CN106054611A - 基于无模型自适应预测控制的心电基线漂移抑制方法 - Google Patents
基于无模型自适应预测控制的心电基线漂移抑制方法 Download PDFInfo
- Publication number
- CN106054611A CN106054611A CN201610489485.4A CN201610489485A CN106054611A CN 106054611 A CN106054611 A CN 106054611A CN 201610489485 A CN201610489485 A CN 201610489485A CN 106054611 A CN106054611 A CN 106054611A
- Authority
- CN
- China
- Prior art keywords
- baseline drift
- moment
- control
- partial derivative
- pseudo
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于无模型自适应预测控制算法的心电基线漂移抑制方法,实现过程为首先预设了期望的输出这里选择无基线漂移的数据作为期望输出,就是基线值为0。然后使用改进后无模型自适应预测控制算法计算出输入控制信号Δu(k),接着对伪偏导数进行预测估计与辨识,最后根据伪偏导数构建A1矩阵,进而构建出控制系统。通过控制信号,作用于构建的系统,达到抑制心电基线漂移的效果。本发明对于在心电采集过程中,对心电基线漂移的抑制,是一种非常有意义的创新方法,方法通用性强,速度快,效果好。
Description
技术领域
本发明涉及医疗器械领域,尤其是一种改进后的,基于无模型自适应预测控制算法的心电基线漂移抑制方法。
背景技术
心电图(electrocardiogram,ECG)是心脏活动相关的电位变化图,它是医生诊断疾病的一种现代技术,尤其在确诊和鉴别各种心律失常方面,心电图诊断方法较其他诊断方法都可靠。由于ECG和绝大多数的生物医学信号一样,都是信嗓比很低的微弱信号,往往混有很强的背景噪声,主要的嗓声为工频干扰、肌电干扰、基线漂移等,在各种噪声中对信号影响最大的是基线漂移嗓声。因此,在ECG检测识别过程中,首先消除基线漂移。基线漂移是因呼吸、肢体活动或运动心电图测试所引起的,故这样使得ECG信号的基准线呈现上下漂移的情况。它是一种缓慢变化的低频信号。为了消除基线漂移的干扰,国内外已提出并应用了许多方法。滤波法和拟合基漂法是去除心电基线漂移的两类主要方法。包括了中值滤波、FIR滤波、小波变换等去除基漂的滤波方法。这些方法已经很多次的应用在了去除心电基线漂移的实验中:
(a)中值滤波:中值滤波去除基漂的一般流程是:含有基漂的ECG信号S通过窗宽为200ms的中值滤波器,得到去除了QRS波和P波的信号S1。S1通过窗宽为600ms的中值滤波器,则T波也被剔除,最终得到基漂干扰S2。
(b)FIR滤波:N阶FIR滤波器在Z平面内有N个零点,其收敛域总是包括单位圆,因此FIR滤波器总是稳定的。系数对称的FIR滤波器能够保持线性相位,这是ECG除噪所需要的,但需注意N阶偶对称或奇对称的FIR滤波器有N/2点延时。FIR滤波的原理简单、无累积误差,适于实时场合,但幅频失真一般比较明显。
(c)小波变换:信号的小波变换相当于信号在不同尺度的带通和低通滤波,可分解得到信号的逼近分量和细节分量。基线漂移主要为低频分量,在小波重构的过程中,只要将高尺度的逼近分量置零,就得到了去除基漂的信号。在信号采样频率一定的情况下,对于某一确定小波,其不同尺度下的频率中心和窗宽都是确定的,由此可确定去除基线漂移的小波变换的最佳分解尺度。
这些方法各有优点,但都是对得到的心电数据进行的优化处理,虽然各有优点,却也有对应的限制。
发明内容
本发明的目的在于克服上文中提到的现有方法的缺点和不足,提出了一种基于无模型自适应预测控制的心电基线漂移抑制方法,在采集心电的过程中,就行预处理的去除掉心电的基线噪声,旨在为将来发展的可穿戴,移动医疗设备等提供良好的理论和应用基础。
为实现上述目的,本发明所采用的技术方案是:
一种基于无模型自适应预测控制的心电基线漂移抑制方法,其特征在于,包括步骤:
(a)设置所期望的输出
(b)根据无模型自适应控制算法控制准则计算控制输入信号Δu(k);
(c)伪偏导数的预测估计与辨识;
(d)根据伪偏导数构建A1矩阵,进而构建控制系统。
进一步的,步骤(a)中选择无基线漂移的数据作为期望输出,就是基线值为0。
进一步的,步骤(b)中的预测模型为:
其中Δu(k)=u(k)-u(k-1);
是K+1时刻的期望输出,y(k)是系统k时刻的实际输出,u(k)是k时刻的实际输入,u(k-1)是k-1时刻的实际输入,控制的目的是在k时刻对系统施加控制u(k),希望k+1时刻的输出期望为
进一步的,步骤(b)中引入时间滞后常数τ,将带时间滞后常数τ的两组输入值之间的变化率,作为输入准则函数中的一个重要的约束,公式为:
进一步的,步骤(c)采用改进后的输入准则函数,改进后的伪偏导数为:
其中,μ>0是权重因子,0<η≤1是步长因子,然后根据预测方法,对伪偏导数进行预测。
进一步的,步骤(d)中,A1包含系统中的通过构建的A1矩阵,构建控制系统。
附图说明
图1为心电系统控制图;
图2为方法实施流程图;
图3为预测的心电基线和原始心电基线以及控制输入信号;
图4为原始心电信号和抑制基线漂移后的心电信号;
图5为伪偏导数的预测值。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
图1为心电系统控制图,用无模型自适应系统MFAC算法的参数输出控制信号,作用心电系统,达到去心电基线的效果,返回的实际输出与期望输出差值,来进行反馈调节,保证心电去基线的精确性。
一种基于无模型自适应预测控制方法的心电基线漂移抑制方法,具体实施流程如图2所示,实现步骤如下:
(a)设置所期望的输出
作为期望输出,是因为理想的去基线效果就是基线漂移都没有。
(b)根据无模型自适应控制算法控制准则计算控制输入信号Δu(k):
一般的预测模型:
其中
