【技术实现步骤摘要】
一种基于非负矩阵分解的胎心音信号降噪方法
本专利技术涉及一种信号降噪方法,尤其是一种基于非负矩阵分解的胎心音信号降噪方法。
技术介绍
在实际采集胎心音信号的过程中,包含有大量噪声,其中不仅胎儿自身在子宫内运动产生的噪声、母体内部的心脏跳动声以及其他器官运作的声音都会混叠在有用信号中,另外传感器与母体腹部摩擦的声音和环境噪声也是噪声的主要组成部分。因此需要对所采集到的信号进行降噪,提高信噪比,才能确保后续计算胎心率的准确性。目前已有许多降噪方法被应用于胎心音信号处理,其中小波变换、经验模态分解都是数字信号处理中常用的滤波方法。基于小波变换的滤波器,小波母函数以及小波阈值的选择对降噪效果有较大的影响,其次小波变换主要用于抑制有用信号频带以外的噪声,但是不能抑制与有用信号相同频段的噪声;经验模态分解是一种经验算法,目前没有精确的数学推理,存在包络拟合、端点效应、模态混叠等关键性缺陷,这些缺陷将导致经验模态分解的效果不理想;由于胎心音信号属于非平稳、非线性的信号,并且噪声频段与有用信号频段相重合,难以用小波变换和经验模态分解实现最优滤波。综上,上述现有的滤波方法对提高胎心音信号的信噪比虽然具有实际意义,但存在一定的局限性,影响了降噪结果的可靠性。
技术实现思路
本专利技术针对现有技术的不足,提出一种基于非负矩阵分解的胎心音信号降噪方法。本专利技术一种基于非负矩阵分解的胎心音信号降噪方法,包括以下步骤:步骤1、对胎儿心音原始数据进行重采样,将采样率降为1KHz,重采样后的信号记为y( ...
【技术保护点】
1.一种基于非负矩阵分解的胎心音信号降噪方法,其特征在于:该方法包括以下步骤:/n步骤1、对胎儿心音原始数据进行重采样,将采样率降为1KHz,重采样后的信号记为y(n),n为采样点;/n步骤2、对离散的y(n)信号进行短时傅里叶变换,得到信号时频图;短时傅里叶变换后,根据频域的复数信号的模得到幅值信息矩阵|Y(a,b)|,根据复数信号的辐角得到相角信息矩阵∠Y(a,b),其中,a和b分别为幅值信息矩阵或相角信息矩阵的行和列,a遍历{1,2,……,A},b遍历{1,2,……,B},A为幅值信息矩阵或相角信息矩阵的总行数,B为幅值信息矩阵或相角信息矩阵的总列数;/n步骤3、分别对幅值信息和相位信息进行处理;/n步骤3.1对幅值信息矩阵进行奇异值分解,奇异值分解后求取非负矩阵分解的特征个数R、特征矩阵W的初始矩阵和系数矩阵H的初始矩阵;然后对幅值信息矩阵进行非负矩阵分解,并根据特征矩阵和系数矩阵选取有用特征,组合得到降噪后的幅值信息矩阵X(a,b);/n步骤3.2对相角信息矩阵∠Y(a,b)进行相位补偿处理,获得补偿后的相位矩阵∠Y(a,b)+Λ(a,b);/n步骤4、对幅值信息矩阵X(a, ...
【技术特征摘要】
1.一种基于非负矩阵分解的胎心音信号降噪方法,其特征在于:该方法包括以下步骤:
步骤1、对胎儿心音原始数据进行重采样,将采样率降为1KHz,重采样后的信号记为y(n),n为采样点;
步骤2、对离散的y(n)信号进行短时傅里叶变换,得到信号时频图;短时傅里叶变换后,根据频域的复数信号的模得到幅值信息矩阵|Y(a,b)|,根据复数信号的辐角得到相角信息矩阵∠Y(a,b),其中,a和b分别为幅值信息矩阵或相角信息矩阵的行和列,a遍历{1,2,……,A},b遍历{1,2,……,B},A为幅值信息矩阵或相角信息矩阵的总行数,B为幅值信息矩阵或相角信息矩阵的总列数;
步骤3、分别对幅值信息和相位信息进行处理;
步骤3.1对幅值信息矩阵进行奇异值分解,奇异值分解后求取非负矩阵分解的特征个数R、特征矩阵W的初始矩阵和系数矩阵H的初始矩阵;然后对幅值信息矩阵进行非负矩阵分解,并根据特征矩阵和系数矩阵选取有用特征,组合得到降噪后的幅值信息矩阵X(a,b);
步骤3.2对相角信息矩阵∠Y(a,b)进行相位补偿处理,获得补偿后的相位矩阵∠Y(a,b)+Λ(a,b);
步骤4、对幅值信息矩阵X(a,b)和补偿后的相位矩阵∠Y(a,b)+Λ(a,b)进行短时傅里叶逆变换,得到降噪后的时域信号x(n)。
2.根据权利要求1所述一种基于非负矩阵分解的胎心音信号降噪方法,其特征在于:所述的短时傅里叶变换具体如下:使用125点的汉明窗对y(n)信号进行截取,截取的每两个相邻段之间设有25个重叠的采样点;然后对截取的每一小段进行傅里叶变换,时域的实数信号经傅里叶变换后得到频域的复数信号。
3.根据权利要求1所述一种基于非负矩阵分解的胎心音信号降噪方法,其特征在于:所述的步骤3.1具体如下:
步骤3.1.1、对幅值信息矩阵|Y(a,b)|进行奇异值分解|Y(a,b)|=U∑VT,其中U为a×a的酉矩阵,V为b×b的酉矩阵,VT为V的共轭转置矩阵,是半正定a×b阶对角矩阵,矩阵∑1=diag(σ1,σ2……σz),其中σ1≥σ2≥…σz>0,σ1,σ2,…,σz为幅值信息矩阵|Y(a,b)|的奇异值;然后,根据∑1求取非负矩阵分解的特征个数R,具体步骤如下:
a)求取∑1中各元素的总和sum1=σ1+σ...
【专利技术属性】
技术研发人员:李霞,傅晓雯,徐冰俏,李铁强,
申请(专利权)人:中国计量大学,
类型:发明
国别省市:浙江;33
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。