CN104545863B - 基于模糊模式识别的bcg心率提取方法及系统 - Google Patents

Abstract

本发明提供一种基于模糊模式识别的BCG心率提取方法及系统，该方法包括：采样BCG波形信号得到一维BCG数据；对所述一维BCG数据进行模极大值处理，获取一维BCG数据中全部有效的极值点的位置；选取全部有效的极值点中幅值超过预设最大值的点为拐点J，设J点的左侧相邻拐点为H点，J点的右侧相邻拐点为N点，构造出HJN波群的集合；以HJN波群中H点、J点和N点中彼此之间的相对距离作为HJN波群的共性判断准则，匹配选取所述集合中具备所述共性的HJN波群为心搏出现位置。本发明对BCG具体波形没有要求，只针对其周期性进行运算，适用于男女老少各种人，适应性强，实时性强，运算量少；计算心率之后还有验证运算，减少误判，可靠性强。

Description

基于模糊模式识别的BCG心率提取方法及系统

技术领域

本发明属于信号识别技术领域，涉及一种心率提取方法，特别是涉及一种基于模糊模式识别的BCG心率提取方法及系统。

背景技术

早期普遍使用的心率测量方法是：利用电极或传感器直接接触人体，对人体产生一定约束，从而使受试者产生一定的心理负担。后来出现了不直接接触人体，无须电极，通过测量心脏跳动对人体产生的微弱震动信号实现无感觉测量心率的方法。这种测量方法无须电极，不影响受试者正常的生活，为受试者在家中监测心脏的工作情况提供了可能，也对评估人们的工作压力、疲劳度和精神状况等日常生活状况有着重要意义。无感觉测量心率的实现原理是：当心脏向外泵血时，身体会产生与促使血液流动的力相反的作用力，该作用力引起了与心跳同步的身体震动，产生体震信号，体震信号的规律与心率相关，这种体震信号微弱且易受干扰，但可以在脊椎轴上通过一些敏感的力传感器测量出来。

心冲击信号是一种被广泛的研究的体震信号，描述心冲击的信号的图表称为心冲击图（ballistocardiography，简称BCG）。BCG最早在1961年被提出，由于当时科技水平的限制，仅停留在理论研究的范畴。随着现代传感器技术和信号处理技术的发展，监视BCG的静电荷敏感床垫、充气式微动敏感床垫、基于EMFi传感器的座椅等各种BCG产品应运而生。然而，无论是哪一款产品，在根据BCG进行心率计算的时候都需要长时间的数据采样建立经验值，或者是需要纯净的参照样本（比如同时通过直接接触或者约束人体的方式采集到的ECG样品）。另一方面，由于生理构造的复杂性，不同的个体产生的BCG在时域上的波形也各有不同。同一个检测设备在同样的外围环境下进行测量，对于不同的个体，比如一个老人和一个年轻人，获得的BCG形状也大相径庭。即使是对于同一个个体，坐着或者躺着的姿势的不同，产生的BCG都有可能不同。

目前各种BCG检测设备多用于椅子、床等设备，基本处于实验室开发阶段，尚不能满足轻松无负担实时检测心率的要求。

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基于模糊模式识别的BCG心率提取方法及系统，用于解决现有BCG心率提取技术中需要已知先验实验样本，提取准确率不高的问题。

为实现上述目的及其他相关目的，本发明提供一种基于模糊模式识别的BCG心率提取方法及系统。

一种基于模糊模式识别的BCG心率提取方法，包括：采样BCG波形信号得到一维BCG数据；对所述一维BCG数据进行模极大值处理，获取一维BCG数据中全部有效的极值点的位置；选取全部有效的极值点中幅值超过预设最大值的点为拐点J，设J点的左侧相邻拐点为H点，J点的右侧相邻拐点为N点，构造出HJN波群的集合；以HJN波群中H点、J点和N点中彼此之间的相对距离作为HJN波群的共性判断准则，匹配选取所述集合中具备所述共性的HJN波群为心搏出现位置。

优选地，对所述一维BCG数据进行所述模极大值处理的具体过程为：求所述一维BCG数据的一阶导数的模的极大值。

优选地，所述一维BCG数据的获取过程包括：对所述BCG波形信号进行高通滤波，去掉直流分量；对高通滤波后的BCG波形信号进行低通滤波，去掉工频干扰；对低通滤波后的BCG波形信号进行A/D转换，获得一维BCG数据。

