申请/专利权人：浙江工业大学

申请日：2021-11-05

公开（公告）日：2024-04-05

公开（公告）号：CN114145749B

主分类号：A61B5/318

分类号：A61B5/318;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2022.03.25#实质审查的生效;2022.03.08#公开

摘要：一种基于优化模型的ECG信号有限新息率采样方法，适用于ECG信号FRI采样及信号重构，所提方法将ECG信号建模为一阶微分VPW模型，以利用FRI采样理论对其进行欠采样；然后使用双通道采样结构进行采样，采样通道一是一个FRI采样通道，用于获取信号的少量样本以进行参数估计；采样通道二为低速采样通道，用于采集少量的信号时域样本，以用于对ECG信号进行优化重构。为了提高ECG信号的重构精度，采用于粒子滤波的参数优化算法，以提高ECG信号参数估计的精度，从而提高信号重构的质量。为了提高参数估计的效率和优化的成功率，在基于粒子滤波的参数估计算法中引入了块坐标下降的思想，提升了优化的成功率和优化的效率。

主权项：1.一种基于优化模型的ECG信号有限新息率采样方法，其特征在于，所述方法包括以下步骤：步骤1：根据FRI采样理论，将ECG信号建模为一阶微分VPW模型信号，并忽略模型匹配误差： 其中，st是ECG信号，t表示时间，T是ECG信号st的观测时长，K是基函数一阶微分VPW脉冲fkt的个数，k∈[1,K]，K是一个正整数，是VPW脉冲的r阶微分脉冲，r＝0,1，分别是第k个基函数的r阶微分脉冲的对称部分脉冲幅值，非对称部分脉冲幅值，脉宽和时延参数，一阶微分VPW模型的傅里叶系数如下所示： 其中S[m]是ECG信号的傅里叶级数系数；步骤2：利用双通道采样结构对ECG信号进行低速均匀采样，过程如下：采样通道一：对ECG信号st进行采样核滤波，采样核为sinc采样核，得到滤波之后的信号gt： 其中，Yf是滤波信号的频谱，Sf是ECG信号的频谱，f表示频率，B是sinc采样核的带宽，ht是sinc采样核的冲激响应： 其中，Hf是sinc采样核的频率响应，B是sinc采样核的带宽，通常大于等于信号的新息率ρ，滤波器的截止频率为fc＝B2，因此，通道一的采样速率fs1≥2fc，之后，以采样速率fs1对ECG信号进行低速均匀采样，得到FRI采样之后的信号y[n]，n∈[0,N-1]是采样点，是采样通道一的采样点数；采样通道二：对ECG信号进行低速均匀采样，采样速率为fs2＝fs1，以获取ECG信号的少量时域样本s[n′]，n′∈[0,N′-1]是采样通道二的采样点，是采样通道二的采样点数，采样通道二的样本用于辅助信号参数估计的优化；尽管当fs2小于ECG信号的奈奎斯特采样速率时会造成采样信号的频谱混叠，但是采样信号在时域上却不会受到影响；步骤3：利用基于粒子滤波的参数优化算法对ECG信号的参数估计进行优化，过程如下：步骤3.1：计算采样通道一获取的样本y[n]的傅里叶系数Y[m]，m∈[0,M]，步骤3.2：开始迭代优化，由于ECG信号通常包含5个脉冲，即P，Q，R，S，T脉冲，因此，为了减少遍历的次数，令微分VPW模型的基函数个数取值范围为K＝4:7；步骤3.3：根据M+1个采样信号的傅里叶系数，利用零化滤波器算法估计出信号的所有参数步骤3.4：利用估计的参数重构ECG信号，得到重构信号步骤3.5：构造待优化的目标函数：令t＝n′Ts2＝n′fs2，得到信号离散化的重构信号利用通道二获取的少量时域样本s[n]构造待优化的目标函数： 其中，dev是模型匹配误差，是待优化的变量集合；步骤3.6：利用BCD方法的思想对待优化的变量集合X＝{xj},j∈[1,4]进行优化，其中将估计出的ECG信号的参数作为待优化的目标函数自变量的初始值依次对xj进行优化，并利用优化得到的结果更新待优化的变量集合步骤3.7：对变量集合X＝{xj},j∈[1,4]进行迭代优化：itra＝1:10；步骤3.8：依次优化xj：迭代次数j＝1:4；步骤3.9：开始对变量集合xj进行迭代优化：迭代次数n＝1:5；步骤3.10：初始化：将公式5所示的目标函数的向最优解的变化过程视为一个动态时变系统，系统的状态则是目标函数的解，利用粒子滤波的基本原理估计出系统状态的最小方差估计，即目标函数的最优解，将系统状态初始化为零化滤波器方法估计得到的参数步骤3.11：粒子滤波迭代优化：i＝1:I；步骤3.12：采样：在系统状态的解空间随机采样Np个粒子，对于第m′∈[1,Np]个粒子，其采样满足：使用均匀分布代替ci＝Λ1.01i是一个随着迭代过程的进行而逐渐缩小的参数，Λ是待优化的变量X的取值范围，随着迭代的进行而不断地缩小采样区间，以使系统的状态粒子最终收敛于目标函数的全局最优解；步骤3.13：更新全局最优解：将公式六所示的待优化的目标函数作为系统的测量函数，计算当前迭代次数下每个粒子的测量值之后，找到并保存测量值的最小值及其对应的粒子： 步骤3.14：更新粒子权重：将粒子的测量值与状态粒子xi-1的测量值yi-1进行比较：若是粒子的测量值大于状态粒子的测量值yi-1，则该粒子的权重设置为0；若是粒子的测量值小于等于状态粒子xi-1的测量值yi-1，则该粒子的权重由与yi-1的距离决定，实现方法是将粒子的权重视为服从正态分布Nyi-1,σ2，其中σ2是样本的方差，则每个粒子的权重经过更新后由下列式子得到： 之后，对每个粒子的权值进行归一化处理： 步骤3.15：重采样：随着迭代的进行，有效粒子可能会出现大规模减少的现象，从而导致优化算法过早收敛于某一极值点，为了避免这种现象，当有效粒子的数目Neff小于一个阈值Nth＝2N′3时，必须启动重采样操作，有效粒子的数目通过以下式子计算： 当Neff＜Nth时，启动重采样操作，独立重采样的方式进行重采样，经过重采样之后，权重较少的粒子则会减少，而权重较大的粒子则会保留；步骤3.16：估计系统状态：经过对粒子的权重进行更新之后，可以估计出系统在第i个时刻的状态： 步骤3.17：判断：如果i≤I，则返回步骤3.11迭代优化；如果i＞I，停止迭代，输出基于粒子滤波的参数估计算法对变量集合xj的优化结果及其对应的步骤3.18：更新当yj[n]趋于不变或者n＞5时，停止迭代，否则返回步骤3.9继续迭代优化；步骤3.19：如果j＞4，则所有变量优化完成，变量X＝{xj},j∈[1,4]优化完成，对应的最优值yitra＝y4end，否则返回步骤3.8优化下一个变量集合；步骤3.20：如果yitra的值趋于不变或者对变量X的迭代优化次数itra＞10，则停止迭代，得到优化完成的变量集合X＝{xj},j∈[1,4]，及其对应的最优值yend，否则返回步骤3.7迭代优化；步骤3.21：迭代结束之后，输出当前迭代次数K对应的最优值yoptK-3及其最优解XoptK-3,:： 步骤3.22：判断：如果K≤7，则返回步骤3.2迭代优化；如果K＞7，停止迭代；步骤4：从集合yopt找到模型匹配误差的最小值，以及对应的最优解： 步骤5：将基于粒子滤波的参数估计算法得到的最优基函数个数Kopt以及优化参数集合代入到一阶微分VPW模型当中，重构出ECG信号s′t。

全文数据：

权利要求：

百度查询： 浙江工业大学 基于优化模型的ECG信号有限新息率采样方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD