一种基于马尔科夫链的心率变异性信号去噪方法技术

本发明专利技术属于人体心率变异性信号识别技术领域，尤其涉及一种基于马尔科夫链的心率变异性信号去噪方法。本发明专利技术首先利用马尔科夫链预测法对样本序列进行分析和计算，得到样本序列长度（N）和分类数目（k）与预测准确度（q）的关系，再根据实际应用的要求对预测状态的准确率和数据的精确度进行折中，从而确定N和k的取值，将此两个参数用到人体心率变异性信号（HRV）检测系统中，从而提升该系统的抗干扰性能和检测效率。本发明专利技术属于统计学方法，突破了现有检测系统抗干扰能力弱、参数设定不灵活、实时性不高的局限，能提高使用者的工作效率；不仅拓展了心率变异性信号检测系统的去噪途径，还丰富了马尔科夫链的应用领域。还丰富了马尔科夫链的应用领域。

【技术实现步骤摘要】
一种基于马尔科夫链的心率变异性信号去噪方法


[0001]本专利技术属于人体心率变异性信号识别
，尤其涉及一种基于马尔科夫链的心率变异性信号去噪方法。

技术介绍

[0002]心率变异性（HRV）又称为心率波动性，是由逐次心跳R
‑
R间期波动的一连串数据构成，它反映的是逐次心跳周期的差异及变化情况。该信号一般通过检测和提取心电信号（ECG）中的R波间期来得到。
[0003]目前针对心率变异性信号的去噪问题，一般采用差分阈值法、模板匹配法、神经网络法以及小波变换法等。其中，差分阈值法原理相对简单，但去噪效果十分不理想；模板匹配法是一种利用预设模板进行机械式地匹配的识别方法，针对多变的检测场景其随机应变能力弱，整体效率不高；用小波变换法处理心率变异性信号，其算法显得过于复杂，而且神经网络法的“黑匣子”特性以及大数据量需求，大大地削弱了其在心率变异性信号处理方面的适应性。
[0004]现有的心率变异性信号去噪技术存在适应性弱、算法复杂、性能不稳定等劣势，难以满足用户的机动性、便捷性和实时性要求，严重影响心率变异性信号采集和处理设备的性能。

