周期性電生理信號一種融合方法的研究

陳 波，馮煥清，陳 薇，杜亞軍

中國科學(xué)技術(shù)大學(xué) 電子科學(xué)與技術(shù)系，安徽，合肥，230026

合肥工業(yè)大學(xué) 電氣與自動化工程學(xué)院，安徽，合肥，230009

周期性電生理信號一種融合方法的研究

【作 者】陳 波1，2，馮煥清1，陳 薇2，杜亞軍2

中國科學(xué)技術(shù)大學(xué) 電子科學(xué)與技術(shù)系，安徽，合肥，230026

合肥工業(yè)大學(xué) 電氣與自動化工程學(xué)院，安徽，合肥，230009

提出了傳感器獲取的周期性電生理信號按周期進行同步后得到多周期數(shù)據(jù)，構(gòu)建周期性時間數(shù)據(jù)序列進行融合計算的方法。以實測心電信號對該方法的有效性進行了驗證，同時提高了電生理信號信息特征獲取的效果。

信息融合；周期性生理信號；心電信號

眾所周知，人體是一個復(fù)雜的有機體，各個器官組織是相互作用、相互協(xié)調(diào)工作的。當(dāng)人體發(fā)生病變時，醫(yī)生往往綜合檢測生理數(shù)據(jù)和根據(jù)自己的經(jīng)驗、知覺和見解等對健康狀況做出某種診斷，當(dāng)然不可避免地帶有主觀性。隨著科技的發(fā)展，生理信息通過各種傳感器和醫(yī)療設(shè)備獲取，而這些信息一般又來自多個信號源，帶來了信息冗余甚至矛盾。所以，必須通過對各種傳感器觀測的信息合理支配與使用，將其依據(jù)某種優(yōu)化準則組合，產(chǎn)生對觀測環(huán)境一致性的解釋和描述，因此迫切要求對信息進一步處理。

通過傳感器獲取的多種生理信息，如果能進行合理、有效相應(yīng)的信息融合后，對幫助醫(yī)生對人體的健康狀況作出更加全面、準確和及時的診斷有十分重要的現(xiàn)實意義。融合性能的好壞不僅僅有賴于選取的生理樣本信息，而且與用于進行信息融合的模型算法有很大關(guān)系。目前，信息融合的研究有兩種形式，單一傳感器多次采集到的信息融合和多種同質(zhì)傳感器采集到的描述同一特征信息的進行融合。

本文研究和探索了針對單一傳感器多次采集的周期性生理信號的定量信息融合算法，由于心電信號是反映人體生理特征的一個重要依據(jù)，臨床上具有典型意義，因此以人體心電信號為對象進行了實現(xiàn)。

1 信息融合[1-3]

各種傳感器采集到的信息是多種多樣的，可將其分為冗余信息、互補信息和協(xié)同信息三類。其中冗余信息是指有多個獨立的同質(zhì)傳感器提供的關(guān)于測量信息中同一特征的多個，也可以是某一傳感器在一段時間內(nèi)多次測量得到的信息。冗余信息可以提高系統(tǒng)的容錯能力及可靠性。冗余信息的融合可以減少測量噪聲等引起的不確定性，提高整個系統(tǒng)的精度。本文研究該類信息在數(shù)據(jù)層融合，即首先將全部傳感器的觀測數(shù)據(jù)融合，然后從融合的數(shù)據(jù)中提取特征向量，并進行判斷識別。這便要求傳感器是同質(zhì)的（傳感器觀測的是同一物理現(xiàn)象）。如果多個傳感器是異質(zhì)的(觀測的不是同一個物理量)，那么數(shù)據(jù)只能在特征層或決策層進行融合[4-5]。數(shù)據(jù)層融合不存在數(shù)據(jù)丟失的問題，得到的結(jié)果也是最準確的，但對系統(tǒng)通信帶寬的要求很高。

J．Z．Sasiadek 把信息融合的方法分成三大類：①基于隨機模型的融合方法；②基于最小二乘法的融合方法；③是智能型的融合方法。其中基于最小二乘法的融合方法主要有：卡爾曼濾波、最優(yōu)理論、極大似然估計和最小二乘估計。

