1. Oberwelle und 2. Oberwelle

• Beziehungsgüte zwischen Grundwelle und 1. Oberwelle (1 :2), Grundwelle zu 2. Oberwelle (1 :3). 1. Oberwelle zu 2. Oberwelle (2:3).

Mit Hilfe dieses Regelwerks soll Familien mit vollständigem Oberwellensatz mehr Punkte

3Λ zugewiesen werden als solchen mit nur einer Oberwelle oder gar keiner. Der Wert des Fadens soll für die Grundwelle stärker bewertet werden als für die Oberwellen. Ferner soll die direkte Beziehung zur Grundwelle stärker eingehen, als die Beziehung der Oberwellen untereinander. Eine volle Punktzahl (vorzugsweise 100) kann erreicht werden, sofern der Oberwellensatz vollständig ist, eine klare harmonische Beziehung vorliegt und das Signal stabil ist (hoher Wert des Fadens). Fehlt die zweite Oberwelle, kann nur ein verminderter Maximalwert (zum Beispiel 86 Punkte) erreicht werden. Fehlt jedoch die erste Oberwelle, kann lediglich ein noch weiter verringerter Maximalwert (zum Beispiel 67 Punkte) erreicht werden. Besteht die Familie gar nur aus einem Faden, der Grundwelle, ist die Begrenzung nach oben auf einem noch tiefer liegenden Maximalwert gegeben (zum Beispiel 31 Punkte).

Mit der somit erhaltenen Bestimmung einer Familienstärke wird ein sehr gutes Kriterium an die Hand gegeben, um zu entscheiden, welche Familie von Fäden als Nutzsignal interpretiert werden kann. Häufig ist nämlich das Nutzsignal auch am stärksten im Sinne einer maximalen Stärke und damit Punktzahl. In kritischen Fällen reicht dieser Parameter allerdings nicht immer aus um eine korrekte Entscheidung zu treffen. Darum werden vorzugsweise weitere Größen herangezogen. Als potentielle Kandidaten für eine Auswahl werden zunächst alle Familien herangezogen, deren Punktewert der Stärke eine Mindestanforderung (zum Beispiel 30 Punkte) erfüllt. Damit eine Familie zur Ausgabe oder zur Ableitung von Ausgabewerten herangezogen werden soll, muß sie tendenziell folgende Forderungen in einem Relativvergleich unter den Kandidaten erfüllen:

• hohe Punktzahl bei der ermittelten Stärke der Familie

• hoher SpO₂-Wert, zum Beispiel Mittelwert der Grundwelle

• eine eher niedrigere Pulsrate

• eine hohe Perfusion.

Die Verbindung dieser Kriterien soll vorzugsweise wieder mittels einer Fuzzy Operation durchgeführt werden. Als Ergebnis dieser Verknüpfung soll wiederum eine Punktebewertung stehen, vorzugsweise in einem Wertebereich von 0-100, wobei die

ZI Familie mit der höchsten Punktzahl zur Ausgabe vorgesehen wird.

In Artefaktsituationen kommt es oft vor, daß die Grundwelle des Nutzsignals verhältnismäßig stark mit Störungen überlagert ist, während die Oberwellen weniger gestört sind. Dann kann es passieren, daß die korrekte Familie des Nutzsignals aufgrund einer geringen Punkteverteilung insgesamt nur eine geringere Punktverteilung erhält und damit gegenüber einer Familie die auf einer Oberwelle basiert nicht zur Ausgabe herangezogen werden würde. Deshalb wird vorzugsweise vor einer Ausgabe noch geprüft, ob die aufgrund der höchsten Punktverteilung gewählten Familie eventuell noch Subharmonische besitzt, also eigentlich auf einer Oberwelle aufbaut. Existiert eine solche Subharmonische und hat die Familie der Subharmonischen eine ausreichende Stärke (vorzugsweise mindestens 0.3 mal die Stärke der ausgewählten Oberwelle), dann wird die Subharmonische anstatt der ausgewählten Oberwelle zur Ausgabe gewählt. Bei mehreren zur Auswahl stehenden Subharmonischen wird die mit der größeren Stärke gewählt.

Auf die oben angeführte Weise ist nun eine Familie von Fäden ausgewählt worden, die die höchste Wahrscheinlichkeit besitzt, daß sie das Nutzsignal repräsentiert.

