專利名稱：使用非線性狀態(tài)空間投影方法的非線性信號分離方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種使用非線性狀態(tài)空間投影方法的非線性分離方 法，或者更具體地講，涉及用于從懷孕母體檢測胎兒心電圖的生物信 號的分離方法。
背景技術(shù)：
一般來講，從胎兒提取心電圖的非創(chuàng)傷性被動方法之一是通過使 用自適應(yīng)信號處理濾波器提取胎兒心電圖信號的方法(見下面公開的 專利文獻(xiàn)l)。然而，在噪聲分量由于胎兒移動、子宮收縮、母體移動突然改變或者非常緩慢地相對上升和下降、或者在從26星期到36星期的懷孕 期間脂肪分量(胎兒皮脂)在胎兒附近上升的情況下，當(dāng)S/N率變低 時，使用這種方法難于有效提取信號，從而難于檢測胎兒心電圖信號。本發(fā)明人已經(jīng)建議了一種使用參考系統(tǒng)以及申請專利的獨(dú)立分 量分析(ICA)方法(下述的專利文獻(xiàn)2)。這種方法是處理方法， 用于從心電圖信號和母體的心電圖信號等所疊加的信號僅提取胎兒 心電圖的處理方法。這種ICA方法是基于信號分量的獨(dú)立性提取與參 考系統(tǒng)信號高相關(guān)的信號強(qiáng)度的方法。通過使用與參考信號的頻率相 似的信號，能夠提取頻率靠近參考頻率的信號。另外，由于這種方法 用于從分布的輪廓提取信號，所以即使當(dāng)存在具有遠(yuǎn)離參考系統(tǒng)的周 期的頻率的數(shù)據(jù)或數(shù)據(jù)丟失時，也能夠提取出信號。另外，能夠從這 些數(shù)據(jù)發(fā)現(xiàn)不整脈(allorhythmic )。這里，描述標(biāo)準(zhǔn)心電圖并且對波形的每個部分給出名稱。圖1示出了心電圖的基本波形。在這個附圖中，P波是經(jīng)由心房(atrium heart)的動作電勢的傳播 產(chǎn)生的波。QRS波是從心肌(ventricular muscle)中動作電勢的產(chǎn)生所 產(chǎn)生的波。T波是從心室(heart ventricle)的動作電勢的消失所產(chǎn)生的 波。U波表示原點(diǎn)和其它不清楚的波。心電圖的測量提供了關(guān)于心臟 的活動的各種信息。例如，P到R(PR持續(xù))的時間持續(xù)對應(yīng)于從心 房到心室的激勵的傳播時間(心房與心室導(dǎo)通時間)。另外，心電圖 的測量是進(jìn)行醫(yī)療診斷的有力方法，這是因?yàn)樗峁└鞣N疾病的心電 圖。對于缺血性疾病來講，不整脈的診斷以及ST部分中的特殊變化 是必需的。盡管ICA方法能夠確保提取作為胎兒心電圖分量的特征的R分 量，但是僅使用這個方法難于提取心電圖信號所需的分量P、 Q、 S、 T。因此，將這個方法與去除噪聲的方法進(jìn)行組合是重要的。用于去除噪聲的方法為(1)在ICA方法的情況下基于信號分 布分離信號，(2)在有源噪聲消失(ANC)的情況下通過線性預(yù)測 使用FIR濾波器去除噪聲，(3)在使用濾波器的情況下，由小波包 表示的小波濾波器、使用傅立葉變換的FFT分析、以及其它帶通濾波 器等，以及(4)在非線性狀態(tài)空間投影方法(NSSP:非線性狀態(tài)空 間投影)的情況下，從混沌分析產(chǎn)生的噪聲提取混亂軌道。上述的ANC、 FFT以及小波濾波器是線性變換方法，由此，在 去除噪聲以后，包括所需信號的所有信號變成緩和。使用小波變換方 法在頻域中進(jìn)行的處理對所有信號的噪聲處理產(chǎn)生一定作用，這是因 為它是線性變換方法。另外，該線性變換方法的缺點(diǎn)在于它不能夠 重構(gòu)動態(tài)系統(tǒng)。由于這些情形，非線性變換方法NSSP被認(rèn)為是候選。如下面專利文獻(xiàn)2中所述，該ICA用于從原始信號提取S/N率 小于1的數(shù)據(jù)。如下面專利文獻(xiàn)1中所述，該NSSP方法在時間軸上從包含母體 和胎兒的心電圖信號和肌動電流圖信號之混和的原始信號產(chǎn)生偏移 了一點(diǎn)點(diǎn)(4ms)的數(shù)據(jù)。這個過程被重復(fù)11次，從而產(chǎn)生11維的 數(shù)據(jù)。通過沿著時間軸進(jìn)行垂直剪切形成洛倫茲區(qū)域，其中該原始信號和偏移11次的信號分別置于X和Y。此時，作圖數(shù)據(jù)的軌道重復(fù)采用近似相同路由(由于這個軌道是 非線性的，所以該方法被稱作非線性)。然后，通過定義與軌道通過 的方向垂直的平面，測量在該平面內(nèi)每個周期之間的數(shù)據(jù)散布。