本发明专利技术为一种基于特征谱的胃磁慢波信号频率检测方法,包括:数据预处理,读取巨磁阻抗传感器在特表测量到的原始胃磁数据,并对原始胃磁数据进行重新采样和滤波处理;特征谱计算,计算所述滤波处理后的数据的特征谱;特征谱主峰识别,对上述特征谱进行主峰识别。本发明专利技术为面向胃磁慢波信号的频率识别算法的设计,使用了频率估计的噪声子空间的特征谱方法,能精确得到胃磁慢波的频率。通过对胃磁慢波信号频率的精确识别,能精确给出胃磁慢波信号的平均特征谱图。
【技术实现步骤摘要】
本专利技术涉及一种胃磁慢波信号处理的方法,具体的说是对胃磁信号进行频谱分析 的方法。
技术介绍
胃磁慢波信号是一种典型的微弱信号,幅度为几十皮特斯拉到几百皮特斯拉。正 常人的胃磁慢波信号成分频率极低,带宽为〇. 02-0. 3Hz,是进行医学诊断的重要参考数 据。但是,在体表采集到的胃磁慢波信号包含了各种干扰,如心电、呼吸信号、抖动等,部分 干扰的幅度还可能远大于胃磁慢波信号本身。测量过程中会引入大量的强背景噪声,而且 用经典的分析方法(如周期图、修正周期图、Welch法等)都会在数据窗口旁瓣有较大功率 泄露,这就产生了大量伪峰,所以这些经典的方法难于准确进行胃磁慢波信号频率的检测。
技术实现思路
针对现有技术中存在的上述不足之处,本专利技术要解决的问题是提供一种能够清晰 准确地检测出胃磁慢波信号频率的频谱分析方法,完成对胃磁慢波信号频率的检测。 本专利技术为实现上述目的所采用的技术方案是:一种基于特征谱的胃磁慢波信号频 率检测方法,包括以下步骤: 数据预处理,读取巨磁阻抗传感器在特表测量到的原始胃磁数据,并对原始胃磁 数据进行重新采样和滤波处理; 特征谱计算,计算所述滤波处理后的数据的特征谱; 特征谱主峰识别,对上述特征谱进行主峰识别。 所述数据预处理包括以下步骤: 重采样,将原始胃磁数据重新采样为IHz进行数据采样; 数字滤波,对重采样后的数据进行〇.OlHz-O. 5Hz数字带通滤波处理。 所述特征谱计算包括以下步骤: 自相关序列估计,对所述滤波处理后的数据进行数据加窗处理,利用快速傅里叶 变换的方法计算出功率谱密度函数的估值,然后再计算它的傅里叶反变换,即得自相关估 计函数;自相关矩阵估计,利用上面得到的自相关估计函数,定义一个NXN的方阵,其主 对角线为自相关函数的常数项,主对角线旁边的第一对角线为自相关函数的一次项,然后 为自相关函数的二次项,最右上角和最左下角为自相关函数的N次项,从而得到胃磁数据 的自相关矩阵; 特征向量计算,计算所述自相关矩阵的特征值,将计算处理的特征值按降序排列 得到一组特征向量; 谱计算,将所述特征向量通过预设的参数计算出特征谱。 所述谱计算米用米用MUSIC方法: 其中,e为自然对数的底数,j为虚数单位,w为角频率,M为特征向量的维数,eH为 e的共轭转置,P为信号子空间的维数,Vk为相关矩阵的第k个特征向量,这些特征向量构 成噪声子空间。 所述特征谱主峰识别具体为:获取特征谱的谱函数,基于函数的最大值计算方法, 计算谱函数最大值所对应的频率位置。 如果特征谱主峰识别不成功,则修改特征谱计算过程中的参数,重新生成特征谱。 如果特征谱主峰识别成功,则将所述特征谱输出或存储。 本专利技术具有以下优点及有益效果: 1.本专利技术为面向胃磁慢波信号的频率识别算法的设计,使用了频率估计的噪声子 空间的特征谱方法,能精确得到胃磁慢波的频率。 2.通过对胃磁慢波信号频率的精确识别,能精确给出胃磁慢波信号的平均特征谱 图。【附图说明】 图1为本专利技术的结构框图; 图2为胃磁慢波平均特征谱示意图(MUSIC法); 图3为胃磁慢波运行特征谱示意图(MUSIC法)。【具体实施方式】 下面结合附图及实施例对本专利技术做进一步的详细说明。 实施例1 如图1所示,包括数据预处理1、特征谱计算2和特征谱主峰识别3。其中预处理 1包括数据重采样11和数字滤波12,胃磁信号的原始数据先经过所述重采样11之后被重 新采样为IHz左右,然后经过所述数字滤波12,进行0.OlHz-O. 5Hz数字带通滤波处理。特 征谱计算2包括自相关序列估计21、自相关矩阵估计22、特征向量计算23和谱计算24。