基于优化模型的ECG信号有限新息率采样方法技术

一种基于优化模型的ECG信号有限新息率采样方法，适用于ECG信号FRI采样及信号重构，所提方法将ECG信号建模为一阶微分VPW模型，以利用FRI采样理论对其进行欠采样；然后使用双通道采样结构进行采样，采样通道一是一个FRI采样通道，用于获取信号的少量样本以进行参数估计；采样通道二为低速采样通道，用于采集少量的信号时域样本，以用于对ECG信号进行优化重构。为了提高ECG信号的重构精度，采用于粒子滤波的参数优化算法，以提高ECG信号参数估计的精度，从而提高信号重构的质量。为了提高参数估计的效率和优化的成功率，在基于粒子滤波的参数估计算法中引入了块坐标下降的思想，提升了优化的成功率和优化的效率。了优化的成功率和优化的效率。了优化的成功率和优化的效率。

【技术实现步骤摘要】
基于优化模型的ECG信号有限新息率采样方法


[0001]本专利技术涉及心电图ECG信号处理
，具体涉及一种ECG信号的欠采样方法。

技术介绍

[0002]心电图(Electrocardiogram，ECG)信号是记录人体心跳活动的电信号，广泛应用于医学的人体监测领域。ECG信号是一种脉冲序列信号，如图1所示，可以视为由P，Q，R，S，T等脉冲组合而成。ECG信号是监测人体心脏健康的重要手段，对人体ECG信号进行长期监测，有利于及时有效地发现人体心脏的健康问题。近年来，ECG信号的监测设备出现了便捷化，小型化的发展趋势，因此对ECG信号进行欠采样以降低ECG信号监测设备长期监测产生的能量消耗具有非常重要的实际应用价值。
[0003]有限新息率(Finite Rate of Innovation，FRI)采样理论是一种针对参数稀疏信号的欠采样方法，可以对信号以大于等于信号的新息率的采样速率进行欠采样，并能够对信号进行精准重构。而信号的新息率通常远小于信号的奈奎斯特采样速率。ECG信号是一种脉冲序列信号，可以被建模为参数稀信号，因而可以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于优化模型的ECG信号有限新息率采样方法，其特征在于，所述方法包括以下步骤：步骤1：根据FRI采样理论，将ECG信号建模为一阶微分VPW模型信号，并忽略模型匹配误差：其中，s(t)是ECG信号，t表示时间，T是ECG信号s(t)的观测时长，K是基函数一阶微分VPW脉冲f
k
(t)的个数，k∈[1,K]，K是一个正整数，是VPW脉冲的r阶微分脉冲，r＝0,1，分别是第k个基函数的r阶微分脉冲的对称部分脉冲幅值，非对称部分脉冲幅值，脉宽和时延参数，一阶微分VPW模型的傅里叶系数如下所示：其中S[m]是ECG信号的傅里叶级数系数；步骤2：利用双通道采样结构对ECG信号进行低速均匀采样，过程如下：采样通道一：对ECG信号s(t)进行采样核滤波，采样核为sinc采样核，得到滤波之后的信号g(t)：其中，Y(f)是滤波信号的频谱，S(f)是ECG信号的频谱，f表示频率，B是sinc采样核的带宽，h(t)是sinc采样核的冲激响应：其中，H(f)是sinc采样核的频率响应，B是sinc采样核的带宽，通常大于等于信号的新息率ρ，滤波器的截止频率为f
c
＝B/2，因此，通道一的采样速率f
s1
≥2f
c
，之后，以采样速率f
s1
对ECG信号进行低速均匀采样，得到FRI采样之后的信号y[n]，n∈[0,N
‑
1]是采样点，是采样通道一的采样点数；采样通道二：对ECG信号进行低速均匀采样，采样速率为f
s2
＝f
s1
，以获取ECG信号的少量时域样本s[n
′
]，n
′
∈[0,N
′‑
1]是采样通道二的采样点，是采样通道二的采样点数，采样通道二的样本用于辅助信号参数估计的优化；尽管当f
s2
小于ECG信号的奈奎斯特
采样速率时会造成采样信号的频谱混叠，但是采样信号在时域上却不会受到影响；步骤3：利用基于粒子滤波的参数优化算法对ECG信号的参数估计进行优化，过程如下：步骤3.1：计算采样通道一获取的样本y[n]的傅里叶系数Y[m]，m∈[0,M]，步骤3.2：开始迭代优化，由于ECG信号通常包含5个脉冲，即P，Q，R，S，T脉冲，因此，为了减少遍历的次数，令微分VPW模型的基函数个数取值范围为K＝4:7；步骤3.3：根据M+1个采样信号的傅里叶系数，利用零化滤波器算法估计出信号的所有参数步骤3.4：利用估计的参数重构ECG信号，得到重构信号步骤3.5：构造待优化的目标函数：令t＝n
′
T
s2
＝n
′
/f
s2
，得到信号离散化的重构信号利用通道二获取的少量时域样本s[n]构造待优化的目标函数：其中，dev是模型匹配误差，是待优化的变量集合；步骤3.6：利用BCD方法的思想对待优化的变量集合X＝{x
j
},j∈[1,4]进行优化，其中},j∈[1,4]进行优化，其中将估计出的ECG信号的参数作为待优化的目标函数自变量的初始值依次对x
j
进行优化，并利用优化得到的结果更新待优化的变量集合步骤3.7：对变量集合X＝{x
j
},j∈[1,4]进行迭代优化：itra＝1:10；步骤3.8：依次优化x
j
：迭代次数j＝1:4；步骤3.9：开始对变量集合x
j
进行迭代优化：迭代次数n＝1:5；步骤3.10：初始化：将公式(5)所示的目标函数的向最优解的变化过程视为一个动态时变系统，系统的状态则是目标函数的解，利用粒子滤波的基本原理估计出系统状态的最小方差估计，即目标函数的最优解，将系统状态初始化为零化滤波器方法估计得到的参数步骤3.11：粒子滤波迭代优化：i＝1:I；步骤3.12：采样：在系统状态的解空间随机采样N
...

【专利技术属性】
技术研发人员：黄国兴，杨泽铭，卢为党，彭宏，张昱，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：