一种基于多通道奇异谱分析的心冲击信号去噪方法技术

一种基于多通道奇异谱分析的心冲击信号去噪方法属人体生理信号处理技术领域，本发明专利技术通过计算STA/LTA比值来获取心跳模板信号，利用模板与心冲击信号的相关性，将心冲击信号分割重建为一个空间结构具备连续性、且信号成分的秩已知的矩阵，使用多通道奇异谱分析分解矩阵，利用信号成分的低秩性与结构连续的相似性，直接选择与秩数相等数量的奇异值重构矩阵，使信号成分与噪声分离，再逆变换为一维心冲击信号。本发明专利技术能有效滤除心冲击信号监测系统在采集信号过程中受到的噪声干扰，在有效压制噪声的同时，还可恢复信号中波形失真、缺失的部分，进一步提高信号质量，同时避免重构信号时不易选择哪些奇异值属于信号成分的问题。号时不易选择哪些奇异值属于信号成分的问题。号时不易选择哪些奇异值属于信号成分的问题。

【技术实现步骤摘要】
一种基于多通道奇异谱分析的心冲击信号去噪方法


[0001]本专利技术属于人体生理信号处理
，具体涉及一种基于多通道奇异谱分析的心冲击信号去噪方法。

技术介绍

[0002]随着国内社会老龄化，对老年人的睡眠健康状态的关注愈发强烈。老年人往往会患有呼吸疾病、心脏疾病、或其它一些慢性病，如呼吸障碍疾病将导致睡眠期间呼吸变浅或停止，容易导致生命危险。因此对一些独居老人来说，如果能在睡眠过程中实现有效的对突发疾病，心率变异等的异常状态检测，将具有十分重要的意义。心冲击信号(BCG)是一种无接触的心脏机械活动的监测方法，能无扰动、非创伤、连续记录人体生理信息，在人体睡眠健康检测方面有广阔的应用前景。在平静的卧姿睡眠状态下，从人体胸部位置采集的BCG信号一般不会包含大的体动伪影与外源干扰，但会包含着呼吸运动，还有源于人体本身机体，例如肌肉或内脏的微弱震动、乃至于人体与衣物或床褥的细小摩擦，都会在信号传递中造成的干扰，导致BCG心跳信号的形变，局部信号难以辨认以至于不能有效地提取心跳，进而造成无法准确的计算心率与疾病检测，因此需要实现BCG信号的噪声压制。
[0003]目前，常见的心冲击信号噪声抑制方法有应用数字滤波器进行低、高通滤波过滤噪声；利用小波变换进行多尺度的分析来得到心跳成分；利用经验模态分解、变分模态分解分析，区分信号分量与噪声分量；当采集多道BCG信号时，还可采用独立分量分析来降噪。在上述方法中，如数字滤波器滤波有时会导致滤波结果有些许变形，而且当噪声干扰与心跳信号同频就会存在噪声残留；小波分解、变分模态分解、经验模态分解等方法虽然能够在一定程度上分离开呼吸、心跳与噪声，但需要人为调整小波包，或是分解模态的个数、惩罚项等等参数，使用起来较为复杂，对噪声的压制效果不够理想，而且通常不能恢复变形的信号结构。上述的这些方法仍然是基于一维时序的处理方式，没有考虑到心跳是周期震荡的，心跳信号中各个心跳周期在一定程度上具备相似性，利用这一性质进行心冲击信号的去噪可以取得更佳的效果。
[0004]基于上述技术背景，说明已有的去噪方式仍存在缺陷，需要研究并提出更好的BCG信号去噪方法。

