CN105078442A - 基于特征谱的胃磁慢波信号频率检测方法 - Google Patents

Abstract

本发明为一种基于特征谱的胃磁慢波信号频率检测方法，包括：数据预处理，读取巨磁阻抗传感器在特表测量到的原始胃磁数据，并对原始胃磁数据进行重新采样和滤波处理；特征谱计算，计算所述滤波处理后的数据的特征谱；特征谱主峰识别，对上述特征谱进行主峰识别。本发明为面向胃磁慢波信号的频率识别算法的设计，使用了频率估计的噪声子空间的特征谱方法，能精确得到胃磁慢波的频率。通过对胃磁慢波信号频率的精确识别，能精确给出胃磁慢波信号的平均特征谱图。

Description

基于特征谱的胃磁慢波信号频率检测方法

技术领域

本发明涉及一种胃磁慢波信号处理的方法，具体的说是对胃磁信号进行频谱分析的方法。

背景技术

胃磁慢波信号是一种典型的微弱信号，幅度为几十皮特斯拉到几百皮特斯拉。正常人的胃磁慢波信号成分频率极低，带宽为0.02—0.3Hz，是进行医学诊断的重要参考数据。但是，在体表采集到的胃磁慢波信号包含了各种干扰，如心电、呼吸信号、抖动等，部分干扰的幅度还可能远大于胃磁慢波信号本身。测量过程中会引入大量的强背景噪声，而且用经典的分析方法(如周期图、修正周期图、Welch法等)都会在数据窗口旁瓣有较大功率泄露，这就产生了大量伪峰，所以这些经典的方法难于准确进行胃磁慢波信号频率的检测。

发明内容

针对现有技术中存在的上述不足之处，本发明要解决的问题是提供一种能够清晰准确地检测出胃磁慢波信号频率的频谱分析方法，完成对胃磁慢波信号频率的检测。

本发明为实现上述目的所采用的技术方案是：一种基于特征谱的胃磁慢波信号频率检测方法，包括以下步骤：

数据预处理，读取巨磁阻抗传感器在特表测量到的原始胃磁数据，并对原始胃磁数据进行重新采样和滤波处理；

特征谱计算，计算所述滤波处理后的数据的特征谱；

特征谱主峰识别，对上述特征谱进行主峰识别。

所述数据预处理包括以下步骤：

重采样，将原始胃磁数据重新采样为1Hz进行数据采样；

数字滤波，对重采样后的数据进行0.01Hz-0.5Hz数字带通滤波处理。

所述特征谱计算包括以下步骤：

自相关序列估计，对所述滤波处理后的数据进行数据加窗处理，利用快速傅里叶变换的方法计算出功率谱密度函数的估值，然后再计算它的傅里叶反变换，即得自相关估计函数；

自相关矩阵估计，利用上面得到的自相关估计函数，定义一个N×N的方阵，其主对角线为自相关函数的常数项，主对角线旁边的第一对角线为自相关函数的一次项，然后为自相关函数的二次项，最右上角和最左下角为自相关函数的N次项，从而得到胃磁数据的自相关矩阵；

特征向量计算，计算所述自相关矩阵的特征值，将计算处理的特征值按降序排列得到一组特征向量；

谱计算，将所述特征向量通过预设的参数计算出特征谱。

所述谱计算采用采用MUSIC方法：

$P_{\mathrm{music}}\left(w\right)=\frac{1}{\underset{k=p+1}{\overset{M}{\mathrm{\Σ}}}|e^H{v}_k{|}^2}$

$e=[1e^{\mathrm{jw}}{e}^{k2w}...e^{j(M-1)w}{]}^T$

其中，e为自然对数的底数，j为虚数单位，w为角频率，M为特征向量的维数，e^H为e的共轭转置，p为信号子空间的维数，v_k为相关矩阵的第k个特征向量，这些特征向量构成噪声子空间。

