CN103860167A - 基于非负矩阵分解的j波提取和分析方法 - Google Patents
基于非负矩阵分解的j波提取和分析方法 Download PDFInfo
- Publication number
- CN103860167A CN103860167A CN201410130650.8A CN201410130650A CN103860167A CN 103860167 A CN103860167 A CN 103860167A CN 201410130650 A CN201410130650 A CN 201410130650A CN 103860167 A CN103860167 A CN 103860167A
- Authority
- CN
- China
- Prior art keywords
- matrix
- prime
- source signal
- electrocardiosignal
- wave source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及J波的提取和分析方法,具体为基于非负矩阵分解的J波提取和分析方法,包括以下步骤:获取带有J波源信号的心电信号,预处理获取初值矩阵V1、V2;由重构误差求得混合矩阵W和源信号矩阵H,并对对W、H进行初始化,得到非负矩阵W'和H';通过W'、H'各自迭代算法使目标函数收敛,得到非负矩阵W'和H',得到的H1、H2,将H1和H2合并后就得到了J波源信号,对得到J波源信号进行变换,提取得到数字特征,将相同数字特征的J波源信号归类。本发明成功提取出了J波,J波的提取精度达到了,而且对J波在时域、频域、功率谱密度以及光谱上进行分析,提取得到J波的特征,将相同数字特征的J波归为同一类,然后医生结合上临床病例为病人准确诊断。
Description
技术领域
本发明涉及J波的提取和分析方法,具体为基于非负矩阵分解的J波提取和分析方法。
背景技术
J波是一种正常的心电图变异,当J波经过分析,从中提取J波的特性,医生再结合上临床病例,可更准确诊断室速、室颤、致命性的恶性心律失常等心室疾病,因此提取J波非常重要。虽然目前对心电信号处理的方法已经很成熟,但是从心电信号中提取J波源信号的方法还是比较少见,并且提取的精度不高,而且提取出来的J波要进行分析,就要从信号的数字特征上去研究J波,就得先把J波的源信号从心电信号中单独提取出来,若J波提取的精度不高对后期分析归类的准确度有了一定的影响,应用在临床上,就可能会对J波病人病情的诊断造成误诊;同时对J波的分析即通过带有J波的心电信号的心电图进行分析判断,这些判断只能局限于从心电信号的幅值、波形以及发生位置等方面进行,没有从信号处理角度出发去研究,因此存在判断误差。
发明内容
本发明为了解决现有的提取J波的方法的提取精度低和对J波的分析存在误差的问题,提供了基于非负矩阵分解的J波提取和分析方法。
本发明是采用如下的技术手段实现的:基于非负矩阵分解的J波提取和分析方法,包括以下步骤:
通过心电图机获取带有J波源信号的心电信号;
对心电信号的矩阵V进行预处理获取初值矩阵V1、V2:将心电信号的矩阵V中的正元素取出来,并构成一个新的初值矩阵V1,心电信号的矩阵V中的正元素被取走而空余出来的位置全部补零,心电信号的矩阵V中的零元素和负元素构成的矩阵取绝对值后得到一个新的初值矩阵V2;
由重构误差求得混合矩阵W和源信号矩阵H,选择基于主成分分析的初始化方法对W、H进行初始化,得到非负矩阵W'和H':重构误差式中是心电信号的矩阵V中元素减去心电信号的矩阵V中元素的均值后的集合,E代表心电信号的矩阵V中元素的期望,当重构误差最小时,求得混合矩阵W和源信号矩阵H,采用基于主成分分析(PCA)的初始化方法对W、H进行初始化,再对初始化后的W、H进行非负性处理,即W中的元素wik=max(0,wik),H中的元素hkj=max(0,hkj),得到非负矩阵W'和H';
通过W'、H'各自迭代算法使NMF算法中的目标函数 收敛,式中Vij为心电信号的矩阵V中元素,D(V1||W'H')收敛时,得到的H1,D(V2||W'H')收敛时得到H2,W'的迭代算法为 H'的迭代算法为
上述得到H1为J波源信号在坐标轴上正半轴信号,H2中的元素全部取负值后为J波源信号在坐标轴上负半轴信号,将H1和H2合并后就得到了J波源信号;
对得到J波源信号进行在时域、频域、功率谱密度以及光谱的变换,并得到各个变换的波形图;
由各个波形图提取得到J波源信号的数字特征,将相同数字特征的J波源信号归类。
