[发明专利]基于模糊聚类算法的胎儿心率检测方法与系统

权利要求书

1.一种基于模糊聚类算法的胎儿心率检测方法，其特征在于，包括以下步骤：

步骤1，采集原始的胎儿心音信号；

步骤2，对心音信号进行信号预处理；

步骤3，对预处理后的心音信号提取倒谱特征作为特征参数；

步骤4，利用特征参数来训练模糊聚类模板库；

步骤5，通过模糊聚类模板库匹配出待测胎儿心音信号的最优模板，得到待测胎儿心音信号的胎儿心率。

2.如权利要求1所述基于模糊聚类算法的胎儿心率检测方法，其特征在于，步骤2包括：对心音信号先进行低通滤波和带通滤波处理，再进行滤波放大和数据归一化处理，得到预处理后的心音信号。

3.如权利要求2所述基于模糊聚类算法的胎儿心率检测方法，其特征在于，步骤3包括：采用线性预测倒谱系数对预处理后的心音信号提取倒谱特征作为特征参数。

4.如权利要求3所述基于模糊聚类算法的胎儿心率检测方法，其特征在于，步骤4包括：根据预设的模板库模型的定义公式，利用特征参数通过模糊C均值算法的迭代结果寻求估计参数的最优解直至满足终止条件，获得代价函数收敛的最优点来使模糊聚类模板库产生符合要求的模板。

5.如权利要求4所述基于模糊聚类算法的胎儿心率检测方法，其特征在于，模板库模型的定义公式为：

其中，θ和U满足约束条件：

u_ij∈[0,1],i＝1,...,N,j＝1,...,m

代价函数J是胎儿心音信号数据集X向量的函数，θ表示待估计的向量，θ_j表示第j个聚类的表达，U表示一个N×m矩阵，矩阵中的(i,j)元素表示为u_j(x_i)，q表示模糊性参数，d(x_i,θ_j)表示x_i和θ_j之间的不相似性，x_i在第j聚类中的隶属度与其在另外(m-1)个聚类中的隶属度相关。

6.一种基于模糊聚类算法的胎儿心率检测系统，其特征在于，包括：

采集模块，用于采集原始的胎儿心音信号；

预处理模块，用于对心音信号进行信号预处理；

特征提取模块，用于对预处理后的心音信号提取倒谱特征作为特征参数；

训练模块，用于利用特征参数来训练模糊聚类模板库；

检测模块，用于通过模糊聚类模板库匹配出待测胎儿心音信号的最优模板，得到待测胎儿心音信号的胎儿心率。

7.如权利要求6所述基于模糊聚类算法的胎儿心率检测系统，其特征在于，预处理模块具体用于对心音信号先进行低通滤波和带通滤波处理，再进行滤波放大和数据归一化处理，得到预处理后的心音信号。

8.如权利要求7所述基于模糊聚类算法的胎儿心率检测系统，其特征在于，特征提取模块具体用于采用线性预测倒谱系数对预处理后的心音信号提取倒谱特征作为特征参数。

9.如权利要求8所述基于模糊聚类算法的胎儿心率检测系统，其特征在于，训练模块具体用于根据预设的模板库模型的定义公式，利用特征参数通过模糊C均值算法的迭代结果寻求估计参数的最优解直至满足终止条件，获得代价函数收敛的最优点来使模糊聚类模板库产生符合要求的模板。

10.如权利要求9所述基于模糊聚类算法的胎儿心率检测系统，其特征在于，模板库模型的定义公式为：

其中，θ和U满足约束条件：

u_ij∈[0,1],i＝1,...,N,j＝1,...,m

代价函数J是胎儿心音信号数据集X向量的函数，θ表示待估计的向量，θ_j表示第j个聚类的表达，U表示一个N×m矩阵，矩阵中的(i,j)元素表示为u_j(x_i)，q表示模糊性参数，d(x_i,θ_j)表示x_i和θ_j之间的不相似性，x_i在第j聚类中的隶属度与其在另外(m-1)个聚类中的隶属度相关。