技术实现思路

[0005]针对上述问题，本专利技术利用加权马尔科夫链预测法对人体心率变异性信号进行去噪处理。首先利用马尔科夫链预测法对样本序列进行分析和计算，得到样本序列长度（N）和分类数目（k）与预测准确度（q）的关系，再根据实际应用的要求对预测状态的准确率和数据的精确度进行折中，从而确定N和k的取值，将此两个参数用到人体心率变异性信号（HRV）检测系统中，从而提升该系统的抗干扰性能和检测效率。
[0006]本专利技术的技术方案为：一种基于马尔科夫链的心率变异性信号去噪方法，包括以下步骤：S1、输入心率变异性信号，选取一段无干扰的数据作为样本数据，基于样本数据计算得出马尔科夫链预测准确率和样本数据长度以及分类数目的关系统计结果；S2、基于设定目标并结合关系统计结果，确定样本序列和分类数，从而对马尔科夫链的参数进行初始化设定；S3、采用加权马尔科夫链预测法对心率变异性信号中R波峰值点所在区间进行预测，以去除信号中的干扰信号。
[0007]上述方法为本专利技术总的技术方案，需要说明的是，在上述方法中，因为用马尔科夫链作预测，程序的时间复杂度会随着样本长度N和分类数目k取值的增大而陡然增加，执行相应代码的时间就会比较长；加之N和k对预测的准确率q（注：q是马尔科夫链预测数据所在区间的准确率，不是数据本身的准确率）有很大影响，特别是k对q的影响是非常大的，因此N
和k的取值需要根据实际情况进行选择。倘若系统的实时性要求很高，而处理器的计算能力又有限，则不能选择太大的N和k，而要选择尽量小的值，这样就能确保更快地测算出噪声数据点所在的区间；然而，这种速度上的提升是有代价的，即降低了预测结果的可辨识度，因为预测出来的区间变大了，去噪声的精准度会降低。另外，通过对不同的人身上采集到的心率变异性信号的观测发现，每个人的N和k与q的关系图并不完全一样，N与q的变化趋势具有随机性，而k与q则大体趋势差不多，但都有差异，哪怕同一个人在不同时间采集到的样本数据也有不一样的关系图，这主要上由于心率变异性信号的复杂多变造成的。所以在实际应用时，要根据个别情况进行个别选择。
[0008]对于确定N和k的取值，一种简单有效的方法是：假如第一步采集到了M个样本数据，然后从M个样本数据中选择N个样本，并设定k来计算q，例如：先设定k=4，再设N=20，计算出q；再设N=21，计算出q；再设N=22，计算出q；再设N=23，计算出q；再设N=24，计算出q；
[0009]再设N=199，计算出q；再设N=200，计算出q；于是得出当k=4时一系列N取值的q；再设k=5，再让N从20变化至200，通过改变k的取值重复以上过程，最后得到q与N和k的关系图是三维的，此关系图可以很直观地看到三者的关系，后续要设定马尔科夫链的参数N和k，就是从这个关系图上去观察和选定。 因此后续的步骤需要以S1中得到的关系统计结果为基础来确定N和k，使得本专利技术的方案具有相当的灵活性，这是传统技术所不具备的。
[0010]进一步的，所述关系统计结果用于展示马尔科夫链预测准确率在样本数据长度以及分类数目发生改变时的非线性变化过程，并且关系统计结果与样本数据来源具有相关性。
[0011]进一步的，所述关系统计结果的获取方式是：在样本数据上以滑动窗的方式选取一段数据，以滑动窗内的数据作为初始值，计算并且验证滑动窗之后紧邻的第一个数据的预测准确率；再依次向后取初值并且验证准确率；以此类推，计算出样本中不同截取长度和分类数目条件下对应的所有数据点的预测准确率，从而得出预测准确率的关系统计结果，关系统计结果以图表的形式进行展示。
[0012]进一步的，所述设定目标是指心率变异性信号检测中的实时性需求和容错率需求。
[0013]进一步的，S3中，采用加权马尔科夫链预测法对心率变异性信号中R波峰值点所在区间进行预测具体为对心率变异性信号中出现的可疑数据点进行测算，得到可疑数据点最大概率的状态空间，并通过判断可疑数据点是否在状态空间的范围内对可疑数据点进行识别，在状态空间范围的数据为正常数据点。
[0014]进一步的，所述可疑数据点的定义是，判断输入的数据是否小于min（z），z是状态空间，若是，则将此时的输入数据定义为可疑数据点。
[0015]进一步的，对得到的可疑数据点进行累加，得到一段时间内所有可疑数据点的累
加值作为马尔科夫链预测的基础数据。
[0016]进一步的，在出现可疑数据点后，如果输入的数据大于min（z），则将累加值加在该数据之前和之后的处于状态空间之内的波峰间期数值上，在该位置得出两种可能的波峰数据组合，利用马尔可夫链预测法对两组数据进行判别，取概率最大者作为预测结果。
[0017]本专利技术的有益效果是：提供了一种心率变异性信号检测系统的去噪方法和措施，特别适合于个人生理数据采集、医学监测、科学研究、远程医疗、健康管理等领域；使用者将HRV数据导入到此系统，再根据个性化的关系量表灵活地设定马尔科夫链参数，系统便能自动地滤去噪声数据点，输出结果可供后续的HRV数据分析，达到快速去噪的目的；本专利技术属于统计学方法，突破了现有检测系统抗干扰能力弱、参数设定不灵活、实时性不高的局限，能提高使用者的工作效率；不仅拓展了心率变异性信号检测系统的去噪途径，还丰富了马尔科夫链的应用领域。
附图说明
[0018]图1为存在假波峰干扰的ECG信号示意图。
[0019]图2为本专利技术方法中判定可疑数据点的流程图。
[0020]图3为预测准确率与样本数和分类数的关系图。
[0021]图4为预测准确率与样本数的关系。
[0022]图5为预测准确率与分类数目的关系。
具体实施方式
[0023]下面结合附图，详细描述本专利技术的技术方案。
[0024]如图1所示，在检测人体心电信号时，肢体运动或其它干扰本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于马尔科夫链的心率变异性信号去噪方法，其特征在于，包括以下步骤：S1、输入心率变异性信号，选取一段无干扰的数据作为样本数据，基于样本数据计算得出马尔科夫链预测准确率和样本数据长度以及分类数目的关系统计结果；S2、基于设定目标并结合关系统计结果，确定样本序列和分类数，从而对马尔科夫链的参数进行初始化设定；S3、采用加权马尔科夫链预测法对心率变异性信号中R波峰值点所在区间进行预测，以去除信号中的干扰信号。2.根据权利要求1所述的一种基于马尔科夫链的心率变异性信号去噪方法，其特征在于，所述关系统计结果用于展示马尔科夫链预测准确率在样本数据长度以及分类数目发生改变时的非线性变化过程，并且关系统计结果与样本数据来源具有相关性。3.根据权利要求2所述的一种基于马尔科夫链的心率变异性信号去噪方法，其特征在于，所述关系统计结果的获取方式是：在样本数据上以滑动窗的方式选取一段数据，以滑动窗内的数据作为初始值，计算并且验证滑动窗之后紧邻的第一个数据的预测准确率；再依次向后取初值并且验证准确率；以此类推，计算出样本中不同截取长度和分类数目条件下对应的所有数据点的预测准确率，从而得出预测准确率的关系统计结果，关系统计结果以图表的形式进行展示。4.根据权利要求1所述的一种基于马尔科夫链的心率变异性信号去...

【专利技术属性】
技术研发人员：谢从晋，
申请(专利权)人：重庆外语外事学院，
类型：发明
国别省市：