技术实现思路

[0005]本专利技术的目的在于提供一种基于多通道奇异谱分析的心冲击信号去噪方法。将一维的BCG信号重构为一个二维信号矩阵，利用有效心跳信号成分在信号矩阵中的低秩性与心跳信号的相似性，实现对心冲击信号中噪声的压制。
[0006]本专利技术的一种基于多通道奇异谱分析的心冲击信号去噪方法，包括下列步骤：
[0007]1.1采集心冲击(Ballistocardiogram，BCG)信号并去除呼吸信号：
[0008]用床垫式心冲击信号监测设备采集受测者的心冲击信号，取时长为T的一段BCG信号；
[0009]计算BCG信号的均值，并从BCG信号中去除均值以去除直流分量；
[0010]利用变分模态分解将去除均值的BCG信号分解为K个模态分量，搜索中心频率处于呼吸信号频带范围内的模态分量，作为呼吸信号分量，将所有呼吸信号分量相加重构得到呼吸信号，从BCG信号中减去呼吸信号得到心跳信号s(t)；
[0011]1.2构造心跳信号矩阵，包括下列步骤：
[0012]1.2.1计算s(t)的短、长时窗信号幅度平方的均值(STA/LTA)的比值r(t)；
[0013]计算r(t)频谱的最大峰值对应的频率，记为峰值频率f，将f的倒数与采样频率相乘得到长度P；
[0014]搜索r(t)中所有同时小于前、后相邻采样点幅值的点，作为局部最小点，搜索局部最小点中所有同时小于前、后相邻局部最小点幅值的点，作为各个心跳周期交界点；
[0015]以第一个心跳周期交界点为起点，以长度P对心跳信号s(t)平均分割，分割后的所有信号段做算术平均作为心跳模板信号G(t)；
[0016]1.2.2将心跳模板信号G(t)与心跳信号s(t)在首端对齐，滑动模板，步长为1，逐个窗口计算模板与心跳信号的相似系数，得到一条相似系数曲线；
[0017]相似系数曲线的波动会呈现周期性，与心跳信号的周期性一致，搜索相似系数曲线中所有同时大于前、后相邻相似系数幅值的点，作为局部相似点；
[0018]计算所有局部相似点的绝对中位差，如果一个局部相似点的值不大于且不小于3倍的绝对中位差，则保留；
[0019]计算所有局部相似点位置序列的差分值，如果一个局部相似点的前、后两个差分值都与长度P相近，则保留；
[0020]将保留下的局部相似点作为构造心跳信号矩阵的信号片段标志点，这些标志点会对应信号中的各个心跳周期；
[0021]1.2.3以每个构造心跳信号矩阵的信号片段标志点为中心，截取长度为P的心跳信号段，记作心跳信号段{S
i
}，i＝1,2
…
N，同时记录下每条信号段在s(t)中的起终点位置；
[0022]将第i个截取出心跳信号段作为心跳信号矩阵S的第i列，把一维时序心跳信号转换为二维心跳信号矩阵S＝[S1,S2,
…
,S
N
],S∈R
P
×
N
；
[0023]1.3去除心跳信号矩阵中的噪声，包括下列步骤：
[0024]1.3.1以P/2为窗长，将S的每条列向量S
i
都构造成相应的汉克尔矩阵M
i
,其中P1＝P/2,N1＝P
‑
P1+1，M
i
中所有逆对角线上的元素都相等，得到汉克尔矩阵序列M＝(M1,M2,M3…
M
N
)；
[0025]以N/2为窗长，将M构造成块汉克尔矩阵(Hankel Block Matrix)其中P2＝N/2,N2＝N
‑
P2+1；
[0026]1.3.2对块汉克尔矩阵H做奇异值分解，得到按数值大小降序排列的奇异值及相应的特征向量；
[0027]选择前k个奇异值及其特征向量作为信号成分，一个干净的心跳信号矩阵由I个复平面波叠加形成,干净心跳信号矩阵对应的块汉克尔矩阵的秩同样是I，噪声会导致块汉克尔矩阵的秩增加，因此选择前k＝I个奇异值及相应的特征向量作为信号成分，剩余的奇异值及相应的特征向量作为噪声成分；
[0028]1.3.3选择前k个奇异值及相应的特征向量作为信号成分重构块汉克尔矩阵，得到去后噪的矩阵H
′
；
[0029]对去噪后的矩阵H
′
依次进行两次逆对角线平均化(汉克尔矩阵逆变换)，得到去噪后的心跳信号矩阵S
′
；
[0030]1.4根据步骤1.2.3中记录的每条信号段的起终点位置，将S
′
中对应的列向量取出，按位置放还并组成一维信号
[0031]若信号段间存在重叠，则对重叠部分做平均处理，得到去噪后的心跳信号
[0032]如果一个二维矩阵可认为是由I个复平面波叠加构成，那么其相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多通道奇异谱分析的心冲击信号去噪方法，其特征在于，包括下列步骤：1.1采集心冲击信号，即采集BCG信号并去除呼吸信号：用床垫式心冲击信号监测设备采集受测者的心冲击信号，取时长为T的一段BCG信号；计算BCG信号的均值，并从BCG信号中去除均值以去除直流分量；利用变分模态分解将去除均值的BCG信号分解为K个模态分量，搜索中心频率处于呼吸信号频带范围内的模态分量，作为呼吸信号分量，将所有呼吸信号分量相加重构得到呼吸信号，从BCG信号中减去呼吸信号得到心跳信号s(t)；1.2构造心跳信号矩阵，包括下列步骤：1.2.1计算s(t)的短、长时窗信号幅度平方的均值的比值r(t)；计算r(t)频谱的最大峰值对应的频率，记为峰值频率f，将f的倒数与采样频率相乘得到长度P；搜索r(t)中所有同时小于前、后相邻采样点幅值的点，作为局部最小点，搜索局部最小点中所有同时小于前、后相邻局部最小点幅值的点，作为各个心跳周期交界点；以第一个心跳周期交界点为起点，以长度P对心跳信号s(t)平均分割，分割后的所有信号段做算术平均作为心跳模板信号G(t)；1.2.2将心跳模板信号G(t)与心跳信号s(t)在首端对齐，滑动模板，步长为1，逐个窗口计算模板与心跳信号的相似系数，得到一条相似系数曲线；相似系数曲线的波动会呈现周期性，与心跳信号的周期性一致，搜索相似系数曲线中所有同时大于前、后相邻相似系数幅值的点，作为局部相似点；计算所有局部相似点的绝对中位差，如果一个局部相似点的值不大于且不小于3倍的绝对中位差，则保留；计算所有局部相似点位置序列的差分值，如果一个局部相似点的前、后两个差分值都与长度P相近，则保留；将保留下的局部相似点作为构造心跳信号矩阵的信号片段标志点，这些标志点会对应信号中的各个心跳周期；1.2.3以每个构造心跳信号矩阵的信号片段标志点为中心，截取长度为P的心跳信号段，记作心跳信号段{S
i
}，i＝1,2

【专利技术属性】
技术研发人员：林红波，薛剑鸣，褚海婷，
申请(专利权)人：吉林大学，
类型：发明
国别省市：