[發明專利]一種人體心肺音實時盲分離方法及系統在審
| 申請號： | 201710601813.X | 申請日： | 2017-07-21 |
| 公開（公告）號： | CN107392149A | 公開（公告）日： | 2017-11-24 |
| 發明（設計）人： | 楊祖元;何孝文;楊浩;謝勝利 | 申請（專利權）人： | 廣東工業大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;A61B5/00 |
| 代理公司： | 北京集佳知識產權代理有限公司11227 | 代理人： | 羅滿 |
| 地址： | 510062 廣東省*** | 國省代碼： | 廣東;44 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 人體 心肺音 實時 分離 方法 系統 | ||
1.一種人體心肺音實時盲分離方法，其特征在于，包括：
步驟1、采集人體心肺音信號；
步驟2、對人體心肺音信號進行預處理，得到預處理后的人體心肺音信號；
步驟3、將預處理后的人體心肺音信號變換到時頻域，獲得非負頻譜；
步驟4、采用非負頻譜構造盲信號矩陣V，將盲信號矩陣V分離得到初始矩陣Wk和Hk；其中，Wk為系數矩陣，Hk為源矩陣；
步驟5、采集新的人體心肺音信號，進行預處理后變換到時頻域得到新的非負頻譜，構造新的盲信號矩陣Vk+1進行在線非負矩陣分解，分解出新的矩陣Wk+1和hk+1，利用Wk+1和hk+1分離出新的人體心音信號和肺部呼吸音信號。
2.如權利要求1所述的方法，其特征在于，步驟5之后，還包括：
將得到的新的人體心音信號和肺部呼吸音信號進行在線分析。
3.如權利要求1所述的方法，其特征在于，所述預處理為短時傅立葉變換。
4.如權利要求1所述的方法，其特征在于，Wk+1的迭代公式如下：
hk+1的迭代公式如下：
其中，Wk+1為迭代更新后的系數矩陣，為初始的源矩陣，為原始數據矩陣，為新數據向量，為迭代更新后的源數據，δ＝10-9，α為舊數據的權重，β為新數據的權重。
5.一種人體心肺音實時盲分離系統，其特征在于，用于實現如權利要求1至4中任意一項所述的方法，包括：
采集模塊，用于采集人體心肺音信號；
預處理模塊，用于對人體心肺音信號進行預處理，得到預處理后的人體心肺音信號；
時頻域變換模塊，用于將預處理后的人體心肺音信號變換到時頻域，獲得非負頻譜；
分離模塊，用于采用非負頻譜構造盲信號矩陣V，將盲信號矩陣V分離得到初始矩陣Wk和Hk；Wk為系數矩陣，Hk為源矩陣；
新信號處理模塊，用于采集新的人體心肺音信號，進行預處理后變換到時頻域得到新的非負頻譜，構造新的盲信號矩陣Vk+1進行在線非負矩陣分解，分解出新的矩陣Wk+1和hk+1，利用Wk+1和hk+1分離出新的人體心音信號和肺部呼吸音信號。
6.如權利要求5所述的系統，其特征在于，還包括：
分析模塊，用于將得到的新的人體心音信號和肺部呼吸音信號進行在線分析。
7.如權利要求5所述的系統，其特征在于，所述預處理為短時傅立葉變換。
8.如權利要求5所述的系統，其特征在于，Wk+1的迭代公式如下：
hk+1的迭代公式如下：
其中，Wk+1為迭代更新后的系數矩陣，為初始的源矩陣，為原始數據矩陣，為新數據向量，為迭代更新后的源數據，δ＝10-9，α為舊數據的權重，β為新數據的權重。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于廣東工業大學，未經廣東工業大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710601813.X/1.html，轉載請聲明來源鉆瓜專利網。
