例子：
[0化6] 1、从1口数据库中下载8胖、]^、6]\1^种噪声模型。
[0057] 2、利用AR模型建立跟真实屯吨信号相似的屯吨噪声源模型，主要包括W下几个步 骤：
[005引1)对于一个时间序列x(n)，阶数为P的传统AR模型是：
[0059] x(n) =-aix(n-l)-a2x(n-2)-. . .-apx(n-p)+v(n) (1)
[0060] (1)式中v(n)是均值为0,方差为ο2的平稳白噪声残差序列，p是模型的阶数，aia = 1，···，Ρ)是AR模型的自回归系数。将上式中的系数日1替换为时变系数ai(n)，i = l，-'，p，则形 成P阶时变系数AR模型，替换过程为：
[0061]
[0062] v(n)仍然是均值为0,方差为的平稳白噪声，P是模型的阶数。ai(n)，i = l，…，P是 模型的时变系数，表示的意义是第η时刻的模型参数。
[0063] 2)根据(2)式，使用模型的时变系数和序列的过去值预测序列表达式为：
[0064]
巧
[0065] 3)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：
[0066]
(4、
[0067] 式中{g^n)，j = 0, 一,111}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中，并且令
[0068] (5)
[0069]
(6)
[0070] 其中，A为系数矩阵，序列表达式变为：
[0071]
(7)
[0072] 在本发明中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=l/N，j表示基函数的当前维数(个数），j = 0，l，2，…，m，k=l，2，…，N。
[0073]
(S；
[0074] 4)参考抓RASIP Journal on Applied Signal Processing 2007中第94到104页 里的文章 Multichannel ECG 曰nd noise modelin邑：曰pplic曰tion to maternal and fetal ECG signals中的结论，当模型的阶数在12-16之间时，足W满足其构建屯、电信号噪声的时 变AR模型，因此本发明确定模型阶数为12，即P = 12。
[0075] 5)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。根据实际值与估计值的最小二乘误差进行确 定，其结果如表1所示。从表中可W看出，当基函数的维数从巧化变化时，随着维数的增大， 误差逐渐减小。当m的值达到一定程度时，误差减少的幅度越来越少，预测精度逐渐趋于稳 定，因此，选择的维数m没必要过大。选择维数同时也要考虑计算效率的影响。因此本发明在 此选择维数为5,即m = 5。
[0076] 表 1
[0077]
[0078] 将确定的维数和阶数代入模型中，此时的AR模型转换成可W反映屯、电信号噪声的 模型。
[0079] 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。
[0080] 使用模型模拟的BW、MA、EM与数据库中真实的屯、电噪声源对比如图2a-图化、图3a-图3b、图4a图4b所示。图2a、图3a及图4a分别是原有的MI T数数据库中真实的噪声源，图2b、 图3b及图4b分别是用本发明模型拟合的噪声源，可W看出，使用时变模型构造出来的噪声 源模型其波形和动态特征与MIT数据库中真实的信号差异不大，精度很高。因此时变AR模型 对于非平稳信号具有很好的拟合性，能贴近实际信号拟合出仿真信号，具有很好的实际应 用价值。
[0081] 使用W基函数为基础建立的时变信号AR模型，不仅可W很好的反映人体屯、电信号 的噪声的动态特征和波形变化，大大提高了屯、电噪声源模型的精确度，而且可W提供多种 长时间噪声，不再局限于数据库中。
[0082] 上述虽然结合附图对本发明的【具体实施方式】进行了描述，但并非对本发明保护范 围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不 需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围W内。
【主权项】
1. 一种生成移动心电信号的噪声模型的方法，其特征是，包括以下步骤： 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； 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； 步骤三: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； 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； 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。2. 如权利要求1所述的一种生成移动心电信号的噪声模型的方法，其特征是，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： x(n) =-aix(n-l)-a2x(n-2)-. . .-aPx(n-p)+v(n) (I) (I)式中v(n)是均值为 〇,方差为σ2的平稳白噪声残差序列，P是模型的阶数，a^AR模型的自回归系数，i = l，…，p， 将上式中的系数&替换为时变系数&1(1〇，i = 1，…，p，则形成p阶时变系数AR模型，替换过程 为：V(H)仍然是均值为〇,方差为O2的平稳白噪声，P是模型的阶数Α(η)，i = l，…，P是模型 的时变系数，表示的意义是第η时刻的模型参数。3. 如权利要求1所述的一种生成移动心电信号的噪声模型的方法，其特征是，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：4. 如权利要求1所述的一种生成移动心电信号的噪声模型的方法，其特征是，步骤三 中，假设时变系数&1(1〇，i = 1，…，ρ是一组基函数的线性组合，表达式如下：式中，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，并将这一组基函数 代入序列的预测表达式(3)中，并且令 A - [ 310，311，· · ·，aim I · · · I ElpO，Elpl，· · ·，Elpm] ( 5 )其 中，A为系数矩阵，序列表达式变为： 5. 如权利要求4所述的一种生成移动心电信号的噪声模型的方法，其特征是，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/N，j表示基函数的当前的 维数或个数，k=l，2,…，N;6. 如权利要求1所述的一种生成移动心电信号的噪声模型的方法，其特征是，模型阶数 为 12，即 p = 12。7. 如权利要求1所述的一种生成移动心电信号的噪声模型的方法，其特征是，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。8. 如权利要求4所述的一种生成移动心电信号的噪声模型的方法，其特征是，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：式中φ T=K1,ZN]，：Γτ=[·?. ,:.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。
【专利摘要】本发明公开了一种生成移动心电信号的噪声模型的方法，包括：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；根据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；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；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；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。本发明相对于假设序列在短时上是平稳的参数估计等方法，该发明直接使用时变AR模型来模拟心电噪声源模型，更加合理，并且在构造中误差小，致使结果更加精确。
【IPC分类】G06F19/00
【公开号】CN105488351
【申请号】CN201510891538
【发明人】魏守水, 张亚涛, 刘澄玉, 徐晓艳
【申请人】山东大学
【公开日】2016年4月13日
【申请日】2015年12月4日