以上各種算法對信息類型、觀測環(huán)境都有不同的要求，且各自存在優(yōu)點，在具體應(yīng)用時需要根據(jù)系統(tǒng)的實際情況綜合運用。醫(yī)學(xué)數(shù)據(jù)庫中含有海量和不同來源的原始信息，其中包括大量模糊的、不完整的、帶有噪聲和冗余的信息。醫(yī)學(xué)信息的多源性、時序性和非時序性數(shù)據(jù)共存、數(shù)字型數(shù)據(jù)和非數(shù)字型數(shù)據(jù)共存的特點，考慮到算法要有一定的通用性，本文主要研究基于最小二乘法的融合方法。

2 基于最小二乘估計的周期性電生理信號的融合

人體的電生理信號非常復(fù)雜，相互影響，嚴格意義上可視為非周期的非平穩(wěn)的隨機過程。如果不考慮其他器官和外在因數(shù)的影響，在正常情況下，心臟竇房結(jié)按其固有的頻率發(fā)出激動，按一定的順序和時間依次下傳到心房、房室結(jié)、希氏束、左右束支、浦金野纖維和心室，所到之處相應(yīng)產(chǎn)生激動，表現(xiàn)為周期性的心電圖[6-7]。因此，目前在生物醫(yī)學(xué)工程領(lǐng)域一般將其作為近似的周期性信號來處理。其它信號如脈搏、心磁等也如此處理。計算機廣泛使用后，這類信號獲取的都是連續(xù)生理過程的離散數(shù)據(jù)量，在基于最小二乘法的融合方法進行計算分析時候，可見其樣本不是傳統(tǒng)意義上相互獨立的數(shù)據(jù)序列（如：對某物體長度的多次測量數(shù)據(jù)序列等），因此造成計算樣本模型的復(fù)雜性。

2.1 每周期樣本融合計算

對這類周期性較強的連續(xù)過程信號，按周期進行分割，以每個周期數(shù)據(jù)作為一個樣本，對獲得的樣本數(shù)據(jù)序列進行融合計算。本文將在一定的時間內(nèi)，使用心電傳感器分多次對某人的心電信號進行測量，并對我們測量所得到的生理樣本數(shù)據(jù)，分別為：X1，X2，X3，X4，X5，X6，X7，X8，X9X10，X11，X12，X13，X14，X15。這15組心電信號，把它們平移在同一坐標(biāo)下，比較每周期心電圖形，其圖形如下所示：

圖1 X1－X15心電信號Fig.1 ECG data of X1－X15

另外，為了對信息融合方法的好壞有判斷依據(jù)，又我們對另外一個人取了一組心電信號Y1，Y2，Y3，Y4這4組心電信號，畫出所對應(yīng)的心電圖形，其圖形如下所示:

圖2 Y1-Y4心電信號Fig.2 ECG data of Y1－Y4

我們對通過傳感器采集到的兩組心電信號數(shù)據(jù)，分別使用這種樣本設(shè)定的方法進行心電信號的信息融合。

設(shè)Y1，Y2,……YN分別是N個傳感器相對應(yīng)的測量值，按照最小二乘估計準則，是使誤差函數(shù)

達到最小的Y值。令式（1）對Y的偏導(dǎo)數(shù)為零，得：

通過MATLAB程序繪出的融合后的心電信號的圖形如下：

由信息融合后的心電圖形可知，這種信息融合的方法效果不是太理想。因此，本文擬提出了對該類信號按周期進行同步，然后按照數(shù)據(jù)在周期中的時刻進行新數(shù)據(jù)序列構(gòu)成樣本融合。

圖3 X1－X15信息融合的結(jié)果Fig.3 Data fusion results of X1－X15

圖4 Y1-Y4信息融合的結(jié)果Fig.4 Data fusion results of Y1－Y4

2.2 按周期同步信號樣本融合

視為等周期的電生理信號，如心電信號，在按周期如圖1、3進行分割后，可將每個周期中各個時刻點數(shù)據(jù)視為同步后的同一對象的多次測量結(jié)果，多周期的數(shù)據(jù)中相對應(yīng)時刻的每個點值即構(gòu)成一個數(shù)據(jù)序列，分別融合計算。然后，多數(shù)據(jù)序列構(gòu)成一個融合過程，也即將單傳感器數(shù)據(jù)模擬多個獨立傳感器系統(tǒng)測量數(shù)據(jù)的融合，這樣使用一維測量數(shù)據(jù)的方法進行處理，可以方便計算。

