基于进化型小波域维纳去卷积的心电特征提取方法技术

本发明专利技术涉及一种心电数据的特征提取方法，包括下列步骤：①心电数据预处理；②ＱＲＳ波群的特征提取：通过小波变换方法提取出经过预处理后心电信号中ＱＲＳ波群所属的子频带，再对该子频带信号运用进化型维纳去卷积方法，提取ＱＲＳ波群的特征点位置。③Ｐ波和Ｔ波的特征提取：根据第一步得到的ＱＲＳ波群的特征点位置信息，将ＱＲＳ复合波所在的时间段用基线代替。而后采用小波变换，对去除ＱＲＳ波群后的心电信号作Ｐ波、Ｔ波的子频带提取，最后将得到的子频带运用进化型维纳去卷积方法，直到提取出准确的Ｐ波、Ｔ波特征点位置。采用本发明专利技术，可以将原始心电数据中不显著的关键位置点突出转变为明显的峰点或者谷点，这样就可以为特征检测提供有力的基础。

【技术实现步骤摘要】

本专利技术涉及一种心电数据的特征提取方法，属于生物医学工程

技术介绍
心电信号的特征提取是心脏疾病检测的最有力手段之一。通常用于心电信号特征提取的算法有以下几种长度变换和能量变换、隐马尔可夫模型、人工神经网络和小波变换。但是上述方法都有一定的缺陷长度变换和能量变换无法准确检测出异常QRS波群的特征信息；隐马尔可夫模型对偶发的异常心电常波形以及孤立P波的检测无能为力；人工神经网络方法同样对异常心电波形的检测缺乏有效性；小波变换方法对病态心电信号的检测优于上述方法，但对心电波形非稳态变化的检测，特别是在低信噪比情况下，仍然不能令人满意。近年来，为了解决上述方法的缺陷，许多学者进行了深入广泛的研究。Messadeg等人通过将隐马尔可夫模型和小波变换技术相结合，用于心电信号的特征分类；Yu和他同事采用独立分量分析和人工神经网络结合的方法实现心电特征的提取和分类；Liu利用了自适应小波变换和模糊逻辑原理实现心电信号R峰定位，等等。可以看出，上述学者都不再是单纯采用一种理论或方法，而是通过多种方法之间互相弥补，实现优化匹配。但另一方面，这些新的尝试虽然解决了原先心电特征提取的部分问题，但是由于还不够完善，所以存在很多需要改进的地方。
技术实现思路
本专利技术的主旨是针对远程心电监护中多位患者需要同时在线监控，及时准确的进行心脏疾病检测的问题，提出一种高效准确的心电数据特征提取方法，以克服现有技术中远程心电监护中心脏疾病检测的缺陷。本专利技术能够大大提高心脏疾病识别的效率和准确度，从而降低医生的工作压力，也因此使得更多心脏疾病患者能够接受准确有效的监护和治疗。为此，本专利技术采用如下的技术方案一种，包括下列步骤(1)根据心电信号的采样频率，选择形态学结构算子，利用数学形态学方法去除原始心电信号中的基线漂移；(2)初始化维纳滤波器，尺度参数 能量参数 和迭代步长(βp)，取基漂滤除后心电信号，进行第1尺度下的小波变换，获取低频部分的有用信号，以及高频部分的噪声信号，求出有用信号和噪声信号的功率谱以及两者之间的互功率谱，以此构造非因果维纳滤波器，作为初始化维纳去卷积算子向 (3)QRS复合波特征增强采用正交离散小波来分解预处理后的心电信号，根据心电信号和QRS复合波的频率范围，进行两次或两次以上的小波变换以获取QRS波群所在的特征子频带；将维纳去卷积算子向量 作用于QRS波群所在的子频带，而后计算总能量误差 如果误差值小于设定阈值，停止运算；否则，利用最陡下降梯度基方法，更新维纳去卷积算子向量 能量参数 以及尺度参数 继续运算直到找到满意的维纳去卷积算子向量 (4)P波和T波特征增强利用步骤(3)得到的QRS复合波的位置信息，将QRS波群用基线替代；采用正交离散小波来分解移除QRS波群的心电信号，根据所得心电信号和P波、T波的频率范围，进行两次或两次以上的小波变换以获取P波和T波所在的特征子频带；将维纳去卷积算子向量 