基于优化变分模态分解的人体生命信号分离与重构方法研究.pdf
《基于优化变分模态分解的人体生命信号分离与重构方法研究.pdf》由会员分享,可在线阅读,更多相关《基于优化变分模态分解的人体生命信号分离与重构方法研究.pdf(7页珍藏版)》请在咨信网上搜索。
1、窑医疗卫生装备窑 2024年3月第45卷第3期悦澡蚤灶藻泽藻 酝藻凿蚤糟葬造 耘择怎蚤责皂藻灶贼 允燥怎则灶葬造 窑 灾燥造援 45 窑 晕燥援 3 窑 March 窑 20240引言心跳和呼吸是反映人体生命状态的重要参数,方便、快速、准确地检测出心跳和呼吸信号无论是对健康评估还是疾病检测都至关重要。目前的心跳、呼基于优化变分模态分解的人体生命信号分离与重构方法研究文显琼1,王鑫瑜2,石丁1,张坤3*(1.西安培华学院智能科学与工程学院,西安710125;2.西安工业大学电子信息工程学院,西安710032;3.空军第986医院医学工程科,西安710054)摘要目的院为提高生命探测雷达对人体心跳
2、、呼吸等生命信号提取、分离的准确性和实时性,提出一种基于优化变分模态分解(variational mode decomposition,VMD)的人体生命信号分离与重构方法。方法院首先,采用粒子群优化算法对VMD的参数进行优化,并将人体生命信号分解为一系列的本征模态函数(intrinsic mode function,IMF);其次,计算每个IMF的排列熵,根据排列熵阈值去除噪声,将剩余分量重构形成人体生命信号;最后,为验证提出的方法的性能,与无限脉冲响应(infinite impulse response,IIR)滤波、VMD和完全噪声辅助聚合经验模态分解(complete ensemble
3、empirical mode decomposition with adaptive nosie,CEEMDAN)3种方法进行比较。结果院在不同噪声水平下,提出的方法在信噪比和均方根误差2项评价指标上均优于IIR滤波方法、VMD方法和CEEMDAN方法,在计算耗时上优于CEEMDAN方法。结论院提出的方法在有效滤除噪声的同时实现了对心跳、呼吸等生命信号的快速分离与重构,在烧烫伤患者、传染病患者、新生儿等特殊人群的非接触生命体征检测及灾后掩埋伤员搜救等领域具有很好的应用前景。关键词生命探测雷达;变分模态分解;粒子群优化算法;人体生命信号;生命探测;信号分离与重构中国图书资料分类号R318文献标志
4、码A文章编号1003-8868渊2024冤03-0009-07DOI院10.19745/j.1003-8868.2024042Research on human life signal separation and reconstruction methodbased on optimized variational modal decompositionWEN Xian-qiong1,WANG Xin-yu2,SHI Ding1,ZHANG Kun3*(1.School of Intelligent Science and Engineering,Xi an Peihua Universit
5、y,Xi忆an 710125,China;2.School of ElectronicInformation Engineering,Xian Technological University,Xian 710032,China;3.Department of Medical Engineering,the986th Hospital of Air Force,Xian 710054,China)AbstractTo propose a human life signal separation and reconstruction method based on optimized varia
6、tionalmode decomposition(VMD)to improve the accuracy and timeliness of the life detection radar in extracting and separatinghuman life signals such as heartbeat and respiration.Firstly,the particle swarm optimization algorithm was used tooptimize the parameters of VMD,and the human life signal was d
