[发明专利]基于格拉姆角场的生理信号质量评估方法

权利要求书

1.基于格拉姆角场的生理信号质量评估方法，其特征在于具体步骤如下：

(1)对采集到的生理信号进行预处理，即对采集到的生理信号先采用滤波或其他方法去除基线漂移、工频、呼吸和肌电噪声的干扰，然后进行裁剪片段、重采样和归一化操作，得到预处理后的一维信号片段；

(2)对于步骤(1)得到的一维信号片段，通过数学运算得到包含信号片段周期性信息的一维时间序列X＝{x₁,x₂,…,x_n}；所述一维时间序列包括干净信号和受污染信号；

(3)对于步骤(2)得到的一维时间序列X＝{x₁,x₂,…,x_n}，通过格拉姆角场将其编码为二维图像G：

(3.1).首先将一维时间序列进行归一化，即对给定的n个观测值的一维时间序列X＝{x₁,x₂,…,x_n}，使其所有值都落到区间[-1,1]之内；

(3.2).假设归一化后的一维时间序列包含N个时间戳，每个时间戳对应的值为x_i(i＝1,2,…,N)，则极坐标的角度值φ_i通过反余弦函数计算，角度值φ_i位于[0,π]之间，计算公式如下：

φ_i＝arccos(x_i)

半径r_i将区间[0,1]划分为N等分，即：

因此，去掉区间[0,1]中的0后可得到N个分隔点，可将这些分割点与对应的x_i关联起来；

(3.3).将得到的极坐标的角度值φ_i通过计算任意两个角度和或者差的余弦值，并按从左上角到右下角的编码方式进行编码，即可得到格拉姆角场(GAF)矩阵，前者被称为格拉姆角求和场(GASF)，后者被称为格拉姆角求差场(GADF)，分别记作矩阵G₊和G_-：

(4)经过步骤(3)后，所有分割后的一维信号片段都被转化为二维图像，将所有的二维图像组成数据集，并划分为训练集与测试集；

(5)利用机器学习的方法建立生理信号质量评估模型，实现对干净信号与受污染信号的分类：将步骤(4)中获得的训练集输入到机器学习算法建立的初始模型中进行训练，并优化模型参数，得到生理信号质量评估模型；将测试集数据输入生理信号质量评估模型进行测试，检验该模型的准确率。

2.根据权利要求1所述的方法，其特征在于步骤(2)对生理信号进行数学运算得到包含周期性信息的一维时间序列，所述数学运算为获取时序信号周期性信息的方法，具体为平均幅度差函数或自相关函数。

3.根据权利要求1所述的方法，其特征在于步骤(5)中使用机器学习的方法对二维图像进行分类：其数据集由一维生理信号经过数学运算和格拉姆角场编码得到，然后将数据集划分为训练集和测试集；训练集用于训练机器学习算法建立的初始模型以获得生理信号质量评估模型，测试集用于生理信号质量评估模型在未知数据集上的分类性能。