[发明专利]生理时间序列的特征表示与提取方法、装置及存储介质

说明书

本发明公开了一种基于奇异谱分解与共空间模式的生理时间序列的特征表示与提取方法、装置及存储介质。通过获取生理时间序列并对所述生理时间序列进行预处理，得到预处理后的生理时间序列；对生理时间序列进行奇异谱分解，得到生理时间序列的各阶奇异谱分量；利用生理时间序列的各阶奇异谱分量，进行共空间模式算法处理，提取得到生理时间序列对应不同生理状态的特征信息。本发明相比于传统的特征提取方法而言，是一种基于自身数据驱动的自动特征提取方法，基本不需要算法参数的预设，同时具有算法实现简单、算法运行高效等特征，能有效的提取生理信号的特征信息。

技术领域

本发明涉及生理信号处理与特征提取技术领域，尤其涉及一种基于奇异谱分解与共空间模式的生理时间序列的特征表示与提取方法、装置及存储介质。

背景技术

生理时间序列，是生理信号随时间变化的数据集，它的特点是包含的信息不仅多，而且比较复杂，反映了生理系统的活动状态，包含着丰富的生理状态特征，在医学研究中具有重大的意义，能够为医生在对患者疾病进行分析与诊断时提供了依据。

现有的生理时间序列的特征提取方法，大多适用于平稳的生理时间序列，并不能有效地提取到非线性、非平稳的生理信号特征信息。然而，对于常见的生理时间序列，例如脑电信号、肌电信号、心电信号等，均具有非平稳特性，且包含了丰富的与生理状态相关的非线性特征信息。近年来，人们提出了若干种度量生理时间序列的非线性复杂度的方法，如相关维、Lyapunov指数、K-S熵以及非线性预测等。然而，这些方法在实际应用中可能受到一些限制。例如：求相关维或者Lyapunov指数要求时间序列有足够的长度；近似熵和样本熵因为受时间序列中局部趋势等因素的影响，有可能导致对数据的错误解释。因此，本发明提出了一种基于自身数据驱动的自动特征提取，可有效的提取生理信号特征信息。

发明内容

本发明提供一种基于奇异谱分解与共空间模式的生理时间序列的特征表示与提取方法、装置及存储介质，以实现非线性、非平稳生理时间序列的特征提取，具有算法实现简单、算法运行高效等特征，能有效的提取生理信号的特征信息。

为实现上述目的，本发明提供一种基于奇异谱分解与共空间模式的生理时间序列的特征表示与提取方法，包括以下步骤：

获取生理时间序列；

对所述生理时间序列进行奇异谱分解，得到生理时间序列的各阶奇异谱分量；

利用生理时间序列的各阶奇异谱分量，进行共空间模式算法处理，提取得到生理时间序列在不同生理状态下的特征信息。

其中，所述对所述生理时间序列进行奇异谱分解的步骤之前还包括：

对所述生理时间序列进行预处理，预处理方式包括：滤波、伪差去除、趋势消除。

其中，所述对所述生理时间序列进行奇异谱分解，得到生理时间序列的各阶奇异谱分量的步骤包括：

对于长度为N的一维生理时间序列t(n)，n＝1,2,3,···,N，以窗口长度为w进行相空间重构，得到一维生理信号的轨迹矩阵X；

对轨迹矩阵X，进行矩阵奇异值分解；

对轨迹矩阵X，表示成与w个奇异值相关联的矩阵加和形式，X＝X1+X2+Xi…+Xw；

采用对角平均的计算方法，将每个矩阵Xi转换成时间序列，得到生理时间序列的w个奇异谱分量。

其中，所述利用生理时间序列的各阶奇异谱分量，进行共空间模式算法处理，提取得到生理时间序列在不同生理状态下的特征信息的步骤包括：

根据不同生理状态对应的生理时间序列奇异谱分量，求出不同生理状态对应的生理时间序列奇异谱分量的混合空间协方差矩阵；

对混合空间协方差矩阵进行特征分解，得到白化特征值矩阵；