[发明专利]一种基于多小波变换融合下的脉搏信号特征提取方法

说明书

本发明公开了一种基于多小波变换融合下的脉搏信号特征提取方法，属于噪声处理与信号特征提取技术领域。在数据预处理阶段，使用加权处理的方式由使用不同小波基函数去噪的多个结果得到最终去噪的脉搏波，基于香农定理并使用高斯函数一阶导数进行小波变换寻找脉搏波的主波位置并进行周期划分，并对划分后的周期进行小波包分解与高阶统计量计算以获取特征量。本发明能有效地综合多个去噪的结果，提高了小波变换去噪的准确性，提高了主波提取的精度和脉搏波特征量提取的准确度。

技术领域

本发明涉及一种基于多小波变换融合下的脉搏信号特征提取方法，属于噪声处理与信号特征提取技术领域。

背景技术

人体脉搏波信号包含着丰富的人体生理信息，在现代医学技术下对其进行检测分析可以有效地得出有关人体生理状态和病理变化的信息，但由于基线漂移、工频干扰和肌电干扰等噪声的存在，所需要的脉搏波有可能淹没在其中从而无法收集。目前在一些相关的研究中有使用傅里叶变换和带通滤波等方法去除噪声，而小波变换凭借其同时在时域与频域上良好的局域化性质，相比前面的方法更加适宜用作噪声的消除。

人体脉搏波信号波形的特征信息主要由主波、重搏前波、重搏波组成，现有的识别算法在检测波形的过程中会提取到大量的峰值点，而大部分峰值点与主峰波峰点无关，会降低主波提取时的效率和精确度。使用归一化香农能量包络线计算可以将大部分与主波无关的峰值点滤掉以减少计算量；而使用高斯函数一阶导数作为小波基函数进行小波变换可以将波形中的峰值点位置映射为变换后的过零点位置，通过求取过零点位置并返回原信号可以准确定位峰值点

在其他的心音信号的特征提取实验中，绝大多数使用小波变换进行数据预处理的实验都是选取一种去噪效果相对最好的小波基函数进行小波分解、阈值分割与小波重构，但是不同的小波基函数在同样流程中对于噪声的不同消除效果是不应忽视的，根据去噪效果对多个结果进行加权取值可以有效地体现不同小波的去噪效果，得到更加准确的脉搏波信号。

小波包分解是一种有效的信号时频分析方法，它是将信号投影到一组互相正交的小波基函数张成的空间上，并将信号分解为低频和高频两个部分，在下一层分解中它不仅对信号的低频部分进行分解，同时也对信号的高频部分实施再分解，是一种更为精细的分析方法。

所谓高阶统计量通常应该被理解为高阶矩、高阶累积量以及它们的谱-高阶矩谱和高阶累积量谱这四种主要的统计量。高阶矩谱和高阶累积量谱统称为高阶谱，可对随机信号和确定信号进行定义。目前高阶统计量的应用研究主要集中于3阶、4阶累积量和相应的高阶谱方面。而高阶统计量分析是信号处理领域的前沿性研究方向，高阶统计量描述了信号的高阶数字特征，可以显示信号的幅度与相位信息，能解决非高斯非线性的问题。

本发明采用小波变换与加权计算过滤原始脉搏波信号噪声，使用归一化香农能量包络线提取与利用高斯函数一阶导数的小波变换寻找主波位置，基于主波位置对脉搏波信号进行周期划分，使用小波包分解与高阶统计量对周期划分后的脉搏波信号进行处理获得多种特征量。有效减少了原始脉搏波中的噪声信号并更为准确地获得了周期划分后脉搏波信号的多种特征量。本专利方法可用于脉搏波分析、诊断等方面，也可以用于相关脉搏波测量、分析的软件方面。

发明内容

本发明旨在解决使用小波变换对脉搏波信号去噪过程中在众多小波基函数中只选取一种进行去噪导致结果并不准确以及对脉搏波进行周期划分与特征量提取不够准确的问题，提出了一种基于多小波变换融合下的脉搏信号特征提取方法。

一种基于多小波变换融合下的脉搏信号特征提取方法，包含如下步骤：

步骤1：使用多种小波基函数对原始脉搏波信号进行小波分解与阈值处理并进行小波重构得到去噪后的脉搏波信号；

其中，多种小波基函数主要包括Haar小波、Daubechies小波以及Symmlets小波；