System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电子感测信息提取与处理,更具体地,涉及基于自适应变分模态提取的血压特征提取方法及系统。
技术介绍
1、在临床实践中,医生和医疗专业人员经常使用脉电信号分析来评估患者的心血管状态。脉电信号可以提供有关血压、动脉硬度、心脏输出和其他心血管参数的信息。因此在进行血压特征提取时脉电信号是是非平稳、微弱的生物电信号,且幅度通常很小。由于电极质量、生理起源、周围环境等原因,这些信号中常伴随着一些高频和低频噪声。这些噪声的频带常与目标信号的频带重叠,导致噪声难以剔除。而信号在采集和传输过程中,经常会受到外界环境干扰和本身仪器的影响,从而夹杂着不同类型的噪声。因此,降噪处理在信号处理和分析中扮演着重要的角色。由于经验模态分解(empirical mode decomposition,emd)在非线性和非平稳信号的降噪中具有良好的适应性,同时无需先验信息,因此在生物医学领域获得广泛应用。emd可以根据信号的特点自适应地调整滤波器参数,以更好地适应信号的频率和幅度变化,从而能够更好地保留信号的有用信息。然而,emd在处理高频噪声或者高频成分时容易出现模态混叠问题,即不同的本征模态函数之间相互干扰,这会导致分解结果的精度下降。
2、现有技术公开了一种基于信号变分模态分解的远程光体积法血压实时识别方法,包括如下步骤:步骤1、将rgb视频流单帧面部roi像素均值作为rppg信号采样点,采样获得rppg信号流;步骤2、针对rppg信号流,使用滑窗策略在单窗之中应用变分模态分解算法得到模式分量,再对所有模式分量进行能量统计和fft分
技术实现思路
1、本专利技术的目的在于公开一种精确度更高的基于自适应变分模态提取的血压特征提取方法及系统。
2、为了实现上述目的,本专利技术提供基于自适应变分模态提取的血压特征提取方法,具体技术方案如下:
3、s1:获取脉电信号;
4、s2:根据脉电信号,获得期望模态中心频率的初始值、最大粗糙度以及最大误差宽容度;
5、s3:根据最大误差宽容度,设置加权系数的变化范围和步长;
6、s4:根据加权系数的变化范围和步长以及期望模态中心频率的初始值,对脉电信号执行变分模态提取,得到对应期望模态;
7、s5:根据对应期望模态,计算对应期望模态粗糙度和对应期望模态误差宽容度;
8、s6:根据最大粗糙度、对应期望模态粗糙度和对应期望模态误差宽容度判断对应期望模态是否符合误差条件,若不符合误差条件则执行步骤s4并根据加权系数的变化范围和步长更新加权系数,若符合条件则执行步骤s7;
9、s7:根据步骤s4得到的多个加权系数和对应期望模态,以及步骤s5得到的对应期望模态粗糙度和对应期望模态误差宽容度,得到最优加权系数以及最优加权系数对应期望模态;
10、s8:输出最优加权系数对应的期望模态作为最终降噪结果,并进行血压特征提取。
11、进一步地,在步骤s2中对脉电信号进行快速傅里叶变换,获得幅值最大的频率f0,并以2πf0作为期望模态中心频率的初始值;
12、计算脉电信号的最大粗糙度,计算公式为:
13、
14、其中rmax为最大粗糙度,y(ti)为脉电信号。
15、进一步地,在步骤s2中对脉电信号进行最小二乘法拟合生成拟合曲线x(ti),从而得到最大误差宽容度emax,计算公式为:
16、
17、为使期望模态的粗糙度非零,对emax向下舍入,保留一位小数,作为最大误差宽容度;
18、进一步地,在步骤s3中,设置加权系数的变化范围和步长具体公式为:
19、αj=10^(log10emax_mod-j/2),j=1,2,…,24
20、其中emax_mod为最大误差宽容度,αj为加权系数。
21、进一步地,在步骤s4中,变分模态提取的具体步骤如下:
22、s4.1:设期望模态的傅里叶变换初始化为拉格朗日乘子λ(t)的傅里叶变换初始化为期望模态的中心频率的初始值作为更新步数n=0;
23、s4.2:根据进行计算,具体公式如下:
24、
25、s4.3:给定精度值ε=10-7,判断是否满足于条件小于ε,若不满足条件则返回执行步骤s4.2,若满足条件则执行步骤s4.4;
26、s.4.4:将ud(w)进行傅里叶反变化得到ud(ti),将ud(ti)作为对应期望模态进行输出。
27、进一步地,计算对应期望模态粗糙度和对应期望模态误差宽容度具体公式如下:
28、
29、
30、其中ej为对应期望模态宽容度,rj为对应期望模态误差粗糙度,ud_j(ti)为对应期望模态,对应期望模态为脉电信号。
31、进一步地,在步骤s6中判断rmax-rj<0.1*rmax,其中rmax为最大粗糙度,rj为对应期望模态误差粗糙度,若不符合条件则执行步骤s4,若符合条件则执行步骤s7。
