專利名稱：基于約束估計(jì)的生理信號(hào)質(zhì)量評(píng)估方法和系統(tǒng)的制作方法
基于約束估計(jì)的生理信號(hào)質(zhì)量評(píng)估方法和系統(tǒng)
技術(shù)領(lǐng)域：
本發(fā)明涉及生理信號(hào)質(zhì)量評(píng)估領(lǐng)域，尤其涉及一種基于約束估計(jì)的生理信號(hào)質(zhì)量評(píng)估方法和系統(tǒng)。
背景技術(shù)：
對(duì)于類周期生理信號(hào)，例如，心電、光電容積脈搏波，呼吸，血壓等一系列信號(hào)，作為常見的人體生理信號(hào)，無(wú)論從頻域上還是時(shí)域上都蘊(yùn)含著重要的生理意義，無(wú)論是在心血管疾病診斷、睡眠呼吸疾病診斷、還是臨床生命體征監(jiān)護(hù)和家庭疾病預(yù)警等各個(gè)研究和應(yīng)用領(lǐng)域都具有重要的研究?jī)r(jià)值。以光電容積脈搏波信號(hào)(Photoplethysmogram,縮寫PPG)為例，其簡(jiǎn)稱脈搏波信號(hào)，。從時(shí)序形態(tài)上，升支反映心室快速射血內(nèi)動(dòng)脈的被動(dòng)擴(kuò)張，降支反映射血后期的回縮。脈搏波的形狀，因循環(huán)系統(tǒng)的情況改變而不同。如主動(dòng)脈瓣是 否健全，心搏節(jié)律是否正常，動(dòng)脈管的彈性如何等，都可根據(jù)脈搏波形的變化進(jìn)行診斷。脈搏波從頻域上分析，則可以得到人體的脈率信息。近年來(lái)，對(duì)于這些類周期信號(hào)的檢測(cè)方法，逐漸從醫(yī)院的大型有線監(jiān)護(hù)設(shè)備向家庭穿戴式小型無(wú)線醫(yī)療設(shè)備轉(zhuǎn)移。這種穿戴式無(wú)線醫(yī)療傳感器為遠(yuǎn)程醫(yī)療和日常的家庭監(jiān)護(hù)提供了一種無(wú)創(chuàng)簡(jiǎn)便且靈活的生理狀態(tài)監(jiān)測(cè)手段，而且通過(guò)穿戴式生物傳感器測(cè)量可以獲取豐富的生理信號(hào)狀態(tài)信息，如血壓、心電、脈搏波、心率、呼吸率、血氧等等。然而穿戴式傳感器裝置很容易受運(yùn)動(dòng)偽差和噪聲的干擾，使生理特征的提取偏離真實(shí)情況，導(dǎo)致錯(cuò)誤警報(bào)和錯(cuò)誤的診斷決策。因此，建立生理信號(hào)的評(píng)估機(jī)制，特別是對(duì)日常生活狀態(tài)獲取的生理信號(hào)的評(píng)估機(jī)制顯得尤為重要。在這個(gè)評(píng)估機(jī)制中，需要識(shí)別運(yùn)動(dòng)引起的偽差，區(qū)分運(yùn)動(dòng)干擾引起的信號(hào)特征改變和生理變化引起的信號(hào)特征改變，不包括因?yàn)椴±硖卣鳟惓６鸬淖兓?。目前關(guān)于生理信號(hào)質(zhì)量評(píng)估的技術(shù)可以應(yīng)用到心電、光電容積脈搏波，呼吸，血壓等一系列信號(hào)。國(guó)內(nèi)外研究者也提出了各自的方法來(lái)評(píng)估信號(hào)質(zhì)量。然而現(xiàn)有方法無(wú)法應(yīng)對(duì)多變的環(huán)境，無(wú)法真正鑒別運(yùn)動(dòng)干擾偽差及正常生理變化，仍然存在誤判偽差導(dǎo)致遺漏警報(bào)或錯(cuò)誤警報(bào)的問(wèn)題。在信號(hào)波形局部變形嚴(yán)重而提取的生理特征參數(shù)仍有效的情況下，采用形態(tài)學(xué)信息來(lái)分析信號(hào)質(zhì)量的方法可能會(huì)判定信號(hào)受嚴(yán)重運(yùn)動(dòng)干擾而無(wú)法包含有效生理特征信息。在信號(hào)波形良好而由于生理原因使提取的生理特征參數(shù)發(fā)生時(shí)序上的變化的情況下，現(xiàn)有分析方法可能因生理特征變化的異常而判定運(yùn)動(dòng)干擾致使所提取的生理特征無(wú)效，混淆運(yùn)動(dòng)偽差的干擾和生理變化的影響。因此，現(xiàn)有技術(shù)需要改進(jìn)。

