CN103070681A - 一种基于稀疏成分分析的心室晚电位分离方法 - Google Patents

Abstract

本发明公开了一种基于稀疏成分分析的心室晚电位分离方法，通过对采集到的观测信号进行前期的噪声滤除和稀疏化处理使其成为稀疏信号，再采用先估计混合矩阵后求源信号的两步法原理，实现心室晚电位与心电信号的分离。本发明利用带有心室晚电位心电信号本身的稀疏性，解决了心室晚电位与正常心电信号难分离的问题，可较准确的提取心室晚电位信号用于医学诊断。

Description

一种基于稀疏成分分析的心室晚电位分离方法

技术领域

本发明属于盲源分离技术领域，具体涉及一种基于稀疏成分分析的心室晚电位分离方法。

背景技术

心室晚电位(ventricular late potentials，VLP)信号是一系列不规则形态的重复性出现的高频率、低幅值的微弱信号，在预测恶性心律失常、不明原因昏厥、心源性猝死等方面具有重要意义。而且，随着科学技术的发展以及医疗水平的逐渐提高，“微型化”、“智能化”、“移动化”以及“低成本化”的监护系统将会成为主流方向，目前医院常用的三导联心电采集系统逐渐会被二导联的心电采集系统所取代，可见，基于二导联的心室晚电位的检测具有重要的临床意义。

目前，心室晚电位的检测方法主要有时域检测法、频域检测法、小波分析法等。时域和频域分析法分别由于存在晚电位阳性预测准确率低、频率分辨率低且对所加窗函数过分敏感等缺点受到限制；小波分析恰恰弥补了这一缺点，在时频域均具有较好的表征信号局部特征的能力，能很方便地将信号分成不同的频带，从而提高了局部信号的分析能力。目前小波分析的应用主要是从时频能量分布来考虑，能较好的反应VLP的低幅和高频特性，但是否是最优的特征还值得研究。因此需要引进新的信号处理技术来提高VLP的提取技术。

盲源分离技术是医学电信号的分离和特征提取的主要手段，已形成比较完备的理论体系。近年来迅速发展的基于信号稀疏性的稀疏分量分析(Sparse Component Analysis，SCA)技术提供了一种新的信号处理思路，在心电领域中已有了初步研究。而且正常心电信号与带有心室晚电位的心电信号恰恰满足稀疏性的要求，因此采用稀疏成分分析来分离心室晚电位是一种理想的选择。

发明内容

基于现有技术的缺点与不足，本发明的目的是提供一种基于稀疏成分分析的心室晚电位分离方法，包括以下步骤：

(1)获取两路观测信号；

(2)对观测信号进行噪声滤除；

(3)对经过噪声滤除的信号进行稀疏化预处理；

(4)对预处理信号的采样点进行混合矩阵的估计；

(5)通过混合矩阵求源信号，即实现心室晚电位与正常心电信号的分离。

基于稀疏成分分析的心室晚电位提取方法主要有五部分：获取观测信号、观测信号的噪声滤除、经过噪声滤除信号的稀疏化预处理、混合矩阵估计、源信号估计。

观测信号获取：从体表获取两路心电信号；

观测信号的噪声滤除：需要滤除50Hz工频干扰、矫正正常信号的基线漂移、滤除肌电干扰等；

观测信号的稀疏化预处理：采用小波变换将经过噪声滤除的观测信号进行稀疏化预处理；

混合矩阵的估计：对稀疏化后观测信号的采样点进行K均值聚类分析，估计各直线的聚类中心从而得到混合矩阵；

源信号的估计：通过混合矩阵和盲源分离的线性混合数学模型求解心室晚电位与正常心电信号。

本发明与现有技术相比有如下优点：

1.本发明可以确定估计出来的源信号的顺序，解决了独立分量分析在信号排列顺序上的不确定性；

2.该种方法提取心室晚电位的优势在于对正常心电信号没有损伤，即正常心电信号的提取效果也很理想。

附图说明

图1是本发明基于稀疏成分分析的心室晚电位分离方法的工作流程图

图2是混合矩阵估计流程图

具体实施方式

以下结合具体实施例，对本发明进行详细说明。

根据图1所示，一种基于稀疏成分分析的心室晚电位提取方法包括以下步骤：

(1)通过心电图机获取两路观测信号，或者从体表获取两路心电信号，然后滤除50Hz工频干扰、矫正正常信号的基线漂移、滤除肌电干扰得到两路观测信 号；

(2)选取较合适的基小波对观测信号进行小波分解；

(3)对小波分解后的高频部分进行重构，实现观测信号的稀疏化；

(4)对稀疏化后信号的采样点进行混合矩阵的估计；

(5)根据(4)求得的混合矩阵和盲源分离的线性混合数学模型求解源信号，从而实现心室晚电位与正常心电信号的分离。

所述步骤(1)：实验过程采用的信号可以通过两种途径获得

①通过心电图机获得。该方法获得的心电信号已经实现了噪声的滤除，包括滤除50Hz工频干扰、矫正正常信号的基线漂移、滤除肌电干扰等，所以不再单独进行噪声滤除操作；

②直接从体表获取两路观测信号。该方法获得的心电信号不能直接用于后期的小波分解，需进行工频干扰、基线漂移、肌电干扰等的噪声滤除操作。对于上述噪声，可以直接采用常用的心电图机使用的对上述噪声滤除方法来实现。

所述步骤(2)：信号的分解可通过滤波器组来实现，令a_j(k)，d_j(k)为多分辨率分析中的离散逼近系数，则通过下式实现信号的小波变换，获取a_j(k)的低频系数和高频系数。

