CN104424488B - 一种提取bcg信号特征的方法及系统 - Google Patents

一种提取bcg信号特征的方法及系统 Download PDF

Info

Publication number
CN104424488B
CN104424488B CN201310393391.3A CN201310393391A CN104424488B CN 104424488 B CN104424488 B CN 104424488B CN 201310393391 A CN201310393391 A CN 201310393391A CN 104424488 B CN104424488 B CN 104424488B
Authority
CN
China
Prior art keywords
frequency range
bcg
feature
residual entropy
bcg signals
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.)
Active
Application number
CN201310393391.3A
Other languages
English (en)
Other versions
CN104424488A (zh
Inventor
马志新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Broadband Technology and Application Engineering Research Center
Original Assignee
Shanghai Broadband Technology and Application Engineering Research Center
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Broadband Technology and Application Engineering Research Center filed Critical Shanghai Broadband Technology and Application Engineering Research Center
Priority to CN201310393391.3A priority Critical patent/CN104424488B/zh
Publication of CN104424488A publication Critical patent/CN104424488A/zh
Application granted granted Critical
Publication of CN104424488B publication Critical patent/CN104424488B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/16—Classification; Matching by matching signal segments

Abstract

本发明提供一种提取BCG信号特征的方法及系统，所述提取BCG信号特征的方法包括：对BCG信号进行频段划分，获得不同频段的BCG信号；对每个频段的BCG信号进行累积残余熵运算，获得频段累积残余熵特征；对不同频段的频段累积残余熵特征进行分析，获得能够反映BCG信号携带信息的有效频段累积残余熵特征。本发明将累积残余熵算法引入到BCG信号的特征提取分类中，针对BCG信号的不同频段进行特征提取，可以分析得到哪一个频段对疾病的分类有突出贡献，并对分析结果进行分类，以达到准确提取BCG信号中有用的特征从而进行疾病分类诊断的目的。