然后， 通過使用主分量分析方法計算該平面內(nèi)的數(shù)據(jù)散布(噪聲)。通過去 除噪聲獲得該信號。這個方法是原始地從混沌動力學(xué)中的狀態(tài)空間的屬性得到的，并 且作為非線性信號處理技術(shù)，考慮了各種應(yīng)用，諸如從混沌軌道分離 測量的噪聲以及從心電圖分離噪聲。優(yōu)點(diǎn)在于，這種方法使得可以分 析來自單個信道的信號，并且還可以在狀態(tài)空間上處理非線性混合信 號。這種方法還可以實(shí)現(xiàn)非線性信號處理，而基于諸如FFT和小波分 析的頻率分析使用傳統(tǒng)線性濾波方法是無法實(shí)施的。[專利文獻(xiàn)11:專利申請2002-538872的PCT國際7>開的7>開日 文翻譯。[專利文獻(xiàn)2日本專利申請2005-023982。[非專利文獻(xiàn)1:M. Richter， T. Schreiber， and D. T. Kaplan. Fetal ECG Extraction with Nonlinear State-Space Projections. IEEE Trans. Biomed. Eng., Vol.45， 1998， pp.l33-137。[非專利文獻(xiàn)2L. D. Lathauwer， B. D. Moor， and J. Vandewall， Fetal Electrocardiogram Extraction by Blind Source Subspace Separation. IEEE Trans. Biomed. Eng., Vol.47， 2000， pp. 567-572。[非專利文獻(xiàn)3V. Zarzoso and A. K. Nandi， Noninvasive Fetal Electrocardiogram Extraction: Blind Separation Versus Adaptive Noise Cancellation. IEEE Trans. Biomed. Eng., Vol. 48, 2001， pp. 12-18。[非專利文獻(xiàn)4M. O. Taylor, M.J. Smith, M. Thomas, A. R. Green, F. Cheng, Oseku-Afful S， Wee LY， Fisk匪and Gardiner HM Noninvasive fetal electrocardiography in singleton and multiple pregnancies. BJOG Aol. 110, 2003， pp. 668-678。[非專利文獻(xiàn)51: M. G. Jafari， and A. C. Chamber, Fetal Electrocardiogram Extraction by Sequential Source Separation in the Wavelet Domain, IEEE Trans. Biomed. Eng., vol. 52, 2005， pp. 390-400。[非專利文獻(xiàn)6M. Sato, Y. Kimura, M. Nakano， N. Katayama, Extraction of Fetal Electrocardiogram by Blind Source Separation, MBE 2004-63， 2004， pp.45-48。發(fā)明內(nèi)容然而，上述的NSSP方法具有下述的各種缺點(diǎn)。 (1)必需執(zhí)行許多計算。存儲了包括原始數(shù)據(jù)和與原始數(shù)據(jù)時 間偏移給定時間間隔的數(shù)據(jù)的多個數(shù)據(jù)組，并且在每個點(diǎn)執(zhí)行主分量 分析。這個過程會花費(fèi)很長時間。例如，當(dāng)使用傳統(tǒng)的計算器(商用 個人計算機(jī))時，執(zhí)行僅5秒的數(shù)據(jù)分析需要6小時的計算時間。即法時，也至少需要花費(fèi)3小時，因此通過使用這種方法難于進(jìn)行在線 測量。(2)當(dāng)數(shù)據(jù)的散布較寬時，不能夠?qū)崿F(xiàn)良好的計算準(zhǔn)確度。 由于在NSSP方法中彼此偏移的數(shù)據(jù)輸入到洛倫茲區(qū)域中，所以當(dāng)數(shù)據(jù)包含大量散布時，不同于目標(biāo)軌跡點(diǎn)組的數(shù)據(jù)混入該數(shù)據(jù)的風(fēng)險很高。因此，僅能夠從具有少量散布的原始信號數(shù)據(jù)去除噪聲。