CN109657660A - 一种基于经验模态分解和小波时频分析的胎心率提取方法 - Google Patents

Abstract

本发明公开一种基于经验模态分解和小波时频分析的胎心率提取方法。本发明对于经过超声探头采集到的多普勒胎心信号，首先利用经验模态分解与小波能量分布的方法对胎心信号进行去噪预处理，对于预处理后的胎心信号利用小波变换进行时频分析得到小波时频图，再利用帕斯瓦尔定理将小波时频图转化为时间能量图，通过时间能量图上峰值之间的时间间隔得到超声多普勒胎心信号的瞬时心率值。本发明对于采集到的超声多普勒胎心信号的胎心率计算，方法简单有效且稳定，灵活性好，准确度高。

Description

一种基于经验模态分解和小波时频分析的胎心率提取方法

技术领域

本发明涉及超声探测领域，特别涉及一种基于经验模态(Empirical ModeDecomposition，EMD)分解和小波时频分析的胎心率提取方法。

背景技术

随着优生优育的普及，健康中国快乐中国的战略推广，人们越来越重视医疗技术的发展，而且以人为本的理念也逐渐渗透到当今的医疗卫生领域。而胎心监护就是保障孕妇还有胎儿安全，实现优生优育的一种重要途径。胎儿的心脏不仅给胎儿提供氧气，还提供了生长发育所需的营养，心脏跳动影响了全身的恒定性。胎心直接或者间接接受血液流动中的动态变化还有激素等体液的调节之外，还会受到大脑中的中枢神经系统的支配。这一切均可以通过胎儿心率的变化来体现。监测胎儿心率就是目前胎心监护中的重要项目之一，所以对胎心率的提取与监测是非常有意义的。

资料表明经过超声探头回来的信号成分复杂，且包含很多会造成干扰的噪声，是一种窄带的非平稳非线性的随机信号，也很难给出一个具体的数学信号模型。目前市面上的多普勒胎心仪大多使用的信号处理方法是：首先经过一个带通滤波器，去除部分噪声干扰之后，提取信号的包络，然后对包络进行自相关。这种方法中对信号的去噪预处理比较粗糙，其测量精度不太可靠，特别是信号信噪比较低的情况下。所以在此基础上，许多学者在胎心信号的胎心率提取中会首先对信号进行一个去噪预处理，目前较多学者尝试用小波变换或者盲分离中的独立分量分析方法对胎心信号进行去噪预处理，也有些学者对小波去噪进行改进应用在胎心信号的预处理上。但是基于小波变换的信号去噪首先需要对小波基进行选择，不同选择的小波基对去噪效果有较大差别，所以此种去噪预处理方法受人为选择干扰较大；利用独立分量分析方法进行预处理，信噪比较高时可以提取出有效的胎心信号，但是信噪比较低时去噪效果不太理想。

基于此，本发明提供了一种基于经验模态分解和小波时频分析的胎心率提取方法。经验模态分解是目前在非线性非平稳信号处理领域应用较为广泛的一种方法，利用经验模态分解对信号进行分解的过程中，分解得到的各本征模态函数分量的频率有序的从大到小。基于此多分辨率的经验模态分解方法具有小波变换的优势，同时克服了小波去噪中选取基函数的不确定性的难题。而且从信号本身进行分解，局部适应性优于其它分解方法，完全基于信号本身特征，有很强大的灵活性以及有效性。此外，在胎心信号预处理后，本发明从时频分析上对胎心信号进行后续处理，利用小波时频分析得到胎心信号的时频分布，可直观的观察到信号频率随时间变化趋势，为了进一步提取出胎心信号的瞬时心率值，本发明利用帕斯瓦尔定理将小波时频图转化成时间能量图，之后通过时间能量图上各峰值的时间间隔得到胎心信号的瞬时心率值。

发明内容

根据当前胎心信号处理过程中存在的一些弊端，本发明提供了一种基于经验模态分解和小波时频分析的胎心率提取方法，此方法在信噪比较低时仍能较为有效的提取出胎心率值，并且方法简单且稳定，灵活性好，准确度高，该方法可以应用于胎心仪中。

本发明的目的至少通过如下技术方案之一实现。

基于经验模态分解和小波时频分析的胎心率提取方法，包括：对于经过超声探头回来的多普勒胎心信号，首先利用经验模态分解与小波能量分布的方法对胎心信号进行去噪预处理，利用小波分析对预处理后的信号进行时频分析得到小波时频图，再利用帕斯瓦尔定理将小波时频图转化为时间能量图，然后通过时间能量图上峰值之间的时间间隔得到超声多普勒胎心信号的瞬时心率值。本发明对于采集到的超声多普勒胎心信号的胎心率计算，方法简单有效且稳定，灵活性好，准确度高。