是K+1时刻的期望输出,y(k)是系统k时刻的实际输出,u(k)是k时刻的实际输入,u(k-1)是k-1时刻的实际输入,控制的目的是在k时刻对系统施加控制u(k),希望k+1时刻的输出期望为
此处,本发明将引入一个时间滞后常数τ,将带时间滞后常数τ的两组输入值之间的变化率,作为输入准则函数中的一个重要的约束。在原方法的基础上,来增加系统的稳定性,抗干扰和提升系统的跟踪性,达到去噪的精确性。如下所示:
(c)伪偏导数的预测估计与辨识:
采用改进后的输入准则函数,改进后的伪偏导数为:
其中,μ>0是权重因子,0<η≤1是步长因子。然后根据预测方法,对伪偏导数进行预测。
(d)A1包含系统中的通过构建的A1矩阵,构建控制系统。
通过构建的系统,运用输入控制信号的作用,得到实际的输出。调节的效果在于对输入控制信号的调节和伪偏导数的估计。通过实际的输出和期望输出的相差效果,差值反馈作用于输入控制信号,自适应的调节达到最佳的输出效果。其中,预测的心电基线和原始心电基线以及控制输入信号如图3所示,原始心电信号和抑制基线漂移后的心电信号如图4所示,伪偏导数的预测值如图5所示。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (6)
1.一种基于无模型自适应预测控制的心电基线漂移抑制方法,其特征在于,包括步骤:
(a)设置所期望的输出
(b)根据无模型自适应控制算法控制准则计算控制输入信号Δu(k);
(c)伪偏导数的预测估计与辨识;
(d)根据伪偏导数构建A1矩阵,进而构建控制系统。
2.根据权利要求1所述的方法,其特征在于:步骤(a)中选择无基线漂移的数据作为期望输出,就是基线值为0。
3.根据权利要求1所述的方法,其特征在于:步骤(b)中的预测模型为:
其中Δu(k)=u(k)-u(k-1);
是K+1时刻的期望输出,y(k)是系统k时刻的实际输出,u(k)是k时刻的实际输入,u(k-1)是k-1时刻的实际输入,控制的目的是在k时刻对系统施加控制u(k),希望k+1时刻的输出期望为
4.根据权利要求1所述的方法,其特征在于:步骤(b)中引入时间滞后常数τ,将带时间滞后常数τ的两组输入值之间的变化率,作为输入准则函数中的一个重要的约束,公式为:
5.根据权利要求1所述的方法,其特征在于:步骤(c)采用改进后的输入准则函数,改进后的伪偏导数为:
其中,μ>0是权重因子,0<η≤1是步长因子。然后根据预测方法,对伪偏导数进行预测。
6.根据权利要求1所述的方法,其特征在于:步骤(d)中,A1包含系统中的通过构建的A1矩阵,构建控制系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610489485.4A CN106054611A (zh) | 2016-06-24 | 2016-06-24 | 基于无模型自适应预测控制的心电基线漂移抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610489485.4A CN106054611A (zh) | 2016-06-24 | 2016-06-24 | 基于无模型自适应预测控制的心电基线漂移抑制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106054611A true CN106054611A (zh) | 2016-10-26 |
Family
ID=57165980
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610489485.4A Pending CN106054611A (zh) | 2016-06-24 | 2016-06-24 | 基于无模型自适应预测控制的心电基线漂移抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106054611A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113093532A (zh) * | 2021-03-05 | 2021-07-09 | 哈尔滨工程大学 | 一种非自衡系统的全格式无模型自适应控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2308541C (en) * | 1997-10-06 | 2005-01-04 | General Cybernation Group, Inc. | Model-free adaptive process control |
CN103116281A (zh) * | 2013-01-17 | 2013-05-22 | 江苏大学 | 轴向混合磁轴承无模型自适应控制系统及其控制方法 |
CN105030232A (zh) * | 2015-06-30 | 2015-11-11 | 广东工业大学 | 一种心电信号的基线漂移校正方法 |
-
2016
- 2016-06-24 CN CN201610489485.4A patent/CN106054611A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2308541C (en) * | 1997-10-06 | 2005-01-04 | General Cybernation Group, Inc. | Model-free adaptive process control |
CN103116281A (zh) * | 2013-01-17 | 2013-05-22 | 江苏大学 | 轴向混合磁轴承无模型自适应控制系统及其控制方法 |
CN105030232A (zh) * | 2015-06-30 | 2015-11-11 | 广东工业大学 | 一种心电信号的基线漂移校正方法 |
Non-Patent Citations (5)
Title |
---|
卜旭辉 等: "扰动抑制无模型自适应控制的鲁棒性分析", 《控制理论与应用》 * |
朱莉波 等: "基于无模型自适应控制的心电基线漂移抑制方法", 《中国医疗设备》 * |
李延军 等: "心电基线漂移去除方法的比较研究", 《航天医学与医学工程》 * |
陈琛 等: "一种大时滞系统的无模型自适应控制改进算法", 《计算技术与自动化》 * |