此外，該NSSP方法可以在主信號強(qiáng)度與噪聲強(qiáng)度之間、主信號與噪聲信號之間存在不同的條件下(即，能夠顯著區(qū)分主信號和噪聲)進(jìn)行分析。換言之，當(dāng)將NSSP方法應(yīng)用到實(shí)際問題時，必需定義鄰域，從 而使得能夠防止發(fā)生在狀態(tài)空間中測量信號軌道的每個點(diǎn)的目標(biāo)動 態(tài)軌道的交叉。于是，對于具有復(fù)雜變化的實(shí)際測量必需確保足夠維 數(shù)。因此，計算速度顯著降低，這使得難于在一般分析中使用這個方 法。另外，當(dāng)包括白噪聲分量時，不管維數(shù)如何增加，在原理上不能夠找到不具有交叉屬性的低維數(shù)鄰域，這是因?yàn)檫@個噪聲在原理上具有無限維數(shù)。具體地講，當(dāng)S/N率低時，這些缺點(diǎn)變得嚴(yán)重并且將限 制實(shí)際上進(jìn)行分析的信號質(zhì)量。通過考慮上述情形，本發(fā)明的目的在于提供一種使用非線性狀態(tài) 空間投影方法的非線性信號分離方法，該方法通過對多信道和周期信 號執(zhí)行時域高速非線性狀態(tài)空間投影方法，即使在低S/N率的情況下 能夠有效地分離非線性信號。由于傳統(tǒng)NSSP方法在從現(xiàn)象獲得的時域序列數(shù)據(jù)中進(jìn)行偏移 并且設(shè)置狀態(tài)空間為虛擬多維空間，所以隨著維數(shù)增加，點(diǎn)的數(shù)目增 加。因此，該NSSP方法需要充分地延伸維數(shù)以避免狀態(tài)空間中軌道 的交叉，并且計算時間不可避免地增加以實(shí)現(xiàn)準(zhǔn)確計算。另外，由于 狀態(tài)空間中的時間信息被限制到窄區(qū)域的維數(shù)，所以具有更長時間的 非線性結(jié)構(gòu)的恢復(fù)是不可能的，并且保持在線性濾波區(qū)域的鄰域中。另一方面，通過使用穩(wěn)定周期性，本發(fā)明設(shè)置狀態(tài)空間，并且由 此對數(shù)據(jù)執(zhí)行計算同時保持?jǐn)?shù)據(jù)數(shù)目與從現(xiàn)象獲得的數(shù)據(jù)數(shù)目相同， 從而實(shí)現(xiàn)快速計算。另外，由于本發(fā)明能夠使用穩(wěn)定周期信號的所有 臨時信息，所以能夠在所獲得現(xiàn)象的重復(fù)周期內(nèi)恢復(fù)現(xiàn)象的非線性結(jié) 構(gòu)。因此，本發(fā)明具有現(xiàn)有技術(shù)中非線性濾波所沒有的特征，并且在 理論上是新穎的噪聲減小方法。在多周期數(shù)據(jù)的情況下，本發(fā)明的基本方面(l)將周期數(shù)據(jù) 偏移一個周期以疊加在原始數(shù)據(jù)上。對這個過程一直執(zhí)行幾個周期直 到求和平均變得穩(wěn)定，例如， 一直到10個周期或更多。(2)通過疊 加數(shù)據(jù)計算求和平均。(3 )繪制距離所述平均的散布(這里是一維)。(4) 根據(jù)上述的過程(1)到(3)在另一個信道中執(zhí)行數(shù)據(jù)處理。(5) 所有信道的處理數(shù)據(jù)繪制為多維圖形。(6)通過每次對多維平 面中的噪聲的散布進(jìn)行主分量分析來執(zhí)行計算，以獲得每個數(shù)據(jù)點(diǎn)的 噪聲。(7)從原始數(shù)據(jù)去除計算出的噪聲以獲得信號。執(zhí)行上述的 過程(3)和(4)以獲得距離概率分布的偏差。由于本發(fā)明方法在時域中執(zhí)行NSSP并且能夠高速執(zhí)行數(shù)據(jù)處 理，所以它能夠被稱作時域高速非線性狀態(tài)空間投影方法(時域中快 速非線性狀態(tài)空間投影；TD中FNSSP)。下面，將更加具體地描述本發(fā)明的發(fā)明點(diǎn)及其特征。 (1 )一種使用非線性狀態(tài)空間投影方法的非線性信號分離方法， 其特征在于，通過使用所述時域高速非線性狀態(tài)空間投影方法處理具 有作為從一個現(xiàn)象測量出的多信道和周期信號的復(fù)信號的原始信號， 以估計所述原始信號中的噪聲以及從所述原始信號減去所述估計噪 聲，從而即使當(dāng)S/N率為低時，分離所述原始信號中待測量的信號作 為非線性信號。(2)如以上[l]中所述的使用所述非線性狀態(tài)空間投影方法的非 線性信號分離方法，其特征在于，所述進(jìn)行測量的周期信號是生物信 號。(3 )如以上[21中所述的使用所述非線性狀態(tài)空間投影方法的非 線性信號分離方法，其特征在于，所述生物信號是心電圖信號。