在上述技术方案的基础上，所述利用经验模态分解与小波能量分布的方法对胎心信号进行去噪预处理过程为，经过探头回来的多普勒胎心信号是一种非平稳非线性的随机信号，信噪比较低，其去噪过程首先是将信号进行经验模态分解后得到一组频率依次从高到低的本征模态分量(Intrinsic Mode Function，IMF)，由于噪声通常更多的分布在信号的高频成分，而相应的低频成分受噪声干扰较小，所以存在一个本征模态分量IMF_k，有IMF_k以及它之前的分量都是噪声占主导成分，而IMF_k+1以及其之后的分量中都是有用信号占主导成分，利用胎心信号的小波能量分布曲线来得到此临界点，对临界点之前的分量进行类小波阈值处理，临界点之后的信号保留，然后利用所有分量来重构信号，得到预处理后的胎心信号。

在上述技术方案的基础上，所述预处理后的胎心信号进行时频分析，是利用小波分析得到小波时频图，由小波时频图判断胎心信号频率随时间的变化趋势，从时间-频率联合分布上观察胎心信号特点，为了进一步提取到心率值，利用帕斯瓦尔定理将小波时频图转化成时间能量曲线，之后利用时间能量图上各峰值间的时间间隔得到多普勒胎心信号的瞬时心率值。

在上述技术方案的基础上，所述一种基于经验模态分解和小波时频分析的胎心率提取方法具体实施步骤如下：

(1)对胎心信号信号进行经验模态分解(EMD)，得到N个IMF模态分量；

(2)对得到的每个IMF分量求取中心频率；

(3)绘出胎心信号的小波能量分布图，并且在此图上找到一个对应的极大值点，确定出此极大值点对应频率到信号最高阶的中心频率这个范围；若不存在极大值点，则取信号的最低中心频率到最高中心频率这个频段；

(4)找到一个IMF_k分量，它所对应的中心频率正好在(3)中所属频段上，并且IMF_k+1分量的中心频率不在(3)中所属频段上，此k值即为我们要找的一个临界点；

(5)取IMF_k+1及其之前的分量即噪声起主导作用的IMF₁～IMF_k+1，进行类小波阈值处理得到IMF₁′～IMF_k+1′；

(6)重构信号：此信号即为我们所需的预处理后的胎心信号。

其中(5)中的类小波阈值处理中，阈值函数选择软阈值：

其中，sgn是符号函数，x>0时，sgn(x)＝1；x＝0时，sgn(x)＝0；x<0时，sgn(x)＝-1。对于第j层IMF分量，我们取其中L为信号长度，σ_j为第j层的信号中的噪声标准差，此处可利用σ_j＝media/0.6745进行估计，media是信号第j层的IMF分量的绝对中值，将上式应用在IMF分量上，稍作修改得到：

上式中t_j是第j层分量的阈值，计算表达式如下：

其中media()为取中值的函数。

(7)对预处理后的信号进行小波的时频分析，得到小波时频图；

(8)通过帕斯瓦尔定理得到时间能量分布曲线，根据峰值曲线时间间隔获得瞬时心率值。

与现有技术相比，本发明具有如下优点和技术效果:

本发明利用经验模态分解方法对胎心信号进行去噪预处理，其中利用经验模态分解对信号进行分解具有小波变换的优势，同时克服了小波去噪中选取基函数的不确定性的难题。而且从信号本身进行分解，局部适应性优于其它分解方法，完全基于信号本身特征，有很强大的灵活性以及有效性。在信噪比较低时仍能达到较好的去噪效果。

利用小波时频分析对胎心信号求得时频分布图，可直观地观察到胎心信号频率随时间的变化特点，并且转化成时间能量曲线求得的瞬时心率值相比目前的自相关提取方法更为稳定和有效。

附图说明

图1为本发明的原始多普勒胎心信号图。

图2为本发明的具体实施流程图。

图3为本发明基于经验模态分解的胎心信号去噪预处理流程图。

图4为本发明胎心信号经经验模态分解后得到的各分量。

图5为本发明胎心信号的小波能量分布曲线。

图6为本发明去噪预处理后的胎心信号。

图7为本发明预处理后信号的小波时频图。

图8为本发明根据小波时频图转化的时间能量图。

图9为本发明胎心信号的瞬时心率图。

具体实施方式

为更好地理解本发明，下面将结合附图对本发明基于经验模态分解和小波时频分析的胎心率提取方法作进一步的描述。

如图1所示为原始的多普勒胎心信号图，由此图可发现原始胎心信号信噪比较低，噪声干扰严重，胎心信号的周期性不明显，所以必须进行去噪预处理才能进行后续的心率提取。

如图2所示为本发明实施的流程图。对于经过超声探头采集到的多普勒胎心信号，首先利用经验模态分解与小波能量分布的方法对胎心信号进行去噪预处理，利用小波变换广东省科技计划公益研究与能力建设专项项目对预处理后的信号进行时频分析得到小波时频图，再利用帕斯瓦尔定理将小波时频图转化为时间能量图，通过时间能量图上峰值之间的时间间隔得到超声多普勒胎心信号的瞬时心率值。

如图3所示为胎心信号去噪预处理的流程图，预处理的具体实施步骤如下：

步骤一：对胎心信号进行经验模态分解(EMD)，得到N个IMF模态分量，并且得到各分量的中心频率，得到的各分量图如图4；

步骤二：绘出胎心信号的小波能量分布图，小波能量分布图如图5，并且在此图上找到一个对应的极大值点，确定出此极大值点对应频率到信号最高阶的中心频率这个范围；若不存在极大值点，则取信号的最低中心频率到最高中心频率这个频段；

