[发明专利]一种极低数据量的心电识别方法

说明书

技术领域

本发明涉及一种极低数据量的心电识别方法，用于心电信号的特征提取，属于信号识别领域。

背景技术

压缩感知理论是先由Candes、Romberg、Tao和Donoho等人提出的一门新型信号处理理论，该理论指出，只要信号是可压缩的或在某个变换域是稀疏的，那么就可以用一个与变换基不相干的投影矩阵将高维信号投影到一个低维空间上，实现信号的压缩

心电信号为稀疏信号，可通过投影矩阵实现信号的数据压缩，在压缩过程中去除冗余信息，可以减少数据存储空间，减小计算复杂度，有利于对心电信号识别的实时处理

随机投影矩阵是目前最常用的投影矩阵。近年来Durrant 和 Kabán 提出可用随机投影矩阵对心电信号进行数据压缩，完成信号的特征提取。但随机投影矩阵硬件设计难，且具有不确定性的缺点，这都不利于随机投影矩阵的应用。由于混沌投影矩阵具有硬件设计简单且存储空间小的特点，克服了随机投影矩阵的缺点，本发明提出使用chebyshev混沌投影的方法对心电信号进行特征提取。同时，心电信号形态学特征是识别心电信号的重要特征，因此使用混沌投影和形态学特征相结合的特征提取方法对心电信号进行特征提取，以及实现进一步心电信号识别与分类。

发明内容

本发明提出了一种极低数据量的心电识别方法，本方法基于chebyshev混沌投影和形态学对心电信号进行特征提取，该方法旨在利用最少的特征来实现高精确度的心电信号分类

本发明所采用的技术方案如下：

一种极低数据量的心电识别方法，其具体步骤如下：

步骤一：设定合适参数，生成chebyshev混沌投影矩阵；

步骤二：使用chebyshev混沌投影矩阵对心电信号进行特征提取；

步骤三：提取心电信号形态学特征——前后RR间期；

步骤四：将步骤二与步骤三中提取的心电特征放入一个特征矩阵中，对特征矩阵进行标准化，再输入分类器中进行心电信号识别

有益效果：本发明分别使用chebyshev混沌投影矩阵和形态学方法提取2维投影特征和2维RR间期形态学特征，实现特征少且精度高的心电信号分类。本发明具有数据量小且精确度高的特点，可以将11小时的心电信号（108M）压缩到1M，分类精确度可达93.36%，适合运用于远程医疗和心电信号实时识别，对智能医疗的小型化有着重要意义。

附图说明

图1是本发明系统原理图

图2是本发明chebyshev混沌投影矩阵图

图3是本发明chebyshev混沌投影矩阵对心电信号特征提取原理图

图4是本发明心电信号前后RR间期图

图5是本发明心电信号分类结果图。

具体实施方式

下面结合具体实施方式对本发明做进一步的详细说明：

1.Chebyshev混沌矩阵构造

Chebyshev混沌观测矩阵是常见的一维映射方法，该映射是结合三角函数的系统，其定义形式如式(1)：

（1）

初始值，由此迭代可得到混沌矩阵

1.混沌投影矩阵特征提取

压缩感知理论指出，只要信号是可压缩的或在某个变换域是稀疏的，那么就可以用一个与变换基不相干的观测矩阵将高维信号投影到一个低维空间上。如果给定信号为，我们考虑一个需要m个线性观测值的观测系统，这一过程可以用数学描述为

（2）

其中，为阶矩阵，。矩阵表示一种降维处理，即它将映射成，其中

其中y相当于压缩后的心电信号，x为原心电信号，为本文中的chebyshev混沌观测矩阵，和x两矩阵相乘后得到y。将m值设置为2，可以得到投影后的2维混沌投影特征

2.前后RR间期特征提取

根据图4，定位所有心电信号的R峰位置，当前峰值减去前一个R峰值的时间为前RR间期，当前峰值减去后R峰值的时间为后RR间期

3.特征混合

将2维chebyshev混沌投影特征和2维前后RR间期特征存入特征矩阵中，再对矩阵标准化。Z-score标准化又称标准差标准化，经过变换后的数据呈标准正态分布（方差是1，均值是0），公式为：

（3）

其中u代表原始数据x的均值，代表原始数据x的标准差。通过标准差标准化处理后的数据是无纲量（单位）的数值，可以消除纲量的影响和数据自身相差较大所引起的误差

通过上述四步后，将混合特征输入到分类器中，可以得到心电信号识别精确度。本发明方法通过MIT-BIH-AR公开数据库进行验证，心拍识别个数49624（5类心脏病种类，数据量108M），压缩后数据量为1M且分类精确度为93.36%。实验结果见表1。