[发明专利]一种基于频带分离和数据建模的通用血糖预测方法

说明书

技术领域

本发明属于血糖数据分析和预测研究领域，特别是涉及一种基于频带分离和数据建模的通用血糖预测方法。

背景技术

人体血糖水平的一个显著特点就是时变性，具体体现在时序信号测量值存在显著的自相关关系。针对血糖信号进行分析、建模，可以提取其时序相关特性，根据历史血糖动态性获取未来血糖变化情况。1999年国外学者Bremer和Gough首次提出血糖时序数据具有一种潜在的相关结构，可以由一种简单的线性动态模型描述。目前，血糖预测模型的建立多采用基于数据驱动的方法。已存在的预测模型可以划分为线性(以基于最小二乘的自回归模型为其典型代表)和非线性(以神经网络方法为其典型代表)两类。线性模型由于其简单的模型结构和算法，获得了广泛应用。比较成熟的建模方法包括自回归(autoregressive,AR)、激励响应(impulse-response,IR)等。自回归(AR)方法是比较成熟的数据建模方法，它仅仅利用血糖本身的信息，通过历史血糖数据的线性组合获得未来血糖预测值。然而传统的AR模型主要缺陷有两点：(a)直接针对测量数据利用最小二乘这种最基本的辨识方法拟合血糖预测关系，无法避免该方法本身所具有的缺陷，不能得到满意的预测精度；(b)针对不同个体的血糖动态性不进行预先分析，直接建立不同的预测模型(即个体化模型)用于在线预测，这将耗费大量人力物力。

发明内容

本发明的目的在于针对现有血糖预测方法的不足，提供一种基于频带分离和数据建模的通用血糖预测方法。

本发明的目的是通过以下技术方案来实现的：一种基于频带分离和数据建模的通用血糖预测方法，该方法包括以下步骤：

步骤1：建模血糖信号预处理：将以一定采样周期Δt获得的个体皮下血糖信号组合成一维时序数据x^T(1×Z)，其中，x是血糖信号的测量值，Z为采样个数，去除其中的尖峰噪声。该一维时序数据中包含了血糖信号的时序相关性和动态变化信息。

步骤2：血糖信号频带分离：分析血糖的动态性在高、低不同频段内的变化规律，区分关键频率段与次要频率段，确定频率段划分的最佳阈值。根据定义的分离阈值采用巴特沃斯低通滤波器对血糖信号进行频带分离。

步骤3：获取预测变量矩阵与响应矩阵：用一个长度为K个采样点的一维滑动窗口滑过x^LT(1×Z)，每次移动一个采样点，共移动Z-K+1次。将每次滑动窗口中的数据作为一个新的行向量，则可以组合为一个二维数据矩阵X^L(N×K)，其中，N=Z-K+1,K=PL+H(PH/5)。PL代表预测变量的长，H代表预测步长，PH代表预测区间，H和PH两者度量单位不同，但均表示所预测的是多少步后的血糖。因预测步长为每步5分钟，故有PH=5×H。

步骤4：基于频带分离的血糖预测建模：通过基于LV的方法进行血糖预测建模。

步骤5：根据步骤4建立的血糖预测模型对任意个体的未来血糖值进行预测。通过以下步骤来完成：

(5.1)在线预测时，在采集到任意个体新数据后(下标new代表新样本，J=PL)，对进行如步骤2所述的频带分离处理得到

(5.2)调用通用低频模型进行在线预测：

(5.2.1)调用基于LS建立的通用低频模型进行在线预测：对于每个新的测试数据由以下步骤生成PH个采样点后的预测值

y^newL=xnewLTθL;]]>

其中，θ^L为前面根据训练数据求出的回归系数向量。

(5.2.2)调用基于LV建立的通用低频模型进行在线预测：

对于每个新的测试数据由以下步骤计算获得PH个采样点后的预

测值