一种基于多小波变换融合下的脉搏信号特征提取方法技术

本发明专利技术公开了一种基于多小波变换融合下的脉搏信号特征提取方法，属于噪声处理与信号特征提取技术领域。在数据预处理阶段，使用加权处理的方式由使用不同小波基函数去噪的多个结果得到最终去噪的脉搏波，基于香农定理并使用高斯函数一阶导数进行小波变换寻找脉搏波的主波位置并进行周期划分，并对划分后的周期进行小波包分解与高阶统计量计算以获取特征量。本发明专利技术能有效地综合多个去噪的结果，提高了小波变换去噪的准确性，提高了主波提取的精度和脉搏波特征量提取的准确度。

A pulse signal feature extraction method based on multiwavelet transform fusion

The invention discloses a pulse signal feature extraction method based on multi-wavelet transform fusion, which belongs to the technical field of noise processing and signal feature extraction. In the data pre-processing stage, the final denoising pulse wave is obtained by using different wavelet basis function denoising results. Based on Shannon's theorem and using the first derivative of Gauss function, the wavelet transform is used to find the position of the main wave of the pulse wave and divide the period into different periods. Packet decomposition and high-order statistics are used to obtain eigenvalues. The method can effectively synthesize multiple denoising results, improve the accuracy of wavelet transform denoising, improve the accuracy of main wave extraction and pulse wave feature extraction.

