[发明专利]BCG信号的处理方法及装置

说明书

本发明实施例提供一种BCG信号的处理方法及装置，从BCG信号中获取目标数据的初筛信号，对所述初筛信号进行分段处理，之后获得每一分段初筛信号的时频图像特征；对每一分段初筛信号，获得时频图像特征中的所有能量聚集区域，并输入至预先训练的神经网络中，输出时频图像特征的质量分类结果，根据所述质量分类结果从所述所有能量聚集区域中确定信号能量成分的能量聚集区域，作为目标区域；根据所有分段初筛信号的目标区域，设计时频分数阶滤波器，将所述初筛信号输入至所述时频分数阶滤波器，输出所述目标数据的复筛信号。本发明实施例具有高精准确性且稳定的优势。

技术领域

本发明涉及信号处理技术领域，更具体地，涉及BCG信号的处理方法及装置。

背景技术

睡眠占据人们大约一天三分之一的时间，睡眠健康对人体健康至关重要，越来越多的人群需要监测并分析他们的睡眠情况。常规的医用型睡眠监测技术依靠PSG(睡眠多导图，Polysomnography)监测技术，但是医用设备的操作复杂，侵入式测量会对受测者产生严重影响，所以非接式BCG信号采集人体关键参数心跳速率，呼吸速率等运用日益普遍。

BCG(心脏冲击描述法，ballistocardiogram)在采集信号时，不需要接触被试者身体，从而避免了接触式给用户带来的不适感。微动床垫采集到的BCG信号是包含多种信号与噪声的混合信号，里面除了包含有心跳、呼吸、脉搏等有用的信号成分，同时也包含有大量的硬件噪声、信号伪差、体动和其它无用的人体信号干扰。正常心率在短时间内变化范围较小，连续性强。在人体状态平稳时心率频段信号，心率变化范围较小，是一个类chirp信号。现有技术采集BCG信号并提取心率的方法是用经验的常规带通滤波器进行信号的预处理，去除部分明显的噪声干扰后提取信号包络，用平滑函数得到大致的处理后信号。

关键性提取心率方法大致有两类，一类是基于经验模态分解(EMD，EmpiricalMode Decomposition)或结合波形的形态学统计经验设置阈值判别将心率波形从BCG信号中直接特征频率分离，例如现有技术公开的一种经验模态分解过程是提取含有噪声的BCG信号中使用到局部极大值的包络线以及局部极小值的包络线，定义一个大致的包络线均值，从而起到去趋势的作用，近似解析到IMF(Intrinsic Mode Function)信号，根据信号周期估算出实时心率。另一类是基于常规小波去噪或通过具体信号构建经验小波基，通过与信号的自相关得到近似系数和重细节系数，例如某文献中公开了一种方法：直接选用db6小波滤波器对原始BCG信号进行分析，通过经验选取小波变化分解的第2层，3层，4层小波细节系数和小波变化分解的第5层小波近似系数，对心率信号进行重构。并根据主要是小波变化分解的第5层波形识别心率周期。

但是上述两类算法试用的条件是较为理想的信号，短时间内精度需求不高的近似处理，环境抗干扰和普适性较差，且没有考虑心率的长程的趋势变化影响。人在平稳的状态心率变化范围较小，例如半小时内心率的变化波动在20bpms心跳频率变化大约在0.3hz以内是一个类chirp信号，具有很强的信号聚集性，对信号自适应调参的精度要求很高，滤波器参数过宽会导致噪声严重干扰，过窄会导致关键性信息缺失。而BCG信号环境复杂，心跳信息的能量微弱信号不稳定，在实际时间频率上还会有严重的时频混叠噪声，提取的信号难以保证高的信噪比直接用自相关处理效果很不理想。在环境不稳定，采集设备无法高精度和规范化的情况下，不同个体，不同时间段，情绪状态等外界影响都会导致心率的较大差异。所以简单的统计规律去设计参数，用常规的阈值和经验模型都难满足精确性和抗干扰性和普适性需求。

发明内容

本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的BCG信号的处理方法及装置。

第一个方面，本发明实施例提供一种BCG信号的处理方法，包括：

从BCG信号中获取目标数据的初筛信号，对所述初筛信号进行分段处理，之后获得每一分段初筛信号的时频图像特征；