[发明专利]基于遗传约束盲源分离的胎儿心电精确提取方法

说明书

基于遗传约束盲源分离的胎儿心电精确提取方法，利用遗传算法求解约束盲源分离解混合矩阵W的技术，继而提高约束盲元分检测胎儿心电的检测准确度，提高胎儿心电检测率。

技术领域

本发明涉及一种基于遗传约束盲源分离的胎儿心电精确提取方法。具体讲，本发明涉及利用遗传算法求解约束性盲源分离的解混合矩阵，继而对胎儿心电精确提取。

背景技术

胎儿心电信号(FetalElectrocardiogram,FECG)记录胎儿心脏动作电位及其在心脏传导过程中的图形变化，是反映胎儿宫内生理活动的客观指标之一，其中含有反映胎儿发育程度、位置、是否酸中毒或者心律失常等健康状况。无创式提取方式将电极放在孕妇腹部尽可能地靠近胎儿位置测得信号，此方法可在整个妊娠期内使用，它可以早期发现胎儿宫内缺氧、窘迫、对许多胎儿本身的疾病，如先天性心脏病，新生儿心律失常，胎儿宫内发育迟缓等，能够提供重要的诊断依据。由于FECG比较微弱，无创式提取的胎儿心电信号从母亲的腹部采集获得的，在采集的过程中不可避免的会含有许多噪声(如工频干扰，母体自身的心电(MaternalElec-trocardiogram,MECG)，从复合母体信号中分离出胎儿心电信号，准确提取FECG成为生物医学工程中一个富有挑战性的问题。

盲信号处理是20世纪最后十年中迅速发展起来的一个研究领域，具有可靠的理论基础和广泛的应用潜力。前期在专利基于约束盲源分离的胎儿心电检测方法中利用约束盲源分离算法对胎儿心电信号进行提取(CN201410164558.3)，此算法较普通二阶盲源分离、ICA方法或者FastICA在提取精度及实时性都有较大改进，其实质是在二阶矩的同时，引入了参考信号，加快收敛速度。约束盲源分离算法的核心问题是解混合矩阵的学习方法，在专利基于约束盲源分离的胎儿心电检测方法中求解混合矩阵W时采用梯度法求解。梯度法求解混合矩阵的方法在非线性盲源分离问题时很难获取得全局最优解。从孕妇腹部采取的母胎混合信号中包括母体心电信号、腹动信号、胎儿信号等多种混合信号，并且这些信号都是非线性混合信号，利用梯度法求解混合矩阵时易陷入局部最优解，继而影响胎儿心电的精确提取。

遗传算法是一种并行收索、全局优化的学习方法，不依赖于局部梯度信息，同时遗传算法对小规模组合优化问题更为有效，由此可将约束性盲源分离算法解混合矩阵W视为一个组合，对这个组合中的每一个因素综合考虑，有利于其参数优化，同时具有较强的鲁棒性，并且采用并行机制，适合大规模的复杂问题的优化，所以本专利利用遗传算法求约束性盲源分离算法中解混合矩阵。

发明内容

本发明的目的是提供一种利用遗传算法求解约束盲源分离解混合矩阵W的方法，继而提高约束盲元分检测胎儿心电的检测准确度，提高胎儿心电检测率。

为实现上述目的，本发明的方案包括：基于遗传约束盲源分离的胎儿心电精确提取方法，包括以下步骤，

步骤一、利用特征值分解对观测信号X进行白化；

步骤二、获取多路参考信号R；

步骤三、利用遗传算法求解混合矩阵W，首先将混合矩阵W的求解问题转化为遗传算法适应的组合优化问题，确定W每个元素的大致范围和编码长度，并对其进行编码以及随机产生n×m个个体组成的初始种群P(0)；

步骤四、选定合适的遗传算法参数：终进化迭代数G、交叉概率Pc以及变异概率Pm；

步骤五、利用参考信号与分离信号相关性为目标函数，将初始种群P(0)中各个个体解码成对应的参数值，并求取相应的代价函数和适应函数值，在应用复制、交叉和变异算子对种群P(t)进行操作，产生下一代种群P(t+1),重复以上操作，直到参数收敛或者达到预定的指标，计算最终种群即得到新解混合矩阵W，在新的解混合矩阵W分离胎儿心电，产生偏差后进入下一步自学习与解混合W的自调整；

步骤六，实现解混和矩阵的W自适应在线调整，提取胎儿心电信号；