一种基于信息增益的心肺耦合关系分析方法技术

本发明专利技术涉及心肺耦合关系分析的技术领域，公开了一种基于信息增益的心肺耦合关系分析方法，包括：采集人体的心电信号和呼吸信号，形成心电信号序列和呼吸信号序列，分别对采集得到的心电信号序列和呼吸信号序列进行预处理；利用变步长的自适用滤波算法对预处理后的心电信号序列和呼吸信号序列进行滤波处理；对滤波后的心电信号序列和呼吸信号序列进行经验模态分解；对分解后的心电信号序列和呼吸信号序列进行信息增益计算。本发明专利技术所述方法通过对心电信号序列以及呼吸信号序列进行经验模态分解，对分解后的信号序列进行信息增益计算，信息增益越小，则说明心肺耦合关系越强，从而实现心肺耦合关系分析。实现心肺耦合关系分析。

【技术实现步骤摘要】
一种基于信息增益的心肺耦合关系分析方法


[0001]本专利技术涉及心肺耦合关系分析的
，尤其涉及一种基于信息增益的心肺耦合关系分析方法。

技术介绍

[0002]随着人们生活、工作的压力越来越大，引发的心血管疾病率也呈现出逐年持续上升的趋势，心脏方面的疾病变成了造成死亡的主要因素。很多国家都有数以万计的人患有不同程度的心血管方面的疾病，而在心脏病的诊断治疗中，使用最广泛最重要的检测技术是心电图，但单一的分析心电信号或者呼吸信号，分析结果的准确性和稳定性会受到序列非稳性的严重影响，如何实现心肺耦合关系分析，从多角度研究心血管疾病，成为当前研究的热门话题。
[0003]鉴于此，本专利技术提出一种基于信息增益的心肺耦合关系分析方法，通过对心电信号序列以及呼吸信号序列进行经验模态分解，对分解后的心电信号序列和呼吸信号序列进行信息增益计算，信息增益越小，则说明心肺耦合关系越强，从而实现心肺耦合关系分析。

