一种基于极值能量分解法的心率变异性信号分析方法技术

本发明专利技术公开了一种基于极值能量分解法的心率变异性信号分析方法，包括获取给定时间和给定采样频率下的未知状态的ECG信号，去噪后得到RRI信号x(t)；将RRI信号x(t)作为原始信号，将原始信号x(t)分解为n个极值模态函数分量和一个余量，将原始信号x(t)分解得的n个极值模态函数分量，代表了原始信号不同频段的分量，根据n个极值模态函数分量判定该RRI信号是否为异常心率变异性信号。本发明专利技术采用极值能量分解方法分析RRI信号，将原始信号分解为多个分量，也就是极值分量函数，计算每一个分量的能量，得到其能量分布。

An analysis method of heart rate variability signal based on extremum energy decomposition

The invention discloses an analysis method of heart rate variability signal based on extreme value energy decomposition method, which includes obtaining ECG signal of unknown state at a given time and a given sampling frequency, obtaining RRI signal x (T) after denoising; taking RRI signal x (T) as the original signal, decomposing the original signal x (T) into n extreme value mode function components and a margin, decomposing the original signal x (T) into N poles The value modal function component represents the components of different frequency bands of the original signal. According to n extreme modal function components, the RRI signal is judged as abnormal heart rate variability signal. The invention adopts the extreme value energy decomposition method to analyze RRI signal, decomposes the original signal into multiple components, that is, the extreme value component function, calculates the energy of each component, and obtains its energy distribution.

【技术实现步骤摘要】
一种基于极值能量分解法的心率变异性信号分析方法
本专利技术涉及一种心电图信号分析，尤其涉及一种基于极值能量分解法的心率变异性信号分析方法。
技术介绍
生理信号是由生命体多个系统相互作用产生的，不同系统作用的时间和强度不同，导致生理信号具有时间和空间上的复杂性。心率变异性(HRV)是指测量连续心动周期之间的时间变异数，准确地说，应该是测量连续出现的正常P-P间期之间的差异的变异数。但由于P波不如R波明显或P波顶端有时宽钝，所以对心率变异性信号的研究通常用与P-P间期相等的R-R间期信号(RRI)来代替。研究表明，HRV可做为植物神经系统活动的无创性检测指标，尤其在判断某些心血管疾病的预后方面有着重要意义。现有技术中研究心脏的长时调节节律(<1Hz))常用心律变异性信号(HRV信号)作为分析对象。大量的研究表明，人体HRV信号具有长时相关性和非线性动力学复杂性，并且年龄和疾病会导致动力学复杂性降低。对心率变异性(HeartRateVaribility,HRV)信号的研究常用的是RR间期(InterbeatIntervals，RRI)信号，即连续RRI信号R波之间的时间间隔信号。研究HRV信号的能量改变最常用的方法是功率谱分析(PSD)。PSD通过傅里叶变换将HRV信号的功率转化成频率的函数，研究不同频域范围的功率大小，通常HRV频谱分为高频(HF)、低频(LF)和极低频(VLF)等几个频段。LF/HF比值有重要的临床价值。心脏疾病会引起HRV功率谱的改变，比如心衰和心肌梗死引起归一化HF增高、LF和VLF降低。然而，PSD不是一种基于数据驱动的方法，并且对频域的分段比较粗糙，导致细节缺失，分割也不够灵活。因此，亟待解决上述问题。
技术实现思路
专利技术目的：本专利技术的目的是提供一种可采用较少数据即可直观反映心电图能量分布和信号波动的真实规律的基于极值能量分解法的心率变异性信号分析方法。技术方案：为实现以上目的，本专利技术公开了一种基于极值能量分解法的心率变异性信号分析方法，包括如下步骤：(1)、获取给定时间和给定采样频率下的未知状态的ECG信号，然后对ECG信号进行去噪预处理，从中提取RRI信号，得到未知状态的RRI信号x(t)；(2)、将RRI信号x(t)作为原始信号，求出原始信号的所有局部极值点，然后将原始信号的所有极大值点和所有极小值点采用样条曲线连起来分别形成上包络线emax和下包络线emin，得到上、下包络线的包络均值信号m(t)＝(emax+emin)/2；(3)、将原始信号x(t)减去包络均值信号m(t)，得到h(t)＝x(t)-m(t)；然后判断h(t)是否满足极值模态函数的判定条件，如果不满足，将h(t)作为原始信号返回至步骤(3)，直到hk(t)满足极值模态函数的判定条件，则记c1(t)＝hk(t)，作为第一个极值模态函数分量；(4)、将原始信号x(t)减去第一个极值模态函数分量c1(t)，得到余量r1(t)＝x(t)-c1(t)，然后判断hk(t)是否满足停止准则，如果不满足，将r1(t)作为新的原始序列x(t)，返回至步骤(2)和(3)；如果hk(t)满足停止准则但n＜8时，返回步骤(1)重新获取原始信号；如果hk(t)满足停止准则且n≥8时，得到第2、3、…、n个极值模态函数分量及余量rn(t)，于是将原始信号x(t)分解为n个极值模态函数分量和一个余量，即(5)、对极值模态函数分量ci(t)，i＝1，2，…，n，进行频谱分析得到各极值模态函数分量的中心频率；(6)、将原始信号x(t)分解得的n个极值模态函数分量，代表了原始信号不同频段的分量，然后计算其各个分量的能量Ei＝∫|ci(t)|2dt，i＝1，2，…，n将每一个能量值归一化，得到归一化的能量分布向量pi＝Ei/E，i＝1，2，...，n其中，第一个分量p1表示最高频段的能量，代表了信号在最高频段范围内能量分布的比例，最后一个分量pn表示信号在最低频段范围内能量分布的比例；根据归一化的能量分布向量绘制归一化能量分布图，其中横坐标表示分量层次，纵坐标表示归一化的能量分布向量值，曲线表示平均值，误差棒表示标准差；(7)、选取第二个分量p2至第七个分量p7，计算能量差异值EDV，EDV＝(p2+p3+p4)-(p5+p6+p7)，当EDV≤第一标准值时，则判定该RRI信号为正常心率变异性信号，当第一标准值＜EDV＜第二标准值时，则判定该RRI信号为疑似异常心率变异性信号，当EDV≥第二标准值时，则判定该RRI信号为异常心率变异性信号。其中，所述原始信号x(t)所需最少数据量N＝2n+1，其中n为分解出的极值模态函数分量的数量。优选的，所述步骤(1)中去噪预处理的具体方法为：将ECG信号经过40Hz零相位FIR低通滤波器滤波消除高频噪声，然后经过中值滤波器去除基线漂移。再者，所述步骤(3)中极值模态函数的判定条件为：(a)、在整个数据序列中，极值点的数量与过零点的数量相等或者相差一个；(b)、在任意时刻，上下包络线对于时间轴对称。进一步，所述步骤(4)中hk(t)满足停止准则公式为：ε表示筛选门限，取0.2～0.3之间。优选的，所述步骤(7)中的第一标准值为-0.15，第二标准值为0.08。有益效果：与现有技术相比，本专利技术具有以下显著优点：本专利技术采用极值能量分解方法(ExtremumEnergyDecomposition,EED)分析RRI信号，将原始信号分解为多个分量，也就是极值分量函数，计算每一个分量的能量，得到其能量分布；本专利技术的可依据生RRI信号自身的波动规律将信号分解为从高频到低频的不同时间层次信号，对频段的分割较为细致；极值分解在所有层次上得到的数据长度相同，因而不会导致数据长度减小，从而使其可以用于短时间数据分析，即需要很少数据量即可分析得到准确结果；EED对于不同层次分量能量分析不容易受噪声的影响。附图说明图1为本专利技术中原始信号的示意图；图2为本专利技术中原始信号求取包络线的示意图；图3为本专利技术中原始信号的减去包络均值信号的示意图；图4为本专利技术中得到第一个极值模态函数分量的示意图；图5为本专利技术中极值能量分解法的流程示意图；图6为本专利技术实施例1中RRI信号的EED分解示意图；图7为本专利技术实施例1中RRI信号中归一化能量分布示意图。具体实施方式下面结合附图对本专利技术的技术方案作进一步说明。如图1、图2、图3、图4和图5所示，本专利技术的一种基于极值能量分解法的心率变异性信号分析方法，包括如下步骤：(1)、获取给定时间和给定采样频率下的未知状态的ECG信号，然后对ECG信号进行去噪预处理，从中提取RRI信号，得到未知状态的RRI信号x(t)；其中去噪预处理的具体方法为：由于ECG能量主要集中在0～40Hz，将ECG信号经过40Hz零相位FIR低通滤波器滤波消本文档来自技高网...

