基于蚁群约束盲源分离的胎儿心电精确提取方法与流程

本发明涉及胎儿心电提取技术，具体说的是一种基于蚁群约束盲源分离的胎儿心电精确提取方法。

背景技术：

胎儿心电信号(FetalElectrocardiogram,FECG)记录胎儿心脏动作电位及其在心脏传导过程中的图形变化，是反映胎儿宫内生理活动的客观指标之一，其中含有反映胎儿发育程度、位置、是否酸中毒或者心律失常等健康状况。目前，提取FECG主要有浸入式和无创式两种方法。入侵式提取方法比较准确，但是只能在分娩时使用且可能对胎儿和孕妇造成伤害；无创式提取方式将电极放在孕妇腹部尽可能地靠近胎儿位置测得信号，此方法可在整个妊娠期内使用，它可以早期发现胎儿宫内缺氧、窘迫、对许多胎儿本身的疾病，如先天性心脏病，新生儿心律失常，胎儿宫内发育迟缓等，能够提供重要的诊断依据。由于FECG比较微弱，无创式提取的胎儿心电信号从母亲的腹部采集获得的，在采集的过程中不可避免的会含有许多噪声(如工频干扰，母体自身的心电(MaternalElec-trocardiogram,MECG)，从复合母体信号中分离出胎儿心电信号，准确提取FECG成为生物医学工程中一个富有挑战性的问题。

盲信号处理是20世纪最后十年中迅速发展起来的一个研究领域，具有可靠的理论基础和广泛的应用潜力。前期在专利基于约束盲源分离的胎儿心电检测方法中利用约束盲源分离算法对胎儿心电信号进行提取(CN201410164558.3)，此算法较普通二阶盲源分离、ICA方法或者FastICA在提取精度及实时性都有较大改进，其实质是在二阶矩的同时，引入了参考信号，加快收敛速度。约束盲源分离算法的核心问题是解混合矩阵的学习方法，在专利基于约束盲源分离的胎儿心电检测方法中求解混合矩阵W时采用梯度法求解。梯度法求解混合矩阵的方法在非线性盲源分离问题时很难获取得全局最优解。从孕妇腹部采取的母胎混合信号中包括母体心电信号、腹动信号、胎儿信号等多种混合信号，并且这些信号都是非线性混合信号，利用梯度法求解混合矩阵时易陷入局部最优解，继而影响胎儿心电的精确提取。

蚁群算法模拟蚂蚁寻找蚁穴与食物源的最短路径的模拟进化算法，其实质是设计虚拟的蚂蚁将摸索不同路线，并留下会随时间逐渐消失的虚拟“信息素”，每只蚂蚁每次随机选择要走的路径，他们倾向于选择路径比较短的、信息素比较浓的路径，根据信息素较浓的路线更近的原则，即可选择出最佳路线，算法中利用正反馈机制，使得较短的路径能够有较大的机会得到选择，并且采用概率算法，所以能够得到全局最优解，蚁群优化算法具有较强的鲁棒性和搜索较好解的能力，所以本专利利用蚁群算法求约束性盲源分离算法中解混合矩阵。

技术实现要素：

本发明的目的是提供一种利用蚁群算法优化求解约束盲源分离解混合矩阵W的方法，继而提高约束盲元分检测胎儿心电的检测准确度，提高胎儿心电检测率。

为实现上述目的，本发明的方案包括：基于蚁群约束盲源分离的胎儿心电精确提取方法，步骤如下：

步骤一、利用特征值分解对观测信号X进行白化；

步骤二、获取多路的参考信号R；

步骤三、利用蚁群算法优化求解混合矩阵W，首先将W的求解问题转化为蚁群算法适应的组合优化问题，并对其进行编码以及随机产生多n×m个个体组成的初始城市群；

步骤四、利用参考信号R与某分离信号相关性为目标函数确定蚁群算法的参数设置；

步骤五、寻优求解混合矩阵W：利用蚂蚁随机搜索，优化求解约束二阶盲源分离的解混合矩阵W，并利用参考信号的相关性验证是否达到最优解，直到蚁群算法的参数收敛或者达到预定的指标，其中，根据参考信号个数，可搭建代价函数为此处X为观测信号即采集到混合心电信号，y_i分离后胎儿信号或者母体心电信号信息，i为多路参考信号的序数i∈{1,2}，解混合矩阵其判断条件|J(y_i)_k+1-J(y_i)_k|＜ε，ε为一个足够小的数，判断参考信号与所对应向量的相关性验证解混和矩阵是否是最优解，依据与参考信号的相关性对蚁群信息量进行调整，并进入下次寻优过程，反复此过程，最终实现解混合矩阵W实时调整，用于胎儿信号分离；