技术实现思路

[0004]本专利技术提供一种基于信息增益的心肺耦合关系分析方法，目的在于(1)实现心电信号序列以及呼吸信号序列的分解；(2)基于信息增益实现心肺耦合关系分析。
[0005]实现上述目的，本专利技术提供的一种基于信息增益的心肺耦合关系分析方法，包括以下步骤：
[0006]S1：采集人体的心电信号和呼吸信号，形成心电信号序列和呼吸信号序列，分别对采集得到的心电信号序列和呼吸信号序列进行预处理；
[0007]S2：利用变步长的自适用滤波算法对预处理后的心电信号序列和呼吸信号序列进行滤波处理；
[0008]S3：对滤波后的心电信号序列和呼吸信号序列进行经验模态分解；
[0009]S4：对分解后的心电信号序列和呼吸信号序列进行信息增益计算，信息增益越小，则说明心肺耦合关系越强，否则越低。
[0010]作为本专利技术的进一步改进方法：
[0011]所述S1步骤中采集人体的心电信号序列以及呼吸信号序列，包括：
[0012]将心电电极片固定在人体皮肤部位，心电电极片持续获取人体的心电信号，并将心电信号传输到心电传感器，心电传感器所接收的心电信号序列为d(t)；在心电传感器内部具有高通滤波器，高通滤波器允许心电传感器接收信号频率高于截止频率f
t
的心电信号，所述截止频率f
t
的计算公式为：
[0013][0014]其中：
[0015]R表示高通滤波器中电阻的电阻值；
[0016]C表示高通滤波器中电容器的电容；
[0017]将二极管作为温度传感器放置在人体鼻腔内，将由鼻腔内温度变化引起的二极管导通电压变化转换为交变电压信号，并对交变电压信号进行放大处理，得到放大后的呼吸信号序列u(t)，所述交变电压信号放大处理流程为：
[0018]将采集到的交变电压信号u1(t)输入到信号运算放大器的同相输入端，则同相输入端的信号输出结果u2(t)为：
[0019]u2(t)＝(R1+R2)u1(t)
[0020]其中：
[0021]R1,R2分别为信号运算放大器的同相电阻，R1+R2>1；
[0022]将同相输入端的输出结果u2(t)输入到信号运算放大器的反相输入端，则反相输入端的信号输出结果为：
[0023]u(t)＝u2(t)/R3[0024]其中：
[0025]R3为信号运算放大器的反相电阻，R3>1。
[0026]所述S1步骤中对采集到的心电信号序列以及呼吸信号序列进行预处理，得到预处理后的心电信号序列和呼吸信号序列，包括：
[0027]对采集到的信号x(t)进行膨胀腐蚀操作，得到降噪后的信号x
′
(t)，其中信号x(t)包括采集到的心电信号序列和呼吸信号序列，所述数学形态操作流程为：
[0028]对采集到的信号x(t)进行g个点的膨胀腐蚀运算处理：
[0029][0030][0031][0032]其中：
[0033]表示信号的腐蚀运算，该运算使得x(t)信号序列在信号前段减少了g
‑
1个信号点；
[0034]表示信号的膨胀运算，该运算使得x(t)信号序列在信号后段减少了g
‑
1个信号点；
[0035]b(g)表示结构元素，g∈{0,1,
…
,g
‑
1}，且g＜＜N；
[0036]x(t)表示滤波处理后的信号，t∈{0,1,
…
,N
‑
1}，N表示信号x(t)中的时刻总数；
[0037]x
′
(t)表示降噪后的信号，包括降噪后的心电信号序列和呼吸信号序列。
[0038]所述S2步骤中对预处理后的心电信号序列和呼吸信号序列进行自适用滤波处理，包括：
[0039]利用变步长的自适用滤波算法对预处理后的心电信号序列和呼吸信号序列进行滤波处理，所述变步长的自适用滤波算法流程为：
[0040]1)对于降噪处理后的信号序列x
′
(t)，令m∈t，m＝0,1,2,
…
，得到x
′
(m)，m的初始值为0，步长μ(0)＝0；
[0041]2)输出滤波后的信号y(m)：
[0042]y(m)＝x
′
(m)
T
ω(m)
[0043]其中：
[0044]ω(m)为滤波权值；
[0045]T表示转置；
[0046]3)计算信号序列误差：
[0047]e(m)＝q(m)
‑
ω(m)
T
x
′
(m)
[0048]其中：
[0049]q(m)为期望输出的滤波信号；
[0050]4)更新步长：
[0051]μ(e(m))＝αμ(e(m
‑
1))+(1
‑
α)a|e(m)|2exp(
‑
b|e(m)|2)
[0052]其中：
[0053]α为平滑因子，α值越大步长变化越稳定，受误差e(m)的影响越小，将其设置为0.8；
[0054]a,b为常数，将a设置为2，b设置为3；
[0055]5)更新权值：
[0056]ω(m+1)＝ω(m)+μ(e(m))|e(m)|
v
‑2e(m)x
′
(m)