同步的方法可以采用信號特征同步（如：P波等），也可以使用多通道設(shè)備以其它周期信號同步（如：脈搏等）。

上述兩組心電信號用此方法進行基于最小二乘估計融合，通過MATLAB程序繪制的圖形如下：

圖5 X1－X15信息融合結(jié)果Fig.5 Data fusion results of X1－X15

圖6 Y1-Y4信息融合的結(jié)果Fig.6 Data fusion results of Y1－Y4

3 結(jié)論

生理信號的特殊性，要求對其信息融合的研究應(yīng)根據(jù)對象的種類和特點，建立合適的融合方法，并在此基礎(chǔ)上形成所謂最佳融合方案。將視為等周期的電生理信號，在按周期進行分割后，得到周期樣本組，然后可將每個樣本中相對周期相同時刻點的數(shù)據(jù)列視為同步后的同一對象的多次測量結(jié)果，即構(gòu)成一個數(shù)據(jù)序列，分別融合計算。然后，多數(shù)據(jù)序列構(gòu)成一個融合過程，也即將單傳感器數(shù)據(jù)模擬多個獨立傳感器系統(tǒng)測量數(shù)據(jù)的融合，這樣使用一維測量數(shù)據(jù)的方法進行處理，可以方便計算，是解決單一傳感器獲得的電生理連續(xù)時間信號信息融合的一種的方法。

[1] 何友, 王國宏, 陸大琻等. 多傳感器信息融合及應(yīng)用[M]. 北京: 電子工業(yè)出版社, 2007．

[2] Begler PI, Shafer-Demp ster reasoning with application to multisensor target identification system [J]. IEEE Trans on SMC, 1997 (17) : 968 - 977.

[3] 王俊林, 張劍云. 基于統(tǒng)計證據(jù)的Mass函數(shù)和D-S證據(jù)理論的多傳感器目標(biāo)識別[J]. 傳感技術(shù)學(xué)報, 2006, 19 (3) : 862 - 864.

[4] Jain A and Ross A. Information fusion in biometrics. Pattern Recognition Letters, 2003, 24(13): 2115-2125.

[5] Yang Jian and Yang Jingyu. Generalized K-L transform based combined feature extraction. Pattern Recognition, 2002, 35(1): 295-297.

[6] Walter Boron, Emile L. Boulpaep. Textbook of Medical Physiology. W.B. Saunders Company, 2002.

[7] 李新勝, 白凈, 生理信息融合技術(shù)的研究進展[J], 生物醫(yī)學(xué)工程學(xué), 2000, 17 (4): 464-468.

The Research on a Data Fusion Method of Periodic-electrophysiology Signal

【W(wǎng)riters】Chen Bo1,2, Feng Huangqing1, Chen Wei2, Du Yajun2

Department of electronic science and technology of USTC, Hefei,Anhui Province, 230026, China
Department of electronic engineering and automation of HFUT, Hefei,Anhui Province, 230009, China

In this paper, onefold sensor is used to obtain periodic physiological signal, such as electrocardiogram signal. Multicycle data constitutes a sequence by the data of the corresponding time point. The data sequence, which is regard as a number of independent sensors data, is used to data fusion by one-dimensional method. This paper veri fi es the mothod by the measuired ECG.

data fusion, periodic physiological signal, electrocardiogram signal

R540.4+1

A

10.3969/J.issn.1671-7104.2010.03.001

1671-7104(2010)03-0157-03

2010-02-05

校科學(xué)研究發(fā)展基金金（080401F）資助

馮煥清，教授，博士生導(dǎo)師，研究方向為：計算機應(yīng)用、生物醫(yī)學(xué)信息處理、智能醫(yī)療儀器。E-mail: cbapollor@hotmail.com