信号的M种频率成分，包含有用的信号和噪声成分；
[0090] 步骤2-3、对胃磁信号进行滤波处理；
[0091 ] 具体公式如下：
[0092] y(n)=wT(n_i 巧(n) 口）
[0093] 其中，y(n)为化S自适应滤波器输出的胃磁信号；
[0094]本发明实施例中，权重矢量Ww(n)等于当前的W^n)加上一个正比于梯度Vy的负 值变化量，通过该步骤的计算可W使胃磁信号中的基线漂移成分按递推最小二乘的方式逼 近期望值，公式如下：
[0096] 其中，y表示是用来控制稳定性和收敛速度的步长参数，Vj表示权重矢量对维纳最 优矢量的背离，ej表示误差值;进一步推导可得到如下公式：
[0097] i r -; \e^=d,-WjX,
[0098] 步骤2-4、根据设置的期望基线漂移输入信号，获得误差信号；
[0099] 具体公式如下：
[0100] e(n) =d(n)-y(n) (3)
[0101] 其中，e(n)为误差信号，y(n)为自适应滤波器的输出值，d(n)为期望基线漂移输入 信号；
[0102] 本发明实施例中，设期望的基线漂移输入信号为d(n)，即多路采集得到且经过形 态学处理的胃磁信号；测量结果显示，位于人体上腹部中间及偏左侧是胃磁信号最强的点； 可截取4路传感器的信号作为输入信号；
[0103] 步骤2-5、更新权向量矩阵；
[0104] 具体公式如下：
[0105] W(n)=W(n-l)+g(n)e(n) (4)
[01(?]其中，W(n)表示n时刻的权向量矩阵，W(n-l)表示n-1时刻的权向量矩阵；
[0107]步骤2-6、更新逆矩阵；
[010引具体公式如下：
[0109] P(D)=A-I 巧(n-l)-g(n)xT(n)P(n-l)] (5)
[0110] 其中，P(n)为自相关矩阵的逆矩阵；
[0111] 步骤2-7、返回执行步骤2-2,根据更新后的权向量矩阵和逆矩阵进一步更新增益 矢量，当误差信号小于0.1时，即最终当自适应滤波器的输出逼近期基线漂移时，停止迭代， 即完成对胃磁快波信号中的基线漂移成分的滤除。
[0112] 步骤3、采用胃磁信号滤波模块通过小波包方法对胃磁信号中与快波成分频率相 近的噪声进行滤除；
[0113] 胃磁信号采集仪器得到的信号属于强噪声背景下的微弱信号，同其它的生物医学 信号一样也具有随机性大、信号弱、频率范围一般较低的特点；另外，由GMI传感器采集到的 胃磁信号中还伴随有仪器噪声、体内噪声和环境噪声等，运些噪声主要来源于屯、磁、胸磁、 肠磁和呼吸振动等;后续信号处理中如果渗杂运些干扰将会对最终信号的分析结果产生严 重影响；本发明采用小波包算法对胃磁信号实施分解与重构，从而保证在有用信号保留的 前提下，同时实现对噪声信号的滤除，具体如下：
[0114] 步骤3-1、对传感器采集到的包含噪声的信号进行小波分解，由于小波包可W集中 信号能量并消除信号相关性，因此应该选择合适小波基和分解层次，对信号进行分解；
[0115] 本发明实施例中，如图5所示，采用=层小波包树分解，每一层的分解中左边为低 频部分，右边为高频成分，采用化6小波基函数对原始信号进行分解得到了比较好的滤波效 果；
[0116] 步骤3-2、将胃磁信号分解后某些频带上的小波系数置零或者赋予相应的权重，滤 除该部分噪声；
[0117] 步骤3-3、利用修改之后的小波系数进行波形重构，实现了对胃磁信号的降噪；
[0118] 步骤4、采用胃磁快波特征提取模块通过匹配追踪与非参数基函数方法相结合的 方式，提取胃磁快波信号的特征成分;具体步骤如下：
