[發(fā)明專利]一種呼吸信號提取方法及裝置

有效

• 申請?zhí)枺?/td>: 201610976380.1
• 申請日: 2016-11-07
• 公開（公告）號: CN106580324B
• 公開（公告）日: 2019-07-16
• 發(fā)明（設計）人: 胡靜
• 申請（專利權）人: 廣州視源電子科技股份有限公司
• 主分類號: A61B5/08
• 分類號: A61B5/08;A61B5/0402
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 何世磊

1.一種呼吸信號提取方法，其特征在于，包括步驟：

獲取心電信號并進行預處理，從所述心電信號中提取參數(shù)信號，所述參數(shù)信號包括訓練用參數(shù)信號和測試用參數(shù)信號；

將所述參數(shù)信號進行降維，得到主成分心電信號，并以所述訓練用參數(shù)信號對應的主成分心電信號作為神經網絡的輸入樣本，以阻抗法得到的參考呼吸信號作為所述神經網絡的訓練目標，構建神經網絡訓練模型；

將所述測試用參數(shù)信號對應的主成分心電信號輸入到所述神經網絡訓練模型中，獲取最終的呼吸信號。

2.如權利要求1所述的方法，其特征在于，所述將所述參數(shù)信號進行降維的步驟包括：

將所述參數(shù)信號進行顯著性檢驗得到顯著性特征信號；

通過主成分分析對所述顯著性特征信號進行降維，得到主成分心電信號。

3.如權利要求2所述的方法，其特征在于，所述將所述參數(shù)信號進行顯著性檢驗得到顯著性特征信號的步驟包括：

將所述參數(shù)信號進行標準化處理，得到標準心電信號；

將所述標準心電信號進行方差分析和F檢驗，得到顯著性特征信號。

4.如權利要求1所述的方法，其特征在于，所述神經網絡采用動態(tài)BP算法，所述動態(tài)BP算法通過動量因子進行權值調整，權值調整的計算公式為：

w(k+1)＝w(k)+Δw(k+1)

其中，α表示網絡的學習率，η表示動量因子，表示第k次反向傳遞的誤差偏微分，w(k)表示第k次反向傳遞的閾值或權值，E(k)表示第k次反向傳遞的誤差總和。

5.如權利要求1所述的方法，其特征在于，所述獲取心電信號并進行預處理，從所述心電信號中提取參數(shù)信號的步驟包括：

獲取心電信號并進行工頻濾波，得到濾波信號；

通過閾值法提取所述濾波信號中的RR間期序列信號和RW幅值序列信號。

6.如權利要求1所述的方法，其特征在于，所述神經網絡通過試湊法確定隱層節(jié)點數(shù)的個數(shù)，所述試湊法包括步驟：

先將隱節(jié)點數(shù)目設置在1+i/2附近，逐漸增加隱節(jié)點數(shù)至2*i+1，形成誤差性能曲線；

通過分析誤差性能曲線來確定隱節(jié)點的數(shù)量，其中i是輸入層節(jié)點數(shù)目。

7.一種呼吸信號提取裝置，其特征在于，包括：

心電信號獲取單元，用于獲取心電信號；

心電信號處理單元，用于對心電信號進行預處理得到參數(shù)信號，所述參數(shù)信號包括訓練用參數(shù)信號和測試用參數(shù)信號；

降維處理單元，用于將所述參數(shù)信號進行降維，得到主成分心電信號；

訓練單元，用于以所述訓練用參數(shù)信號對應的主成分心電信號作為神經網絡的輸入樣本，以阻抗法得到的參考呼吸信號作為所述神經網絡的訓練目標訓練所述神經網絡；

呼吸信號獲取單元，用于將所述測試用參數(shù)信號對應的主成分心電信號輸入到訓練后的所述神經網絡中，獲取最終的呼吸信號。

8.如權利要求7所述的裝置，其特征在于，所述降維處理單元包括：

顯著性檢驗單元，用于對所述參數(shù)信號進行顯著性檢驗，并輸出顯著性特征信號；

主成分分析單元，用于對所述顯著性特征信號進行降維，得到主成分心電信號。

9.如權利要求8所述的裝置，其特征在于，所述顯著性檢驗單元包括：

標準化處理單元，用于對所述參數(shù)信號進行標準化處理，得到標準心電信號；

顯著性特征信號提取單元，用于將所述標準心電信號進行方差分析和F檢驗，提取顯著性特征信號。

10.如權利要求7所述的裝置，其特征在于，所述神經網絡采用動態(tài)BP算法，所述動態(tài)BP算法通過動量因子進行權值調整，權值調整的計算公式為：

w(k+1)＝w(k)+Δw(k+1)

其中，α表示網絡的學習率，η表示動量因子，表示第k次反向傳遞的誤差偏微分，w(k)表示第k次反向傳遞的閾值或權值，E(k)表示第k次反向傳遞的誤差總和。