本文關鍵詞：基于非線性估計與盲源分離的胎兒心電信號提取方法

  更多相關文章： 胎兒心電 v-支持向量機 時頻盲源分離 最小二乘支持向量機 Fast ICA

【摘要】：胎兒心電信號能體現(xiàn)胎兒的心臟活動,是能夠提供胎兒健康信息的有效指標。對圍產(chǎn)兒進行心電監(jiān)測能夠及時掌握其發(fā)育信息,及早發(fā)現(xiàn)異常,降低胎兒發(fā)病率,具有良好的應用前景。然而在現(xiàn)階段,胎兒心電的提取準確率低、實現(xiàn)難度大,因此其在臨床上的應用頗為有限。近年來學界廣泛采用兩種方法提取胎兒心電,一種是非線性估計方法,這種方法由于僅利用采集得到的一路或者少數(shù)幾路信號來提取,未能將電極所采得的信號的全部信息充分利用;而另一種是盲源分離方法,然而這種方法通常建立在線性瞬時混合模型之上,沒有考慮實際情況中母體心電和胎兒心電的非線性傳輸以及二者的非線性混合特性。本論文綜合考慮了上述情況,在將非線性估計和盲源分離這兩類方法有效結合的基礎上,探索出了更符合胎兒心電特點、更適合實際應用且性能良好的胎兒心電提取方法。本論文首先研究結合多路v-支持向量回歸機與時頻盲源分離的胎兒心電提取方法。該方法首先對混合信號進行非線性估計,將母體胸部信號作為v-支持向量回歸機的輸入信號,將各路腹壁信號作為v-支持向量回歸機的目標信號,分別估計各路混合信號中的母體心電成分;然后將各路信號中的母體心電成分去除,即可得到每一路混合信號中的含噪胎兒心電;再對所有含噪胎兒心電利用時頻盲源分離進行處理,最終提取得到胎兒心電信號。本論文還研究了結合最小二乘支持向量機與快速獨立分量分析的胎兒心電提取方法。該方法與前一種方法的提取步驟類似,不同之處在于,該方法考慮到各路腹壁信號之間的關聯(lián)性,將各路腹壁信號作為一個整體進行處理。首先利用最小二乘支持向量機對所有腹壁信號進行處理,估計出母體心電成分。然后再將估計得到的母體心電成分從每一路腹壁信號中去除,得到含噪胎兒心電,再利用快速獨立分量分析方法提取出胎兒心電信號。實驗結果表明,在本論文中所研究的兩種方法,均可以有效提取出清晰、完整的胎兒心電;且這兩種胎兒心電提取方法相較于傳統(tǒng)的非線性估計和盲源分離方法,在提取效果上都有明顯提高。其中應用結合了最小二乘支持向量機與快速獨立分量分析的胎兒心電提取方法提取得到的胎兒心電信號具有最高的信噪比指標。
【關鍵詞】：胎兒心電 v-支持向量機 時頻盲源分離 最小二乘支持向量機 Fast ICA
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R714.5;TN911.7
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-13
• 1.1 研究背景及意義8-9
• 1.2 非侵入式胎兒心電提取研究現(xiàn)狀9-11
• 1.3 本論文研究動機和目標11-12
• 1.4 本論文的內容安排12-13
• 2 胎兒心電信號提取的基本原理13-30
• 2.1 引言13
• 2.2 胎兒心電信號13-16
• 2.2.1 胎兒心電信號簡介13-15
• 2.2.2 臨床心電數(shù)據(jù)15-16
• 2.3 基于非線性估計的胎兒心電信號提取原理16-17
• 2.4 基于盲源分離的胎兒心電信號提取方法原理17
• 2.5 非線性估計方法介紹17-24
• 2.5.1 支持向量機17-21
• 2.5.2 最小二乘支持向量機21-23
• 2.5.3 v-SVR23-24
• 2.6 盲源分離方法介紹24-28
• 2.6.1 獨立分量分析26-27
• 2.6.2 時頻盲源分離27-28
• 2.7 胎兒心電信號提取方法性能評估28-29
• 2.8 本章小結29-30
• 3 結合多路v-SVR與TFBSS的胎兒心電信號提取方法30-42
• 3.1 引言30
• 3.2 胎兒心電信號提取原理30-32
• 3.3 結合多路v-SVR與TFBSS的胎兒心電信號提取方法32-33
• 3.4 實驗結果與分析33-41
• 3.4.1 實驗結果33-37
• 3.4.2 實驗結果分析37-39
• 3.4.3 胎兒心電信號提取效果對比分析39-41
• 3.5 本章小結41-42
• 4 結合LSSVM與FastICA的胎兒心電信號提取方法42-56
• 4.1 引言42
• 4.2 胎兒心電信號提取原理42-43
• 4.3 結合LSSVM與FastICA的胎兒心電信號提取方法43-44
• 4.4 合成心電數(shù)據(jù)44-47
• 4.5 實驗結果與分析47-55
• 4.5.1 合成數(shù)據(jù)實驗47-49
• 4.5.2 臨床數(shù)據(jù)實驗49-53
• 4.5.3 胎兒心電信號提取效果對比分析53-55
• 4.6 本章小結55-56
• 5 結論與展望56-58
• 致謝58-59
• 參考文獻59-64
• 附錄64
• A. 作者攻讀期間發(fā)表的論文64
• B. 作者攻讀期間參加的科研項目64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 周衛(wèi)東;基于獨立分量分析的生理信號盲源分離(英文)[J];山東生物醫(yī)學工程;2002年02期

2 邵文婷;方濱;王普;任明榮;沈毅;;稀疏信號的盲源分離求解方法提取胎兒心電信號[J];生物醫(yī)學工程學雜志;2009年06期

3 高莉;黃力宇;;基于自適應梯度盲源分離算法的胎兒心電提取[J];儀器儀表學報;2008年08期

4 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 李舜酩;;轉子振動信號的盲源分離研究[A];第三屆全國虛擬儀器大會論文集[C];2008年

2 許林周;章新華;范文濤;;一種盲源分離后續(xù)去冗余方法[A];2009年全國水聲學學術交流暨水聲學分會換屆改選會議論文集[C];2009年

3 韓少博;林京;吳文燾;;頻域盲源分離中的一種穩(wěn)健解排列模糊方法[A];中國聲學學會2009年青年學術會議[CYCA’09]論文集[C];2009年

4 章林柯;何琳;江涌;;基于盲源分離的潛艇源識別信號去除干擾研究[A];第十一屆船舶水下噪聲學術討論會論文集[C];2007年

5 康春玉;章新華;李軍;;盲源分離與自適應濾波器結合抑制強干擾研究[A];2012'中國西部聲學學術交流會論文集(Ⅱ)[C];2012年

6 周祥;樊濤;;基于盲源分離的儲油罐底腐蝕混疊信號的識別與分離[A];第八屆沈陽科學學術年會論文集[C];2011年

7 王穎翠;;一種基于自然梯度的卷積混合頻域盲源分離算法[A];現(xiàn)代通信理論與信號處理進展——2003年通信理論與信號處理年會論文集[C];2003年

8 許策;章新華;高成志;;源數(shù)目估計對盲源分離算法影響分析[A];2007年全國水聲學學術會議論文集[C];2007年

9 成謝鋒;張仲;孫夏;;一種單路混合信號的盲源分離新方法[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

10 胡增輝;朱炬波;;基于盲源分離的波達角估計[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 張良俊;欠定盲源分離算法及其應用研究[D];武漢理工大學;2015年

2 吳微;含噪盲源分離算法研究及其在水聲信號中的應用[D];解放軍信息工程大學;2014年

3 駱忠強;無線通信盲源分離關鍵技術研究[D];電子科技大學;2016年

4 徐先峰;利用參量結構解盲源分離算法研究[D];西安電子科技大學;2010年

5 王爾馥;盲源分離理論及其在通信系統(tǒng)中的應用[D];哈爾濱工業(yè)大學;2009年

6 李昌利;盲源分離的若干算法及應用研究[D];西安電子科技大學;2010年

7 高建彬;盲源分離算法及相關理論研究[D];電子科技大學;2012年

8 郭靖;盲源分離的時頻域算法研究[D];重慶大學;2012年

9 張念;盲源分離理論及其在重磁數(shù)據(jù)處理中的應用研究[D];中國地質大學;2013年

10 劉建強;非平穩(wěn)環(huán)境中的盲源分離算法研究[D];西安電子科技大學;2009年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 彭帆;多輸入多輸出系統(tǒng)盲源分離頻域新方法的研究[D];汕頭大學;2002年

2 程舒慧;動態(tài)盲源分離及其在生物醫(yī)學信號處理中的應用研究[D];安徽大學;2011年

3 張政;基于獨立分量分析的盲源分離算法優(yōu)化研究[D];南京信息工程大學;2015年

4 高鵬;基于單通道盲源分離理論的故障特征提取技術[D];長安大學;2015年

5 姚鑫;基于EEMD的單通道盲源分離研究與應用[D];大連交通大學;2015年

6 張穎;低角雷達盲信號分離方法研究[D];河南師范大學;2015年

7 吳康銳;基于空間幾何信息約束的欠定卷積盲源分離[D];南昌大學;2015年

8 李莽;盲源分離在信號探測中的應用[D];電子科技大學;2014年

9 宋繼飛;噪聲條件下欠定盲源分離算法研究[D];大連理工大學;2015年

10 甘一凡;基于盲源分離的車輛檢測與分類技術研究[D];電子科技大學;2015年

，

本文編號：608877