步骤三：找到一个IMF_k分量，它所对应的中心频率正好在步骤二中所属频段上，并且IMF_k+1分量的中心频率不在步骤二中所属频段上，此k值即为要找的临界点；

步骤四：取IMF_k+1及其之前的分量即噪声起主导作用的IMF₁～IMF_k+1，进行类小波阈值处理得到IMF₁'～IMF_k+1'；

步骤五：重构信号：此信号即为我们所需的预处理后的胎心信号，去噪后的胎心信号如图6。

其中步骤四中用到的阈值函数为：

其中，sgn是符号函数，x>0时，sgn(x)＝1；x＝0时，sgn(x)＝0；x<0时，sgn(x)＝-1。对于第j层IMF分量，我们取其中L为信号长度，σ_j为第j层的信号中的噪声标准差，此处可利用σ_j＝media/0.6745进行估计，media是信号第j层的IMF分量的绝对中值，将上式应用在IMF分量上，稍作修改得到：

上式中t_j是第j层分量的阈值，计算表达式如下：

其中media为取中值的函数。

如图7所示为去噪预处理后胎心信号的小波时频图，由此图可观察到各时间点上的频率分量。

如图8所示为为了进一步提取出瞬时心率，将小波时频图转化而成时间能量图，由此图已可观察出明显的周期性。

如图9所示为根据时间能量图而得的多普勒胎心信号的瞬时心率图。

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。

Claims (4)

1.一种基于经验模态分解和小波时频分析的胎心率提取方法，其特征在于具体包括：对于经过超声探头回来的多普勒胎心信号，首先利用经验模态分解与小波能量分布的方法对胎心信号进行去噪预处理，用小波变换对预处理后的信号进行时频分析得到小波时频图，再利用帕斯瓦尔定理将小波时频图转化为时间能量图，通过时间能量图上峰值之间的时间间隔得到超声多普勒胎心信号的瞬时心率值。

2.根据权利要求1所述的一种基于经验模态分解和小波时频分析的胎心率提取方法，其特征在于经过探头回来的多普勒胎心信号是一种非平稳非线性的随机信号，信噪比较低，其去噪预处理过程中，首先是将信号进行经验模态分解后得到一组频率依次从高到低的本征模态分量IMF，存在一个本征模态分量IMF_k，有IMF_k以及它之前的分量都是噪声占主导成分，而IMF_k+1以及其之后的分量中都是有用信号占主导成分，利用胎心信号的小波能量分布曲线来得到此临界点，对临界点之前的分量进行类小波阈值处理，临界点之后的信号保留，然后利用所有分量来重构信号，得到预处理后的胎心信号。

3.根据权利要求1所述的一种基于经验模态分解和小波时频分析的胎心率提取方法，其特征在于将预处理后的胎心信号进行小波变换得到小波时频图，由小波时频图判断胎心信号频率随时间的变化趋势，从时间-频率联合分布上观察胎心信号特点，利用帕斯瓦尔定理将小波时频图转化成时间能量曲线，利用时间能量图上各峰值间的时间间隔得到多普勒胎心信号的瞬时心率值。

4.根据权利要求1所述的一种基于经验模态分解和小波时频分析的胎心率提取方法，其特征在于具体包括如下步骤:

(1)对胎心信号信号进行经验模态分解(EMD)，得到N个IMF模态分量；

(2)对得到的每个IMF分量求取中心频率；

(3)绘出胎心信号的小波能量分布图，并且在此图上找到一个对应的极大值点，确定出此极大值点对应频率到信号最高阶的中心频率这个范围；若不存在极大值点，则取信号的最低中心频率到最高中心频率这个频段；

(4)找到一个IMF_k分量，它所对应的中心频率正好在(3)中所属频段上，并且IMF_k+1分量的中心频率不在(3)中所属频段上，此k值即为我们要找的一个临界点；

(5)取IMF_k+1及其之前的分量即噪声起主导作用的IMF₁～IMF_k+1，进行类小波阈值处理得到IMF′₁～IMF_k+1′；

(6)重构信号：此信号即为我们所需的预处理后的胎心信号；

其中(5)中的类小波阈值处理中，阈值函数选择软阈值：

其中，sgn是符号函数，x>0时，sgn(x)＝1；x＝0时，sgn(x)＝0；x<0时，sgn(x)＝-1；对于第j层IMF分量，取其中L为信号长度，σ_j为第j层的信号中的噪声标准差，此处利用σ_j＝media/0.6745进行估计，media是信号第j层的IMF分量的绝对中值，将上式应用在IMF分量上，稍作修改得到：

上式中t_j是第j层分量的阈值，计算表达式如下：

其中media为取中值的函数；

(7)对预处理后的信号进行小波的时频分析，得到小波时频图；

(8)通过帕斯瓦尔定理得到时间能量分布曲线，根据峰值曲线时间间隔获得瞬时心率值。