專利名稱：基于盲源分離的房顫信號(hào)提取方法
技術(shù)領(lǐng)域：
本發(fā)明屬于醫(yī)學(xué)信號(hào)檢測技術(shù)領(lǐng)域，涉及一種基于盲源分離的房顫信號(hào)提取方法。
背景技術(shù)：
目前，隨著人類生活和工作壓力的不斷增大，人們的健康狀況也出現(xiàn)了各種各樣的問題。心臟病也成為威脅人們身體健康的一種常見疾病。心房顫動(dòng)(atrialfibrillation, AF)簡稱房顫是一種室上性心律失常，表征為不規(guī)則的心房活動(dòng)，并使心房功能惡化。當(dāng)心房內(nèi)的電脈沖規(guī)律性從正常變成混亂時(shí)，房顫就發(fā)生了。房顫發(fā)生后，心房內(nèi)電脈沖的混亂性將進(jìn)一步加劇，并引起心跳過速，這就是所謂的“房顫導(dǎo)致房顫”。房顫對(duì)患者的主要危害在于:1)引起并發(fā)癥；2)導(dǎo)致心功能損害及腦卒中發(fā)生概率增加；3)合并血栓栓塞；4)導(dǎo)致惡性心律失常等。AF雖常見，但在過去幾十年內(nèi)沒有與其他心律失常一樣受到同等的重視，因此對(duì)AF的監(jiān)護(hù)和治療落后于其他心律失常，僅在近年內(nèi)有急起直追之勢(shì)，并逐漸成為當(dāng)今國際心電生理研究的難點(diǎn)和熱點(diǎn)。心臟是一個(gè)由心肌組成的動(dòng)力系統(tǒng)，通過有節(jié)律的搏動(dòng)和肌肉收縮來完成心臟泵血功能，從而向全身各個(gè)器官提供血液和氧氣營養(yǎng)。這種有節(jié)律的搏動(dòng)和心肌收縮源自心臟內(nèi)部有節(jié)律的電生理信號(hào)的引導(dǎo)，這些電信號(hào)由C+、Na+和K+等離子通道組成，它們掌控者心臟各個(gè)部分在不同的時(shí)間發(fā)生有規(guī)律的順序收縮。在正常情況下，心跳周期起搏于竇房結(jié)，并且隨著右心房的去極化傳導(dǎo)到整個(gè)心房。心房的去極化在ECG中表現(xiàn)為P波。接下來，心房去極化電脈沖傳導(dǎo)到心室，引起心室的快速收縮，這在ECG中表現(xiàn)為QRS波。最后，心室的去極化在ECG上生成了 T波，從而完成了一次完整地心跳周期。若心臟的起搏由竇房結(jié)發(fā)出，而且有規(guī)律地每分鐘發(fā)出60-100次的激動(dòng),就稱為正常竇性心律。在某種特殊情況下，如果心內(nèi)電信號(hào) 的傳導(dǎo)發(fā)生異常，心房除了竇房結(jié)之外也產(chǎn)生很多其它的異常電信號(hào)發(fā)放點(diǎn)，并且各個(gè)電信號(hào)頻率和方向不一，就會(huì)造成心房各個(gè)部位不能順序搏動(dòng)，而是各自為政，從而造成心房搏動(dòng)失去節(jié)律而快速紊亂。這樣心房不再是收縮和舒張的交替，而是持續(xù)處于心房顫動(dòng)無收縮的狀態(tài)，即房顫。在心臟電生理研究中，體表ECG是一種重要的無損測量技術(shù)。房顫患者的體表ECG主要表現(xiàn)為正常的竇性P波消失，并且出現(xiàn)大小不等、形態(tài)不同的心房紊亂激動(dòng)波(F波)，其中以VI，II，III和AVF導(dǎo)聯(lián)較為明顯。為了檢測到房顫期間的心房活動(dòng)，首先必須消除ECG中的QRST波。但是F波幅值遠(yuǎn)低于QRS波，加上噪聲及心房信號(hào)與心室信號(hào)在頻譜上相互重疊，所以傳統(tǒng)的線性濾波無法實(shí)現(xiàn)提取F波。獨(dú)立分量分析(independent component analysis, I CA)方法是一種信源分解技術(shù)，它是解決盲源分離(blind source separation, BSS)問題的一個(gè)有效手段。該分析方法在生物醫(yī)學(xué)信號(hào)處理、語音識(shí)別、導(dǎo)航、通訊、地質(zhì)信號(hào)等領(lǐng)域均有重要的應(yīng)用。其基本思路是將觀測信號(hào)按照統(tǒng)計(jì)獨(dú)立的原則通過優(yōu)化算法分解為若干獨(dú)立來源成分。ICA假設(shè)各源信號(hào)之間是獨(dú)立的，其目的是把接收到的混合信號(hào)分解為相互獨(dú)立的成分，而分離出的各成分即為源信號(hào)。心電信號(hào)中由于心房波和心室波分別是心房和心室活動(dòng)產(chǎn)生的，因此，這兩種信號(hào)可以認(rèn)為是統(tǒng)計(jì)獨(dú)立的，由此可通過ICA技術(shù)把房顫提取出來。

發(fā)明內(nèi)容
本發(fā)明的目的是克服現(xiàn)有技術(shù)的缺陷，提供一種基于盲源分離的房顫信號(hào)提取方法，該方法是一種能夠能提取出含有少量干擾的房顫信號(hào)的算法，其技術(shù)方案為:—種基于盲源分離的房顫信號(hào)提取方法，包括以下步驟:(I)獲取房顫病人的體表心電信號(hào)；(2)對(duì)觀測信號(hào)進(jìn)行噪聲濾除；(3)把觀測信號(hào)進(jìn)行預(yù)處理:去均值并進(jìn)行白化處理；(4)將預(yù)處理的信號(hào)進(jìn)行ICA分解，分離出其超高斯成分；(5)將剩余的信號(hào)通過Pearson系統(tǒng)模型，去除其高斯噪聲成分，得到較純正的房顫信號(hào)；所述步驟(4)中首先選擇一種目標(biāo)函數(shù)，采用負(fù)熵作為目標(biāo)函數(shù)，并將峰度作為一個(gè)區(qū)分心室信號(hào)成分與非心室信號(hào)成分的判斷閾值，通過大量實(shí)驗(yàn)得出，1.25是一個(gè)合適的峰度閾值，可以去除QRST波，得到房顫波和噪聲的混合信號(hào)，根據(jù)當(dāng)前的數(shù)據(jù)yM: 。計(jì)算二階、三階和四階矩陣電、電和^。進(jìn)一步優(yōu)選，步驟(5)中所述Pearson系統(tǒng)模型處理高斯噪聲信號(hào)的步驟為:(51) Pearson系統(tǒng)模型是一個(gè)四個(gè)參數(shù)的一簇分布，其微分方程形式為
其中P(yn)是一個(gè)概率密度函數(shù)，P' (Yn)是p(yn)的偏導(dǎo)，a, b0,
匕和b2都是分布函數(shù)的參數(shù)。另一種變形的微分方程形式為扒 其中
a。，a” b。，Id1和b2都是分布函數(shù)的參數(shù)，這個(gè)表達(dá)式的優(yōu)點(diǎn)是S1可為O。(52)當(dāng)高斯分布屬于Pearson系統(tǒng)，其均值m和方差σ 2與Pearson系統(tǒng)參數(shù)滿足關(guān)系 a。= 12 ( ο ) Hi B1 = 12 ( ο )，b。= —12 ( o ) , bl = b2 = O,(53)可以推導(dǎo)出Pearson系統(tǒng)模型的代價(jià)函數(shù)為 (54)選擇非線性函數(shù)g(yM)= 咖OV)由步驟⑷計(jì)算得的二階、三階
和四階矩陣化、電和&，當(dāng)2.5 <^ +4.5時(shí)，選擇非線性函數(shù) (55)計(jì)算= Eyxi [/(yM )g(yTM)](56)使用下面的迭代算法計(jì)算分離矩陣Wn+1: K+1 =JVmGmiB ,(57)如果I |WM+1_WM| I > ε，令M = Μ+1，并重新計(jì)算當(dāng)前信號(hào)的均值和方差，否則，結(jié)束算法。本發(fā)明的有益效果:
(I)本發(fā)明采用房顫信號(hào)的體表心電信號(hào)，充分利用了獲取源信號(hào)的方便性并且考慮到了病人的安全性；(2)本發(fā)明將心電信號(hào)分為心室源信號(hào)和非心室源信號(hào)(心房信號(hào)和高斯噪聲)兩個(gè)部分，簡便了提取的過程，對(duì)觀測信號(hào)去均值可簡化算法，白化過程可以更好地去除信號(hào)之間的相關(guān)性；(3)本發(fā)明將通過ICA分解得到的非心室源信號(hào)通過Pearson系統(tǒng)模型，去除混在房顫信號(hào)的高斯信號(hào)，并能得到理想的結(jié)果。


