一种基于心冲击图的心跳检测方法技术

本发明专利技术涉及一种基于心冲击图的心跳检测方法，包括信号滤波、模板提取、相似性比较、动态阈值定位等步骤。信号滤波，通过数字FIR带通滤波器将接收的BCG信号中的高频干扰及低频漂移噪声抑制；模板提取，通过要求被测者在测试开始时保持静止一段时间T

【技术实现步骤摘要】
一种基于心冲击图的心跳检测方法
本专利技术属于生物医疗领域，具体涉及一种基于心冲击图的心跳检测方法。
技术介绍
心跳检测及基于该检测的心率变化率的分析能够有效评估受测者的交感神经与副交感神经的活动状态，从而推断出受测者情绪变化、压力水平、睡眠质量等多种生理及心里状态信息，对受测者健康监护、保健等方面具有积极意义。基于ECG(心电图)的传统心跳检测具有信号特征明显、易于检测、算法简单及检测精度高等优点，但由于ECG是直接从受测者身体上收集心电信号，需要时时佩戴导联电极，这无疑对受测者在测试过程中的正常活动造成极大的限制。相比于ECG的获取，BCG系统一般采用压电、加速度等非接触式的传感器，来获取每次心跳血液对血管产生的冲击力。这些传感器可放置于日常工作的座椅下，卧室的床垫下和汽车的安全带上等位置，在受测者日常生活毫无影响的情况下收集信号。这种非接触式、无侵入性、高活动自由度的心跳检测方法，在近年来受到越来越广泛的关注。BCG信号一般由H、I、J、K等波峰波谷组成，如附图1所示，与ECG具有突出的R波峰不同，BCG的H和J峰幅值较为接近，I、K波谷幅值也很相似，再加上压电。为得到较高精度的检测，中国专利CN103156622A、CN104605858A指出采用波形图像识别的方式已经成为主流趋势，并通过采用外部图像、运动等传感器获取受测者身体姿势、运动等状态选择相应的标准BCG波形作为图形比对参考，从而检测心跳信息，但具有如下不足：一、额外的传感器增加了检测成本，降低了检测便捷性；二、作为参考的标准BCG波形具有典型特性，却不能很好的适用于每一个受测者。
技术实现思路
本专利技术的目的在于提供一种基于心冲击图的心跳检测方法，本方法首先能够快速提取适用于当前受测者的BCG模板波形，然后通过波形对比及检测优化算法得到精确的心跳位置，从而为后续准确的心率分析提供依据。为实现上述目的，本专利技术具体公开的技术方案为：一种基于心冲击图的心跳检测方法，主要包括以下步骤：一、信号滤波：通过数字FIR带通滤波器将所接收的BCG信号中的高频干扰及低频漂移噪声抑制。选用FIR滤波器保证了信号的线性相位，避免滤波引起的相位非线性带来的滤波失真。根据国外专家Smith验证(SmithN.T.,BallistocardiographyinWeisslerA.M.(Ed.),Noninvasivecardiology.Grune&Stratto,NewYork,USA,1974.)，BCG信号的所有能量频率成分低于20Hz。为了抑制噪声并保留主要BCG信号，所选用的滤波器低通截止频率选择范围为10—20Hz，又由于呼吸频率成分主要集中在小于0.5Hz的频率范围，滤波器的高通截止频率选择范围为0.5—1Hz；在资源允许条件下应，按优先顺序使其过渡带尽量窄，阻带衰减尽量大，通带纹波尽量小为好。模板提取：通过要求被测者在测试开始时保持静止一段时间TA，如10秒，采集到高质量的TA时间数据信号，其总数据点数表示为NT，通过利用分类算法如k-means聚类算法、支持向量机(SVM)分类等，提取BCG参考模板。一个典型的k-means聚类算法对所采集的信号分类过程如下：I.设置总类数为k，设置模板数据长度为NS，得到NT-NS+1个样本；II.将每个样本按照公式(1)进行归一化处理，消除信号直流漂移对分类的影响，将归一化的样本随机分成k组；III.将每一组中的样本平均，得到k个种子样本；IV.根据公式(2)，分别计算每个样本i与种子样本j的欧氏距离Dij，将样本重新归类到与其距离最近的种子样本组；V.重复III和IV直到种子样本与上次结果相同，完成k个分组。其中Si样本S中第i点的值，μS为样本S的均值，σS为样本S的标准差，ZSi为S对应的归一化的样本Z的第i点的值；in和jn分别为样本i和种子样本j的第n点的值，NS为样本长度，Dij为样本i和种子样本j的欧几里德距离。若不进行优化。考虑到最差情况，所设置的总类数k应等于样本长度NS，并从最后得到的所有类中挑选出质量最佳的类，如所包括的样本数最多的类，为模板样本，将该类中的种子样本作为模板。应当注意的是，此处仅列出了一种有效的模板提取方式，此外还有其他聚类算法、SVM、神经网络分类算法等其他能够有效实现分类并提取较好BCG信号模板的算法均应属于本专利模板提取思想的保护范围。上述提供的标准的k-means聚类算法并不能很好的用于模板的提取：首先随机的分组及所有数据的分类，使得循环到达稳定所需计算量较大；并且k值的确定至少应为2以上，且需要尝试得到较好的k值；最后得到的稳定的组，需要挑选出正确的组。本专利技术提供了一种更为有效的适用于本应用的类似于k-means聚类算法，在该算法中，具有以下优点：首先，初始分组只有1组，且为正确的分组；其次，样本是通过挑选出来的有可能为正确的样本，极大的降低了计算量，实现快速分组收敛。改进型的聚类算法包括以下几个步骤：步骤1：检测局部TL时间内的峰值，将该峰值左右各扩展一半模板长度的数据截取出来作为一个样本，从所获取的TA时间的数据中提取所有局部峰值模板，设提取的总样本数为NT。由于心跳对应于BCG的一个峰值，所以通过局部峰值检测能够过滤掉不可能的数据。根据人的心跳频率范围及后续数据计算量，TL可选择为小于心跳间隔的值，如0.1s到0.4s之间。步骤2：将每个样本i作为一个分组Gi，通过以下的for循环来增加各组的样本。fori：from1to(NT-1)forj:from(i+1)toNTifcov(Si,Sj)≥0.8AddSjtoGi；AddSitoGj；EndifEndforjEndfori其中cov(Si,Sj)为样本Si与Sj的Pearson相关系数，由公式(3)给出，通过遍历计算，将所有相关性高于0.8的样本归到各自的组中完成分组。然后将分组中样本最高的的第一个分组设置为唯一的正确分组。步骤3：将正确分组中的样本平均，得到临时模板C。步骤4：计算所有样本与C的相关系数，将所有高于0.8的样本组成的分组替换原来的分组。步骤5：重复步骤3和步骤4直至模板C和分组，与上一次的模板和分组相同，模板提取完成。应当注意本算法中的遍历计算方法不仅仅限于所提供的这一种，相关系数的判定值也不仅仅限于0.8。其他遍历循环及相关系数的选值均应视为本专利技术的所提供的方法，应被本专利所保护。相关性系数的计算：在较短时间内，所提取的模板与实时采集的正确的波形具有极高的线性相关性，所以采用Pearson相关系数能够有效地指示实时采集的样本与步骤提取的模板的相似度。采样的样本X与模板Y的Pearson相关系数rXY由公式(3)确定。其中n为样本总点数，xi为样本X中的第i个点，yi为模板Y的第i个点。此外还可以通过对归一化的采样样本与归一化的模本文档来自技高网...