【技术保护点】
1.一种基于极值能量分解法的心率变异性信号分析方法，其特征在于，包括如下步骤：/n(1)、获取给定时间和给定采样频率下的未知状态的ECG信号，然后对ECG信号进行去噪预处理，从中提取RRI信号，得到未知状态的RRI信号x(t)；/n(2)、将RRI信号x(t)作为原始信号，求出原始信号的所有局部极值点，然后将原始信号的所有极大值点和所有极小值点采用样条曲线连起来分别形成上包络线e

【技术特征摘要】
1.一种基于极值能量分解法的心率变异性信号分析方法，其特征在于，包括如下步骤：
(1)、获取给定时间和给定采样频率下的未知状态的ECG信号，然后对ECG信号进行去噪预处理，从中提取RRI信号，得到未知状态的RRI信号x(t)；
(2)、将RRI信号x(t)作为原始信号，求出原始信号的所有局部极值点，然后将原始信号的所有极大值点和所有极小值点采用样条曲线连起来分别形成上包络线emax和下包络线emin，得到上、下包络线的包络均值信号m(t)＝(emax+emin)/2；
(3)、将原始信号x(t)减去包络均值信号m(t)，得到h(t)＝x(t)-m(t)；然后判断h(t)是否满足极值模态函数的判定条件，如果不满足，将h(t)作为原始信号返回至步骤(3)，直到hk(t)满足极值模态函数的判定条件，则记c1(t)＝hk(t)，作为第一个极值模态函数分量；
(4)、将原始信号x(t)减去第一个极值模态函数分量c1(t)，得到余量r1(t)＝x(t)-c1(t)，然后判断hk(t)是否满足停止准则，如果不满足，将r1(t)作为新的原始序列x(t)，返回至步骤(2)和(3)；如果hk(t)满足停止准则但n＜8时，返回步骤(1)重新获取原始信号；如果hk(t)满足停止准则且n≥8时，得到第2、3、…、n个极值模态函数分量及余量rn(t)，于是将原始信号x(t)分解为n个极值模态函数分量和一个余量，即



(5)、对极值模态函数分量ci(t)，i＝1，2，…，n，进行频谱分析得到各极值模态函数分量的中心频率；
(6)、将原始信号x(t)分解得的n个极值模态函数分量，代表了原始信号不同频段的分量，然后计算其各个分量的能量
Ei＝∫|ci(t)|2dt,i＝1，2，…，n
将每一个能量值归一化，得到归一化的能量分布向量
pi＝Ei/E,i＝1,2,…,n
其中，第一个分量...

【专利技术属性】
技术研发人员：周作建，宁新宝，王斌斌，姜晓东，王华，
申请(专利权)人：江苏华康信息技术有限公司，
类型：发明
国别省市：江苏;32