7、ecomposed into a series of intrinsic mode functions(IMFs);secondly,the alignment entropy of each IMF was calculated,the noise was removed based on the alignment entropy threshold,and the remaining components were reconstructed to form human life signals;finally,the method proposed was compared withi
8、nfinite impulse response(IIR)filtering,VMD and complete ensemble empirical mode decomposition with adaptive nosie(CEEMDAN)to verify its performance.Under different noise levels the proposed method outperformed IIR filtering,VMD and CEEMDAN in evaluation metrics of signal-to-noise ratio and root-mean
9、-square error,and behaved better thanCEEMDAN in terms of computational time-consumption.The proposed method realizes rapid separation andreconstruction of vital signals such as heartbeat and respiration while effectively filtering out the noise,which has broadapplication prospects in the fields of n
10、on-contact vital signs detection of burn/scald patients,infectious disease patients andnewborns and the search and rescue of buried casualties after a disaster.悦澡蚤灶藻泽藻 酝藻凿蚤糟葬造 耘择怎蚤责皂藻灶贼 允燥怎则灶葬造袁2024袁45渊3冤院9-15Key wordslife detection radar;variational mode decomposition;particle swarm optimization al
11、gorithm;human vital signs;life detection;signalseparation and reconstruction栽澡藻泽蚤泽论著文显琼,王鑫瑜,石丁,等.基于优化变分模态分解的人体生命信号分离与重构方法研究J.医疗卫生装备,2024,45(3):9-15.9 窑医疗卫生装备窑 2024年3月第45卷第3期悦澡蚤灶藻泽藻 酝藻凿蚤糟葬造 耘择怎蚤责皂藻灶贼 允燥怎则灶葬造 窑 灾燥造援 45 窑 晕燥援 3 窑 March 窑 2024吸信号检测方式仍然以接触式为主,而生命探测雷达可以在隔一定距离、穿透一定障碍物的条件下检测人体生命信号。生命探测雷达的工作
12、原理是雷达发射电磁波隔一定距离或穿透障碍物照射到人体,发射的电磁波加载了人体心跳、呼吸等生命信号后反射回来被雷达接收、解调从而实现信号检测。雷达生命探测技术具有非接触的特点,即无需任何传感器、电极的连接,因此适用于烧烫伤患者、传染患者、新生儿等特殊人群的生命体征检测1-3。基于以上优点,雷达生命探测技术被越来越多的团队研究并取得了一定的成果。2004年,来自瑞士的Michahelles等4对使用雷达探测人体生命体征进行了相关研究,然而在被试者自由呼吸的情况下,探测设备无法精准地获取到其心跳信号。相关研究5-7采用小波变换的方法进行人体生命信号的提取,该方法适合处理瞬时信号,但是算法复杂、实时性
13、较差、自适应能力不强。文献8基于经验模态分解(empiri-cal mode decomposition,EMD)将雷达接收信号分解成有限个本征模态函数(intrinsic mode function,IMF),再将IMF分量从时域上重构心跳与呼吸信号。但该方法存在模态混叠现象,不能有效地提取心跳信号。以上研究表明,该领域目前仍存在一些困难和挑战,主要包括检测环境中的强背景噪声以及人肢体运动干扰等,这些会影响心跳和呼吸信号的准确提取与重构。完全噪声辅助聚合经验模态分解(completeensem-ble empirical mode decomposition with adaptive no