【技术保护点】
1.一种基于心冲击图的心跳检测方法，其特征在于，包括如下步骤：/n信号滤波，通过数字FIR带通滤波器将所接收的BCG信号中的高频干扰及低频漂移噪声抑制；/n模板提取，通过要求被测者在测试开始时保持静止一段时间T

【技术特征摘要】
1.一种基于心冲击图的心跳检测方法，其特征在于，包括如下步骤：
信号滤波，通过数字FIR带通滤波器将所接收的BCG信号中的高频干扰及低频漂移噪声抑制；
模板提取，通过要求被测者在测试开始时保持静止一段时间TA；
相关性系数的计算，在较短时间内，所提取的模板与实时采集的正确的波形具有极高的线性相关性，采用Pearson相关系数能够有效地指示实时采集的样本与步骤提取的模板的相似度；
判定心跳的位置。


2.根据权利要求1所述的一种基于心冲击图的心跳检测方法，其特征在于：抑制噪声并保留主要BCG信号，所选用的滤波器低通截止频率选择范围为10—20Hz，滤波器的高通截止频率选择范围为0.5—1Hz。


3.根据权利要求1所述的一...

【专利技术属性】
技术研发人员：王国兴，连勇，王敏，赵阳，
申请(专利权)人：无锡金童科技有限公司，
类型：发明
国别省市：江苏;32