脉象信号识别方法及装置制造方法及图纸

本发明专利技术提供一种脉象信号识别方法及装置，通过获取待处理脉象信号，对待处理脉象信号进行预处理，得到第一脉象信号；基于小波变换过零检测对第一脉象信号进行特征提取，得到第一脉象信号的时域特征；基于多重分形消除趋势波动分析对第一脉象信号进行特征提取，得到第一脉象信号的分形特征；利用支持向量机，对时域特征和分形特征进行训练学习，得到第一脉象信号的分类识别结果。在本方案中，根据小波变换过零检测和多重分形消除趋势波动分析对预处理后的第一脉象信号进行特征提取，将得到的时域特征和分形特征进行训练学习，从而得到第一脉象信号的分类识别结果，进而提高脉象信号的识别率。识别率。识别率。

【技术实现步骤摘要】
脉象信号识别方法及装置


[0001]本专利技术涉及信息处理
，尤其涉及一种脉象信号识别方法及装置。

技术介绍

[0002]在现有技术中，脉象信号的特征提取方法大多是从时域方面和频域方面进行特征提取，并基于脉象信号的线性模型进行研究。但是，脉象信号是一种非线性、非平稳的震动信号，具有很好的分形特性，只从时域方面和频域方面提取的特征，无法描述脉象信号的非线性特性。
[0003]由此可知，从时域方面和频域方面识别脉象信号具有一定的局限性，且脉象信号的识别率低。

技术实现思路

[0004]有鉴于此，本专利技术实施例提供一种脉象信号识别方法及装置，以实现提高脉象信号的识别率的目的。
[0005]为实现上述目的，本专利技术实施例提供如下技术方案：
[0006]本专利技术实施例第一方面公开了一种脉象信号识别方法，所述方法包括：
[0007]获取待处理脉象信号，对所述待处理脉象信号进行预处理，得到第一脉象信号；
[0008]基于小波变换过零检测对所述第一脉象信号进行特征提取，得到所述第一脉象信号的时域特征；
[0009]基于多重分形消除趋势波动分析对所述第一脉象信号进行特征提取，得到所述第一脉象信号的分形特征；
[0010]利用支持向量机，对所述时域特征和所述分形特征进行训练学习，得到所述第一脉象信号的分类识别结果。
[0011]可选的，所述获取待处理脉象信号，对所述待处理脉象信号进行预处理，得到第一脉象信号，包括：
[0012]获取待处理脉象信号，选取所述待处理脉象信号中预设采样个数的脉象信号；
[0013]基于集合经验模态分解EEMD和小波阈值混合去噪算法，对所述脉象信号进行去噪处理，得到第一脉象信号。
[0014]可选的，所述基于小波变换过零检测对所述第一脉象信号进行特征提取，得到所述第一脉象信号的时域特征，包括：
[0015]基于haar小波基对所述第一脉象信号进行平稳小波变换，得到第二脉象信号；
[0016]查找所述第二脉象信号中处于同一脉象周期的第一极小值点，基于预设阈值确定第一极小值点阈值；
[0017]查找所述第二脉象信号中等于所述预设阈值的点，并确定所述等于所述预设阈值的点中的过零点；
[0018]根据第一个过零点确定所述第二脉象信号中的始射点，并根据所述始射点确定所
述第二脉象信号的第一个脉象周期和第n个脉象周期，n为正整数。
[0019]可选的，还包括：
[0020]统计所述第二脉象信号的每个脉象周期内的过零点个数；
[0021]当所述过零点个数等于或者小于预设个数时，根据预设个数，将所述第二脉象信号的每个脉象周期内的过零点按照从左到右顺序依次进行标定，得到所述过零点的时间值和所述过零点的位置；
[0022]根据所述过零点的位置，得到所述过零点的幅度和所述第二脉象信号的脉象周期。
[0023]可选的，所述基于多重分形消除趋势波动分析对所述第一脉象信号进行特征提取，得到所述第一脉象信号的分形特征，包括：
[0024]获取所述第一脉象信号的时间序列，基于所述时间序列建立所述第一脉象信号的累积离差序列；
[0025]分别按照顺序和逆序将所述累积离差序列进行等长分割，得到长度为s的2N
s
个等长区间，每一所述等长区间有S个数据；
[0026]针对每一所述等长区间，利用最小二乘法分别对每一所述等长区间包含的S个数据进行k阶多项式拟合，得到拟合结果；
[0027]分别计算所述2N
s
个等长区间消除趋势的均方误差；
[0028]计算所述2N
s
个等长区间的均方误差的均值，并对所述均值进行开方，得到所述时间序列的q阶波动函数；
[0029]确定所述时间序列的q阶波动函数的标度指数，所述标度指数为广义Hurst指数；
[0030]根据所述标度指数得到Renyi指数，并根据所述Renyi指数得到多重分形时间序列的多重分形谱函数；
[0031]基于所述标度指数、所述Renyi指数、以及所述多重分形谱函数中的函数关系，得到所述第一脉象信号的分形特征。
[0032]本专利技术实施例第二方面公开了一种脉象信号识别装置，所述装置包括：
[0033]预处理模块，用于获取待处理脉象信号，对所述待处理脉象信号进行预处理，得到第一脉象信号；
[0034]时域特征提取模块，用于基于小波变换过零检测对所述第一脉象信号进行特征提取，得到所述第一脉象信号的时域特征；
[0035]分形特征提取模块，用于基于多重分形消除趋势波动分析对所述第一脉象信号进行特征提取，得到所述第一脉象信号的分形特征；
[0036]得到模块，用于利用支持向量机，对所述时域特征和所述分形特征进行训练学习，得到所述第一脉象信号的分类识别结果。
[0037]可选的，所述预处理模块具体用于：
[0038]获取待处理脉象信号，选取所述待处理脉象信号中预设采样个数的脉象信号；基于集合经验模态分解EEMD和小波阈值混合去噪算法，对所述脉象信号进行去噪处理，得到第一脉象信号。
[0039]可选的，所述时域特征提取模块，包括：
[0040]小波变换单元，用于基于haar小波基对所述第一脉象信号进行平稳小波变换，得
到第二脉象信号；
[0041]处理单元，用于查找所述第二脉象信号中处于同一脉象周期的第一极小值点，基于预设阈值确定第一极小值点阈值；查找所述第二脉象信号中等于所述预设阈值的点，并确定所述等于所述预设阈值的点中的过零点；
[0042]确定单元，用于根据第一个过零点确定所述第二脉象信号中的始射点，并根据所述始射点确定所述第二脉象信号的第一个脉象周期和第n个脉象周期，n为正整数。
[0043]可选的，还包括：
[0044]统计单元，用于统计所述第二脉象信号的每个脉象周期内的过零点个数；
[0045]标定单元，用于当所述过零点个数等于或者小于预设个数时，根据预设个数，将所述第二脉象信号的每个脉象周期内的过零点按照从左到右顺序依次进行标定，得到所述过零点的时间值和所述过零点的位置；
[0046]得到单元，用于根据所述过零点的位置，得到所述过零点的幅度和所述第二脉象信号的脉象周期。
[0047]可选的，所述分形特征提取模块，包括：
[0048]建立单元，用于获取所述第一脉象信号的时间序列，基于所述时间序列建立所述第一脉象信号的累积离差序列；
[0049]分割单元，用于分别按照顺序和逆序将所述累积离差序列进行等长分割，得到长度为s的2N
s
个等长区间，每一所述等长区间有S个数据；
[0050]拟合单元，用于针对每一所述等长区间，利用最小二乘法分别对每一所述等长区间包含的S个数据进行k阶多项式拟合，得到拟合结果；
[0051]计算单元，用于分别计算所述2N
s...

