本发明专利技术涉及了一种基于极点对称模态分解和支持向量机检测心电信号中J波的算法，广泛适用于辅助医生诊断病人的心电信号中是否存在J波，是J波综合征诊断的重要依据，具体为一种基于极点对称模态分解和支持向量机的J波检测方法。J波为心电信号QRS波结束和ST段起始的结合点J点之后的顿挫。异常J波引发的J波综合症会导致恶性室性心律失常、心原性猝死等高危疾病，在临床医学上越来越受到重视。本发明专利技术使用极点对称模态分解的方法，有效的解决了经验模态分解存在的模态混叠等问题，将对ECG信号分解为一系列本征模态函数和一个趋势项，并提取瞬时频率特征和能量变换特征，通过主成分分析降维输入到支持向量机进行J波检测。
【技术实现步骤摘要】
本专利技术涉及了一种基于极点对称模态分解和支持向量机检测心电信号中J波的算法，广泛适用于辅助医生诊断病人的心电信号中是否存在J波，是J波综合征诊断的重要依据，具体为一种基于极点对称模态分解和支持向量机的J波检测方法。
技术介绍
J点为心电信号上QRS波结束和ST段起始的结合点，标志着心室除极的结束和复极的开始。J点之后的顿挫即为J波，是一种常见的正常心电图的变异。由异常J波引发的J波综合症会导致恶性室性心律失常、心源性猝死等症状，越来越受到医学界的重视和关注。准确检测J波，能够有效降低发病率及致死率，对临床具有重要指导意义。由于心电信号是非线性非平稳信号，在以往J波诊断的研究过程中，主要有a.傅里叶变换，通过研究疾病引起的频率成分改变，取得了一定成功，但是频域分析法只能得到全局频率信息，而心电信号是非线性非平稳信号，J波的诊断需要研究其局部频率信息。b.小波变换，在心电信号识别分类有不错的效果，但小波变换的缺陷是非自适应的，其性能的好坏严重依赖于小波函数的的选择。c.希尔伯特黄变换，是目前检测J波比较热门的方法。其中，经验模态分解是希尔伯特黄变换重要的一部分，是黄锷(N.E.Huang)在美国国家宇航局与其他人于1998年创造性地提出的一种新型自适应信号时频处理方法，它是根据信号自身的波动规律将信号分解为从低频到高频不同时间尺度分量，比时域和频域分析方法更加适合非线性非平稳信号的研究。正是由于这样的特点，希尔伯特黄变换方法成功应用于心电信号疾病诊断方面的研究。但是使用希尔伯特黄变换来检测J波存在以下问题：筛选次数难以确定，分解出的趋势函数太粗略，希尔伯特谱分析受数学理论限制等。本专利技术基于上述问题，使用极点对称模态分解方法对心电信号进行研究，进而提取有效特征，通过支持向量机检测J波，从而提高J波的检测准确率。
技术实现思路
本专利技术为了解决上述问题，提供了基于极点对称模态分解和支持向量机的J波检测方法。本专利技术是采用如下的技术方案实现的：基于极点对称模态分解和支持向量机的检测心电信号中J波的方法，包括以下步骤：第一步：取得原始心电信号x(t)，原始心电信号x(t)中包括正常心电信号和含J波的心电信号，找出每个原始心电信号x(t)所有极大值点和极小值点，记作Pi，1≤i≤n；第二步：用线段将所有的极值点Pi依次连接，每段线段的中点标记为Ti，1≤i≤n-1，并在线段连接形成的总线段左右两端添补边界中点T0和Tn；第三步：利用n+1个中点构建s条内插曲线L1,…,Ls,s≥1，计算其平均值L*＝(L1+…LS)/s；第四步：对x(t)-L*序列重复上述三个步骤，直至|L*|≤ε或者筛选次数达到预设的限位值K，ε是允许误差，得到第一个本征模态函数c1(t)；第五步：对剩余序列x(t)-c1重复上述四个步骤，直到剩余项r为单一信号或不再大于预先给定的极值点，便可分别得到本征模态函数c2(t),c3(t)…,ci(t),cm(t)，计算序列x(t)-r的方差σ2；第六步：在限定区间[Kmin,Kmax]内改变限位值K，重复上述五个步骤，并对σ/σ0和K进行绘图，σ0是x(t)的标准差，在图中找出σ/σ0最小值对应的K0，以K0作为限制条件再次