[发明专利]基于分数阶傅里叶变换和信息熵的心电信号特征提取方法

说明书

本发明公开了一种基于分数阶傅里叶变换和信息熵的心电信号特征提取方法，属于心电信号处理领域。对待处理的原心电信号进行预处理后进行多个阶次下的分数阶傅里叶变换；计算各阶次信号的幅度谱并进行归一化，而后计算各阶次幅度谱的信息熵，将这些阶次下的信息熵作为心电的特征，选择合适的分类器可对心电信号进行分类识别等。

技术领域

本发明提出一种心电信号特征提取方法，适用于结合适合的分类器，建立分类模型，属于心电信号处理领域。

背景技术

体表心电图(electrocardiogram，ECG)是最常见的心脏状态无创检测方法，心电异常与恶性心律失常的发生有密切联系。

熵在1948年被Shannon推广到信息理论中，给予了熵新的物理含义，即表示系统(信号)的不确定性。信息熵定义为离散随机事件出现的概率。通常，一个信号源发出的信号是不确定的，可以通过出现的概率来衡量。概率越大，出现的机会就越多，不确定性就越小。反之，信号源发出的信号越混乱，这段信号各种可能事件的概率越小，熵值就越大。心电发生改变时，通常带来混乱程度的增加，尤其是心律失常等心电的异常，这种混乱中隐藏着一定的规律，可通过非线性度量的方法进行特征提取。因此本专利拟结合现代信号处理方法与信息熵对心电波形的混乱程度进行度量和描述，建立对应的特征向量并借此进行心电类型的识别和预测，可用于心电识别、监护和预警等。

发明内容：

鉴于心电信号的时频特征与非线性特征。本发明结合FRFT(Fractional FourierTransform，分数阶傅里叶变换)时频分析的能力与信息熵对信号混乱程度的度量能力，提供了一种基于分数阶傅里叶变换和信息熵(又称为香农熵)的心电信号特征提取方法，包括如下步骤。

步骤S1：采集一段心电信号并进行预处理，获得信号d；所述预处理包括去除心电信号中的工频干扰、肌电干扰及基线漂移。

步骤S2：

S2-1：对步骤S1预处理后的信号d分别进行n个阶次的分数阶傅里叶变换，其中分数阶傅里叶变换的第i个阶次取值为i/n；信号d经过第i个阶次的分数阶傅里叶变换后得到信号D_i；i＝1～n；

S2-2：对每个阶次i，计算信号D_i的幅度谱信号Fv_i；

S2-3：将每个幅度谱信号Fv_i以其最大值最小值为参照，进行归一化处理，使每个幅度谱信号Fv_i的各点取值在0到1区间；得到归一化后的分数阶傅里叶幅度谱信号Fv2_i。

S2-4：计算信号Fv2_i的信息熵：

将0到1之间等分为m个分区；对每个阶次下的Fv2_i信号，计算Fv2_i中各点的数值落在每个分区的概率，第i个阶次下的Fv2_i信号中各点落在第j个分区的概率为p_ij＝N_fvij/N_fvi，j＝1～m，其中N_fvi表示第i个阶次下的Fv2_i的总点数，N_fvij表示第i个阶次下的Fv2_i中落在第j个分区的点数，根据如下公式计算第i个阶次的分数阶傅里叶幅度谱信号Fv2_i的信息熵E_i

式中对数一般取2为底，也可以取其它对数底，它们间可用换底公式换算。

对每个阶次下的Fv2_i信号都计算得到对应的信息熵E_i，n个阶次共获得n个信息熵，以n点长的向量[E₁,…,E_i,…,E_n]作为从该段心电信号所提取的特征。