[发明专利]体征信号的分离方法、装置、电子设备及存储介质

权利要求书

1.一种体征信号的分离方法，其特征在于，包括：

获取体征信号并对鲸鱼优化算法的相关参数进行初始化；

根据所述相关参数，得到预设种群数量的第一位置参数；

根据所述第一位置参数和变分模态分解算法对所述体征信号进行分解，得到所述预设种群数量的本征模态函数分量集；

根据所述预设种群数量的本征模态函数分量集，得到所述预设种群数量的模糊熵；

根据所述模糊熵，通过全局搜寻策略的鲸鱼优化算法对所述第一位置参数进行迭代优化，得到第二位置参数；

根据所述第二位置参数和所述变分模态分解算法对所述体征信号进行分解重构，得到心跳体征信号和呼吸体征信号。

2.根据权利要求1所述的体征信号的分离方法，其特征在于，所述第一位置参数包括分量个数和惩罚因子，所述根据所述第一位置参数和变分模态分解算法对所述体征信号进行分解，得到所述预设种群数量的本征模态函数分量集，包括：

对于每一所述第一位置参数，根据所述体征信号和所述惩罚因子，对预设的所述分量个数的本征模态函数分量、模态中心频率以及拉格朗日乘子依次进行迭代更新，直至所述分量个数的所述本征模态函数分量满足迭代约束条件；

根据迭代结束时的各所述分量个数的所述本征模态函数分量，得到所述预设种群数量的本征模态函数分量集。

3.根据权利要求1所述的体征信号的分离方法，其特征在于，所述根据所述预设种群数量的本征模态函数分量集，得到所述预设种群数量的模糊熵，包括：

获取预设维度；

根据所述预设维度对所述预设种群数量的本征模态函数分量集进行重构，得到所述预设种群数量的重构向量集，所述重构向量集的向量个数通过所述本征模态函数分量集的元素个数和所述预设维度确定；

根据所述重构向量集，得到所述预设种群数量的隶属度平均值集；

根据所述隶属度平均值集，得到所述预设种群数量的模糊熵。

4.根据权利要求3所述的体征信号的分离方法，其特征在于，所述根据所述重构向量集，得到所述预设种群数量的隶属度平均值集，包括：

对于每一所述重构向量集，计算任意两个所述重构向量之间的距离；

根据任意两个所述重构向量之间的距离，得到所述重构向量集的多个模糊隶属度；

根据所述多个模糊隶属度，得到所述重构向量集的隶属度平均值，并将多个所述隶属度平均值作为隶属度平均值集。

5.根据权利要求1所述的体征信号的分离方法，其特征在于，所述根据所述模糊熵，通过全局搜寻策略的鲸鱼优化算法对所述第一位置参数进行迭代优化，得到第二位置参数，包括：

根据所述模糊熵，得到第一个体最优位置；

根据最优邻域扰动策略对所述第一个体最优位置进行最优邻域扰动更新，得到第二个体最优位置；

根据所述鲸鱼优化算法的当前迭代次数和预设迭代次数，得到所述鲸鱼优化算法的包围圈系数；

根据随机搜索系数和所述包围圈系数，确定所述鲸鱼优化算法的搜寻方式；

根据所述鲸鱼优化算法的搜寻方式对所述第二个体最优位置进行更新，得到第三个体最优位置；

当前迭代次数小于所述预设迭代次数时，将所述第三个体最优位置作为所述第一个体最优位置进行更新；

当前迭代次数等于所述预设迭代次数时，根据最后一次迭代更新得到的所述第三个体最优位置，得到第二位置参数。

6.根据权利要求5所述的体征信号的分离方法，其特征在于，所述根据随机搜索系数和所述包围圈系数，确定所述鲸鱼优化算法的搜寻方式，包括：

当所述包围圈系数大于等于1且随机搜索系数小于0.5时，确定所述鲸鱼优化算法的搜寻方式为包围猎物搜寻方式；

当所述包围圈系数大于等于1且随机搜索系数大于等于0.5时，确定所述鲸鱼优化算法的搜寻方式为旋转搜寻方式；

当所述包围圈系数小于1时，确定所述鲸鱼优化算法的搜寻方式为随机搜寻方式。