优选地，所述拐点的获取过程包括：对所述一维BCG数据进行模极大值处理，获取一维BCG数据中全部极值点的位置；对所述全部极值点进行筛选，滤除幅度小于预设最小值的极值点，剩余的极值点为有效的极值点；在有效的极值点中选取幅值超过预设最大值的点为一维BCG数据的拐点。

优选地，所述HJN波群的共性判断准则还包括：位于H点与J点之间的I点与H点和J点的相对距离，和位于J点与N点之间的K点与J点和N点的相对距离。

优选地，所述基于模糊模式识别的BCG心率提取方法还包括：在确认了一段时间内的心搏出现位置之后，再统计出其中的非规律J点，再次验证；所述非规律J点包括相邻间隔特别远或者特别近的J点。

一种基于模糊模式识别的BCG心率提取系统，包括：采样模块，采样BCG波形信号得到一维BCG数据；模极大值处理模块，与所述采样模块相连，对所述一维BCG数据进行模极大值处理，获取一维BCG数据中有效的极值点的位置；拐点筛选模块，与所述模极大值处理模块相连，选取全部有效的极值点中幅值超过预设最大值的点为拐点J；HJN波群构造模块，与所述拐点筛选模块相连，令所述J点的左侧相邻拐点为H点，J点的右侧相邻拐点为N点，构造出HJN波群的集合；心率识别模块，与所述HJN波群构造模块相连，以HJN波群中H点、J点和N点中彼此之间的相对距离作为HJN波群的共性判断准则，匹配选取所述集合中具备所述共性的HJN波群为心搏出现位置。

优选地，所述采样模块包括：高通滤波器，对所述BCG波形信号进行高通滤波，去掉直流分量；低通滤波器，与所述高通滤波器相连，对高通滤波后的BCG波形信号进行低通滤波，去掉工频干扰；A/D转换器，与所述低通滤波器相连，对低通滤波后的BCG波形信号进行A/D转换，获得一维BCG数据。

优选地，所述基于模糊的BCG心率提取系统还包括：验证模块，与所述心率识别模块相连，在确认了一段时间内的心搏出现位置之后，再统计出其中的非规律J点，再次验证；所述非规律J点包括相邻间隔特别远或者特别近的J点。

如上所述，本发明所述的基于模糊模式识别的BCG心率提取方法及系统，具有以下有益效果：

本发明对BCG具体波形没有要求，只针对其周期性进行运算，适用于男女老少各种人，适应性强，实时性强，运算量少，无需任何先验数据；计算心率之后还有验证运算，减少误判，可靠性强。

附图说明

图1为本发明所述的基于模糊模式识别的BCG心率提取方法的流程示意图。

图2为本发明所述的低通滤波器的幅频相频特性示意图。

图3为本发明所述的高通滤波器的幅频特性示意图。

图4a、图4b、图4c分别为某老年人平躺、某年轻人平躺、某年轻人侧躺时测得的BCG波形图。

图5a为ECG和BCG的时序对应示意图，图5b为ECG中的QRS波群示意图，图5c为BCG中的IJK波群示意图。

图6为本发明所述的HJN波群结构示意图。

图7为本发明所述的基于模糊模式识别的BCG心率提取系统的结构框图。

元件标号说明

700 BCG心率提取系统

710 采样模块

711 高通滤波器

712

713 A/D转换器

720 模极大值处理模块

730 拐点筛选模块

740 HJN波群构造模块

750 心率识别模块

760 验证模块

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

本实施例提供一种基于模糊模式识别的BCG心率提取方法，如图1所示，所述基于模糊模式识别的BCG心率提取方法包括：

采样BCG波形信号得到一维BCG数据。进一步，所述一维BCG数据的获取过程包括：对所述BCG波形信号进行高通滤波和低通滤波，去掉直流分量和工频干扰；对滤波后的BCG波形信号进行A/D转换，获得一维BCG数据。数据采集的具体实施过程中，可以将压电传感器获取的连续电压信号经过模拟电路两级放大后以300Hz的采样率作A/D转换，然后对转换所得的数字信号预处理。