[0057]其中：
[0058]v∈(0,2)，为平均范数；
[0059]更新m＝m+1；
[0060]6)重复步骤2)
‑
5)，得到自适用滤波处理后的信号序列y(t)，其中y(t)为自适用滤波处理后的心电信号序列或呼吸信号序列。
[0061]所述S3步骤中对自适用滤波后的心电信号序列和呼吸信号序列进行经验模态分解，包括：
[0062]对自本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于信息增益的心肺耦合关系分析方法，其特征在于，所述方法包括：S1：采集人体的心电信号和呼吸信号，形成心电信号序列和呼吸信号序列，分别对采集得到的心电信号序列和呼吸信号序列进行预处理；S2：利用变步长的自适用滤波算法对预处理后的心电信号序列和呼吸信号序列进行滤波处理；S3：对滤波后的心电信号序列和呼吸信号序列进行经验模态分解；S4：对分解后的心电信号序列和呼吸信号序列进行信息增益计算，信息增益越小，则说明心肺耦合关系越强，否则越低。2.如权利要求1所述的一种基于信息增益的心肺耦合关系分析方法，其特征在于，所述S1步骤中采集人体的心电信号序列以及呼吸信号序列，包括：将心电电极片固定在人体皮肤部位，心电电极片持续获取人体的心电信号，并将心电信号传输到心电传感器，心电传感器所接收的心电信号序列为d(t)；在心电传感器内部具有高通滤波器，高通滤波器允许心电传感器接收信号频率高于截止频率f
t
的心电信号，所述截止频率f
t
的计算公式为：其中：R表示高通滤波器中电阻的电阻值；C表示高通滤波器中电容器的电容；将二极管作为温度传感器放置在人体鼻腔内，将由鼻腔内温度变化引起的二极管导通电压变化转换为交变电压信号，并对交变电压信号进行放大处理，得到放大后的呼吸信号序列u(t)，所述交变电压信号放大处理流程为：将采集到的交变电压信号u1(t)输入到信号运算放大器的同相输入端，则同相输入端的信号输出结果u2(t)为：u2(t)＝(R1+R2)u1(t)其中：R1，R2分别为信号运算放大器的同相电阻，R1+R2＞1；将同相输入端的输出结果u2(t)输入到信号运算放大器的反相输入端，则反相输入端的信号输出结果为：u(t)＝u2(t)/R3其中：R3为信号运算放大器的反相电阻，R3＞1。3.如权利要求2所述的一种基于信息增益的心肺耦合关系分析方法，其特征在于，所述S1步骤中对采集到的心电信号序列以及呼吸信号序列进行预处理，得到预处理后的心电信号序列和呼吸信号序列，包括：对采集到的信号x(t)进行膨胀腐蚀操作，得到降噪后的信号x
′
(t)，其中信号x(t)包括采集到的心电信号序列和呼吸信号序列，所述数学形态操作流程为：对采集到的信号x(t)进行g个点的膨胀腐蚀运算处理：
其中：表示信号的腐蚀运算，该运算使得x(t)信号序列在信号前段减少了g
‑
1个信号点；表示信号的膨胀运算，该运算使得x(t)信号序列在信号后段减少了g
‑
1个信号点；b(g)表示结构元素，g∈{0，1，...，g
‑
1}，且g＜＜N；x(t)表示滤波处理后的信号，t∈{0，1，...，N
‑
1}，N表示信号x(t)中的时刻总数；x
′
(t)表示降噪后的信号，包括降噪后的心电信号序列和呼吸信号序列。4.如权利要求3所述的一种基于信息增益的心肺耦合关系分析方法，其特征在于，所述S2步骤中对预处理后的心电信号序列和呼吸信号序列进行自适用滤波处理，包括：利用变步长的自适用滤波算法对预处理后的心电信号序列和呼吸信号序列进行滤波处理，所述变步长的自适用滤波算法流程为：1)对于降噪处理后的信号序列x
′
(t)，令m∈t，m＝0，1，2，...，得到x
′
(m)，m的初始值为0，步长μ(0)＝0；2)输出滤波后的信号y(m)：y(m)＝x
′
(m)
T
ω(m)其中：ω(m)为滤波权值；T表示转置；3)计算信号序列误差：e(m)＝q(m)
‑
ω(m)
T
x
′
(m)其中：q(m)为期望输出的滤波信号；4)更新步长：μ(e(m))＝αμ(e(m
‑
1))+(1
‑
α)a|e(m)|2exp(
‑
b|e(m)|2)其中：α为平滑因子，将其设置为0.8；a，b为常数，将a设置为2，b设置为3；5)更新权值：ω(m+1)＝ω(m)+μ(e(m))|e(m)|
v
‑2e(m)x
′
(m)其中：v∈(0，2)，为平均范数；更新m＝m+1；6)重复步骤2)
‑
5)，得到自适用滤波处理后的信号序列y(t)，其中y(t)为自适用滤波处理后的心电信号序列或呼吸信...

【专利技术属性】
技术研发人员：宋元林，刘哲，杜春玲，郑其昌，唐聪能，
申请(专利权)人：湖南万脉医疗科技有限公司，
类型：发明
国别省市：