[发明专利]一种基于典型相关分析的心电信号身份识别方法及系统

权利要求书

1.一种基于典型相关分析的心电信号身份识别方法，其特征在于，包括以下步骤：

接收多个个体的心电信号并分别进行单周期分割，得到相应的单周期心电信号；

对每个所述单周期心电信号采集相同数量的样本点得到训练集；根据所述训练集，采用主成分分析方法提取全局特征；

按照相同划分规则将每个所述单周期心电信号划分为多个片段，将所述多个单周期心电信号中相同位置的片段分别组合，得到多个局部特征；

采用典型相关分析方法将所述全局特征和多个局部特征进行特征融合；

接收待识别心电信号并进行单周期分割，将得到的单周期心电信号根据所述划分规则划分为多个片段，对于每个所述片段，结合特征融合结果，依次计算与相应位置局部特征的一致性，基于所述一致性得到识别结果；

所述单周期分割包括：检测待分割心电信号的R波波峰，从R波波峰向两侧各取K/2个样本点，作为单周期心电信号；其中，K取值小于两个R波波峰之间的距离；

所述采用主成分分析方法提取全局特征包括：

假设对所述训练集进行主成分分析，得到投影矩阵，所述训练集表示为Train_K*N，N表示心电信号个数，K表示每个心电信号的样本点个数；

基于所述投影矩阵，对所述训练集进行投影，得到全局特征Train_x＝(x₁，x₂，…，x_N)_k1*N，其中，K₁K。

2.如权利要求1所述的一种基于典型相关分析的心电信号身份识别方法，其特征在于，进行单周期分割之前，还对所述多个个体心电信号采用巴特沃斯带通滤波器和抗50Hz干扰差分法进行预处理。

3.如权利要求1所述的一种基于典型相关分析的心电信号身份识别方法，其特征在于，所述采用典型相关分析方法将所述全局特征和局部特征进行特征融合包括：

将所述全局特征和每个局部特征分别组成一个训练集(Trainⁱ,Train_x)，其中Trainⁱ为局部特征，i＝1，…，M，M为每个单周期心电信号划分的片段个数；

采用典型相关分析方法对每个训练集进行特征融合，得到M个投影矩阵对其中，分别是局部特征和全局特征投影到融合特征的投影矩阵。

4.如权利要求3所述的一种基于典型相关分析的心电信号身份识别方法，其特征在于，设待识别的单周期心电信号划分片段后记为(t¹,t²,...,t^j,...,t^M)，其中，t^j表示第j个心电信号片段，相应位置的局部特征为Trainⁱ＝(yⁱ¹,yⁱ²,...,y^ik,...,y^iN)，其中，y^ik表示该局部特征中第k个类别的特征子向量；

对于每个片段，依次计算与相应位置局部特征中各个体特征子向量的一致性：

将所属片段的类别C^j记为与其一致性最大的特征子向量所属类别；

得到每个片段的所属类别后，采用投票法确定所述待识别心电信号所属类别。

5.如权利要求4所述的一种基于典型相关分析的心电信号身份识别方法，其特征在于，所述采用投票法确定所述待识别心电信号所属类别包括：

根据每个片段的所属类别，计算所述待识别心电信号属于每一个类别的概率；

概率最大的类别记为所述待识别心电信号的识别结果。

6.如权利要求5所述的一种基于典型相关分析的心电信号身份识别方法，其特征在于，所述待识别心电信号属于类别k的概率计算公式为：

其中，若第j个心电信号片段被判为属于类别k时，d^j＝1，否则，d^j＝0。