[发明专利]一种基于蚁群算法的心磁信号智能拟合优化方法

权利要求书

1.一种基于蚁群算法的心磁信号智能拟合优化方法，其特征在于：包括以下步骤：

S100、选定实测的心磁离散数据，根据心磁离散数据进行周期截取，再根据所截取周期信号选择激动强烈部分作为研究对象，具体选QRS波群进行研究；

S200、把所述心磁离散数据初步拟合，利用统计学中拟合函数R²、校核R²及均方根误差进行拟合优良评估筛选并得到最优高斯拟合函数；

S300、根据所选择的最优高斯拟合函数来进行参数分析，寻找参数和拟合函数的相互关系，并从影响因子和影响方面考虑，确定关键参数进行智能参数优化实现；

S400、以时间乘输出绝对误差积分准则作为参数寻优准则，基于蚁群算法实现参数智能寻优寻目的，从而获得参数优化值并建立参数优化后的心磁拟合模型；

S500、截取下一周期信号返回步骤S100重复以上操作直至数据最后一周期。

2.根据权利要求1所述的基于蚁群算法的心磁信号智能拟合优化方法，其特征在于：所述S100、选定实测的心磁离散数据，根据心磁离散数据进行周期截取，再根据所截取周期信号选择激动强烈部分作为研究对象，具体选QRS波群进行研究；具体包括：

S101、根据生物磁信号盖周期不等长的特性，将生物心磁信号第一个激动P波激动起点前时间段为t₁处为起点，经下一P波前t₁为一周期；

S102、以该周期起点所在时间点为t₀，向右取涵盖QRS波群且时间小于整周期时间T的时间段t₀～t_S所涵盖的信号为研究对象。

3.根据权利要求2所述的基于蚁群算法的心磁信号智能拟合优化方法，其特征在于：所述步骤S200、把所述心磁离散数据初步拟合，利用统计学中拟合函数R²、校核R²及均方根误差进行拟合优良评估筛选并得到最优高斯拟合函数；具体包括：

S201:计算拟合函数的R²：

其中y_i是截取周期激动强烈部分的实测数据，n为实测数据采样个数，i＝1,2,3…n，平均值是函数拟合预测值是y_i^*；

该指标R²是指回归方程整体的拟合度，其值越接近1说明拟合程度越优；

S202：计算校核R²：

其中，n是样本数量，p为特征数量；

S203：均方根误差：

其中，n为样本个数。

4.根据权利要求3所述的基于蚁群算法的心磁信号智能拟合优化方法，其特征在于：所述S300、根据所选择的最优高斯拟合函数来进行参数分析，寻找参数和拟合函数的相互关系，并从影响因子和影响方面考虑，确定关键参数进行智能参数优化实现；

具体步骤为：

S301、高斯拟合公式:

其中，t为时间，在截取周期中取信号激动强烈部分所在时间段t₀～t_S信号为研究对象，a_i、b_i、c_i为高斯函数参数；

S302、分别改变24个参数，寻找每个参数和拟合函数的相关关系。

5.根据权利要求4所述的基于蚁群算法的心磁信号智能拟合优化方法，其特征在于：所述步骤S400、以时间乘输出绝对误差积分准则作为参数寻优准则，基于蚁群算法实现参数智能寻优寻目的，从而获得参数优化值并建立参数优化后的心磁拟合模型；

具体步骤为：

S401、使模型不失一般性，使得目标模型和实测心磁信号偏差的绝对值之和达到最小，并考虑到生理数据的精确度要求，采用时间乘输出绝对误差积分准则作为判定标准：

其中，e(t)为选定高斯拟合函数和周期截取激动强烈部分实测信号的偏差，t为时间，在截取周期中取值t₀～t_S，n为t₀～t_S区间实测采样点，y_i是截取周期激动强烈部分的实测数据，函数拟合预测值是y^*_i；

S402、利用蚁群算法即通过寻优因子之间通过信息传递找到最优解，计算高斯函数和实测拟合函数之差的参数有path种选择，设寻优因子k从第i次选取的参数到下一次参数选择选择第j种参数的概率为P^k_ij(t)，则：

τ_ij(t)表示t时刻第i次选取的参数到下一次参数选择的第j种方式上的信息浓度；

S403、对寻优因子选择过的方式上的信息浓度按照以下方式更新：

ρ为信息浓度的剩余系数，其不可无限积累，对其规定取值0～1，Q表示信息强度，L_k为寻优因子k选择此次参数所求得的函数差；

S404、设第k个寻优因子某次遍历所形成的函数差为{p_k1、p_k2、p_k3…p_kS}，则该寻优因子的遍历过程所对应的解为：

S405、最佳解如下式：

x_i＝(x_iH-x_iL)e_i+x_iL (9)

e_i为变量x_i的归一化数值，x_iH和x_iL分别为变量x_i取值范围的上下限；

达到最大遍历后，输出在历次遍历过程中所选择出实测心磁数据与拟合模型数据最小偏差和所对应的解。