[发明专利]一种基于HHT的智能脉搏病理特征甄选分类识别系统及方法

说明书

本发明公开了一种基于HHT的智能脉搏病理特征甄选分类识别系统，包括脉搏采集模块、脉搏预处理模块、脉搏特征处理模块、卷积神经网络；同时本发明还提供一种一种基于HHT的智能脉搏病理特征甄选分类识别方法；本发明其能获取脉搏完整特征，并把时域及频域特征进行融合作为卷积神经网络的输入进行人体脉搏特征的识别及分类，简单的卷积神经网络结构设计降低了计算成本，保证了分类准确率。

技术领域

本发明涉及数据处理技术领域领域，尤其涉及一种基于HHT的智能脉搏病理特征甄选分类识别系统及方法。

背景技术

脉搏压力及脉搏特征变化是评价人体心血管系统生理病理状态的重要依据，无论是中医切脉或是西医心血管病检查，都试图从脉搏波特征中提取各种生理病理信息。目前在脉诊上主要依赖于医生主观性的诊断，但由于脉搏信号复杂多样，使得医生在临床诊断上会出现主观性误诊的情况。而利用脉搏特征定量分析进行客观诊断的核心关键在于脉搏特征的提取上。传统的特征提取方法较为繁琐，且复杂度高。以及传统的傅里叶变换在对非平稳信号上无法满足需求，小波变换需要预先选择小波基无法根据信号频率自适应调节，所以在时频分析上效果不佳，使得脉诊客观诊断上的效率降低。

发明内容

为了克服现有技术的不足，本发明提供了一种基于HHT的智能脉搏病理特征甄选分类识别系统及方法，其能获取脉搏完整特征，并把时域及频域特征进行融合作为卷积神经网络的输入进行人体脉搏特征的识别及分类，简单的卷积神经网络结构设计降低了计算成本，保证了分类准确率。

一种基于HHT的智能脉搏病理特征甄选分类识别系统，包括：脉搏采集模块、脉搏预处理模块、脉搏特征处理模块、卷积神经网络；

脉搏采集模块，用于采集脉搏信号且进行处理后传输给脉搏预处理模块进行；

脉搏预处理模块，用于对获取采集的一段脉搏数据采用两次移动平均滤波处理得到平滑的脉搏数据波形，且通过找寻脉搏周期峰值点，根据峰值点按照需求分割出用于脉搏特征处理模块所需的脉搏数据x_n；

脉搏特征处理模块，用于对脉搏数据x_n进行频域特征提取处理，对脉搏数据进行EEMD的分解，得到各频段的分征量G_k(i)，其中i为分解得到的分征量个数，对各分征量进行相干性系数的计算，选取与人体脉搏信号相干程度高的分征量进行后续的处理，再经过筛选后对其进行HHT变换得到瞬时幅值和瞬时频率，最后把两种特征值融合作为人体脉搏识别特征X_n；

卷积神经网络，用于将一并输入的脉搏数据x_n和人体脉搏识别特征X_n进行特征处理及分类识别。

进一步地，所述卷积神经网络包括第一卷积层、第一池化层、第二卷积层、第二池化层、第一全连接层、第二全连接层、分类器；所述脉搏采集模块为脉搏传感器。

一种基于HHT的智能脉搏病理特征甄选分类识别方法，包括如下步骤：

采用脉搏采集模块对脉搏信号进行采集，将采集到的脉搏信号进行处理后传输给脉搏预处理模块进行处理；

脉搏预处理模块对获取采集的一段脉搏数据经滤波处理得到平滑的脉搏数据波形；然后通过找寻脉搏周期峰值点，根据峰值点按照需求分割出用于脉搏特征处理模块所需的脉搏数据x_n，其能直接作为时域特征提取的样本；

脉搏特征处理模块对脉搏数据x_n进行频域特征提取处理，对脉搏数据进行EEMD的分解，得到各频段的分征量G_k(i)，其中i为分解得到的分征量个数，对各分征量进行相干性系数的计算，选取与人体脉搏信号相干程度高的分征量进行后续的处理，再经过筛选后对其进行HHT变换得到瞬时幅值和瞬时频率，最后把两种特征值融合作为人体脉搏识别特征X_n；