In einer bevorzugten Ausführungsform findet vor einer Ausgabe noch ein Vergleich der auszugebenden Familie mit Vorgängerwerten statt. In transienten Situationen ist es durchaus möglich, daß konkurrierende Familien, die zum Beispiel auf rhythmischen Störungen basieren, vorübergehend dominant werden und höchste Punktzahlen erreichen. Dieses Problem kann mit einem Erwartungswert-Vergleich erkannt und unterdrückt werden. Als Erwartungswerte gelten vorzugsweise die letzten Werte, die als Anzeigewerte des Pulsoximeters ausgegeben wurden, wie zum Beispiel SpO₂-Wert, Pulsrate und Perfusion. Vorzugsweise ebenfalls mittels einer Fuzzy Operation werden die Differenzen zwischen den aktuellen Werten des Grundwellenfadens der ausgewählten Familie (die letzte eingegliederte Nadel) und den Erwartungswerten gebildet. Die Abweichungen von den Erwartungswerten werden einer weiteren Verknüpfung unterworfen, vorzugsweise wiederum durch eine Fuzzy Operation, und sollten dort einen Faktor generieren, der eine Aussage über das Passen zum letzten Ausgabewert trifft. Führt der Vergleich zu einem Ergebnis mit dem Wert der Passung größer als ein vorgegebener Schnellwert, wird dieses Sample des Grundwellenfadens und somit die ganze Familie als passend akzeptiert und der Ausgabe zugeleitet. Andernfalls wird die zunächst vorgesehene Familie wieder verworfen und kann nicht für die Aktualisierung der Ausgabe herangezogen werden.

Bei einem Neustart muß der Vergleich der auszugebenden Familie mit Vorgängerwerten unterbunden werden, und die Ausgabeunterdrückung bleibt ausgeschaltet, solange bis ein erster Vergleichswert vorliegt. Als Sicherheitsmaßnahme gegen ein .Aufhängen" an alten Vergieichswerten wird, vorzugsweise für Fälle, in denen unübliche, unerwartet große Abweichungen auftreten und denen der Algorithmus nicht folgen würde, ein Rückholmechanismus eingebaut.

Stand eine Familie länger als ein vorgegebener Zeitraum (vorzugsweise 4 s) ununterbrochen zur Ausgabe an und wurde aber jedesmal unterdrückt, dann wird diese Familie dennoch ausgegeben, falls ihre Stärke einen bestimmten Wert (vorzugsweise > 35 Punkte) überschreitet.

Beim nächsten Zyklus kann dann mit diesen Werten als neuen Vergleichswerten weitergearbeitet werden. Diese Maßnahme gewährleistet, daß sich der Algorithmus zum Beispiel nach „Entgleisungen" durch massive temporäre Störungen schnell regenerieren kann, sobald das Signal wieder brauchbar ist.

Mit den bisher beschriebenen Verfahren werden die Nadeln zu Fäden vernetzt, die Fäden zu Familien zusammengestellt, und es wird eine dieser Familien schließlich als „Gewinner" ausgewählt. Die verschiedenen Komponenten dieser Familien werden nun zur Ermittlung der Puisoximeter-Anzeigewerte herangezogen. Angezeigt werden sollen vorzugsweise:

• Sauerstoffsättigung (SpO₂)

• Pulsrate (PR)

• Perfusionsindex (Perf)

• Meßbereitschaft -/Zustandsanzeige (INOP)

• Signalqualitätsindikator (Ql).

Eine Familie besteht grundsätzlich aus einer Grundwelle zuzüglich erster und zweiter Oberwelle, soweit ableitbar. Im Regelfall sind Oberwellen vorhanden und enthalten im ungestörten Fall die gleiche Information über SpO₂ und PR wie die Grundwelle. Sie stellen damit eine redundante Datenquelle dar. Weil die Grundwelle stets deutlich stärker wird als die Oberwellen, wird sie in aller Regel die bessere Information liefern, sobald Störungen ins Spiel kommen. Es gibt jedoch zahlreiche Situationen, in denen die Oberwellen der Familien deutlich weniger stark betroffen sind (zum Beispiel bei Neugeborenen). Der Perfusionsindex liegt bei Neugeborenen typischerweise bei 0.5% (Meßort Fuß/Hand), dagegen werden bei Erwachsenen Werte um 2 % (Meßort Finger) gefunden. Allerdings ist bei Neugeborenen die Pulsfrequenz hoch (typischer Bereich: 130...200 bpm), die Bewegungsstörungen sind aber meist niederfrequent. Das hat zur Folge, daß der Störabstand bei den Oberwellen dennoch geringer sein kann als bei der Grundwelle.