(4 )如以上3中所述的使用所述非線性狀態(tài)空間投影方法的非 線性信號分離方法，其特征在于，所述心電圖信號是母體的胎兒的心 電圖信號。(5)如以上[4中所述的使用所述非線性狀態(tài)空間投影方法的非 線性信號分離方法，其特征在于，通過使用第一時域高速非線性狀態(tài) 空間投影方法處理所述原始信號以去除母體的心電圖信號，通過第二 時域高速非線性狀態(tài)空間投影方法處理具有從其去除母體心電圖信 號的信號以去除噪聲信號，從而獲得胎兒的心電圖信號。(6 )如以上[2中所述的使用所述非線性狀態(tài)空間投影方法的非 線性信號分離方法，其特征在于，所述生物信號是功能MRI信號。(7 )如以上[21中所述的使用所述非線性狀態(tài)空間投影方法的非 線性信號分離方法，其特征在于，所述生物信號是腦電波信號。(8 )如以上m中所述的使用所述非線性狀態(tài)空間投影方法的非 線性信號分離方法，其特征在于，所述進(jìn)行測量的周期信號是技術(shù)測量信號。(9 )如以上[8中所述的使用所述非線性狀態(tài)空間投影方法的非 線性信號分離方法，其特征在于，所述技術(shù)測量信號是包括在旋轉(zhuǎn)機(jī) 器的正常旋轉(zhuǎn)聲音信號中的旋轉(zhuǎn)機(jī)器的缺陷聲音信號。本發(fā)明的方法是改進(jìn)版本的NSSP方法，當(dāng)形成包括時間軸的狀 態(tài)空間時，該方法變得不受鄰域的限制，這是因?yàn)樵跁r間軸的方向上 不存在循環(huán)特征。另外，時域高速非線性狀態(tài)空間投影方法(TD中 FNSSP)已經(jīng)發(fā)展為一種基于這個理論的新穎的信號分離技術(shù)，用于 將處理時間減小為小于傳統(tǒng)非線性狀態(tài)空間投影方法(NSSP方法) 的處理時間的1/30到1/100。這種減小實(shí)現(xiàn)了在線測量。


圖1示出了關(guān)于心電圖的基礎(chǔ)波形；圖2是使用根據(jù)本發(fā)明的第一實(shí)施例的非線性狀態(tài)空間投影方 法的非線性信號分離系統(tǒng)的示意圖；圖3是使用根據(jù)本發(fā)明的第二實(shí)施例的非線性狀態(tài)空間投影方 法的非線性信號分離系統(tǒng)的示意圖；圖4是在具有2個信道復(fù)信號的情況下的使用根據(jù)本發(fā)明的第三 實(shí)施例的非線性狀態(tài)空間投影方法的非線性信號分離系統(tǒng)的示意圖；圖5是在具有n個信道復(fù)信號的情況下的使用根據(jù)本發(fā)明的第四 實(shí)施例的非線性狀態(tài)空間投影方法的非線性信號分離系統(tǒng)的示意圖；圖6是在具有n個信道復(fù)信號的情況下的使用根據(jù)本發(fā)明的第五 實(shí)施例的非線性狀態(tài)空間投影方法的非線性信號分離系統(tǒng)的示意圖；圖7示出了本發(fā)明的m維矢量的時間序列X。的狀態(tài)空間；圖8示出了根據(jù)本發(fā)明的試驗(yàn)的提取出的胎兒心電圖信號的結(jié) 果；以及圖9示出了通過將電極直接放在出生后胎兒的頭部上記錄的信號。
具體實(shí)施方式
使用本發(fā)明的非線性狀態(tài)空間投影方法的非線性信號分離方法的特征在于通過使用時域高速非線性狀態(tài)空間投影方法處理具有作 為從一個現(xiàn)象測量出的多信道和周期信號的復(fù)信號的原始信號，以估 計原始信號中的噪聲以及從原始信號減去估計噪聲，從而即使當(dāng)S/N 為低時也可以分離在原始信號中待測量的信號作為非線性信號。 下面，將詳細(xì)描述本發(fā)明的實(shí)施例。圖2是通過使用根據(jù)本發(fā)明的第一實(shí)施例的非線性狀態(tài)空間投 影方法的非線性信號分離系統(tǒng)的示意圖。這個附圖中，Sx是原始信號，Sn是估計噪聲信號，S。是要進(jìn)行 測量的信號，1是具有從一個現(xiàn)象測量的多信道和周期信號的復(fù)信號 的原始信號的檢測部件，2是原始信號Sx中的噪聲信號Sn (不同于要 進(jìn)行測量信號的信號)的估計部件，其中通過與計算機(jī)4合作使用上 述時域高速非線性狀態(tài)空間投影方法(時域快速非線性狀態(tài)空間投影 方法；TD中FNSSP)執(zhí)行周期求和平均的計算來估計原始信號中的 噪聲。3是相減部件，用于從原始信號Sx減去估計噪聲Sn。在這個相 減部件3中，從原始信號Sx去除噪聲Sn，從而在原始信號Sx中分離 出要進(jìn)行測量的信號S。作為非線性信號，即使S/N比為低。