Description

一种提取BCG信号特征的方法及系统
技术领域
本发明属于生物医学技术领域，涉及一种提取BCG信号特征的方法及系统。
背景技术
在目前的生物医学工程研究当中，我们对人体的各种生理信号进行采集与处理。其中，心电信号是生理信号的一种，其所包含的信息对心脏疾病的诊断具有重要意义。但是传统的心电信号需要在被试者身上进行电极接入等接触性的设备放置才能获得，因此如何在不影响被试者正常生活的条件下分析得到相应的心脏生理信号成了研究的热点。BCG（ballistocardiogram，心冲击）信号的采集与处理也被广泛的应用和研究，BCG信号的采集由于不接触被试者身体，所以得到的信号中包含了太多的干扰信号，周围环境与采集设备本身的干扰也会极大的影响BCG信号的质量，干扰过多的信号对于诊断是没有意义的，因此如何得到BCG信号中有用的特征是进行疾病分类诊断的关键问题所在。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种提取BCG信号特征的方法及系统，用于解决现有技术中BCG信号包含了太多干扰信息的问题。
为实现上述目的及其他相关目的，本发明提供一种提取BCG信号特征的方法及系统。
一种提取BCG信号特征的方法，包括：对BCG信号进行频段划分，获得不同频段的BCG信号；对每个频段的BCG信号进行累积残余熵运算，获得BCG信号在每个频段的累积残余熵特征；对所有频段的累积残余熵特征进行分析，获得能够反映BCG信号携带信息的有效频段累积残余熵特征。
优选地，采用小波算法对BCG信号进行频段划分。
优选地，通过将得到的每个频段的累积残余熵特征与已知BCG信号的标准形态做对比，验证提取特征的正确性，从而获得能够反映BCG信号携带信息的有效频段累积残余熵特征。
优选地，所述提取BCG信号特征的方法还包括：对所述有效频段累积残余熵特征进行分类处理，具体处理过程为：将所述有效频段累积残余熵特征与特定类型疾病的典型BCG信号的信息进行对比，做出针对特定类型疾病的分类。
优选地，所述特定类型疾病包括心率不齐疾病。
一种提取BCG信号特征的系统，包括：频段划分模块，特征提取模块，特征判定模块；所述频段划分模块对输入的BCG信号进行频段划分，输出不同频段的BCG信号；所述特征提取模块与所述频段划分模块相连，对每个频段的BCG信号进行累积残余熵运算，提取BCG信号在每个频段的累积残余熵特征，即频段累积残余熵特征；所述特征判定模块与所述特征提取模块相连，对所有频段的累积残余熵特征进行分析，获得能够反映BCG信号携带信息的有效频段累积残余熵特征。
优选地，所述特征判定模块包括：比较单元，有效判定单元；所述比较单元与所述特征提取模块相连，将每个频段累积残余熵特征与所述BCG信号的标准形态做对比，输出对比结果；所述有效判定单元与所述比较单元相连，根据所述对比结果验证频段累积残余熵特征的正确性，输出能够反映BCG信号携带信息的频段累积残余熵特征，能够反映BCG信号携带信息的频段累积残余熵特征即为有效频段累积残余熵特征。
优选地，所述提取BCG信号特征的系统还包括：分类处理模块，与所述特征判定模块相连，将所述有效频段累积残余熵特征与特定类型疾病的典型BCG信号的信息进行对比，做出针对特定类型疾病的分类。
优选地，所述提取BCG信号特征的系统还包括：存储模块，与所述分类处理模块相连，存储有特定类型疾病的典型BCG信号的信息。
如上所述，本发明所述的提取BCG信号特征的方法及系统，具有以下有益效果：
本发明将累积残余熵算法引入到BCG信号的特征提取分类中，针对BCG信号的不同频段进行特征提取，可以分析得到哪一个频段对疾病的分类有突出贡献，并对分析结果进行分类，以达到准确提取BCG信号中有用的特征从而进行疾病分类诊断的目的。
附图说明
图1为本发明所述的提取BCG信号特征的方法的流程示意图。
图2为本发明所述的提取BCG信号特征的系统的结构框图。
图3为本发明所述的特征判定模块的结构框图。
元件标号说明
200 提取BCG信号特征的系统
210 频段划分模块
220 特征提取模块
230 特征判定模块
231 比较单元
232 有效判定单元
240 分类处理模块
250 存储模块
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。
请参阅附图。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
下面结合实施例和附图对本发明进行详细说明。
实施例
本实施例提供一种提取BCG信号特征的方法，如图1所示，所述提取BCG信号特征的方法包括：
对BCG信号进行频段划分，获得不同频段的BCG信号。进一步，本发明采用小波算法对BCG信号进行频段划分。
应用累积残余熵计算方法对每个频段的BCG信号进行分析，获得BCG信号在每个频段的累积残余熵特征。
对不同频段的频段累积残余熵特征进行分析，从熵值与实践序列的关系中获得能够反映BCG信号携带信息的有效频段累积残余熵特征。具体地，通过将得到每个频段的累积残余熵特征与已知BCG信号的标准形态做对比，验证提取特征的正确性，从而获得能够反映BCG信号携带信息的有效频段累积残余熵特征。
对所述有效频段累积残余熵特征进行分类处理，具体处理过程为：将所述有效频段累积残余熵特征与特定类型疾病的典型BCG信号的信息进行对比，做出针对特定类型疾病的分类。所述特定类型疾病如心率不齐等，针对心跳时间方面的初步分析，可以实现对于心率不齐的患者进行疾病筛查。
本实施例还提供一种提取BCG信号特征的系统，该系统可以实现本发明所述的提取BCG信号特征的方法，但本发明所述的提取BCG信号特征的方法的实现装置包括但不限于本发明列举的提取BCG信号特征的系统。
如图2所示，所述提取BCG信号特征的系统200包括：频段划分模块210，特征提取模块220，特征判定模块230，分类处理模块240，存储模块250。
所述频段划分模块210对输入的BCG信号进行频段划分，输出不同频段的BCG信号。所述频段划分模块210可以采用小波算法对输入的BCG信号进行频段划分，但划分频段的方式包括但不限于小波算法。
所述特征提取模块220与所述频段划分模块210相连，对每个频段的BCG信号进行累积残余熵运算，提取BCG信号在每个频段的累积残余熵特征，即频段累积残余熵特征。
所述特征判定模块230与所述特征提取模块220相连，对所有频段的累积残余熵特征进行分析，获得能够反映BCG信号携带信息的有效频段累积残余熵特征。进一步，如图3所示，所述特征判定模块230包括：比较单元231，有效判定单元232；所述比较单元231与所述特征提取模块220相连，将每个频段累积残余熵特征与所述BCG信号的标准形态做对比，输出对比结果。所述有效判定单元232与所述比较单元231相连，根据所述对比结果验证频段累积残余熵特征的正确性，输出能够反映BCG信号携带信息的频段累积残余熵特征，能够反映BCG信号携带信息的频段累积残余熵特征即为有效频段累积残余熵特征。
所述分类处理模块240与所述特征判定模块230相连，将所述有效频段累积残余熵特征与特定类型疾病的典型BCG信号的信息进行对比，做出针对特定类型疾病的分类。
所述存储模块250与所述分类处理模块240相连，存储有特定类型疾病的典型BCG信号的信息。
本发明利用累积残余熵对BCG信号进行特征提取，累积残余熵是衡量随机变量不确定性的方法，基本思想是用累积分布函数代替shannon（香农）熵定义中的密度函数，累积残余熵是shannon熵的发展，在克服shannon熵不足的同时，亦保留了shannon熵很多重要的性质，且其具有弱收敛性，和鲁棒性。累积残余熵的优点在于其物理意义明确，采用累积分布函数作为度量标准，更能反映熵值与时间序列的关系；其计算所需的数据短，参数少，算法运算量小；算法具备相对一致性，不计数自身匹配值，具有很好的鲁棒性和收敛性；既可以分析确定信号也可以分析随机信号。
本发明BCG信号中包含了太多的干扰信号，周围环境与采集设备本身的干扰也会极大的影响BCG信号的质量，干扰过多的信号对于诊断是没有意义的，因此如何得到BCG信号中有用的特征是进行疾病分类诊断的关键问题所在。因此，本发明将累积残余熵算法引入到BCG信号的特征提取分类中，针对BCG信号的不同频段进行特征提取，可以分析得到哪一个频段对疾病的分析有突出贡献，并对分析结果进行分类，以达到预定目的。
本发明引入累积残余熵提取BCG信号的优点在于：
1）累积残余熵采用的累积分布函数具有收敛性，可以很好地表征连续采集的信号；
2）和其他熵比起来，累积残余熵具有更好的抗噪和抗干扰能力，特别适用于BCG这种本身噪声比较大的信号的特征提取；
3）累积残余熵的参数比较少，能够更加灵活的控制和改变疾病识别的分类性能。
上述实施例仅列示性说明本发明的原理及功效，而非用于限制本发明。任何熟悉此项技术的人员均可在不违背本发明的精神及范围下，对上述实施例进行修改。因此，本发明的权利保护范围，应如权利要求书所列。
综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (3)

