基于非线性估计与盲源分离的胎儿心电信号提取方法

发布时间：2017-08-02 10:36

  本文关键词：基于非线性估计与盲源分离的胎儿心电信号提取方法

  更多相关文章： 胎儿心电 v-支持向量机 时频盲源分离 最小二乘支持向量机 Fast ICA

【摘要】：胎儿心电信号能体现胎儿的心脏活动,是能够提供胎儿健康信息的有效指标。对围产儿进行心电监测能够及时掌握其发育信息,及早发现异常,降低胎儿发病率,具有良好的应用前景。然而在现阶段,胎儿心电的提取准确率低、实现难度大,因此其在临床上的应用颇为有限。近年来学界广泛采用两种方法提取胎儿心电,一种是非线性估计方法,这种方法由于仅利用采集得到的一路或者少数几路信号来提取,未能将电极所采得的信号的全部信息充分利用;而另一种是盲源分离方法,然而这种方法通常建立在线性瞬时混合模型之上,没有考虑实际情况中母体心电和胎儿心电的非线性传输以及二者的非线性混合特性。本论文综合考虑了上述情况,在将非线性估计和盲源分离这两类方法有效结合的基础上,探索出了更符合胎儿心电特点、更适合实际应用且性能良好的胎儿心电提取方法。本论文首先研究结合多路v-支持向量回归机与时频盲源分离的胎儿心电提取方法。该方法首先对混合信号进行非线性估计,将母体胸部信号作为v-支持向量回归机的输入信号,将各路腹壁信号作为v-支持向量回归机的目标信号,分别估计各路混合信号中的母体心电成分;然后将各路信号中的母体心电成分去除,即可得到每一路混合信号中的含噪胎儿心电;再对所有含噪胎儿心电利用时频盲源分离进行处理,最终提取得到胎儿心电信号。本论文还研究了结合最小二乘支持向量机与快速独立分量分析的胎儿心电提取方法。该方法与前一种方法的提取步骤类似,不同之处在于,该方法考虑到各路腹壁信号之间的关联性,将各路腹壁信号作为一个整体进行处理。首先利用最小二乘支持向量机对所有腹壁信号进行处理,估计出母体心电成分。然后再将估计得到的母体心电成分从每一路腹壁信号中去除,得到含噪胎儿心电,再利用快速独立分量分析方法提取出胎儿心电信号。实验结果表明,在本论文中所研究的两种方法,均可以有效提取出清晰、完整的胎儿心电;且这两种胎儿心电提取方法相较于传统的非线性估计和盲源分离方法,在提取效果上都有明显提高。其中应用结合了最小二乘支持向量机与快速独立分量分析的胎儿心电提取方法提取得到的胎儿心电信号具有最高的信噪比指标。
【关键词】：胎儿心电 v-支持向量机 时频盲源分离 最小二乘支持向量机 Fast ICA
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R714.5;TN911.7
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-13
• 1.1 研究背景及意义8-9
• 1.2 非侵入式胎儿心电提取研究现状9-11
• 1.3 本论文研究动机和目标11-12
• 1.4 本论文的内容安排12-13
• 2 胎儿心电信号提取的基本原理13-30
• 2.1 引言13
• 2.2 胎儿心电信号13-16
• 2.2.1 胎儿心电信号简介13-15
• 2.2.2 临床心电数据15-16
• 2.3 基于非线性估计的胎儿心电信号提取原理16-17
• 2.4 基于盲源分离的胎儿心电信号提取方法原理17
• 2.5 非线性估计方法介绍17-24
• 2.5.1 支持向量机17-21
• 2.5.2 最小二乘支持向量机21-23
• 2.5.3 v-SVR23-24
• 2.6 盲源分离方法介绍24-28
• 2.6.1 独立分量分析26-27
• 2.6.2 时频盲源分离27-28
• 2.7 胎儿心电信号提取方法性能评估28-29
• 2.8 本章小结29-30
• 3 结合多路v-SVR与TFBSS的胎儿心电信号提取方法30-42
• 3.1 引言30
• 3.2 胎儿心电信号提取原理30-32
• 3.3 结合多路v-SVR与TFBSS的胎儿心电信号提取方法32-33
• 3.4 实验结果与分析33-41
• 3.4.1 实验结果33-37
• 3.4.2 实验结果分析37-39
• 3.4.3 胎儿心电信号提取效果对比分析39-41
• 3.5 本章小结41-42
• 4 结合LSSVM与FastICA的胎儿心电信号提取方法42-56
• 4.1 引言42
• 4.2 胎儿心电信号提取原理42-43
• 4.3 结合LSSVM与FastICA的胎儿心电信号提取方法43-44
• 4.4 合成心电数据44-47
• 4.5 实验结果与分析47-55
• 4.5.1 合成数据实验47-49
• 4.5.2 临床数据实验49-53
• 4.5.3 胎儿心电信号提取效果对比分析53-55
• 4.6 本章小结55-56
• 5 结论与展望56-58
• 致谢58-59
• 参考文献59-64
• 附录64
• A. 作者攻读期间发表的论文64
• B. 作者攻读期间参加的科研项目64

