一种颅内压信号特征峰识别方法

摘要

本发明提供一种颅内压信号特征峰识别方法，该方法结合了颅内压信号的波形轮廓进行综合分析，采用对数极坐标分布模型，以点与点之间的差向量作为基础特征，该基础特征具有平移和旋转不变性，能够克服颅内压信号的基线漂移的影响，对邻近的波形形态特征敏感，又能捕获波形的全局轮廓信息，从而在整体提高了特征峰识别的抗干扰能力；并且，在识别过程中，先识别待测节拍信号的均值信号中的特征峰，将之合并到模板数据库中以提高识别准确度，并采用卡方统计检验作为匹配手段，利用了卡方统计检验具有很强鲁棒性、准确度高的优点，提高了本发明方法整体的鲁棒性能和识别准确度。本发明方法实现了计算机对颅内压信号的特征峰识别，具有广阔的应用前景。

主权项

1.一种颅内压信号特征峰识别方法，其特征在于，将颅内压监护仪采集的颅内压信号输入计算机，由计算机进行低通滤波和采样的预处理，然后采用计算机识别颅内压信号中的特征峰；采用计算机识别特征峰的具体步骤包括：A)构建模板数据库；该步骤具体包括：a1)将特征峰已知的颅内压信号中一个节拍信号的采样点数归一化处理为K个，作为一个模板信号；由此建立若干个波形互不相同的模板信号，确保该若干个模板信号中已知特征峰包括有三个种类，即第一特征峰、第二特征峰和第三特征峰，并分别标注特征峰分类标识；a2)分别建立各个模板信号中每一已知特征峰所在采样点的对数极坐标分布模型，并以之构建模板数据库；B)识别待测的颅内压信号中的特征峰；该步骤具体包括：b1)对待测的颅内压信号进行逐拍分割，将分割所得每个待测节拍信号的采样点数归一化处理为K个；b2)识别出待测的颅内压信号经逐拍分割后得到的各个待测节拍信号中第i个待测节拍信号的特征峰；该步骤的过程为：<b21>通过下式计算得到第i个待测节拍信号基于其前后各D个待测节拍信号的均值信号：${\bar{P}}_i\left(k\right)=\frac{\underset{d=-D}{\overset{D}{\Sigma }}{P}_{i+d}\left(k\right)}{2D+1};$其中，表示第i个待测节拍信号的均值信号中第k个采样点的幅值，P_i+d(k)表示待测的颅内压信号中第i+d个待测节拍信号中第k个采样点的幅值，k∈{1，2，...，K}，d∈{-D，-D+1，...，0，...，D}，且D的取值范围为2～5；<b22>预设曲率阈值τ₀；计算第i个待测节拍信号的均值信号中各个采样点所在信号段的曲率，将所在信号段的曲率大于或等于曲率阈值τ₀的采样点作为该均值信号中的目标采样点；<b23>分别建立第i个待测节拍信号的均值信号中各个目标采样点的对数极坐标分布模型，并分别与模板数据库中每一已知特征峰所在采样点的对数极坐标分布模型进行匹配运算，进而从第i个待测节拍信号的均值信号的各个目标采样点中识别出第i个待测节拍信号的均值信号的第一特征峰、第二特征峰和第三特征峰，并分别将第i个待测节拍信号的均值信号的第一特征峰、第二特征峰和第三特征峰所在采样点的对数极坐标分布模型作为新的已知特征峰所在采样点的对数极坐标分布模型，加入模板数据库；<b24>计算第i个待测节拍信号中各个采样点所在信号段的曲率，将所在信号段的曲率大于或等于曲率阈值τ₀的采样点作为第i个待测节拍信号中的目标采样点；<b25>分别建立第i个待测节拍信号中各个目标采样点的对数极坐标分布模型，并分别与模板数据库中每一已知特征峰所在采样点的对数极坐标分布模型进行匹配运算，进而从第i个待测节拍信号的各个目标采样点中识别出第i个待测节拍信号的第一特征峰、第二特征峰和第三特征峰；b3)重复步骤b2)，逐一识别出待测的颅内压信号的各个待测节拍信号的第一特征峰、第二特征峰和第三特征峰；b4)显示并存储待测的颅内压信号中特征峰的识别结果。