在阿尔法稳定的噪声中通过对数式超标分离自适应算法提取胎儿心电图

科学领域:

• 生物医学工程
• 信号处理
• 孕产妇和胎儿医学

背景情况:

• 从母体腹部记录 (AECG) 直接提取胎儿心电图 (FECG) 是对胎儿健康评估至关重要的.
• 挑战包括低FECG振幅,与母体心电图 (MECG) 重叠,以及冲动性噪声干扰.
• 现有的自适应过 (AF) 方法与噪声作斗争,降低了FECG提取性能.

研究的目的:

• 开发一种新的适应性过算法,以实现强大的FECG提取.
• 解决当前对焦技术在杂环境中的局限性
• 提高FECG信号处理对母胎监测的准确性和可靠性.

主要方法:

• 提出了一种使用非线性对数超标切数 (LHS) 成本函数的新型AF算法.
• 使用阿尔法稳定分布来模拟现实的冲动噪声.
• 开发了改进的对数超标切数自适应过 (ILHSAF) 算法,用于参数优化.
• 使用LHS函数的线性间隔来保存FECG信息.

主要成果:

• 与现有的合成 (FECGSYN) 和现实数据集 (Daisy,NI-FECG) 的AF算法相比,ILHSAF算法表现出更高的性能.
• 取得了令人称赞的R峰探测和全波分析准确性.
• 在从AECG信号中提取FECG时展示了有效的消噪能力和稳定性.

结论:

• ILHSAF算法在FECG提取中提供了显著的进步,特别是在冲动噪声的情况下.
• 它的实时操作能力支持使用便携式设备进行长期孕产妇和胎儿监测.
• 这种方法增加了对胎儿健康状况的非侵入性持续评估的可能性.