本发明先从心电图机中获得带有J波源信号的心电信号,心电图机已经滤除了心电信号中的噪声,而心电信号的矩阵中的元素有正有负,通过将心电信号矩阵中的正负元素分开,并把负元素取反后得到两个非负的初值矩阵V1和V2,以满足后续NMF算法求解H1和H2时算法对矩阵非负性的要求,然后重构误差(重构误差为重构的混合矩阵W和源信号矩阵H的均方误差)求得混合矩阵W和源信号矩阵H,再对混合矩阵W和源信号矩阵H进行非负性处理得到非负矩阵W'和H',特别地,本发明采用均方误差(mean square error,MSE)求取混合矩阵W和源信号矩阵H,从均方误差的角度而言,基于主成分分析(PCA)是最有代表的,具有最优正交分解方法,对信号进行压缩并能够得到最大的信噪比,这样既滤除了噪声又降低了信号的维数,节省了后续的分解时间以及提高了分离精度,然后根据NMF算法中的目标函数,由初值矩阵V1和V2和混合矩阵W和源信号矩阵H,求得矩阵H1和H2,H1为J波源信号在坐标轴上正半轴信号,H2中的元素全部取负值后为J波源信号在坐标轴上负半轴信号,将H1和H2合并后就得到了J波源信号,到此,本发明提取得到了J波源信号,和其他提取方法相比,提取到的信号的实际分离精度高,最后再对J波源信号进行分析,得到其数字特征,将相同数字特征的J波归为同一类,然后医生结合上临床病例为病人准确诊断。
本发明成功提取出了J波,J波的提取精度达到了,而且对J波在时域、频域、功率谱密度以及光谱上进行分析,提取得到J波的特征,将相同数字特征的J波归为同一类,然后医生结合上临床病例为病人准确诊断。
附图说明
图1为本发明的流程示意图。
具体实施方式
基于非负矩阵分解的J波提取方法,包括以下步骤:
通过心电图机获取带有J波的心电信号;
对心电信号的矩阵V进行预处理获取初值矩阵V1、V2:将心电信号的矩阵V中的正元素取出来,并构成一个新的初值矩阵V1,心电信号的矩阵V中的正元素被取走而空余出来的位置全部补零,心电信号的矩阵V中的零元素和负元素构成的矩阵取绝对值后得到一个新的初值矩阵V2;
由重构误差求得混合矩阵W和源信号矩阵H,选择基于主成分分析的初始化方法对W、H进行初始化,得到非负矩阵W'和H':重构误差式中是心电信号的矩阵V中元素减去心电信号的矩阵V中元素的均值后的矩阵,E代表心电信号的矩阵V中元素的期望,当重构误差最小时,求得混合矩阵W和源信号矩阵H,采用基于主成分分析(PCA)的初始化方法对W、H进行初始化,再对初始化后的W、H进行非负性处理,即W中的元素wik=max(0,wik),H中的元素hkj=max(0,hkj),得到非负矩阵W'和H';
通过W'、H'各自迭代算法使NMF算法中的目标函数 收敛,式中Vij为矩阵V中元素,D(V1||W'H')收敛时,得到的H1,D(V2||W'H')收敛时得到H2,W'的迭代算法为 H'的迭代算法为 NMF算法基本思想为:对于给定的心电信号的矩阵V,寻找一个混合矩阵W与源信号矩阵H,使得,V=WH,即目标函数收敛;
上述得到H1为J波源信号在坐标轴上正半轴信号,H2中的元素全部取负值后为J波源信号在坐标轴上负半轴信号,将H1和H2合并后就得到了J波源信号。
对得到J波源信号进行在时域、频域、功率谱密度以及光谱的变换,并得到各个变换的波形图;
由各个波形图提取得到J波源信号的数字特征,将相同数字特征的J波源信号归类。
Claims (1)
1.基于非负矩阵分解的J波提取和分析方法,其特征在于包括以下步骤:
通过心电图机获取带有J波源信号的心电信号;
对心电信号的矩阵V进行预处理获取初值矩阵V1、V2:将心电信号的矩阵V中的正元素取出来,并构成一个新的初值矩阵V1,心电信号的矩阵V中的正元素被取走而空余出来的位置全部补零,心电信号的矩阵V中的零元素和负元素构成的矩阵取绝对值后得到一个新的初值矩阵V2;
由重构误差求得混合矩阵W和源信号矩阵H,选择基于主成分分析的初始化方法对W、H进行初始化,得到非负矩阵W'和H':重构误差式中是心电信号的矩阵V中元素减去心电信号的矩阵V中元素的均值后的矩阵,E代表心电信号的矩阵V中元素的期望,当重构误差最小时,求得混合矩阵W和源信号矩阵H,采用基于主成分分析的初始化方法对W、H进行初始化,再对初始化后的W、H进行非负性处理,即W中的元素wik=max(0,wik),H中的元素hkj=max(0,hkj),得到非负矩阵W'和H';
通过W'、H'各自迭代算法使NMF算法中的目标函数 收敛,式中Vij为心电信号的矩阵V中元素,D(V1||W'H')收敛时,得到的H1,D(V2||W'H')收敛时得到H2,W'的迭代算法为 H'的迭代算法为
上述得到H1为J波源信号在坐标轴上正半轴信号,H2中的元素全部取负值后为J波源信号在坐标轴上负半轴信号,将H1和H2合并后就得到了J波源信号;
对得到J波源信号进行在时域、频域、功率谱密度以及光谱的变换,并得到各个变换的波形图;
