[發明專利]基于多特征協同非負矩陣分解的心電身份識別方法及系統

有效

• 申請號: 202110511207.5
• 申請日: 2021-05-11
• 公開（公告）號: CN113221736B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 黃玉文;劉春英;于繼江;黃復賢
• 申請（專利權）人: 菏澤學院
• 主分類號: G06F18/24
• 分類號: G06F18/24;G06F18/213;G06F18/214
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

1.基于多特征協同非負矩陣分解的心電身份識別方法，其特征是，包括：

獲取待處理的心電信號；

將待處理的心電信號進行預處理，得到單周期心電信號；

對每個單周期心電信號進行特征提取，提取出若干個特征；具體包括：

對每個單周期心電信號進行特征提取，提取出若干個局部二值模式特征；

所述若干個局部二值模式特征，包括：一維局部二值模式直方圖特征、離散余弦變換直方圖特征和小波變換直方圖特征；

所述一維局部二值模式直方圖特征；提取過程包括：

抽取心電周期信號的一維局部二值模式特征；

基于一維局部二值模式特征，將局部二值特征值作為橫坐標，將二值特征值出現的頻數作為縱坐標，獲取一維局部二值模式特征的直方圖；

所述離散余弦變換直方圖特征；提取過程包括：

對每個單周期心電信號，利用自相關系數變換得到心電周期信號的自相關系數；

利用離散余弦變換，獲取自相關系數的離散余弦系數；

抽取離散余弦系數的局部二值模式特征；

基于離散余弦變化系數的局部二值模式特征，將離散余弦變換局部二值模式特征值作為橫坐標，將局部二值模式特征值出現的頻數作為縱坐標，得到離散余弦變換直方圖特征；

或者，

所述小波變換直方圖特征；提取過程包括：

選用Db3小波函數對心電周期信號進行8層小波分解，獲取心電信周期號的小波系數；

抽取心電周期小波系數的局部二值模式特征；

基于心電周期小波系數的局部二值模式特征，將小波局部二值特征值作為橫坐標，將二值特征值出現的頻數作為縱坐標，獲取小波變換直方圖特征；

基于提取的所有特征和預先得到的語義空間矩陣，得到待處理心電信號的身份識別結果；具體包括：

將提取的所有直方圖特征輸入到預先得到的語義空間矩陣中，得到每個心電周期二值模式特征的投影矩陣；

基于投影矩陣，對待處理心電信號的特征和若干個已知身份類別標簽的心電信號的特征進行投影，得到語義投影空間下待處理心電信號的新特征和若干個已知身份類別標簽的心電信號的新特征；

計算待處理心電信號的新特征與每個已知身份類別標簽的心電信號的新特征之間的距離，將最小距離對應的已知身份類別標簽，作為待處理心電信號的身份識別結果輸出；

其中，預先得到的語義空間矩陣是對訓練集使用協同非負矩陣分解得到的，所述訓練集包括已知身份識別類別標簽的心電信號；基于訓練集提取的局部二值模式特征，構建基于協同非負矩陣分解的心電周期特征學習目標函數；對基于協同非負矩陣分解的心電周期特征學習目標函數進行求解，得到語義空間矩陣；所述基于協同非負矩陣分解的心電周期特征學習目標函數，是指：

其中，U表示基矩陣，V表示語義系數矩陣，G表示標簽投影矩陣，E表示噪聲矩陣，1≤t≤D，U^t表示第t個基特征，E^t表示第t個噪聲矩陣，X^t表示的第t個局部二值模式直方圖特征，λ表示平衡參數，D表示總特征數目，γ表示平衡參數；

β表示平衡參數，L表示標簽矩陣，‖·‖₁表示L₁范數約束，‖·‖_1,2表示先對矩陣的列進行L₁范數約束，然后對矩陣的列進行L₂范數的約束，‖·‖_F表示Frobenius范數。

2.如權利要求1所述的基于多特征協同非負矩陣分解的心電身份識別方法，其特征是，將待處理的心電信號進行預處理，得到單周期心電信號；具體包括：

對待處理的心電信號進行噪聲去除處理；

對噪聲去除后的心電信號進行基準點檢測；

以基準點為中心，選取基準點之前第一設定時長的第一采樣點和基準點之后第二設定時長的第二采樣點；將第一采樣點和第二采樣點之間的心電信號作為單周期心電信號，對單周期心電信號進行分割；

對所有的單周期心電信號進行歸一化處理。