趙呂晨， 吳 薇， 曾憲奕， 王高峰

(1.江南大學(xué) 物聯(lián)網(wǎng)工程學(xué)院，江蘇 無錫 214122;2.杭州電子科技大學(xué) 電子信息學(xué)院，浙江 杭州 310018； 3.法國(guó)國(guó)立紡織工藝學(xué)院，法國(guó) 魯貝 59100)

?

基于多加速度傳感器的胎動(dòng)信號(hào)檢測(cè)方法*

趙呂晨1， 吳 薇2， 曾憲奕3， 王高峰2

(1.江南大學(xué) 物聯(lián)網(wǎng)工程學(xué)院，江蘇 無錫 214122;2.杭州電子科技大學(xué) 電子信息學(xué)院，浙江 杭州 310018； 3.法國(guó)國(guó)立紡織工藝學(xué)院，法國(guó) 魯貝 59100)

針對(duì)檢測(cè)胎兒重要生理指標(biāo)胎動(dòng)信號(hào)的問題，提出了一種基于多加速度傳感器的利用多種特征檢測(cè)胎動(dòng)的方法。采用帶通濾波器和小波去噪對(duì)信號(hào)進(jìn)行預(yù)處理;利用平滑Wigner-Ville分布(WVD)分析提取胎動(dòng)信號(hào)的時(shí)域和時(shí)頻域分布特征，引入了胎動(dòng)信號(hào)分布在時(shí)頻域的區(qū)域數(shù)量特征，采用基于Gabor字典和MP的方法提取該特征。根據(jù)所提取的特征，建立胎動(dòng)信號(hào)的數(shù)學(xué)模型，實(shí)現(xiàn)了相應(yīng)分類器。仿真結(jié)果顯示：該算法具有較高的識(shí)別率和可靠性。

胎動(dòng)檢測(cè)； 加速度傳感器； 平滑Wigner-Ville分布

0 引 言

胎動(dòng)是檢測(cè)胎兒是否健康成長(zhǎng)的重要臨床指標(biāo)[1]。目前檢測(cè)胎動(dòng)多采用超聲波成像和孕婦自己對(duì)胎動(dòng)計(jì)數(shù)這兩種方法。但是超聲波成像需要在醫(yī)生的輔助下進(jìn)行，而孕婦自己計(jì)數(shù)則準(zhǔn)確性不足。針對(duì)本問題，文獻(xiàn)[2]和文獻(xiàn)[3]采用電壓和包絡(luò)能量閾值作為識(shí)別胎動(dòng)的依據(jù)，簡(jiǎn)單快捷，但不能較好地識(shí)別母親偽動(dòng)和胎動(dòng)信號(hào)。文獻(xiàn)[4]提出了一種采用BP神經(jīng)網(wǎng)絡(luò)識(shí)別胎動(dòng)加速度信號(hào)的方法，識(shí)別效果高度依賴于訓(xùn)練樣本的選取。

本文提出了一種基于多加速度傳感器利用多特征識(shí)別胎動(dòng)的方法。該方法通過特制的托腹帶采集多個(gè)位置的胎兒加速度數(shù)據(jù)，提取胎動(dòng)信號(hào)的時(shí)頻域特征，識(shí)別胎動(dòng)信號(hào)。仿真實(shí)驗(yàn)表明,該算法有較高的識(shí)別率和準(zhǔn)確率。

1 胎動(dòng)信號(hào)識(shí)別

1.1 胎動(dòng)信號(hào)預(yù)處理

原始信號(hào)中包含大量環(huán)境噪聲和母體的偽動(dòng)信號(hào)。據(jù)醫(yī)學(xué)經(jīng)驗(yàn)和觀察，胎動(dòng)信號(hào)主要集中在3.5～20 Hz頻率范圍。本文采用基于Hamming窗的帶通濾波器和基于sym3小波基的軟硬閾值結(jié)合的小波去噪方法對(duì)信號(hào)進(jìn)行預(yù)處理，較好地濾除了干擾信號(hào)[5]。