所述特征谱主峰识别具体为：获取特征谱的谱函数，基于函数的最大值计算方法，计算谱函数最大值所对应的频率位置。

如果特征谱主峰识别不成功，则修改特征谱计算过程中的参数，重新生成特征谱。

如果特征谱主峰识别成功，则将所述特征谱输出或存储。

本发明具有以下优点及有益效果：

1.本发明为面向胃磁慢波信号的频率识别算法的设计，使用了频率估计的噪声子空间的特征谱方法，能精确得到胃磁慢波的频率。

2.通过对胃磁慢波信号频率的精确识别，能精确给出胃磁慢波信号的平均特征谱图。

附图说明

图1为本发明的结构框图；

图2为胃磁慢波平均特征谱示意图(MUSIC法)；

图3为胃磁慢波运行特征谱示意图(MUSIC法)。

具体实施方式

下面结合附图及实施例对本发明做进一步的详细说明。

实施例1

如图1所示，包括数据预处理1、特征谱计算2和特征谱主峰识别3。其中预处理1包括数据重采样11和数字滤波12，胃磁信号的原始数据先经过所述重采样11之后被重新采样为1Hz左右，然后经过所述数字滤波12，进行0.01Hz-0.5Hz数字带通滤波处理。特征谱计算2包括自相关序列估计21、自相关矩阵估计22、特征向量计算23和谱计算24。上述处理结果的全部或部分进行数据加窗(加窗长度可以自行定义)之后依次经过所述的自相关序列估计21、自相关矩阵估计22，得到了估计出来的该段数据的自相关矩阵，然后经过特征向量计算23，得到按特征值降序排列的一组特征向量。本实施例中的所述谱计算24为MUSIC法计算，该方法接受上述一组特征向量后，通过预设的参数计算出MUSIC法的特征谱，该结果可打印或存储在介质中。然后对该特征谱结果进行特征谱主峰识别3进行主峰识别，如果识别成功则将识别结果输出或存储下来，如果识别不成功则自动调整谱计算模块24的参数重新生成特征谱，循环直至成功检出，否则提示失败。

实施例2

与实施例1不同之处在于把谱计算24从EV法替换为MUSIC法，其余相同。

实施例3

与实施例1不同之处在于把谱计算24从MUSIC法替换为Pisarenko法，然后特征谱主峰识别3对特征谱识别，成功则将结果输出或存储下来，否则直接提示失败，不修改谱计算24的参数。

实施例4

与实施例1不同之处在于把谱计算24从MUSIC法替换为最小范数法，然后特征谱主峰识别3对特征谱识别成功则将结果输出或存储下来，否则直接提示失败，不修改谱计算24的参数。

如上所述为本发明的四个典型的实施方式，由于实施方式较多，不能一一列举，其他任何在本发明的整体框架下进行组合、简化，替代等，都应在本发明的保护范围之内。

Claims (7)

1.一种基于特征谱的胃磁慢波信号频率检测方法，其特征在于，包括以下步骤：

数据预处理，读取巨磁阻抗传感器在特表测量到的原始胃磁数据，并对原始胃磁数据进行重新采样和滤波处理；

特征谱计算，计算所述滤波处理后的数据的特征谱；

特征谱主峰识别，对上述特征谱进行主峰识别。

2.根据权利要求1所述的基于特征谱的胃磁慢波信号频率检测方法，其特征在于，所述数据预处理包括以下步骤：

重采样，将原始胃磁数据重新采样为1Hz进行数据采样；

数字滤波，对重采样后的数据进行0.01Hz-0.5Hz数字带通滤波处理。

3.根据权利要求1所述的基于特征谱的胃磁慢波信号频率检测方法，其特征在于，所述特征谱计算包括以下步骤：

自相关序列估计，对所述滤波处理后的数据进行数据加窗处理，利用快速傅里叶变换的方法计算出功率谱密度函数的估值，然后再计算它的傅里叶反变换，即得自相关估计函数；

自相关矩阵估计，利用上面得到的自相关估计函数，定义一个N×N的方阵，其主对角线为自相关函数的常数项，主对角线旁边的第一对角线为自相关函数的一次项，然后为自相关函数的二次项，最右上角和最左下角为自相关函数的N次项，从而得到胃磁数据的自相关矩阵；

特征向量计算，计算所述自相关矩阵的特征值，将计算处理的特征值按降序排列得到一组特征向量；

谱计算，将所述特征向量通过预设的参数计算出特征谱。

4.根据权利要求3所述的基于特征谱的胃磁慢波信号频率检测方法，其特征在于，所述谱计算采用采用MUSIC方法：

$P_{\mathrm{music}}\left(w\right)=\frac{1}{\underset{k=p+1}{\overset{M}{\mathrm{\Σ}}}|e^H{v}_k{|}^2}$

$e=[1e^{\mathrm{jw}}{e}^{k2w}...e^{j(M-1)w}{]}^T$

其中，e为自然对数的底数，j为虚数单位，w为角频率，M为特征向量的维数，e^H为e的共轭转置，p为信号子空间的维数，v_k为相关矩阵的第k个特征向量，这些特征向量构成噪声子空间。

5.根据权利要求1所述的基于特征谱的胃磁慢波信号频率检测方法，其特征在于，所述特征谱主峰识别具体为：获取特征谱的谱函数，基于函数的最大值计算方法，计算谱函数最大值所对应的频率位置。

6.根据权利要求1所述的基于特征谱的胃磁慢波信号频率检测方法，其特征在于，如果特征谱主峰识别不成功，则修改特征谱计算过程中的参数，重新生成特征谱。

7.根据权利要求1所述的基于特征谱的胃磁慢波信号频率检测方法，其特征在于，如果特征谱主峰识别成功，则将所述特征谱输出或存储。