CN104434093A - 多重信号分类与功率谱密度相结合分析胃部生理电信号频率的方法 - Google Patents

Abstract

一种多重信号分类与功率谱密度相结合分析胃部生理电信号频率的方法，包括如下步骤：(1)提取到的原始人体胃部生理电信号并进行降采样；(2)使用多重信号分类方法对胃部生理电信号进行识别；(3)去除其他干扰生理电信号；(4)对已经排除干扰信号的生理电信号再次使用步骤(2)中多重信号分类方法估算主频率；(5)通过功率谱密度方法计算频率分布情况；(6)将步骤(5)得到的主频率值与功率谱密度方法计算得出的频率分布情况进行整合；(7)对步骤(6)得出的数值与多重信号分类方法得出的主频率值，优化得出最终的胃部生理电信号主频率。本技术应用在医疗设备中，能够更加有效的去除人体电信号，提高医疗设备检查准确率。

Description

多重信号分类与功率谱密度相结合分析胃部生理电信号频率的方法

技术领域

本发明涉及医学领域，特别是一种能够计算人体胃部生理电信号的主频率并对干扰信号进行处理的方法。

背景技术

从人体采集的生理电信号非常复杂，其中包括呼吸信号，心电信号等等，在现有的技术中仅通过硬件滤波很难将这些干扰信号去除，因此需要引用软件算法来达到这种针对弱生理电信号的干扰处理。

发明内容

为了解决上述存在的技术问题，本发明提供一种能够准确计算胃部生理信号主频率的方法。该方法使用多重信号分类的方法对胃部生理电信号进行识别，排除其他生理电信号的干扰，并准确的计算出胃部生理电信号的主频率。

本发明的目的是通过下述技术方案实现的：

多重信号分类与功率谱密度相结合分析胃部生理电信号频率的方法，其特征在于：包括如下步骤：

(1)首先将硬件通过采样，滤波提取到的原始人体胃部生理电信号并进行降采样；

(2)使用多重信号分类方法对胃部生理电信号进行识别；

(3)去除其他干扰生理电信号；

(4)对已经排除干扰信号的生理电信号再次使用步骤(2)中多重信号分类方法估算主频率；

(5)通过功率谱密度方法计算频率分布情况；

(6)将多重信号分类方法得出的主频率值与功率谱密度方法计算得出的频率分布情况做整合计算；

(7)对整合计算得出的数值与多重信号分类方法得出的主频率值，进行优化计算得出最终的胃部生理电信号主频率；

所述步骤(1)中的降采样算法过程如下：数据采样频率为0.5Hz，每12秒需要进行一次降采样处理数据，其中降采样计算公式为：

$a\left(n\right)=\underset{i=n}{\overset{24}{\mathrm{\Σ}}}{a}_i=(a_m+a_{m+1}+a_{m+1}......a_{24})/24.$

所述的步骤(2)中多重信号分类方法计算过程如下：假设空间有p个互不相关的信号以方位角θ₁,θ₂......θ_p入射到具有m个接收阵元的接收阵元阵列中，入射信号的数目p小于阵列的阵元数m；则此阵列系统的信号模型为： $x\left(n\right)=\underset{i=1}{\overset{p}{\mathrm{\Σ}}}a\left(w_i\right)s_i\left(n\right)+u\left(n\right)=A\left(w\right)s\left(n\right)+u\left(n\right);$ 其中：

s(n)＝[s₁(n),......,s_p(n)]

这里对于不同的w_i值，向量a(w_i)相互线性独立，矩阵非奇异

P＝E{s(n)s^H(n)},即rank(P)＝p

将上式改成标量形式，可以定义一种类似于功率谱的函数：

$P\left(w\right)=\frac{1}{{\mathrm{\α}}^H\left(w\right){\mathrm{GG}}^H\mathrm{\α}\left(w\right)}$