【技术实现步骤摘要】
一种基于多小波变换融合下的脉搏信号特征提取方法
本专利技术涉及一种基于多小波变换融合下的脉搏信号特征提取方法，属于噪声处理与信号特征提取

技术介绍
人体脉搏波信号包含着丰富的人体生理信息，在现代医学技术下对其进行检测分析可以有效地得出有关人体生理状态和病理变化的信息，但由于基线漂移、工频干扰和肌电干扰等噪声的存在，所需要的脉搏波有可能淹没在其中从而无法收集。目前在一些相关的研究中有使用傅里叶变换和带通滤波等方法去除噪声，而小波变换凭借其同时在时域与频域上良好的局域化性质，相比前面的方法更加适宜用作噪声的消除。人体脉搏波信号波形的特征信息主要由主波、重搏前波、重搏波组成，现有的识别算法在检测波形的过程中会提取到大量的峰值点，而大部分峰值点与主峰波峰点无关，会降低主波提取时的效率和精确度。使用归一化香农能量包络线计算可以将大部分与主波无关的峰值点滤掉以减少计算量；而使用高斯函数一阶导数作为小波基函数进行小波变换可以将波形中的峰值点位置映射为变换后的过零点位置，通过求取过零点位置并返回原信号可以准确定位峰值点在其他的心音信号的特征提取实验中，绝大多数使用小波变换进行数据预处理的实验都是选取一种去噪效果相对最好的小波基函数进行小波分解、阈值分割与小波重构，但是不同的小波基函数在同样流程中对于噪声的不同消除效果是不应忽视的，根据去噪效果对多个结果进行加权取值可以有效地体现不同小波的去噪效果，得到更加准确的脉搏波信号。小波包分解是一种有效的信号时频分析方法，它是将信号投影到一组互相正交的小波基函数张成的空间上，并将信号分解为低频和高频两个部分，在下一层分解中它不仅对信号的低频部分进行分解，同时也对信号的高频部分实施再分解，是一种更为精细的分析方法。所谓高阶统计量通常应该被理解为高阶矩、高阶累积量以及它们的谱-高阶矩谱和高阶累积量谱这四种主要的统计量。高阶矩谱和高阶累积量谱统称为高阶谱，可对随机信号和确定信号进行定义。目前高阶统计量的应用研究主要集中于3阶、4阶累积量和相应的高阶谱方面。而高阶统计量分析是信号处理领域的前沿性研究方向，高阶统计量描述了信号的高阶数字特征，可以显示信号的幅度与相位信息，能解决非高斯非线性的问题。本专利技术采用小波变换与加权计算过滤原始脉搏波信号噪声，使用归一化香农能量包络线提取与利用高斯函数一阶导数的小波变换寻找主波位置，基于主波位置对脉搏波信号进行周期划分，使用小波包分解与高阶统计量对周期划分后的脉搏波信号进行处理获得多种特征量。有效减少了原始脉搏波中的噪声信号并更为准确地获得了周期划分后脉搏波信号的多种特征量。本专利方法可用于脉搏波分析、诊断等方面，也可以用于相关脉搏波测量、分析的软件方面。
技术实现思路
本专利技术旨在解决使用小波变换对脉搏波信号去噪过程中在众多小波基函数中只选取一种进行去噪导致结果并不准确以及对脉搏波进行周期划分与特征量提取不够准确的问题，提出了一种基于多小波变换融合下的脉搏信号特征提取方法。一种基于多小波变换融合下的脉搏信号特征提取方法，包含如下步骤：步骤1：使用多种小波基函数对原始脉搏波信号进行小波分解与阈值处理并进行小波重构得到去噪后的脉搏波信号；其中，多种小波基函数主要包括Haar小波、Daubechies小波以及Symmlets小波；其中，原始脉搏波信号为x[n]，用的小波基函数为ψi(t)，其中，i为整数，不同的i对应多种小波基函数中的第i种；使用第i种小波基函数去噪后的脉搏波信号，记为fi[n]；原始脉搏波信号x[n]可以表示为x[n]＝b[n]+σz[n]，n＝0,1,2,…,N-1；其中，b[n]代表不含噪声的脉搏波信号；z[n]代表原始脉搏波信号中含有的噪声信号；σ为噪声信号z[n]的标准差，N为原始脉搏波信号x[n]的离散采样次数；双正交小波变换分解公式为(1)：其中，cj,k是第j个分解层数的第k个尺度系数，dj,k是第j个分解层数的第k个小波系数，cj-1,q是第j-1个分解层数的第q个尺度系数，dj-1,q是第j-1个分解层数的第q个小波系数，hq-2k、gq-2k是第q-2k对正交镜像分解滤波器组，为对括号内进行q项求和运算；选择第i种小波基函数ψi(t)对原始脉搏波信号使用上面的公式(1)分解，得到小波变换后的信号wj,k，对wj,k使用公式(2)进行软阈值处理得到其中，wj,k为阈值处理前的信号在第j个分解层数上的第k个小波系数；|wj,k|是阈值处理前的信号在第j个分解层数上的第k个小波变换值；为阈值处理后的信号在第j个分解层数上的第k个小波系数；sgn(wj,k)函数遵循下面公式(3)而阈值的选取遵循下面公式(4)：其中，σj是分解层数为j时的噪声估计，Medium(|wj|)函数定义为取出分解层数为j时小波系数绝对值的中位数；小波重构公式如下(5)所示：其中，cj-1,q是第j-1个分解层数的第q个尺度系数，cj,q是第j个分解层数的第q个尺度系数，hk-2q、gk-2q是第k-2q对正交镜像重构滤波器组，为对括号内进行q项求和运算；将经过阈值处理后的小波系数使用上面的重构公式(5)重构，得到使用第i种小波基函数去噪后的脉搏波信号fi[n]；步骤2：通过公式(6)计算去噪后的脉搏波信号的滤除噪声占比，并通过公式(7)计算得到最终去噪后的脉搏波信号：其中，x[n]为原始脉搏波信号，fi[n]为使用第i种小波基函数ψi(t)去噪后的脉搏波信号，NSRi为滤除噪声占比，它的大小表示了小波基函数ψi(t)去噪效果的好坏；而最终去噪后的脉搏波信号f[n]可由公式(7)得到：其中，fi[n]为使用第i种小波基函数ψi(t)去噪后的脉搏波信号，NSRi为滤除噪声占比，表示对括号内进行i项求和运算；至此，经过步骤1和步骤2完成了数据预处理；步骤3：对步骤2得到的最终去噪后的脉搏波信号通过公式(8)进行幅值归一化处理；其中，f[n]是最终去噪后的脉搏波信号，a[n]是经过幅值归一化处理得到的信号；|f[n]|为信号f[n]的绝对值；Max(|f[n]|)为信号f[n]的绝对值的最大值；步骤4：对经步骤3幅值归一化处理得到的信号通过公式(9)进行香农能量计算得到香农能量包络线；Se[n]＝-a2[n]log(a2[n])(9)其中，a[n]是幅值归一化处理后得到的信号，Se[n]是香农能量包络线；步骤5：对香农能量包络线使用高斯函数一阶导数进行小波变换得到峰值点；高斯函数一阶导数的表达式如公式(10)所示：小波变换公式如步骤1中的式(1)所示，使用高斯函数一阶导数作为小波基函数对香农能量包络线进行分解层数j＝2的小波变换，得到变换后的信号h[n]；当h[p]＝0，其中，h[p]为h[n]中的一个位置；h[p]为h[n]中的一个位置；即小波变换后的信号位于过零点的时候，即为原信号的峰值点位置；小波重构信号如步骤1中的公式(5)所示，将位于过零点的信号进行小波重构返回原始信号得到Se[p]，接下来对Se[p]进行峰值点检测：求取Se[p]处的差分方程值与零进行比较：1)如果为零，说明Se[p]即为峰值点Pse[p]；2)如果小于零，说明Se[p]位于峰值点右侧，则使用公式(11)前向差分直到信号的差分方程接近为零，得到峰值点Pse[p]；本文档来自技高网...

