【技术实现步骤摘要】
本专利技术涉及信号处理
，更确切地说是涉及生理电信号处理的技术，是一 种适合集成电路及便携式系统实现的低复杂度、高准确率的生理电信号尖峰奇异点检测方 法。
技术介绍
生理电信号是由复杂生命体发出的低频微弱信号，极易受到外界的干扰。如何克 服外界干扰，从生理电信号中提取出具有医学诊断价值的特征信息是近年来研究的重点。 针对心电，神经及脉搏等生理电信号存在尖峰奇异点的特点，研究主要集中在奇异点检测 及同类奇异点间距与不同疾病之间的关系等方面。 目前，奇异点检测方法主要包括三大类-时域算法、频域算法、混合算法。 时域算法是基于生理电信号中奇异点幅度高、斜率大的特点，进行信号检测。该类 算法又包括能量算法，斜率算法及压缩算法等。对于稳定的生理电信号该类算法的检测效 果良好，复杂度低，适合工程实现。但是该类算法的抗干扰性能差，需要滤波的预处理，增加 了计算量，不利于低功耗实现。 频域算法种类繁多，包括傅里叶变换算法、滤波器级联算法、小波变换算法等。这 些算法将时域信号转换为频域信号进行处理，可以完成检测任务，但计算量较大。同时也由 于时移问题，奇异点定位不精确。 混合算法是在时域和频域同时处理信号，具有奇异点精确定位，抗干扰性能强等 优势。但是该类算法的复杂度很高，高复杂度意味着高功耗，不利于集成电路及便携式系统 的实现。 针对上述问题，低复杂度、高抗干扰性、高准确率是生理电信号奇异点检测方法研 究的主要方向。
技术实现思路
本专利技术的目的在于解决上述问题，消除基线漂移，工频噪声等各类噪声干扰，以...
【技术保护点】
一种生理电信号尖峰奇异点检测方法，其特征在于，包括：步骤1：采样得到生理电信号序列；步骤2：对采样得到的生理电信号序列进行小波变换，获得对应的小波变换系数；具体如下获得小波变换系数：y(n)＝(x(n)＞＞a1)WT(n)=Σk=1ryk(n)]]>其中，a1是抽头系数，x(n)是采样得到的生理电信号序列，y(n)是中间值，WT(n)是小波变换系数，n是采样点，r是小波变换阶数；步骤3：根据所述小波变换系数筛选得到对应于生理电信号中尖峰脉冲顶点；步骤4：根据筛选得到的尖峰脉冲顶点寻找所述小波变换系数中的模极大值对，并计算得到尖峰奇异点潜在位置；步骤5：对所述尖峰奇异点潜在位置进行时移修正，以确定尖峰奇异点的正确位置。
【技术特征摘要】
1. 一种生理电信号尖峰奇异点检测方法，其特征在于，包括： 步骤1:采样得到生理电信号序列； 步骤2 :对采样得到的生理电信号序列进行小波变换，获得对应的小波变换系数；具体 如下获得小波变换系数： y (n) = (X (n) > > a)其中，叫是抽头系数，x(n)是采样得到的生理电信号序列，y(n)是中间值，WT(n)是小 波变换系数，n是采样点，r是小波变换阶数； 步骤3 :根据所述小波变换系数筛选得到对应于生理电信号中尖峰脉冲顶点； 步骤4 :根据筛选得到的尖峰脉冲顶点寻找所述小波变换系数中的模极大值对，并计 算得到尖峰奇异点潜在位置； 步骤5 :对所述尖峰奇异点潜在位置进行时移修正，以确定尖峰奇异点的正确位置。2. 如权利要求1所述的方法，其中，所述生理电信号包括脑电信号、心电信号、眼电信 号、肌电信号、神经动作电位信号以及脉搏信号。3. 如权利要求1所述的方法，其中，步骤3中，当对应生理电信号序列当前点的小波变 换系数小于或大于其相邻两点的小波变换系数，则确定当前点为顶点。4. 如权利要求1所述的方法，其中，步骤4中所述模极大值对包括正相位模极大值和负 相位模极大值。5. 如权利要求4所述的方法，其中，步骤4中，首先选取所确定的顶点中小波变换系数 最大的预定数目个顶点，将其小波变换系数作为初始正相位模极大值，选取所确定的顶点 中小波变换系数最小的预定数目个顶点，将其小波变换系数作为初始负相位模极大值，然 后根据所述初始正相位模极大值和初始负相位模极大值计算得到正相位模极大值阈值和 负相位模极大值阈值；最后根据所述正相位模极大值阈值和负相位模极大值阈值筛选得到 正相位模极大值和负相位模极大值对，以及尖峰奇异...
【专利技术属性】
技术研发人员：李鹏，刘鸣，张旭，陈弘达，
申请(专利权)人：中国科学院半导体研究所，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。