本发明专利技术涉及一种脉搏波信号的频域特征提取方法，属于信号处理领域。包括：获取脉搏信号进行预处理及周期分割、质量筛选、周期归一化、周期延拓；通过傅里叶变换、功率谱变换、倒谱变换、分数傅里叶变换分别提取第一组、第二组、第三组、第四组频域特征；构建初始特征矩阵并进行降维得到降维后的特征矩阵及其评估得分，基于评估得分对降维后的特征矩阵进行筛选形成第一数据集；选取第一数据集中特征矩阵与初始特征矩阵KL散度最小时对应的特征向量作为最终的频域特征。本发明专利技术通过傅里叶变换、功率谱变换、倒谱变换、分数傅里叶变换提取脉搏信号的频域特征，通过各次降维的评估得分以及KL散度选出最终的频域特征，提取的频域特征更全面且有效性更高。
【技术实现步骤摘要】
本专利技术涉及生理信号检测，尤其涉及一种脉搏波信号的频域特征提取方法。
技术介绍
1、脉搏信号是重要的人体生理信号，是心脏和血管状态等重要信息的外在反映。在传统的中医理论中，通过“把脉”的方式，可以获取脉搏信号的频率、节律、深浅、强弱等特点，确定脉搏信号类别，从而可以对人体生理系统的变化进行诊断。
2、随着生物医学工程的发展，对脉搏信号的研究也一直在持续。研究人员致力于将医师的主观判断转换为具有参考依据的机器生物特征识别，从而提供统一的判断标准和规范。随着机器学习与深度学习的发展，如何实现脉搏信号更精确、更细致的分类，成为研究的新课题。因此，如何提取更加全面且有效的脉搏信号特征为脉搏信号的分类识别提供基础显得尤为重要。
3、目前现有的脉搏信号频域特征提取方法主要提取单一的频谱，提取的频域特征不全面。因此，提供一种能够提取脉搏信号更全面且有效的频域特征的方法是亟待解决的问题。
技术实现思路
1、鉴于上述的分析，本专利技术旨在提供一种脉搏波信号的频域特征提取方法，用以解决现有脉搏信号频域特征提取方法提取的频域特征不全面且有效性低的问题。
2、本专利技术提供了一种脉搏波信号的频域特征提取方法，所述方法包括以下步骤：
3、通过传感器获取若干人体的脉搏信号，对所述脉搏信号进行预处理得到每个人体预处理后的脉搏信号；
4、对每个人体预处理后的脉搏信号进行周期分割、质量筛选、周期归一化、周期延拓得到每个人体周期延拓后的脉搏信号；
<
p>5、对每个人体周期延拓后的脉搏信号通过傅里叶变换提取第一组频域特征，通过功率谱变换提取第二组频域特征，通过倒谱变换提取第三组频域特征，通过分数傅里叶变换提取第四组频域特征；6、基于所有人体脉搏信号的频域特征构建初始特征矩阵，对初始特征矩阵进行多次降维得到各次降维后的特征矩阵，基于svm模型得到各次降维后的特征矩阵对应的频域特征值矩阵的评估得分，基于评估得分对降维后的特征矩阵进行筛选，形成第一数据集；
7、计算第一数据集中各特征矩阵与初始特征矩阵的kl散度，选取kl散度最小时特征矩阵对应的频域特征作为每个人体脉搏信号最终的频域特征。
8、进一步地，基于初始特征矩阵进行特征分解得到特征向量，从所述特征向量中依次减去最小的特征值对应的特征向量得到各次降维后的特征向量，基于各次降维后的特征向量构建各次降维的特征矩阵。
9、进一步地，所述基于初始特征矩阵进行特征分解得到特征向量包括：
10、对初始特征矩阵中的频域特征进行去中心化得到去中心化的初始特征矩阵；
11、基于所述去中心化的初始特征矩阵得到其协方差矩阵；
12、对所述协方差矩阵进行特征分解得到特征向量，并对特征向量中的特征按特征值从大到小进行排序。
13、进一步地，通过下述方法得到第一数据集中特征矩阵与初始特征矩阵的kl散度：
14、
