CN103345600A - 一种心电信号数据处理方法 - Google Patents

Abstract

本发明公开了一种心电信号数据处理方法，该方法包括以下步骤：采集心电信号数据；对采集到的心电数据进行预处理，其中对采集的信号进行去除基线漂移和去噪处理；将心电信号分解为单周期心电信号组；特征提取，根据归一化后的单周期心电信号，根据曲线信号间的相似程度进行信号分类，选取最大类别中心电信号作为模板；检测信号输入，与中心数据库模板进行相似性比对，确认身份。本发明单导联心电信号数据处理方法，采用特征曲线匹配方式，对心电信号序列本身进行曲线的相似性比较研究，避免了特征点提取的繁琐程序。

Description

一种心电信号数据处理方法

【技术领域】

本发明涉及一种身份识别的技术，尤其涉及一种利用心电信号进行数据处理，进而识别身份的方法。

【背景技术】

随着计算机网络和电子技术的发展，出现了一种新的身份验证方法代替传统的口令和密码——生物身份识别技术。生物身份识别技术是指利用人体生物特征或行为特征进行身份认证的一种技术。

基于生物特征的自动识别***都有大体相同的工作原理和工作过程。首先是采集样本，这些样本可以是指纹、人脸的图像等；其次是进行特征提取，根据样本所具有的独特和唯一的特征，用一种算法为其分配一个特征代码，该特征代码被存入数据库。最后当需要对某人进行身份鉴定时，再用某种特征匹配算法将存入数据库的此人的特征代码与被识别人的特征相匹配，从而查明其身份。

现有技术中的心电信号进行身份识别的方法，心电信号满足生物识别的基本条件，正常人的心电图的PQRST波形在一定的时间内保持相对的恒定，即使压力、运动时心率发生变化，但QRS波形仍然保持稳定，这样就保证了个体心电特征的稳定性。但现有的基于心电信号身份识别技术采用12导联的心电信号的每一导联多个特征点，作为具有唯一性和特征性的身份识别特征信息，这种身份识别的技术需要采集12导联的心电信号，信号采集比较繁琐，只适用于经过专业培训医院医生实施，很难应用到家庭及个人医疗监护中。同时，由于采集的特征信息为离散数据，计算复杂且区分准确性不高。

【发明内容】

为解决上述技术问题，本发明提出一种心电信号数据处理方法，并对该心电信号序列本身进行特征曲线的相似性比较：

一种心电信号数据处理方法，该方法包括以下步骤：

(a)采集心电信号数据；

(b)对采集到的心电信号数据进行预处理；

(c)特征提取，将经过预处理的心电信号分解为单周期心电信号组，并将其中的单周期心电信号作为一个特征向量；

(d)对心电信号进行分类选择，以此构建身份识别特征向量；

(e)相似性比较，确认身份。

在上述特征提取步骤中，所述具体步骤为：

检测心电信号QRS波，确定R波波峰点；

以波峰为分界线，将心电信号分解成为单周期信号组；

以每个单周期信号作为一个特征向量。

优选的，采取对各个特征向量同时在横轴（时间轴）和纵轴（电压轴）上进行范围为[0,1]的归一化处理。

优选的，上述步骤还包括在横轴上进行三次样条插值算法，插值间隔为X=[0:0.01:1]。

优选的，在特征提取步骤中，进一步包括将经过归一化处理后的单周期心电信号进行分类，并选择最大类别中的单周期心电信号作为特征向量集。

优选的，所述相似性比较之前包括以下步骤：

提取最大类别中的单周期心电信号作为采样对象的特征向量集存储在中心数据库作为原始心电信号，存储到模板库；

选取单周期心电信号类别中，相似性最高的k个归一化心电周期作为个人的代表信号，存储到模板库。

检测信号输入后，与中心数据库模板进行相似性比较，确定身份。

优选的，采用特征曲线匹配方式，对单周期心电信号序列本身进行曲线的相似性比较。

本发明的优势在于：

1、可利用家庭式便携设备进行心电信号采集，扩大了用户范围，而不再局限于现有的心电信号采集只能由医院等医疗机构完成；

2、本发明采用特征曲线匹配的方式，避免了心电信号数据提取的繁琐过程，使得计算简单化；

3、排除了因运动、情绪、心脏疾病等因素造成的信号数据准确性不高，能有效的提高身份识别的正确率。

【附图说明】

图1为一个实施例中心电信号数据采集***结构示意图；

图2为一个实施例中心电信号数据采集的流程图；

图3为一个实施例中原始心电信号数据图；

图4为一个实施例中归一化心电单周期信号数据图；

图5为一个实施例中归一化整合后的单周期心电信号数据图。

【具体实施方式】

以下结合说明书附图1-5，对本发明涉及的技术方案做进一步详细阐述。

图1和图2分别示出了本实施例中心电信号数据采集***结构示意图和流程图，具体包括以下步骤：

步骤S10，采集心电信号。在本实施例中，采用单导联心电信号进行身份识别，其中包括医用12导联或其他不同导联数的便携式心电采集设备。

由于现有的基于心电信号身份识别技术采用医用12导联的心电信号的每一导联多个特征点，信号采集比较繁琐，且应用范围较小，故本实施例中只需用其中一个导联的心电数据，可以采集不同对象、不同时间段的数据，使心电信号身份识别不再局限于医院等医疗机构，可利用家庭式的便携心电采集设备、远程医疗和个体医疗，由用户自行进行采集和上传数据，扩大了应用范围。

