一種去除三導聯(lián)心電信號中車輛運動噪聲的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于醫(yī)療器械技術(shù)領(lǐng)域，具體設(shè)及一種去除S導聯(lián)屯、電信號中車輛運動噪 聲的方法。
【背景技術(shù)】
[0002] 動態(tài)屯、電圖用于連續(xù)記錄24小時動態(tài)屯、電活動數(shù)據(jù)，包括休息、活動、工作、進餐 等不同情況下的屯、電活動數(shù)據(jù)，能夠幫助用于發(fā)現(xiàn)屯、律失常和屯、肌缺血等癥狀，為臨床分 析病情和診療提供重要的依據(jù)。隨著便攜可穿戴式屯、電監(jiān)護設(shè)備的涌現(xiàn)，使得用戶可在各 種狀態(tài)下進行非常便捷的屯、電監(jiān)測。但是動態(tài)屯、電圖信號很容易受到各種噪聲的干擾，主 要干擾有交流干擾、肌電干擾、基線漂移、導聯(lián)線連接錯誤、電極片與皮膚接觸不充分等，隨 著技術(shù)的發(fā)展，大部分動態(tài)屯、電圖設(shè)備都配置了各種類型的濾波器用W消除運些干擾，但 是便攜式動態(tài)屯、電圖設(shè)備在移動的交通工具上使用時，車輛運動的干擾可能嚴重限制動態(tài) 屯、電圖信號的質(zhì)量。
[0003] 車輛的運動干擾會作用在車上的物體上，包括人體所穿戴的屯、電監(jiān)測設(shè)備。而車 輛運動的狀態(tài)能夠很好地反映干擾對屯、電監(jiān)測設(shè)備的影響，通過=軸加速度傳感器能夠非 常便捷地獲取車輛的運動狀態(tài)，從而分析運動的影響方式和程度，為消除車輛運動干擾提 供數(shù)據(jù)基礎(chǔ)。
[0004] =軸加速度傳感器是一種將物理信號加速度轉(zhuǎn)換成便于測量的電信號的傳感器， 目前大多數(shù)=軸加速度傳感器的工作原理為壓阻式、壓電式和電容式，產(chǎn)生的加速度正比 于電阻、電壓和電容的變化，通過計算運些變化量和加速度之間的關(guān)系，即可計算出加速度 的值。=軸加速度傳感器能夠在預先不知道物體運動狀態(tài)的場合下，通過檢測X，y，z =軸的 信號，獲取其坐標分量，從而準確判斷物體的運動狀態(tài)，具有體積小、重量輕的特性點，可W 測量空間加速度，能夠全面準確反映物體的運動性質(zhì)，在航空航天、汽車、機器人和醫(yī)學等 領(lǐng)域獲得廣泛應用。
[0005] 目前市場上大多便攜式動態(tài)屯、電監(jiān)測設(shè)備，結(jié)構(gòu)簡易，沒有消除車輛運動噪聲功 能，在車輛運動狀態(tài)下使用很容易受到干擾造成動態(tài)屯、電圖信號不穩(wěn)定，記錄的屯、電波形 無法用于屯、電分析，不僅限制了動態(tài)屯、電監(jiān)護設(shè)備的使用范圍，還可能使醫(yī)生對屯、血管疾 病患者的診療造成嚴重后果。

【發(fā)明內(nèi)容】

[0006] 針對現(xiàn)有技術(shù)所存在的上述技術(shù)問題，本發(fā)明提供了一種去除=導聯(lián)屯、電信號中 車輛運動噪聲的方法，能夠有效地在屯、電監(jiān)測過程中自動去除車輛運動噪聲，得到精確的 屯、電數(shù)據(jù)，為醫(yī)生對屯、血管疾病的診療提供保證。
[0007] -種去除S導聯(lián)屯、電信號中車輛運動噪聲的方法，包括如下步驟：
[000引（1)對于任一種屯、率狀態(tài)，利用屯、電信號模擬發(fā)生器在靜止時產(chǎn)生處于該屯、率狀 態(tài)下的m組=通道靜止屯、電信號段W及在車輛運動時產(chǎn)生處于該屯、率狀態(tài)下的m組=通道 運動屯、電信號段;利用=軸加速度傳感器同步采集與上述屯、電信號模擬發(fā)生器在車輛運動 時所產(chǎn)生的=通道運動屯、電信號段對應的=軸加速度信號段，m為大于1的自然數(shù)；
