【技术实现步骤摘要】
本专利技术属于心阻抗信号处理，涉及心阻抗信号的细节保留技术，具体涉及一种心阻抗信号细节分离重构及特征提取的实现方法。
技术介绍
1、心阻抗信号的波形、振幅等特征可以描述心脏的收缩和舒张功能，以及与外周血管顺应性相关的参数。由于相关技术的发展，使得对患者的心阻抗信号的无创采集过程安全、方便，可以适用于诊断和医学监测目的。
2、生理信号采集的不确定性会使心阻抗信号引入环境电磁干扰、电气设备干扰或其他生物电信号的干扰，使心阻抗信号的特征定位产生偏差，进而影响血流动力学参数的准确计算，从而限制了其在心血管诊断和治疗中的应用。
3、心脏具有周期性收缩和舒张的生理机制，而心阻抗信号是利用阻抗图法通过测量血液在心脏和血管中的流动对血管壁产生的阻抗变化而获得的，这种阻抗变化也随着心脏的跳动而呈现周期性的变化，因此心阻抗信号的频率相对集中且心阻抗信号主要频率集中在20hz以下。
4、vmd算法能够精确捕捉信号中随时间变化的特性，将信号更为精细地分解为含有不同时间尺度信息的模态函数集。但由于个体差异或不同场景下噪声的来源和特性可能有所不同，在实际应用中，分解层数kvmd和惩罚因子α成为vmd分解性能的制约因素。具体而言，k作为模态分量的层数，其选择直接影响了信号分解的精细度和复杂性。另一方面，惩罚因子α在vmd方法中用于平衡信号的重构误差和带宽约束，较大的惩罚因子会使分解结果更加平滑，但可能导致信号细节丢失；较小的惩罚因子则可能增加噪声成分。因此，需要根据实际情况选择合适的vmd分解参数。
5、c波的
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种心阻抗信号细节分离重构及特征提取的实现方法，针对从前端监测系统采集的不同心阻抗信号自适应匹配不同的控制参数进行细节分离与重构，以解决现有心阻抗信号处理技术存在的主观性强、鲁棒性不足、信号自适应差、特征丢失和特征点提取不准的问题。
2、为达到上述目的，本专利技术提供如下技术方案：
3、一种心阻抗信号细节分离重构及特征提取的实现方法，具体包括以下步骤：
4、s1：利用iceemdan方法将心阻抗信号icg分解为代表信号不同频率与幅度成分的nimf分量：
5、
6、其中，nimf(k,n)表示由iceemdan分解的第k层nimf本征模态函数，k＝1,...,k，k表示icg信号经iceemdan分解的分解层数，n表示每组nimf分量的数据长度，与输入信号等长；iceemdan表示改进的自适应噪声完备集合经验模态分解，nimf表示icg信号经iceemdan分解后得到的模态分量；
7、s2：选取层数k1划分出nimf分量中关于心阻抗信号的细节分量重构为icg1，以及仍具有部分心阻抗信号信息的剩余分量重构为icg2：
8、
9、s3：选取分解层数kvmd和惩罚因子α对icg2进行vmd分解，得到kvmd组vimf分量：
10、
11、其中，vmd表示变分模态分解，vimf表示icg信号经过vmd分解后得到的模态分量；
12、s4：通过下式对vimf分量进行自适应阈值处理：
13、
14、其中，fni表示第i层vimf分量，表示阈值处理后的第i层vimf分量；τi是阈值，为三倍的信号标准差，可根据实际情况进行调整；
15、s5：选取层数k2重构出vimf分量中关于心阻抗信号的其他细节信息为icg3，再结合步骤s2中得到的icg1，共同重构心阻抗信号的去噪结果s(n)：
16、
17、s6：利用差分阈值和移动积分的方案，对步骤s5去噪后的心阻抗信号进行两侧差分和固定c点，再分段提取a、b、x、o的特征。
18、进一步，步骤s1中，所述nimf分量是按照从高频到低频排序的，第k层为基线。
19、进一步，步骤s2中，选取层数k1的方法是：通过求取除第一层和第k层以外的各nimf分量能量的极小值，再从极小值中选择靠近低频的层数，若没有极小值则取总分解层数的一半，即为k1。
20、进一步，步骤s2中，第k个nimf分量的能量xeng(k)通过以下公式求得：
21、
22、其中，n表示采样点数，k＝1,...,k。
