【技术实现步骤摘要】
本专利技术涉及运动伪影处理，尤其涉及一种利用多个参考点来消除单目标点运动伪影干扰的方法。
技术介绍
1、在诸多涉及运动目标数据采集的领域，如生物医学监测中的可穿戴设备采集生理信号、运动追踪系统记录物体运动数据等，运动伪影常常会对单目标点数据的准确性产生严重干扰。
2、cn202011344388.9公开了一种胃肠动力检查系统，包括胃肠动力胶囊、定位装置和终端设备，所述胃肠动力胶囊包括壳体及磁体，所述定位装置包括至少两个磁传感器；所述胃肠动力胶囊用于在受检者的体内随着胃肠的蠕动而移动时产生变化的磁场；所述磁传感器用于采集磁场的强度数据，并将所述强度数据发送给终端设备。终端设备根据所述强度数据确定所述胃肠动力胶囊在胃肠内的位置和姿态信息及运动频率。
3、但是，该系统中的定位装置固定于受检者的腹部，受检者需连续佩戴24-72小时，在此过程中由于受检者身体姿势的变化，会引起定位装置与受检者身体之间的相对位置和方向发生变化，即运动伪影干扰，导致系统估计出的胃肠动力胶囊的位置、姿态及运动频率信息中，除了包含由胃肠蠕动引起胃肠动力胶囊的正常运动之外，还包含运动伪影干扰引起的相对运动，因此这种方式获得的定位数据误差高、精度不准。
4、传统的运动伪影处理方法大多针对图像数据，而对于单纯采集的数据处理手段相对有限。现有的一些方法难以充分利用多个参考点信息，在消除单目标点运动伪影时，无法有效平衡数据精度与算法复杂度等多方面的要求，导致处理后的单目标点数据仍存在较大误差，影响后续的分析与应用。
1、本专利技术要解决的技术问题在于提供一种基于多参考点的单目标点运动伪影干扰消除算法，通过有效整合多个参考点信息，精确消除单目标点的运动伪影干扰，提高数据的准确性与可靠性。
2、为此，本专利技术提供一种用于在单目标运动数据的采集系统中消除运动伪影干扰的方法，所述采集系统包括：单目标、多个参考点、以及终端设备，其中所述终端设备用于接收和处理采集到的所述单目标和多个参考点的运动数据，其特征在于，所述方法包括以下步骤：
3、a1.数据采集与整理步骤：采集包括单目标点以及多个参考点的运动数据序列；
4、a2.对单目标点以及多个参考点的关联性进行分析：计算每个参考点与单目标点之间的关联性指标，确定时间延迟匹配点及关联程度；
5、a3.多参考点加权模型构建：根据关联性构建加权模型，引入稳定性指标修正加权系数，构建基于多参考点的单目标点数据估计模型；
6、a4.模型优化与伪影消除：采用最小二乘法对加权模型进行优化，得到消除运动伪影干扰后的优化单目标点数据序列。
7、优选地，所述方法还包括：a5.数据验证与质量评估：采用均方根误差和相关系数指标对处理前单目标点数据和处理后的单目标点数据进行质量评估，验证算法有效性并按需调整参数或模型。
8、优选地，所述方法中，步骤a1，采集包含单目标点以及多个参考点的运动数据序列，其中采集到的单目标点数据序列为为s(t)＝{s1,s2,...，sn}，其中t表示时间序列，si为可服用定位标记物(2)在时刻i的数据值；同时采集到m个参考点的数据序列，第j个参考点的数据序列记为rj(t)＝{rj1,rj2，...，rjn}，j＝1,2,...,m；对采集到的数据进行初步整理，去除明显异常的数据点。
9、优选地，所述方法中，通过设定数据阈值范围进行判断与剔除所述明显异常的数据点。
10、优选地，步骤a2中：采用互相关函数来衡量关联性，对于第j个参考点与单目标点，其互相关函数cs，rj(τ)计算公式如下：
11、
12、其中为单目标点数据序列的均值，为第j个参考点数据序列的均值，τ为时间延迟参数，取值范围为[-τmax,τmax]，通过分析互相关函数的峰值位置与大小，确定每个参考点与单目标点在时间延迟上的最佳匹配点以及关联程度。
13、优选地，步骤a3中：设加权系数为ωj，并且引入稳定性指标stj，稳定性指标可通过计算参考点数据序列的方差的倒数来衡量，即
14、并且对加权系数进行修正，修正后的加权系数ω’j计算公式为：
15、
16、构建基于多参考点的单目标点数据估计模型：
17、
18、其中δtj为根据互相关函数确定的第j个参考点与单目标点的时间延迟补偿值。
19、优选地，其初始值根据关联程度进行初步分配，关联程度越高的参考点，其加权系数ωj越大。
20、优选地，步骤a4中：采用最小二乘法对加权模型进行优化，以最小化估计值s′(t)与原始单目标点数据s(t)之间的误差，其中设误差函数通过对e关于加权系数ω’j求偏导数，并令其等于零，得到一组方程，求解该方程组可得到优化后的加权系数ω”j，将优化后的加权系数代入数据估计模型，得到消除运动伪影干扰后的单目标点数据序列s"(t)。
