[发明专利]一种心冲击信号质量控制处理方法及系统

说明书

本发明提供一种心冲击信号质量控制处理方法及系统，该方法包括：根据预设信号单元长度，将初始心冲击信号划分为多个单元信号，并对每个单元信号进行多维特征提取，获取多维特征向量；根据训练好的主成分特征向量矩阵，对多维特征向量进行重构，得到多维特征向量的重构特征向量；根据主成分分析法和重构特征向量，获取子空间统计量；根据上控制限阈值，基于子空间统计量，将对应的单元信号进行异常信号判断，并根据判断结果，得到初始心冲击信号的信号质量评估结果，上控制限阈值是由置信区间和样本心冲击信号数据构建得到的。本发明通过对信号质量控制的规范化处理，提高了数据的可靠性，具备较强的普适性和环境抗干扰能力。

技术领域

本发明涉及信号处理技术领域，尤其涉及一种心冲击信号质量控制处理方法及系统。

背景技术

血液循环的心冲击(Ballistocardiogram，简称BCG)信号是由心房泵血产生与脉搏周期、心跳周期具有一致性的信号，在主动健康设备中常替代心电(ECG)信号用于检测人体的心率变化。与通过贴片电极测量心肌的肌电信号不同，BCG信号是采集人体微弱的震动信号。以微动床垫为例，压电陶瓷传感器均匀分布在床垫上，当外部力矩发生变化时，通过改变压电陶瓷内部电磁场，从而产生电压用于测量与感知动态应力。

BCG信号与ECG信号相比，虽然大大降低了测试与设备要求，无需电极与肌肤保持紧密接触，但BCG信号受到的噪声干扰远大于ECG信号。在微动床垫测试过程中，只有部分传感器与测试者紧密贴合能采集到相对稳定的数据，其余传感器中则以高频噪声或体动噪声为主。由于测试者整晚上会出现不同程度的翻动，改变睡姿从而影响传感器上的受力分布，外加不同测试者体征不同，设备之间、传感器之间参数差异等诸多因素，导致实际传感器上的信号有大量数据极不稳定。并且不同路数据，不同设备，以及不同测试人群的数据情况有较大差异，导致无法统计出普遍规律。

目前的主动健康算法，主要选取BCG各路信号中能量最大的段落进行整合，该方法虽然筛去了大部分的高频噪声信号，但体动造成运动伪影的能量要远大于正常信号，所以该算法合成的信号会引入大量低频的运用伪影，忽视了对BCG信号质量的控制。另一种常规信号质量的控制方法采用阈值统计加人工经验处理，以经典的微动敏感床垫睡眠监测系统(Micro-movement Sensitive Mattress Sleep Monitoring System，简称MSMSMS)为例，该系统的信号质量控制是基于大量数据的经验归纳，涉及较大的设备，且数据存在局限性，因而该方法不具备普适性。

因此，现在亟需一种心冲击信号质量控制处理方法及系统来解决上述问题。

发明内容

针对现有技术存在的问题，本发明提供一种心冲击信号质量控制处理方法及系统。

本发明提供一种心冲击信号质量控制处理方法，包括：

根据预设信号单元长度，将初始心冲击信号划分为多个单元信号，并对每个单元信号进行多维特征提取，获取多维特征向量；

根据训练好的主成分特征向量矩阵，对所述多维特征向量进行重构，得到所述多维特征向量的重构特征向量；

根据主成分分析法和所述重构特征向量，获取子空间统计量；

根据上控制限阈值，基于所述子空间统计量，将对应的单元信号进行异常信号判断，并根据判断结果，得到所述初始心冲击信号的信号质量评估结果，所述上控制限阈值是由置信区间和样本心冲击信号数据构建得到的。

根据本发明提供的一种心冲击信号质量控制处理方法，所述对每个单元信号进行多维特征提取，获取多维特征向量，包括：

对每个单元信号进行近似熵特征提取，得到近似熵特征，所述近似熵特征包括呼吸频段近似熵特征和脉搏频段近似熵特征；

对每个单元信号进行能量熵特征提取，得到能量熵占比特征，所述能量熵占比特征包括高频脉搏包络能量熵占比特征和低频呼吸能量熵占比特征；