[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

说明书

本发明公开了一种基于极值能量分解法的冥想训练的HRV信号分析方法，包括获取给定时间和给定采样频率下的冥想训练中的ECG信号，去噪后得到RRI信号；将RRI信号x(t)作为原始信号，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，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，根据n个极值模态函数分量判定该RRI信号是否进入冥想状态。本发明采用极值能量分解方法分析RRI信号，将原始信号分解为多个分量，也就是极值分量函数，计算每一个分量的能量，得到其能量分布。

技术领域

本发明涉及一种心电图信号分析，尤其涉及一种基于极值能量分解法的冥想训练的HRV信号分析方法。

背景技术

生理信号是由生命体多个系统相互作用产生的，不同系统作用的时间和强度不同，导致生理信号具有时间和空间上的复杂性。心率变异性(HRV)是指测量连续心动周期之间的时间变异数，准确地说，应该是测量连续出现的正常P-P间期之间的差异的变异数。但由于P波不如R波明显或P波顶端有时宽钝，所以对心率变异性信号的研究通常用与P-P间期相等的R-R间期信号(RRI)来代替。研究表明，HRV可做为植物神经系统活动的无创性检测指标，尤其在判断某些心血管疾病的预后方面有着重要意义。

现有技术中研究心脏的长时调节节律(1Hz))常用心律变异性信号(HRV信号)作为分析对象。大量的研究表明，人体HRV信号具有长时相关性和非线性动力学复杂性，并且年龄和疾病会导致动力学复杂性降低。对心率变异性(Heart Rate Varibility,HRV)信号的研究常用的是RR间期(Interbeat Intervals，RRI)信号，即连续RRI信号R波之间的时间间隔信号。

研究HRV信号的能量改变最常用的方法是功率谱分析(PSD)。PSD通过傅里叶变换将HRV信号的功率转化成频率的函数，研究不同频域范围的功率大小，通常HRV频谱分为高频(HF)、低频(LF)和极低频(VLF)等几个频段,频域分割的典型方式为：HF(0.15～0.4Hz)，LF(0.04～0.15Hz)，VLF(0.0033～0.04Hz)。LF/HF比值有重要的临床价值。心脏疾病会引起HRV功率谱的改变，比如心衰和心肌梗死引起归一化HF增高、LF和VLF降低。然而，PSD不是一种基于数据驱动的方法，并且对频域的分段比较粗糙，导致细节缺失，分割也不够灵活。

大量的研究表明，人体心率变异性(Heart Rate Varibility,HRV)信号具有长时相关性和非线性动力学复杂性，并且年龄和疾病会导致动力学复杂性降低，另外心理因素也会影响HRV的波动特征。冥想训练是一种通过集中注意力来调节呼吸、心跳等的训练方法，通过冥想训练，人们可以调节交感和副交感神经系统和心血管系统，达到放松身心、减轻心理压力的目的。但冥想训练对于HRV信号的影响

因此，亟待解决上述问题。

发明内容

发明目的：本发明的目的是提供一种可采用较少数据即可从HRV的极值能量分布角度分析其在不同分解层次上的波动强度，根据冥想训练对于HRV信号的影响判断是否进入冥想状态的基于极值能量分解法的冥想训练的HRV信号分析方法。

技术方案：为实现以上目的，本发明公开了一种基于极值能量分解法的冥想训练的HRV信号分析方法，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；