基于相空间重构与RBF网络的心冲击波补偿研究

在基于心冲击描记图的非接触式心率检测方法中，心冲击波的真实形态容易在体动发生时被掩盖。为解决无效信号给心跳点定位造成的阻碍，提出一种相空间重构与RBF神经网络结合的体动区间波形补偿模型。首先利用改进的C-C法选取合适的重构参数，并通过动态k-均值聚类确定网络拓扑结构，将动作发生前时间序列在重构空间中的相点作为学习样本输入到模型中，进而实现对无效信号段的单步递归预测。实验结果显示，该预测模型性能良好，能够减少原始信号中不规则噪声带来的影响，经模型修正后计算逐拍心动周期的平均误差为1.27%，平均绝对误差为8.9 ms，有效避免了心跳事件的误判。