论文部分内容阅读
胎儿心电信号(FECG)是心脏活动的最源发性信号,在胎儿疾病的监护和诊断中有着不可替代的作用。目前FECG的主要检测方法有两种:一种是胎儿头皮电极法,另一种是母体腹部电极心电法。腹部无创检测法相对于头皮电极检测法操作简单而且不会对孕妇和胎儿造成伤害,因此更受亲睐。但是腹部无创检测法采集到的胎儿心电信号微弱,信噪比低,受母体和噪声干扰较大,如何提取出纯净的胎儿心电信号,是生物医学信号处理领域一项重要的研究课题。本文通过分析胎儿心电信号本身的特点,论证了盲源分离算法(BSS)在胎儿心电信号分离上的可行性。并将二阶统计量的盲源信号分离模型应用于胎儿心电信号的提取,具体工作如下:二阶统计量的盲源信号分离是利用样本数据的二阶统计量和源信号时序结构特征来实现源信号的盲分离的,因此FECG的R波是确定FECG时序结构的重要依据。但采用无创检测法采集到的胎儿心电信号,由于母体和噪声干扰较大,直接利用传统的R波检测效果不佳。为提高FECG的R波检测准确性,本文提出了一种基于二进小波变换和模极大值的胎儿心电信号R检测方法。该算法通过对从母体腹部表面采集的信号进行二进小波变换,根据母体与胎儿在模极大值上的差异,对二进小波变换后的模极大值序列以模极大值块进行分类,针对胎儿模极大值块,运用窗口阈值法来估计FECG的R波。此方法在MIT Physio Net/Cin C2013挑战竞赛提供的数据集上进行了实验,根据MIT竞赛平台公布的结果,此方法 FECG的R波准确率达到93.8%。用FECG的R波作为周期结构,可以利用周期元分析(πCA)提取胎儿心电信号,但由于母体与胎儿心电周期性结构存在相似性,会造成基于周期元分析算法提取的胎儿心电信号局部失效。为解决此问题,本文对周期元算法的时延相关矩阵的最佳估计时延进行了改进,对自相关矩阵与时延相关矩阵组成的矩阵对进行广义特征值分解,通过分解后的最大特征值对应的特征向量来估计FECG。此方法在MIT Physio Net/Cin C2013挑战竞赛提供的数据集上进行验证,并通过HRV定量分析与二阶统计量的经典算法—AMUSE算法、SOBI算法和πCA算法的提取结果进行了对比,实验结果表明,本文方法比上述方法具有更好的FECG提取效果。