上 述处理结果的全部或部分进行数据加窗(加窗长度可以自行定义)之后依次经过所述的自 相关序列估计21、自相关矩阵估计22,得到了估计出来的该段数据的自相关矩阵,然后经 过特征向量计算23,得到按特征值降序排列的一组特征向量。本实施例中的所述谱计算24 为MUSIC法计算,该方法接受上述一组特征向量后,通过预设的参数计算出MUSIC法的特征 谱,该结果可打印或存储在介质中。然后对该特征谱结果进行特征谱主峰识别3进行主峰 识别,如果识别成功则将识别结果输出或存储下来,如果识别不成功则自动调整谱计算模 块24的参数重新生成特征谱,循环直至成功检出,否则提示失败。 实施例2 与实施例1不同之处在于把谱计算24从EV法替换为MUSIC法,其余相同。 实施例3 与实施例1不同之处在于把谱计算24从MUSIC法替换为Pisarenko法,然后特征 谱主峰识别3对特征谱识别,成功则将结果输出或存储下来,否则直接提示失败,不修改谱 计算24的参数。 实施例4 与实施例1不同之处在于把谱计算24从MUSIC法替换为最小范数法,然后特征谱 主峰识别3对特征谱识别成功则将结果输出或存储下来,否则直接提示失败,不修改谱计 算24的参数。 如上所述为本专利技术的四个典型的实施方式,由于实施方式较多,不能--列举,其 他任何在本专利技术的整体框架下进行组合、简化,替代等,都应在本专利技术的保护范围之内。【主权项】1. 一种,其特征在于,包括以下步骤: 数据预处理,读取巨磁阻抗传感器在特表测量到的原始胃磁数据,并对原始胃磁数据 进行重新采样和滤波处理; 特征谱计算,计算所述滤波处理后的数据的特征谱; 特征谱主峰识别,对上述特征谱进行主峰识别。2. 根据权利要求1所述的,其特征在于,所 述数据预处理包括以下步骤: 重采样,将原始胃磁数据重新采样为1Hz进行数据采样; 数字滤波,对重采样后的数据进行〇.OlHz-0. 5Hz数字带通滤波处理。3. 根据权利要求1所述的,其特征在于,所 述特征谱计算包括以下步骤: 自相关序列估计,对所述滤波处理后的数据进行数据加窗处理,利用快速傅里叶变换 的方法计算出功率谱密度函数的估值,然后再计算它的傅里叶反变换,即得自相关估计函 数; 自相关矩阵估计,利用上面得到的自相关估计函数,定义一个NXN的方阵,其主对角 线为自相关函数的常数项,主对角线旁边的第一对角线为自相关函数的一次项,然后为自 相关函数的二次项,最右上角和最左下角为自相关函数的N次项,从而得到胃磁数据的自 相关矩阵; 特征向量计算,计算所述自相关矩阵的特征值,将计算处理的特征值按降序排列得到 一组特征向量; 谱计算,将所述特征向量通过预设的参数计算出特征谱。4. 根据权利要求3所述的,其特征在于,所 述谱计算采用采用MUSIC方法:其中,e为自然对数的底数,j为虚数单位,w为角频率,M为特征向量的维数,eH为e的 共轭转置,P为信号子空间的维数,vk为相关矩阵的第k个特征向量,这些特征向量构成噪 声子空间。5. 根据权利要求1所述的,其特征在于,所 述特征谱主峰识别具体为:获取特征谱的谱函数,基于函数的最大值计算方法,计算谱函数 最大值所对应的频率位置。6. 根据权利要求1所述的,其特征在于,如 果特征谱主峰识别不成功,则修改特征谱计算过程中的参数,重新生成特征谱。7. 根据权利要求1所述的,其特征在于,如 果特征谱主峰识别成功,则将所述特征谱输出或存储。【专利摘要】本专利技术为一种,包括:数据预处理,读取巨磁阻抗传感器在特表测量到的原始胃磁本文档来自技高网...
【技术保护点】
一种基于特征谱的胃磁慢波信号频率检测方法,其特征在于,包括以下步骤:数据预处理,读取巨磁阻抗传感器在特表测量到的原始胃磁数据,并对原始胃磁数据进行重新采样和滤波处理;特征谱计算,计算所述滤波处理后的数据的特征谱;特征谱主峰识别,对上述特征谱进行主峰识别。
【技术特征摘要】
【专利技术属性】
技术研发人员:缪磊,徐保磊,秦书嘉,李洪谊,
申请(专利权)人:中国科学院沈阳自动化研究所,
类型:发明
国别省市:辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。