32、进一步地,在步骤s7中画出(lnej,lnrj)的关系曲线,其中ej为对应期望模态宽容度,rj为对应期望模态误差粗糙度,并且计算曲线的曲率,找到曲率最大的点,其对应的αj为最优加权系数,最优加权系数对应期望模态为最优期望模态。
33、进一步地,在步骤s8中对最终降噪结果进行血压特征提取。提取到的特征点为包括收缩期谷值o点、收缩期峰值s点、舒张期谷值n点、舒张期峰值d点;对最终降噪结果的一阶导数提取到的特征点包括收缩期的最大斜率w点、收缩期的最小斜率y点、舒张期的最大斜率z点;对最终降噪结果的的二阶导数的特征点有收缩期早期正波a点、收缩期早期负波b点、收缩期晚期增幅波c点、收缩期晚期减幅波d点、舒张期早期正波e点。
34、此外本专利技术还提供一种基于自适应变分模态提取的血压特征提取系统,其特征在于,包括:
35、获取模块:用于获取脉电信号;
36、脉电信号模块:用于根据脉电信号,获得期望模态中心频率的初始值、最大粗糙度以及最大误差宽容度;
37、加权系数模块:用于根据最大误差宽容度,设置加权系数的变化范围和步长;
38、变分模态提取模块:用于根据加权系数的变化范围和步长以及期望模态中心频率的初始值,对加权系数执行变分模态提取,得到对应期望模态;
39、对应期望模态计算模块:用于根据对应期望模态,计算对应期望模态粗糙度和对应期望模态误差宽容度;
40、判断模块:根据最本文档来自技高网...
【技术保护点】
1.基于自适应变分模态提取的血压特征提取方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于自适应变分模态提取的血压特征提取方法,其特征在于,在步骤S2中对脉电信号进行快速傅里叶变换,获得幅值最大的频率f0,并以2πf0作为期望模态中心频率的初始值;
3.根据权利要求1所述的基于自适应变分模态提取的血压特征提取方法,其特征在于,在步骤S2中对脉电信号进行最小二乘法拟合生成拟合曲线x(ti),从而得到最大误差宽容度Emax,计算公式为:
4.根据权利要求1所述的基于自适应变分模态提取的血压特征提取方法,其特征在于,在步骤S3中,设置加权系数的变化范围和步长具体公式为:
5.根据权利要求1所述的基于自适应变分模态提取的血压特征提取方法,其特征在于,在步骤S4中,变分模态提取的具体步骤如下:
6.根据权利要求1所述的基于自适应变分模态提取的血压特征提取方法,其特征在于,计算对应期望模态粗糙度和对应期望模态误差宽容度具体公式如下:
7.根据权利要求1所述的基于自适应变分模态提取的血压特征提取方法,其特征在于
8.根据权利要求1所述的基于自适应变分模态提取的血压特征提取方法,其特征在于,在步骤S7中画出(ln Ej,ln Rj)的关系曲线,其中Ej为对应期望模态宽容度,Rj为对应期望模态误差粗糙度,并且计算曲线的曲率,找到曲率最大的点,其对应的αj为最优加权系数,最优加权系数对应期望模态为最优期望模态。
9.根据权利要求1所述的基于自适应变分模态提取的血压特征提取方法,其特征在于,在步骤S8中对最终降噪结果进行血压特征提取。提取到的特征点为包括收缩期谷值O点、收缩期峰值S点、舒张期谷值N点、舒张期峰值D点;对最终降噪结果的一阶导数提取到的特征点包括收缩期的最大斜率w点、收缩期的最小斜率y点、舒张期的最大斜率z点;对最终降噪结果的的二阶导数的特征点有收缩期早期正波a点、收缩期早期负波b点、收缩期晚期增幅波c点、收缩期晚期减幅波d点、舒张期早期正波e点。
10.基于自适应变分模态提取的血压特征提取系统,其特征在于,包括:
...【技术特征摘要】
1.基于自适应变分模态提取的血压特征提取方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于自适应变分模态提取的血压特征提取方法,其特征在于,在步骤s2中对脉电信号进行快速傅里叶变换,获得幅值最大的频率f0,并以2πf0作为期望模态中心频率的初始值;
3.根据权利要求1所述的基于自适应变分模态提取的血压特征提取方法,其特征在于,在步骤s2中对脉电信号进行最小二乘法拟合生成拟合曲线x(ti),从而得到最大误差宽容度emax,计算公式为:
4.根据权利要求1所述的基于自适应变分模态提取的血压特征提取方法,其特征在于,在步骤s3中,设置加权系数的变化范围和步长具体公式为:
5.根据权利要求1所述的基于自适应变分模态提取的血压特征提取方法,其特征在于,在步骤s4中,变分模态提取的具体步骤如下:
6.根据权利要求1所述的基于自适应变分模态提取的血压特征提取方法,其特征在于,计算对应期望模态粗糙度和对应期望模态误差宽容度具体公式如下:
7.根据权利要求1所述的基于自适应变分模态提取的血压特征提取方法,其特征在于,在步骤s6中判断...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。