這種分離方法可應(yīng)用于諸如心電圖信號、功能性MRI信號、腦 電波信號等的生物信號。它還可以應(yīng)用到技術(shù)測量數(shù)據(jù)，如果該數(shù)據(jù) 具有周期信號。圖3是使用根據(jù)本發(fā)明的第二實(shí)施例的非線性狀態(tài)空間投影方 法的非線性信號分離系統(tǒng)的示意圖。在這個附圖中，Su是第一級的原始信號，S^是第一級的估計噪 聲信號，S,2是第二級的原始信號，Sn2是第二級的估計噪聲信號，S。 是要進(jìn)行測量的信號，11是具有從一個現(xiàn)象測量出的多信道和周期信 號的復(fù)信號的原始信號的檢測部件，12是第一級的原始信號Su中的 第一級的噪聲信號Snl的估計部件，其中通過與計算機(jī)16合作使用上 述時域高速非線性狀態(tài)空間投影方法(TD中FNSSP)執(zhí)行周期求和平均的計算來估計原始信號中的噪聲。13是相減部件，用于從第一級 的原始信號Su減去第一級的估計噪聲Snl。在這個相減部件13中， 從第一級的原始信號Sw去除第一級的噪聲信號Snl，并且輸出第二級 的原始信號Sx2。 14是第二級的原始信號Sx2中的第二級的噪聲信號 Sn2的估計部件，其中通過與計算機(jī)16合作使用上述時域高速非線性 狀態(tài)空間投影方法(TD中的FNSSP)執(zhí)行周期求和平均的計算來估 計原始信號中的噪聲。15是相減部件，用于從第二級的原始信號Sx2 減去第二級的估計噪聲Sn2。在這個相減部件15中，從第二級的原始 信號Sx2去除第二級的噪聲信號Sn2，由此在第二級約原始信號Su中 分離出要進(jìn)行測量的信號S。作為非線性信號。如上所述，這個實(shí)施例被設(shè)置為兩次去除噪聲，并且適于如下所 述分離生物信號(特別是母體的胎兒的心電圖信號)的情況。圖4是根據(jù)本發(fā)明的第三實(shí)施例的在具有2信道復(fù)信號的情況下 的通過使用非線性狀態(tài)空間投影方法的非線性信號分離系統(tǒng)的示意 圖。在這個附圖中，21是具有2信道復(fù)信號L和12的原始信號的檢 測部件。22是噪聲信號的估計部件(包括計算機(jī))。23是相減部件， 用于減去從原始信號I，和12計算出的噪聲信號強(qiáng)度V和V。在這個相減部件23中，從原始信號I!和l2減去計算出的噪聲信號I,'和l2'，并且輸出要進(jìn)行測量的信號113和I2a。這里，通過與計算機(jī)合作使用 上述的時域高速非線性狀態(tài)空間投影方法(TD中FNSSP)執(zhí)行周期求和平均的計算來估計原始信號中的噪聲。圖5是根據(jù)本發(fā)明第四實(shí)施例的在具有n維信道復(fù)信號的情況下 使用非線性狀態(tài)空間投影方法的非線性信號分離系統(tǒng)的示意圖。在這個附圖中，31是具有2信道復(fù)信號L和12的原始信號的檢 測部件。32是第一級的噪聲信號的估計部件。33是相減部件，用于從原始信號L和12減去計算出的第一級的噪聲信號強(qiáng)度V和12'。在這個相減部件33中，從原始信號I,和12減去計算出的第一級的噪聲信號強(qiáng)度I,'和l2'，并且輸出第二級的原始信號Ih和l2a。另外，34是第二級的噪聲信號的估計部件，其中，從第二級的原始信號^和l2 去除噪聲V'和l2〃，然后獲得要進(jìn)行測量的信號I，b和l2b。這里，每 個估計部件與計算機(jī)合作使用上述時域高速非線性狀態(tài)空間投影方法(TD中的FNSSP)執(zhí)行周期求和平均來估計原始信號中的噪聲。圖6是根據(jù)本發(fā)明第五實(shí)施例的在具有n維信道復(fù)信號的情況下 使用非線性狀態(tài)空間投影方法的非線性信號分離系統(tǒng)的示意圖。在這個附圖中，41是具有n信道復(fù)信號L..... 1 的原始信號的檢測部件。42是n信道的噪聲信號1/.....1 '的估計部件。43是相減部件，用于從原始信號I，.....1 減去計算出的n信道的噪聲信號強(qiáng)度I/..... In'。在這個相減部件43中，從原始信號L..... In減去計算出的n信道的噪聲信號強(qiáng)度I/.....In'，然后獲得要進(jìn)行測量的信號113.....Ina。這里，估計部件與計算機(jī)合作使用上述時域高速狀態(tài)空間投影方法(TD中FNSSP)執(zhí)行周期求和平均的計算來估 計原始信號中的噪聲。此外，噪聲信號的估計部件可包括周期計算/處理及周期求和平 均計算部件以及使用主分量分析的噪聲信號強(qiáng)度計算部件。如上所述，本發(fā)明的周期信號包括諸如心電圖信號、功能性MRI 信號、腦電波信號的生物信號。