21、优选地，步骤a5中：采用均方根误差(rmse)和相关系数(cc)指标对消除运动伪影干扰前后的单目标点数据进行质量评估，其中rmse计算公式为：
22、
23、相关cc系数计算公式为：
24、
25、根据评估结果验证本算法的有效性，若结果未达到预期标准，则返回步骤a2或步骤a3进行参数调整或模型重新构建。
26、本专利技术的优点：
27、1、多参考点利用：充分利用多个参考点的信息，相较于仅依赖单参考点或不利用参考点的传统方法，能更全面地捕捉与单目标点相关的运动信息，从而更有效地消除运动伪影干扰。
28、2、精确性与可靠性：通过关联性分析、加权模型构建与优化等步骤，精确确定参考点与单目标点的关系，合理分配加权系数，提高了单目标点数据处理后的精确性与可靠性，为后续基于单目标点数据的分析与决策提供更有力的数据支持。
29、3、适应性与灵活性：可根据不同的数据采集场景与要求，调整参考点的选择、关联性分析参数以及加权模型参数等，具有较强的适应性与灵活性，能够广泛应用于多种涉及运动伪影干扰的单目标点数据处理领域。
本文档来自技高网...【技术保护点】
1.一种用于在单目标运动数据的采集系统中消除运动伪影干扰的方法，所述采集系统包括：单目标、多个参考点、以及终端设备，其中所述终端设备用于接收和处理采集到的所述单目标和多个参考点的运动数据，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的消除运动伪影干扰的方法，其特征在于，还包括：
3.根据权利要求1或2所述的消除运动伪影干扰的方法，其特征在于，
4.根据权利要求3所述的消除运动伪影干扰的方法，其特征在于，通过设定数据阈值范围进行判断与剔除所述明显异常的数据点。
5.根据权利要求1所述的消除运动伪影干扰的方法，其特征在于，步骤A2中：采用互相关函数来衡量关联性，对于第j个参考点与单目标点，其互相关函数Cs，Rj(η)计算公式如下：
6.根据权利要求1所述的消除运动伪影干扰的方法，其特征在于，τmax为整个数据序列长度的5-15％。
7.根据权利要求1所述的消除运动伪影干扰的方法，其特征在于，步骤A3中：设加权系数为ωj，并且引入稳定性指标Stj，稳定性指标可通过计算参考点数据序列的方差的倒数来衡量，
8.根据权利要求7所述的消除运动伪影干扰的方法，其特征在于，其初始值根据关联程度进行初步分配，关联程度越高的参考点，其加权系数ωj越大。
9.根据权利要求1所述的消除运动伪影干扰的方法，其特征在于，步骤A4中：采用最小二乘法对加权模型进行优化，以最小化估计值S′(t)与原始单目标点数据S(t)之间的误差，其中设误差函数通过对E关于加权系数ω’j求偏导数，并令其等于零，得到一组方程，求解该方程组可得到优化后的加权系数ω”j，将优化后的加权系数代入数据估计模型，得到消除运动伪影干扰后的单目标点数据序列S"(t)。
10.根据权利要求2所述的消除运动伪影干扰的方法，其特征在于，步骤A5中：采用均方根误差(RMSE)和相关系数(CC)指标对消除运动伪影干扰前后的单目标点数据进行质量评估，其中RMSE计算公式为：
11.根据权利要求1所述的消除运动伪影干扰的方法，其特征在于，所述单目标和所述多个参考点为包含磁性物质的磁性点，所述运动数据是磁场强度或者是根据磁场强度确定的位置和方向参数。
...【技术特征摘要】
1.一种用于在单目标运动数据的采集系统中消除运动伪影干扰的方法，所述采集系统包括：单目标、多个参考点、以及终端设备，其中所述终端设备用于接收和处理采集到的所述单目标和多个参考点的运动数据，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的消除运动伪影干扰的方法，其特征在于，还包括：
3.根据权利要求1或2所述的消除运动伪影干扰的方法，其特征在于，
4.根据权利要求3所述的消除运动伪影干扰的方法，其特征在于，通过设定数据阈值范围进行判断与剔除所述明显异常的数据点。
5.根据权利要求1所述的消除运动伪影干扰的方法，其特征在于，步骤a2中：采用互相关函数来衡量关联性，对于第j个参考点与单目标点，其互相关函数cs，rj(η)计算公式如下：
6.根据权利要求1所述的消除运动伪影干扰的方法，其特征在于，τmax为整个数据序列长度的5-15％。
7.根据权利要求1所述的消除运动伪影干扰的方法，其特征在于，步骤a3中：设加权系数为ωj，并且引入稳定性指标stj，稳定性指标可通过计算参考点数...
【专利技术属性】
技术研发人员：薛渊，董毅俊，苏诗荐，
申请(专利权)人：贵州海乾医疗大数据有限公司，
类型：发明
国别省市：
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。