基于周期性快速独立向量分析的胎儿心电信号识别方法技术

本发明专利技术公开了一种基于周期性快速独立向量分析的胎儿心电信号识别方法，包括：1、采集孕妇腹部处的表面心电信号；2、表面心电信号采用快速独立向量分析分解腹部心电信号，估计初始母体心电R波尖峰序列；3、将初始母体心电R波尖峰序列作为相对约束，采用基于周期性约束的快速独立向量分析估计母体心电R波尖峰序列；4、采用奇异值分解估计母体心电信号波形；5、从胎儿多通道心电信号中去除母体心电信号波形，得到估计的剩余信号，并作为胎儿多通道剩余心电信号；6、按照步骤2

【技术实现步骤摘要】
基于周期性快速独立向量分析的胎儿心电信号识别方法


[0001]本专利技术属于生物信号处理
，具体涉及一种基于周期性快速独立向量分析的胎儿心电信号识别方法，主要应用于胎儿心率检测。

技术介绍

[0002]胎儿心电信号(Fetal Electrocardiogram,FECG)能够反映胎儿心脏活动的电生理信号，其中，胎儿的R波代表心脏左右心室进行去极化操作，R波提取是胎儿心脏信号特征识别的重要步骤，根据相邻R波得到R
‑
间隔，能够对胎儿心率进行计算。腹部表面心电信号(Abdominal surface Electrocardiogram,AECG)是一种在孕妇腹部表面采集得到的心电信号，具有无创、安全、便于携带和采集等优点，研究者希望能够从腹部心电信号提取胎儿心电信号，以实现无创胎儿心率监测。然而，由于FECG信号振幅非常微弱，且在腹部采集的心电信号是由母体心电信号(Maternal Electrocardiogram,MECG)、FECG、表面肌电信号(Surface Electromyography,SEMG)，测量噪声等多种信号在表面电极处叠加的结果，故难以直接胎儿心电信号的波形进行提取。
[0003]因为母体心电信号在对胎儿心电信号检测的影响较大，传统方法如自适应滤波(Adaptive filter,AF)，模板匹配(template subtraction,TS)在通过去除母体心电信号的基础上增强胎儿心电信号波形，以提高胎儿心电信号识别准确率。但上述方法并不能完全将母体心电信号进行去除，不可避免地会引入噪声。近年来，深度学习由于其具有强大非线性学习能力，也逐渐被用于生物电信号的处理中，如：对抗神经网络(generative adversarial network,GAN)，长短时记忆网络(long short
‑
term memory network,LSTM)等都被应用于胎儿心电信号检测，并取得了较好的效果。然而，神经网络的训练需要大量训练样本以及反复的调参工作，其结果往往会受到训练数据分布的影响，这些都导致算法在实际应用性能下降。
[0004]胎儿心电信号的检测本质上是盲源分离(Blind source separation,BSS)问题，基于高阶独立源假设，基于盲源分离的方法能够直接从孕妇腹部心电信号中分离母体以及胎儿的心电信号。然而，现有的基于盲源分离的方法如主成分分析(principal component analysis,PCA)，独立向量分析(independent component analysis,ICA)易受到信号中噪声的影响，且信号源成分数量需要少于观测源数量，这些都会导致胎儿心电信号无法完全从混叠信号中分离，或者导致分离出的胎儿心电信号出现错误。