發(fā)明內(nèi)容有鑒于此，有必要提出一種新型的生理信號(hào)質(zhì)量評(píng)估方法和系統(tǒng)。本發(fā)明的一個(gè)技術(shù)方案是，一種基于約束估計(jì)的生理信號(hào)質(zhì)量評(píng)估方法，其包括以下步驟Al、接收待評(píng)估的類周期生理信號(hào)的信號(hào)段，對(duì)其進(jìn)行預(yù)處理和波形分析識(shí)別及信號(hào)周期分段，在每一周期信號(hào)段中進(jìn)行特征點(diǎn)檢測(cè)，提取預(yù)設(shè)置生理信號(hào)的生理特征參數(shù)；A2、對(duì)于每一信號(hào)段，將已提取的生理特征參數(shù)組合形成特征矢量，根據(jù)生理信號(hào)的先驗(yàn)知識(shí)進(jìn)行約束建模，進(jìn)而建立可解析的帶約束時(shí)序估計(jì)模型及時(shí)序估計(jì)系統(tǒng);A3、使用約束估計(jì)模型追蹤生理參數(shù)的時(shí)序變化，將預(yù)設(shè)置規(guī)則庫(kù)與時(shí)序變化信息相結(jié)合，對(duì)所述類周期生理信號(hào)的信號(hào)質(zhì)量進(jìn)行定級(jí)，并評(píng)價(jià)所述類周期生理信號(hào)的信號(hào)段的信號(hào)數(shù)據(jù)有效性，更新所述時(shí)序估計(jì)系統(tǒng)，按周期信號(hào)段迭代進(jìn)行直至完成所述類周期生理信號(hào)的全部信號(hào)段的信號(hào)質(zhì)量定級(jí)。優(yōu)選的，所述生理信號(hào)質(zhì)量評(píng)估方法中，步驟Al中，所述類周期生理信號(hào)包括脈搏波信號(hào)、心電信號(hào)、血壓信號(hào)、呼吸信號(hào)；和/或，所述特征點(diǎn)包括信號(hào)段的起點(diǎn)、峰值點(diǎn)、通過(guò)計(jì)算提取的特征參數(shù)、或基于曲率信息定位的重搏波谷點(diǎn)和重搏波峰值點(diǎn)。優(yōu)選的，所述生理信號(hào)質(zhì)量評(píng)估方法中，步驟Al中，所述預(yù)處理執(zhí)行以下步驟All :通過(guò)濾波器濾除基線漂移的影響，還通過(guò)中值濾波平滑以去除小幅波動(dòng)的毛刺噪音干擾。 優(yōu)選的，所述生理信號(hào)質(zhì)量評(píng)估方法中，步驟Al I中，根據(jù)所述類周期生理信號(hào)的類型，保留其信號(hào)頻率的預(yù)設(shè)置分布范圍。優(yōu)選的，所述生理信號(hào)質(zhì)量評(píng)估方法中，步驟Al中，所述波形分析識(shí)別，包括正常波形的識(shí)別及異常波形的識(shí)別，以保留有效的信號(hào)段；所述區(qū)分各個(gè)周期信號(hào)段執(zhí)行以下步驟A12:識(shí)別周期信號(hào)段中類周期生理信號(hào)波形的峰值點(diǎn)，作為最顯著特征點(diǎn)，通過(guò)先驗(yàn)的不應(yīng)期時(shí)間段及幅值范圍，對(duì)所述最顯著特征點(diǎn)的候選集合元素進(jìn)行篩選，去除違背預(yù)設(shè)置條件的極大值點(diǎn)，然后選取保留的每?jī)蓚€(gè)相鄰峰值點(diǎn)，求出各相鄰峰值點(diǎn)之間的極小值點(diǎn)作為信號(hào)分段點(diǎn)。優(yōu)選的，所述生理信號(hào)質(zhì)量評(píng)估方法中，對(duì)每一信號(hào)段中的信號(hào)進(jìn)行振動(dòng)分析，根據(jù)波形斜率變化判斷出上升支和下降支，對(duì)所有的上升支和下降支進(jìn)行振動(dòng)分析，當(dāng)振動(dòng)滿足預(yù)定義條件時(shí)，定位出波形的起點(diǎn)、峰值點(diǎn)和終點(diǎn)，以完成正常波形的周期分段；其中，將由一個(gè)包含零振動(dòng)數(shù)的上升支和一個(gè)包含O或I振動(dòng)數(shù)的下降支組成的波形識(shí)別為正常波形；將當(dāng)上升支存在大強(qiáng)度振動(dòng)或下降支存在振動(dòng)強(qiáng)度超過(guò)峰值點(diǎn)的幅值的異常振動(dòng)或下降支存在2個(gè)以上大強(qiáng)度振動(dòng)的波形段，識(shí)別為異常波形；將上升支和下降支振動(dòng)數(shù)量及強(qiáng)度介于正常波形和異常波形之間的波形識(shí)別為次正常波形。