1.2 胎動(dòng)信號(hào)特征提取

本文采用標(biāo)準(zhǔn)差、能量、最大偏移、峰度和信號(hào)分布在時(shí)頻域區(qū)域數(shù)量作為胎動(dòng)信號(hào)特征。最大偏移定義為

A=MAX(X)-MIN(X)

(1)

式中 X為樣本點(diǎn)。根據(jù)醫(yī)學(xué)經(jīng)驗(yàn)和觀察，真實(shí)胎動(dòng)信號(hào)的最大偏移小于0.08 gn(重力加速度,1 gn=9.81m/s2)大于0.015 gn，原始信號(hào)如圖1中箭頭所示為母體偽動(dòng)信號(hào)。

圖1 原始信號(hào)中最大偏移Fig 1 The maximum offset in raw signal

有界信號(hào)的能量定義為序列各樣點(diǎn)值的平方和為

(2)

式中 X為采樣點(diǎn)，N為樣本數(shù)。能量信號(hào)能有效地對(duì)如圖1中虛線箭頭所示的胎動(dòng)信號(hào)響應(yīng)，如圖2中箭頭所示。

圖2 能量特征響應(yīng)Fig 2 Energy characteristics response

標(biāo)準(zhǔn)差的定義

(3)

峰度的定義如公式(4)所示

(4)

圖3 標(biāo)準(zhǔn)差響應(yīng)Fig 3 Standard devitation response

峰度表示信號(hào)在尖峰處的陡峭程度。由于胎動(dòng)信號(hào)呈尖峰狀，可利用該特征響應(yīng)如圖1中點(diǎn)線箭頭所示的含有高能量背景噪聲的弱胎動(dòng)信號(hào)，如圖4實(shí)線箭頭所示。但峰度會(huì)響應(yīng)具有尖峰信號(hào)的背景噪聲，造成誤識(shí)，如圖4虛線箭頭所示。這需要參照標(biāo)準(zhǔn)差特征或是否有多個(gè)軸同樣出現(xiàn)峰度響應(yīng)進(jìn)行甄別。

圖4 胎動(dòng)信號(hào)時(shí)域特征Fig 4 Time domain features of fetal movement signal

胎動(dòng)信號(hào)分布在時(shí)頻域區(qū)域數(shù)量特征采用平滑WVD分布進(jìn)行時(shí)頻分析獲取。平滑Wigner-Ville分布(WVD)定義為

(5)

式中 對(duì)稱模糊函數(shù)Αz(ν,τ)定義為

(6)

核函數(shù)g(ν,τ)采用修正B分布定義為

(7)

對(duì)胎動(dòng)信號(hào)進(jìn)行平滑WVD時(shí)頻分析，如圖5和圖6。在采集數(shù)據(jù)過程中傳感器緊貼在母親的腹部，當(dāng)母親做出近似胎動(dòng)幅度的動(dòng)作時(shí)，持續(xù)時(shí)間相比胎兒較長(zhǎng)，加速度數(shù)據(jù)呈現(xiàn)出一定的震蕩現(xiàn)象，在時(shí)頻域中會(huì)出現(xiàn)多個(gè)區(qū)域，如圖5。

圖5 偽動(dòng)信號(hào)時(shí)頻域分布Fig 5 Maternal movements signal distribution in TF domain

而胎兒的動(dòng)作較為短促，分布在時(shí)頻域中的區(qū)域數(shù)量較少，各區(qū)域獨(dú)立性較高，如圖6。根據(jù)觀察和數(shù)據(jù)記錄，胎動(dòng)信號(hào)分布在時(shí)頻域的獨(dú)立區(qū)域數(shù)量小于等于3個(gè)，而母親的偽動(dòng)信號(hào)分布在時(shí)頻域的區(qū)域數(shù)量在4～6個(gè)之間，可根據(jù)此特征識(shí)別胎動(dòng)信號(hào)。

圖6 胎動(dòng)信號(hào)時(shí)頻域分布Fig 6 Fetal movements signal distribution in TF domain

