基于经验模式分解和最小二乘支持向量机的胎儿心电信号提取

针对心电信号的非平稳特性,将非平稳信号处理方法与非线性估计方法相结合,提出一种从母体腹壁混合信号中提取胎儿心电信号的新方法。采用经验模式分解(EMD)方法将非平稳的母体心电信号分解为有限个本征模函数(IMF)和一个残差信号;母体腹壁混合信号中的母体心电成分为母体心电信号的非线性变换,采用最小二乘支持向量机(LSSVM)拟合这一非线性变换;将EMD分解所得的本征模函数和残差信号经由所拟合的非线性变换得到母体腹壁混合信号中母体心电成分的最优估计,从母体腹壁混合信号中减去该最优估计得到胎儿心电信号。引入基于特征值分析和基于互相关系数计算信噪比的方法,评估胎儿心电信号提取方法的性能。实验结果表明,在胎儿心电信号和母体心电信号QRS波分离或者重叠的情况下,通过提出的方法均可得到清晰的胎儿心电信号,且信噪比相对于传统方法有明显提高。实验结果验证了该方法的有效性。

基于最小二乘支持向量机的胎儿心电信号提取

该文针对胎儿心电信号难以提取的问题,提出一种从母体腹壁混合信号中提取胎儿心电信号的方法。首先利用最小二乘支持向量机(LSSVM)拟合母体心电信号传导至腹壁所经历的非线性变换,然后将母体心电信号经由所拟合的非线性变换得到腹壁混合信号中的母体心电成分的最优估计,再从腹壁混合信号中减去母体心电成分的最优估计得到含噪声的胎儿心电信号,最后通过经验模式分解(EMD)抑制胎儿心电信号中的基线漂移和噪声,得到清晰的胎儿心电信号。在胎儿心电信号和母体心电信号QRS波完全重叠的情况下,通过该方法能够提取出清晰的胎儿心电信号。实验结果验证了该方法的有效性。

结合多路ν-SVR与TFBSS的胎儿心电信号提取

提出了一种结合多路v-支持向量回归机(ν-SVR)和时频盲源分离(TFBSS)的胎儿心电信号间接提取方法。利用多路ν-SVR估计各路腹壁信号中的母体心电成分并将其抑制,从而得到多路含噪声的胎儿心电成分的最优估计;然后通过TFBSS从多路含噪声的胎儿心电成分的最优估计中提取胎儿心电信号。采用临床心电数据进行实验,结果表明本文提出的方法在可视化结果和信噪比指标上均优于传统方法。

结合FastICA与EKF的腹部源胎儿心电信号提取

针对腹部源信号,本文提出一种结合快速独立分量分析(FastICA)与扩展卡尔曼滤波(EKF)的胎儿心电信号提取方法。首先抑制原始母体腹壁混合信号中的基线漂移、工频干扰和脉冲伪迹。然后使用FastICA从母体腹壁混合信号中分离得到母体心电信号估计以及含有残留母体心电成分和其他噪声的胎儿心电信号估计。使用EKF对胎儿心电信号估计进行滤波得到残留的母体心电成分估计,将其抑制后获得含噪声的胎儿心电信号。最后再次使用EKF提取得到清晰的胎儿心电信号。采用临床数据进行实验,本文提出的胎儿心电信号提取方法的灵敏度、阳性预测值和F_(1)分数分别为99.27%,94.35%,96.71%,其基于互相关系数和基于特征值分析的信噪比分别为6.1454 dB和6.5096 dB。实验结果表明本文提出的方法在主观视觉效果和客观评价指标上均优于传统的胎儿心电信号提取方法。

基于非线性时间序列的胎儿心电信号提取算法

研究了基于非线性时间序列的状态空间投影算法提取胎儿心电信号。母亲、胎儿心电信号以及噪声在状态空间中的吸引子表现形式不同,通过选择不同的邻域半径,将混合信号在某一局部范围内投影,就可以分离出所要监测的胎儿心电信号。对模拟的和实际测量的孕妇腹部混合信号仿真,都得到了较好的效果。相对于其它胎儿心电信号提取算法,该方法只需要一路导联信号就可以分离出胎儿心电信号,方便了医生对胎儿的监测。该算法对其它微弱特征信号提取具有借鉴作用。

改进的ICA胎儿心电信号提取法

独立分量分析(ICA)模型中,有关独立性的假设对模型的可识别性至关重要,然而在实际应用中信号源之间往往有某种程度的联系。孕妇腹部信号是由胎儿心电信号(FECG)和母亲心电信号(MECG)线性混合而成的,但是FECG与MECG之间存在一定的相关性,不是完全统计独立的,针对信号源之间弱独立性的这一特点提出了一种新的非入侵式胎儿心电信号提取方法,试验表明该方法比直接用传统的ICA方法提取的胎儿心电信号噪声小、分离效果好。

基于局部主分量分析的胎儿心电信号提取算法

为了从孕妇腹部一个导联混合信号中提取微弱的胎儿心电信号,提出了一种基于局部主分量分析的非线性特征信号提取算法。该算法首先利用重构相空间理论从观测时间序列中重构系统的动力学特征,然后在每个相点的局部范围内利用主分量分析的算法提取母亲和胎儿心电信号。由于提取的胎儿心电信号中还含有噪声,再一次利用局部主分量分析算法就能分别提取纯净的胎儿心电信号和噪声。两组实测信号的仿真结果表明,算法具有较好的提取效果和鲁棒性。

基于ICA方法和遗传算法的胎儿心电信号提取

现有独立分量分析(ICA)方法易陷入局部极优值,从而使提取出的胎儿心电信号(FECG)中常混有部分母体心电(MECG)。为解决该问题,本文提出一种基于独立分量分析和遗传算法(GA)的新的胎儿心电信号提取方法。该方法首先利用遗传算法在全局空间内搜索最优值,然后又通过基于峭度的固定点算法的迭代核加强局部搜索,因而增强了算法的分离能力。该算法适用于超高斯和亚高斯信号同时存在的情况,并且具有遗传算法所有的收敛性强的优点。实验结果表明,该算法可以成功地分离混叠信号,而且与传统的独立分量分析方法相比,具有更优异的分离能力,提取出的胎儿心电信号噪声小,几乎不混有母体心电。

胎儿心电信号的两步盲提取算法

盲提取算法在信号处理和分析中逐步成为一项重要的方法,因为它利用信号的先验特性只提取感兴趣的信号,这样就可以节约大量的计算时间和资源。文章提出了胎儿心电信号的两步盲提取算法,第一步,利用胎儿心电信号所具有的非高斯性和时序特性粗提取信号,第二步利用信号的高阶统计特性精提取信号。计算机仿真和实际的胎儿心电实验表明了提出算法的正确性,与现有的胎儿心电盲提取算法相比,提出算法具有更好的提取性能和对时延估计误差具有更强的健壮性。

使用时频盲源分离和小波包去噪的胎儿心电信号提取

提出一种使用时频盲源分离(TFBSS)和小波包去噪的胎儿心电信号提取新方法。首先通过重排时频谱时频盲源分离方法进行胎儿心电信号的初次提取,并将初次提取得到的母体心电信号和噪声对应的各路分量置零,其余分量由混合矩阵进行重构;然后再利用重排时频谱的时频盲源分离方法对重构信号进行胎儿心电信号的二次提取,得到含噪声的胎儿心电信号;最后通过小波包去噪抑制胎儿心电信号中的基线漂移和噪声。在胎儿心电信号和母体心电信号的QRS波无重叠、部分重叠或完全重叠的情况下,通过该方法能有效抑制母体心电信号和噪声的干扰,提取胎儿心电信号。实验结果表明该方法能提取清晰的胎儿心电信号。

基于ICA方法和改进遗传算法的胎儿心电信号分离

由于独立分量分析(ICA)方法易陷入局部极优值,而遗传算法具有内在的隐并行性和更好的全局寻优能力,自适应地调整搜索方向的优势,本文提出一种改进的遗传算法用于胎儿心电信号的提取,可以克服ICA算法的上述缺陷,改善分离精度。通过实验仿真取得了较好的分离结果。

基于独立分量分析的胎儿心电信号提取

研究独立分量分析方法在胎儿心电信号(FECG)提取中的应用,视胎儿心电信号与噪声为相互独立的信号源,采用FastICA算法,对来源于同一孕妇的观测信号进行独立分量分离,得到较为理想的FECG,实践证明:采用该方法提取FECG是一种有效的方法.

胎儿心电信号提取算法研究

本文首先建立了心电信号模型,然后分别采用了最小均方(LMS)算法和小波变换模极大值算法,从腹部混和信号中提取胎儿心电信号,仿真结果表明基于小波变换模极大值提取胎儿信号时,其性能明显优于LMS算法,具有收敛速度快,在低信噪比下仍然适用的特点。

使用信噪比正则化LightGBM的腹部源胎儿心电信号提取方法

胎儿心电信号(Fetal ElectroCardioGram,FECG)能反映胎儿健康状况.但是,由于其信噪比相对较低,FECG仍未能在临床上得到广泛应用.如何有效提取高质量的FECG仍是一个巨大挑战.为此,本文提出一种使用信噪比正则化LightGBM(Light Gradient Boosting Machine)模型的FECG提取方法.针对原始母体腹壁混合信号,首先使用传统滤波方法进行噪声抑制,然后再使用快速独立成分分析(Fast Independent Component Analysis,FastICA)从中分离得到母体心电信号(Maternal ElectroCardioGram,MECG)估计和FECG估计,FECG估计中残留的MECG成分是MECG的一种非线性变换.改进传统LightGBM模型,在目标函数中增加FECG的基于互相关系数的信噪比作为正则项,构建信噪比正则化LightGBM模型,并使用该模型拟合这一非线性变换.将MECG估计经由所拟合的非线性变换得到MECG成分的最优估计,并将其抑制,提取得到高质量的FECG.采用真实腹部源心电信号数据集进行实验,结果显示本文提出的方法的灵敏度为99.9%,阳性预测值为99.1%,F分数为99.5%,基于互相关系数与基于特征值分析的信噪比分别为6.0 dB和6.1 dB.实验结果表明,本文提出的方法是有效的且具有更好的性能.

基于自适应算法的胎儿心电信号仿真

胎儿心电信号是人体的基本生理信号.胎儿心电信号通常伴有母亲心电信号的噪声干扰,为了消除噪声,采用最小均方算法设计了自适应滤波器,利用MATLAB和Xilinx System Generator开发工具搭建了滤波器模型,通过FPGA完成电路的RTL级验证.仿真结果表明,滤波器对母亲心电信号的噪声干扰能起到很好的滤波作用.

一种利用单通道母体腹部心电信号提取胎儿心电信号的新技术

针对母体腹部混合心电信号中胎儿心电信号微弱、包含诸多噪声,难以清晰提取的问题,本文提出了一种基于奇异值分解(SVD)、平滑窗(SW)技术和最小二乘支持向量机(LSSVM)的胎儿心电提取新方法.首先,利用SVD从单通道母体腹部心电信号中重构分解矩阵,估计出母体心电参考信号,并利用SW方法对估计出的母体心电参考信号进行平滑处理;然后,利用LSSVM建立非线性估计模型,通过该模型和平滑后的母体心电参考信号估计出腹部信号中的母体心电成分,并采用布谷鸟搜索算法(CS)优化LSSVM的超参数;最后,将腹部混合信号与CS-LSSVM模型估计出的母体心电成分相减,即可获得初步胎儿心电信号,为了进一步消除干扰,对初步获取的胎儿心电信号再进行SW-SVD操作,从而获得较为清晰的胎儿心电信号.采用Daisy数据集进行实验,结果表明,本文所提出的方法在可视化对比分析和四个统计评价指标上均优于其他三种经典方法,可从腹部混合信号中提取出更清晰的胎儿心电信号.

基于互信息最小的非线性混合胎儿心电信号提取方法

胎儿心电信号提取具有重要的临床意义。目前大多数胎儿心电信号提取方法是基于线性瞬时混合模型,使用多路信号实现.本文基于更符合实际情况的非线性混合模型,使用两路心电信号,提出一种新颖的从母体腹部混合信号中提取胎儿心电信号方法。首先,在假定母体和胎儿两个心电信号相互独立的基础上,基于互信息最小原则,提出一种新的目标函数;然后,利用多层感知机拟合母体心电信号传导至腹部所经历的非线性变换,从而得到母体腹部混合信号中母体心电成分的最优估计;最后,从母体腹部混合信号中减去母体心电信号的最优估计,实现胎儿心电信号的成功提取。实验结果验证了该方法的正确性和有效性。

一种改进的非线性PCA胎儿心电信号提取算法

传统非线性主分量分析(PCA)算法在提取胎儿心电信号(FECG)时,对信道参数变化的跟踪能力较差,为有效地跟踪信道参数的变化,快速提取胎儿心电信号,提出一种通过预测误差调整遗忘因子的非线性PCA算法.该算法具有收敛速度快,参数估计误差小的优点.仿真结果表明,该算法与传统算法相比,可以快速有效地抑制掉母亲心电信号(MECG)和各种噪声,提取更清晰的胎儿心电信号.

基于小波变换和匹配滤波的胎儿心电信号R波检测

针对母体腹壁心电信号的特点,采用一种基于小波变换和匹配滤波的方法对腹壁信号进行胎儿心电信号的R波检测。该方法先用平稳小波变换得到信号的高频系数,再用算术平均法获得母亲的QRS波模板,最后采取匹配滤波法进行胎儿心电信号的R波检测。实验结果表明,该方法能够有效地消除母亲心电信号以及基线漂移等噪声,对胎儿心电的R波检测具有较高的准确性。

胎儿心电信号检测算法的研究进展

介绍了胎儿心电信号(fetal electrocardiogram,FECG)的预处理方法,综述了差分阈值法(difference threshold arithmetic,DTA)、小波变换(wavelet transform,WT)法、经验模态分解(empirical mode decomposition,EMD)法、机器学习算法和多导联融合检测算法等常用的FECG检测算法的原理及其国内外研究现状,分析了各FECG检测算法的优缺点,指出了融合多种检测算法、设计轻量型训练模型、引入迁移学习算法和提高算法自学习能力是未来FECG检测算法的改进方向。