【技术实现步骤摘要】
一种针对单通道睡眠期人体生理信号的处理方法
[0001]本专利技术涉及信号处理
,尤其涉及一种针对单通道睡眠期人体生理信号的处理方法。
技术介绍
[0002]睡眠是人体的一种主动过程,具有从疲劳恢复脑力和体力的重要作用。确保高质量的睡眠能够促进健康的维持和强化,随着大众对高睡眠质量的进一步关注,能提供长期且舒适的个人睡眠监测设备的市场需求逐渐扩大。在睡眠期信号的处理领域,研究人员往往要面临一个关键的问题:睡眠期生理信号较弱,采集过程极易因为外界的扰动形成复杂的噪声干扰。针对这个问题,集中在医院等大型机构中的睡眠监测设备往往使用多个传感器采集的多路信号来进行睡眠状态的推定,例如PSG设备需要在人体上佩戴多组电极来采集生理信号,PSG设备虽然通过多传感器互相校准的信号处理方法,能提高对噪声的抗干扰能力,但是在采集的过程中会对使用者造成生理上的不便和心理上的压力,难以实现长期且舒适的睡眠监测。另一方面,利用单个传感器的设备需要面对复杂且高随机性的背景噪声,同时目标信号群的混合叠加方式不可知,传统信号处理方式一方面使用单特征进行滤波,抗干扰能力弱,分离出的信号容易夹杂背景噪声甚至是伪信号。而在另一方面,更重要的是,传统信号处理方式从单通道信号中提取特征的能力差,难以对信息特征进行深度挖掘,因此得出的测试结果往往与标准结果(业内以PSG设备的结果作为标准)有较大的差距。
[0003]面对上述矛盾,现有技术的研究主要将方向放在,一方面如何减少PSG设备所用的传感器个数,通过放置位置的优化使用更少的传感器达到原有的精 ...
【技术保护点】
【技术特征摘要】
1.一种针对单通道睡眠期人体生理信号的处理方法,其特征在于,所述方法包括:步骤1、首先使用高精度传感器采集单通道复杂信号,所述单通道复杂信号包括测试对象与睡眠质量有关的体动、呼吸、心脏跳动的人体生理信号;步骤2、使用构建矩阵空间的方法,对单通道复杂信号的特征进行提取,经过对不同特征的映射得到高维矩阵空间,该高维矩阵空间包含至少两路以上信号的特征;步骤3、然后使用特定的特征基对所述高维矩阵空间进行空间变换,将与测试对象睡眠质量有关的特征从所述高维矩阵空间中分离出来;其中,与测试对象睡眠质量有关的特征包括伴随睡眠状态的脉搏信号和呼吸波信号特征;步骤4、再使用选通决策滤波的方法利用多参数指标对分离出来的单路特征信号群进行复杂建模,并通过模式识别实现对所述单通道复杂信号的选通滤波分离。2.根据权利要求1所述针对单通道睡眠期人体生理信号的处理方法,其特征在于,在步骤2中,基于高精度传感器采集的单通道复杂信号,以时间间隔t=0.05sec进行取样,并选取1000个数据点,则第n个数据点的值为X(k
n
),n=1,2,3...N(N=1000);设一维矩阵Xoc=[X(k1),X(k2),X(k3)...X(k
n
)],同时设矩阵Xoc的一个分割点为由该分割点可将矩阵分为两个子矩阵,即:Xoc1‑
M
=[X(k1),X(k2),X(k3)...X(k
M
)]Xoc
M
‑
N
=[X(k
M
),X(k
M
‑1)...X(k
N
)]将子矩阵Xoc1‑
M
与Xoc
M
‑
n
的值分别作为行、列,通过Hankel变换构成一个新的矩阵Xob;指示α1,α2,...,α
m
和n1,n2,...,n
m
为矩阵c=Xob(Xob)
T
的特征值与特征向量,其中特征值按下降的方式排列,则:Xob
j
=n
j
n
jT
Xob,j=1,2,...,M让G={r1,r2,...,r
d
}作为下标对应d个特征值,则Xob
G
对应第G个集团可表示为:将j={1,2,...,M}切分为c个子集合则:根据d个特征值的大小,针对采集的单通道复杂信号,先分为两个集团,假设分割点为P,即上述矩阵Xob可以分为Xob1与Xob2,构建两个M
×
(N
‑
M+1)零矩阵Xo1与Xo2,将Xob1,Xob2分别与Xo1,Xo2作加和运算,可得矩阵Ro1与Ro2且都为M
×
(N
‑
M+1)矩阵,同时对矩阵R1与R2求反对角元素的平均值,由此构成两个序列:Ra1={r
a1
,ra2,...,r
an
}
T
Rb1={r
b1
,rb2,...,r
bn
}
T
则最终得到一个矩阵2
×
N矩阵Xoa=[Ra1,Rb1]。3.根据权利要求1所述针对单通道睡眠期人体生理信号的处理方法,其特征...
【专利技术属性】
技术研发人员:王华锋,胡智闽,张英韬,刘万泉,屠焕青,巨红伟,张豪督,
申请(专利权)人:北方工业大学,
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。