【技术保护点】

【技术特征摘要】
1.一种脉象信号识别方法，其特征在于，所述方法包括：获取待处理脉象信号，对所述待处理脉象信号进行预处理，得到第一脉象信号；基于小波变换过零检测对所述第一脉象信号进行特征提取，得到所述第一脉象信号的时域特征；基于多重分形消除趋势波动分析对所述第一脉象信号进行特征提取，得到所述第一脉象信号的分形特征；利用支持向量机，对所述时域特征和所述分形特征进行训练学习，得到所述第一脉象信号的分类识别结果。2.根据权利要求1所述的方法，其特征在于，所述获取待处理脉象信号，对所述待处理脉象信号进行预处理，得到第一脉象信号，包括：获取待处理脉象信号，选取所述待处理脉象信号中预设采样个数的脉象信号；基于集合经验模态分解EEMD和小波阈值混合去噪算法，对所述脉象信号进行去噪处理，得到第一脉象信号。3.根据权利要求1所述的方法，其特征在于，所述基于小波变换过零检测对所述第一脉象信号进行特征提取，得到所述第一脉象信号的时域特征，包括：基于haar小波基对所述第一脉象信号进行平稳小波变换，得到第二脉象信号；查找所述第二脉象信号中处于同一脉象周期的第一极小值点，基于预设阈值确定第一极小值点阈值；查找所述第二脉象信号中等于所述预设阈值的点，并确定所述等于所述预设阈值的点中的过零点；根据第一个过零点确定所述第二脉象信号中的始射点，并根据所述始射点确定所述第二脉象信号的第一个脉象周期和第n个脉象周期，n为正整数。4.根据权利要求3所述的方法，其特征在于，还包括：统计所述第二脉象信号的每个脉象周期内的过零点个数；当所述过零点个数等于或者小于预设个数时，根据预设个数，将所述第二脉象信号的每个脉象周期内的过零点按照从左到右顺序依次进行标定，得到所述过零点的时间值和所述过零点的位置；根据所述过零点的位置，得到所述过零点的幅度和所述第二脉象信号的脉象周期。5.根据权利要求1所述的方法，其特征在于，所述基于多重分形消除趋势波动分析对所述第一脉象信号进行特征提取，得到所述第一脉象信号的分形特征，包括：获取所述第一脉象信号的时间序列，基于所述时间序列建立所述第一脉象信号的累积离差序列；分别按照顺序和逆序将所述累积离差序列进行等长分割，得到长度为s的2N
s
个等长区间，每一所述等长区间有S个数据；针对每一所述等长区间，利用最小二乘法分别对每一所述等长区间包含的S个数据进行k阶多项式拟合，得到拟合结果；分别计算所述2N
s
个等长区间消除趋势的均方误差；计算所述2N
s
个等长区间的均方误差的均值，并对所述均值进行开方，得到所述时间序列的q阶波动函数；
确定所述时间序列的q阶波动函数的标度指数，所述标度指数为广义Hurst指数；根据所述标度指数得到Renyi指数，并根据所述Renyi指数得到多重分形时间序列的多重分形谱函数；基于所述标度指数、所述Renyi指数、以及所述多重分形谱函数中的函数关系，得到所述第一脉象信号的分形特征。6.一种脉象信号识别装置，其特征...

【专利技术属性】
技术研发人员：张楠，徐长帆，
申请(专利权)人：中国农业银行股份有限公司，
类型：发明
国别省市：