優(yōu)選的，所述生理信號(hào)質(zhì)量評(píng)估方法中，將連續(xù)幾個(gè)上升支和下降支異常的波形段合并為一周期信號(hào)段；其中，正常波形的分段還依據(jù)前后兩個(gè)周期信號(hào)段的信息，對(duì)候選的所述最顯著特征點(diǎn)和所述極小值點(diǎn)進(jìn)行微調(diào)，以保留有效的信號(hào)段。優(yōu)選的，所述生理信號(hào)質(zhì)量評(píng)估方法中，步驟Al中，僅對(duì)正常波形的周期信號(hào)段和次正常波形的周期信號(hào)段的特征點(diǎn)進(jìn)行檢測(cè)。優(yōu)選的，所述生理信號(hào)質(zhì)量評(píng)估方法中，步驟Al中，還分析和計(jì)算每一周期信號(hào)段與模板信號(hào)的相似性，得到信號(hào)變形度的量化信息。優(yōu)選的，所述生理信號(hào)質(zhì)量評(píng)估方法中，如A12所述方法對(duì)生理信號(hào)進(jìn)行分段，得到N個(gè)周期的信號(hào)段，將得到的所有周期的信號(hào)與模板信號(hào)進(jìn)行對(duì)比，進(jìn)行均值和標(biāo)準(zhǔn)差計(jì)算，用來(lái)描述所述模板信號(hào)分布。優(yōu)選的，所述生理信號(hào)質(zhì)量評(píng)估方法中，利用動(dòng)態(tài)時(shí)間規(guī)整方式計(jì)算動(dòng)態(tài)時(shí)間規(guī)整距離，衡量信號(hào)段與模板信號(hào)之間的相似性。優(yōu)選的，所述生理信號(hào)質(zhì)量評(píng)估方法中，步驟A3中，采用基于帶約束的時(shí)序估計(jì)模型，包括卡爾曼模型或者隱馬爾可夫模型、粒子濾波模型、指數(shù)加權(quán)移動(dòng)平均模型，對(duì)所述特征矢量進(jìn)行時(shí)序變化的追蹤，定級(jí)所述信號(hào)質(zhì)量，獲得所述信號(hào)數(shù)據(jù)有效性的評(píng)價(jià)。優(yōu)選的，所述生理信號(hào)質(zhì)量評(píng)估方法中，步驟A2中，還執(zhí)行以下步驟A21 :根據(jù)計(jì)算開銷和代價(jià)，采用離線方式獲取訓(xùn)練數(shù)據(jù)，對(duì)所述時(shí)序估計(jì)模型進(jìn)行調(diào)優(yōu)。優(yōu)選的，所述生理信號(hào)質(zhì)量評(píng)估方法中，步驟A2中，根據(jù)已提取的生理特征參數(shù)，生成由局部形態(tài)信息和全局形態(tài)信息組成的多維特征矢量，基于帶約束的卡爾曼模型或者隱馬爾可夫模型、粒子濾波模型、指數(shù)加權(quán)移動(dòng)平均模型，追蹤特征參數(shù)的時(shí)序變化。優(yōu)選的,所述生理信號(hào)質(zhì)量評(píng)估方法中，步驟A2中,基于帶約束的kalman卡爾曼濾波器，約束所述時(shí)序估計(jì)模型如下
權(quán)利要求
1.一種基于約束估計(jì)的生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，包括以下步驟Al、接收待評(píng)估的類周期生理信號(hào)的信號(hào)段，對(duì)其進(jìn)行預(yù)處理、波形分析識(shí)別及各個(gè)周期信號(hào)分段，在每一周期信號(hào)段中進(jìn)行特征點(diǎn)檢測(cè)，提取預(yù)設(shè)置生理信號(hào)的生理特征參數(shù)；A2、對(duì)于每一信號(hào)段，將已提取的生理特征參數(shù)組合形成特征矢量，根據(jù)生理信號(hào)的先驗(yàn)知識(shí)進(jìn)行約束建模，進(jìn)而建立可解析的帶約束時(shí)序估計(jì)模型及時(shí)序估計(jì)系統(tǒng)；A3、使用約束估計(jì)模型追蹤生理參數(shù)的時(shí)序變化，將預(yù)設(shè)置規(guī)則庫(kù)與時(shí)序變化信息相結(jié)合，對(duì)所述類周期生理信號(hào)的信號(hào)質(zhì)量進(jìn)行定級(jí)，并評(píng)價(jià)所述類周期生理信號(hào)的信號(hào)段的信號(hào)數(shù)據(jù)有效性，更新所述時(shí)序估計(jì)系統(tǒng)，按周期信號(hào)段迭代進(jìn)行直至完成所述類周期生理信號(hào)的全部信號(hào)段的信號(hào)質(zhì)量定級(jí)。
2.根據(jù)權(quán)利要求1所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，步驟Al中，所述類周期生理信號(hào)包括脈搏波信號(hào)、心電信號(hào)、血壓信號(hào)、呼吸信號(hào)；和/或，所述特征點(diǎn)包括信號(hào)段的起點(diǎn)、峰值點(diǎn)、通過(guò)計(jì)算提取的特征參數(shù)、或基于曲率信息定位的重搏波谷點(diǎn)和重搏波峰值點(diǎn)。
3.根據(jù)權(quán)利要求1所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，步驟Al中，所述預(yù)處理執(zhí)行以下步驟All :通過(guò)濾波器濾除基線漂移的影響，還通過(guò)中值濾波平滑以去除小幅波動(dòng)的毛刺噪音干擾。
4.根據(jù)權(quán)利要求3所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，步驟All中，根據(jù)所述類周期生理信號(hào)的類型，保留其信號(hào)頻率的預(yù)設(shè)置分布范圍。
5.根據(jù)權(quán)利要求1所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，步驟Al中，所述波形分析識(shí)別，包括正常波形的識(shí)別及異常波形的識(shí)別，以保留有效的信號(hào)段；所述各個(gè)周期信號(hào)分段執(zhí)行以下步驟A12 :識(shí)別周期信號(hào)段中類周期生理信號(hào)波形的峰值點(diǎn)，作為最顯著特征點(diǎn)，通過(guò)先驗(yàn)的不應(yīng)期時(shí)間段及幅值范圍，對(duì)所述最顯著特征點(diǎn)的候選集合元素進(jìn)行篩選， 去除違背預(yù)設(shè)置條件的極大值點(diǎn)，然后選取保留的每?jī)蓚€(gè)相鄰峰值點(diǎn)，求出各相鄰峰值點(diǎn)之間的極小值點(diǎn)作為信號(hào)分段點(diǎn)。
6.根據(jù)權(quán)利要求5所述生理信號(hào)質(zhì)量評(píng)估方法,其特征在于,對(duì)每一信號(hào)段中的信號(hào)進(jìn)行振動(dòng)分析，根據(jù)波形斜率變化判斷出上升支和下降支，對(duì)所有的上升支和下降支進(jìn)行振動(dòng)分析，當(dāng)振動(dòng)滿足預(yù)定義條件時(shí)，定位出波形的起點(diǎn)、峰值點(diǎn)和終點(diǎn)，以完成正常波形的周期分段；其中，將由一個(gè)包含零振動(dòng)數(shù)的上升支和一個(gè)包含O或I振動(dòng)數(shù)的下降支組成的波形識(shí)別為正常波形；將當(dāng)上升支存在大強(qiáng)度振動(dòng)或下降支存在振動(dòng)強(qiáng)度超過(guò)峰值點(diǎn)的幅值的異常振動(dòng)或下降支存在2個(gè)以上大強(qiáng)度振動(dòng)的波形段，識(shí)別為異常波形；將上升支和下降支振動(dòng)數(shù)量及強(qiáng)度介于正常波形和異常波形之間的波形識(shí)別為次正常波形。
7.根據(jù)權(quán)利要求6所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，將連續(xù)幾個(gè)上升支和下降支異常的波形段合并為一周期信號(hào)段；其中，正常波形的分段還依據(jù)前后兩個(gè)周期信號(hào)段的信息，對(duì)候選的所述最顯著特征點(diǎn)和所述極小值點(diǎn)進(jìn)行微調(diào)，以保留有效的信號(hào)段。