Um zur Ausgabe zu gelangen, werden die aktuellen Werte der selektierten Familie vorzugsweise in einen Ausgangsspeicher gefüllt, der die jüngere Vergangenheit speichert. Aus diesem werden schließlich per Statistik die Anzeigewerte ermittelt. Mit aktuellen Werten sind in diesem Zusammenhang die Enden der Fäden, also die im momentanen Zyklus angereihten Nadeln, gemeint. Figur 5 zeigt eine schematische Darstellung einer Ausgabespeicherbefüllung durch Nutzung der Oberwellen. Die Ausgabewerte für SpO₂ und PR können wahlweise von Grund- oder Oberwellen der selektierten Familie bezogen werden. Beim Perfusionsindex sei die Zuordnung fest in der Grundwelle. Welcher der drei Fäden in der Familie für die Anzeige herangezogen werden soll, hängt davon ab, wie gut dessen Werte zum letzten Anzeigewert passen. Dazu werden für jedes Familienmitglied die Differenzen des SpO₂-Wertes und des PR-Wertes zwischen Grund- und Oberwellen gebildet, insofern diese existieren. Über eine Minimum-Funktion, angelegt auf die ermittelten Differenzen, wird dann bestimmt, welche Komponente in den Ausgabespeicher D kommt. Dieses Verfahren geht davon aus, daß sich SpO₂-Werte und Pulsrate von Zyklus zu Zyklus eher wenig ändern, und es werden daher solche Familienkomponenten bevorzugt, die möglichst nahe an den alten Werten liegen. Dies ist besonders wirkungsvoll, wenn Störungen zu starken Fluktuationen der verschiedenen Nadeln führen und trägt zur Glättung des Signais bei. Ein weiterer wichtiger Beitrag ist, daß bei momentan fehlender Grundwellen-Nadel (was bei massiven Störungen der Fall sein kann) dennoch die Ausgabe durch die Oberwellen aufgefrischt werden kann. Geringe Nachteile kauft man jedoch ein, wenn bei Störungen gleichzeitig ein Gradient des SpO₂-Trends oder des

AS Pulsratentrends auftritt. Dann nämiich bewirkt die Tendenz zum alten Wert, daß eher die naheliegenden „Ausreißer" aufgenommen werden, anstatt die wegdriftenden korrekten Werte.

Für den Perfusionsindex funktioniert diese Umschaltemöglichkeit zwischen den Harmonischen nicht, weil vom Perfusionsanteil einer Oberwelle nicht auf den Anteil der Grundwelle oder die anderen Oberwellen geschlossen werden kann. Deshalb wird stets der Perfusionsanteil der Grundwelle eingesetzt. Fällt die Grundwelle wegen übermäßiger Störungen aus, wird vorzugsweise auf den Vorgängerwert zurückgegriffen.

Da für eine kontinuierliche Aktualisierung der abgeleiteten Werte bei einem Pulsoximeter in der Regel kein Anlaß besteht, können die Werte daher vor der Ausgabe über einen gewissen Zeitraum gefiltert werden. Eine solche Filterfunktion hat neben der Glättung irrelevanter physiologischer Variationen vor allem bei störungsbedingten Fluktuationen einen hohen Stellenwert. In dem dargestellten Algorithmus fallen die ungefilterten

Ausgabewerte mit einer Zykluszeit von einer Sekunde an und werden dann vorzugsweise in den Ausgabespeicher (vorzugsweise mit einer maximalen Tiefe von 70 s) gefüllt. Als

Filter wird vorzugsweise ein „Trimmed Mean Filter" verwendet, das die Funktion von

Medianfilter und Mittelwertbildner vereint: Die zu filternden n Werte werden nach der

Größe sortiert, und die k größten und k kleinsten Werte werden verworfen (2 k < n; k, n ganzzahlig). Die verbleibenden Werte werden arithmetisch gemittelt. Dieser Filter erlaubt eine gute Glättung, eine rasche Sprungantwort, geringe Verzögerungen, kein nennenswertes Überschwingen, nur ein geringer Einfluß von extremen „Ausreißern" und einen stetigen Verlauf bei stetigen Änderungen.

Da es in manchen Zyklen keine Nadeln gibt mit denen der Ausgabespeicher beschickt werden kann und auch beim Einlaufverhalten nach einem Neustart noch keine oder nur wenige Vergangenheitswerte vorliegen, werden vorzugsweise folgende Anweisungen durchgeführt:

• Gehe mindestens soweit im Ausgabespeicher zurück, bis 5 gültige Samples vorhanden sind. Die Begrenzung in die Vergangenheit sind 70 s; in der Einlaufphase bis maximal zum Startzeitpunkt (Initialisierung des Filters). • Gehe bis maximal 13 s in die Vergangenheit, wenn schon vorher 5 gültige Samples erfaßt wurden.