如果它是周期信號，則還包括技術(shù)測 量數(shù)據(jù)。換言之，本發(fā)明能夠應(yīng)用到任何一種如下情況，在該情況下可以 通過去除噪聲準(zhǔn)確恢復(fù)原始信號同時保持動態(tài)結(jié)構(gòu)。對于多周期數(shù)據(jù)的情況，(1)周期數(shù)據(jù)偏移一個周期并且疊加 在原始信號上。將這個過程一直執(zhí)行幾個周期直到求和平均變得穩(wěn) 定，例如一直到IO周期或更多。(2)通過疊加數(shù)據(jù)計算求和平均。 (3 )繪制出距離平均的散布(scatter from average )(這里是一維)。(4) 根據(jù)上述的過程(1)到(3)在另一個信道內(nèi)執(zhí)行數(shù)據(jù)處理。(5) 所有信道的處理數(shù)據(jù)繪制為多維圖形。(6)通過每次對多維平 面中的噪聲散布進(jìn)行主分量分析來執(zhí)行計算以獲得每個數(shù)據(jù)點(diǎn)的噪 聲。(7)從原始數(shù)據(jù)去除計算出的噪聲以獲得信號。執(zhí)行上述的過程(3)和(4)以獲得距離概率分布的偏差。由于這個方法在時域執(zhí) 行NSSP并且能夠高速執(zhí)行數(shù)據(jù)處理，所以它能夠被稱作上述時域高 速非線性狀態(tài)空間投影方法(TD中FNSSP)。作為本發(fā)明的應(yīng)用例子，下面將詳細(xì)描述使用時域高速非線性狀 態(tài)空間投影方法提取胎兒心電圖，其中該時域高速非線性狀態(tài)空間投 影方法是新穎的非線性過濾方法，用于從包含母體腹壁檢測到的大量 噪聲的多信道信號提取胎兒心電圖。這個方法實(shí)質(zhì)上基于傳統(tǒng)非線性狀態(tài)空間投影方法(NSSP方法) (見上述的非專利文獻(xiàn)1)。這種傳統(tǒng)方法是分離彼此非線性混合的 信號的方法。但與此同時，這種傳統(tǒng)方法需要諸如設(shè)置恰當(dāng)鄰域和狀 態(tài)空間的時間延遲的若干復(fù)雜條件和限制。因此，如上述，這種傳統(tǒng) 方法需要進(jìn)行計算的大量時間。由于根據(jù)本發(fā)明的時域高速非線性狀 態(tài)空間投影方法不需要這些條件，所以計算速度可以是傳統(tǒng)方法的30 倍。通過使用本發(fā)明的方法，已經(jīng)成功實(shí)現(xiàn)來自胎兒的心電圖信號分 量的在線記錄，這顯示出了這種胎兒心電圖觀察方法在臨床應(yīng)用的有 效性。順便說一句，盡管迄今關(guān)于諸如此類的胎兒心電圖觀察方法已經(jīng) 報告了若干新穎研究，但是該胎兒心電圖(ECG)還沒有頻繁使用在 臨床應(yīng)用中。這是由于提取胎兒心電圖的難度所導(dǎo)致的，該難度由來 自胎兒的小幅信號、胎兒心電圖與母體心電圖的混合、心電圖的大背 景噪聲(諸如皮膚電勢)、母體肌動電流圖和子宮肌動電流圖導(dǎo)致(見 上述非專利文獻(xiàn)2、 3、 4、 5和6)。另外，心電圖信號具有三維結(jié)構(gòu)，并且投影以獲得所述空間的心 電圖信號的陰影與從母體腹壁檢測到的多個噪聲信號進(jìn)行非線性混 合。迄今為止建議的幾乎所有傳統(tǒng)方法都是基于混合的原始信號的線 性度以及這些信號的混合方法(諸如混合矩陣)。因此，使用這些線 性方法，不能良好地分離非線性信號如母體心電圖和胎兒心電圖。這里將描述時域高速非線性狀態(tài)空間投影方法(TD中FNSSP), 該方法是新穎的方法，用于從混合的腹部信號非線性地提取胎兒心電圖。盡管本發(fā)明的方法實(shí)質(zhì)上基于非線性狀態(tài)空間投影方法(NSSP)，但是不需要諸如恰當(dāng)鄰域或時間延遲坐標(biāo)的復(fù)雜條件。 此外，TD中FNSSP的有效性由對臨床數(shù)據(jù)的實(shí)際應(yīng)用所證明。 下面，將詳細(xì)描述時域高速非線性狀態(tài)空間投影方法。 這里，定義了狀態(tài)空間，并且將解釋從NSSP提取出的原理概念。 (狀態(tài)空間的定義)當(dāng)從動態(tài)系統(tǒng)給出時間序列Xn (n-l、 2.....n)時，并且如果該時間序列埋入滿足下面三個條件的多維度量空間M時，M被稱作 時間序列的狀態(tài)空間。(1) M是多維概率區(qū)域度量空間。時間序列埋這個空間內(nèi)并且 模型軌道存在于這個空間內(nèi)。(2) 模型軌道(或軌跡)上每個點(diǎn)的鄰域定義為具有模型軌道 的額外維的超平面。