15、其中，n1为初始特征矩阵，n2为第一数据集中的特征矩阵，k为第一数据集中特征矩阵对应的特征向量的维度，μ1为n1对应的均值，μ2为n2对应的均值，∑1为n1对应的方差，∑2为n2对应的方差。
16、进一步地，对每个人体周期延拓后的脉搏信号通过傅里叶变换提取谐振频率、谐振幅度、幅度差值、频率差值、幅度占比作为每个人体脉搏信号的第一组频域特征；谐振频率为傅里叶变换谐波对应的频率，谐振幅度为傅里叶变换谐波对应的幅值，幅度差值为相邻谐波的幅度差值，频率差值为相邻谐波的频率差值，幅度占比为当前谐波幅值与一次谐波幅值的比值。
17、进一步地，对每个人体周期延拓后的脉搏信号通过功率谱变换提取能量占比、波峰面积、波峰占比作为每个人体脉搏信号的第二组频域特征；将所述脉搏信号划分为等长度的若干段，计算每一段脉搏信号的周期图，计算所有段脉搏信号周期图的算数平均值得到功率谱。
18、进一步地，对每个人体周期延拓后的脉搏信号通过倒谱变换提取倒谱波峰幅值作为每个人体脉搏信号的第三组频域特征；倒谱波峰幅值为所述脉搏信号倒谱的10个峰值所对应的幅度值。
19、进一步地，对每个人体周期延拓后的脉搏信号通过分数傅里叶变换提取各分数域频谱的最低点值、最高点的值、最高点与最低点的横坐标之差、相邻的最高点之差、相邻的最低点之差作为每个人体脉搏信号的第四组频域特征。
20、进一步地，所述对所述脉搏信号进行预处理得到每个人体预处理后的脉搏信号包括：
21、设置噪声阈值，确定小波基函数和分解层数对所述脉搏信号进行小波分解得到多个小波分量，根据所述噪声阈值对所述小波分量进行去噪然后利用小波系数重构信号得到去噪后的脉搏信号；
22、通过搜寻局部极值对所述去噪后的脉搏信号进行起搏点提取，对所有的起搏点进行三次样条插值拟合出基线噪声，从去噪后的脉搏信号中去除基线噪声得到预处理后的脉搏信号。
23、进一步地，所述对每个人体预处理后的脉搏信号进行周期分割、质量筛选、周期归一化、周期延拓得到每个人体周期延拓后的脉搏信号包括：
24、对每个人体预处理后的脉搏信号执行以下步骤：
25、步骤s21、基于起搏点对所述预处理后的的脉搏信号进行周期分割；
26、步骤s22、对分割后各周期的脉搏信号计算峰谷斜率、峰谷距离、峰谷差，基于所有分割后的脉搏信号的峰谷斜率、峰谷距离分别得到峰谷斜率算数平均值、峰谷距离算数平均值，从各周期信号中去除其峰谷斜率与峰谷斜率平均值偏离大于阈值或峰谷距离与峰谷距离平均值偏离大于阈值的周期脉搏信号，得到剩余的周期脉搏信号；
27、步骤s23、获取剩余的各周期脉搏信号的平均周期长度；对每个剩余的周期脉搏信号进行延展或压缩进行周期归一化；
28、步骤s24、对所述周期归一化后的脉搏信号进行周期延拓得到周期延拓后的脉搏信号。
29、与现有技术相比，本专利技术至少可实现如下有益效果之一：
30、1、本专利技术通过傅里叶变换、功率谱变换、倒谱变换、分数傅里叶变换提取脉搏信号的频域特征，实现了对脉搏信号更加全面的频域特征提取，为脉搏信号进行更精确、更细致的分类识别提供了基础。
31、2、本专利技术通过各次降维的评估得分筛选出对应的特征矩阵，通过kl散度选出最终的频域特征，不损失脉搏信号主要信息的情况下尽可能降低频域特征的维度，为后续提高基于频域特征进行神经网络模型训练的速度和模型输出的精度提供了基础。
32、3、本专利技术通过小波变换以及三次样条插值拟合来抑制噪声，提高了拟合的精度，从而使提取的特征能更准确地反映脉搏信息。
33、本专利技术中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
本文档来自技高网...