[0009] (2)對所述的=通道靜止屯、電信號段、=通道運動屯、電信號段和=軸加速度信號 段進行預處理;使預處理后的=通道運動屯、電信號段與=通道靜止屯、電信號段對應作差， 得到m組=通道屯、電運動噪聲；
[0010] (3)根據(jù)所述的=通道屯、電運動噪聲W及預處理后的=軸加速度信號段通過人工 神經(jīng)網(wǎng)絡學習算法進行訓練，得到關(guān)于=導聯(lián)屯、電信號的車輛運動噪聲模型；依此遍歷得 到對應各種屯、率狀態(tài)的車輛運動噪聲模型；
[0011] (4)獲取用戶日常在車輛運動時通過屯、電監(jiān)測儀檢測得到的S通道屯、電檢測信號 段，利用=軸加速度傳感器同步采集與該屯、電監(jiān)測儀在車輛運動時所檢測得到的=通道屯、 電檢測信號段對應的=軸加速度信號段;根據(jù)用戶所處的屯、率狀態(tài)將該=軸加速度信號段 輸入對應的車輛運動噪聲模型中輸出得到一組=通道屯、電運動噪聲，進而使所述的=通道 屯、電檢測信號段減去該=通道屯、電運動噪聲即得到消除車輛運動噪聲后的=通道屯、電數(shù) 據(jù)。
[0012] 所述步驟(2)中的預處理包括格式轉(zhuǎn)換和歸一化處理，W得到適當格式及范圍內(nèi) 的數(shù)據(jù)信號。
[0013] 所述的歸一化處理基于W下表達式：
[0015] 其中：X為信號段中的任一信號值，Xmin和Xmax分別為信號段中的最小值和最大值， X'為對應X經(jīng)歸一化處理后的信號值。
[0016] 所述的人工神經(jīng)網(wǎng)絡學習算法W比例共輛梯度法作為優(yōu)化方向。
[0017] 所述的步驟(3)中通過人工神經(jīng)網(wǎng)絡學習算法進行訓練的具體過程如下：
[0018] 3.1將預處理后與=通道運動屯、電信號段對應的m組=軸加速度信號段分為訓練 集和測試集且訓練集大于測試集；
[0019] 3.2初始化構(gòu)建一個由輸入層、隱藏層和輸出層組成的神經(jīng)網(wǎng)絡；
[0020] 3.3從訓練集中任取一組=軸加速度信號段代入上述神經(jīng)網(wǎng)絡計算得到對應關(guān)于 屯、電運動噪聲的輸出結(jié)果，計算該輸出結(jié)果與該=軸加速度信號段所對應的=通道屯、電運 動噪聲之間的累積誤差；
[0021] 3.4根據(jù)該累積誤差通過梯度下降法對神經(jīng)網(wǎng)絡中輸入層與隱藏層之間W及隱藏 層與輸出層之間的權(quán)重進行修正，進而從訓練集中任取下一組=軸加速度信號段代入修正 后的神經(jīng)網(wǎng)絡；
[0022] 3.5根據(jù)步驟3.3和3.4遍歷訓練集中的所有=軸加速度信號段，取累積誤差最小 時所對應的神經(jīng)網(wǎng)絡為車輛運動噪聲模型。
[0023] 所述步驟3.2中初始化構(gòu)建的神經(jīng)網(wǎng)絡中輸入層由3個神經(jīng)元組成，隱藏層由10個 神經(jīng)元組成，輸出層由3個神經(jīng)元組成。
[0024] 所述步驟3.2中初始化構(gòu)建的神經(jīng)網(wǎng)絡中神經(jīng)元函數(shù)g(z)的表達式如下：
[0026] 其中：Z為函數(shù)的自變量。
[0027] 所述的步驟(3)中對于訓練得到的車輛運動噪聲模型，將測試集中的=軸加速度 信號段逐個代入該車輛運動噪聲模型得到對應關(guān)于屯、電運動噪聲的輸出結(jié)果，使測試集中 每一組=軸加速度信號段所對應的輸出結(jié)果與=通道屯、電運動噪聲進行比較，若測試集中 有一定比例的=軸加速度信號段的比較結(jié)果小于等于闊值的話，則該車輛運動噪聲模型最 終確定；否則的話，通過采集更多的=通道靜止屯、電信號段、=通道運動屯、電信號段和=軸 加速度信號段根據(jù)步驟(1)~(2)增加訓練集的規(guī)模作為神經(jīng)網(wǎng)絡的輸入。
