一种基于时空相关性的心脏表面目标点运动预测方法

摘要

本发明公开了一种基于时空相关性的心脏表面目标点运动预测方法，利用心脏表面目标点运动轨迹的时间自相关性，以及与周围辅助点之间的空间相关性，建立预测目标点的线性模型GLM，再基于当前GLM模型下获得预测值，从而解决了长时间跨度预测时，由于时间自相关性减弱导致的预测误差急剧增大的问题。

主权项

一种基于时空相关性的心脏表面目标点运动预测方法，其特征在于，包括以下步骤：(1)、建立并初始化线性预测模型GLM(1.1)、建立GLM模型：利用心脏表面目标点p的N个历史测量值和M个辅助点建立L＝M+N+1阶的GLM模型，用方程表示为：$\hat{p}\left(k\right)=Q(k-1)w(k-1)$其中，为三维列向量，表示心脏表面目标点p在k时刻的三维空间坐标预测值；Q(k‑1)是3×L维的模型设计矩阵，可表示为：它是由心脏表面目标点p在k时刻之前的N个历史测量值：p(k‑N),p(k‑N+1),...,p(k‑1)和M个辅助点点在k‑1时刻的测量值h₁(k‑1),h₂(k‑1),...,h_M(k‑1)，以及一个元素全为1的三维列向量组成；w(k‑1)是k‑1时刻的模型参数，是由L个权值系数组成的列向量；(1.2)、初始化GLM模型：令k＝1，将k＝1之前的N个历史测量值和0时刻的M个辅助点测量值都初始化为0向量，即：p(1‑N)＝p(2‑N)＝…＝p(0)＝0h₁(0)＝h₂(0)＝…＝h_M(0)＝0并将0时刻的模型参数初始化为0向量，即w(0)＝0，将方差矩阵初始化为V(0)＝10000I_L×L，其中I_L×L表示L×L维的单位矩阵；(2)、判断k时刻心脏表面目标点p是否测量成功，若测量系统提供测量值，则测量成功，获得该时刻心脏表面目标点p的测量值p(k)，然后执行步骤(3)；反之测量失败，则执行步骤(4)；(3)、更新GLM模型参数基于迭代最小二乘滤波(RLS)原理，利用当前获取的心脏表面目标点p的测量值p(k)，更新模型参数w(k)及其方差矩阵V(k)，待更新完毕后，跳入步骤(5)；(4)、基于当前GLM模型获得心脏表面目标点p的预测值，具体如下：$\hat{p}\left(k\right)=Q(k-1)w(k-1)$用预测值代替测量值，即令p(k)＝p(k)，然后执行步骤(5)；(5)、更新GLM模型设计矩阵利用当前时刻的心脏表面目标点p的测量值p(k)和M个辅助点的测量值h₁(k‑1),h₂(k‑1),...,h_M(k‑1)更新模型设计矩阵，得到(6)、当前时刻值k加1，即：k＝k+1，再返回步骤(2)，进入下一时刻k+1的处理流程。