【技术保护点】
1.一种基于多小波变换融合下的脉搏信号特征提取方法，其特征在于：包括如下步骤：步骤1：使用多种小波基函数对原始脉搏波信号进行小波分解与阈值处理并进行小波重构得到去噪后的脉搏波信号；其中，多种小波基函数主要包括Haar小波、Daubechies小波以及Symmlets小波；其中，原始脉搏波信号为x[n]，用的小波基函数为ψi(i)，其中，i为整数，不同的i对应多种小波基函数中的第i种；使用第i种小波基函数去噪后的脉搏波信号，记为fi[n]；原始脉搏波信号x[n]可以表示为x[n]＝b[n]+σz[n]，n＝0,1,2,···,N‑1；其中，b[n]代表不含噪声的脉搏波信号；z[n]代表原始脉搏波信号中含有的噪声信号；σ为噪声信号z[n]的标准差，N为原始脉搏波信号x[n]的离散采样次数；双正交小波变换分解公式为(1)：

【技术特征摘要】
1.一种基于多小波变换融合下的脉搏信号特征提取方法，其特征在于：包括如下步骤：步骤1：使用多种小波基函数对原始脉搏波信号进行小波分解与阈值处理并进行小波重构得到去噪后的脉搏波信号；其中，多种小波基函数主要包括Haar小波、Daubechies小波以及Symmlets小波；其中，原始脉搏波信号为x[n]，用的小波基函数为ψi(i)，其中，i为整数，不同的i对应多种小波基函数中的第i种；使用第i种小波基函数去噪后的脉搏波信号，记为fi[n]；原始脉搏波信号x[n]可以表示为x[n]＝b[n]+σz[n]，n＝0,1,2,···,N-1；其中，b[n]代表不含噪声的脉搏波信号；z[n]代表原始脉搏波信号中含有的噪声信号；σ为噪声信号z[n]的标准差，N为原始脉搏波信号x[n]的离散采样次数；双正交小波变换分解公式为(1)：其中，cj,k是第j个分解层数的第k个尺度系数，dj,k是第j个分解层数的第k个小波系数，cj-1,q是第j-1个分解层数的第q个尺度系数，dj-1,q是第j-1个分解层数的第q个小波系数，hq-2k、gq-2k是第q-2k对正交镜像分解滤波器组，为对括号内进行q项求和运算；选择第i种小波基函数ψi(t)对原始脉搏波信号使用上面的公式(1)分解，得到小波变换后的信号wj,k，对wj,k使用公式(2)进行软阈值处理得到其中，wj,k为阈值处理前的信号在第j个分解层数上的第k个小波系数；|wj,k|是阈值处理前的信号在第j个分解层数上的第k个小波变换值；为阈值处理后的信号在第j个分解层数上的第k个小波系数；sgn(wj,k)函数遵循下面公式(3)而阈值的选取遵循下面公式(4)：其中，σj是分解层数为j时的噪声估计，Medium(|wj|)函数定义为取出分解层数为j时小波系数绝对值的中位数；小波重构公式如下(5)所示：其中，cj-1,q是第j-1个分解层数的第q个尺度系数，cj,q是第j个分解层数的第q个尺度系数，hk-2q、gk-2q是第k-2q对正交镜像重构滤波器组，为对括号内进行q项求和运算；将经过阈值处理后的小波系数使用上面的重构公式(5)重构，得到使用第i种小波基函数去噪后的脉搏波信号fi[n]；步骤2：通过公式(6)计算去噪后的脉搏波信号的滤除噪声占比，并通过公式(7)计算得到最终去噪后的脉搏波信号：其中，x[n]为原始脉搏波信号，fi[n]为使用第i种小波基函数ψi(t)去噪后的脉搏波信号，NSRi为滤除噪声占比，它的大小表示了小波基函数ψi(t)去噪效果的好坏；而最终去噪后的脉搏波信号f[n]可由公式(7)得到：其中，fi[n]为使用第i种小波基函数ψi(t)去噪后的脉搏波信号，NSRi为滤除噪声占比，表示对括号内进行i项求和运算；步骤3：对步骤2得到的最终去噪后的脉搏波信号通过公式(8)进行幅值归一化处理；其中，f[n]是最终去噪后的脉搏波信号，a[n]是经过幅值归一化处理得到的信号；|f[n]|为信号f[n]的绝对值；Max(|f[n]|)为信号f[n]的绝对值的最大值；步骤4：对经步骤3幅值归一化处理得到的信号通过公式(9)进行香农能量计算得到香农能量包络线；Se[n]＝-a2[n]log(a2[n])(9)其中，a[n]是幅值归一化处理后得到的信号，Se[n]是香农能量包络线；步骤5：对香农能量包络线使用高斯函数一...

【专利技术属性】
技术研发人员：郭树理，韩丽娜，李灵甫，桂心哲，陈启明，张祎彤，刘宏斌，范利，骆雷鸣，
申请(专利权)人：北京理工大学，中国人民解放军总医院，
类型：发明
国别省市：北京,11