由各个波形图提取得到J波源信号的数字特征,将相同数字特征的J波源信号归类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410130650.8A CN103860167B (zh) | 2014-04-02 | 2014-04-02 | 基于非负矩阵分解的j波提取和分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410130650.8A CN103860167B (zh) | 2014-04-02 | 2014-04-02 | 基于非负矩阵分解的j波提取和分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103860167A true CN103860167A (zh) | 2014-06-18 |
CN103860167B CN103860167B (zh) | 2015-09-09 |
Family
ID=50899598
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410130650.8A Active CN103860167B (zh) | 2014-04-02 | 2014-04-02 | 基于非负矩阵分解的j波提取和分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103860167B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104367315A (zh) * | 2014-11-13 | 2015-02-25 | 太原理工大学 | 一种提取心电图中j波信号的盲源分离方法 |
CN104783787A (zh) * | 2015-04-24 | 2015-07-22 | 太原理工大学 | 一种基于神经网络的j波检测方法 |
CN104978573A (zh) * | 2015-07-06 | 2015-10-14 | 河海大学 | 一种应用于高光谱图像处理的非负矩阵分解方法 |
CN105125209A (zh) * | 2015-09-10 | 2015-12-09 | 太原理工大学 | 基于扩展卡尔曼滤波的j波检测与分类方法 |
CN105310688A (zh) * | 2015-11-02 | 2016-02-10 | 广东工业大学 | 一种基于非负盲分离胎儿心电特征信号提取方法 |
CN107303177A (zh) * | 2016-04-15 | 2017-10-31 | 中国科学院微电子研究所 | 一种心电图t波、p波的检测方法及系统 |
CN107463956A (zh) * | 2017-08-02 | 2017-12-12 | 广东工业大学 | 一种基于非负矩阵分解的心肺音分离的方法及装置 |
-
2014
- 2014-04-02 CN CN201410130650.8A patent/CN103860167B/zh active Active
Non-Patent Citations (3)
Title |
---|
B. GHORAANI ET AL.: "T wave alternans evaluation using adaptive time–frequency signal analysis and non-negative matrix factorization", 《MEDICAL ENGINEERING & PHYSICS》, 31 December 2011 (2011-12-31), pages 700 - 711 * |
T.M. RUTKOWSKI ET AL.: "Multichannel EEG brain activity pattern analysis in time–frequency domain with nonnegative matrix factorization support", 《INTERNATIONAL CONGRESS SERIES 1301》, 31 December 2007 (2007-12-31), pages 266 - 269 * |
毕晓辉: "欠定盲源分离问题及其在信号提取中的应用", 《中国优秀硕士学位论文全文数据库(信息科技辑)》, no. 02, 15 February 2010 (2010-02-15), pages 136 - 42 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104367315A (zh) * | 2014-11-13 | 2015-02-25 | 太原理工大学 | 一种提取心电图中j波信号的盲源分离方法 |
CN104783787A (zh) * | 2015-04-24 | 2015-07-22 | 太原理工大学 | 一种基于神经网络的j波检测方法 |
CN104783787B (zh) * | 2015-04-24 | 2017-06-16 | 太原理工大学 | 一种基于神经网络的j波检测方法 |
