[发明专利]一种基于多通道多特征融合的睡眠呼吸暂停检测方法

权利要求书

1.一种基于多通道多特征融合的睡眠呼吸暂停检测方法，其特征在于：

Step1：采集原始信号数据，对原始信号数据集使用小波阈值法进行降噪处理；

Step2：将降噪后的信号经过通道相加和信号叠加的方法增强信号中的同步有效信息；

Step3：提取信号的时域特征、频域特征和非线性特征；

Step4：通过Relief特征选择算法对时域特征、频域特征和非线性特征进行分析筛选，再进行融合；

Step5：建立分类模型并采用基于高斯核函数支持向量机对融合后的特征进行分类；

所述Step1具体为：

Step1.1：设原始带噪信号为x(i,j)，对原始带噪信号x(i,j)进行s层正交小波变换，得到一组小波分解系数其中j＝1，2，…s，其中s表示小波分解的层数；

其次，在各分解层各方向对噪声方差按式(1)进行估计；

Step1.2：对信号的小波系数方差进行估计，由于服从高斯分布，所以：

由可得：

通过阈值系数β来调节各分解层中各个高频子带的阈值大小，阈值系数β为：

式中，L_k为小波分解系数第k层的小波系数长度，j是小波分解的层数；

最后，得出新阈值的表达式：

Step1.3：对各层高频系数进行小波软阈值处理得到新的小波系数：

式中，WST(·)表示软阈值函数处理；

最后，对处理后的小波系数进行小波反变换，得到去噪后的信号。

2.根据权利要求1所述的基于多通道多特征融合的睡眠呼吸暂停检测方法，其特征在于所述Step2具体为：

Step2.1：假设信号的通道数为N，则信号叠加和通道相加的组合的次数都为：

其中，通道相加是将多个通道的数据组合起来提取特征，信号叠加是将多个通道的数据相加之后提取特征；

Step2.2：设存在一个纯随机信号x(n)，有n个观察样本，当N→∞时，观测样本的和趋于0，如式(7)所示

∑x(n)＝0 n＝0,1,2,…,N. N→∞ (7)

设M个纯随机信号序列x_m(n)，当M→∞时，所有信号序列的每个对应点的和为0，如式(8)所示

∑x_m(n)＝0 m＝0,1,2,…,M. M→∞ (8)从而增强信号中的同步有效信息。

3.根据权利要求1所述的基于多通道多特征融合的睡眠呼吸暂停检测方法，其特征在于所述Step4具体为：

Step4.1：将提取的特征建立一个数据集D，样本抽样次数设为m，特征权重的阈值为δ；置0所有特征权重，权重T[F]为空集，样本抽样次数从1迭代到m；

Step4.2：在每次迭代过程中，随机选取一个样本R，从同类的样本集中找到R的最近邻样本H，从不同类样本集中找到最近邻样本M，若H小于M，权重增加，反之，减小，重复m次，最后得到各个特征的平均权重；

Step4.3：对特征F用公式W(F)＝W(F)-(diff(F,R,H))/m+(diff(F,R,M))/m计算，如果特征F的权重大于阈值，则把特征F添加到集合T中，其中F＝1,2,3,…,n。