1.一种提取BCG信号特征的系统，其特征在于，所述提取BCG信号特征的系统包括：
频段划分模块，对输入的BCG信号进行频段划分，输出不同频段的BCG信号；
特征提取模块，与所述频段划分模块相连，对每个频段的BCG信号进行累积残余熵运算，提取BCG信号在每个频段的累积残余熵特征，即频段累积残余熵特征；
特征判定模块，与所述特征提取模块相连，对所有频段的频段累积残余熵特征进行分析，获得能够反映BCG信号携带信息的有效频段累积残余熵特征；
所述特征判定模块包括：
比较单元，与所述特征提取模块相连，将每个频段累积残余熵特征与所述BCG信号的标准形态做对比，输出对比结果；
有效判定单元，与所述比较单元相连，根据所述对比结果验证频段累积残余熵特征的正确性，输出能够反映BCG信号携带信息的频段累积残余熵特征，能够反映BCG信号携带信息的频段累积残余熵特征即为有效频段累积残余熵特征。
2.根据权利要求1所述的提取BCG信号特征的系统，其特征在于，所述提取BCG信号特征的系统还包括：
分类处理模块，与所述特征判定模块相连，将所述有效频段累积残余熵特征与特定类型疾病的典型BCG信号的信息进行对比，做出针对特定类型疾病的分类。
3.根据权利要求2所述的提取BCG信号特征的系统，其特征在于，所述提取BCG信号特征的系统还包括：
存储模块，与所述分类处理模块相连，存储有特定类型疾病的典型BCG信号的信息。
CN201310393391.3A 2013-09-02 2013-09-02 一种提取bcg信号特征的方法及系统 Active CN104424488B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310393391.3A CN104424488B (zh) 2013-09-02 2013-09-02 一种提取bcg信号特征的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310393391.3A CN104424488B (zh) 2013-09-02 2013-09-02 一种提取bcg信号特征的方法及系统

