[发明专利]一种基于去趋势项的生理电信号熵分析方法

说明书

本发明公开了一种基于去趋势项的生理电信号熵分析方法，该方法可以根据趋势项的截止频率与特征值参数之间的一对一的数值关系，确定不同频率所对应的趋势项成分，这是小波分析和集合经验模态分解方法所不具有的优势。其次，对标准数据库健康人昼夜节律下的HRV信号叠加不同成分的趋势项，使之呈现一定程度上的单一或混合趋势，然后使用平滑先验法消除HRV信号的趋势项，最后使用近似熵和模糊熵分别计算去趋势前后不同趋势下的熵值。两种熵分析法可以识别不同趋势干扰下的两组样本，使两种熵具有了处理信号中存在趋势或噪声的优势，为非线性信号处理以及特征值选择开辟了另一个重要的途径。

技术领域

本发明涉及信号处理技术领域，尤其涉及一种基于去趋势项的生理电信号熵分析方法。

背景技术

最新调查显示，我国每年约有400万人死于各类心血管系统疾病。目前我国包括各种类心血管疾疾病的患者人数已经高达2.9亿，同时由于年轻人工作的不规律和加班量的日益严重，心脏病患者已呈现年轻化的趋势。这些现象均表明，心脏病已成为妨害人类健康的最常见疾病。因而，有效的预防和诊治心血管的功能异常，是当今医学界面临的首要问题，也成为许多学者目前研究的重要课题。目前对心脏系统的输出信号研究主要分为两大类，第一类是分析心电图波形，这种方法简单易操作，并且可以直观的得到分析结果。但是由于心脏系统本身的复杂性，导致心脏系统的随机性非常明显。心电图在获取的过程中也容易受到其他频率信号的干扰。第二类是心率变异性信号，心率变异性信号是从心电图信号中提取的RR间期(相邻两个R波相隔的时间)信号，心率变异性信号是大量离散的数据点，其所蕴含的信息可以反应逐次心跳周期微小差异的变化情况。

由于心电信号非常微弱，在数据采集过程中，不可避免的会遭受人为或外界环境的强干扰，引起采集到的心电波形在正常波动状态时发生畸变。外界因素的干扰可能导致收集的心电信号呈现一定的趋势项。一般方法没有对信号做去趋势，识别效果不佳，在这些不同现象产生的趋势干扰下，不仅降低了实验结果的准确性，甚至可能出现一定程度的误差。目前的心电监测仪器中，都没有对信号做去趋势项处理，直接将测出来的数据进行显示。获得高信号质量的心电信号，这对于特征值参数的提取和进一步分析具有决定性意义，因此首先必须对心电信号进行预处理，从而获得相对保真性强的实验数据对其进行理论分析和研究。对于去除趋势项这一问题，目前尚没有良好的滤波法来消除其内部的频率混叠现象。因此需要提出一种新的技术方案解决上述问题。

发明内容

针对上述问题，本发明提出了一种基于去趋势项的生理电信号熵分析方法，对心率变异性信号基于平滑先验法消除非线性信号趋势，平滑先验法是一种基于正则化原理的去趋势方法，该方法可以根据趋势项的截止频率与特征值参数之间的一对一的数值关系，确定不同频率所对应的趋势项成分，这是小波分析和集合经验模态分解方法所不具有的优势。其次，对标准数据库健康人昼夜节律下的HRV信号叠加不同成分的趋势项，使之呈现一定程度上的单一或混合趋势，然后使用平滑先验法消除HRV信号的趋势项，最后使用近似熵和模糊熵分别计算去趋势前后不同趋势下的熵值。研究结果发现：消除趋势前，在不同趋势的强干扰下，经t检验，P(白天，夜间)＜0.05，即近似熵和模糊熵能够识别出两组不同的样本。然而，当样本被线性、幂律以及三种趋势叠加的混合趋势干扰时，P(白天，夜间)＞0.05，即近似熵和模糊熵均不能识别出存在趋势的两组不同样本，表明近似熵和模糊熵容易受到趋势的影响，使得试验结果不稳定。作为比较，当我们使用平滑先验算法对昼夜节律下的HRV信号进行去趋势项后，不论是HRV信号被单一趋势或是由单一趋势叠加而成的混合趋势强干扰，近似熵和模糊熵值均保持恒定，且经t检验，P(白天，夜间)＜0.05，即经过平滑先验法去趋势后，两种熵分析法可以识别不同趋势干扰下的两组样本，使两种熵具有了处理信号中存在趋势或噪声的优势。

本发明通过以下技术方案来实现上述目的：

一种基于去趋势项的生理电信号熵分析方法，包括以下步骤：