本发明在对BCG信号的一维波形进行分析时，为了削弱各种噪声干扰，先对其进行滤波，同时为了保证运算速度，设计整系数滤波器，高通去除基线漂移，低通去除工频干扰。低通滤波器设计幅频相频特性如图2所示，其特性可以有效去除50Hz工频干扰，虽然在高频部分相位非线性，但是由于幅值抑制，可以忽略不计。归一化后系数[-0.002-0.004-0.0020.0020.0080.0120.01-0.002-0.02-0.036-0.036-0.010.0460.1180.1860.2280.2280.1860.1180.046-0.01-0.036-0.036-0.02-0.0020.010.0120.0080.002-0.002-0.004-0.002]，考虑到运算速度，可以分别乘以500转为整数系数再运算。

高通滤波使用32阶汉宁窗FIR滤波器，其幅频特性如图3所示，可以有效去除基线漂移和呼吸干扰，同样系数转为整数系数提高计算效率。

经过滤波后较纯净的BCG信号的表达形式为一维数组，数组内的数据累积一段时间，通常为十几到二十几秒，可用于模式识别中的特征提取。由于生理构造的复杂性，不同的个体产生的BCG在时域上的波形也各有不同。同一检测设备同样环境下进行测量，不同的个体，比如一个老人和一个年轻人的BCG形状也大相径庭。即使是同一个体，坐着或躺着的姿势的不同，产生的BCG都有可能不同，如图4a至图4c中所示。以往关于心率的各种讨论多集中在ECG（electrocardiogram，心电图）上，图5a反映了BCG和ECG的对应关系，用“*”符号来标识了每个特征波群出现的位置，ECG中的是QRS波群，BCG中的是IJK波群，见图5b和图5c。由图5a中时间序列可见，ECG中代表一次心搏活动的QRS波群总是先出现，引起体震微动，即BCG中的IJK波群。因此，每个IJK波群对应一次心搏活动，IJK出现频率可等同为心率。在对ECG的各种研究中，心率提取QRS波检测常根据心电信号R波幅度、斜率等特性和其二阶差分的极小值与心电信号中的R波是相对应的关系来设计检测算法，但是这些方式却无法直接搬到BCG领域。

对所述一维BCG数据进行模极大值处理，获取一维BCG数据中全部有效的极值点的位置。进一步，对所述一维BCG数据进行所述模极大值处理的具体过程为：求所述一维BCG数据的一阶导数的模的极大值。本发明在对BCG波形的一维数组进行分析时，由于AD转换的采样频率大多在200Hz以上，使用按位移动窗口匹配比较时运算量很大，因此以往各种心率识别方法中很多是结合先验信息和伪周期识别算法的，以估算周期来推测下一个心搏的出现位置后再验证。但实际应用中，先验信息短时间内无法获取，又由于说话轻咳等微动或者身体的其他一些突发动作，会影响甚至淹没IJK波群，BCG并不能保证一直很稳定。鉴于此，本发明提出在无预知情况下先通过寻找极大值方式找出疑似点的方法。模式识别分为有监督分类和无监督分类两种，差别在于实验样本所属的类别是否预先已知。故而，本发明采用的是无监督分类。

选取全部有效的极值点中幅值超过预设最大值的点为拐点J，设J点的左侧相邻拐点为H点，J点的右侧相邻拐点为N点，构造出HJN波群的集合。所进一步，述拐点的获取过程包括：对所述一维BCG数据进行模极大值处理，获取一维BCG数据中全部极值点的位置；对所述全部极值点进行筛选，滤除幅度小于预设最小值的极值点，剩余的极值点为有效的极值点；在有效的极值点中选取幅值超过预设最大值的点为一维BCG数据的拐点J。本发明在BCG波形信号的一维数组中，先找出这段波形中所有的极大值，再对这些极大值点进行筛选。由于信号中含有一定噪声，即使经过滤波仍不能完全消除，所以直接根据二阶导数为零的特点很难求出拐点，故而使用求一阶导数的模的极大值，即模极大值方法求出拐点位置，可以去除上述的BCG不稳定所产生的影响。