23、进一步，步骤s3中，利用pso算法对vmd中的分解层数kvmd即粒子位置和惩罚因子α即粒子速度迭代更新找到vmd方法中所需参数的最优组合；其中，pso表示粒子群优化算法；
24、所述pso算法具体是：选取vmd分解所需的分解层数kvmd和惩罚因子α通过记录每次输入icg信号进行vmd分解的历史适应度y与粒子位置kvmd和粒子速度α，根据历史适应度选取最优参数组合，得到vmd分解所需的分解层数kvmd和惩罚因子α；
25、相关适应度计算公式如下；
26、
27、其中，y为对应的适应度，env是对vimf分量经过希尔伯特变换得到的参数，该参数是数据长度为n的复数。pi(k)表示对env求模后得到的第i个参数在总体n个参数中的比值；n表示每组vimf分量的数据长度，与输入信号等长。
28、进一步，步骤s5中，选取层数k1的方法是：通过傅里叶变换将vimf分量映射到频域求取各vimf分量的中心频率，再筛选出第一个中心频率小于25hz的vimf分量对应的层即为k2。
29、进一步，步骤s6中，所述的两侧差分和固定c点，分段提取方法的具体步骤包括：
30、s61：对s(n)进行一次差分，使差分信号中小于0的数据置为0，并设为difficg1；然后仍对s(n)信号进行差分，使大于0的数据置为0，设为difficg2；
31、s62：将difficg1和difficg2中的数据均平方并使用3点的平滑滤波，然后进行0.05倍采样率fs的移动积分，得到处理后的信号traicg1和traicg2，再分别对traicg1和traicg2求取阈值大于0.4*max(traicg1)和0.4*max(traicg2)的峰值点，两组数据的峰值点分别对应为peak1和peak2；
32、s63：对peak1与peak2中的每一个值均作差，求取每个峰值点之间的距离，然后只选择两者差值大于0且距离不超过0.2倍采样率fs内的峰值点，并将两组峰值数据重新定义为新的pea本文档来自技高网...
【技术保护点】
1.一种心阻抗信号细节分离重构及特征提取的实现方法，其特征在于，该方法具体包括以下步骤：
2.根据权利要求1所述的心阻抗信号细节分离重构及特征提取的实现方法，其特征在于，步骤S1中，所述NIMF分量是按照从高频到低频排序的，第K层为基线。
3.根据权利要求1所述的心阻抗信号细节分离重构及特征提取的实现方法，其特征在于，步骤S2中，选取层数K1的方法是：通过求取除第一层和第K层以外的各NIMF分量能量的极小值，再从极小值中选择靠近低频的层数，若没有极小值则取总分解层数的一半，即为K1。
4.根据权利要求3所述的心阻抗信号细节分离重构及特征提取的实现方法，其特征在于，步骤S2中，第k个NIMF分量的能量xeng(k)通过以下公式求得：
5.根据权利要求1所述的心阻抗信号细节分离重构及特征提取的实现方法，其特征在于，步骤S3中，利用PSO算法对VMD中的分解层数Kvmd即粒子位置和惩罚因子α即粒子速度迭代更新找到VMD方法中所需参数的最优组合；其中，PSO表示粒子群优化算法；
6.根据权利要求1所述的心阻抗信号细节分离重构及特
7.根据权利要求1所述的心阻抗信号细节分离重构及特征提取的实现方法，其特征在于，步骤S6中，所述的两侧差分和固定C点，分段提取方法的具体步骤包括：
...【技术特征摘要】
1.一种心阻抗信号细节分离重构及特征提取的实现方法，其特征在于，该方法具体包括以下步骤：
2.根据权利要求1所述的心阻抗信号细节分离重构及特征提取的实现方法，其特征在于，步骤s1中，所述nimf分量是按照从高频到低频排序的，第k层为基线。
3.根据权利要求1所述的心阻抗信号细节分离重构及特征提取的实现方法，其特征在于，步骤s2中，选取层数k1的方法是：通过求取除第一层和第k层以外的各nimf分量能量的极小值，再从极小值中选择靠近低频的层数，若没有极小值则取总分解层数的一半，即为k1。
4.根据权利要求3所述的心阻抗信号细节分离重构及特征提取的实现方法，其特征在于，步骤s2中，第k个nimf分量的能量xeng(k)通过以下公式求得：<...
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。