上式取峰值的P个w值给出P个信号的波达方向θ₁,θ₂......θ_p

该函数描述了空间参数的分布因此成为空间谱；并对多个信号进行识别，能够将胃部电信号与其他信号区分开；

所述的步骤(4)主频率估计过程如下：重复使用步骤(2)多重信号分类方法得出主频率值即数值相同且数量最多的P(w)值；

所述的步骤(5)功率谱密度分析方法，计算公式为：

$P\left(m\right)=\frac{\mathrm{\Δx}}{N}{\left|\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}z\left(n\right)e^{-i2\mathrm{\π}{f}_m\mathrm{n\Δx}}\right|}^2$

其中z(n)为每次经过降采样通过多重信号分析方法计算的主频率值；Δx为相邻主频率间的主频率变化率；N为主频率个数；e为固定参数；

所述的步骤(6)整合计算过程：是通过求出平均功率谱密度方法结合多重信号分类方法进行比较取最接近胃动频率的值即3CPM，此主频率值为胃部生理电信号的最终频率可作为诊断标准参考值；所述的平均功率谱公式为：

$P_{\mathrm{avg}}=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{p}_i/k$

其中K为采样系数；P_i为每次采样并经过多重信号分析计算的主频率值。

本发明的有益效果：本发明采用上述方案，使用多重信号分类的方法对胃部生理电信号进行识别，排除其他生理电信号的干扰，并准确的计算出胃部生理电信号的主频率。解决了以往单纯依靠滤波来过滤信号，不能满足人体生理电信号的过滤要求的问题，将本技术应用在医疗设备中，能够更加有效的去除人体电信号，从而提高医疗设备的检查准确率。

附图说明

图1是采用本发明计算人体胃部生理电信号的流程图。

具体实施方式

多重信号分类与功率谱密度相结合分析胃部生理电信号频率的方法，如图1所示，当取得硬件所采集到的人体胃部生理电信号后我们通过算法将采集到的信号进行①降采样，降采样的目的主要是减小算法的负担，由于胃部电信号的生理特性(一分钟三周的周期)，所以我们只需要十二秒钟采集一个点就可以因此通过降采样可以减小算法的负担，增加运算效率，不会对最终的结果造成影响。通过降采样后得到的胃部生理电信号通过②多重信号分类算法计算，可以分辨出胃部生理电信号，与其他干扰信号(例如：呼吸信号，心电信号等)。假设空间有p个互不相关的信号以方位角θ₁,θ₂......θ_p入射到具有m个接阵元的接收阵元阵列中，入射信号的数目p小于阵列的阵元数m。则此阵列系统的信号模型为：

$x\left(n\right)=\underset{i=1}{\overset{p}{\mathrm{\Σ}}}a\left(w_i\right)s_i\left(n\right)+u\left(n\right)=A\left(w\right)s\left(n\right)+u\left(n\right)$

其中：

s(n)＝[s₁(n),......,s_p(n)]

这里对于不同的w_i值，向量a(w_i)相互线性独立，矩阵非奇异

P＝E{s(n)s^H(n)},即rank(P)＝p

将上式改成标量形式，可以定义一种类似于功率谱的函数：

$P\left(w\right)=\frac{1}{{\mathrm{\α}}^H\left(w\right){\mathrm{GG}}^H\mathrm{\α}\left(w\right)}$

上式取峰值的P个w值给出P个信号的波达方向θ₁,θ₂......θ_p

这样定义的函数描述了空间参数的分布因此成为空间谱。并且能够对多个信号进行识别，这样就可以将胃部电信号与其他信号区分开，并通过下一步③去干扰算法将已经区分开的胃部生理电信号和干扰信号进行剥离得到最初级的胃部生理电信号。此时再次通过多重信号分类方法对已经剥离干扰信号的生理电信号进行④主频率估计计算，得到的主频率值只是一个不精确的胃部生理电信号主频率值，为了得到一个精确的主频率值，我们同时使用⑤功率谱密度分析算法对已经剥离干扰信号的生理电信号进行频率分布计算，此时可以得到的主频率代表着，整体胃部生理电信号的频率分布情况。其中功率谱密度具体公式为：

$P\left(m\right)=\frac{\mathrm{\Δx}}{N}{\left|\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}z\left(n\right)e^{-i2\mathrm{\π}{f}_m\mathrm{n\Δx}}\right|}^2$

