[发明专利]一种基于非接触式传感器的自适应滤波方法

说明书

本发明提供一种基于非接触式传感器的自适应滤波方法，涉及智能医疗技术领域，包括以下步骤：S1：获取混合噪声原始信号；S2：初始化粒子群参数；S3：根据各个粒子不同滤波范围，进行带通滤波；S4：计算原始信号包络线，获取频谱信号；S5：获取粒子适应度函数，更新粒子的速度和位置，更新粒子种群；S6：判断粒子种群是否满足最大迭代范围或最优适应度值，是则停止迭代，执行S7；反之，则返回S3；S7：获取心冲击信号。本发明一种基于非接触式传感器的自适应滤波方法可以适应信号的个体差异和环境噪声的差异所带来的影响，根据信号的特点，通过粒子群算法自动寻找最佳滤波范围，然后结合相应滤波器进行滤波，滤波效果良好。

技术领域

本发明涉及智能医疗技术领域，

尤其是，本发明涉及一种基于非接触式传感器的自适应滤波方法。

背景技术

近些年来，随着科技和经济水平的提升，人们越来越关注自身的健康问题。心跳节奏超出正常范围的变化通常预示着某种疾病的发生，比如心脏性猝死，窒息，心律不齐等。因此，日常生活中的心率监测对于人们自身疾病的早期发现与治疗有着重要的意义。

心冲击信号（BCG）是一种能反映人体心脏活动的生理信号，可在人体无感的情况下利用非接触传感器进行连续采集BCG信号。例如中国专利发明专利CN109431482A涉及一种基于非接触式的检测心率变异性的床垫及其检测方法。一种基于非接触式的检测心率变异性的床垫，包括床垫本体，供待检测用户睡卧；压敏传感器，用于采集人体的心冲击信号并转化为电信号输出；所述床垫本体内部设有基座和振动传感部件；所述压敏传感器设置在基座上，振动传感部件覆盖并接触于压敏传感器上；所述振动传感部件能够相对基座产生振动，振动传感部件在床垫本体上形成的接触面积大于压敏传感器的触点面积。

但是上述采集到的BCG信号较微弱，且极容易受到噪声干扰。如果不对采集到的信号进行滤波处理，真实的信号就会被噪声所淹没。而且传统的滤波方法会选择一个固定的滤波频率段，然后将信号通过相应滤波器来滤除部分噪声信号，但未考虑信号的个体差异和环境噪声的差异，滤波效果表现不佳。

因此为了解决上述问题，设计一种合理的基于非接触式传感器的自适应滤波方法对我们来说是很有必要的。

发明内容

本发明的目的在于提供一种可以适应信号的个体差异和环境噪声的差异所带来的影响，并根据信号的特点，通过粒子群算法自动寻找最佳滤波范围，然后结合相应滤波器进行滤波，滤波效果良好的基于非接触式传感器的自适应滤波方法。

为达到上述目的，本发明采用如下技术方案得以实现的：

一种基于非接触式传感器的自适应滤波方法，包括以下步骤：

S1：获取混合噪声的原始信号；

S2：初始化粒子群参数；

S3：根据各个粒子不同的滤波范围，进行带通滤波；

S4：计算原始信号的包络线，获取频谱信号；

S5：获取粒子适应度函数，更新粒子的速度和位置，更新粒子种群；

S6：判断粒子种群是否满足最大迭代范围或最优适应度值，若是，则停止迭代，执行步骤S7；反之，则返回步骤S3；

S7：获取心冲击信号。

作为本发明的优选，执行步骤S1时，通过安装在床体的非接触传感器获取混合噪声的原始信号。

作为本发明的优选，执行步骤S1之后，对原始信号进行分段处理，每段信号长度为20秒。

作为本发明的优选，执行步骤S7时，将分段后形成的多段原始信号获得的部分心冲击信号按照分段排列顺序进行整合，获取完整的心冲击信号。