重复上述五个步骤，最后剩余项r就是原始信号x(t)的自适应全局均线，亦即趋势项，经过分解，原始心电信号x(t)可表示为即利用极点对称模态分解将心电信号x(t)分解成一系列本征模态函数和一个剩余项；第七步：(1)寻找本征模态函数ci(t)的极值点，计算两个相邻极大值点和两个相邻极小值点之间的时间差；(2)将这些时间差视为局部周期值赋给两个相邻极大值点和两个相邻极小值点之间时间轴上的中点，画出时间周期对应点图；(3)将这些局部周期值取倒数得到其局部频率，再做三次样条插值得到瞬时频率曲线；第八步：第i个本征模态函数对应的解析表达式为：ci(t)=Ai(t)cosθi(t),1≤i≤m,E(t)=12Σi=1mAi2(t);]]>第九步：选取前七个本征模态函数的瞬时频率F1、F2、F3、F4、F5、F6、F7和能量转换特征E(t)组成特征空间[F1,F2,F3,F4,F5,F6,F7,E(t)]，选用主成分分析法对特征空间进行降维，选取每个特征的前8个主成分，即降维后的特征总计64个；第十步：将上述特征输入到支持向量机，对支持向量机进行训练，提取待检测的心电信号的降维后的特征输入到支持向量机，即可分辨出待检测的心电信号的类型。本专利技术利用心电信号是非线性非平稳特性，将心电信号进行极点对称模态分解，解决经验模态分解中终止条件不确定，模态混叠等问题，将求得的瞬时频率和能量变化特征进行主成分分析降维，减少运算量，进而使用支持向量机检测出含J波的心电信号，提高检测准确率，辅助医生准确诊断J波综合征。具体实施方式基于极点对称模态分解和支持向量机的J波检测方法，包括以下步骤：第一步：取得原始心电信号x(t)，原始心电信号x(t)中包括正常心电信号和含J波的心电信号，找出每个原始心电信号x(t)所有极大值点和极小值点，记作Pi，1≤i≤n；第二步：用线段将所有的极值点Pi依次连接，每段线段的中点标记为Ti(1≤i≤n-1)，并在线段连接形成的总线段左右两端添补边界中点T0和Tn；第三步：利用n+1个中点构建s条内插曲线L1,…,Ls,s≥1，计算其平均值L*＝(L1+…LS)/s；第四步：对x(t)-L*序列重复上述三个步骤，直至|L*|≤ε或者筛选次数达到预设的限位值K，ε是允许误差，得到第一个本征模态函数c1(t)；第五步：对剩余序列x(t)-c1重复上述四个步骤，直到剩余项r为单一信号或不再大于预先给定的极值点，便可分别得到本征模态函数c2(t),c3(t)…,ci(t),cm(t)，计算序列x(t)-r的方差σ2；第六步：在限定区间[Kmin,Kmax]内改变限位值K，重复上述五个步骤，并对σ/σ0和K进行绘图，σ0是x(t)的标准差，在图中找出σ/σ0最小值对应的K0，以K0作为限制条件再次重复上述五个步骤，最后剩余项r就是原始信号x(t)的自适应全局均线，亦即趋势项，经过分解，原始心电信号x(t)可表示即利用极点对称模态分解将心电信号x(t)分解成一系列本征模态函数和一个剩余项；相比于希尔伯特黄变换，分解心电信号的过程中，极点对称模态分解将经验模态分解中用来确定原始信号外部包络线的三阶样条插值法改进为内部极点对称插值法，并借用“最小二乘法”思想来优化最后剩余模态，使其成为整个信号序列分解过程中的“自适应全局均线”，以此来确定分解过程中的最佳筛选次数。还抛弃了希尔伯特谱分析方法，采用直接差值法，很好的解决了：周期需要相对于一段时间来定义而频率却要有瞬时意义。第七步：和希尔伯特黄变换类似，极点对称模态分解也分为两部分：第一部分是经验模态分解，可产生数个本征模态函数与一条最佳自适应全局均线；第二部分是时频分析，主要涉及瞬时频率的“直接插值法”和能量变化问题。通过对心电信号各个本征模态函数进行时频分析，提取瞬时频率特征和能量变换特征。(1)寻找本征模态函数ci(t)的极值点，计算任意两个相邻极大值点和两个相邻极小值点之间的时间差；(2)将这些时本文档来自技高网...
