一种基于脉搏信号的时域特征提取方法

本发明涉及生理信号检测，尤其涉及一种基于脉搏信号的时域特征提取方法。

背景技术：

1、脉诊是中医在疾病诊断中的主要方法之一，通过脉搏来体察人体脉搏的变化。脉搏波是由心脏的搏动沿着动脉血管和血流向外传播形成的，脉搏波受到血管壁弹性、血管阻力等多重生理因素相互作用的影响，包含丰富的信息，能够很好地反应人体身体状态。

2、随着计算机和信号检测技术的发展，对脉搏信号的研究也一直在持续。研究人员致力于将医师的主观判断转换为具有参考依据的机器生物特征识别，从而提供统一的判断标准和规范。随着机器学习与深度学习的发展，如何实现脉搏信号更精确、更细致的分类，成为研究的新课题。因此，如何提取更加全面的脉象信号特征为脉搏信号的分类识别提供基础显得尤为重要。

3、目前现有的脉搏信号时域特征提取方法提取的特征不全面，并且，现有的脉搏信号时域特征提取方法通常采用波形拟合的方法，仅关注波形本身，但提取的特征不具备生理意义。因此，提供一种能够提取脉搏信号更全面的时域特征，并且提取的时域特征具备一定生理意义是亟待解决的问题。

技术实现思路

1、鉴于上述的分析，本发明旨在提供一种基于脉搏信号的时域特征提取方法，用以解决现有脉搏信号时域特征提取方法提取的特征不全面，且提取的特征不具备生理意义的问题。

2、本发明提供了一种基于脉搏信号的时域特征提取方法，所述方法包括以下步骤：

3、通过传感器获取人体脉搏信号，对所述脉搏信号进行预处理得到预处理后的脉搏信号；

4、对预处理后的脉搏信号进行滑窗，获取每个窗口对应的脉搏信号的波峰个数，基于所述波峰个数对所述预处理后的脉搏信号进行第一组时域特征提取；

5、对所述预处理后的脉搏信号进行周期分割、质量筛选、周期归一化得到周期归一化后的脉搏信号；

6、采用高斯函数对所述周期归一化后的脉搏信号进行高斯拟合，基于高斯拟合函数进行第二组时域特征提取；

7、采用傅里叶级数对所述周期归一化后的脉搏信号进行傅里叶级数拟合，基于傅里叶级数进行第三组时域特征提取。

8、进一步地，高斯拟合时，若高斯拟合均方根误差未达到阈值则基于遗传算法优化高斯函数的个数及其参数直至高斯拟合均方根误差达到阈值，基于高斯拟合均方根误差达到阈值时对应的高斯拟合函数进行第二组时域特征提取；

9、傅里叶级数拟合时，若傅里叶级数拟合均方根误差未达到阈值则基于遗传算法优化傅里叶级数的参数直至傅里叶级数拟合均方根误差达到阈值，基于傅里叶级数拟合均方根误差达到阈值时对应的傅里叶级数进行第三组时域特征提取。

10、进一步地，所述若高斯拟合均方根误差未达到阈值则基于遗传算法优化高斯函数的个数及其参数，直至高斯拟合均方根误差达到阈值包括以下步骤：

11、步骤s41、初始化第一配置参数，基于第一配置参数生成遗传个体构建第一种群；

12、步骤s42、计算第一种群中每个个体对应的高斯拟合均方根误差，根据每个个体的高斯拟合均方根误差得到每个个体的适应度值，选取适应度值小于阈值的个体构成第一优秀种群；

13、步骤s43、判断是否达到终止条件，若达到，则根据第一种群中适应度值最小的个体得到高斯函数的个数及其参数；否则，将第一优秀种群中每个个体的高斯函数的个数加1，然后依据交叉概率和变异概率进行交叉和变异得到新的第一遗传个体，将第一优秀种群中的个体与新的第一遗传个体组合得到更新的第一种群，将更新的第一种群作为下一迭代的种群，重复执行步骤s42至s43。

14、进一步地，通过下述公式得到个体的当前适应度值：

15、

16、其中，εi为第i个个体对应的高斯拟合均方根误差，n为高斯函数的个数。

17、进一步地，若未达到终止条件，则将第一优秀种群中每个个体的基因中高斯函数的个数加1得到更新的第一优秀种群；依据交叉概率采用轮盘赌法选择更新的第一优秀种群中两个个体作为父代个体，对父代个体的高斯函数的参数值采用随机多点交叉方式进行更新生成新的第一遗传个体；依据变异概率随机改变更新的第一优秀种群中个体的高斯函数的参数值进行变异生成新的第一遗传个体；将第一优秀种群中的个体与交叉、变异生成的新的第一遗传个体进行组合得到更新的第一种群。

18、进一步地，所述若傅里叶级数拟合均方根误差未达到阈值则基于遗传算法优化傅里叶级数的参数直至傅里叶级数拟合均方根误差达到阈值包括以下步骤：

19、步骤s51、初始化第二配置参数，基于第二配置参数进行编码生成遗传个体构建多个第二种群；

20、步骤s52、计算编码后各第二种群中每个个体对应的傅里叶级数拟合均方根误差，根据每个个体的傅里叶级数拟合均方根误差得到每个个体的适应度值，选取各第二种群中适应度值最小的个体构成第二优秀种群；

21、步骤s53、判断是否达到终止条件，若达到，则根据当前第二种群中适应度值最小的个体得到傅里叶级数的参数；否则，依据交叉概率和变异概率将第二优秀种群中每个个体进行交叉和变异得到新的第二遗传个体，将第二优秀种群中的个体与新的第二遗传个体组合得到多个更新的第二种群，将更新的第二种群作为下一迭代的种群，重复执行步骤s52至s53。

22、进一步地，若未达到终止条件，则依据交叉概率采用轮盘赌法选择第二优秀种群中两个个体作为父代个体，对父代个体采用随机多点交叉方式生成新的第二遗传个体；依据变异概率随机改变第二优秀种群中个体的傅里叶级数参数的值进行变异生成新的第二遗传个体；将第二优秀种群中的个体与交叉、变异生成的新的第二遗传个体进行组合得到多个更新的第二种群。

23、进一步地，所述对所述预处理后的脉搏信号进行周期分割、质量筛选、周期归一化得到周期归一化后的脉搏信号包括：

24、步骤s31、基于起搏点对所述预处理后的的脉搏信号进行周期分割；

25、步骤s32、对分割后各周期的脉搏信号计算峰谷斜率、峰谷距离、峰谷差，基于所有分割后的脉搏信号的峰谷斜率、峰谷距离分别得到峰谷斜率算术平均值、峰谷距离算术平均值，从各周期信号中去除其峰谷斜率与峰谷斜率平均值偏离大于阈值或峰谷距离与峰谷距离平均值偏离大于阈值的周期脉搏信号，得到剩余的周期脉搏信号；

26、步骤s33、获取剩余的各周期脉搏信号的平均周期长度；对每个剩余的周期脉搏信号进行延展或压缩进行周期归一化。

27、进一步地，所述对所述脉搏信号进行预处理得到预处理后的脉搏信号包括：

28、设置噪声阈值，确定小波基函数和分解层数对所述脉搏信号进行小波分解得到多个小波分量，根据所述噪声阈值对所述小波分量进行去噪然后利用小波系数重构信号得到去噪后的脉搏信号；

29、通过搜寻局部极值对所述去噪后的脉搏信号进行起搏点提取，对所有的起搏点进行三次样条插值拟合出基线噪声，从去噪后的脉搏信号中去除基线噪声得到预处理后的脉搏信号。

30、进一步地，设置滑动窗口的大小以及移动步长，基于滑动窗口以及移动步长提取每次滑动后滑动窗口内对应脉搏信号的局部极值点；对每次滑动后滑动窗口内对应的脉搏信号进行一阶差分得到一阶差分信号零点的个数，基于其零点的个数得到该滑动窗口内对应脉搏信号的波峰个数；基于所述波峰个数以及局部极值点对所述预处理后的脉搏信号进行第一组时域特征提取。

31、与现有技术相比，本发明至少可实现如下有益效果之一：

32、1、本发明通过滑动窗口、高斯拟合、傅里叶级数拟合提取脉搏信号的54个时域特征，实现了对脉搏信号更加全面的时域特征提取，为脉搏信号进行更精确、更细致的分类识别提供了基础。

33、2、本发明在通过滑动窗口提取特征时将特征与生理意义对应，从而解决了提取的特征不具备生理意义的问题。

34、3、本发明在高斯拟合时通过遗传算法优化高斯函数的个数及其参数，提高了拟合的精度，从而使提取的特征能更准确地反映脉搏信息。

35、4、本发明在傅里叶级数拟合时通过遗传算法优化傅里叶级数的参数，提高了拟合的精度，从而使提取的特征能更准确地反映脉搏信息。

36、本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。