本發明涉及呼吸檢測領域，尤其涉及一種呼吸率提取方法及裝置。
背景技術：
：呼吸是人體重要的生理過程，對人體呼吸的監護檢測也是現代醫學監護技術的一個重要組成部分。患者不論是呼吸系統本身的病變或是其他重要臟器的病變發展到一定程度都會影響呼吸中樞。多臟器系統功能衰竭往往累及呼吸功能的衰竭，呼吸功能的衰竭又導致其他臟器功能的衰竭，互為因果?，F有技術對呼吸運動主要使用下列方法檢測：阻抗容積法，用高頻恒流源測量胸部阻抗的變化來提取呼吸信息；傳感器法，使用溫度、壓力、濕度和氣流傳感器作為鼻孔傳感器；電容法，當呼吸時導致電容值產生相應的變化；呼吸音法：通過拾取呼吸音識別呼吸；超聲法，利用超聲波產生多譜勒現象，檢測出呼吸頻率。使用這些方法不但需要增加信號采集部件，而且受到運動和環境的影響，不適合用于日常監護。大量臨床資料顯示，呼吸運動會引起心電圖的變化。通過心電圖，我們可以觀察到在呼吸周期內由胸部運動和心臟位置變化所引起的心電波形峰峰值的改變。這是由于呼吸周期內,描述心臟電波主要傳播方向的心臟電軸旋轉造成QRS波群形態發生了變化。QRS波是指正常心電圖中幅度最大的波群，反映心室除極的全過程。正常心室除極始于室間隔中部，自左向右方向除極，故QRS波群先呈現一個小向下的q波。正常胸導聯QRS波群形態較恒定。從心電信號中提取呼吸信號(ECG-DerivedRespiration,EDR)是一種呼吸信號檢測技術，這種技術不需要專用傳感器和硬件模塊檢測呼吸信號，只需要用心電監護儀獲取心電信號，避免了上述兩種檢測方法對人體的束縛，使動態呼吸檢測成為可能。但現有從心電信號中提取呼吸信號的技術，在計算時主要采用波形法，該方法通過一段時間內波形的平均值(即基線值)，來判定當前呼吸波處于上升或下降趨勢，用極值的方法求得波形的波峰、波谷。根據一定的閾值條件來判定有效的波峰或波谷，再根據有效波峰或波谷的周期計算波形周期，從而得到呼吸率。這種算法雖然具有比較直觀、運算量小的優點，但在實際過程中獲取的呼吸波形或多或少會受到心電活動的影響，當波形出現基線漂移時，計算的基線值無法很快更新，會導致波形漏檢致使呼吸率值偏低，其結果會有較大偏差。技術實現要素：針對上述問題，本發明的目的在于提供一種呼吸率提取方法及裝置，可提高信號提取的精確度，以保證計算得到的呼吸率具有較高的準確度。本發明提供了一種呼吸率提取方法，包括：接收原始心電信號，并對所述原始心電信號進行工頻陷波后得到待提取的心電信號；根據所述心電信號及預先選擇的母小波計算小波熵，并利用計算得到的所述小波熵獲得所述母小波的優化參數，得到優化后的母小波；利用所述優化后的母小波對所述心電信號進行小波變換，從所述心電信號中提取出呼吸信號；根據所述呼吸信號計算得到當前時刻的呼吸率。優選地，在根據所述心電信號及預先選擇的母小波計算小波熵，并利用計算得到的所述小波熵獲得所述母小波的優化參數，得到優化后的母小波之前，還包括：對所述心電信號進行降采樣。優選地，所述預先選擇的母小波為coif3小波。優選地，所述根據所述心電信號及預先選擇的母小波計算小波熵，并利用計算得到的所述小波熵獲得所述母小波的優化參數，得到優化后的母小波，具體包括：根據所述心電信號及預先選擇的母小波進行小波變換，得到相對于至少兩個信號分析頻率的小波系數；其中，所述母小波具有中心頻帶和帶寬兩個參數；根據與每個信號分析頻率對應的小波系數與所有信號分析頻率的小波系數之和的比值，得到一組概率分布序列；根據所述的一組概率分布序列得到小波熵，并計算所述小波熵取得最小值時，所述母小波的中心頻帶與帶寬的比值；根據得到的所述比值生成優化后的母小波。優選地，所述比值為4.43。