A sub-health detection method and system of pulse signal based on PCANet is proposed in this paper. The research object is selected and the health condition of the research object is preliminarily divided and screened. Then the pulse signal data of each research object is collected by pulse sensor. The collected pulse signal data is normalized to make the pulse. The signal data are mapped to the range of [1,1], and the noise and abnormal waveforms in the pulse signal are removed to obtain a pure pulse signal. The characteristics of healthy and sub-healthy pulse signals are extracted by PCANet respectively, and the reconstruction error is taken as the loss function. The PCA filter kernel is learned and the PCA algorithm is used to calculate the sample. In this set, the feature vectors corresponding to the first L maximum eigenvalues of the covariance matrix of the sample set are extracted to form the feature mapping matrix, and the extracted feature mapping matrix is used to identify the healthy and sub-healthy states by SVM classifier and KNN classifier. The detection process is simple and efficient.
【技术实现步骤摘要】
一种基于PCANet的脉搏信号亚健康检测方法及检测系统
本专利技术属于计算机智能视觉领域,具体涉及一种基于PCANet的脉搏信号亚健康检测方法及检测系统。
技术介绍
亚健康是一种介于健康与疾病之间的中间状态,主要表现为身体机能降低、功能和免疫力减退。根据世界卫生组织(WorldHealthOrganization,WHO)的全球调查结果显示,75%的人处于亚健康状态,20%处于发病状态,只有5%处于健康状态,亚健康严重危害了居民的健康。研究表明,生理信号中蕴含了丰富的与人体生理活动、精神状态以及与疾病诊断密切相关的信息,而脉搏信号是人体重要的生理信号,对于人体各种疾病的诊断具有极其重要的价值,因此可以通过分析人体的脉搏信号来实现亚健康状态的检测。脉搏信号分析的关键问题是对脉搏信号进行特征提取。在脉搏信号分析方面,主要用到了时频分析法,典型的时频分析方法有:短时傅里叶变换、Gabor变换、小波变换以及希尔伯特-黄变换。短时傅立叶变换(ShortTimeFourierTransform,STFT),它的基本思想是将信号划分为多个小的时间段,在每个时间段内计算信号的傅立叶变换,从而得到各个不同时刻的信号功率谱,但由于采用固定的窗函数,因此不具备自适应调节能力。Gabor变换是选用高斯函数作为时频窗的最优短时傅立叶变换,它在进行短时傅立叶变换的同时能够使信号的时间分辨率和频率分辨率达到最优,但仍然属于单一分辨率的时频分析方法。小波变换(WaveletTransform,WT)是一种多分辨率分析方法,具体作用为通过求解信号与小波基函数的卷积将信号分解成多个时频带上的 ...
【技术保护点】
1.一种基于PCANet的脉搏信号亚健康检测方法,其特征在于,包括以下步骤:步骤1、数据采集;选取研究对象并对研究对象的健康状况进行初步的划分与筛选,再通过脉冲传感器采集各研究对象的脉搏信号数据,待信号平稳后对采集到的数据进行记录;步骤2、数据预处理;将采集到的脉搏信号数据进行归一化处理,使脉搏信号数据映射至[‑1,1]的范围内,去除脉搏信号中的基线漂移、工频干扰、高频噪声及异常波形,获得纯净的脉搏信号;步骤3、特征提取;对预处理后的脉搏信号使用PCANet分别提取健康和亚健康脉搏信号特征;步骤4、SVM和KNN分类;将提取得到的特征映射矩阵通过SVM分类器和KNN分类器来识别健康与亚健康状态。
【技术特征摘要】
1.一种基于PCANet的脉搏信号亚健康检测方法,其特征在于,包括以下步骤:步骤1、数据采集;选取研究对象并对研究对象的健康状况进行初步的划分与筛选,再通过脉冲传感器采集各研究对象的脉搏信号数据,待信号平稳后对采集到的数据进行记录;步骤2、数据预处理;将采集到的脉搏信号数据进行归一化处理,使脉搏信号数据映射至[-1,1]的范围内,去除脉搏信号中的基线漂移、工频干扰、高频噪声及异常波形,获得纯净的脉搏信号;步骤3、特征提取;对预处理后的脉搏信号使用PCANet分别提取健康和亚健康脉搏信号特征;步骤4、SVM和KNN分类;将提取得到的特征映射矩阵通过SVM分类器和KNN分类器来识别健康与亚健康状态。2.根据权利要求1所述基于PCANet的脉搏信号亚健康检测方法,其特征在于:所述的步骤1中令研究者填写亚健康自评表并根据得分情况对研究对象的健康状况进行初步的划分与筛选;所述的亚健康自评表取自中国轻工业出版社的《亚健康概论》,分别从躯体症状、工作、心理、人际交往以及社会适应五个方面判别受试者是否处于亚健康状态。3.根据权利要求1所述基于PCANet的脉搏信号亚健康检测方法,其特征在于:所述的脉冲传感器采用HK-2000C集成数字脉搏传感器,采样频率为200Hz,采样时间设置为1.5min。4.根据权利要求1或3所述基于PCANet的脉搏信号亚健康检测方法,其特征在于:采集各研究对象的脉搏信号数据时,使脉冲传感器对准研究对象手腕桡动脉搏动最强处,脉冲传感器采集到的数据传输至计算机并通过动态链接库程序在显示屏上显示脉搏波形,保持研究对象的手腕与心脏平齐,采集过程中使研究对象保持平稳。5.根据权利要求1所述基于PCANet的脉搏信号亚健康检测方法,其特征在于:所述的步骤2采用小波变换的方法和脉搏信号干扰段检测算法去除脉搏信号中的噪声及异常波形。6.根据权利要求1所述基于PCANet的脉搏信号亚健康检测方法,其特征在于,步骤3的具体操作包括:1)均值化:对于第i个样本Ti,片段滑动截取得到mn个片段,第i个样本Ti的第j个片段向量表示为xi...
【专利技术属性】
技术研发人员:艾玲梅,薛亚庆,任阳红,
申请(专利权)人:陕西师范大学,
类型:发明
国别省市:陕西,61
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。