[发明专利]一种呼吸信号提取方法及装置

权利要求书

1.一种呼吸信号提取方法，其特征在于，包括步骤：

获取心电信号并进行预处理，从所述心电信号中提取参数信号，所述参数信号包括训练用参数信号和测试用参数信号；

将所述参数信号进行降维，得到主成分心电信号，并以所述训练用参数信号对应的主成分心电信号作为神经网络的输入样本，以阻抗法得到的参考呼吸信号作为所述神经网络的训练目标，构建神经网络训练模型；

将所述测试用参数信号对应的主成分心电信号输入到所述神经网络训练模型中，获取最终的呼吸信号。

2.如权利要求1所述的方法，其特征在于，所述将所述参数信号进行降维的步骤包括：

将所述参数信号进行显著性检验得到显著性特征信号；

通过主成分分析对所述显著性特征信号进行降维，得到主成分心电信号。

3.如权利要求2所述的方法，其特征在于，所述将所述参数信号进行显著性检验得到显著性特征信号的步骤包括：

将所述参数信号进行标准化处理，得到标准心电信号；

将所述标准心电信号进行方差分析和F检验，得到显著性特征信号。

4.如权利要求1所述的方法，其特征在于，所述神经网络采用动态BP算法，所述动态BP算法通过动量因子进行权值调整，权值调整的计算公式为：

w(k+1)＝w(k)+Δw(k+1)

其中，α表示网络的学习率，η表示动量因子，表示第k次反向传递的误差偏微分，w(k)表示第k次反向传递的阈值或权值，E(k)表示第k次反向传递的误差总和。

5.如权利要求1所述的方法，其特征在于，所述获取心电信号并进行预处理，从所述心电信号中提取参数信号的步骤包括：

获取心电信号并进行工频滤波，得到滤波信号；

通过阈值法提取所述滤波信号中的RR间期序列信号和RW幅值序列信号。

6.如权利要求1所述的方法，其特征在于，所述神经网络通过试凑法确定隐层节点数的个数，所述试凑法包括步骤：

先将隐节点数目设置在1+i/2附近，逐渐增加隐节点数至2*i+1，形成误差性能曲线；

通过分析误差性能曲线来确定隐节点的数量，其中i是输入层节点数目。

7.一种呼吸信号提取装置，其特征在于，包括：

心电信号获取单元，用于获取心电信号；

心电信号处理单元，用于对心电信号进行预处理得到参数信号，所述参数信号包括训练用参数信号和测试用参数信号；

降维处理单元，用于将所述参数信号进行降维，得到主成分心电信号；

训练单元，用于以所述训练用参数信号对应的主成分心电信号作为神经网络的输入样本，以阻抗法得到的参考呼吸信号作为所述神经网络的训练目标训练所述神经网络；

呼吸信号获取单元，用于将所述测试用参数信号对应的主成分心电信号输入到训练后的所述神经网络中，获取最终的呼吸信号。

8.如权利要求7所述的装置，其特征在于，所述降维处理单元包括：

显著性检验单元，用于对所述参数信号进行显著性检验，并输出显著性特征信号；

主成分分析单元，用于对所述显著性特征信号进行降维，得到主成分心电信号。

9.如权利要求8所述的装置，其特征在于，所述显著性检验单元包括：

标准化处理单元，用于对所述参数信号进行标准化处理，得到标准心电信号；

显著性特征信号提取单元，用于将所述标准心电信号进行方差分析和F检验，提取显著性特征信号。

10.如权利要求7所述的装置，其特征在于，所述神经网络采用动态BP算法，所述动态BP算法通过动量因子进行权值调整，权值调整的计算公式为：

w(k+1)＝w(k)+Δw(k+1)

其中，α表示网络的学习率，η表示动量因子，表示第k次反向传递的误差偏微分，w(k)表示第k次反向传递的阈值或权值，E(k)表示第k次反向传递的误差总和。