[发明专利]基于神经网络的BCG信号心率提取方法

说明书

本发明公开了一种基于神经网络的BCG信号心率提取方法，包括如下步骤：构建数据集，对HB类型序列和NHB类型序列进行预处理，构建神经网络模型，训练调试神经网络模型，心率检测；本发明具有能够有效的找出波峰点和波峰点之间的间隔HB类型序列，计算出心率间隔，既弥补了波形法的缺陷，又使BCG在心率检测上的实用性增强；心率检测抗干扰能力强，抗形变能力强，准确性高的特点。

技术领域

本发明涉及心率提取技术领域，尤其是涉及一种抗干扰能力强，抗形变能力强，准确性高的基于神经网络的BCG信号心率提取方法。

背景技术

ECG信号心率检测，心电图(Electrocardiogram，ECG)：指心脏在每个心动周期中，由起搏点、心房、心室相继兴奋，伴随着生物电的变化，通过心电描记器从体表引出多种形式的电位变化的图形。简单来说心电图就是利用心电图机从体表记录心脏每个心动周期所产生的电活动变化图形的技术。一般通过电极片贴在人身体的各个部位(四肢和胸部)收集ECG信号。

PPG信号心率检测，光电容积脉搏波描记法(PPG)，目前市场上能看到采用这种技术的穿戴设备就有：AppleWatch、三星Galaxy Gear S2、Moto 360、Microsoft Band等。

就拿AppleWatch来说，测量心率时底部的表盘会发出绿色的灯光，并且测量的时候手腕最好保持不动否侧会影响测量结果。

BCG信号心率检测，BCG信号是基于PVDF(压电薄膜)传感器的信号采集系统，可以采集到心脏收缩过程中的心冲击图信号(原理是心脏的收缩会将压力传导到压电薄膜传感器上，传感器将压力信号转换为电信号，这就是所谓的心冲击图信号)，把这种信号叫做BCG信号。

基于压电薄膜传感器的BCG信号采集设备，只需放置于人的胸部附近位置即可收集到BCG信号，适用场景如晚上睡觉时候，人平躺于床上，传感器放置于床单下胸部附近位置即可。

BCG信号现有的心率提取算法(称为BCG信号波形学心率提取方法，最常见的方案)主要结合了波形学，信号频谱分析，形态学这几个方式的处理手段。先做带通滤波(二阶Butterworth滤波器0.5Hz～3.6Hz)，过滤掉非心率频段的信号数据。通过查找极大值点，找出一些波峰，通过观察调试测试出正常心率的波峰幅值范围，剔除掉幅值过低(环境噪声可能引起过低的小波峰)和过高(比如体动可能引起过高的波峰)的波峰.

现有的技术的缺点如下：

ECG方案，只有去医院检测，需要在身上贴电极片不方便，不能长期监测等。

PPG方案，需要随身佩戴，不方便，对光照敏感，准确度低，鲁棒性不好。

BCG方案(波形法)，对于现实里的BCG信号效果并不是很好，主要原因就是基于波形的分析过分依赖波形，导致其抗干扰能力和抗形变能力较差，当波形模式发生改变时准确率会发生显著的下降，只能在非常规范的场景中使用，而现实中的BCG信号包含体动，呼吸，和很多环境噪声信号，导致了这种波形法方案相对于神经网络的BCG信号心率提取方法准确度低，鲁棒性也不好。

发明内容

本发明的发明目的是为了克服现有技术中的基于波形法的BCG信号心率提取方法上准确度低，鲁棒性差的不足，提供了一种抗干扰能力强，抗形变能力强，准确性高的基于神经网络的BCG信号心率提取方法。

为了实现上述目的，本发明采用以下技术方案：

一种基于神经网络的BCG信号心率提取方法，包括如下步骤：

(1-1)构建数据集