技术实现思路

[0005]本专利技术为了克服现有的基于盲源分离方法的不足之处，提出一种基于周期性快速独立向量分析的胎儿心电信号识别方法，以期能够在伴有噪声干扰的腹部心电信号中成功分离胎儿心电信号，同时能提高提取的胎儿心电信号R波检测的准确率。
[0006]本专利技术为解决技术问题，采用如下技术方案：
[0007]本专利技术一种基于周期性快速独立向量分析的胎儿心电信号识别方法的特点在于，
是按如下步骤进行：
[0008]步骤1、获取孕妇腹部处表面所采集的N通道表面心电信号并进行去噪处理后，得到腹部表面心电信号数据，记为E
′
(t)＝[e1(t),e2(t),
…
,e
l
(t),
…
,e
N
(t)]T
，其中，e
l
(t)表示t时刻去噪后的第l个通道的心电信号；T表示转置；
[0009]步骤2、采用快速独立向量分析法分解所述腹部表面心电信号数据E
′
(t)，以估计初始母体心电R波尖峰序列r：
[0010]步骤2.1、定义并初始化母体多通道剩余心电信号e
r
＝E
′
(t)；
[0011]步骤2.2、对母体多通道剩余心电信号e
r
进行扩展与白化处理，得到母体球化信号
[0012]步骤2.3、对母体球化信号进行快速独立分量分解，得到母体解混向量W；
[0013]步骤2.4、计算初始心电信号成分从Y＝[y1,y2,
…
,y
N
]T
中选择一列分量作为初始母体心电信号成分y，将y中高于选择阈值的所有局部峰值作为初始母体心电R波尖峰序列r；
[0014]步骤3、将初始母体心电R波尖峰序列r作为约束，采用基于周期性约束的快速独立向量分析法估计最终的母体心电R波尖峰序列
[0015]步骤3.1、定义并初始化迭代次数k＝1；定义并初始化第k次迭代的两个拉格朗日乘子α
k
，μ
k
，定义并初始化两个惩罚因子γ，β；
[0016]定义并随机初始化一个解混向量w在第k次迭代的计算结果为w
k
；
[0017]定义第k次迭代的相关性函数为定义第k次迭代的周期性函数为数为其中，为y
k
经过延迟的信号，为第k次迭代中的相关性下界，为第k次迭代中的周期性下界；y
k
表示第k次迭代中根据求得的母体心电信号成分，(y
k
)
T
为y
k
的转置；E表示期望；
[0018]步骤3.2、通过式(1)得到解混向量w在第k次迭代正交化后的计算结果
[0019][0020]式(1)中，G
′
表示非多项式G的一阶函数；表示的一阶函数，表示的一阶函数；
[0021]步骤3.3、通过式(2)得到解混向量w在第k+1次迭代的计算结果w
k+1
：
[0022][0023]步骤3.4、通过式(3)和式(4)分别得到第k+1次迭代的两个拉格朗日乘子α
k+1
，μ
k+1
：
[0024][0025][0026]步骤3.5、若k<θ，则将赋值k+1给k，返回步骤3.2顺序执行，否则，表示得到解混向量w在第θ次迭代的计算结果w
θ
；其中，θ代表的迭代次数上限；
[0027]步骤3.6、根据w
θ
计算最终的母体心电信号成分将y
*
中高于选择阈值的所有局部峰值作为最终估计得到的母体心电R波尖峰序列
[0028]步骤4、采用奇异值分解估计母体心电R波尖峰序列中的母体心电信号波形M；
[0029]步骤5、将M从母体多通道剩余心电信号e
r
中去除，得到估计的剩余信号并作为胎儿多通道剩余心电信号；
[0030]步骤6、按照步骤2.2
‑
步骤4的过程对进行处理后，得到胎儿心电信号R波尖峰序列本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于周期性快速独立向量分析的胎儿心电信号识别方法，其特征在于，是按如下步骤进行：步骤1、获取孕妇腹部处表面所采集的N通道表面心电信号并进行去噪处理后，得到腹部表面心电信号数据，记为E
′
(t)＝[e1(t)，e2(t)，...，e
l
(t)，...，e
N
(t)]
T
，其中，e
l
(t)表示t时刻去噪后的第l个通道的心电信号；T表示转置；步骤2、采用快速独立向量分析法分解所述腹部表面心电信号数据E
′
(t)，以估计初始母体心电R波尖峰序列r：步骤2.1、定义并初始化母体多通道剩余心电信号e
r
＝E
′
(t)；步骤2.2、对母体多通道剩余心电信号e
r
进行扩展与白化处理，得到母体球化信号步骤2.3、对母体球化信号进行快速独立分量分解，得到母体解混向量W；步骤2.4、计算初始心电信号成分从Y＝[y1，y2，...，y
N
]
T
中选择一列分量作为初始母体心电信号成分y，将y中高于选择阈值的所有局部峰值作为初始母体心电R波尖峰序列r；步骤3、将初始母体心电R波尖峰序列r作为约束，采用基于周期性约束的快速独立向量分析法估计最终的母体心电R波尖峰序列步骤3.1、定义并初始化迭代次数k＝1；定义并初始化第k次迭代的两个拉格朗日乘子α
k
，μ
k
，定义并初始化两个惩罚因子γ，β；定义并随机初始化一个解混向量w在第k次迭代的计算结果为w
k
；定义第k次迭代的相关性函数为定义第k次迭代的周期性函数为定义第k次迭代的周期性函数为其中，为y
k
经过延迟θ的信号，为第k次迭代中的相关性下界，为第k次迭代中的周期性下界；y
k
表示第k次迭代中根据求得的母体心电信号成分，(y
k
)
T
为y
k
的转置；E表示期望；步骤3.2、通过式(1)得到解混向量w在第k次迭代正交化后的计算结果步骤3.2、通过式(1)得到解混向量w在第k次迭代正交化后的计算结果式(1)中，G
′
表示非多项式G的一阶函数；表示的一阶函数，表示的一阶函数；步骤3.3、通过式(2)得到解混向量w在第k+1次迭代的计算结果w
k+1
：步骤3.4、通过式(3)和式(4)分别得到第k+1次迭代的两个拉格朗日乘子α
k+1
，μ
k+1
：：步骤3.5、若k＜θ，则将赋值k+1给k，返回步骤3.2顺序执行，否则，表示得到解混向量w在第θ次迭代的计算结果w
θ
；其中，θ代表的迭代次数上限；步骤3.6、根据w
θ
计算最终的母体心电信号成分将y
*

【专利技术属性】
技术研发人员：张旭，骆轩玉，崔嘉雯，李心慧，陈香，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：