【技术保护点】
基于极点对称模态分解和支持向量机的J波检测方法，其特征在于包括以下步骤：第一步：取得原始心电信号x(t)，原始心电信号x(t)中包括正常心电信号和含J波的心电信号，找出每个原始心电信号x(t)所有极大值点和极小值点，记作Pi，1≤i≤n；第二步：用线段将所有的极值点Pi依次连接，每段线段的中点标记为Ti，1≤i≤n‑1，并在线段连接形成的总线段左右两端添补边界中点T0和Tn；第三步：利用n+1个中点构建s条内插曲线L1,…,Ls,s≥1，计算其平均值L*＝(L1+…LS)/s；第四步：对x(t)‑L*序列重复上述三个步骤，直至|L*|≤ε或者筛选次数达到预设的限位值K，ε是允许误差，得到第一个本征模态函数c1(t)；第五步：对剩余序列x(t)‑c1重复上述四个步骤，直到剩余项r为单一信号或不再大于预先给定的极值点，便可分别得到本征模态函数c2(t),c3(t)…,ci(t),cm(t)，计算序列x(t)‑r的方差σ2；第六步：在限定区间[Kmin,Kmax]内改变限位值K，重复上述五个步骤，并对σ/σ0和K进行绘图，σ0是x(t)的标准差，在图中找出σ/σ0最小值对应的K0，以K0作为限制条件再次重复上述五个步骤，最后剩余项r就是原始信号x(t)的自适应全局均线，亦即趋势项，经过分解，原始心电信号x(t)可表示为即利用极点对称模态分解将心电信号x(t)分解成一系列本征模态函数和一个剩余项；第七步：(1)寻找本征模态函数ci(t)的极值点，计算两个相邻极大值点和两个相邻极小值点之间的时间差；(2)将这些时间差视为局部周期值赋给两个相邻极大值点和两个相邻极小值点之间时间轴上的中点，画出时间周期对应点图；(3)将这些局部周期值取倒数得到其局部频率，再做三次样条插值得到瞬时频率曲线；第八步：第i个本征模态函数对应的解析表达式为：ci(t)＝Ai(t)cosθi(t),1≤i≤m，第九步：选取前七个本征模态函数的瞬时频率F1、F2、F3、F4、F5、F6、F7和能量转换特征E(t)组成特征空间[F1,F2,F3,F4,F5,F6,F7,E(t)]，选用主成分分析法对特征空间进行降维，选取每个特征的前8个主成分，即降维后的特征总计64个；第十步：将上述特征输入到支持向量机，对支持向量机进行训练，提取待检测的心电信号的降维后的特征输入到支持向量机，即可分辨出待检测的心电信号的类型。...
【技术特征摘要】
1.基于极点对称模态分解和支持向量机的J波检测方法，其特征在于包括以下步骤：第一步：取得原始心电信号x(t)，原始心电信号x(t)中包括正常心电信号和含J波的心电信号，找出每个原始心电信号x(t)所有极大值点和极小值点，记作Pi，1≤i≤n；第二步：用线段将所有的极值点Pi依次连接，每段线段的中点标记为Ti，1≤i≤n-1，并在线段连接形成的总线段左右两端添补边界中点T0和Tn；第三步：利用n+1个中点构建s条内插曲线L1,…,Ls,s≥1，计算其平均值L*＝(L1+…LS)/s；第四步：对x(t)-L*序列重复上述三个步骤，直至|L*|≤ε或者筛选次数达到预设的限位值K，ε是允许误差，得到第一个本征模态函数c1(t)；第五步：对剩余序列x(t)-c1重复上述四个步骤，直到剩余项r为单一信号或不再大于预先给定的极值点，便可分别得到本征模态函数c2(t),c3(t)…,ci(t),cm(t)，计算序列x(t)-r的方差σ2；第六步：在限定区间[Kmin,Kmax]内改变限位值K，重复上述五个步骤，并对σ/σ0和K进行绘图，σ0是x(t)的标准差，在图中找出σ/σ0最小值对应的K0，以K0...
【专利技术属性】
技术研发人员：李灯熬，赵菊敏，毋凡铭，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：山西;14
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。