基于脉博熵的多点脉搏信息融合方法

摘要

基于脉搏熵的多点脉搏信息融合方法，属医学信号处理领域。本发明由多路传感器模块拾取人体多点脉搏信号，经放大、滤波和采样的预处理得多路脉搏信号S_ij，i＝1，2…M，j＝1，2…N，M为信号路数，还包括以下步骤：用脉搏熵的思想，通过对S_ij进行脉搏熵融合处理，提出近一化规则和选取最大熵比的输出优化的脉搏波形数据供分析使用。由于采用脉搏熵的思想，使得多路脉搏信号中最大的特征信息量会被提取和融合进一路脉搏信号，从而减少了存储和传输的数据量，另由于在脉搏熵融合过程中提出的近一化规则和选取最大熵比的方法，使得处理后的脉搏信号保持了信号的真实值的同时，又突显脉搏波信号特征信息，便于后续处理中得到脉搏信号的重要特征参数，可应用于无损伤测量和病理诊断。

主权项

1、一种基于脉搏熵的多点脉搏信息融合方法，首先由多路传感器模块拾取人体多点脉搏信号，经过放大、滤波和采样的预处理后，得到多路脉搏信号S_ij，其中S_ij是由压力传感器把脉搏压力信号转变为电压信号，是各采样点对应的脉搏信号幅度，i＝1，2…M，j＝1，2…N，M为信号路数，N为每路信号的采样点数，然后多路脉搏信号S_ij通过RS 232总线或USB接口等方式传入计算机。本发明的特征还包括以下步骤：1)、计算机读取经过上述预处理的多路脉搏信号S_ij存入内存；2)、计算M路信号在同时刻各采样点的比重p_ij： $P_{\mathrm{ij}}=\frac{S_{\mathrm{ij}}}{\underset{i=1}{\overset{M}{\Sigma }}{S}_{\mathrm{ij}}},(i=\mathrm{1,2}···M,j=\mathrm{1,2}···N)---\left(1\right)$3)、计算M路信号在同时刻各采样点的脉搏熵E_ij： $E_{\mathrm{ij}}=-p_{\mathrm{ij}}\mathrm{lo}{g}_2^{p_{\mathrm{ij}}},(i=\mathrm{1,2}···M,j=\mathrm{1,2}···N)---\left(2\right)$4)、计算M路信号在同时刻采样点的均熵 $\overline{E_{1j}}=-\frac{1}{M}\underset{i=1}{\overset{M}{\Sigma }}{E}_{\mathrm{ij}},(i=\mathrm{1,2}···M,j=\mathrm{1,2}···N)---\left(3\right)$5)、运用近一化规则，计算M路信号各采样点的近一化熵比e_ij： $e_{\mathrm{ij}}=\frac{E_{\mathrm{ij}}}{\overline{E_{1j}}},(i=\mathrm{1,2}···M,j=\mathrm{1,2}···N)---\left(4\right)$6)、取近一化熵比e_ij中同时刻采样点的最大熵比e_1j：e_1j＝MAX(e_ij)(i＝1，2…M，j＝1，2…N)    ⑤其中在步骤2)到步骤6)的过程中，进行计算M路信号在同时刻采样点的均值 $\overline{s_{1j}}:\overline{s_{1j}}=\frac{1}{M}\underset{i=1}{\overset{M}{\Sigma }}{s}_{\mathrm{ij}},(i=\mathrm{1,2}···M,j=\mathrm{1,2}···N)---\left(6\right)$7)、输出一路优化脉搏信号W_o： $W_o=\overline{s_{1j}}{e}_{1j}(j=\mathrm{1,2}···N)---\left(7\right)$W_o是近一化后的最大熵比融合脉搏信号数据，其保持与脉搏信号实际值相对应，又能提取多路脉搏信号在同时刻的最大特征信息，为后续处理提供较好的脉搏信息。8)、对融合后的脉搏信号W_o进行现有技术的时频域分析处理，计算诊断需要的指标参数。