優選地，所述根據所述優化后的母小波及預置的呼吸頻段對所述待處理心電信號進行信號提取，得到呼吸信號，具體包括：根據香農-奈奎斯特采樣原理對所述待處理心電信號的采樣頻率進行分層，計算得到每層的頻率范圍；依據每層的頻率范圍及預置的呼吸頻段確定小波分解和小波重構所需的層數；根據所述小波分解所需的層數對所述優化后的母小波進行信號分解，得到按頻段劃分的多層波形；根據與所述小波重構所需的層數對應的小波系數及分解得到的所述多層波形進行信號重構，得到呼吸信號。本發明還提供了一種呼吸率提取裝置，包括：工頻陷波單元，用于接收原始心電信號，并對所述原始心電信號進行工頻陷波后得到待處理的心電信號；小波熵優化單元，用于根據所述心電信號及預先選擇的母小波計算小波熵，并利用計算得到的所述小波熵獲得所述母小波的優化參數，得到優化后的母小波；小波變換單元，用于利用所述優化后的母小波對所述心電信號進行小波變換，從所述心電信號中提取出呼吸信號；呼吸率計算單元，用于根據所述呼吸信號計算得到當前時刻的呼吸率。優選地，還包括：降采樣單元，用于對所述心電信號進行降采樣。優選地，所述小波熵優化單元具體包括：小波系數計算模塊，用于根據所述心電信號及預先選擇的母小波進行小波變換，得到相對于至少兩個信號分析頻率的小波系數；其中，所述母小波具有中心頻帶和帶寬兩個參數；概率分布計算模塊，用于根據每層的小波系數與所有層的小波系數之和的比值，得到一組概率分布序列；小波熵計算模塊，用于根據所述的一組概率分布序列得到小波熵，并計算所述小波熵取得最小值時，所述母小波的中心頻帶與帶寬的比值；母小波優化模塊，用于根據得到的所述比值生成優化后的母小波。優選地，所述小波變換單元具體包括：頻段分層模塊，用于根據香農-奈奎斯特采樣原理及所述心電信號的采樣頻率進行頻段分層，計算得到每層的頻率范圍；層數確定模塊，用于依據所述頻段分層每層的頻率范圍及通帶頻率確定小波分解和重構所需的層數；信號分解模塊，用于根據與所述小波分解所需的層數及預先選擇的母小波進行信號分解，得到按頻段劃分的多層波形；信號重構模塊，用于根據與所述小波重構所需的層數對應的系數及分解得到的所述多層波形進行信號重構，得到呼吸信號。本發明提供的呼吸率提取方法及裝置，利用小波熵理論對用于進行小波變換的母小波進行優化，使得優化后的母小波為與待提取的呼吸信號的特征最匹配的小波，從而當利用優化后的母小波從心電信號中提取呼吸信號時，保證提取得到的呼吸信號具有較佳的真實度和精確度，進而保證計算得到的呼吸率的準確度，從而為生理或健康監控提供準確的依據。附圖說明圖1是本發明實施例提供的呼吸率提取方法的流程圖。圖2是本發明實施例提供的原始心電信號的波形圖。圖3是本發明實施例提供的工頻陷波后的待處理心電信號的波形圖。圖4是本發明實施例提供的小波熵與中心頻率-帶寬比的關系曲線圖。圖5是本發明實施例提供的呼吸信號的波形圖。圖6是本發明實施例提供的呼吸率提取裝置的結構示意圖。具體實施方式下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例?；诒景l明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。本發明提供了一種呼吸率提取方法，用于從心電信號中提取出呼吸信息，由于呼吸作用引起的心電圖中的基線漂移，把呼吸信息看作是心電信號的低頻成分，通過去除呼吸頻率以外的信號，可以得到所需提取的呼吸信息。參見圖1，為本發明實施例提供的一種呼吸率提取方法，包括如下步驟：S101，接收原始心電信號，并對所述原始心電信號進行工頻陷波后得到待提取的心電信號。參見圖2，為根據本發明實施例的原始心電信號的波形圖。所述原始心電信號包含大量的工頻干擾，需要進行50Hz工頻陷波，以濾除工頻干擾。參見圖3，為對所述原始心電信號進行工頻陷波后的待提取的心電信號的波形圖。S102，根據所述心電信號及預先選擇的母小波計算小波熵，并利用計算得到的所述小波熵獲得所述母小波的優化參數，得到優化后的母小波。在本發明實施例中，經驗證，coifN小波和dmey小波的提取效果較佳，且優選地，以coif3小波基作為母小波時，具有最佳的提取效果。