我们将多重信号分析方法得到的主频率与功率谱密度分析算法得到的生理电信号频率分布情况，进行⑥整合计算得出一个，精确的主频率值。该主频率值就是频率分布最广泛的范围内的主频率值。具体是通过求出平均功率谱密度方法结合多重信号分类方法进行比较取最接近胃动频率的值即3CPM，此主频率值为胃部生理电信号的最终频率可作为诊断标准参考值。

其中平均功率谱公式为：

$P_{\mathrm{avg}}=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{p}_i/k$

其中K为采样系数。P_i为每次采样并经过多重信号分析技术计算的主频率值。

Claims (2)

1.多重信号分类与功率谱密度相结合分析胃部生理电信号频率的方法，其特征在于：包括如下步骤：

(1)首先将硬件通过采样，滤波提取到的原始人体胃部生理电信号并进行降采样；

(2)使用多重信号分类方法对胃部生理电信号进行识别；

(3)去除其他干扰生理电信号；

(4)对已经排除干扰信号的生理电信号再次使用步骤(2)中多重信号分类方法估算主频率；

(5)通过功率谱密度方法计算频率分布情况；

(6)将多重信号分类方法得出的主频率值与功率谱密度方法计算得出的频率分布情况做整合计算；

(7)对整合计算得出的数值与多重信号分类方法得出的主频率值，进行优化计算得出最终的胃部生理电信号主频率；

所述的步骤(2)中多重信号分类方法计算过程如下：假设空间有p个互不相关的信号以方位角θ₁,θ₂......θ_p入射到具有m个接收阵元的接收阵元阵列中，入射信号的数目p小于阵列的阵元数m；则此阵列系统的信号模型为： $x\left(n\right)=\underset{i=1}{\overset{p}{\mathrm{\Σ}}}a\left(w_i\right)s_i\left(n\right)+u\left(n\right)=A\left(w\right)s\left(n\right)+u\left(n\right);$

其中：

s(n)＝[s₁(n),......,s_p(n)]

这里对于不同的w_i值，向量a(w_i)相互线性独立，矩阵非奇异

P＝E{s(n)s^H(n)},即rank(P)＝p

将上式改成标量形式，可以定义一种类似于功率谱的函数：

$P\left(w\right)=\frac{1}{{\mathrm{\α}}^H\left(w\right){\mathrm{GG}}^H\mathrm{\α}\left(w\right)}$

上式取峰值的P个w值给出P个信号的波达方向θ₁,θ_2......θ_p

该函数描述了空间参数的分布因此成为空间谱；并对多个信号进行识别，能够将胃部电信号与其他信号区分开；

所述的步骤(4)主频率估计过程如下：重复使用步骤(2)多重信号分类方法得出主频率值即数值相同且数量最多的P(w)值；

所述的步骤(5)功率谱密度分析方法，计算公式为：

$P\left(m\right)=\frac{\mathrm{\Δx}}{N}{\left|\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}z\left(n\right)e^{-i2\mathrm{\π}{f}_m\mathrm{n\Δx}}\right|}^2$

其中z(n)为每次经过降采样通过多重信号分析方法计算的主频率值；Δx为相邻主频率间的主频率变化率；N为主频率个数；e为固定参数；

所述的步骤(6)整合计算过程：是通过求出平均功率谱密度方法结合多重信号分类方法进行比较取最接近胃动频率的值即3CPM，此主频率值为胃部生理电信号的最终频率可作为诊断标准参考值；所述的平均功率谱公式为：

$P_{\mathrm{avg}}=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{p}_i/k$

其中K为采样系数；P_i为每次采样并经过多重信号分析计算的主频率值。

2.根据权利要求1所述的多重信号分类与功率谱密度相结合分析胃部生理电信号频率的方法，其特征在于：

所述步骤(1)中的降采样算法过程如下：数据采样频率为0.5Hz，每12秒需要进行一次降采样处理数据，其中降采样计算公式为：

$a\left(n\right)=\underset{i=n}{\overset{24}{\mathrm{\Σ}}}{a}_i=(a_m+a_{m+1}+a_{m+1}......a_{24})/24.$