[发明专利]分解人体呼吸心跳微动混合信号的方法和装置

说明书

本发明涉及一种分解人体呼吸心跳微动混合信号的方法和装置，其中，分解人体呼吸心跳微动混合信号的方法包括：通过带通滤波器对混合信号进行噪声滤除；对混合信号进行第一次谐波去除以分离呼吸信号以及心跳信号；依据经验模态分解模型分别对分离后的呼吸信号以及心跳信号进行分解，完成人体呼吸心跳微动混合信号的分解。通过经验模态分解模型分别对分离后的呼吸信号以及心跳信号分别进行分解，分解后的信号瞬时评率具有分辨率高，谐波干扰小的目的。

技术领域

本发明涉及目标微动特性研究领域，具体涉及一种分解人体呼吸心跳微动混合信号的方法和装置。

背景技术

采用传统的滤波器提取基频信号，再利用频谱峰值搜索估计单个弱振动散射点，是一种常规的数据处理方法。然而，传统的带通滤波器分离信号面临以下风险：当两个弱微振动结构的振幅差别较大，并且振动频率比较接近，一个微振动的谐波分量可能会落入另一个振动源的频带内，并且信号强度大于另一个振动源的基频信号。例如，正常人的心跳振动幅度约为0.01mm个数量级，而人体呼吸引起的胸腔振动约为0.1mm到1mm个数量级，呼吸振动幅度远大于心跳振动幅度。呼吸的高次谐波分量都有可能落入基频滤波器频带范围内，并随着人体生理状态的不同和现场环境的不同，可能会大于心跳的基频信号，进而导致心跳频率具有较大的估计误差。

上述问题是目前亟待解决的。

发明内容

本发明的目的是提供一种分解人体呼吸心跳微动混合信号的方法和装置。

为了解决上述技术问题，本发明提供了一种分解人体呼吸心跳微动混合信号的方法，包括：

通过带通滤波器对混合信号进行噪声滤除；

对混合信号进行第一次谐波去除以分离呼吸信号以及心跳信号；

依据经验模态分解模型分别对分离后的呼吸信号以及心跳信号进行分解，完成人体呼吸心跳微动混合信号的分解。

进一步的，所述依据经验模态分解模型分别对分离后的呼吸信号以及心跳信号进行分解：

建立筛选条件；

依据筛选条件从呼吸信号或心跳信号的原始数据中得出一组自适应的基，并将该基定义为本征模函数IMF；

依据IMF重构信号，并提取微动多普勒特征信号，计算出呼吸信号和心跳信号的瞬时频率，完成对呼和心跳信号的分解；

其中，每个IMF代表一个特征尺度的数据序列，即经验模态分解模型将呼吸信号和心跳信号的原始数据序列分解成了不同频率的信号的叠加。

进一步的，所述筛选条件为：

在原始数据中，被筛选的数据序列的极值数目与跨零点数目相等或至多相差一个；

在原始数据中，被筛选的数据序列的最小值得到的下包络和最大值定义的上包络的均值为零。

进一步的，所依据筛选条件从呼吸信号或心跳信号的原始数据中得出一组自适应的基，并将该基定义为本征模函数IMF的方法包括：

步骤S1：原始数据序列为x(t)，t为原始数据的获取时刻，x(t)表示时间为t时的呼吸信号或心跳信号，剩余分量r_i-1(t)＝x(t)，r_i-1表示第i个剩余分量，初始时i＝1,分解模态分量h_j-1＝r_i-1(t)，h_j-1表示第j个分解模态分量；令r₀(t)＝x(t),i＝1；h₀(t)＝r_i-1(t),j＝1；