一种生成移动心电信号的噪声模型的方法
【技术领域】
[0001] 本发明设及信号处理的领域，具体设及一种生成移动屯、电信号的噪声模型的方 法。
【背景技术】
[0002] 屯、电信号的噪声模型可W用于构建真实的屯、电信号。在屯、电信号研究中往往需要 构建屯、电的仿真模型。通常屯、电信号的仿真是在纯净的屯、电信号中渗加各种噪声信号。仿 真的模型越能逼真地模拟真实屯、电信号，相应的研究结果也越准确。
[0003] 真实屯、电信号通常包含基线漂移、工频、肌电干扰和电极移动等各种噪声，所W要 求在仿真的屯、电信号中渗入各种噪声，从而达到接近真实屯、电的目的。虽然已经有一些模 型来模拟噪声，但是能够准确、高效模拟的模型却不多。
[0004] 目前常用的有两种屯、电噪声源模型。第一种是使用不同频带的色噪声模拟各种屯、 电噪声源，利用运些仿真噪声源生成噪声，在不同信噪比下渗入到干净仿真屯、电信号中形 成仿真屯、电模型。第二种常见的噪声源是利用MIT-BIH Non-stress test Database (NSTDB)数据库提供的时长3.5小时的屯、电信号典型噪声。
[0005] 第一种模型能够根据研究需要产生足够时长且形态较多的噪声信号，但是平稳的 色噪声不能够准确模拟屯、电信号噪声源，产生的仿真噪声与真实噪声在统计特性与波形形 态上相差较大，此模型的精度较低。第二种模型提供的噪声源是真实屯、电噪声，应用精度 高。对于一些特殊的屯、电信号，NSTDB数据库仅提供Ξ种噪声，包括基线漂移（baSe 1 iηe wande;r，BW)，肌电干扰（muscle a;rtifact，MA)，电极移动（electrode motion a;rtifact， EM),不足W模拟屯、电信号研究中的噪声源，另外，运个模型的波形变化固定时长无法满足 实时移动屯、电信号要求的更长时间要求。因此当前没有一个可W提供长时间并且精度较高 的模型。
[0006] 针对于对非平稳时间序列建模，当前有两种方法，来构建噪声源模型。传统方法是 将非平稳时间序列通过差分变换等方法转换为平稳序列之后，再使用AR模型建模。但是在 实际使用中，并不是所有的非平稳序列都能通过差分转换为平稳序列。另一种方法是利用 非平稳信号在短时分段内信号是平稳随机的性质，用分段时不变参数AR模型法对其进行建 模。运种短时持续时间对多数现象均比较适宜，但是对于屯、电信号，使用此方法建模时间对 于此类现象来说过长，因此达不到理想结果。
【发明内容】
[0007] 为解决现有技术存在的不足，本发明公开了一种生成移动屯、电信号的噪声模型的 方法，该模型的精度高并且可W生成长时间的屯、电噪声信号。
[000引为实现上述目的，本发明的具体方案如下：
[0009] -种生成移动屯、电信号的噪声模型的方法，包括W下步骤：
[0010] 步骤一:使用时变系数替换传统AR模型序列中的自回归系数，形成一个多阶时变 系数AR模型，即得到多阶时变系数AR模型序列，该序列包括未知的时变系数及阶数；
[001。 步骤二:根据步骤一得到的多阶时变系数AR模型序列，使用时变系数和序列的过 去值来得到预测序列的表达式；
[0012] 步骤使用基函数的方法估计多阶时变系数AR模型序列的时变系数；
[0013] 步骤四：使用基于遗忘因子法确定非平稳随机信号的多阶时变系数AR模型序列的 阶数；
[0014] 步骤五:通过比较多阶时变系数AR模型序列的序列值与步骤二中的序列的预测值 之间的差值来确定基函数的维数，根据该维数进一步确定多阶时变系数AR模型序列的时变 系数，根据时变系数及阶数最终得到时变系数替换传统AR模型序列。
[001引进一步的，步骤一中，对于一个时间序列x(n)，阶数为P的传统AR模型是：
[0016] x(n) =-aix(n-l)-a2X(n-2)-. . .-apx(n-p)+v(n) (1)
[0017] (1)式中v(n)是均值为0,方差为别勺平稳白噪声残差序列，p是模型的阶数，ai是AR 模型的自回归系数，? = 1，···，Ρ，将上式中的系数日1替换为时变系数日1(11)4 = 1，-'，口，则形 成Ρ阶时变系数AR模型，替换过程为：
[001 引
