[发明专利]一种基于极值能量分解法的冥想训练的HRV信号分析方法

权利要求书

1.一种基于极值能量分解法的冥想训练的HRV信号分析方法，其特征在于，包括如下步骤：

(1)、获取给定时间和给定采样频率下的冥想训练中的ECG信号，然后对ECG信号进行去噪预处理，从中提取RRI信号，得到冥想训练中RRI信号x(t)；

(2)、将RRI信号x(t)作为原始信号，求出原始信号的所有局部极值点，然后将原始信号的所有极大值点和所有极小值点采用样条曲线连起来分别形成上包络线e_max和下包络线e_min，得到上、下包络线的包络均值信号m(t)＝(e_max+e_min)/2；

(3)、将原始信号x(t)减去包络均值信号m(t)，得到h(t)＝x(t)-m(t)；然后判断h(t)是否满足极值模态函数的判定条件，如果不满足，将h(t)作为原始信号返回至步骤(2)，直到h_k(t)满足极值模态函数的判定条件，则记c₁(t)＝h_k(t)，作为第一个极值模态函数分量；

(4)、将原始信号x(t)减去第一个极值模态函数分量c₁(t)，得到余量r₁(t)＝x(t)-c₁(t)，然后判断h_k(t)是否满足停止准则，如果不满足，将r₁(t)作为新的原始序列x(t)，返回至步骤(2)和(3)；如果h_k(t)满足停止准则但n＜8时，返回步骤(1)重新获取原始信号；如果h_k(t)满足停止准则且n≥8时，得到第2、3、…、n个极值模态函数分量及余量r_n(t)，于是将原始信号x(t)分解为n个极值模态函数分量和一个余量，即

(5)、将原始信号x(t)分解得的n个极值模态函数分量，代表了原始信号不同频段的分量，然后计算其各个分量的能量

E_i＝∫|c_i(t)|²dt,i＝1，2，…，n

将每一个能量值归一化，得到归一化的能量分布向量

p_i＝E_i/E,i＝1,2,…,n

其中，第一个分量p₁表示最高频段的能量，代表了信号在最高频段范围内能量分布的比例，最后一个分量p_n表示信号在最低频段范围内能量分布的比例；根据归一化的能量分布向量绘制归一化能量分布图，其中横坐标表示分量层次，纵坐标表示归一化的能量分布向量值，曲线表示平均值，误差棒表示标准差；

(6)、分别选取第二个分量p₂至第七个分量p₇，计算冥想训练中RRI信号的能量差异值EDV，EDV＝(p₂+p₃+p₄)-(p₅+p₆+p₇)，当冥想训练中RRI信号的EDV大于EDV标准值，则判定该冥想训练中的RRI信号为已进入冥想状态的RRI信号。

2.根据权利要求1的一种基于极值能量分解法的冥想训练的HRV信号分析方法，其特征在于：所述原始信号x(t)所需最少数据量N＝2ⁿ⁺¹，其中n为分解出的极值模态函数分量的数量。

3.根据权利要求1的一种基于极值能量分解法的冥想训练的HRV信号分析方法，其特征在于：所述步骤(1)中去噪预处理的具体方法为：将ECG信号经过40Hz零相位FIR低通滤波器滤波消除高频噪声，然后经过中值滤波器去除基线漂移。

4.根据权利要求1的一种基于极值能量分解法的冥想训练的HRV信号分析方法，其特征在于：所述步骤(3)中极值模态函数的判定条件为：(a)、在整个数据序列中，极值点的数量与过零点的数量相等或者相差一个；(b)、在任意时刻，上下包络线对于时间轴对称。