一种基于khm聚类算法的心率变异信号优化方法
【技术领域】
[0001] 本发明属于雷达领域，特别设计一种基于KHM聚类算法的屯、率变异信号优化方 法。
【背景技术】
[0002] 屯、率变异是指逐波屯、动周期之间的时间变异数。正常人的屯、律也并非绝对整齐， 其两次屯、脏跳动之间会有微小的时间差异，通过测量连续时间的正常的屯、脏跳动期间的变 异数，即可W 了解屯、率变异性。屯、率变异信号作为一种易获得屯、跳情况的无创手段，再加上 其也能适当反映人体屯、理状态的特点，已经广为研究者接受和使用。
[0003] 由于系统所获取的屯、跳信号中，有很大可能性存在呼吸信号高次谐波、身体随机 运动W及系统自抖动等干扰项。所W尝试利用基于统计学中的聚类分析的方法，选择合适 的点，同时去除不良峰值点，W此尽可能对此类误差的影响进行消除。
[0004] 聚类分析方法的主要依据是"物W类聚"的基本原理，根据数据集合中固有的特点 计算数据间的相似性进行划分，即相似性满足一定条件的数据划分到一组，不满足条件的 划分到不同的组里。聚类分析不同于普通分类之处在于，聚类分析在分类之前不知道每个 样本的类别或者类别的特征。实际应用中，聚类分析通常是作为数据处理的预处理过程，为 其后续的分析与处理打下良好基础。
[0005] KHM 算法（The k-harmonic means algorithm, K 调和均值算法）是基于 KM 算法 (The k means algorithm, K均值算法）的改进，也是FCM算法（fuzzy c-means,模糊聚类 算法）的特殊情况。
[0006] 调和平均数（Harmonic Average)定义为对各个单位值取导数，然后其倒数相加平 均，之后再做倒数。主要用于仅知道端点，而不知道中间连续变量的情况下。
[0007] 在传统的K均值聚类分析中，初始值的选取是一个非常重要的问题，不同的初始 中屯、可W出现不同的聚类结果。因此，选择对初始聚类中屯、不敏感的算法逐渐受到重视。由 于调和平均数对初始值不敏感，因此，KHM算法在不断地迭代过程中，对聚类中屯、不断的进 行更新，从而相对传统KM算法有所改进。
【发明内容】
[000引为了克服现有技术存在的问题，本发明通过KHM聚类分析算法能够有效剔除屯、跳 信号中的无关干扰项，从而实现屯、率变异性信号的优化。
[0009] 实现本发明目的的技术解决方案为：
[0010] 步骤1，对由非接触式生命体征监护系统获得的屯、跳信号进行峰值检测和周期计 算得到屯、率变异信号；
[0011] 步骤2,对步骤1获得的屯、率变异信号采用KHM聚类算法对屯、率变异信号进行优化 处理，剔除由呼吸谐波、随机运动等造成的无关干扰项，从而实现屯、率变异性信号的优化；
[0012] 步骤3,对步骤2中优化后的屯、率变异信号利用=次样条插值原理形成屯、率变异 信号时域波形图。
[0013] (1)步骤1中屯、率变异信号的获取的具体方法为：
[0014] 步骤1. 1，对原始屯、跳信号进行峰值检测，获得屯、跳信号的各个峰值点；
[001引步骤1. 2,利用得到的峰值点进行屯、跳信号的周期计算，获得屯、跳信号的周期。
[0016] (2)步骤2中KHM聚类算法主要包括如下步骤：
[0017] 步骤2. 1，定义屯、率变异信号的数据点集合X = {X。X2. .. X。}，聚类中屯、的集合C = (ci, C2, . . .，C。}定义阔值 e ;
[0018] 步骤2. 2,任意取聚类中屯、Cj.并且随机初始化聚类中屯、集合C ;
[0019] 步骤2.3,计算目标函数值
【主权项】
1. 一种基于KHM聚类算法的心率变异信号优化方法，其特征在于，方法步骤如下： 步骤1，对由非接触式生命体征监护系统获得的心跳信号进行峰值检测和周期计算得 到心率变异信号； 步骤2,对步骤1获得的心率变异信号采用KHM聚类算法对心率变异信号进行优化处 理，剔除由呼吸谐波、随机运动等造成的无关干扰项，从而实现心率变异性信号的优化； 步骤3,对步骤2中优化后的心率变异信号利用三次样条插值法形成心率变异信号时 域波形图。
2. 根据权利要求书1所述的基于KHM聚类算法的心率变异信号优化方法，其特征在子： 步骤1中心率变异信号的获取的具体方法为： 步骤1. 1，对原始心跳信号进行峰值检测，获得心跳信号的各个峰值点； 步骤1. 2,利用得到的峰值点进行心跳信号的周期计算，获得心跳信号的周期。
3. 根据权利要求书1所述的基于KHM聚类算法的心率变异信号优化方法，其特征在子， 步骤2中KHM聚类算法主要包括如下步骤： 步骤2. 1，定义心率变异信号的数据点集合X=Ix1,x2. ..xn}，聚类中心的集合C=Ic1,C2,? ? ?，cj，定义阈值e; 步骤2. 2,任意取聚类中心4并且随机初始化聚类中心集合C;
P多2表示模糊指数，1表示此次迭代次序； 步骤2. 4,计算第i个数据点Xi到第j个聚类中心c」的隶属度U(cノろ）
步骤2. 7,重新计算KHM1+1值； 步骤2. 8,如果IIKHMw-KHM1II<e，则计算停止，输出优化后的心率变异性信号；否 则转回步骤2. 3。
【专利摘要】本发明提供一种基于KHM聚类算法的心率变异信号优化方法，包括以下步骤：步骤1，对由非接触式生命体征监护系统获得的心跳信号进行峰值检测和周期计算得到心率变异信号；步骤2，对步骤1获得的心率变异信号采用KHM聚类算法对心率变异信号进行优化处理，剔除由呼吸谐波、随机运动等造成的无关干扰项，从而实现心率变异性信号的优化；步骤3，对步骤2中优化后的心率变异信号利用三次样条插值原理形成心率变异信号时域波形图。本发明通过KHM聚类分析算法能够有效剔除心跳信号中的无关干扰项，从而实现心率变异性信号的优化。
【IPC分类】A61B5-113, A61B5-0245, A61B5-0205
【公开号】CN104622446
【申请号】CN201510056129
【发明人】洪弘, 唐良勇, 王蒙, 李彧晟, 顾陈, 李洪涛, 朱晓华, 周志强
【申请人】南京理工大学
【公开日】2015年5月20日
【申请日】2015年2月3日