[0019] ν(η)仍然是均值为0,方差为02的平稳白噪声，Ρ是模型的阶数，曰1(〇)4 = 1，。'，口是 模型的时变系数，表示的意义是第η时刻的模型参数。
[0020] 进一步的，步骤二中，使用模型的时变系数和序列的过去值预测序列表达式为：
[0021]
(3)
[0022] 进一步的，步骤Ξ中，假设时变系数ai(n)，i = l，…，Ρ是一组基函数的线性组合， 表达式如下：
[0023]
(4)
[0024] 式中，au为使用最小二乘估计方法估计由时变系数变换得到的常系数，为矩阵系 数A的元素，{gj(n)，j = 0，···，m}是一组基时间函数，m为基函数的维数的总数，并将运一组 基函数代入序列的预测表达式(3)中，并且令
[0027]其中，A为系数矩阵，序列表达式变为：
[002引
（7)
[0029] 进一步的，使用傅里叶基数来表示时变信号，其中，N是观测时间内信号采样数，ω = 1/Ν，j表示基函数的当前的维数或个数，j = 0，l，2,…，m，k=l，2,…，Ν;
[0030]
(8)
[0031] 进一步的，模型阶数为12,即ρ = 12。
[0032] 进一步的，确定基函数维数时，选择维数m的取值范围从1到8,原则是通过真实信 号与拟合信号之间误差最小的方法来确定基函数维数，即根据实际值与估计值的最小二乘 误差进行确定。
[0033] 进一步的，使用最小二乘估计方法估计由时变系数变换得到的常系数矩阵A，并且 利用估计残差的方差最小的优化准则，由式(7)可得到A的最小二乘估计式：
[0034]
(9)
[00对式中φ τ=町..而]，γΤ二[XI…XN]，1，…，N是采样点时刻，即采样数，估计出A后，再根 据式(4)即可求得时变系数ai(n)在各个时刻的值。
[0036] 本发明的有益效果：
[0037] 相对于假设序列在短时上是平稳的参数估计等方法，本发明直接使用时变AR模型 来模拟屯、电噪声源模型，更加合理，结果更加精确，生成的噪声源的数学统计特性和波形变 化与NSTDB数据库中提供的有限样本噪声序列基本一致，具有很高的精确度。本发明不再局 限于模拟高频噪声、工频噪声、低频噪声等平稳噪声序列，有很大的应用范围。
[003引 NSTDB数据库可W提供精确的噪声源，但是时间只有3.5小时，并且对于移动屯、电 等信号，数据库中Ξ个噪声源无法模拟，该发明解决了数据库中样本噪声序列不足的问题， 可W提供长时间、复杂的屯、电噪声源。
【附图说明】
[0039] 图1是构造时变AR模型的流程图。
[0040] 图2a-图化分别是原始BM与时变AR模型预测BM。
[0041 ]图3a-图3b分别是原始MA与时变AR模型预测MA。
[0042] 图4a-图4b分别是原始EM与时变AR模型预测EM。
【具体实施方式】：
[0043] 下面结合附图对本发明进行详细说明：
[0044] 如图1所示，为构造时变AR模型的流程图，具体步骤为：
[0045] 1、从111'数据库中下载8￥、14、61^种噪声模型。
[0046] 2、利用AR模型建立跟真实屯、电信号相似的屯、电噪声源模型。
[0047] 3、对比使用时变模型模拟出来的噪声源模型和MIT数据库中真实屯、电信号噪声源 两者的误差，来判断模型的效果。
[004引其中步骤2W传统AR模型为基础建立屯、电噪声源模型主要包括W下几个步骤：
[0049] 1)使用时变系数替换传统AR模型序列中的自回归系数，形成一个多阶时变系数AR 模型。在此过程中，要使用序列过去值的线性组合来拟合序列的当前值。
[0050] 2)使用时变系数和序列的过去值来预测序列的表达式。此时，将对非平稳随机信 号建立时变AR模型的过程转化成对该时变模型进行定阶和求时变系数的过程。
[0051] 3)使用基函数的方法估计模型的时变系数。当时变系数被看作是一个时间函数 时，就将时变系数的估计问题就变成常参数的估计。模型建立之后，使用最小二乘法估计由 时变系数变换得到的常系数矩阵。
[0052] 4)使用基于遗忘因子法确定非平稳随机信号的时变AR模型的阶数。
[0053] 5)通过比较序列值与序列的预测值之间的差值来确定基函数的维数，使模型具有 最好的精度和效率。
[0054] 算例说明：
[0055] 为了更好的描述本发明，下面给出了更为详细的实施