基于改进FastICA的胎儿心电提取算法研究

针对FastICA算法容易陷入局部最优,导致提取的胎儿心电往往含有较多噪声的问题。本文将修正BFGS法(MBFGS)和混沌优化算法相结合来代替传统的牛顿迭代法,提出一种新的独立分量分析方法,并用于胎儿心电信号的提取。分别用合成信号和临床信号对该算法进行验证,实验结果表明本文提出的算法能提取出清晰并不含母体心电的胎儿心电信号,而且算法性能更优于FastICA。

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。

噪声背景下的胎儿心电提取

在实际应用中,考虑有噪声影响的胎儿心电提取算法具有现实意义,因此本文提出了噪声背景下的基于归一化均方预测误差的新的胎儿心电提取算法。该算法在目标函数中去除了噪声的干扰。理论分析和仿真实验表明了该算法的有效性。与不考虑噪声的胎儿心电提取算法相比,该算法具有更好的提取性能。

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。

基于快速定点独立分量分析算法的母胎心电信号分离

研究快速定点独立分量分析方法在母胎心电信号分离中的应用。采用此算法,在胎儿心电信号与母体心电信号可以视为相互独立的信号源的前提下,对来源于同一孕妇的观测信号进行独立分量分离。快速定点独立分量算法可以有效地分离出单个独立分量,得到的胎儿心电信号(FECG)较理想。采用独立分量分析方法,实现母胎心电信号分离,是一种值得尝试的信号处理方法。

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.

联合峭度和时序结构的胎儿心电提取

基于峭度范围的盲提取算法利用了胎儿心电信号的峭度特性提取信号,算法收敛较慢,提取效果一般。基于时序结构的盲提取算法,利用信号的时序特性提取心电信号,该算法对时延比较敏感。针对上述两种算法的特点,提出了一种新的联合峭度和时序结构的胎儿心电提取算法,计算机仿真和实际的胎儿心电试验表明了该算法相对基于峭度范围的盲提取算法具有更好的收敛速度和更好的提取效果,相对基于时序结构的盲提取算法对时延具有更强的健壮性。

联合时序结构和参考信号的胎儿心电提取

在胎儿心电提取问题中,可以利用一些有用的先验信息,设计合适的参考信号。提出了提取胎儿心电信号的目标函数,这个目标函数利用了信号的时序结构和参考信号,最小化目标函数,得出了梯度下降的盲提取算法。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,与现有基于时序结构的盲提取算法相比,提出算法具有较好的性能和对时延估计偏差具有更强的健壮性。

基于广义自相关的两步盲提取算法

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。提出了时序结构信号的两步盲提取算法,第一步,利用信号所具有的广义自相关特性粗提取信号,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,与基于广义自相关的盲提取算法相比,提出算法具有较好的性能和对时延估计偏差具有更强的健壮性。

一种基于云平台的胎儿心电远程监护系统

本文提出一种基于云平台的胎儿心电远程监护系统,该系统由心电采集器、智能手机APP和云端服务器软件3部分组成。创可贴式心电采集器实时采集孕妇和胎儿的混合心电信号,通过蓝牙无线传送给智能手机。智能手机APP软件对接收到的混合心电信号进行分离,从母体中提取出胎儿心电信号,并把胎儿心电信号通过移动通讯网远程传输到云端服务器。云端服务器对接收到的胎儿心电进行存储和智能分析,同时将胎儿心电信号和服务器智能分析结果推送给在线医生进行监护诊断,服务器智能分析结果能给医生诊断提供参考。云端服务器软件自动将医生的诊断结果和建议返回到孕妇智能手机中。实验结果表明,所研制的基于云平台胎儿心电远程监护系统运行可靠,适合对孕妇进行长期的胎儿心电远程监护。

基于多尺度残差收缩U-Net的胎儿心电信号提取

针对在胎儿心电信号提取中,U-Net同级卷积编码器尺度的单一性忽略了母亲和胎儿心电特征波的大小和形态差异,且当残差收缩模块作为编码器的阈值学习过程中缺少对心电信号时间信息利用的问题,本文提出一种基于多尺度残差收缩U-Net模型的胎儿心电信号提取方法。首先在残差收缩模块中引入Inception和时间域注意力,增强同级卷积编码器的胎儿心电信号多尺度特征提取能力和时间域信息的利用;为了保持更多的心电波形局部细节特征,将U-Net中的最大池化替换为Softpool;最后,由残差模块和上采样构成的解码器逐步生成胎儿心电信号。本文应用临床心电信号进行实验,最终结果表明:与其他胎儿心电提取算法相比,本文方法可以提取更为清晰的胎儿心电信号,在2013年竞赛数据集上灵敏度、阳性预测值和F1分数分别达到93.33%、99.36%、96.09%。因此本文方法可以有效提取胎儿心电信号,为围产期胎儿健康监护提供了一种具有应用价值的方法。