• Gib den Trimmed Mean der erfaßten gültigen Werte aus mit k/n=0.25.

Im Normalfall, wenn alle Samples gültig sind, erhält man eine Filterung, je nach vorgegebenem Zeitfenster, über die letzten Sekunden (hier zum Beispiel 13 s). Falls starke Störungen auftreten und Meßwerte ausbleiben (was zu Lücken im Ausgabespeicher führt), wird der Zeitraum soweit in die Vergangenheit verlängert, bis eine Mindestzahl von vorzugsweise 5 Werten erreicht wird. Dieses kann im Extremfall (nach der Einlaufphase) bedeuten, daß bis zu 70 s zurückgegangen wird. Sind bis dann noch keine 5 Samples erfaßt worden, wird an dieser Stelle abgebrochen und mit den bis dahin erfaßten Werten der Trimmed Mean gerechnet. Kommt es zu einem Totalausfall der Meßwerte und kann kein gültiger Wert bis zurück zum Startzeitpunkt gefunden werden, wird der alte Ausgabewert beibehalten. Dieses „Klemmverhalten" kann jedoch nur eine gewisse Zeit toleriert werden.

Der erfindungsgemäße Pulsoximeter gibt vorzugsweise Auskunft über den Zustand der Signalerfassung, wenn der ordnungsgemäße Betrieb nicht möglich ist. Derartige Zustände werden gewöhnlicherweise als „INOP" (englisch für inoperative) bezeichnet. Eine Unterbrechung des Werteflußes in den Ausgabespeicher wird vorzugsweise für einen gewissen Zeitraum (zum Beispiel die ersten 10 s) toleriert, und es erfolgt keine Meldung. Die Ausgabewerte werden vorzugsweise entsprechend dem oben dargestellten Filteralgorithmus so lange wie möglich aufgefrischt und danach „geklemmt". Erst nach Überschreiten der Lücke im Ausgabespeicher über den vorgeschriebenen Zeitpunkt hinaus soll dann eine INOP-Zustandsanzeige in Kraft treten.

2?

Claims

ANSPRÜCHE:

1. Verfahren zur Erkennung eines Nutzsignals in einem Meßsignal, mit den Schritten:

(a) Transformation des Meßsignals, für ein gegebenes Zeitfenster, in den Frequenzbereich, vorzugsweise durch eine Fourier-Transformation,

(b) Identifikation von Frequenzpeaks in dem transformierten Meßsignal,

(c) Zuordnung identifizierter Frequenzpeaks zu zeitlichen Verläufen identifizierter Frequenzpeaks eines oder mehrerer vorangegangener Zeitfenster, insofern identifizierte Frequenzpeaks bereits vorliegen,

(d) Zuordnung der zeitlichen Verläufe zu einer oder mehreren Familien, die jeweils aus einer Grundwelle und/oder einer oder mehreren Oberwellen bestehen,

(e) Auswahl einer Familie als diejenige, die das Nutzsignal repräsentieren soll, und

(f) Auswahl eines Frequenzpeaks des aktuellen Zeitfensters aus der ausgewählten Familie als derjenige, der den Meßwert des Nutzsignals in diesem Zeitfenster repräsentieren soll.

2. Das Verfahren nach Anspruch 1 , worin in Schritt (c) die Zuordnung erfolgt durch:

(d) Initialisierung, vorzugsweise bei einem Neustart, wobei der erste erhaltene Satz von Frequenzpeaks genommen wird, um einen Satz von Verläufen zu gründen,

(c2) fortlaufende Angliederung passender Frequenzpeaks, wobei ein Frequenzpeak als passend angesehen wird, wenn sich zum letzten Glied im Verlauf nur geringe Abweichungen bezüglich vorgegebener Kriterien ergeben, und wobei vorzugsweise, falls einem vorhandenen kein neuer Frequenzpeak zugeordnet werden kann, eine Lücke bleibt und der Verlauf entweder beendet oder durch einen neuen Verlauf ersetzt wird, sofern die Lücke zu lang wird.

3. Das Verfahren nach Anspruch 1 oder 2, worin in Schritt (d) die Zuordnung erfolgt durch: (d1) Untersuchung, inwieweit bestimmte charakteristische Merkmaie zwischen den Verläufen existieren, die gemeinsam darauf hindeuten, daß die Verläufe zum gleichen Nutzsigna! gehören, vorzugsweise durch Verknüpfung geeigneter Kriterien wie harmonische Frequenzbeziehung, erwarteter Amplitudenabfall der Oberwellenreihe und/oder verhältnisgleiche Trendentwicklung der Frequenzen und/oder Amplituden, vorzugsweise durch eine unscharfe Logik wie die Fuzzy- Logic.