8.根據(jù)權(quán)利要求7所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，步驟Al中，僅對(duì)正常波形的周期信號(hào)段和次正常波形的周期信號(hào)段的特征點(diǎn)進(jìn)行檢測(cè)。
9.根據(jù)權(quán)利要求1所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，步驟Al中，還分析和計(jì)算每一周期信號(hào)段與模板信號(hào)的相似性，得到信號(hào)變形度的量化信息。
10.根據(jù)權(quán)利要求9所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，對(duì)采集的生理信號(hào)進(jìn)行周期分段，得到N個(gè)周期的信號(hào)段，將得到的所有周期的信號(hào)與模板信號(hào)進(jìn)行對(duì)比，進(jìn)行均值和標(biāo)準(zhǔn)差計(jì)算，用來(lái)描述所述模板信號(hào)分布。
11.根據(jù)權(quán)利要求11所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，利用動(dòng)態(tài)時(shí)間規(guī)整方式計(jì)算動(dòng)態(tài)時(shí)間規(guī)整距離，衡量信號(hào)段與模板信號(hào)之間的相似性。
12.根據(jù)權(quán)利要求1所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，步驟A3中，采用基于帶約束的時(shí)序估計(jì)模型，包括卡爾曼模型或者隱馬爾可夫模型、粒子濾波模型、指數(shù)加權(quán)移動(dòng)平均模型，對(duì)所述特征矢量進(jìn)行時(shí)序變化的追蹤，定級(jí)所述信號(hào)質(zhì)量，獲得所述信號(hào)數(shù)據(jù)有效性的評(píng)價(jià)。
13.根據(jù)權(quán)利要求1所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，步驟A2中，還執(zhí)行以下步驟A21 :根據(jù)計(jì)算開銷和代價(jià)，采用離線方式獲取訓(xùn)練數(shù)據(jù)，對(duì)所述時(shí)序估計(jì)模型進(jìn)行調(diào)優(yōu)。
14.根據(jù)權(quán)利要求1所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，步驟A2中，根據(jù)已提取的生理特征參數(shù)，生成由局部形態(tài)信息和全局形態(tài)信息組成的多維特征矢量，基于帶約束的卡爾曼模型或者隱馬爾可夫模型、粒子濾波模型、指數(shù)加權(quán)移動(dòng)平均模型，追蹤特征參數(shù)的時(shí)序變化。
15.根據(jù)權(quán)利要求14所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，步驟A2中，基于帶約束的kalman卡爾曼濾波器,約束所述時(shí)序估計(jì)模型如下
16.根據(jù)權(quán)利要求15所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，以最大概率估計(jì)作為狀態(tài)求解目標(biāo)，所述約束的時(shí)序估計(jì)系統(tǒng)如下 (1)預(yù)測(cè)
17 根據(jù)權(quán)利要求16所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，對(duì)每一類周期生理信號(hào)的信號(hào)段，以識(shí)別運(yùn)動(dòng)偽差和鑒別數(shù)據(jù)有效性為目的，信號(hào)質(zhì)量被定義為如下所述的3 層信號(hào)質(zhì)量級(jí)別L3，表示完全被運(yùn)動(dòng)干擾，噪音污染而無(wú)法提取生理特征參數(shù)，或提取的生理特征參數(shù)無(wú)效；信號(hào)質(zhì)量級(jí)別L2，表示信號(hào)雖被運(yùn)動(dòng)偽差干擾污染而呈現(xiàn)變形，但仍包含可判斷的信息，信號(hào)段數(shù)據(jù)仍具有效性；信號(hào)質(zhì)量級(jí)別LI，表示信號(hào)正常干凈，未被干擾或污染，形態(tài)良好，提取的特征有效，其中兼顧考慮了因生理變化而引起的生理特征時(shí)序的變化。