14、sie,CEEMDAN)算法是在EMD算法基础上改进的一种方法,由于其具有多尺度特性,因此适用于包含生命体征信息的非平稳雷达信号的检测9-10。但是该方法一般需要对同一区域进行持续的较长时间观察,才能较精确地重构人体生命信号,此时雷达采集的数据会达到GiB量级,因此在计算极值点包络以及筛选和更迭模态条件时需要更多时间,这会导致运算效率低下。在实际的灾后救援中,“时间就是生命”,快速、准确地探测才能挽救更多生命,因此亟须研究一种高效而准确的生命信号提取分离方法。针对上述问题,本文提出一种基于优化变分模态分解(variational mode decomposition,VMD)的人体生命信号分离
15、与重构方法。1基于VMD的人体生命信号分离与重构首先,将VMD处理得到的各IMF与人体生命信号之间的最大相关性作为适应度函数,采用粒子群优化(particle swarm optimization,PSO)算法对其进行参数优化;然后采用优化VMD将雷达回波信号分解为一系列的IMF,并计算出每个IMF的归一化排列熵值;最后比较各排列熵和设定的排列熵阈值Hthreshold,去除大于Hthreshold的噪声分量,基于剩余的IMF分量重构出人体生命信号。1.1VMDVMD是一种具有自适应、完全非递归特性的模态变分与信号处理方法11,其主要特点是寻找并匹配各个模态的中心频率及有效带宽,将IMF进行有
16、效分离,进而得到变分问题的最优解。在本文中,将人体生命信号s(t)分解成K个IMF分量vi(t),并确保各分量的估计带宽之和最小,上述过程可以表示为minvi棕i移渣渣i鄣t(啄(t)+j仔t)伊vi(t)e-j棕it渣渣22s.t.Ki=1移vi=s扇墒设设设设设设设缮设设设设设设设(1)式中,i为序号;t为时间变量;vi(t)为第i个IMF;棕i为第i个IMF的中心频率;鄣t表示对时间变量t求偏微分;啄(t)为狄利克雷函数;s为原始信号。在高斯噪声环境下,二次惩罚因子琢确保了信号重建的准确性,拉格朗日乘子姿(t)则可以保证约束条件的严谨性,通过引入2个算子,可以将公式(1)的约束性问题转变
17、为非约束性问题,推广到拉格朗日表达式如公式(2)所示:Lvi(t),棕i,姿(t)=琢移渣渣i鄣t(啄(t)+j仔t)伊vi(t)e-j棕it渣渣22+渣渣s(t)-移ivi(t)渣渣22+姿(t),s(t)-移ivi(t)(2)然后通过公式(3)、(4)、(5)迭代更新vin+1(棕)、棕in+1和姿n+1(棕),公式如下:vin+1(棕)=s(棕)-移i屹kvi(棕)+姿(棕)21+2琢(棕-棕i)2(3)棕in+1=肄0乙棕渣vin+1(棕)渣2d棕肄0乙渣vin+1(棕)渣2d棕(4)姿n+1(棕)=姿n(棕)+祝s(棕)-移vin+1(棕)(5)基金项目院陕西省教育厅2022年度一般
18、专项科研计划项目(自然科学项目)(22JK0493)作者简介院文显琼(1987),女,硕士,讲师,主要从事电磁场与电磁波、信号与系统等方面的研究工作。通信作者院张坤,E-mail:kuns_栽澡藻泽蚤泽论著文显琼,王鑫瑜,石丁,等.基于优化变分模态分解的人体生命信号分离与重构方法研究J.医疗卫生装备,2024,45(3):9-15.10 窑医疗卫生装备窑 2024年3月第45卷第3期悦澡蚤灶藻泽藻 酝藻凿蚤糟葬造 耘择怎蚤责皂藻灶贼 允燥怎则灶葬造 窑 灾燥造援 45 窑 晕燥援 3 窑 March 窑 2024图1PSO迭代寻优结果式中,vin+1(棕)、vi(棕)、s(棕)、姿n+1(棕)
19、、姿n(棕)、姿(棕)分别为vin+1(t)、vi(t)、s(t)、姿n+1(t)、姿n(t)、姿(t)的傅里叶变换;棕为角频率;祝为常系数。迭代上述步骤直到满足移i渣渣vin+1(t)-vin(t)渣渣22/渣渣vin(t)渣渣220.8的IMF去除,并根据保留下来的各IMF重构人体生命信号。基于优化VMD和排列熵的人体生命信号重构算法流程图如图2所示。具体实施步骤如下:(1)利用各IMF与人体生命信号的最大相关性作为PSO的适应度函数,进行VMD参数优化;(2)采用优化的VMD对雷达回波信号s(t)进行处理,分解为一系列IMF分量vi(t);(3)计算各vi(t)的排列熵值Hpei,将排列
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 优化 变分模态 分解 人体 生命 信号 分离 方法 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。