【技术保护点】
1.一种脉搏波信号的频域特征提取方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的脉搏波信号的频域特征提取方法，其特征在于，基于初始特征矩阵进行特征分解得到特征向量，从所述特征向量中依次减去最小的特征值对应的特征向量得到各次降维后的特征向量，基于各次降维后的特征向量构建各次降维的特征矩阵。
3.根据权利要求2所述的脉搏波信号的频域特征提取方法，其特征在于，所述基于初始特征矩阵进行特征分解得到特征向量包括：
4.根据权利要求1所述的脉搏波信号的频域特征提取方法，其特征在于，通过下述方法得到第一数据集中特征矩阵与初始特征矩阵的KL散度：
5.根据权利要求1所述的脉搏波信号的频域特征提取方法，其特征在于，对每个人体周期延拓后的脉搏信号通过傅里叶变换提取谐振频率、谐振幅度、幅度差值、频率差值、幅度占比作为每个人体脉搏信号的第一组频域特征；谐振频率为傅里叶变换谐波对应的频率，谐振幅度为傅里叶变换谐波对应的幅值，幅度差值为相邻谐波的幅度差值，频率差值为相邻谐波的频率差值，幅度占比为当前谐波幅值与一次谐波幅值的比值。
6.根据权利要求1所述的脉搏波信号的频域特征提取方法，其特征在于，对每个人体周期延拓后的脉搏信号通过功率谱变换提取能量占比、波峰面积、波峰占比作为每个人体脉搏信号的第二组频域特征；将所述脉搏信号划分为等长度的若干段，计算每一段脉搏信号的周期图，计算所有段脉搏信号周期图的算数平均值得到功率谱。
7.根据权利要求1所述的脉搏波信号的频域特征提取方法，其特征在于，对每个人体周期延拓后的脉搏信号通过倒谱变换提取倒谱波峰幅值作为每个人体脉搏信号的第三组频域特征；倒谱波峰幅值为所述脉搏信号倒谱的10个峰值所对应的幅度值。
8.根据权利要求1所述的脉搏波信号的频域特征提取方法，其特征在于，对每个人体周期延拓后的脉搏信号通过分数傅里叶变换提取各分数域频谱的最低点值、最高点的值、最高点与最低点的横坐标之差、相邻的最高点之差、相邻的最低点之差作为每个人体脉搏信号的第四组频域特征。
9.根据权利要求1所述的脉搏波信号的频域特征提取方法，其特征在于，所述对所述脉搏信号进行预处理得到每个人体预处理后的脉搏信号包括：
10.根据权利要求1所述的脉搏波信号的频域特征提取方法，其特征在于，所述对每个人体预处理后的脉搏信号进行周期分割、质量筛选、周期归一化、周期延拓得到每个人体周期延拓后的脉搏信号包括：
...
【技术特征摘要】
1.一种脉搏波信号的频域特征提取方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的脉搏波信号的频域特征提取方法，其特征在于，基于初始特征矩阵进行特征分解得到特征向量，从所述特征向量中依次减去最小的特征值对应的特征向量得到各次降维后的特征向量，基于各次降维后的特征向量构建各次降维的特征矩阵。
3.根据权利要求2所述的脉搏波信号的频域特征提取方法，其特征在于，所述基于初始特征矩阵进行特征分解得到特征向量包括：
4.根据权利要求1所述的脉搏波信号的频域特征提取方法，其特征在于，通过下述方法得到第一数据集中特征矩阵与初始特征矩阵的kl散度：
5.根据权利要求1所述的脉搏波信号的频域特征提取方法，其特征在于，对每个人体周期延拓后的脉搏信号通过傅里叶变换提取谐振频率、谐振幅度、幅度差值、频率差值、幅度占比作为每个人体脉搏信号的第一组频域特征；谐振频率为傅里叶变换谐波对应的频率，谐振幅度为傅里叶变换谐波对应的幅值，幅度差值为相邻谐波的幅度差值，频率差值为相邻谐波的频率差值，幅度占比为当前谐波幅值与一次谐波幅值的比值。
6.根据权利要求1所述的脉搏波信号的频域特征提取方法，其特征在于，对每...
【专利技术属性】
技术研发人员：徐可米，赵薪然，戴小寒，郑德智，吴中怀，胡纯，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
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。