4. Das Verfahren nach einem der vorangegangenen Ansprüche, worin in Schritt (e) die Auswahl erfolgt im Sinne einer höchsten Wahrscheinlichkeit für das Repräsentieren des Nutzsignals durch die ausgewählte Familie.

5. Das Verfahren nach einem der vorangegangenen Ansprüche, worin in Schritt (e) die Auswahl erfolgt durch Verknüpfung vorgegebener Kriterien, vorzugsweise Existenz von Grundwelle und/oder Oberwelle(n), durchschnittliche Paßgenauigkeit der Verläufe, Anzahl der gültigen Frequenzpeaks in einem Verlauf, Stetigkeit eines Verlaufs und/oder Beziehungsgüte zwischen Grundwelle und Oberwelle(n), vorzugsweise durch eine unscharfe Logik wie die Fuzzy-Logic.

6. Das Verfahren nach einem der vorangegangenen Ansprüche, worin in Schritt (e) die Auswahl erfolgt durch eine Plausibilitätsüberprüfung der Familie gegenüber vorangegangenen Ausgabewerten, wobei die plausibelste Familie ausgewählt wird.

7. Das Verfahren nach einem der vorangegangenen Ansprüche, worin in Schritt (f) der aktuelle Meßwert des Nutzsignals aus dem ausgewählten Frequenzpeak ermittelt wird.

8. Das Verfahren nach einem der vorangegangenen Ansprüche, worin in Schritt (f) die Auswahl im Sinne einer höchsten Wahrscheinlichkeit für das Repräsentieren des Meßwerts des Nutzsignals durch den ausgewählten Frequenzpeak erfolgt, vorzugsweise durch Verknüpfung vorgegebener Kriterien mittels einer unscharfen Logik wie der Fuzzy-Logic, wobei als Kriterien dabei vorzugsweise solche Kriterien angewandt werden, die auf eine Plausibilität des aktuellen Meßwertes gegenüber vorangegangenen Meßwerten und/oder gegenüber erwarteten oder sinnvollen

15 Werten abgestellt sind.

9. Das Verfahren nach einem der vorangegangenen Ansprüche, worin nach Schritt (f) eine Plausibilitätsüberprüfung durchgeführt wird, um zu überprüfen, ob der ausgewählte Frequenzpeak auch tatsächlich einem erwarteten Meßwert des Nutzsignals entspricht und/oder ob ein von dem ausgewählten Frequenzpeak abgeleiteter Meßwert zu einer Ausgabe gelangen soll und/oder ob für dieses Zeitfenster überhaupt kein Meßwert ausgegeben werden soll, vorzugsweise durch einen Vergleich des aktuellen Meßwertes mit vorangegangenen Meßwerten und/oder mit erwarteten oder sinnvollen Werten.

10. Das Verfahren nach einem der vorangegangenen Ansprüche zur Nutzsignalfilterung medizinischer Meßsignale, vorzugsweise in der Pulsoximetrie, der Blutdruckmessung oder der Herzfrequenzbestimmung.

11. Ein Computerprogramm, vorzugsweise ein Computerprogramm-Produkt gespeichert auf einem computerlesbaren Speichermedium, aufweisend einen Code zur Ausführung der Schritte nach einem der vorangegangenen Ansprüche 1-10, insbesondere wenn das Programm auf einem Computer ausgeführt wird.

12. Vorrichtung zur Erkennung eines Nutzsignals in einem Meßsignai, aufweisend:

Mittel zur Transformation des Meßsignals, für ein gegebenes Zeitfenster, in den Frequenzbereich, vorzugsweise durch eine Fourier-Transformation,

Mittel zur Identifikation von Frequenzpeaks in dem transformierten Meßsignal,

Mittel zur Zuordnung identifizierter Frequenzpeaks zu zeitlichen Verläufen identifizierter Frequenzpeaks eines oder mehrerer vorangegangener Zeitfenster, insofern identifizierte Frequenzpeaks bereits vorliegen,

Mittel zur Zuordnung der zeitlichen Verläufe zu einer oder mehreren Familien, die jeweils aus einer Grundwelle und/oder einer oder mehreren Oberwellen bestehen,

Mittel zur Auswahl einer Familie als diejenige, die das Nutzsignal repräsentieren soll, und Mittel zur Auswahl eines Frequenzpeaks des aktuellen Zeitfensters aus der ausgewählten Familie als derjenige, der den Meßwert des Nutzsignals in diesem Zeitfenster repräsentieren soll.