【技术实现步骤摘要】
一种基于监督Seq2Seq模型的脉搏信号噪声检测方法
[0001]本专利技术涉及噪音检测领域，具体涉及一种基于监督Seq2Seq模型的脉搏信号噪声检测方法。
技术介绍
[0002]利用计算机技术对脉搏信号进行客观化分析以辅助中医临床诊断，对推动中医现代化发展具有重要意义。而脉搏信号采集过程会不可避免的受到饱和、伪迹等噪声信号干扰。脉搏信号的饱和是指信号的最大幅值超过设备所能表示的最大值，使得信号的尖端被削平；脉搏信号的伪迹是指脉搏信号中出现的无规律信号段。这两类噪声信号严重影响了脉搏信号分析的准确性，如何从脉搏信号中检测并筛选出噪声信号对后续的脉搏信号分析非常关键。
[0003]目前关于脉搏信号噪声检测的方法主要包括：第一，基于片段选择的方法，对采集到的脉搏信号进行筛选，将含有饱和或者伪迹等噪声片段的脉搏信号直接丢弃。第二，基于盲源分离的方法，对采集到的脉搏信号进行独立源成分提取，通过对独立源成分进一步分析识别噪声信号。第三，基于频率分析的方法，对采集到的脉搏信号进行频域和时频域分析，通过阈值法判断信号的频域是否属于...
【技术保护点】
【技术特征摘要】
1.一种基于监督Seq2Seq模型的脉搏信号噪声检测方法，其特征在于，包括以下步骤：S1、对已知标签信号进行时频分析，获取已知标签信号对应的本征模态分量和剩余信号，将已知标签信号表示为由其对应的本征模态分量和剩余信号构成的矩阵形式；S2、采用Seq2Seq模型的编码器对矩阵形式的已知标签信号进行编码，得到对应的隐藏状态；S3、采用Seq2Seq模型的解码器对隐藏状态进行解码重构，获取已知标签信号的特征表示；S4、对隐藏状态进行全局平均操作，得到已知标签信号中每个信号的潜在特征表示；S5、根据已知标签信号的特征表示获取Seq2Seq模型的重构损失，根据已知标签信号中每个信号的潜在特征表示获取Seq2Seq模型的关系正则化损失；S6、对Seq2Seq模型的关系正则化损失添加权重系数，将Seq2Seq模型的重构损失与添加了权重系数的Seq2Seq模型的关系正则化损失之和作为Seq2Seq模型的损失函数；S7、以Seq2Seq模型的损失函数最小为目标，采用随机梯度下降方法对Seq2Seq模型进行训练，得到训练后的Seq2Seq模型；S8、采用与步骤S1
‑
S4相同的方法获取目标信号中每个信号对应的潜在特征表示；S9、通过最近邻分类器将目标信号中每个信号对应的潜在特征表示与已知类别信号的特征表示进行对比，确定目标信号是否为噪声信号。2.根据权利要求1所述的基于监督Seq2Seq模型的脉搏信号噪声检测方法，其特征在于，所述步骤S1包括以下子步骤：S1
‑
1、采用符号x＝(x(1),x(2),...,x(t),...,x(T))表示已知标签信号，构建初始待分解信号x'＝(x'(1),x'(2),...,x'(t),...,x'(T))，初始待分解信号中在时刻t的值x'(t)等于已知标签信号x在时刻t的值x(t)；其中T为已知标签信号的长度；S1
‑
2、搜索当前待分解信号中所有局部最大值点和局部最小值点；其中局部最大值点的个数为M，局部最小值点的个数为N；S1
‑
3、使用三次样条函数对局部最大值点序列进行插值，得到t时刻对应的上包络u(t)；使用三次样条函数对局部最小值点序列进行插值，得到t时刻对应的下包络l(t)；S1
‑
4、根据公式：获取t时刻上包络与下包络的均值m(t)；S1
‑
5、根据公式：r(t)＝x'(t)
‑
m(t)将当前待分解信号中t时刻的值减去t时刻的均值m(t)，得到剩余信号r(t)；S1
‑
6、判断当前剩余信号r(t)在整个数据序列内极值点的个数和过零点的数目差是否小于等于1，若是则进入步骤S1
‑
7，否则将当前待分解信号中的t时刻的值替换为当前剩余信号r(t)的值并返回步骤S1
‑
2；S1
‑
7、判断当前剩余信号r(t)是否在任意时间点下包络均值的值均为0，若是则进入步骤S1
‑
8，否则将当前待分解信号中t时刻的值替换为当前剩余信号r(t)的值并返回步骤S1
‑
2；
S1
‑...
【专利技术属性】
技术研发人员：肖迪尹，李巧勤，刘勇国，杨尚明，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：
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。