步骤六、依据上述求解混合矩阵W，则通过Y＝WX分离出胎儿心电信息及母体心电信息；X为观测信号，Y为期望提取的胎儿心电信息及母体心电信息矩阵。

本发明所述的转化蚁群所适应的组合优化问题的方法，是转化为求解蚁群觅食的最短路径问题，具体可表述为，蚁群约束盲源分离算法的解混合矩阵利用二进制进行编码，以及产生n×m初始城市群，其中这里n表示参考信号的个数，m为观测信号导联数。

本发明所述的编码方法是，即解混合矩阵中任一元素w_i，j可用一个k为二进制编码表示，其中k＝log₂(|b-a|)+c,其中b为解混合矩阵中最大值，a为解混合矩阵的最小值，c为保留的有效数字，此处，b、a根据盲元分离的解混合矩阵设定，c根据不同的运行环境设定。故，任一元素w_i，j编码可表示,w_ij＝{b_nb_n-1…b₂b₁}，此处，b_i∈{0，1}，，为则任一元素的解码公式如下：

本发明所述的步骤五中，蚂蚁随机搜索使其变量优化约束盲源分离的胎儿心电的提取技术可的工作过程为：

①、设置初始化参数，令时间t＝0和循环次数Nmax＝0，设置最大循环次数Ncmax，将60个蚂蚁置于起始点；

②、设置蚂蚁的个数和循环次数；

③、蚂蚁随机搜索，在一次爬行结束后，决定哪些特征变量被选中作为实际输入变量，修改禁忌表指针，即选择好之后将蚂蚁移动到新的元素，并把该元素移动该蚂蚁个体禁忌表中；

④、计算解混合矩阵W，蚂蚁个体状态转移概率公式计算的概率选择元素；

⑤、利用约束条件，参考信号与所对应向量的相关性验证解混和矩阵是否是最优解；

⑥、若蚂蚁元素未遍历完，转③，否则转⑦；

⑦、更新信息素浓度划分正确率高的特征变量的信息素浓度得到增强，下次搜索时会以更大的概率被选中；

⑧、满足结束调节，优化结束。

本发明有益效果是：利用蚁群寻优求解混合矩阵W，根据约束条件能够实时地优化解混合矩阵，继而可有效地、准确地提取胎儿心电信号，继而进一步提高胎儿信号的质量，有利于临床诊断。

附图说明

图1为本发明蚁群算法优化约束盲源分离方法结构框图；

图2为本发明蚁群算法构造图；

图3为本发明的流程原理框图；

图4为本发明六导孕妇腹部混合仿真信号；

图5为本发明基于蚁群算法优化约束盲源分离方法提取胎儿心电信号与仿真胎儿信号。

具体实施方法

下面结合附图对本发明做进一步详细的说明。

蚁群算法优化约束盲源分离方法是基于蚁群算法及参考信号相关性进行盲源分离的算法，其利用相关性将期望信息从含有噪声的混合信号中提取出来的二阶盲源分离算法，蚁群算法优化约束盲源分离技术结构框图如图1，蚁群优化算法结构框图如图2所示。

如图3所示，蚁群算法优化约束盲源分离的基本步骤如下：

1、对观测信号X进行白化S＝QX，其中S满足E{SS^T}＝I，Q为白化矩阵；

2、获取多路的参考信号R＝(r₁,r₂)^T；

3、设置蚁群初始化参数，令时间t＝0和循环次数Nmax＝0，设置最大循环次数Ncmax，将60个蚂蚁置于起始点；

4、蚂蚁随机搜索，在一次爬行结束后，决定哪些特征变量被选中作为实际输入变量，修改禁忌表指针，即选择好之后将蚂蚁移动到新的元素，并把该元素移动该蚂蚁个体禁忌表中；

5、计算解混合矩阵W，蚂蚁个体状态转移概率公式计算的概率选择元素；

6、利用约束条件，参考信号与所对应向量的相关性验证解混和矩阵是否是最优解；

7、若蚂蚁元素未遍历完，转4，否则转8；

8、更新信息素浓度划分正确率高的特征变量的信息素浓度得到增强，下次搜索时会以更大的概率被选中。此时求解的W即为分离矩阵；

9、Y＝WX分离出胎儿心电信息及母体心电信息，针对分离后的信号选择显示方式，对胎儿心电信息显示。

下面给出一种具体实施方式。

利用蚁群优化约束二阶盲源分离算法提取母胎心电信息时，从采集六导孕妇腹部心电信息X中，提取期望的胎儿心电信息及母体心电信息矩阵Y。则观测信号即采集孕妇腹部心电信息为X(t)＝[X₁(t)…X₆(t)]^T，源信号即原始信号，期望的胎儿心电信息及母体心电信息矩阵，即没有干扰信息和未混合的母体心电信息及胎儿心电信息，即得到期望信号S，S(t)＝[S₁(t)…S_n(t)]^T，则有：

