基于能量聚焦的高斯窗重分配优化及其在心血管信号非平稳谱与相干性分析中的应用

　　本文提出一种基于粒子群优化（PSO）算法的高斯窗重分配时频分析技术（OptGWRS），用于提升非平稳心血管信号的时频分辨率和能量集中度。该方法在合成信号与真实数据（如心率变异性HRV、呼吸信号RESP、动脉血压变异性SABPV/APIV）中均表现出优越性能，显著提高了非平稳谱相干性（NSSC）分析的精度，为揭示老年与年轻群体心血管调控机制的差异提供了新视角。

　　

Section snippets

Database

本研究使用的数据库来源于公开的PhysioNet ATM数据库，心功能正常受试者数据来自Fantasia数据库。数据集共包含40名受试者，分为两组：20名21-34岁年轻（yng）患者和20名68-85岁老年（eldy）患者，采样频率为250 Hz。本研究选取每段数据300秒（5分钟）时长，总计75,000个样本。

Synthetic test signals/ experimental results

本文采用与心血管信号频率范围高度吻合的合成信号（参见文献[11]、[32]和[12]）。研究对多种时频分析方法进行了性能测试，包括短时傅里叶变换（STFT）、优化自适应修正Stockwell变换（OptADMST）、同步挤压变换（SST）、同步提取变换（SET）、重分配方法（RS）以及本文提出的OptGWRS方法。六种时频分析技术的数学表达式如表2所示。为评估这六种方法的有效性，我们生成了三种合成信号……（注：此处因原文未提供完整合成信号描述而省略具体内容）

Discussion

STFT、OptADMST、SST、SET、RS和OptGWRS技术被用于评估心血管（CAV）信号的非平稳谱相干性（NSSC）。合成信号S₁(t)、S₂(t)和S₃(t)被建模以模拟真实心血管信号。为评估所提出技术的有效性，首先通过能量集中度量和Renyi熵值分析了这些合成信号。还通过引入0 dB和5 dB加性高斯白噪声（AWGN）测量了鲁棒性。在此条件下，OptGWRS技术表现出更优性能……（注：此处因原文未提供完整讨论内容而省略具体结论）

Conclusion and future work

本文提出了一种基于PSO算法优化的高斯窗重分配技术（OptGWRS），可在时频域提供更清晰的表征。在合成数据和真实数据上对六种时频分析方法（STFT、OptADMST、SST、SET、RS和OptGWRS）进行的实验表明，所提出的OptGWRS方法在瞬时频率估计方面非常有效，能够捕捉这些频率快速变化的非平稳信号的突变。仿真结果表明……（注：此处因原文未提供完整结论而省略具体内容）