[发明专利]一种基于生成对抗网络的心电信号降噪方法

权利要求书

1.一种基于生成对抗网络的心电信号降噪方法，其特征在于，所述方法包括：

S1：构造生成器模型，所述生成器模型由XGBOOST模型构成，包含多个信号降噪处理子模型，生成器模型对带噪心电信号数据进行降噪处理，得到降噪后的心电信号；

S2：构造判别器模型，所述判别器模型由XGBOOST模型构成，包含多个心电信号识别判断子模型，将降噪后的心电信号和带噪的心电信号数据作为输入，输入到判别器模型中进行信号识别分类，所述降噪后的心电信号为生成器生成的降噪后心电信号；

S3：利用基于量子比特的智能优化算法对生成对抗网络模型进行优化，得到优化后的模型参数，并将优化后的模型参数作为生成对抗网络模型的参数，所述生成对抗网络模型包括生成器模型和判别器模型，其中所述基于量子比特的智能优化算法流程，包括：

利用基于量子比特的智能优化算法对优化目标函数进行求解，所述优化目标函数的优化求解结果为生成对抗网络模型的权重向量(w₁,w₂,…,w_M,b₁,…,b₅)，所述基于量子比特的智能优化算法流程为：

生成若干量子比特，建立量子比特的势能方程：

其中：

B表示所生成的量子比特数量；

u表示所生成量子比特的位置向量，所述量子比特位置向量为优化目标函数的解，量子比特位置向量即为生成对抗网络模型的权重向量，所述量子比特位置向量的维度数为M+5；

h表示量子比特位置向量的维度数，h＝M+5；

表示在时间τ下的量子比特任意位置向量；

表示以位置向量u^*为权重向量的目标函数的值；

基于量子比特动能项对进行求解：

其中：

P(u_k,u_k-1)表示由位置向量u_k-1移动到u_k的量子比特动能；

表示在初始时刻量子比特的初始位置u₀；

W(u_k)表示量子比特出现在位置向量u_k的概率；

将所生成的量子比特进行迭代扩散，通过多次量子比特位置向量的迭代扩散，对概率权重W(u_k)进行迭代更新，并根据概率权重的更新结果求解得到多个将多个求解结果代入量子比特的势能方程，选取使得目标函数值最小的权重向量作为生成对抗网络的优化参数；

S4：将待降噪的心电信号数据输入到优化后的生成器模型中，模型输出降噪后的心电信号。

2.如权利要求1所述的一种基于生成对抗网络的心电信号降噪方法，其特征在于，所述S1步骤中构造生成器模型中的信号降噪处理子模型，包括：

所构造的信号降噪处理子模型为自编码器模型，所述自编码器模型的输入为带噪的心电信号数据，在自编码器模型训练阶段，自编码器的输出为与输入值类似的心电信号数据以及降噪后的心电信号数据，当自编码器模型训练完成，自编码器的输出为降噪后的心电信号数据；

所述自编码器的结构包括卷积层、激活函数层以及反卷积层，每个自编码器的卷积层层数为6层，反卷积层层数为6层，卷积层之间具有激活函数层，所述每个信号降噪处理子模型的卷积层结构以及反卷积层结构不同，即每个信号降噪处理子模型中每个卷积层以及反卷积层具有不同的卷积核大小；

所述自编码器训练的目标函数为：

其中：

G表示自编码器模型，x(t)表示输入自编码器模型的带噪心电信号，t表示时域信息；

表示自编码器输出的降噪后心电信号，y(t)表示x(t)所对应的纯净心电信号；

表示时域信息n处的降噪后心电信号，y(n)表示时域信息n处的纯净心电信号；

G(x(t))表示自编码器输出的带噪心电信号，D(G(x(t)))表示将带噪心电信号输入到心电信号识别判断子模型中，p(x(t))表示输入自编码器模型的带噪心电信号的信号分布；

E(·)表示期望值计算；

α为参数，将其设置为0.6；

β为参数，将其设置为0.2。