Y(t)＝WX(t)＝WAS(t) (1)

其中A为混合矩阵，即源信号与干扰信号混叠的系数矩阵，源信号经过混合矩阵后则是观测信号，此处，A为6×2矩阵。W为解混合矩阵，此处为2×6矩阵。

参考信号R为胎儿心电信号与母体心电信号的参考信号，则式1也可写成其中i＝1,2，是对应每个输出y_i的分离向量，则与参考信号的误差为ε_i＝r_i-y_i；则i＝1,2，此处i表示两路参考信号，分离结果都是两路信号所求，所以此处i表示分别取i＝1，i＝2两种情况。

其均方误差可表示为

其中，R₁＝E{XX^T}，P_i＝E{r_iX}。

则其梯度公式为

从而可得到最小均方误差准则下的最优权如式4。

w_i^*＝R₁^-1P_i (4)

为了减小观测数据X间的相关性提高收敛效率，则首先利用特征值分解对观测信号X进行白化，即S＝QX，其中S满足E{SS^T}＝I，则

w_i^*＝R₁^-1P_i＝E{r_iS} (5)

利用特征值白化观测信号满足式6。

E{XX^H}＝U∑U^H (6)

其中，∑＝diag(λ₁,λ₂,…λ₆)为特征值所组成的对角矩阵，λ₁＞λ₂＞σ²＞0，λ₃＝λ₄＝λ₅＝λ₆＝σ²，σ²为噪声方差，为各特征值所对应的特征向量所组成的矩阵，U₂对应于胎儿心电信号与母体心电信号的子空间，U₄对应的噪声子空间。所以白化矩阵为

其中，

在胎儿心电信息与母体心电信息的提取过程即是解混合矩阵W求解过程，即找到最优的W满足Y(t)。

在此利用参考信号的相关系数矩阵的联合特征对角化矩阵R_τ求解W，则R_τ由旋转矩阵V利用迭代法求取，即利用迭代法求取V^TR_τV最小值,即求取Q(R_τ,V)最优值。

其中，off(M)＝∑_i≠j|M_ij|²，同时式可表示为

在此利用约束二阶盲源分离算法提取胎儿心电信息及母体心电信息，则Y为胎儿心电信息及母体心电信息的矩阵，则式9可表述为

代价函数J(y_i)为最小值则需满足g(y_i)≤0和h(y_i)＝0，此处

在此处利用蚁群算法求解混合矩阵W，其流程如下：

1、首先对采集孕妇腹部心电信息为X(t)＝[X₁(t)…X₆(t)]^T进行白化处理；

2、获取多路的参考信号R＝(r₁,r₂)^T；

3、设置蚁群初始化参数，令时间t＝0和循环次数Nmax＝0，设置最大循环次数Ncmax＝50，将60个蚂蚁置于起始点，初始信息素由随机产生蚂蚁的位置得到的代价函数如式(10)来确定，转移概率Po＝0.1，信息素蒸发系数P＝0.8；

4、寻找最优解，根据信息素求出每只蚂蚁的转移概率，并由此来更新每只蚂蚁的位置，利用所到的位置分离信号，并对分离后的信号进行白化处理，并计算其代价函数，并对原来位置的代价函数进行比较，由此决定是否保留蚂蚁原来的位置还是采用蚂蚁更新后的位置；

5、根据公式τ(j)←(1-P)τ(j)+f更新信息素，其中τ(j)为第j只蚂蚁的信息素，f＝1/J(y_i)为此蚂蚁的代价函数值。根据信息素来评价出本次迭代最优蚂蚁；

6、进入循环，转至4，迭代到预设的迭代步数或者达到最优解时，输出最优解。

如图4、图5给出了一组具体数据。

以上给出了具体的实施方式，但本发明不局限于所描述的实施方式。本发明的基本思路在于上述基本方案，对本领域普通技术人员而言，根据本发明的教导，设计出各种变形的模型、公式、参数并不需要花费创造性劳动。在不脱离本发明的原理和精神的情况下对实施方式进行的变化、修改、替换和变型仍落入本发明的保护范围内。