【相似文献】

中国期刊全文数据库 前4条

1 周卫东;基于独立分量分析的生理信号盲源分离(英文)[J];山东生物医学工程;2002年02期

2 邵文婷;方滨;王普;任明荣;沈毅;;稀疏信号的盲源分离求解方法提取胎儿心电信号[J];生物医学工程学杂志;2009年06期

3 高莉;黄力宇;;基于自适应梯度盲源分离算法的胎儿心电提取[J];仪器仪表学报;2008年08期

4 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 李舜酩;;转子振动信号的盲源分离研究[A];第三届全国虚拟仪器大会论文集[C];2008年

2 许林周;章新华;范文涛;;一种盲源分离后续去冗余方法[A];2009年全国水声学学术交流暨水声学分会换届改选会议论文集[C];2009年

3 韩少博;林京;吴文焘;;频域盲源分离中的一种稳健解排列模糊方法[A];中国声学学会2009年青年学术会议[CYCA’09]论文集[C];2009年

4 章林柯;何琳;江涌;;基于盲源分离的潜艇源识别信号去除干扰研究[A];第十一届船舶水下噪声学术讨论会论文集[C];2007年

5 康春玉;章新华;李军;;盲源分离与自适应滤波器结合抑制强干扰研究[A];2012'中国西部声学学术交流会论文集(Ⅱ)[C];2012年

6 周祥;樊涛;;基于盲源分离的储油罐底腐蚀混叠信号的识别与分离[A];第八届沈阳科学学术年会论文集[C];2011年

7 王颖翠;;一种基于自然梯度的卷积混合频域盲源分离算法[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年

8 许策;章新华;高成志;;源数目估计对盲源分离算法影响分析[A];2007年全国水声学学术会议论文集[C];2007年

9 成谢锋;张仲;孙夏;;一种单路混合信号的盲源分离新方法[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 胡增辉;朱炬波;;基于盲源分离的波达角估计[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

中国博士学位论文全文数据库 前10条

1 张良俊;欠定盲源分离算法及其应用研究[D];武汉理工大学;2015年

2 吴微;含噪盲源分离算法研究及其在水声信号中的应用[D];解放军信息工程大学;2014年

3 骆忠强;无线通信盲源分离关键技术研究[D];电子科技大学;2016年

4 徐先峰;利用参量结构解盲源分离算法研究[D];西安电子科技大学;2010年

5 王尔馥;盲源分离理论及其在通信系统中的应用[D];哈尔滨工业大学;2009年

6 李昌利;盲源分离的若干算法及应用研究[D];西安电子科技大学;2010年

7 高建彬;盲源分离算法及相关理论研究[D];电子科技大学;2012年

8 郭靖;盲源分离的时频域算法研究[D];重庆大学;2012年

9 张念;盲源分离理论及其在重磁数据处理中的应用研究[D];中国地质大学;2013年

10 刘建强;非平稳环境中的盲源分离算法研究[D];西安电子科技大学;2009年

中国硕士学位论文全文数据库 前10条

1 彭帆;多输入多输出系统盲源分离频域新方法的研究[D];汕头大学;2002年

2 程舒慧;动态盲源分离及其在生物医学信号处理中的应用研究[D];安徽大学;2011年

3 张政;基于独立分量分析的盲源分离算法优化研究[D];南京信息工程大学;2015年

4 高鹏;基于单通道盲源分离理论的故障特征提取技术[D];长安大学;2015年

5 姚鑫;基于EEMD的单通道盲源分离研究与应用[D];大连交通大学;2015年

6 张颖;低角雷达盲信号分离方法研究[D];河南师范大学;2015年

7 吴康锐;基于空间几何信息约束的欠定卷积盲源分离[D];南昌大学;2015年

8 李莽;盲源分离在信号探测中的应用[D];电子科技大学;2014年

9 宋继飞;噪声条件下欠定盲源分离算法研究[D];大连理工大学;2015年

10 甘一凡;基于盲源分离的车辆检测与分类技术研究[D];电子科技大学;2015年

，

本文编号：608877