[0119] 步骤4-1、构建一个具有多个分析滤波器和多个综合滤波器的低通原型均匀滤波 器组；
[0120] 本发明实施例中，设计一个具有20个分析滤波器和20个综合滤波器的均匀滤波器 组，该滤波器组基本可W实现对胃磁信号的完全重构；分析滤波器和综合滤波器均属于余 弦调制型，脉冲响应函数的表达式如下：
[0122] 由于滤波器组中存在着抽取、插值、滤波等运算导致最终的重构信号与小波包处 理后的胃磁信号之间存在着一定的误差;运种误差可能是幅度失真，相位失真等;滤波器组 的完全重构是指最终的重构信号与小波包处理后的胃磁信号之间仅相差一个恒定的延时， 不存在幅值与相位特性的失真，本发明所设计的滤波器组能够满足完全重构的条件；
[0123] 步骤4-2、设置一个胃磁快波信号初始模板信号，初始最优估计值与初始模板信号 相同；
[0124] 本发明实施例中，该模板信号可为任何比较简单的函数，但是考虑到信号迭代次 数的问题应尽量选择与胃磁快波信号频率相近的信号；胃磁信号会在此基础上不断提取出 特征信息;本发明所采用的算法的初始模板信号选择了XO = SinUXJiX t)+sin(2X3iX2X t)，通过不断迭代可W不断改变模板信号进而得到最优估计信号；
[0125] 本发明实施例中，非参数基函数算法从胃磁信号y(n)中提取出与模板信号最匹配 的特征成分S^n)的最优估计根据匹配追踪原理利用去更新信号的余量，在剩 余的信号中继续捜寻其它的特征成分;设采集到的数据信号为y(n)，y(n)由有用信号S^n) 和噪声信号v(n)两部分组成；
[01 %]步骤4-3、更新胃磁快波信号的模板信号；
[0127] 具体公式如下： (6)
[0129] 其中，x^n)表示第j次迭代时使用的模板信号，a表示补偿因子，0<a<l，xri(n) 表示j-1次的模板信号，y(n)表示去噪后的胃磁信号，即自适应滤波器的输出值，表示 通过滤波器计算得到的胃磁信号的最优估计值的第j个分量J表示分析滤波器的个数；
[0130] 本发明实施例中，其基本原理主要来源于信号的匹配追踪，匹配追踪算法属于时 频原子迭代算法，每一次迭代都建立在上一次分解后的残余信号基础上的，第n个胃磁信号 残余成分Xn(t)被继续分解为的形式为:Xn(t) =<Xn(t)，4n(t)〉4n(t)+Xn+l(t)，其中，4n(t)在 匹配追踪算法可W理解为与胃磁信号的特征匹配的时频原子；由于Xn+l(t)和相(t)是正交 的关系；因此，上述公式可进一步写成：| |xn(t)||2=|<Xn(t)，4n(t)〉|2+| |xn+l(t)||2;
[0131] 步骤4-4、采用非参数基函数方法从去噪后的胃磁信号y(n)中提取出与更新后的 模板信号刮(1〇最匹配的特征成分的最优估计值(/〇,即对最优估计值进行更新；
[0132] 步骤4-5、更新残余的胃磁信号；
[0133] 具体公式如下：
[0134] 扭+1/ =獻/-(7)
[0135] 其中，RW表示每次迭代时胃磁信号通过第j个分析滤波器后提取到的相应的信号 成分；
[0136] 步骤4-6、重复步骤4-3至步骤4-5,直到残余的胃磁信号小于设定的阔值为止，即 I RWf I 12<e，完成对胃磁快波信号特征成分的提取；
[0137] 本发明实施例中，阔值的设置主要用于控制算法迭代的次数，本发明实施例中阔 值设定为0.5,通过测试可知经过6次叠代可W获得比较理想的效果；
[0138] 步骤5、采用胃磁信号分类模块通过聚类算法对不同生理状态的胃磁信号进行分 类;具体步骤如下：
[0139] 步骤5-1、确定类别数K