[發明專利]一種多尺度時間序列生理信號的因果網絡分析方法

有效

• 申請號: 202011239121.3
• 申請日: 2020-11-09
• 公開（公告）號: CN112386227B
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 張羿;楊琴;張力夫;王冠;冉宇;斯蒂芬·蘇;布蘭科·塞勒;徐鵬;堯德中
• 申請（專利權）人: 電子科技大學
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/372
• 代理公司: 成都巾幗知識產權代理有限公司 51260
• 代理人: 邢偉

1.一種多尺度時間序列生理信號的因果網絡分析方法，其特征在于：包括以下步驟：

S1.輸入待分析的生理信號：

u₁＝{u_1,1,u_1,2,...,u_1,t}

u₂＝{u_2,1,u_2,2,...,u_2,t}

......

u_m＝{u_m,1,u_m,2,...,u_m,t}

利用NA-MEMD算法對待分析的生理信號u₁,u₂,...,u_m進行分解：

......

......

其中，表示利用NA-MEMD算法對信號進行分解，NA-MEMD算法是指基于噪聲輔助的多元經驗模式分解算法，m表示輸入的生理信號數目，并且滿足m≥2，t∈N⁺，N⁺表示正整數；表示NA-MEMD算法選擇的輔助噪聲，互不相關且均為隨機高斯噪聲，為選擇的輔助噪聲數目，n表示每個輸入的生理信號分解后得到的IMF信號個數；

S2.對于兩個不同的生理信號u_i,u_j，進行因果分析，i＝1,2,...m,j＝1,2...,m,且i≠j，分析過程如下：

S201.將生理信號u_i分解得到的信號{IMF_i,1,IMF_i,2,...,IMF_i,n}與生理信號u_j分解得到的信號{IMF_j,1,IMF_j,2,...,IMF_j,n}進行配對，得到n個IMF對：

(IMF_i,1,IMF_j,1),(IMF_i,2,IMF_j,2),....,(IMF_i,n,IMF_j,n)；

每個IMF對中，兩個IMF信號的時間長度相等；

S202.計算每一個IMF對的平均瞬時相位差，并將計算得到的平均瞬時相位差與預設的閾值進行比較，篩選出平均瞬時相位差小于預設閾值的IMF對，生成ICC集：

其中，中k₁的表示為{IMF_i,1,IMF_i,2,...,IMF_i,n}中的第k₁個信號，中k₁的表示為{IMF_j,1,IMF_j,2,...,IMF_j,n}中的第k₁個信號；

中k₂的表示為{IMF_i,1,IMF_i,2,...,IMF_i,n}中的第k₂個信號，中k₂的表示為{IMF_j,1,IMF_j,2,...,IMF_j,n}中的第k₂個信號；

同理，中的表示為{IMF_i,1,IMF_i,2,...,IMF_i,n}中的第個信號，中的表示為{IMF_j，1,IMF_j，2,...,IMF_j，n}中的第個信號；

表示ICC集中的IMF對個數；

S203 .分別計算ICC集中每一個IMF對的相位相關性；

其中，T表示IMF_i,k和IMF_j,k的時間長度，φ_i,k(t)表示IMF_i,k在時刻t的瞬時相位，φ_j,k(t)表示IMF_j,k在時刻t的瞬時相位；

S204.信號重分解：

從ICC集中各序號對應的IMF對中，篩選出頻率最大的IMF對：由于NA-MEMD算法分解出來的IMF信號頻率是由大到小排列的，故篩選出頻率最大的IMF對為

利用原始信號u_j減去得到u′_j，利用u′_j替換掉輸入信號組u₁,u₂,...,u_m中u_j，然后對替換后的輸入信號組進行NA-MEMD分解；

分解后取出u′_j對應的分解信號{IMF′_j,1,IMF′_j,2,...,IMF′_j,n}

利用原始信號u_i減去得到u′_i，利用u′_i替換掉輸入信號組u₁,u₂,...,u_m中u_i，然后對替換后的輸入信號組進行NA-MEMD分解；

分解后取出u′_i對應的分解信號{IMF′_i,1,IMF′_i,2,...,IMF′_i,n}；

S205.計算u_i對u_j的因果以及u_j對u_i的因果

式中，是u_i分解得到的第k個IMF的方差，表示u_j分解得到的第k個IMF的方差；W_k為中間變量；

獲取絕對因果強度ACS：

S206.根據絕對因果強度ACS，計算如下比值：

若該比值大于1，則u_i為因，u_j為果；

若該比值小于1，則u_i為果，u_j為因；

若該比值等于1，則u_i、u_j無因果關系或者互為因果；

由此得到u_i、u_j的因果分析結果；

S3.對于u₁,u₂,...,u_m中任意兩個信號，重復執行步驟S2，直至得到u₁,u₂,...,u_m中各個信號兩兩之間的因果關系，形成因果網絡。

2.根據權利要求1所述的一種多尺度時間序列生理信號的因果網絡分析方法，其特征在于：所述步驟S202包括：

S2021.設定各個IMF對的平均瞬時相位差閾值δ₁,δ₂,...δ_n；

S2022.計算第h個IMF對(IMF_i,h,IMF_j,h)的平均瞬時相位差：

設mean(φ_i,h)表示IMF_i,h的平均瞬時相位，即IMF_i,h在時間長度內的瞬時相位平均值；mean(φ_j,h)表示IMF_j,h的平均瞬時相位，即IMF_j,h時間長度內的瞬時相位平均值；

則第h個IMF對(IMF_i,h,IMF_j,h)的平均瞬時相位差為：

|mean(φ_i,h)-mean(φ_j,h)|；

將|mean(φ_i,h)-mean(φ_j,h)|與對應閾值δ_h進行比較，判斷是否滿足：

|mean(φ_i,h)-mean(φ_j,h)|＜δ_h；

如果滿足，則將對應的(IMF_i,h,IMF_j,h)加入ICC集中；

若不滿足，則拋棄(IMF_i,h,IMF_j,h)；

S2023.在h＝1,2,...n時，分別重復執行步驟S2022，最終得到ICC集為：