(3) 僅由模型軌道上的所述點(diǎn)定義鄰域的概率結(jié)構(gòu)。 (形成自然模型軌道的時間序列的狀態(tài)空間的條件)當(dāng)狀態(tài)空間滿足軌道的循環(huán)特征時，時間序列的狀態(tài)空間形成自 然模型軌道。循環(huán)特征的定義當(dāng)軌跡重復(fù)地通過軌跡上任意點(diǎn)Xt。的鄰域Nt。時，作為埋入狀 態(tài)空間內(nèi)的時間序列軌跡的軌跡被認(rèn)為具有循環(huán)特征。也就是說，對于時間序列(t，、 t2、…、tm)，點(diǎn)Xu、 Xt2.....Xtm存在于鄰域Nto中。假定該軌跡多次出現(xiàn)于該鄰域中以適于計算。獲得模型軌道點(diǎn)mt。作為每個鄰域Nto內(nèi)的點(diǎn)之間的平均。 (時域高速非線性狀態(tài)空間投影方法)假定m維矢量時間序列(n=l、 2.....N)是具有循環(huán)特征的周期或近似周期矢量時間序列。這里，<formula>formula see original document page 14</formula>表達(dá)為<formula>formula see original document page 14</formula>，其中<formula>formula see original document page 14</formula>是系統(tǒng)信號。從循環(huán)特征來看，假定對于任意時間t，存在時間序列(t!、 t2.....t!)并且JC" (n-l、 2.....N)在范圍[ti、 ti+1(i=l、2.....i-1)內(nèi)循環(huán)具有相同概率結(jié)構(gòu)。另一方面，包括m維矢量時間序列^的時間軸的狀態(tài)空間被定義為m+1維歐幾里得空間內(nèi)的 (;,，t)。因此，這個狀態(tài)空間內(nèi)這個系統(tǒng)的軌跡能夠描述為{(:，t國ti) ; te[ti， ti+1(i=l、 2.....i-1) }。時間t-to時，點(diǎn)(Z, t0)的鄰域被定義為m+1維空間內(nèi)的超平面t=tQ，并且模型軌道上的點(diǎn) (^， t0)能夠被定義為鄰域內(nèi)的點(diǎn)(;，t0)的平均信號。從循環(huán)特征的假定看，能夠分析時間t-t。時噪聲(-^， t。)的概率結(jié)構(gòu)。(見上述的非專利文獻(xiàn)l)(參考圖7)。圖7示出了 m維矢量時間序列^的狀態(tài)空間，并且虛線示出了系統(tǒng)的軌跡51((;,， t) ; te[ti, ti+1(i=l、 2.....i-l)}。粗實(shí)線指示時間序列的模型軌道(^， t。)52，它是固定值t時的空間點(diǎn)(；，t)的平均。53是時間軸。這里，從14個電極獲得數(shù)據(jù)。這14個電極中的IO個電極(包 括一個參考電極)位于腹部上， 一個電極在右胸上，并且剩余三個電 極(包括接地電極)位于母體后背上。每lms以16比特分辨率對兩 個端子之間記錄的12個信道數(shù)據(jù)進(jìn)行采樣，并且使用帶通濾波器(1 到100HzFIR (有限沖擊響應(yīng))濾波器)。圖8示出在本發(fā)明的試驗(yàn)的第二階段提取出的結(jié)果，示出了 4 秒時間間隔提取出的胎兒心電圖信號。圖8(a)示出了在試驗(yàn)的第二 階段記錄的腹部信號，其中箭頭指示母體的心電圖信號。很難識別胎 兒心電圖信號。圖8 (b)示出了提取出的母體心電圖信號。圖8(c) 示出了通過從圖8(a)所示腹部信號減去圖8(b)所示的母體心電 圖信號獲得的信號。盡管獲得的信號包括胎兒心電圖信號和噪聲，但 是在這個序列中它清楚地示出了胎兒心電圖信號的存在。圖8(d)示 出了提取出的胎兒心電圖信號。在這個附圖中，能夠看見P波和T波。 圖8 (e)示出了噪聲分量。這里，TD中FNSSP,皮應(yīng)用兩次；第一次去除母體的心電圖， 然后第二次提取出胎兒心電圖。通過使用本發(fā)明的方法，即使當(dāng)在測量信號中沒有觀察到胎兒心電圖分量時，也通過去除母體的信號來成功提取出胎兒分量。通過應(yīng)用TD中FNSSP兩次(見圖8)，出現(xiàn)了 胎兒心電圖的結(jié)構(gòu)。與出生時將電極直接應(yīng)用到胎兒所記錄的信號進(jìn) 行比較，能夠理解通過使用TD中FNSSP方法觀察到了穩(wěn)定結(jié)構(gòu) (見圖9)。圖9的信號包含噪聲。傳統(tǒng)NSSP方法與本發(fā)明方法之間的參數(shù)和計算的比較如下。