因而本發明實施例采用coif3小波基作為母小波。coif3小波基的表達式如公式1所示：其中，fc表示特征頻率，也是中心頻率，σt為高斯窗的標準差，通常取值為1，σf為帶寬，通常σf＝1/2π·σt。分析所述母小波可知，小波波形振蕩衰減的快慢由帶寬σf決定，波形的振蕩頻率由中心頻率fc決定。根據公式1可以計算coif3小波基的頻率分辨率(如公式2所示)和時間分辨率(如公式3所示)，其中，fs為采樣頻率，fi為信號分析頻率。在本發明實施例中，具體地，步驟S102可包括：S1021，根據所述心電信號及預先選擇的母小波進行小波變換，得到相對于至少兩個信號分析頻率的小波系數。其中，所述小波系數X(fi,t)可以通過對心電信號及母小波進行內積得到，fi為信號分析頻率。S1022，根據與每個信號分析頻率對應的小波系數與所有信號分析頻率的小波系數之和的比值，得到概率分布序列。在本發明實施例中，可用概率分布序列pi來表示小波系數，然后計算pi的值，pi的表達式如公式4所示，且pi具有不確定性。S1023，根據所述概率分布序列得到小波熵，并計算所述小波熵取得最小值時，所述母小波的中心頻帶與帶寬的比值。其中，小波熵H(P)的計算如公式5所示：這里，小波熵H(P)是母小波的中心頻率與帶寬的比值fc/σf的函數，對所述H(P)求最小值，并確定所述小波熵H(P)最小值時，所述fc/σf的值。如圖4所示，可知，當中心頻率與帶寬的比值為4.43時，所述小波熵H(P)具有最小值。S1024，根據得到的所述比值生成優化后的母小波。在本發明實施例中，基于Shannon小波熵概率最優理論，可知當Shannon小波熵達到最小值時，coif3小波的中心頻率-帶寬比達到最優，對應的基小波就是與特征成分最匹配的小波。S103，利用所述優化后的母小波對所述心電信號進行小波變換，從所述心電信號中提取出呼吸信號。具體地：S1031，根據香農-奈奎斯特采樣原理及所述待處理心電信號的采樣頻率進行頻段分層，計算得到每層的頻率范圍。根據香農-奈奎斯特采樣原理，設所述心電信號的采樣頻率為fs，目標頻段為f1-f2(Hz)，運用小波變換分解的層數為N，由奈奎斯特定律可知，則有：f1＝(fs/2)/2N1(6)f2＝(fs/2)/2N2(7)N>N1(N1>N2)(8)即需要重構的小波的層數為N2～N1層。S1032，依據所述頻段分層中每層的頻率范圍及預置的通帶頻率確定小波分解和重構所需的層數。需要說明的是，由于直接采集的心電信號的采樣頻率較高(一般為500Hz)，會影響小波變換的效率，因此，在進行小波變換前，可先進行降采樣。假設所述心電信號被降采樣至100Hz，則fs為100Hz，信號最高頻率為50Hz，根據公式(6)、(7)、(8)可知，每一層對應的頻段如下：頻段頻率范圍/Hz頻段頻率范圍/HzA10～25D125～50A21～12.5D212.5～25A30～6.25D36.25～12.5A40～3.125D43.125～6.25A50～1.625D51.625～3.125A60～0.8125D60.8125～1.625A70～0.40625D70.40625～0.8125A80～0.203125D80.203125～0.40625A90～0.10156D90.10156～0.203125由于呼吸信號的頻段范圍通常為0.1～0.4Hz，考慮到呼吸急促的情況，將頻段擴展為0.1～0.8Hz，心電的頻率范圍為0.9～6Hz，因此，能夠很好地分離呼吸信號和心電信號，所以，選用第9、8、7層的近似系數(D9/D8/D7)來重構信號。S1033，根據與所述小波分解所需的層數及預先選擇的母小波進行信號分解，得到按頻段劃分的多層波形。在本發明實施例中，在分解時，可得到N層波形，此時，可提取N2～N1層對應的波形來進行重構。