$a_{j+1}\left(k\right)=\underset{n=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{a}_j\left(n\right)h_0(n-2k)=a_j\left(k\right)*{\stackrel{-}{h}}_0\left(2k\right)$

$d_{j+1}\left(k\right)=\underset{n=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{a}_j\left(n\right)h_1(n-2k)=a_j\left(k\right)*{\stackrel{-}{h}}_1\left(2k\right)$

其中，

h₀(k)，h₁(k)是二尺度差分方程的滤波器。

所述步骤(3)：对信号进行分解之后，采用下式进行信号的重构

$a_j\left(k\right)=\underset{n=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{a}_{j+1}\left(n\right)h_0(k-2n)+\underset{n=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{d}_{j+1}\left(n\right)h_1(k-2n)$

其中a_j+1(k)，d_j+1(k)均由步骤(2)中式子获得。

实验进行小波分解的目的是实现信号的稀疏化，对于(2)中获得的信号的低频系数和高频系数分别进行重构得到，高频部分重构得到的信号稀疏性较低频部分重构得到的稀疏性理想，且高频部分重构后的信号不影响最终提取信号的完整性，所以实验只对信号的高频部分进行重构。

所述步骤(4)：通过调整聚类点的个数和k均值聚类的算法实现混合矩阵的估计，

具体步骤如下(如图2)：

(4-1)确定一函数

其中，Z_m为第m个样点与原点的距离；

(4-2)根据(4-1)中的函数，按采样点与原点距离的大小进行顺序排列；

(4-3)从最小(或最大)数值的采样点开始，对邻近的两个采样点进行曲线拟合；

(4-4)根据采样点聚集的直线理论上过原点的性质，对拟合后多项式系数的常数项进行零值判断；

(4-5)判断该常数项的绝对值是否小于某一常数K，若小于则执行(4-3)将该采样点与下一个邻近的采样点进行曲线拟合，若否则执行(4-6)；

(4-6)对满足上述条件的采样点进行k均值聚类分析，并求其聚类中心；

(4-7)将聚类中心转化为混合矩阵。

所述步骤(5)：二导联盲源分离的线性混合数学模型为X＝AS；其中，S＝[s₁，s₂]^T为源信号，即为正常心电信号和VLP；X＝[x₁，x₂]^T为混合信号，即体表检测到的二导联信号；A_2×2为混合矩阵。通过已知的X和(4)中求得的混合矩阵，即可根据S＝A^-1X求得源信号S。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (5)

1.一种基于稀疏成分分析的心室晚电位分离方法，其特征在于，包括以下步骤：

(1)通过心电图机获取两路观测信号，或者从体表获取两路心电信号，然后滤除50Hz工频干扰、矫正正常信号的基线漂移、滤除肌电干扰得到两路观测信号；

(2)选取较合适的基小波对观测信号进行小波分解；

(3)对小波分解后的高频部分进行重构，实现观测信号的稀疏化；

(4)对稀疏化后信号的采样点进行混合矩阵的估计；

(5)根据(4)求得的混合矩阵和盲源分离的线性混合数学模型求解源信号，从而实现心室晚电位与正常心电信号的分离。

2.根据权利要求1所述的心室晚电位分离方法，其特征在于，所述步骤(2)中，信号的分解可通过滤波器组来实现，令a_j(k)，d_j(k)为多分辨率分析中的离散逼近系数，则通过下式实现信号的小波变换，获取a_j(k)的低频系数和高频系数：

$a_{j+1}\left(k\right)=\underset{n=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{a}_j\left(n\right)h_0(n-2k)=a_j\left(k\right)*{\stackrel{-}{h}}_0\left(2k\right)$

$d_{j+1}\left(k\right)=\underset{n=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{a}_j\left(n\right)h_1(n-2k)=a_j\left(k\right)*{\stackrel{-}{h}}_1\left(2k\right)$ 其中，h₀(k)，h₁(k)是二尺度差分方程的滤波器。

3.根据权利要求2所述的心室晚电位分离方法，其特征在于，所述步骤(3)中：对信号进行分解之后，采用下式进行信号的重构：

$a_j\left(k\right)=\underset{n=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{a}_{j+1}\left(n\right)h_0(k-2n)+\underset{n=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{d}_{j+1}\left(n\right)h_1(k-2n).$

4.根据权利要求1所述的心室晚电位分离方法，其特征在于，所述步骤(4)：通过调整聚类点的个数和k均值聚类的算法实现混合矩阵的估计，具体步骤如下：

(4-1)确定一函数

其中，Z_m为第m个样点与原点的距离；

(4-2)根据(4-1)中的函数，按采样点与原点距离的大小进行顺序排列；

(4-3)从最小或最大数值的采样点开始，对邻近的两个采样点进行曲线拟合；

(4-4)根据采样点聚集的直线理论上过原点的性质，对拟合后多项式系数的常数项进行零值判断；

(4-5)判断该常数项的绝对值是否小于某一常数K，若小于则执行(4-3)将该采样点与下一个邻近的采样点进行曲线拟合，若否则执行(4-6)；

(4-6)对满足上述条件的采样点进行k均值聚类分析，并求其聚类中心；

(4-7)将聚类中心转化为混合矩阵。

5.根据权利要求1所述的心室晚电位分离方法，其特征在于，所述步骤(5)：二导联盲源分离的线性混合(已滤除噪声)数学模型为X＝AS其中，S＝[s₁，s₂]^T为源信号，即为正常心电信号和VLP；X＝[x₁，x₂]^T为混合信号，即体表检测到的二导联信号；A_2×2为混合矩阵；通过已知的X和(4)中求得的混合矩阵，即可根据S＝A^-1X求得源信号S。

Images