[发明专利]一种基于非线性动力学特征的心电向量图分类方法

权利要求书

1.一种基于非线性动力学特征的心电向量图分类方法，其特征在于，包含如下步骤：

步骤1、获取三导联心电向量图信号；

提取三维心电向量图信号，以矩阵形式存储，构成一组心电向量图信号变量；

步骤2、数据预处理；

对步骤1中获得的心电向量图信号进行中值滤波处理，去除基线漂移、肌肉噪声、电源干扰；

步骤3、非线性动力学特征提取；

将步骤2预处理后的心电向量图信号分别计算十个非线性动力学指标：嵌入维数、延迟时间、Kolmogorov熵、关联维数、Lyapunov最大指数谱、近似熵、样本熵、模糊熵、LZ复杂度和C0复杂度；

步骤4：归一化处理并特征融合；

将步骤3中计算的十个非线性动力学指标分别进行归一化处理，对特征进行部分和全部融合；

步骤5：分类识别；

将步骤4中融合后的特征进行监督学习分类器的训练，根据训练模式与测试模式之间关于非线性动力学指标间的差异，实现心电向量图的分类；

步骤1中所述的心电向量图信号获取，是指利用Frank三导联体系来获取三维心电向量图，并以矩阵的方式进行存储，表示为：x_i(n),i＝1,2,3；n＝1,2,...,N，其中i表示第几维数据，N表示心电向量图数据序列的序列长度；

步骤2中所述的数据预处理，是指对步骤1中获得的数据进行中值滤波处理，输入心电向量图数据序列x_k＝{x_k(n)|n＝1,2,...,N}，k＝1,2,3；定义窗口范围M，对数据序列x_k(n-M),...,x_k(n),...,x_k(n+M)取中值替代x_k(n)，即

y_k(n)＝med[x_k(n-M),...,x_k(n),...,x_k(n+M)]，

其中med[]表示窗口内所有数按从小到大的顺序排序后，取中间值；

步骤3中所述的嵌入维数和延迟时间，是指采用改进的C_C法进行提取；提取过程如下：

4-1.输入心电向量图数据序列x_k＝{x_k(n)|n＝1,2,...,N}，k＝1,2,3，N为序列的长度；设置延迟时间t和嵌入维数m的区间，在区间内寻找最优值；以t、m重构相空间X_k＝{X_ki(n)}，X_ki(n)为相空间中的点；

4-2.定义该心电向量图数据序列的关联积分：

其中，M＝N-(m-1)t，d_kij＝||X_ki-X_kj||_∞，θ为Heaviside函数：r为相空间超球体半径；

4-3.将心电向量图数据序列x_k＝{x_ki|i＝1,2,...,N}分解成t个互不重迭的子序列；根据关联积分，定义两个检验统计量：

4-4.S_k1(m,r,t)～t反映了心电向量图数据序列的自相关特性；选择最大和最小的两个半径r，定义差量：

ΔS_k1(m,t)＝max{S_k1(m,r_j,t)}-min{S_k1(m,r_j,t)}

ΔS_k1(m,t)度量了S_k1(m,r,t)～t对所有半径r的最大偏差；S_k1(m,r,t)～t的第一个局部极小点ΔS_k1(m,t)所对应的最优时延τ_d为该心电向量图数据序列的延迟时间t；

4-5对于周期为T的心电向量图数据序列，当固定m，r,N——→∞时，t＝aT,既是S_k1(m,N,r,t)的局部极大值点又是S_k2(m,N,r,t)的零点，a为大于零的整数；因此寻找|S_k1(t)-S_k2(t)|的周期点作为最优嵌入窗τ_ω；该心电向量图数据序列的嵌入维数M_k：

步骤4中所述的特征归一化处理是指，运用min-max方法对特征数据进行归一化处理，其计算方法如下：

假设对于序列a₁,a₂,···,a_n进行变换：则新序列b₁,b₂,···,b_n∈[0,1]。