马洁: "《运动系统多层递阶自适应预报与控制》", 31 January 2010, 机械工业出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113093532A (zh) * | 2021-03-05 | 2021-07-09 | 哈尔滨工程大学 | 一种非自衡系统的全格式无模型自适应控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108158573B (zh) | 基于自适应阈值小波变换的心电信号降噪方法 | |
CN109381175B (zh) | 估计心率的方法和对应系统 | |
Rahman et al. | Efficient sign based normalized adaptive filtering techniques for cancelation of artifacts in ECG signals: Application to wireless biotelemetry | |
Jenitta et al. | Denoising of ECG signal based on improved adaptive filter with EMD and EEMD | |
Das et al. | Analysis of ECG signal denoising method based on S-transform | |
Mugdha et al. | A study of recursive least squares (RLS) adaptive filter algorithm in noise removal from ECG signals | |
Rahman et al. | Noise cancellation in ECG signals using computationally simplified adaptive filtering techniques: Application to biotelemetry | |
CN102670188A (zh) | 一种用于单导胎儿心率检测的鲁棒自适应估计方法 | |
CN106798552A (zh) | 具有状态序列优化的心率估计设备 | |
Almalchy et al. | Noise removal from ECG signal based on filtering techniques | |
Torres et al. | Heal-T: an efficient PPG-based heart-rate and IBI estimation method during physical exercise | |
Islam et al. | Performance comparison of modified LMS and RLS algorithms in de-noising of ECG signals | |
Bhogeshwar et al. | To verify and compare denoising of ECG signal using various denoising algorithms of IIR and FIR filters | |
De Ridder et al. | Comparison between EEMD, wavelet and FIR denoising: Influence on event detection in impedance cardiography | |
Rahman et al. | Adaptive noise removal in the ECG using the block LMS algorithm | |
Rahman et al. | Baseline wander and power line interference elimination from cardiac signals using error nonlinearity LMS algorithm | |
Gowri et al. | An efficient variable step size least mean square adaptive algorithm used to enhance the quality of electrocardiogram signal | |
Jain et al. | Denoising baseline wander noise from electrocardiogram signal using fast ICA with multiple adjustments | |
Qureshi et al. | Performance analysis of adaptive algorithms for removal of low frequency noise from ECG signal | |
CN106054611A (zh) | 基于无模型自适应预测控制的心电基线漂移抑制方法 | |
Zhidong et al. | A novel cancellation method of powerline interference in ECG signal based on EMD and adaptive filter | |
Heydari et al. | Adaptive wavelet technique for EEG de-noising | |
Hermawan et al. | Denoising noisy ECG signal based on adaptive Fourier decomposition | |
CN103876731A (zh) | 一种胎儿心电信号提取装置及方法 | |
Sharma et al. | Noise reduction technique for ECG signals using adaptive filters |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161026 |