步骤S20，对采集的心电数据进行预处理。

心电信号预处理主要是进行滤波，在本实施例中，可采用0.5-45Hz的巴特沃夫带通滤波器进行去噪处理，并且采用小波变换算法去除基线漂移。

步骤S30，心电信号数据的归一化处理。

如图3所示为本实施例中原始心电信号数据图，所述对采集到的原始心电信号数据进行归一化处理，具体步骤为：

确定单周期心电信号并以此作为一个特征向量。在本实施例中，图4所示为本实施例中归一化心电单周期信号数据图，其中，确定心电信号中单周期信号的步骤为：

检测心电信号中的QRS波，并确定R波波峰点的位置，以R波波峰点为分界线，将心电信号分解为单周期心电信号组，以每个单周期心电信号作为一个特征向量。

对各个特征向量同时在横轴（时间轴）和纵轴（电压轴）上进行范围为[0,1]的归一化处理，并且在横轴上进行三次样条插值处理，插值间隔设定为X=[0:0.01:1]，这样，使得同一个信息处理***中采用统一的采样频率。

如图5所示为归一化整合后的心电示例图，以R波为分界线，经归一化后心电信号保留了完整周期信号的所有特征，并且幅度差异消失，重组后的心电信号，仍然可以很好的提取P波或R波的信息。

步骤S40，建立心电信号模版数据库。

在本实施例中，如图3所示，上部分数据为训练集数据，下部分为测试集数据，将两部分采集到的数据作为原始心电信号数据，上部分数据存储到心电信号数据模板库中。

如图4所示，下部分为归一化单周期心电检索信号。对于检索到的原始心电信号数据，通过归一化处理后得到的单周期信心电信号，根据曲线信号之间的相似程度进行信号分类，采用聚类分析的方法进行分类处理，选取最大的类别中心电信号作为个人的身份识别心电信号模版。通过对不同对象进行心电信号数据采样，建立心电信号模板数据库。

步骤S40中，也可以采用以最大类别中所有心电信号的中值作为标准向量，计算出与标准向量之间的差异程度（例如欧式距离），并选取距离标准向量最近的10组向量作为采样对象的代表心电信号模板。

步骤S50，相似性比较。

比较采集到的心电信号的特征向量与心电信号模板数据库中的模板是否相似，若是，则进入步骤S60；若否，则结束。

本实施例中，检测心电信号输入后，采取特征曲线匹配方式，与中心数据库模板进行相似性比较。

步骤S60：所述相似性比较，以与检索数据相似性程度最大的模板库数据对应的采样对象，作为检索心电数据的所有者。

需要说明的是，以上所述的本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所作出的其他各种相应的改变与变形，均应包含在本发明权利要求的保护范围之内。

Claims (7)

1.一种心电信号数据处理方法，其特征在于，包括以下步骤：

(a)采集心电信号数据；

(b)对采集到的心电信号数据进行预处理；

(c)特征提取，将经过预处理的心电信号分解为单周期心电信号组，并将其中的单周期心电信号作为一个特征向量；

(d)对心电信号进行分类选择，以此构建身份识别特征向量；

(e)相似性比较，确认身份。

2.如权利要求1所述的心电信号数据处理方法，其特征在于，所述特征提取步骤具体为：

检测心电信号QRS波，确定R波波峰点；

以波峰为分界线，将心电信号分解成为单周期信号组；

以每个单周期信号作为一个特征向量。

3.如权利要求2所述的心电信号数据处理方法，其特征在于，还包括步骤：

同时在横轴（时间轴）和纵轴（电压轴）上对各个特征向量进行范围为[0,1]的归一化处理。

4.如权利要求3所述的心电信号数据处理方法，其特征在于，还包括在横轴上进行三次样条插值处理，插值间隔为X=[0:0.01:1]。

5.如权利要求2或3所述的心电信号数据处理方法，其特征在于，所述特征提取步骤进一步包括将经归一化处理后的单周期心电信号进行分类，并选择最大类别中的单周期心电信号作为特征向量集。

6.如权利要求1所述的心电信号数据处理方法，其特征在于，所述相似性比较之前包括以下步骤：

提取最大类别中的单周期心电信号作为采样对象的特征向量集存储在中心数据库作为原始心电信号，存储到模板库；

选取单周期心电信号类别中，相似性最高的k个归一化心电周期作为个人的代表信号，存储到模板库；

检测信号输入后，与中心数据库模板进行相似性比较。

7.如权利要求6所述的心电信号数据处理方法，其特征在于，

采用特征曲线匹配方式，对单周期心电信号序列本身进行曲线的相似性比较。

Images