本文采用基于Gabor字典[7]和MP(matching pursuit)方法[8]的信號(hào)分解方法提取胎動(dòng)信號(hào)分布在時(shí)頻域的區(qū)域數(shù)量特征。算法描述如下

1)構(gòu)建Gabor字典D={dγ1,dγ2,…,dγn};

3)do

圖7 一次迭代后時(shí)頻域分布Fig 7 TF-domain distribution after one iteration

胎動(dòng)信號(hào)整體流程如圖8所示，根據(jù)提取特征設(shè)計(jì)的分類器如圖9所示，其中的閾值是根據(jù)多次實(shí)驗(yàn)和醫(yī)學(xué)經(jīng)驗(yàn)選取的，為了便于計(jì)算，能量閾值中信號(hào)單位為mgn(重力加速度,1 mgn=9.81 mm/s2)。

圖8 胎動(dòng)信號(hào)識(shí)別框架圖Fig 8 Frame of fetal movement signal identification

分類器輸入長(zhǎng)度為128采樣點(diǎn)的24道數(shù)據(jù)。24道數(shù)據(jù)依次輸入識(shí)別器，每一道數(shù)據(jù)得到一個(gè)值，24道數(shù)據(jù)的和大于等于1表明當(dāng)前窗口檢測(cè)到胎動(dòng)信號(hào)，并輸出1;否則,輸出0。

圖9 分類器Fig 9 Classifer

2 實(shí)驗(yàn)驗(yàn)證和分析

2.1 數(shù)據(jù)采集

本文實(shí)現(xiàn)了兩個(gè)基于飛思卡爾MKW2xD芯片和MMA8451加速度傳感器的數(shù)據(jù)采集原型機(jī)。每個(gè)原型機(jī)連接4只加速度傳感器，采用50 Hz的采樣率，以Matlab 8.3.3作為實(shí)驗(yàn)仿真平臺(tái)。

實(shí)驗(yàn)團(tuán)隊(duì)采集了多位志愿者的750例數(shù)據(jù)，所有孕婦采用半臥位，由助產(chǎn)醫(yī)師記錄胎動(dòng)數(shù)據(jù)，孕婦的一切動(dòng)作，例如：笑、講話、咳嗽、打嗝等都會(huì)被記錄，作為分析和消除母體偽動(dòng)信號(hào)的重要根據(jù)。

2.2 仿真結(jié)果分析

根據(jù)助產(chǎn)醫(yī)師的分析和記錄，750段數(shù)據(jù)中共有94段數(shù)據(jù)包含胎動(dòng)信號(hào)，占比12.53 %。本文主要考察識(shí)別率和正確率兩個(gè)指標(biāo)來評(píng)判分類器的準(zhǔn)確性，識(shí)別率和正確率定義為

(8)

(9)

本文和BP神經(jīng)網(wǎng)絡(luò)方法的仿真結(jié)果如表1所示，94例胎動(dòng)數(shù)據(jù)，分類器識(shí)別出了87例，識(shí)別率達(dá)到了92.55 %，誤識(shí)了4例，正確率達(dá)到了95.60 %。該算法識(shí)別率略高于BP神經(jīng)網(wǎng)絡(luò)，但正確率得到了較大提升。

本算法正確率高于BP神經(jīng)網(wǎng)絡(luò)是因?yàn)楸舅惴ㄌ崛×颂?dòng)信號(hào)在時(shí)域和時(shí)頻域的分布特征，建立了相應(yīng)的數(shù)學(xué)模型，相比于將信號(hào)作為整體輸入BP神經(jīng)網(wǎng)絡(luò)精確度較高，同時(shí)也避免了BP神經(jīng)網(wǎng)絡(luò)對(duì)大量訓(xùn)練樣本的依賴。

表1 94例胎動(dòng)信號(hào)的識(shí)別結(jié)果

3 結(jié)束語(yǔ)