圖1是本發(fā)明基于盲源分離的房顫信號(hào)提取方法的流程圖；圖2是ICA分解的流程圖；圖3是Pearson系統(tǒng)處理高斯噪聲信號(hào)的流程圖；圖4是仿真產(chǎn)生的正常心電信號(hào)和房顫信號(hào)；圖5是通過本算法提取出來的房顫信號(hào)。
具體實(shí)施例方式下面結(jié)合附圖具體實(shí)施例來詳細(xì)描述本發(fā)明的技術(shù)方案。參照?qǐng)D1，一種基于盲源分離的房顫信號(hào)提取方法，包括以下步驟:(I)獲取房顫病人的體表心電信號(hào)；(2)對(duì)觀測信號(hào)進(jìn)行噪聲濾除；(3)把觀測信號(hào)進(jìn)行預(yù)處理:去均值并進(jìn)行白化處理；(4)將預(yù)處理的信號(hào)進(jìn)行ICA分解，分離出其超高斯成分；(5)將剩余的信號(hào)通過Pearson系統(tǒng)模型，去除其高斯噪聲成分，得到較純正的房顫信號(hào)；如圖2所示，所述步驟(4)中首先選擇一種目標(biāo)函數(shù)，采用負(fù)熵作為目標(biāo)函數(shù)，并將峰度作為一個(gè)區(qū)分心室信號(hào)成分與非心室信號(hào)成分的判斷閾值，通過大量實(shí)驗(yàn)得出，
1.25是一個(gè)合適的峰度閾值，可以去除QRST波，得到房顫波和噪聲的混合信號(hào)，根據(jù)當(dāng)前的數(shù)據(jù)知=。計(jì)算二階、三階和四階矩陣A、而3和而4。如圖3所示，進(jìn)一步優(yōu)選，步驟(5)中所述Pearson系統(tǒng)模型處理高斯噪聲信號(hào)的步驟為:(51) Pearson系統(tǒng)模型是一個(gè)四個(gè)參數(shù)的一簇分布，其微分方程形式為
權(quán)利要求
1.一種基于盲源分離的房顫信號(hào)提取方法，其特征在于能夠提取出精確的房顫信號(hào)，包括以下步驟: (1)獲取房顫病人的體表心電信號(hào)； (2)對(duì)觀測信號(hào)進(jìn)行噪聲濾除； (3)把觀測信號(hào)進(jìn)行預(yù)處理:去均值并進(jìn)行白化處理； (4)將預(yù)處理的信號(hào)進(jìn)行ICA分解，分離出其超高斯成分； (5)將剩余的信號(hào)通過Pearson系統(tǒng)模型，去除其高斯噪聲成分，得到較純正的房顫信號(hào); 所述步驟(4)中首先選擇一種目標(biāo)函數(shù),采用負(fù)熵作為目標(biāo)函數(shù),并將峰度作為一個(gè)區(qū)分心室信號(hào)成分與非心室信號(hào)成分的判斷閾值，通過大量實(shí)驗(yàn)得出，1.25是一個(gè)合適的峰度閾值，可以去除QRST波，得到房顫波和噪聲的混合信號(hào)，根據(jù)當(dāng)前的數(shù)據(jù)=W；SA/，計(jì)算二階、二階和四階矩陣A、化和化。
2.根據(jù)權(quán)利要求1所述的基于盲源分離的房顫信號(hào)提取方法，其特征在于，步驟(5)中所述Pearson系統(tǒng)模型處理高斯噪聲信號(hào)的步驟為: (51)Pearson系統(tǒng)模型是一個(gè)四個(gè)參數(shù)的一簇分布，其微分方程形式為Piyn) =其中P (yn)是一個(gè)概率密度函數(shù)，P^ (yn)是P(yn)的偏導(dǎo)，
全文摘要
本發(fā)明公開了一種基于盲源分離的房顫信號(hào)提取方法，主要分為五個(gè)步驟來完成獲取信號(hào)源、去噪聲、預(yù)處理、ICA分解、通過Pearson系統(tǒng)模型。本發(fā)明所述方法是一種能夠能提取出含有少量干擾的房顫信號(hào)的算法，適用于醫(yī)學(xué)信號(hào)檢測技術(shù)領(lǐng)域。
文檔編號(hào)A61B5/046GK103083012SQ20121059569
公開日2013年5月8日 申請(qǐng)日期2012年12月24日 優(yōu)先權(quán)日2012年12月24日
發(fā)明者李燈熬, 周玲燕, 趙菊敏, 趙寶峰 申請(qǐng)人:太原理工大學(xué)