CN104978573A (zh) * | 2015-07-06 | 2015-10-14 | 河海大学 | 一种应用于高光谱图像处理的非负矩阵分解方法 |
CN104978573B (zh) * | 2015-07-06 | 2018-07-24 | 河海大学 | 一种应用于高光谱图像处理的非负矩阵分解方法 |
CN105125209A (zh) * | 2015-09-10 | 2015-12-09 | 太原理工大学 | 基于扩展卡尔曼滤波的j波检测与分类方法 |
CN105310688A (zh) * | 2015-11-02 | 2016-02-10 | 广东工业大学 | 一种基于非负盲分离胎儿心电特征信号提取方法 |
CN105310688B (zh) * | 2015-11-02 | 2018-07-10 | 广东工业大学 | 一种基于非负盲分离胎儿心电特征信号提取方法 |
CN107303177A (zh) * | 2016-04-15 | 2017-10-31 | 中国科学院微电子研究所 | 一种心电图t波、p波的检测方法及系统 |
CN107463956A (zh) * | 2017-08-02 | 2017-12-12 | 广东工业大学 | 一种基于非负矩阵分解的心肺音分离的方法及装置 |
CN107463956B (zh) * | 2017-08-02 | 2020-07-03 | 广东工业大学 | 一种基于非负矩阵分解的心肺音分离的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103860167B (zh) | 2015-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103860167B (zh) | 基于非负矩阵分解的j波提取和分析方法 | |
WO2021226778A1 (zh) | 一种基于层次图卷积神经网络的癫痫脑电识别系统、终端及存储介质 | |
CN102721545B (zh) | 一种基于多特征参量的滚动轴承故障诊断方法 | |
CN106803081A (zh) | 一种基于多分类器集成的脑电分类方法 | |
CN105841961A (zh) | 一种基于Morlet小波变换和卷积神经网络的轴承故障诊断方法 | |
CN104089774B (zh) | 一种基于并行多字典正交匹配的齿轮故障诊断方法 | |
CN103646252B (zh) | 一种基于优化的模糊学习矢量量化的苹果分类方法 | |
CN111523509A (zh) | 融合物理和深度表达特征的设备故障诊断及健康监测方法 | |
CN110619296A (zh) | 一种基于奇异分解的信号降噪方法 | |
CN104706349A (zh) | 一种基于脉搏波信号的心电信号构建方法 | |
CN103815897A (zh) | 一种心电图特征提取方法 | |
CN101972143A (zh) | 基于盲源提取的房颤监测方法 | |
CN105654963A (zh) | 频谱校正及数据密度聚类法语音欠定盲识别方法和装置 | |
CN103092971B (zh) | 一种用于脑机接口中的分类方法 | |
CN104569694A (zh) | 一种面向航天器飞行过程的电信号特征提取和识别系统 | |
CN103871058A (zh) | 基于压缩采样矩阵分解的红外小目标检测方法 | |
CN109620213A (zh) | 一种基于多尺度差分特征的心电识别方法及装置 | |
CN111528821A (zh) | 一种脉搏波中重搏波特征点识别方法 | |
Fira et al. | ECG compressed sensing based on classification in compressed space and specified dictionaries | |
CN104215456A (zh) | 一种基于平面聚类和频域压缩感知重构的机械故障诊断方法 | |
Akhbari et al. | ECG fiducial points extraction by extended kalman filtering | |
CN110647857A (zh) | 一种步态识别方法及系统 | |
CN111568409A (zh) | 基于双谱分析和图傅里叶变换的心电信号特征提取方法 | |
CN103239239B (zh) | 一种定幅值的动态光谱数据提取方法 | |
CN113639985B (zh) | 一种基于优化故障特征频谱的机械故障诊断与状态监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |