胎儿心电信号提取方法及研究.pdf

Research on the Methods of Fetal Electrocardiogram Signal Extraction A Thesis Submitted to Chongqing University in Partial Fulfillment of the Requirement for the Master ’s Degree of Engineering By Chen Xiaojun Supervised by Ass. Prof. Han Liang Specialty: Signal and Information Processing College of Communication Engineering of Chongqing University, Chongqing, China April, 2014 中文摘要 摘 要 胎儿心电信号(fetal electrocardiogram, FECG)能够反映胎儿的宫内生理活动状 况，通过对围产期胎儿心电的监护和观测，可以监测胎儿的健康状况，从而达到 降低围产儿发病率与死亡率的目的。但是目前难以提取得到清晰的FECG ，限制了 FECG 临床上的应用。本论文首先介绍了FECG 提取的研究背景和意义，阐述了国 内外FECG 提取的发展动态。 近年来盲信号分离方法被引入 FECG 提取领域，被认为提取效果较好、具有 较好的应用前景。由于传统的盲源信号分离方法一般限于处理非高斯、平稳信号， 且对噪声的抑制能力不强，本文研究了基于时频盲源分离(blind source separation based on time-frequency distributions, TFBSS) 的FECG 提取方法。采用临床实验数 据与基于RLS (recursive least square, RLS) 的自适应滤波法、基于DNN (dynamic neural network, DNN)神经网络法的 FECG 提取结果进行比较。为使提取得到的 FECG 更加清晰，本文采用经验模式分解(empirical mode decomposition, EMD)去 噪，并与去噪前的FECG 进行比较。 由于基于盲源分离的FECG 提取方法，需要导联数多，计算复杂度大。本文 在介绍统计学习理论、回归支持向量机理论的基础上，引入改进的支持向量机算 法(v-support vector regression, v-SVR)，并系统详细地介绍了基于v-SVR 的胎儿心 电信号提取的原理，在仅使用两导联的情况下，完成了基于v-SVR 的胎儿心电信 号的提取。为进一步说明本论文方法较其他常用两导联 FECG 提取方法的优势， 本文分别对采用 Patrick E. McSharry 提出的合成动态心电的模型合成的心电信号 和由Lathauwer 提供的临床实验数据，从对比观察法和量化性能分析两个方面，与 基于 RLS 的自适应滤波法、基于 ANFIS(adaptive neuro-fuzzy inference systems, ANFIS)神经网络和基于 DNN 神经网络以及基于在线最小二乘支持向量机(online least squares support vector machines, OLSSVM)的胎儿心电信号提取方法，进行对 比实验及结果分析。其中，合成实验数据的 FECG 提取实验及对比实验的量化性 能指标，采用质量信噪比qSNR 和互相关系数r ；对于临床实验数据的FECG 提取 实验和对比实验的量化性能指标，采用特征值分析信噪比SNR 和基于互相关系数