以HJN波群中H点、J点和N点中彼此之间的相对距离作为HJN波群的共性判断准则，匹配选取所述集合中具备所述共性的HJN波群为心搏出现位置。进一步，所述HJN波群的共性判断准则还包括：位于H点与J点之间的I点与H点和J点的相对距离，和位于J点与N点之间的K点与J点和N点的相对距离。本发明在设计针对样本的分类准则时，将一维BCG波形曲线上的心搏特征形状分解成多个三角形，再以贴近度（如距离）进行计算，相较于纯曲线匹配，可以大大加快运算速度。由于经过高通滤波，去掉了直流分量，波形都是围绕在0上下。对所有的极值点再进行筛选，去除一些幅度过小的点。剩下的极值点，分别以领域中的最高点为J点，对照图5b可知，左右分别为H和N。依次找出这样几组HJN波群，然后研究其共性，提取共性。由于波形为曲线，为描述共性建立的模型参数较多，且运算量大，故而将其拆解为三角形，即以几个极值点和曲线与零线的几个交点为标识，将HJN波群，切割成几部分，如图6所示。以图6为模式识别的样本的一种具体实施方式为：以几个点之间的相对坐标（距离的一种体现方式）为判决准则，设J点的坐标为(0,100)，则H(-50,30)，N(80,50)，I(-30,-80)，K(50,-50)，还有几个与零线的交点坐标也可以推算出来。之后波形中的每次出现幅度不小的极值点，则取该邻域中的最高点假设为J，左右假设为H和N，与这个样本做匹配度运算。

依据HJN波群的共性判断准则匹配选取所述集合中具备所述共性的HJN波群这一步骤可以通过一心率识别器（或称分类判决器）来实现。例如：设计分类判决器如下：比较过程中每个点横坐标允许5个点（即1/60）秒钟的误差，纵坐标表示心搏力度，判断准则较宽松，在样本的0.7-1.4倍之间上下浮动。如果符合，则判断这是一次心搏活动；不符合，则继续寻找下一个HJN波群的位置。

在确认了一段时间内的心搏出现位置之后，再统计出其中的非规律J点，再次验证。再次验证前可先调整分类器的判决门限再做判断，以防有漏检或者多检的情况。所述非规律J点包括相邻间隔特别远或者特别近的J点。

本发明在无预知情况下先通过模极大值方式找出疑似点（即拐点）在一维BCG波形上的具体位置，再使用模式分类法判定疑似点及其附近点是否符合每次心搏产生特征形状，此方法运算复杂度小，还可适用于对于心率不齐、停搏、早搏等现象。

本实施例提供一种基于模糊模式识别的BCG心率提取系统，该系统可以实现本发明所述的基于模糊模式识别的BCG心率提取方法，但该方法的实现装置包括但不限于基于模糊模式识别的BCG心率提取系统。

如图7所示，所述基于模糊模式识别的BCG心率提取系统700包括：采样模块710，模极大值处理模块720，拐点筛选模块730，HJN波群构造模块740，心率识别模块750，验证模块760。

所述采样模块710采样BCG波形信号得到一维BCG数据。进一步，所述采样模块710包括：高通滤波器711，低通滤波器712，A/D转换器713。所述高通滤波器711对所述BCG波形信号进行高通滤波，去掉直流分量；所述低通滤波器712与所述高通滤波器711相连，对高通滤波后的BCG波形信号进行低通滤波，去掉工频干扰；所述A/D转换器713与所述低通滤波器712相连，对低通滤波后的BCG波形信号进行采样，获得一维BCG数据。

所述模极大值处理模块220与所述采样模块710相连，对所述一维BCG数据进行模极大值处理，获取一维BCG数据中有效的极值点的位置；

所述拐点筛选模块730与所述模极大值处理模块720相连，选取全部有效的极值点中幅值超过预设最大值的点为拐点J；

所述HJN波群构造模块740与所述拐点筛选模块730相连，令所述J点的左侧相邻拐点为H点，J点的右侧相邻拐点为N点，构造出HJN波群的集合；

所述心率识别模块750与所述HJN波群构造模块740相连，以HJN波群中H点、J点和N点中彼此之间的相对距离作为HJN波群的共性判断准则，匹配选取所述集合中具备所述共性的HJN波群为心搏出现位置。

所述验证模块760与所述心率识别模块750相连，在确认了一段时间内的心搏出现位置之后，再统计出其中的非规律J点，再次验证；所述非规律J点包括相邻间隔特别远或者特别近的J点。

本发明是一种基于模糊模式识别的BCG心率提取方法及系统，其针对心搏冲击造成身体微动信号的提取心率，通过模极大值方法找出一维BCG数据的所有拐点，确定极大和极小值的位置，再根据一维BCG数据波形的模糊模式识别方式提取样本，确认每两次相邻心搏的时间间隔，由此计算出心率。