18.根據(jù)權(quán)利要求15所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，對(duì)于約束所述時(shí)序估計(jì)模型中的過(guò)程噪聲方差Q和測(cè)量噪聲方差R，采用離線方式獲取訓(xùn)練數(shù)據(jù)，對(duì)所述時(shí)序估計(jì)模型進(jìn)行調(diào)優(yōu)。
19.根據(jù)權(quán)利要求18所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，采集原始訓(xùn)練數(shù)據(jù)按周期段進(jìn)行特征提取后生成訓(xùn)練數(shù)據(jù)集，采用EM最大期望算法迭代直至收斂。
20.根據(jù)權(quán)利要求19所述生理信號(hào)質(zhì)量評(píng)估方法，其特征在于，使用最大化測(cè)量概率作為優(yōu)化目標(biāo)，依據(jù)所使用的約束時(shí)序估計(jì)模型的生理特征參數(shù)，模型參數(shù)的訓(xùn)練規(guī)約為求解目標(biāo)函數(shù)
21.一種基于約束估計(jì)的生理信號(hào)質(zhì)量評(píng)估系統(tǒng)，其特征在于，包括信號(hào)特征提取模塊、約束估計(jì)建模模塊、時(shí)序預(yù)測(cè)及信號(hào)質(zhì)量分析決策模塊；所述信號(hào)特征提取模塊與所述約束估計(jì)建模模塊連接，用于接收待評(píng)估的類周期生理信號(hào)的信號(hào)段，對(duì)其進(jìn)行預(yù)處理、波形分析識(shí)別及信號(hào)周期分段，在每一周期信號(hào)段中進(jìn)行特征點(diǎn)檢測(cè)，提取預(yù)設(shè)置生理信號(hào)的生理特征參數(shù)；所述約束估計(jì)建模模塊與所述時(shí)序預(yù)測(cè)模塊連接，用于對(duì)于每一信號(hào)段，將已提取的生理特征參數(shù)組合形成特征矢量，根據(jù)生理信號(hào)的先驗(yàn)知識(shí)進(jìn)行約束建模，進(jìn)而建立可解析的帶約束時(shí)序估計(jì)模型及時(shí)序估計(jì)系統(tǒng)；所述時(shí)序預(yù)測(cè)及信號(hào)質(zhì)量分析決策模塊，用于使用約束估計(jì)模型追蹤生理參數(shù)的時(shí)序變化，將預(yù)設(shè)置規(guī)則庫(kù)與時(shí)序變化信息相結(jié)合，對(duì)所述類周期生理信號(hào)的信號(hào)質(zhì)量進(jìn)行定級(jí)，并評(píng)價(jià)所述類周期生理信號(hào)的信號(hào)段的信號(hào)數(shù)據(jù)有效性，更新所述時(shí)序估計(jì)系統(tǒng)，按周期信號(hào)段迭代進(jìn)行直至完成所述類周期生理信號(hào)的全部信號(hào)段的信號(hào)質(zhì)量定級(jí)。
22.根據(jù)權(quán)利要求21所述的生理信號(hào)質(zhì)量評(píng)估系統(tǒng)，其特征在于，還設(shè)置與所述時(shí)序預(yù)測(cè)及信號(hào)質(zhì)量分析決策模塊連接的離線參數(shù)訓(xùn)練調(diào)優(yōu)模塊，用于根據(jù)計(jì)算開銷和代價(jià)， 采用離線方式獲取訓(xùn)練數(shù)據(jù)，對(duì)所述時(shí)序估計(jì)模型進(jìn)行調(diào)優(yōu)。
23.根據(jù)權(quán)利要求22所述的生理信號(hào)質(zhì)量評(píng)估系統(tǒng)，其特征在于，所述信號(hào)特征提取模塊設(shè)置類周期生理信號(hào)預(yù)處理單元，用于通過(guò)濾波器濾除基線漂移的影響，還通過(guò)中值濾波平滑以去除小幅波動(dòng)的毛刺噪音干擾。