[0028] 本發(fā)明=導聯(lián)屯、電信號去噪方法利用=軸加速度傳感器采集運動數(shù)據(jù)作為神經(jīng) 網(wǎng)絡輸入樣本，通過格式轉(zhuǎn)換和歸一化方法在神經(jīng)網(wǎng)絡訓練前對人體靜止及運動時的動態(tài) 屯、電數(shù)據(jù)進行預處理并使兩者之間的偏差作為神經(jīng)網(wǎng)絡的監(jiān)督，進而使用人工神經(jīng)網(wǎng)絡學 習算法W比例共輛梯度的優(yōu)化方式確立噪聲模型，用監(jiān)測得到的動態(tài)屯、電數(shù)據(jù)減去對應的 運動噪聲即完成去噪。整個方法簡便且易于實現(xiàn)，能夠有效地在屯、電監(jiān)測過程中自動去除 車輛運動噪聲，得到精確的屯、電數(shù)據(jù)，為醫(yī)生對屯、血管疾病的診療提供保證。
【附圖說明】
[0029] 圖1為本發(fā)明S導聯(lián)屯、電信號去噪方法的步驟流程示意圖。
[0030] 圖2為本發(fā)明S導聯(lián)屯、電信號去噪方法中的人工神經(jīng)網(wǎng)絡模型示意圖。
【具體實施方式】
[0031] 為了更為具體地描述本發(fā)明，下面結(jié)合附圖及【具體實施方式】對本發(fā)明的技術(shù)方案 進行詳細說明。
[0032] 如圖1所示，本發(fā)明去除S導聯(lián)屯、電信號中車輛運動噪聲的方法，包括如下步驟：
[0033] (1)訓練樣本集構(gòu)建。
[0034] 為建立神經(jīng)網(wǎng)絡模型，使用屯、電信號模擬器的輸出信號作為屯、電監(jiān)測終端的輸入 信號，分別在靜止和運動狀態(tài)下采集動態(tài)屯、電數(shù)據(jù)和運動狀態(tài)數(shù)據(jù)。
[0035] 動態(tài)屯、電數(shù)據(jù)包括m組在靜止狀態(tài)時采集的，處于巧巾屯、率狀態(tài)下的屯、電信號序列 E，由于有n種不同的屯、率狀態(tài)，則有n*m組靜止屯、電數(shù)據(jù)E;m組在車輛運動狀態(tài)時采集的，處 于1種屯、率狀態(tài)下的屯、電信號序列M，由于有n種不同的屯、率狀態(tài)，則有n*m組運動屯、電數(shù)據(jù) M；
[0036] 運動狀態(tài)數(shù)據(jù)為m組在車輛運動狀態(tài)時采集的，對應于其中1種屯、率狀態(tài)下的=軸 加速度傳感器輸出信號序列Q[x，y，z]，由于有n種不同的屯、率狀態(tài)，則有n*m組運動狀態(tài)序 列Q[x，y，z]，m、n為大于1的自然數(shù)。
[0037] (2)屯、電信號預處理。
[0038] 對動態(tài)屯、電數(shù)據(jù)和運動狀態(tài)數(shù)據(jù)進行格式轉(zhuǎn)換和歸一化處理，得到適當格式及范 圍的原始數(shù)據(jù)。本實施例中，數(shù)據(jù)采樣率為250，AD轉(zhuǎn)換位數(shù)為24bit，通過降采樣算法將采 樣率降為200,通過數(shù)據(jù)壓縮算法將24bit數(shù)據(jù)轉(zhuǎn)換為16bit，得到容量更小的數(shù)據(jù)，但需滿 足神經(jīng)網(wǎng)絡訓練模塊的需求。歸一化算法采用線性轉(zhuǎn)換算法，其表達式為：
[0040] 其中：x為輸入向量，max為X的最大值，min為X的最小值，f (X)為歸一化W后的輸出 向量。
[0041] (3) W共輛梯度法作為優(yōu)化方向進行監(jiān)督式學習，獲得人工神經(jīng)網(wǎng)絡各層的權(quán)值 比重。
[0042] 3.1將m組預處理后的處于1種屯、率狀態(tài)下的運動狀態(tài)數(shù)據(jù)序列Q[x，y