本发明对BCG具体波形没有要求，只针对其周期性进行运算，所以适用于男女老少各种人，适应性强，实时性强，运算量少；计算心率之后还有验证运算，减少误判，可靠性强。

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 (9)

1.一种基于模糊模式识别的BCG心率提取方法，其特征在于，所述基于模糊模式识别的BCG心率提取方法包括：

采样BCG波形信号得到一维BCG数据；

对所述一维BCG数据进行模极大值处理，获取一维BCG数据中全部有效的极值点的位置；

选取全部有效的极值点中幅值超过预设最大值的点为拐点J，设J点的左侧相邻拐点为H点，J点的右侧相邻拐点为N点，构造出HJN波群的集合；

以HJN波群中H点、J点和N点中彼此之间的相对距离作为HJN波群的共性判断准则，匹配选取所述集合中具备所述共性的HJN波群为心搏出现位置。

2.根据权利要求1所述的基于模糊模式识别的BCG心率提取方法，其特征在于，对所述一维BCG数据进行所述模极大值处理的具体过程为：求所述一维BCG数据的一阶导数的模的极大值。

3.根据权利要求1所述的基于模糊模式识别的BCG心率提取方法，其特征在于：所述一维BCG数据的获取过程包括：

对所述BCG波形信号进行高通滤波，去掉直流分量；

对高通滤波后的BCG波形信号进行低通滤波，去掉工频干扰；

对低通滤波后的BCG波形信号进行A/D转换，获得一维BCG数据。

4.根据权利要求1所述的基于模糊模式识别的BCG心率提取方法，其特征在于，所述拐点的获取过程包括：

对所述一维BCG数据进行模极大值处理，获取一维BCG数据中全部极值点的位置；

对所述全部极值点进行筛选，滤除幅度小于预设最小值的极值点，剩余的极值点为有效的极值点；

在有效的极值点中选取幅值超过预设最大值的点为一维BCG数据的拐点。

5.根据权利要求1所述的基于模糊模式识别的BCG心率提取方法，其特征在于，所述HJN波群的共性判断准则还包括：位于H点与J点之间的I点与H点和J点的相对距离，和位于J点与N点之间的K点与J点和N点的相对距离。

6.根据权利要求1所述的基于模糊模式识别的BCG心率提取方法，其特征在于，所述基于模糊模式识别的BCG心率提取方法还包括：

在确认了一段时间内的心搏出现位置之后，再统计出其中的非规律J点，再次验证；

所述非规律J点包括相邻间隔超过预设范围的J点。

7.一种基于模糊模式识别的BCG心率提取系统，其特征在于，所述基于模糊模式识别的BCG心率提取系统包括：

采样模块，采样BCG波形信号得到一维BCG数据；

模极大值处理模块，与所述采样模块相连，对所述一维BCG数据进行模极大值处理，获取一维BCG数据中有效的极值点的位置；

拐点筛选模块，与所述模极大值处理模块相连，选取全部有效的极值点中幅值超过预设最大值的点为拐点J；

HJN波群构造模块，与所述拐点筛选模块相连，令所述J点的左侧相邻拐点为H点，

J点的右侧相邻拐点为N点，构造出HJN波群的集合；

心率识别模块，与所述HJN波群构造模块相连，以HJN波群中H点、J点和N点中彼此之间的相对距离作为HJN波群的共性判断准则，匹配选取所述集合中具备所述共性的HJN波群为心搏出现位置。

8.根据权利要求7所述的基于模糊模式识别的BCG心率提取系统，其特征在于，所述采样模块包括：

高通滤波器，对所述BCG波形信号进行高通滤波，去掉直流分量；

低通滤波器，与所述高通滤波器相连，对高通滤波后的BCG波形信号进行低通滤波，去掉工频干扰；

A/D转换器，与所述低通滤波器相连，对低通滤波后的BCG波形信号进行A/D转换，获得一维BCG数据。

9.根据权利要求7所述的基于模糊模式识别的BCG心率提取系统，其特征在于，所述基于模糊模式识别的BCG心率提取系统还包括：

验证模块，与所述心率识别模块相连，在确认了一段时间内的心搏出现位置之后，

再统计出其中的非规律J点，再次验证；所述非规律J点包括相邻间隔超过预设范围的J点。