基于盲源分离的房颤信号提取方法.pdf

(19)中华人民共和国国家知识产权局*CN103083012A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103083012103083012A(43)申请公布日2013.05.08(21)申请号201210595695.3(22)申请日2012.12.24(71)申请人太原理工大学地址030024山西省太原市迎泽西大街79号(72)发明人李灯熬周玲燕赵菊敏赵宝峰(51)Int.Cl.A61B5/046(2006.01)权权利要求书1页利要求书1页说明书4页说明书4页附图3页附图3页(54)发明名称基于盲源分离的房颤信号提取方法(57)摘要本发明公开了一种基于盲源分离的房颤信号提取方法，主要分为五个步骤来完成：获取信号源、去噪声、预处理、ICA分解、通过Pearson系统模型。本发明所述方法是一种能够能提取出含有少量干扰的房颤信号的算法，适用于医学信号检测技术领域。CN103083012ACN10382ACN103083012A权利要求书1/1页1.一种基于盲源分离的房颤信号提取方法，其特征在于能够提取出精确的房颤信号，包括以下步骤：(1)获取房颤病人的体表心电信号；(2)对观测信号进行噪声滤除；(3)把观测信号进行预处理：去均值并进行白化处理；(4)将预处理的信号进行ICA分解，分离出其超高斯成分；(5)将剩余的信号通过Pearson系统模型，去除其高斯噪声成分，得到较纯正的房颤信号；所述步骤(4)中首先选择一种目标函数，采用负熵作为目标函数，并将峰度作为一个区分心室信号成分与非心室信号成分的判断阈值，通过大量实验得出，1.25是一个合适的峰度阈值，可以去除QRST波，得到房颤波和噪声的混合信号，根据当前的数据计算二阶、三阶和四阶矩阵和2.根据权利要求1所述的基于盲源分离的房颤信号提取方法，其特征在于，步骤(5)中所述Pearson系统模型处理高斯噪声信号的步骤为：(51)Pearson系统模型是一个四个参数的一簇分布，其微分方程形式为其中p(yn)是一个概率密度函数，p′(yn)是p(yn)的偏导，a，b0，b1和b2都是分布函数的参数，另一种变形的微分方程形式为其中a0，a1，b0，b1和b2都是分布函数的参数，这个表达式的优点是a1可为0；(52)当高斯分布属于Pearson系统，其均值m和方差σ2与Pearson系统参数满足关232324系a0＝12(σ)m，a1＝12(σ)，b0＝-12(σ).b1＝b2＝0，(53)可以推导出Pearson系统模型的代价函数为(54)选择非线性函数g(yM)：由步骤(4)计算得的二阶、三阶和四阶矩阵和当时，选择非线性函数(55)计算(56)使用下面的迭代算法计算分离矩阵Wn+1：(57)如果||WM+1-WM||＞ε，令M＝M+1，并重新计算当前信号的均值和方差，否则，结束算法。2CN103083012A说明书1/4页基于盲源分离的房颤信号提取方法技术领域[0001]本发明属于医学信号检测技术领域，涉及一种基于盲源分离的房颤信号提取方法。背景技术[0002]目前，随着人类生活和工作压力的不断增大，人们的健康状况也出现了各种各样的问题。心脏病也成为威胁人们身体健康的一种常见疾病。心房颤动(atrialfibrillation，AF)简称房颤是一种室上性心律失常，表征为不规则的心房活动，并使心房功能恶化。当心房内的电脉冲规律性从正常变成混乱时，房颤就发生了。房颤发生后，心房内电脉冲的混乱性将进一步加剧，并引起心跳过速，这就是所谓的“房颤导致房颤”。房颤对患者的主要危害在于：1)引起并发症；2)导致心功能损害及脑卒中发生概率增加；3)合并血栓栓塞；4)导致恶性心律失常等。AF虽常见，但在过去几十年内没有与其他心律失常一样受到同等的重视，因此对AF的监护和治疗落后于其他心律失常，仅在近年内有急起直追之势，并逐渐成为当今国际心电生理研究的难点和热点。[0003]心脏是一个由心肌组成的动力系统，通过有节律的搏动和肌肉收缩来完成心脏泵血功能，从而向全身各个器官提供血液和氧气营养。这种有节律的搏动和心肌收缩源自心脏内部有节律的电生理信号的引导，这些电信号由C+、Na+和K+等离子通道组成，它们掌控者心脏各个部分在不同的时间发生有规律的顺序收缩。在正常情况下，心跳周期起搏于窦房结，并且随着右心房的去极化传导到整个心房。心房的去极化在ECG中表现为P波。接下来，心房去极化电脉冲传导到心室，引起心室的快速收缩，这在ECG中表现为QRS波。最后，心室的去极化在ECG上生成了T波，从而完成了一次完整地心跳周期。若心脏的起搏由窦房结发出，而且有规律地每分钟发出60-100次的激动，就称为正常窦性心律。在某种特殊情况下，如果心内电信号的传导发生异常，心房除了窦房结之外也产生很多其它的异常