[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

说明书

本发明涉及一种基于多通道多特征融合的睡眠呼吸暂停检测方法，属于生物医学技术领域。本发明首先使用小波阈值法降低噪声干扰；其次通过多通道信号通道相加和信号叠加增强信号中的同步有效信息；再提取信号的时域特征、频域特征和非线性特征；之后选取Relief特征选择算法对特征进行分析筛选，再融合；最后建立分类模型并采用基于高斯核函数支持向量机(SVM)进行分类。本发明将信号经过通道相加和信号叠加增强有效信息后提取特征进行筛选，再进行融合，提高了检测识别的准确率。

技术领域

本发明涉及一种基于多通道多特征融合的睡眠呼吸暂停检测方法，属于生物医学技术领域。

背景技术

随着社会的发展，人类生活方式得到便捷的同时，越来越多的疾病也随之而来。睡眠呼吸暂停一种临床常见的呼吸系统疾病。未诊断的睡眠呼吸暂停对人类生活质量有很大的影响，并可引发心脏病、高血压、糖尿病前期和糖尿病、抑郁症和长期中风。检测工作目前主要依靠多导睡眠仪检测完成,由于穿戴不方面、效率低,因此信号的特征提取、筛选、融合和自动检测在临床上有很重要的意义,可以减轻医疗工作者的劳动量。

多通道数添加本质上是使用通道相加和信号叠加的方法增强信号中的有效信息。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。Relief算法是一种特征选择算法，根据各个特征和类别的相关性给予特征不同的权重，通过权重的大小筛选特征进行融合。

发明内容

本发明要解决的技术问题是提供一种基于多通道多特征融合的睡眠呼吸暂停检测方法，达到提高睡眠呼吸暂停检测准确率的目的，从而解决上述问题。

本发明的技术方案是：一种基于多通道多特征融合的睡眠呼吸暂停检测方法，利用通道相加和信号叠加的方法将信号中的有效信息增强之后提取特征，再选用Relief算法筛选特征并对筛选后的特征融合，最后使用基于高斯核函数SVM进行分类，其具体步骤为：

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，以便降低噪声的干扰。

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：