人体呼吸信号的数据挖掘

生理信号中的呼吸信号是一类典型的时间序列信号，可以从移动设备检测到的心电信号中提取得到或者采用其它方式获取，对呼吸信号进行分析并挖掘其中的异常呼吸事件 对研究人体睡眠质量及其他心脑血管疾病有极大的帮助。

通常这一类信号的处理会包括两大类过程：

信号预处理

1、从原始信号中提取呼吸信号：

这一步因原始信号的不同而存在较大的差异，在此不做叙述

2、提取得到的呼吸信号的前处理：

通常为了后续做数据挖掘、信号检测的方便，需要对呼吸信号做一个前处理的过程。比如做抽样得到一定帧频的信号，这一步比较简单。而是对呼吸信号做归一化，在此对此步骤做一个简要的描述：

由于睡眠时身体位置的变化导致胸阻抗信号(下称呼吸信号)出现大幅度的波动，同时身体位置变化前与身体位置变化后的呼吸信号幅值具有较大的差异，为消除这种差异，方便后续通过结合幅值与排列熵算法发现呼吸暂停事件及其时长，同时更准确判定人体睡眠期间身体位置移动的次数，以期综合评价人体睡眠质量，有必要对呼吸信号进行适当的归一化处理。

比较通用的归一化方法包括全局归一化、加窗归一化，其基本思想为通过一段信号的极大值极小值进行线性映射，而一段呼吸信号的极大值极小值通常是身体位置移动造成的信号及噪声信号，因此该类归一化方法容易造成正常的呼吸信号在归一化后幅值过小、其细节无法展现的缺点。

论文^[1]结合加窗归一化及自适应信号处理提出了一种新的信号归一化方法，简述如下：

设经过滤波预处理后的信号S，对其加窗分段后S共由n段窗口长度为L的信号构成：