一种基于制造技术

一种基于

【技术实现步骤摘要】
一种基于EEMD
‑
DFA
‑
TFPF的心冲击信号降噪方法


[0001]本专利技术属于信息处理领域，特别涉及一种基于
EEMD
‑
DFA
‑
TFPF
的心冲击信号降噪方法
。

技术介绍

[0002]在人体健康监测中，心跳信号是反映人体健康方面中最重要的生理信号之一
。
通过对心率的监测，能够及时的反映出人体的代谢情况，同时对于人体心肺功能的监测也具有非常大的参考价值
。
特别对于早期心脏病，可以通过心率监测及时发现
。
现阶段，常见的心率监测方法为心电图法，常用于医院等场所
。
但此方式具有局限性
。
心电图需要使用电极，被测者需长时间连接仪器
。
近年来，基于心冲击图描记图的心率监测方法引起广泛关注
。
心冲击信号
(BCG)
是由心脏泵血及大动脉在流动时产生的一系列机械冲击力，能够反映心脏的健康状况，从而为心血管疾病的早本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
EEMD
‑
DFA
‑
TFPF
的
BCG
信号去噪方法，其特征在于：包括下列步骤：步骤1：使用压电薄膜传感器电路采集获得
BCG
信号数据
y(n)
；步骤2：对数据
y(n)
采用集合经验模态
(EEMD)
算法进行分解，获得模态分量
(IMFs)
；步骤3：计算每个模态分量
(IMFs)
与原始信号
y(n)
的互相关系数，将模态分量分为噪声主导
y1(n)
和信号主导
y2(n)
两组，保留信号主导分量
y2(n)
；步骤4：对噪声为主导的分量
y1(n)
采取时频峰值滤波算法去噪，得到分量
y
′1(n)
；步骤5：将
DFA
理论引入步骤4得到的分量
y
′1(n)
，利用
DFA
理论作为二次筛选的指标；步骤6：由步骤3与步骤4得到的各个模态中有效信号成分的估计值，将这些估计值和剩余模态相加得到
EEMD
‑
DFA
‑
TFPF
处理的最终结果
。2.
根据权利要求1所述的一种基于
EEMD
‑
DFA
‑
TFPF
的
BCG
信号去噪方法，其特征在于：在步骤2中，所述的
EEMD
算法具体计算过程如下
:2.1
在原始信号
y(n)
加入均值为0，固定方差的不同白噪声
vi(n)
，第
i
次添加噪声后得到的信号为
y
i
(n)
＝
x(n)+v
i
(n)
其中设定添加的高斯白噪声
v
i
(n)
标准差
Nstd
＝
0.2
，噪声的平均次数为
NE
＝
50
，
y
i
(n)
表示第
i
次加入白噪声得到的含噪信号，
i
＝
1,2,...50
；数据总长度为
N
；
2.2
对第
i
次添加白噪声后所得信号
y
i
(n)
分别进行
EMD
分解，得到各自模态分量
c
ij
(n)
；此时含噪信号
y
i
(n)
分解为：式中：
c
i,j
(m)
为第
i
次加入白噪声后分解得到的第
j
个模态分量，
r
i
(m)
是残余函数，代表信号的平均趋势，
J
是模态分量的数量；
2.3
重复执行
M
次步骤
2.2
和步骤
2.3
，每次分解加入幅值不同的白噪声信号得到固有模态分量的集合为：
c
1,j
(n)c
2,j
(n)c
M,j
(n)j
＝
1,2,...J
；
2.4
利用不相关序列的统计平均值为零的原理，将上述对应的
IMF
进行集合平均运算，消除重复添加白噪声对真实模态分量的影响，得到
EEMD
分解后最终的
IMF
，
c
j
(n)
即经
EEMD
分解的第
j
个分量，
r(n)
为残余分量
。3.
根据权利要求1所述的一种基于
EEMD
‑
DFA
‑
TFPF
的
BCG
信号去噪方法，其特征在于：在步骤3中，所述的互相关系数计算过程如下
:3.1
计算固有模态分量与原信号
y(n)
的公式如下：式中，
R(i)
为第
i
个固有模态分量与原信号
y(n)
的相关系数；
3.2
根据相关系数原理，由步骤
3.1
得到的相关系数，当相关系数从第1阶到第
p
‑1阶逐
渐减小，第
p
阶时开始增大；此时可将分量从第
p
阶分为两组，前
p
‑1阶为噪声主导分量，记为
y1(n)
，
y1(n)
＝
{c1(j),c2(j),...,c
p
‑1(j)}
，此组分量需要进行时频峰值滤波；从第
p
阶开始为有效信号主导的分量，将其相加进行重构，记为
y2(n)
，
y2(n)
＝
c
p
(j)+c
p+1
(j)+c
p+2
(j)+...c
J
(j)。4.
根据权利要求1所述的一种基于
EEMD
‑
DFA
‑
TFPF
的
BCG
信号去噪方法，其特征在于：在步骤4中，所述的时频峰值滤波算法计算过程如下待处...

【专利技术属性】
技术研发人员：马海涛，乔璐，张榕堃，
申请(专利权)人：吉林大学，
类型：发明
国别省市：