S1034，根據與所述小波重構所需的層數對應的系數及分解得到的所述多層波形進行信號重構，得到第二呼吸信號。由步驟S1023可知，小波重構所需的層數為第9、8、7層，此時，即可根據與所述小波重構所需的層數對應的小波系數(通過計算心電信號與小波基的積得到)及分解得到的所述多層波形進行信號重構，得到呼吸信號。S104，根據所述呼吸信號計算得到當前時刻的呼吸率。在本發明實施例中，在獲得所述呼吸信號后，即可計算呼吸率R，具體為：通過求極值法在所述呼吸信號的波形圖中尋找呼吸信號的波峰(或者波谷)，參見圖5中的點標記。通過提取最近生成的兩個波峰之間的時間間隔，得到周期T。根據采樣率換算即可得到實時的呼吸率R。例如：R＝60/T。本發明提供的呼吸率提取方法及裝置，利用小波熵理論對用于進行小波變換的母小波進行優化，使得優化后的母小波為與待提取的呼吸信號的特征最匹配的小波，從而當利用優化后的母小波從心電信號中提取呼吸信號時，保證提取得到的呼吸信號具有較佳的真實度和精確度，進而保證計算得到的呼吸率的準確度，從而為生理或健康監控提供準確的依據。請參閱圖6，本發明還提供一種呼吸率提取裝置100，包括：工頻陷波單元10，用于接收原始心電信號，并對所述原始心電信號進行工頻陷波后得到待處理的心電信號。小波熵優化單元20，用于根據所述心電信號及預先選擇的母小波計算小波熵，并利用計算得到的所述小波熵獲得所述母小波的優化參數，得到優化后的母小波。小波變換單元30，用于利用所述優化后的母小波對所述心電信號進行小波變換，從所述心電信號中提取出呼吸信號。呼吸率計算單元40，用于根據所述呼吸信號計算得到當前時刻的呼吸率。優選地，還包括：降采樣單元50，用于對所述心電信號進行降采樣。優選地，所述小波熵優化單元20具體包括：小波系數計算模塊21，用于根據所述心電信號及預先選擇的母小波進行小波變換，得到相對于至少兩個信號分析頻率的小波系數；其中，所述母小波具有中心頻帶和帶寬兩個參數；概率分布計算模塊22，用于根據每層的小波系數與所有層的小波系數之和的比值，得到一組概率分布序列；小波熵計算模塊23，用于根據所述的一組概率分布序列得到小波熵，并計算所述小波熵取得最小值時，所述母小波的中心頻帶與帶寬的比值；母小波優化模塊24，用于根據得到的所述比值生成優化后的母小波。優選地，所述小波變換單元30具體包括：頻段分層模塊31，用于根據香農-奈奎斯特采樣原理及所述心電信號的采樣頻率進行頻段分層，計算得到每層的頻率范圍；層數確定模塊32，用于依據所述頻段分層每層的頻率范圍及通帶頻率確定小波分解和重構所需的層數；信號分解模塊33，用于根據與所述小波分解所需的層數及預先選擇的母小波進行信號分解，得到按頻段劃分的多層波形；信號重構模塊34，用于根據與所述小波重構所需的層數對應的系數及分解得到的所述多層波形進行信號重構，得到呼吸信號。本發明提供的呼吸率提取裝置100，利用小波熵優化單元20對母小波進行優化，使得優化后的母小波為與待提取的呼吸信號的特征最匹配的小波，從而當利用優化后的母小波對心電信號進行呼吸信號的提取時，可保證提取得到的呼吸信號具有較高的真實度和精確度，進而保證計算得到的呼吸率的準確度，從而為呼吸或生理監控提供準確的依據。以上所揭露的僅為本發明兩種較佳實施例而已，當然不能以此來限定本發明之權利范圍，本領域普通技術人員可以理解實現上述實施例的全部或部分流程，并依本發明權利要求所作的等同變化，仍屬于發明所涵蓋的范圍。本領域普通技術人員可以理解實現上述實施例方法中的全部或部分流程，是可以通過計算機程序來指令相關的硬件來完成，所述的程序可存儲于一計算機可讀取存儲介質中，該程序在執行時，可包括如上述各方法的實施例的流程。其中，所述的存儲介質可為磁碟、光盤、只讀存儲記憶體(Read-OnlyMemory，ROM)或隨機存儲記憶體(RandomAccessMemory，RAM)等。當前第1頁1 2 3