24.根據(jù)權(quán)利要求23所述的生理信號(hào)質(zhì)量評(píng)估系統(tǒng)，其特征在于，所述信號(hào)特征提取模塊設(shè)置波形分析識(shí)別單元，用于識(shí)別周期信號(hào)段中類周期生理信號(hào)波形的峰值點(diǎn)，作為最顯著特征點(diǎn)，通過(guò)先驗(yàn)的不應(yīng)期時(shí)間段及幅值范圍，對(duì)所述最顯著特征點(diǎn)的候選集合元素進(jìn)行篩選，去除違背預(yù)設(shè)置條件的極大值點(diǎn)，然后選取保留的每?jī)蓚€(gè)相鄰峰值點(diǎn)，求出各相鄰峰值點(diǎn)之間的極小值點(diǎn)作為信號(hào)分段點(diǎn)；并對(duì)每一信號(hào)段中的信號(hào)進(jìn)行振動(dòng)分析，根據(jù)波形斜率變化判斷出上升支和下降支，對(duì)所有的上升支和下降支進(jìn)行振動(dòng)分析，當(dāng)振動(dòng)滿足預(yù)定義條件時(shí)，定位出波形的起點(diǎn)、峰值點(diǎn)和終點(diǎn)，以完成正常波形的周期分段；其中，將由一個(gè)包含零振動(dòng)數(shù)的上升支和一個(gè)包含O或I振動(dòng)數(shù)的下降支組成的波形識(shí)別為正常波形；將當(dāng)上升支存在大強(qiáng)度振動(dòng)或下降支存在振動(dòng)強(qiáng)度超過(guò)峰值點(diǎn)的幅值的異常振動(dòng)或下降支存在2個(gè)以上大強(qiáng)度振動(dòng)的波形段，識(shí)別為異常波形；將上升支和下降支振動(dòng)數(shù)量及強(qiáng)度介于正常波形和異常波形之間的波形識(shí)別為次正常波形。
25.根據(jù)權(quán)利要求24所述的生理信號(hào)質(zhì)量評(píng)估系統(tǒng)，其特征在于，所述信號(hào)特征提取模塊設(shè)置篩選單元，用于篩選正常波形的周期信號(hào)段和次正常波形的周期信號(hào)段，供所述信號(hào)特征提取模塊進(jìn)行特征點(diǎn)檢測(cè)。
26.根據(jù)權(quán)利要求25所述的生理信號(hào)質(zhì)量評(píng)估系統(tǒng)，其特征在于，所述信號(hào)特征提取模塊設(shè)置相似性計(jì)算單元，用于分析和計(jì)算每一周期信號(hào)段與模板信號(hào)的相似性，得到信號(hào)變形度的量化信息。
全文摘要
本發(fā)明涉及一種基于約束估計(jì)的生理信號(hào)質(zhì)量評(píng)估方法和系統(tǒng)，該方法包括以下步驟接收待評(píng)估的類周期生理信號(hào)的信號(hào)段，對(duì)其進(jìn)行預(yù)處理和波形分析識(shí)別及信號(hào)周期分段。在每一周期信號(hào)段中進(jìn)行特征點(diǎn)檢測(cè)，提取預(yù)設(shè)置生理信號(hào)的生理特征參數(shù)；對(duì)于每一信號(hào)段，將已提取的生理特征參數(shù)組合形成特征矢量，根據(jù)生理信號(hào)的先驗(yàn)知識(shí)進(jìn)行約束建模，進(jìn)而建立可解析的帶約束時(shí)序估計(jì)系統(tǒng)；使用約束估計(jì)模型追蹤生理參數(shù)的時(shí)序變化，將預(yù)設(shè)置規(guī)則庫(kù)與時(shí)序變化信息相結(jié)合，對(duì)所述類周期生理信號(hào)的信號(hào)質(zhì)量進(jìn)行定級(jí)，并評(píng)價(jià)所述類周期生理信號(hào)的信號(hào)段的信號(hào)數(shù)據(jù)有效性，更新所述時(shí)序估計(jì)系統(tǒng)，按周期信號(hào)段迭代進(jìn)行直至完成所述類周期生理信號(hào)的全部信號(hào)段的信號(hào)質(zhì)量定級(jí)。
文檔編號(hào)G06F19/00GK103020472SQ20121058070
公開日2013年4月3日 申請(qǐng)日期2012年12月27日 優(yōu)先權(quán)日2012年12月27日
發(fā)明者楊平, 吳丹, 孫煦雪, 高智凡, 張?jiān)?申請(qǐng)人:中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院