[发明专利]一种融合小波包与互信息的生物信号特征提取方法

说明书

本发明提供一种融合小波包与互信息的生物信号特征提取方法，包括以下步骤：S1)、获取生物信号，并去除低频场电位和高频噪声；S2)、进行生物信号的分割；S3)、对生物信号进行小波包分解；S4)、随机选取少数用小波包分解系数表示的生物信号作为训练数据；S5)、运用最大互信息准则对训练生物信号数据进行特征选择；S6)、对测试生物信号进行特征提取，得到测试生物信号的低维时‑频特征；S7)、应用分类器对所述生物信号的低维时‑频特征进行分类，进而得到目标生物信号和多种非目标生物信号的多分类结果，本发明所提取的脑电信号特征经过聚类处理结果显示大大提高了正常与癫痫信号的分类精度。

技术领域

本发明涉及生物信号特征提取技术领域，尤其是一种融合小波包与互信息的生物信号特征提取方法。

背景技术

生物信号在医学、生命科学等领域具有重要的研究价值，目前生物信号处理在医疗保健、疾病预防、治疗以及医疗仪器产业中展现出其重要作用，由于生物信号来自于生命体，受环境、生理、心理的影响，信号具有多样性和复杂性等特点。并随着科学技术的发展，所采集的生物信号在维度、广度和数量上也呈现出爆炸式的增长趋势。

为了很好的利用所采集的生物信号，对其进行特征提取是很有必要的。现有的针对特定的生物信号的进行特征提取的技术有很多，比如：北京理工大学的申请号为201410543404.5、发明名称为“多尺度特征融合的心电图心电信号分类方法”所针对的是心电信号进行特征提取的方法，东南大学的申请号为201310168156.6、发明名称为“基于巴氏距离最优小波包分解的语音情感特征提取方法”所针对的是语音信号进行特征提取的方法等等。这些方法针对的是特定生物信号进行特征提取的方法，具有一定的针对性，同时缺乏普适性。

本发明保留了生物信号经过小波包分解后的原始时-频域特征，相对于利用小波包分解后的特征重构新特征或者计算频带能量的方式具有特征分辨率更强的优势。同时利用互信息的良好表达能力，有效剔除冗余的小波包分解特征，使得该特征提取方法具有良好的普适性，针对生物信号具有良好的特征提取能力。

发明内容

针对现有技术的不足，本发明提供一种融合小波包与互信息的生物信号特征提取方法。

本发明的技术方案为：一种融合小波包与互信息的生物信号特征提取方法，包括以下步骤：

S1)、读取数据库中所有的生物信号，并使用滤波器去除所述生物信号中的低频场电位和高频噪声；

S2)、进行生物信号的分割，首先根据阈值检测得到每个生物信号的中心发放时间，并根据该时间向前采样K个点、向后采样K-1个点作为一个周期为2K个采样点的生物信号，从而得到所有单独的生物信号；

S3)、对生物信号进行小波包分解，得到每个生物信号的小波包分解系数；

S4)、随机选取少数用小波包分解系数表示的生物信号作为训练数据，每个用于训练的生物信号数据包括多维的特征，即小波包分解系数，以及一维的类别标签；

S5)、运用最大互信息准则对训练生物信号数据进行特征选择，得到相应的系数索引；

S6)、对经过步骤S1)至步骤S3)处理的测试生物信号，采用步骤S5)得到的系数索引进行特征提取，得到测试生物信号的低维时-频特征；

S7)、应用分类器对所述生物信号的低维时-频特征进行分类，进而得到目标生物信号和多种非目标生物信号的多分类结果。

进一步的，上述技术方案中，步骤S1)中，所述的生物信号为心电信号、脑波信号、肌电图、胃电信号、眼视网膜信号、眼电信号、非电生理信号、人体光电信号、耳声发射信号、人体生理特征信号中的多种，其中，非电生理信号是指由器官运动产生的心音、脉搏、颈动脉搏动、呼吸、鼾声和柯氏音，压力信号；人体光电信号是指光电脉波、血氧饱和度信号；人体生理特征信号是指指纹、掌形、面部、虹膜和步态等相关信号。