對 于傳統(tǒng)NSSP方法的計算參數(shù)，當(dāng)將釆樣率設(shè)置為250Hz，狀態(tài)空間 的偏移時間設(shè)置為4ms，狀態(tài)空間的維數(shù)設(shè)置為11以及將吸引子軌 道的龐加萊映射中的鄰域i殳置為13mV時，通過4吏用由Richter建議 的算法，10秒持續(xù)時間現(xiàn)象的數(shù)據(jù)所需計算時間是大約6小時，并且 通過使用預(yù)先在時間軸上執(zhí)行吸引子計算的簡化方法的計算時間是 大約6分鐘41秒。相比較，在本發(fā)明方法的情況下，其中對計算參數(shù)進(jìn)行設(shè)置從而 使得重復(fù)次數(shù)為64，狀態(tài)空間的維數(shù)為4 (3個空間維加上時間維)， 處理等于傳統(tǒng)NSSP方法的10秒持續(xù)時間數(shù)據(jù)所需計算時間為僅3 秒。這說明本發(fā)明的計算速度遠(yuǎn)遠(yuǎn)高于傳統(tǒng)方法的計算速度，并且同 時說明，由于計算時間短于要測量現(xiàn)象的時間，導(dǎo)致在線處理是可行 的。另外，盡管本發(fā)明不限于上述的實(shí)施例，但是基于本發(fā)明的實(shí)質(zhì) 可以進(jìn)行許多變型和修改。這些變型和修改沒有排除在本發(fā)明的范圍 之外。使用根據(jù)本發(fā)明的非線性狀態(tài)空間投影方法的非線性信號分離 方法適于分離非線性混合的噪聲信號以及提取要進(jìn)行測量的信號，并 且期待面向包括非線性信號處理技術(shù)的工業(yè)應(yīng)用的發(fā)展。
權(quán)利要求
1、一種非線性信號分離方法，所述非線性信號分離方法使用非線性狀態(tài)空間投影方法，其中通過使用時域高速非線性狀態(tài)空間投影方法來處理具有復(fù)信號的原始信號，其是從一個現(xiàn)象測量出的多信道周期信號，以估計所述原始信號中的噪聲以及從所述原始信號減去所述估計噪聲，從而即使當(dāng)S/N率為低時，分離所述原始信號中待測量的信號作為非線性信號。
2、 權(quán)利要求1所述的使用所述非線性狀態(tài)空間投影方法的非線 性信號分離方法，其中所述待測量的周期信號是生物信號。
3、 權(quán)利要求2所述的使用所述非線性狀態(tài)空間投影方法的非線 性信號分離方法，其中所述生物信號是心電圖信號。
4、 權(quán)利要求3所述的使用所述非線性狀態(tài)空間投影方法的非線 性信號分離方法，其中所述心電圖信號是母體中胎兒的心電圖信號。
5、 權(quán)利要求4所述的使用所述非線性狀態(tài)空間投影方法的非線 性信號分離方法，其中通過使用第一時域高速非線性狀態(tài)空間投影方 法處理所述原始信號以去除母體心電圖信號，通過第二時域高速非線 性狀態(tài)空間投影方法處理從中去除母體心電圖信號的信號以去除噪 聲信號，從而獲得胎兒的心電圖信號。
6、 權(quán)利要求2所述的使用所述非線性狀態(tài)空間投影方法的非線 性信號分離方法，其中所述生物信號是功能性MRI信號。
7、 權(quán)利要求2所述的使用所述非線性狀態(tài)空間投影方法的非線 性信號分離方法，其中所述生物信號是腦電波信號。
8、 權(quán)利要求1所述的使用所述非線性狀態(tài)空間投影方法的非線 性信號分離方法，其中所述待測量的周期信號是技術(shù)測量信號。
9、 權(quán)利要求8所述的使用所述非線性狀態(tài)空間投影方法的非線 性信號分離方法，其中所述技術(shù)測量信號是包括在旋轉(zhuǎn)機(jī)器正常旋轉(zhuǎn) 聲音信號中的旋轉(zhuǎn)機(jī)器的缺陷聲音信號。
全文摘要
本發(fā)明提供了一種使用非線性狀態(tài)空間投影方法的非線性信號分離方法，當(dāng)信號是多信道信號并且具有周期性時，通過執(zhí)行時域高速非線性狀態(tài)空間投影，該方法能夠有效分離非線性信號。在使用非線性狀態(tài)空間投影方法的非線性信號分離方法中，通過使用時域高速非線性狀態(tài)空間投影方法處理具有從現(xiàn)象測量出的多信道周期信號的復(fù)信號的原始信號，以估計原始信號中的噪聲以及從原始信號減去估計噪聲，從而即使當(dāng)S/N為低時，也可以分離在原始信號中待測量的信號作為非線性信號。
文檔編號A61B5/055GK101257843SQ20068003252
公開日2008年9月3日 申請日期2006年8月22日 優(yōu)先權(quán)日2005年9月5日
發(fā)明者中尾光之, 伊藤拓哉, 岡村州博, 千田新一, 木村芳孝 申請人:國立大學(xué)法人東北大學(xué)