[发明专利]胎儿心电信号的提取方法及装置

说明书

技术领域

本发明涉及医学技术领域，尤其涉及胎儿心电信号的提取方法及装置。

背景技术

1994年，Common建立了独立分量分析(ICA)的理论框架并给出了独立分量分析的数学参考模型，为ICA的后续研究奠定了基础。基于该参考模型，各国学者开始广泛研究并提出了许多优秀的ICA分离算法。

上述的ICA分离算法可以对心电信号进行分离，得到目标心电信号，例如可以分离出胎儿心电信号。胎儿心电信号受到各种生物、非生物噪声的影响且信号本身十分微弱，母亲心电信号的强度是胎儿心电信号强度的数十倍且两者大部分频带相互重叠。在强干扰环境下提取微弱的胎儿心电信号是临床医学领域难题，各国学者在胎儿心电的提取算法上进行了大量的研究。

目前，利用ICA算法获取微弱的胎儿心电信号被各国学者广泛的研究，主要包括：将通过电极获取的混合信号作为ICA分离算法的观测信号，观测信号中的独立分量复杂且随机性强；ICA算法的特点是无需任何先验知识就能分离出混合信号中的源信号，且ICA算法的分离度量是信号的独立性，混合信号中独立分量的振幅强弱、随机性和强干扰环境对信号的分离提取影响甚微。此外，观测信号中的独立分量极大多数是生物信号，各个分量之间是相互独立的，满足ICA分离的基本前提条件。

通过ICA算法分离出胎儿心电信号，在考虑高分离精度的同时还要兼顾算法的抗噪性能和抗随机性能。现有的高阶累计量算法能够获取较高的分离精度，但在抗噪性上存在不足，主要原因是目标函数的优化单一造成的，导致获取到的胎儿心电信号准确度低。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种胎儿心电信号的提取方法及装置，旨在解决现有的高阶累计量算法能够获取较高的分离精度，但在抗噪性上存在不足，主要原因是目标函数的优化单一造成的，导致获取到的胎儿心电信号准确度低的问题。

为实现上述目的，本发明提供的一种胎儿心电信号的提取方法，包括：

获取采集到的心电信号，并对所获取的信号进行线性无关处理得到处理后的信号；

对处理后的信号求解特征值，并根据所述特征值计算得到分离信号；

通过多目标函数对所述分离信号进行优化处理，得到目标心电信号。

优选地，所述对所获取的信号进行线性无关处理得到处理后的信号的步骤之前，还包括：

对所获取的信号进行均值处理，以完成对所获取的信号的初始化处理。

优选地，所述对所获取的信号进行线性无关处理得到处理后的信号的步骤包括：

通过奇异值分解算法对初始化后的信号进行分解，得到分解后的信号，所述分解后的信号包括多个分量，各个所述分量之间相关性为0。

优选地，所述对处理后的信号求解特征值，并根据所述特征值计算得到分离信号的步骤包括：

通过高阶累积量求解特征值；

根据所述特征值得到最优特征矩阵，根据正交矩阵求解分离矩阵；

根据所述分离矩阵得到分离信号。

优选地，所述通过多目标函数对所述分离信号进行优化处理，得到目标心电信号的步骤包括：

通过多目标优化函数对所述分离信号进行处理，直至目标函数算法收敛得到混合矩阵；

从所述混合矩阵中提取到通过多目标优化函数优化后的目标心电信号。

此外，为实现上述目的，本发明还提供一种胎儿心电信号的提取装置，包括：

获取模块，用于获取采集到的心电信号；

处理模块，用于对所获取的信号进行线性无关处理得到处理后的信号；

计算模块，用于对处理后的信号求解特征值，并根据所述特征值计算得到分离信号；

提取模块，用于通过多目标函数对所述分离信号进行优化处理，得到目标心电信号。

优选地，所述处理模块，还用于对所获取的心电信号进行均值处理，以完成对所获取的信号的初始化处理。

优选地，所述计算模块，还用于通过奇异值分解算法对初始化后的信号进行分解，得到分解后的信号，所述分解后的信号包括多个分量，各个所述分量之间相关性为0。

优选地，所述计算模块包括：

求解单元，用于通过高阶累积量求解特征值；

计算单元，用于根据所述特征值得到最优特征矩阵；

所述求解单元，还用于根据正交矩阵求解分离矩阵；

所述计算单元，还用于根据所述分离矩阵得到分离信号。