Publications (2)

Publication Number Publication Date
CN104424488A CN104424488A (zh) 2015-03-18
CN104424488B true CN104424488B (zh) 2018-06-22

Family

ID=52973398

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310393391.3A Active CN104424488B (zh) 2013-09-02 2013-09-02 一种提取bcg信号特征的方法及系统

Country Status (1)

Country Link
CN (1) CN104424488B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10722182B2 (en) 2016-03-28 2020-07-28 Samsung Electronics Co., Ltd. Method and apparatus for heart rate and respiration rate estimation using low power sensor
ES2656765B1 (es) * 2016-07-27 2019-01-04 Univ Catalunya Politecnica Método y aparato para detectar eventos sistólicos mecánicos a partir del balistocardiograma
CN108042141B (zh) * 2017-11-17 2020-11-10 深圳和而泰智能控制股份有限公司 一种信号处理方法及装置
CN108836299B (zh) * 2018-04-23 2021-05-14 深圳市友宏科技有限公司 一种bcg心率提取方法、存储介质以及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102469958A (zh) * 2009-07-31 2012-05-23 皇家飞利浦电子股份有限公司 用于分析心冲击图信号的方法和装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102469958A (zh) * 2009-07-31 2012-05-23 皇家飞利浦电子股份有限公司 用于分析心冲击图信号的方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Cumulative Residual Entropy: A New Measure of Information;Murali Rao et al.;《IEEE TRANSACTIONS ON INFORMATION THEORY》;20040630;第50卷(第6期);第1220-1228页 *
心冲击图信号中呼吸成分的时频检测方法研究;蒋芳芳等;《生物医学工程学杂志》;20120630;第29卷(第3期);第397-401页 *

Also Published As

Publication number Publication date
CN104424488A (zh) 2015-03-18

Similar Documents

Publication Publication Date Title
CN113420624B (zh) 一种非接触式疲劳检测方法及系统
CN105701470B (zh) 一种基于最优小波包分解的模拟电路故障特征提取方法
CN104424488B (zh) 一种提取bcg信号特征的方法及系统
CN106473750A (zh) 基于光电容积脉搏波最佳周期波形的身份识别方法
CN107831907A (zh) 基于步态识别的身份认证方法及装置
CN104274191B (zh) 一种心理测评方法及其系统
CN107194361A (zh) 二维姿势检测方法及装置
Hestbek et al. Biometric gait recognition for mobile devices using wavelet transform and support vector machines
CN109766785A (zh) 一种人脸的活体检测方法及装置
CN103315753A (zh) 便携式情感分析仪及分析方法
WO2021068781A1 (zh) 一种疲劳状态识别方法、装置和设备
Zhao et al. Parameter optimal determination for canny edge detection
CN114041786B (zh) 心冲击图信号的检测方法、装置以及设备
Lederman et al. Alternating diffusion for common manifold learning with application to sleep stage assessment
CN109410138A (zh) 修饰双下巴的方法、装置和系统
CN104679967A (zh) 一种判断心理测试可靠性的方法
WO2021120007A1 (zh) 一种基于红外图像序列的睡眠质量评估系统和方法
Zhang et al. The identification of fractional order systems by multiscale multivariate analysis
Bae et al. Robust skin-roughness estimation based on co-occurrence matrix
CN106778491A (zh) 人脸3d特征信息的获取方法及设备
Ramakrishnan et al. Epileptic eeg signal classification using multi-class convolutional neural network
CN103390150B (zh) 人体部件检测方法和装置
Rajeesh et al. Performance analysis of wave atom transform in texture classification
Yang et al. Robust spike classification based on frequency domain neural waveform features
Mesri Localization of hemorrhage site in stroke patients using multichannel microwave measurements

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant