[发明专利]将非平稳信号分解成函数分量

说明书

一种信号处理方法，具体地，一种将表示生理现象的非平稳信号分解成函数分量并且估计表征这些函数分量中的每个函数分量的参数的方法。该方法利用用于估计信号的时间过程中的动态和基线的趋势的部件、用于将非平稳信号划分成函数分量在其上形成的区间的部件以及用于补偿来自与先前函数分量匹配的QGK的交叠以形成ECK的部件。该补偿包括：用于将ECK变换至频域的部件；用于估计QGK的权重参数和离差参数并且验证参数可靠性的部件；用于估计QGK的开始时间的部件；用于在每个递归周期之后扩展非平稳信号的模型的部件；用于去除不利的QGK并且重新布置剩余QGK的部件；以及用于利用属于预定类的参数来创建非平稳信号的局部模型的部件。

技术领域

本发明总体涉及信号处理，并且具体地，涉及将非平稳生物医学信号分解成函数分量，并且估计表征这些函数分量中的每个函数分量的参数。

背景技术

非平稳信号是由具有随时间变化的属性的系统产生的。在几乎所有的生物医学研究领域中出现了从理论、研究和诊断角度理解和分析这样的非平稳信号的必要性。然而，非平稳信号不受一般信号理论支持，并且处理非平稳信号的适当数学方法相当有限。

当前的信号处理方法通常根源于线性平稳系统的理论。因此，经常忽略真实数据的非平稳特征或假定影响是微不足道的。虽然对于一些应用而言时间不变性和线性的相应假设提供了可接受的结果，但是许多生理现象是高度可变的和非线性的，并且因此不认可相当准确的线性近似。同时，大量科学和临床证据表明，对大多非平稳生理信号的更全面的分析，如心电图(ECG)和脑电图(EEG)，预期将导致更深入理解各种生理系统在不同的正常和病理条件下的机制和状态。在该背景下，非平稳信号处理的先进算法的发展脱颖而出，成为能够处理大量越来越具有挑战性的应用如人脑和身体成像、计算机实现的健康监测和基于脑电图的脑计算机接口的手段。与此同时，计算机化生物医学系统在速度、规模和成本方面的持续进步使复杂算法的发展实用并且具有成本效益。

非平稳信号分析不像在线性平稳系统理论的情况下那样由足够的理论和计算架构支持。在对特定类型的生理信号的分析中通常接受启发式方法而不是数学上严格的方法。例如，在分析EEG信号时，可以使用局部平稳性的概念来分析这种信号(参见Barlow,J.S.“Methods of analysis of non-stationary EEGs,with emphasis on segmentationtechniques:a comparative review”。J.Clin.Neurophysiol,1985年，第2卷，第267至304页)。该概念假定，尽管信号是固有地非平稳的，但在小的时间间隔内信号式样仅稍微偏离平稳性(参见Priestley,M.B.:“Non-Linear and Non-Stationary Time SeriesAnalysis”。学术出版社，伦敦，1988)。这样的准平稳元素与可以由不同的非线性系统产生的信号的不同分量相关联。

到目前为止，使用数据驱动和模型驱动的信号处理方法来着手处理检测非平稳信号的分量的问题。