作用于P波和T波所在的特征子频带，而后计算总能量误差 如果误差值小于设定阈值，停止运算；否则，利用最陡下降梯度基方法，更新维纳去卷积算子向量 能量参数 以及尺度参数 继续运算直到找到满意的维纳去卷积算子向量 (5)检测QRS波群特征位置点取步骤(3)得到的特征增强后的QRS子频带信号，首先检测R峰位置，而后根据R峰位置，找出R峰前后第一个谷点和峰点；而后根据下列准则定位特征点如果R峰有一个峰点一个谷点，那么峰点为QRS波群起点，谷点为Q波拐点；如果R峰前只有一个谷点，那么该波群为RS波群，该谷点为RS波群起点；R峰后的谷点为S波拐点，峰点为波群终止点；(6)检测P、T波特征位置点取步骤(4)得到的特征增强后的P波、T波子频带信号，检测P波和T波的峰值点位置，而后分别找出P波和T波峰值点前的第一个谷点，即为P波和T波的起始点；找出P波和T波峰值点后的第一个谷点，即为P波和T波的终止点。在上述的心电特征提取方法中，最陡下降梯度基方法采用的公式可以是W^p+1=W^p-βp▿W^pϵj(W^p,α^p,γ^p)]]>α^p+1=α^p-βp▿α^pϵj(W^p,α^p,γ^p),]]>式中，γ^p+1=γ^p-βp▿γ^pϵj(W^p,α^p,γ^p)]]>βp为第p次迭代时的步长，为梯度算子。本专利技术的技术方案的实质性特征是①心电数据预处理选择适当的数学形态学算子去除心电信号中的基线漂移；②QRS波群的特征提取通过小波变换方法提取出经过预处理后心电信号中QRS波群所属的子频带，再对该子频带信号运用进化型维纳去卷积方法，提取QRS波群的特征点位置。③P波和T波的特征提取根据第一步得到的QRS波群的特征点位置信息，将QRS复合波所在的时间段用基线代替，以避免在P波和T波特征提取时的频域干扰。而后采用小波变换，对去除QRS波群后的心电信号作P波、T波的子频带提取，最后将得到的子频带运用进化型维纳去卷积方法，直到提取出准确的P波、T波特征点位置。本专利技术提出了基于进化型小波域维纳去卷积新技术来实现心电特征提取的新思路利用小波变换时频定位的优势，将特征波形分割到各个子频带，而后利用进化型维纳去卷积新技术对特征子频带信号进行迭代处理，直到找到满意的特征点位置信息。采用该方法，可以将在原始心电数据中不显著的关键位置点突出转变为明显的峰点或者谷点，这样就可以为特征检测提供有力的基础。附图说明图1心电波形的特征信息及定义。图2基于数学形态学方法的心电基线漂移滤除示意图，图2(a)为原始心电信号；图2(b)为滤除基线漂移后的心电信号。图3 QRS波群的特征增强结果示意图，图3(a)为QRS波群特征增强前的心电信号；图3(b)为QRS波群特征增强后的心电信号。图4 P波和T波的特征增强结果示意图，图4(a)为QRS波群移出后的心电信号；图4(b)为P波和T波特征增强后的心电信号。具体实施例方式在对本专利技术做进一步详述之前，先对心电波形的主要特征、数学形态学理论、心电信号离散小波变换的性质、进化型小波域维纳去卷积技术等现有知识做介绍。心电波形的主要特征心电信号是最主要的生理信号之一，它反映了心脏的活动，主要有3个部分组成P波代表心房除极的第一个偏转；QRS复合波由心室除极产生；心室复极产生了T波。因为这些波在时间域和频率域具有特别的形状，所以，通过对ECG信号的观察，能够发现心脏的异常情况。图1给出了心电图的基本成份，以及各项心电特征的定义。本专利技术的目的就是要找出一种准确有效的特征检测方法，提取出图中所示的特征信息。数学形态学理论数学形态学滤波是一种非线性的信号变换，用于改变信号的局部几何特性。它的理论基础源于图像分析中集合论的基本操作方法，即数学形态学方法，该理论最早是由Matheron和Serra提出的。在本文档来自技高网...

【技术保护点】
一种基于进化型小波域维纳去卷积的心电特征提取方法，其特征在于，包括下列步骤：（１）根据心电信号的采样频率，选择形态学结构算子，利用数学形态学方法去除原始心电信号中的基线漂移；（２）初始化维纳滤波器，尺度参数（＊↓［０］）、能 量参数（＊↓［０］）和迭代步长（β↓［ｐ］），取基漂滤除后心电信号，进行第１尺度下的小波变换，获取低频部分的有用信号，以及高频部分的噪声信号，求出有用信号和噪声信号的功率谱以及两者之间的互功率谱，以此构造非因果维纳滤波器，作为初始化维纳去卷积算子向量（＊↓［０］）；（３）ＱＲＳ复合波特征增强：采用正交离散小波来分解预处理后的心电信号，根据心电信号和ＱＲＳ复合波的频率范围，进行两次或两次以上的小波变换以获取ＱＲＳ波群所在的特征子频带；将维纳去卷积算子向量（＊↓［０］）作 用于ＱＲＳ波群所在的子频带，而后计算总能量误差（ε↑［ｊ］（＊，＊，＊）），如果误差值小于设定阈值，停止运算；否则，利用最陡下降梯度基方法，更新维纳去卷积算子向量（＊↓［ｐ＋１］）、能量参数（＊↓［ｐ＋１］）以及尺度参数（＊↓［ｐ＋１］），继续运算直到找到满意的维纳去卷积算子向量（＊）；（４）Ｐ波和Ｔ波特征增强：利用步骤（３）得到的ＱＲＳ复合波的位置信息，将ＱＲＳ波群用基线替代；采用正交离散小波来分解移除ＱＲＳ波群的心电信号，根据所得心电信号和Ｐ波、Ｔ波的频率范围，进 行两次或两次以上的小波变换以获取Ｐ波和Ｔ波所在的特征子频带；将维纳去卷积算子向量（＊↓［０］）作用于Ｐ波和Ｔ波所在的特征子频带，而后计算总能量误差（ε↑［ｊ］（＊，＊，＊）），如果误差值小于设定阈值，停止运算；否则，利用最陡下降梯度基方法，更新维纳去卷积算子向量（＊↓［ｐ＋１］）、能量参数（＊↓［ｐ＋１］）以及尺度参数（＊↓［ｐ＋１］），继续运算直到找到满意的维纳去卷积算子向量（＊）；（５）检测ＱＲＳ波群特征位置点：取步骤（３）得到的特征增强后的ＱＲＳ子频带信号，首先 检测Ｒ峰位置，而后根据Ｒ峰位置，找出Ｒ峰前后第一个谷点和峰点；而后根据下列准则定位特征点：如果Ｒ峰有一个峰点一个谷点，那么峰点为ＱＲＳ波群起点，谷点为Ｑ波拐点；如果Ｒ峰前只有一个谷点，那么该波群为ＲＳ波群，该谷点为ＲＳ波群起点；Ｒ峰后的谷点为Ｓ波拐点，峰点为波群终止点；（６）检测Ｐ、Ｔ波特征位置点：取步骤（４）得到的特征增强后的Ｐ波、Ｔ波子频带信号，检测Ｐ波和Ｔ波...

【技术特征摘要】
1.一种基于进化型小波域维纳去卷积的心电特征提取方法，其特征在于，包括下列步骤(1)根据心电信号的采样频率，选择形态学结构算子，利用数学形态学方法去除原始心电信号中的基线漂移；(2)初始化维纳滤波器，尺度参数 、能量参数 和迭代步长(βp)，取基漂滤除后心电信号，进行第1尺度下的小波变换，获取低频部分的有用信号，以及高频部分的噪声信号，求出有用信号和噪声信号的功率谱以及两者之间的互功率谱，以此构造非因果维纳滤波器，作为初始化维纳去卷积算子向量 (3)QRS复合波特征增强采用正交离散小波来分解预处理后的心电信号，根据心电信号和QRS复合波的频率范围，进行两次或两次以上的小波变换以获取QRS波群所在的特征子频带；将维纳去卷积算子向量 作用于QRS波群所在的子频带，而后计算总能量误差 如果误差值小于设定阈值，停止运算；否则，利用最陡下降梯度基方法，更新维纳去卷积算子向量 、能量参数 以及尺度参数 ，继续运算直到找到满意的维纳去卷积算子向量 (4)P波和T波特征增强利用步骤(3)得到的QRS复合波的位置信息，将QRS波群用基线替代；采用正交离散小波来分解移除QRS波群的心电信号，根据所得心电信号和P波、T波的频率范围，进行两次或两次以上的小波变换以获取P波和T波所在的特征子频带；将维纳去卷积算子向量 作用于P波和T波所在的特征子频带，而后计算总能量误差 ，如果误差值小于设定阈值，停止运算；否则，利用最陡下降梯度基方法，更新维纳去卷积算子向量 、能量参数 以及尺度参数 ，继续运算直到找到满意的维纳去卷积算子向量 (5)检测QRS...

【专利技术属性】
技术研发人员：周仲兴，明东，万柏坤，程龙龙，
申请(专利权)人：天津大学，
类型：发明
国别省市：12[中国|天津]