基于ICA和EMD的生理信号提取

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (6): 167-171.

基于ICA和EMD的生理信号提取

张言飞，欧阳健飞，姚丽峰

天津大学精密测试技术及仪器国家重点实验室，天津 300072

出版日期:2016-03-15 发布日期:2016-03-17

Physiological signals extraction based on ICA and EMD

ZHANG Yanfei, OUYANG Jianfei, YAO Lifeng

State Key Lab of Precision Measuring Technology and Instruments, Tianjin University, Tianjin 300072, China

Online:2016-03-15 Published:2016-03-17

摘要/Abstract

摘要： 提出一种新的获取人体生理参数的方法，用摄像头采集人脸的彩色视频，对人脸区域进行颜色通道分离和独立成分分析（ICA），获取有用信号。使用经验模态分解（EMD）的方法，把信号分解成可以反映出生命信息的固有模态函数（IMF），再根据所设计的提取准则，分别提取出较为准确的心跳和呼吸信号。用Bland-Altman法进行对比实验分析，结果表明，此方法具有一定的准确性和实用性。

关键词: 生理信号, 独立成分分析, 经验模态分解, 信号提取

Abstract: A new method for obtaining human physiological parameters is proposed. Useful signal is obtained from the color video of human face by color channels separation of face region and Independent Component Analysis（ICA）. Then Empirical Mode Decomposition（EMD） method is used to decompose the signal into Intrinsic Mode Functions（IMFs） that can reflect the life information. According to the criterion of extraction, accurate heartbeat and respiration signals can be extracted from the IMFs. Bland-Altman method is applied to analyzing the experimental data. The results show that, this method is of practicability and veracity.

Key words: physiological parameters, Independent Component Analysis（ICA）, Empirical Mode Decomposition（EMD）, signal extraction

张言飞，欧阳健飞，姚丽峰. 基于ICA和EMD的生理信号提取[J]. 计算机工程与应用, 2016, 52(6): 167-171.

ZHANG Yanfei, OUYANG Jianfei, YAO Lifeng. Physiological signals extraction based on ICA and EMD[J]. Computer Engineering and Applications, 2016, 52(6): 167-171.

[1]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[2]	姚洪刚，沐年国. EMD-LSTM模型对金融时间序列的预测[J]. 计算机工程与应用, 2021, 57(5): 239-244.
[3]	易灵芝，王仕通，易芳，邓栋，易志敏，姜鹏. 基于EEMDSE-ILSTM的风电场超短期风速预测[J]. 计算机工程与应用, 2021, 57(22): 288-294.
[4]	李广安，曹岩，岳晓新. 基于BEEMD分解的红外与可见光图像融合[J]. 计算机工程与应用, 2021, 57(14): 237-244.
[5]	车敏诗，聂春燕，杨承金，阮新磊，范如俊. 基于灰色关联法的生理信号与情绪关联度研究[J]. 计算机工程与应用, 2021, 57(11): 168-172.
[6]	马倩茹，冶继民. FastICA算法的收敛性与一致性分析[J]. 计算机工程与应用, 2020, 56(2): 35-41.
[7]	杨航，朱永利. 基于Storm的局部放电信号集合经验模态分解[J]. 计算机工程与应用, 2020, 56(10): 261-267.
[8]	胡建平1，李玲1，谢琪1，2，李鑫1. 多通道图像EMD及应用[J]. 计算机工程与应用, 2019, 55(5): 211-218.
[9]	邓辉，罗倩，王岩. 基于IMF能量矩和Bayes-LSSVM的滚动轴承诊断[J]. 计算机工程与应用, 2019, 55(17): 156-161.
[10]	颜宏文，卢格宇. CEEMD-WT和CNN在短期风速预测中的应用研究[J]. 计算机工程与应用, 2018, 54(9): 224-230.
[11]	李佳庆1，李海芳1，白一帆1，阴桂梅2，孙丽婷1. 脑电信号中眼电伪迹自动识别与去除方法研究[J]. 计算机工程与应用, 2018, 54(13): 148-152.
[12]	郭瑞，樊亚敏. 极限学习机延拓的BS-EMD端点效应抑制算法及应用[J]. 计算机工程与应用, 2017, 53(7): 256-262.
[13]	孙堂乐，李国辉. EEMD与RBF神经网络的太阳黑子月均值预测[J]. 计算机工程与应用, 2017, 53(24): 252-256.
[14]	杨博楠1，张智军1，肖冰松1，江良英2. 基于EMD阈值算法的脉冲涡流信号消噪[J]. 计算机工程与应用, 2017, 53(2): 260-264.
[15]	谭洋波，程进军，刘帅. 基于EMD与邻域粗糙集的液体电磁阀故障诊断[J]. 计算机工程与应用, 2017, 53(12): 255-260.