一种呼吸波形处理方法技术

本发明专利技术提供一种呼吸波形处理方法，包括：对采集的呼吸波形进行预处理，得到待处理的呼吸波形；对所述待处理的呼吸波形进行波形峰值点的检测，获得呼吸波形峰值点序列；根据所述呼吸波形峰值点序列计算得出RR序列和RR

【技术实现步骤摘要】
一种呼吸波形处理方法


[0001]本专利技术涉及信号处理方法的
，具体涉及一种呼吸波形处理方法。

技术介绍

[0002]呼吸波形信号是人体重要的生理信号之一。高质量的呼吸波形中可以提取出大量有效信息，用于反映人体的生理活动和心理活动。
[0003]目前在对呼吸波形的处理方法当中包括：根据呼吸信号峰值阈值来识别信号是否正常；根据呼吸信号多个检测点进行时域信号处理；根据呼吸波形的光谱特征分析呼吸频率；对呼吸信号进行简单检测、识别和降噪以获取优化后的波形。以上大多数呼吸波形处理方法并不能得到有效信息，来反映波形本质特征。
[0004]对呼吸波形的处理方法主要是从波形中提取能反应呼吸节律、生理信息等有效特征参数，而目前需要一种能够对呼吸波形进行综合、深度的处理方法。因为呼吸波形信号的易获取性，呼吸波形的处理方法也应具有广泛的应用领域。依靠对呼吸波形信号的综合性特征参数分析，对信号进行深度挖掘并且结合深度学习的方法能够使得到的参数更有效，并且能够应用于更多的领域。

