[发明专利]一种基于去趋势项的生理电信号熵分析方法

权利要求书

1.一种基于去趋势项的生理电信号熵分析方法，其特征在于，包括以下步骤：

步骤1，选取合适的信号序列；

步骤2，对信号序列进行预处理：在提取出的RR间期信号存在异位起搏点和伪差等成分，在进行实验之前，对数据进行预处理，将满足以下不等式的信号保留，去除其它不满足的点；

500＜RR_i＜1500；

其中RR_i是RR间期序列，是RR间期序列的平均值；

步骤3，对预处理后的心率变异性信号计算其近似熵值和模糊熵值，并对结果进行独立性t检验，结果显示两组信号的近似熵值曲线和模糊熵值曲线可以被完全区分开，可以将两组样本完全区分开；

步骤4，向原始信号中增加线性、幂律、周期性趋势以及三种趋势叠加的混合趋势，其中线性趋势参数为：A1＝0.001、周期性趋势参数为：As＝0.2，T＝500；以及幂律性趋势的参数为：Ap＝2，j＝0.2；

步骤5，对加入趋势项的心率变异性信号计算其近似熵值和模糊熵值，并对结果进行独立性t检验，结果显示两组信号的近似熵值曲线和模糊熵值曲线不能被区分开，因此在实际的实验中对才到的心率变异性信号需要进行去趋势处理后才能进行熵分析；

步骤6，对具有趋势项的信号使用平滑先验法，去除待处理信号中的趋势项，保留有效的信号成分；

步骤7，对去趋势后的心率变异性信号计算其近似熵值和模糊熵值，并对结果进行独立性t检验，结果显示两组信号的近似熵值曲线和模糊熵值曲线可以被完全区分开，可以将两组样本完全区分开。

2.如权利要求1所述一种基于去趋势项的生理电信号熵分析方法，其特征在于，所述步骤3中：对预处理后的心率变异性信号计算近似熵值，具体步骤如下：

1)首先给定嵌入维数m和相似容限r，对于获取的原始时间序列u(i)，共N个数据点，按顺序形成m维矢量x(i)，即：

x(i)＝[u(i)，u(i+1)，…u(i+m-1)]，i＝1，2，…，N-m+1；

2)对于每一个i值，计算x(i)与其余矢量x(j)之间的距离，并以d[x(i)，x(j)]表示x(i)、x(j)中差值最大的一个，即：

3)根据预定的相似容限r(r＞0)，对每个i值统计：d[x(i)，x(j)]＜r的数目，并记此数目与总的矢量个数N-m+1的比值为即：

4)求的对数，再将其所有i求平均值记为C^m(r)，即：

5)将维数加1，形成m+1维，重复以上步骤，得到C^m+1(r)和C_i^m+1(r)：

6)此序列的近似熵为：

但是在现实情况中，处理的数据长度都是有限长序列，则当序列有限长时：

ApEn(m，r)＝C^m(r)-C^m+1(r)；

其中采用标准近似熵(2，r，N)分析昼夜节律下的HRV时间序列，其中嵌入维数m＝2，r为相似容限。