【技术实现步骤摘要】
本专利技术属于肌电信号处理，具体涉及一种基于盲源分离与剥离策略的表面膈肌肌电去噪方法，实现受试者呼吸节律的识别与呼吸状态评估。
技术介绍
1、在临床操作中，机械通气的一个关键方面是准确识别和量化患者的自主呼吸力。传统方法采用流量和压力测量来实现此目的，但吸气肌收缩产生的压力必须对抗气道阻力和肺泡内源性呼气末正压(peepi)后，才能在气道产生触发呼吸机的流量或压力变化，因此，从吸气肌收缩到气道产生流量或压力变化存在一定的延迟，导致呼吸机送气的时刻比患者实际吸气时刻会相对滞后。相比之下，人体呼吸时膈肌产生的肌电信号(emgdi)比流量和压力信号更早出现，并受到较少来自肺部和气道疾病等因素的干扰。作为主要的呼吸肌群之一，膈肌在呼吸过程中负责60％-80％的呼吸运动，因此通过测量膈肌肌电信号并进行处理可用于触发呼吸机送气，也可作为膈肌肌电强弱的评判标准之一。
2、近年来，一种神经调节通气辅助((neurally adjusted ventilatory assist，nava)的呼吸机利用食道膈肌肌电信号实现了这一目标，然而，通过食道采集emgdi信号实施上比较困难，对采集条件和使用环境要求较高，对患者不方便，同时也具有一定的侵入性，可能引发不适感(如出血、呕吐等)。还有一种通过表面电极获得的emgdi信号的手段，但膈肌肌电信号在从体内传到表面时，需要经过一系列身体组织，表面采集到的膈肌肌电信号的幅度十分微弱，且表面电极常常受到内部以及外部各种干扰和噪声的影响，如心电干扰(ecg)，电极移动伪影、工频干扰等噪声，导致微弱的
技术实现思路
1、本专利技术为了克服现有技术的不足之处，提出了一种基于盲源分离与剥离策略的表面膈肌肌电去噪方法，以期能够从包含高强度噪声的环境中对微弱的表面膈肌肌电信号进行去噪，获取纯净的多通道膈肌生理信号，从而能够准确提取受试者的呼吸节律并判断其呼吸状态。
2、本专利技术为达到上述专利技术目的，采用如下技术方案：
3、本专利技术一种基于盲源分离与剥离策略的表面膈肌肌电去噪方法的特点在于，是按如下步骤进行：
4、步骤一：采集表面膈肌肌电信号，并使用频域分析法进行去噪，得到多通道表面膈肌肌电信号x＝[x1,x2,…,xi,…,xn]t，并作为初始信号，其中，xi表示滤除低频和高频噪声后的第i个通道的表面膈肌肌电信号，t表示转置；
5、步骤二：执行第u次盲源分离算法，获取第u次分离下的若干源信号：
6、步骤2.1：初始化：
7、设置算法执行的总次数为umax，当前执行次数为u，并初始化u＝1；定义并初始化当前第u次执行盲源分离算法下的残余信号
8、初始化呼吸信号分量剥离次数a＝0、心电信号分量剥离次数b＝0；
9、定义并初始化呼吸信号源集合γ及其对应的解混向量集合ε均为空集；
10、步骤2.2：利用式(1)对第u次分离下的残余信号进行扩展，得到第u次执行盲源分离算法下扩展的残余信号
11、
12、式(1)中，k是延迟因子；表示第u次分离中第i通道的残余信号在延时k+1后的延迟信号；t是当前时刻；t表示转置；
13、步骤2.3：计算第u次迭代中第i通道的残余信号的源信号从而得到第u次分离中残余信号的源信号其中，代表第u次执行盲源分离算法下的第i个解混向量；
14、步骤三：使用聚类算法对第u次分离出的源信号yu进行归类，并分别挑选出呼吸相关源信号和心电相关源信号，作为第u次分离下的参考信号；
15、步骤3.1、对进行聚类，得到第u次分离下的f个簇；
16、步骤3.2、计算第u次分离下的每个簇的平均序列分别与所获取的先验呼吸信号和先验心电信号的相似度，并判断是否存在平均序列与先验呼吸信号模板或先验心电信号模板匹配的簇；若存在平均序列与先验呼吸信号模板匹配的簇，则将a+1赋值给a后，执行步骤3.3；若存在平均序列与先验心电信号模板匹配的簇，则将b+1赋值给b后，执行步骤3.4；若都不存在，则执行步骤六；
