小波域变步长ICA算法提取胎儿心电信号.pdf

《小波域变步长ICA算法提取胎儿心电信号.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第34卷第1期杭州电子科技大学学报Vo1．34。No．12014年1月Journalof／／an~houDianziUniversityJan．2014doi：10．3969／j．issn．1001—9146．2014．Ol-005小波域变步长ICA算法提取胎儿心电信号占海龙，赵治栋(1．杭州电子科技大学通信工程学院，浙江杭州I310018；2．杭州电子科技大学电子信息学院，浙江杭州310018)摘要：胎儿心电信号是反映胎儿宫内生理活动的一种最主要的客观指标，从母体体表混合信号中分离出胎儿心电信号是近年来信号处理领域研究的热点问题。该文利用小波变换将采集到的各

2、导联混合信号变换到小波域；在小波域结合模拟退火法变步长进行独立分量的提取；将提取到的各独立分量进行小波逆变换，从中选择胎儿心电信号成分。通过对临床实际数据进行实验，实验结果提取出了清晰的胎儿心电信号。关键词：胎儿心电信号提取；小波变换；独立分离提取中图分类号：RS18文献标识码：A文章编号：1001—9146(2014)01—0025—050引言胎儿在母亲宫内的健康状况近年来日益引起人们的重视，多普勒胎心听诊、胎心电子监护仪等都被用来检测胎儿的状况，但这些监护方法存在缺点，影响着传统胎儿监护技术的稳定性J。通过置电极于母体腹部体表可采集到包含胎儿心电信号的体表

3、混合信号，然而从母体腹部提取到的信号中包含了很多干扰成分，用常规的滤波方法很难提取到清晰的胎儿心电信号(Fetalelectrocardiogram，FECG)J。近年来国内外众多学者在胎儿心电信号提取领域进行了广泛的研究，并取得了一定的研究成果。自适应消噪法应用在胎儿心电信号提取中；利用奇异值分解方法分离出较为清晰的胎儿心电信号；利用奇异值分解法结合多项式神经网络方法提取出清晰的胎儿心电信号；利用改进独立分量分析(IndependentComponentAnalysis，ICA)算法分离出较为清晰的胎儿心电信号J。但这些方法都存在一定的缺陷，如自适应消噪法对

4、参考电极的要求高，奇异值分解法对电极放置位置要求较高等。本文主要基于小波变换和独立分量分析，利用系统辨识数据库中的8导孕妇体表信号进行分析方法，结合模拟退火法中的指数衰减型变步长算法来优化ICA算法中的步长选择问题，方法能够在兼顾收敛速度和稳态误差的前提下准确地提取出胎儿心电信号。1基于小波域的ICA算法设S=[s，s，⋯，s]为n个相互统计独立的源信号，A为一非奇异混合矩阵，观测信号为X=[x。，X，X，，⋯，X]，则有X=AS。ICA算法的目的是通过寻找一解混矩阵w，使得输出信号Y中的各分量相互统计独立，且为源信号s中各分量的估计，允许幅度和顺序存在差异，

5、即：Y=WX=WAS，其中Y=[Y，Y：，Y，，⋯，Y]。解混矩阵w的更新过程如下：收稿日期：2013—06—20基金项目：浙江省科技计划公益技术研究资助项目(2012C21005)作者简介：占海龙(1988一)，男，江西上饶人，在读研究生，信号与信息处理杭州电子科技大学学报2014年W(k+1)=W(k)+u(I一_厂(Y())Y(k))W(k)(1)w(k)为k时刻矩阵w的值，I为单位矩阵·)为激活函数，U为步长。对于离散信号x(k)，对其进行小波变换后的小波系数为：cJ，q=(2)由于内积具有线性特征，即：<(x(k)+Z(k)

6、)，Y(k)>=+，=a，因此，对于混合信号x(k)中第i个观测信号X(k)的小波变换为：(Xi())=．【∑a．．Si(k))==(3)将式(3)以向量的形式表示：C=AC。。C=[(。(k)，(k))，⋯，((k)，(k))]，C。=[(s。(Ii})，抽(k))，⋯，(s(k)，抽())]分别表示观测信号和源信号的小波变换，因此估计信号的小波变换为：C=WC=WAC。(4)对c进行小波逆变换可得源信号中

7、各独立分量的估计。混合一解混矩阵P(k)=W(k)A中每行每列有且仅有一个非零值时分离效果最优。定义串音误差PI来衡量ICA算法的性能：PI(in(骞)l⋯n{n)㈣式中P=[P(k)]．．，n是源信号的个数。峭度是衡量随机变量偏离高斯分布的程度，峭度值越大随机变量的非高斯性越强，其定义为：kurt(x)=一3。模拟母体心电信号和胎儿心电信号经小波变化前后的峭度值如表1所示，可见经小波变换后其值有明显增长。表1模拟胎儿心电信号和母体心电信号经小波变换前后的峭度利用心电信号动态生成模型分别生成的心率为65的模拟母体心电信号和心率为110的模拟胎儿心电信号经混合矩

8、阵混合后分别在时域和小波域进行独立分量