針對(duì)目前胎動(dòng)檢測(cè)方法存在的弊端，本文提出了一種基于加速度傳感器的利用多特征檢測(cè)胎動(dòng)的方法。采集了多組孕婦的胎動(dòng)加速度數(shù)據(jù)，分析了原始信號(hào)中低頻和高頻噪聲特征，對(duì)信號(hào)進(jìn)行預(yù)處理，根據(jù)所提取的胎動(dòng)信號(hào)特征設(shè)計(jì)分類器。實(shí)驗(yàn)結(jié)果表明:該分類器的平均識(shí)別率達(dá)到了92.55 %，平均正確率達(dá)到了95.60 %，能較為有效、可靠地識(shí)別胎動(dòng)信號(hào)。

在此同時(shí)需要對(duì)三軸之間加速度數(shù)據(jù)關(guān)系做更深入地研究，挖掘新的特征和算法，進(jìn)一步的提高識(shí)別率和正確率。

[1] O’Sullivan O,Stephen G E. Predicting poor perinatal outcome in women who present with decreased fetal movements[J].Journal of Obstetrics & Gynaecology,2009,29(8):705-710.

[2] 王薇薇,楊 琳,白 駿,等.一種陣列式胎動(dòng)信號(hào)及子宮收縮信號(hào)監(jiān)測(cè)腹帶[J].北京生物醫(yī)學(xué)工程,2012(5):511-517.

[3] 崔建國(guó),張雅雅.具有胎音監(jiān)護(hù)、胎動(dòng)檢測(cè)及胎動(dòng)軌跡誘導(dǎo)功能的可穿戴式胎教腹帶系統(tǒng):中國(guó),201410534190.5[P].2015—01—24.

[4] 薛艷明,張 元,呂運(yùn)朋,等.小波變換提取的胎動(dòng)信號(hào)的神經(jīng)網(wǎng)絡(luò)識(shí)別[J].數(shù)據(jù)采集與處理,2001,16(3):295-298.

[5] 黃新安,葛高發(fā).一種改進(jìn)的胎心率檢測(cè)算法[J].計(jì)算機(jī)仿真,2015,32(10):374-377.

[6] Boashash B,Ben-Jabeur T.Design of a high-resolution separable-kernel quadratic TFD for improving newborn health outcomes using fetal movement detection[C]∥2012 The 11th International Conference on Information Science, Signal Processing and Their Applications(ISSPA),IEEE,2012:354-359.

[7] 周忠根,孔令華.Gabor和Chirplet字典中的子空間匹配追蹤算法對(duì)比[J].昆明理工大學(xué)學(xué)報(bào)：理工版,2010,35(3):89-92.

[8] Mallat S G,Zhang Z.Matching pursuits with time-frequency dictionaries[J].IEEE Transactions on Signal Processing,1993,41(12):3397-3415.

趙呂晨(1991-), 男, 河北邯鄲人, 碩士研究生, 主要研究方向?yàn)樯镝t(yī)學(xué)信號(hào)處理。

Fetal movement signal detection method based on multi-acceleration sensor*

ZHAO Lü-chen1， WU Wei2， ZENG Xian-yi3， WANG Gao-feng2

(1.School of Internet of Things Engineering,Jiangnan University,Wuxi 214122,China；2.School of Electronic Information,Hangzhou Dianzi University,Hangzhou 310018,China；3.école Nationale Supérieure des Arts et Industries Textiles,Roubaix 59100,France)

A fetal movement detection method with multi-features based on multi-acceleration sensor is proposed aiming at monitoring the fetal health indicators.A FIR band-pass filter and wavelet denoising are used to pre-process the signal;smoothed Wigner-Ville distribution(WVD)is used to analyze and extract features of time domain on fetal movements as well as the distribution in the time-frequency(TF)domain.The number of the areas in the TF domain is imported as the most important recognition feature,extracted by Gabor dictionary and Matching pursuit(MP).A model predicting fetal movements is built up with these features.The simulation results show that the algorithm has high recognition rate and reliability.

fetal movement detection; acceleration sensor; smoothed Wigner-Ville distribution(WVD)

10.13873/J.1000—9787(2016)12—0020—04

2016—01—27

國(guó)家自然科學(xué)基金國(guó)際(地區(qū))合作與交流資助項(xiàng)目(61411136003)

TP 391

A

1000—9787(2016)12—0020—04