17、步骤3.3、从与先验呼吸信号模板匹配的簇中挑选出信噪比最高的一个源信号作为第u次分离下的第a次剥离的呼吸相关源信号后，执行步骤四；
18、步骤3.4、从与先验心电信号模板匹配的簇中挑选出信噪比最高的一个源信号作为第u次分离下的第b次剥离的心电相关源信号后，执行步骤四；
19、步骤四：将所述心电相关源信号或呼吸相关源信号作为第u次分离下的参考信号ru，从而利用参考信号ru在扩展的残余信号上执行带时域约束的fastica算法，对应得到第u次分离下的第b次剥离的心电信号分量或第a次剥离的呼吸信号分量
20、步骤五：将或从残余信号中剥离，得到第u+1次分离下的残余信号将u+1赋值给u，返回步骤2.2顺序执行，直到达到迭代次数上限umax为止；
21、步骤六：将集合γ中的所有呼吸信号分量相加后，得到纯净完整的膈肌肌电信号f。
22、本专利技术所述的基于盲源分离与剥离策略的表面膈肌肌电去噪方法的特点也在于，所述步骤1包括：
23、步骤1.1：采用θ行×ρ列的阵列式电极片采集含有噪声和干扰的多通道表面膈肌肌电信号c＝[c1,c2,…,ci,…,cn]t，其中，ci表示含有噪声和干扰的第i个通道的表面膈肌肌电信号，n表示通道总数，且n＝θ×ρ；
24、步骤1.2：对含有噪声和干扰的多通道表面膈肌肌电信号c＝[c1,c2,…,ci,…,cn]t进行离散傅里叶变换，得到滤除低频和高频噪声后的多通道表面膈肌肌电信号x＝[x1,x2,…,xi,…,xn]t。
25、所述步骤5包括：
26、步骤5.1：使用最小二乘法分别求解或对应于第i个通道的原始信号xi的第a次估计的变换矩阵或第b次估计的变换矩阵以第a次估计出呼吸信号分量在原始信号x第i个通道中对应的波形或心电信号分量在原始信号x第i通道中对应的波形其中，xi为原始信号x中第i个通道的原始信号；
27、步骤5.2：将波形或从残余信号中的第i个通道中减去，从而得到第u+1次分离下第i通道的残余信号或第u+1次分离下第i通道的残余信号从而得到第u+1次分离下的残余信号并将呼吸信号分量放入呼吸信号源集合γ。
28、本专利技术一种电子设备，包括存储器以及处理器的特点在于，所述存储器用于存储支持处理器执行所述基于盲源分离与剥离策略的表面膈肌肌电去噪方法的程序，所述处理器被配置为用于执行所本文档来自技高网...
【技术保护点】
1.一种基于基于盲源分离与剥离策略的表面膈肌肌电去噪方法，其特征在于，是按如下步骤进行：
2.根据权利要求1所述的基于盲源分离与剥离策略的表面膈肌肌电去噪方法，其特征在于，所述步骤1包括：
3.根据权利要求2所述的基于盲源分离与剥离策略的表面膈肌肌电去噪方法，其特征在于，所述步骤5包括：
4.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1-3中任一所述基于盲源分离与剥离策略的表面膈肌肌电去噪方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
5.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1-3中任一所述基于盲源分离与剥离策略的表面膈肌肌电去噪方法的步骤。
【技术特征摘要】
1.一种基于基于盲源分离与剥离策略的表面膈肌肌电去噪方法，其特征在于，是按如下步骤进行：
2.根据权利要求1所述的基于盲源分离与剥离策略的表面膈肌肌电去噪方法，其特征在于，所述步骤1包括：
3.根据权利要求2所述的基于盲源分离与剥离策略的表面膈肌肌电去噪方法，其特征在于，所述步骤5包括：
4.一种电子设备，包括存储器以及处理器，其...
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。