技术实现思路

[0005]鉴于呼吸波形处理方法的应用价值，以及结合深度学习的呼吸波形处理方法的准确性、高效性，本专利技术提供了如下技术方案：
[0006]一种呼吸波形处理方法，方法包括以下步骤：
[0007]S001，根据呼吸波形进行信号预处理，获取待处理的呼吸波形；
[0008]S002，根据所述待处理的呼吸波形进行波形峰值点的检测，获得呼吸波形峰值点序列；
[0009]S003，根据所述呼吸波形峰值点序列做一阶差分后的序列记为原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列，对所述原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列做一阶差分后的序列记为原始RR
fd
{rr
fd(1)
,rr
fd(2)
,...,rr
fd(n2)
}序列；
[0010]S004，根据所述原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列和原始RR
fd
{rr
fd(1)
,rr
fd(2)
,...,rr
fd(n2)
}序列进行异常值处理，获得当前RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列和当前RR
fd
{rr
fd(1)
,rr
fd(2)
,...,rr
fd(n2)
}序列；
[0011]S005，根据当前RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列和当前RR
fd
{rr
fd(1)
,rr
fd(2)
,...,rr
fd(n2)
}序列，计算出呼吸率变异性(RRV)特征参数；
[0012]S006，将所述RRV特征参数组合成特征序列，输入长短时记忆网络(LSTM)当中进行分类，建立一个能够辨识出异常波形的分类模型。
[0013]进一步地，在S001中，根据呼吸波形进行信号预处理，获取待处理的呼吸波形具体为：
[0014]信号预处理方法包括：数据分割、呼吸波形滤波、呼吸波形数据异常值清洗、呼吸
波形数据缺失值插补、呼吸波形小波包分解。
[0015]进一步地，在S002中，根据所述待处理的呼吸波形进行波形峰值点的检测，获得呼吸波形峰值点序列具体为：
[0016]将经过预处理后获得到的所述待处理的呼吸波形记为序列R{r1,r2,...,r
n
}，n为构成所述待处理的呼吸波形的采样点数；使用局部最大值检测的方法在序列R{r1,r2,...,r
n
}上标记出局部最大值；
[0017]序列R的局部最大值的检测方法过程包括：
[0018]在呼吸波形数据的采集过程中，首先明确采集设备的采样率fs；
[0019]定义周期窗口W，W为fs*n，n在呼吸波形采集过程中规定的参数；
[0020]在经过预处理后获得到的所述连续完整的呼吸波形序列R{r1,r2,...,r
n
}上以周期窗口W为尺度进行周期性的扫描，在每个W周期内，检测极大值，即一个W周期内的所有波峰；
[0021]在检测出的所有波峰中再进行最大值检测，检测出的最大值即为序列R的局部最大值；
[0022]序列R的局部最大值即为波形峰值点，从序列R中检测出的一组局部最大值记为序列R
max
{r
max(1)
,r
max(2)
,...,r
max(m)
}，m为在序列R中检测出的局部最大值的数量，序列R
max
{r
max(1)
,r
max(2)
,...,r
max(m)
}即为呼吸波形峰值点序列。
[0023]进一步地，在S003中，根据呼吸波形峰值点序列做一阶差分后的序列记为原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列，对原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列做一阶差分后的序列记为原始RR
fd
{rr
fd(1)
,rr
fd(2)
,...,rr
fd(n2)
}序列具体为：
[0024]根据呼吸波形峰值点序列R
max
{r
max(1)
,r
max(2)
,...,r
max(m)
}，计算序列R
max
的一阶差分序列：
[0025]rr
(k)
＝r
max(k+1)
‑
r
max(k)
(k＝1,2,...,n1)
[0026]式中n1＝m
‑
1，n1为原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列中的元素数量，由rr
(k)
组成原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列；
[0027]根据原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种呼吸波形处理方法，其特征在于，所述方法包括以下步骤：S001，根据呼吸波形进行信号预处理，获取待处理的呼吸波形；S002，根据所述待处理的呼吸波形进行波形峰值点的检测，获得呼吸波形峰值点序列；S003，根据所述呼吸波形峰值点序列做一阶差分后的序列记为原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列，对所述原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列做一阶差分后的序列记为原始RR
fd
{rr
fd(1)
,rr
fd(2)
,...,rr
fd(n2)
}序列；S004，根据所述原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列和原始RR
fd
{rr
fd(1)
,rr
fd(2)
,...,rr
fd(n2)
}序列进行异常值处理，获得当前RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列和当前RR
fd
{rr
fd(1)
,rr
fd(2)
,...,rr
fd(n2)
}序列；S005，根据当前RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列和当前RR
fd
{rr
fd(1)
,rr
fd(2)
,...,rr
fd(n2)
}序列，计算出呼吸率变异性(RRV)特征参数；S006，将所述RRV特征参数组合成特征序列，输入长短时记忆网络(LSTM)当中进行分类，建立一个能够辨识出异常波形的分类模型。2.根据权利要求1所述的一种呼吸波形处理方法，其特征在于，在S001中，根据呼吸波形进行信号预处理，获取待处理的呼吸波形具体为：所述信号预处理方法包括：对所述呼吸波形进行数据分割、呼吸波形滤波、呼吸波形数据异常值清洗、呼吸波形数据缺失值插补、呼吸波形小波包分解。3.根据权利要求1所述的一种呼吸波形处理方法，其特征在于，在S002中，根据所述待处理的呼吸波形进行波形峰值点的检测，获得呼吸波形峰值点序列具体为：将经过预处理后获得到的所述待处理的呼吸波形记为序列R{r1,r2,...,r
n
}，n为构成所述待处理的呼吸波形的采样点数；使用局部最大值检测的方法在序列R{r1,r2,...,r
n
}上标记出局部最大值；所述局部最大值即为波形峰值点，从序列R{r1,r2,...,r
n
}中检测出的一组局部最大值记为序列R
max
{r
max(1)
,r
max(2)
,...,r
max(m)
}，m为在序列R{r1,r2,...,r
n
}中检测出的局部最大值的数量，所述序列R
max
{r
max(1)
,r
max(2)
,...,r
max(m)
}即为所述呼吸波形峰值点序列。4.根据权利要求1所述的一种呼吸波形处理方法，其特征在于，在S003中，根据所述呼吸波形峰值点序列做一阶差分后的序列记为原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列，对所述原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列做一阶差分后的序列记为原始RR
fd
{rr
fd(1)
,rr
fd(2)
,...,rr
fd(n2)
}序列具体为：根据所述呼吸波形峰值点序列R
max
{r
max(1)
,r
max(2)
,...,r
max(m)
}，计算序列R
max
的一阶差分序列，求取出原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列；根据所述原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列，计算其一阶差分序列，求取出原始RR
fd
{rr
fd(1)
,rr
fd(2)
,...,rr
fd(n2)
}序列。5.根据权利要求1所述的一种呼吸波形处理方法，其特征在于，在S004中，根据所述原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列和原始RR
fd
{rr
fd(1)
,rr
fd(2)
,...,rr
fd(n2)
}序列进行异常值处理，获得当前RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列和当前RR
fd
{rr
fd(1)
,rr
fd(2)
,...,rr
fd(n2)
}序列具体为：对所述原始RR{rr
(1)
,rr
(2)
,...,rr
(n1)
}序列和原始RR
fd
{rr
fd(1)
,rr
fd(2)
,....

【专利技术属性】
技术研发人员：王慧泉，赵伟标，曹志新，余辉，韩广，赵喆，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：