РЕКУРРЕНТНЫЙ АЛГОРИТМ ОПРЕДЕЛЕНИЯ ОБЪЕМА ДАННЫХ ПРИ ПРОВЕДЕНИИ СТАТИСТИЧЕСКОГО ОЦЕНИВАНИЯ ПАРАМЕТРОВ СИГНАЛА С ДЫХАТЕЛЬНОЙ СИСТЕМЫ ПАЦИЕНТА

Рассмотрен алгоритм, обеспечивающий динамическое регулирование объема данных при проведении оценивания статистических параметров сигнала для выделения начала инспираторной и экспираторной активности в аппаратуре тренажерного воздействия.

Тренажеры дыхательной мускулатуры делятся на три типа: дроссельный, с водяным затвором и с кратковременным пиковым сопротивлением в начале вдоха и выдоха (релейный) [1, 2]. Анализ показывает, что существующие модели не учитывают изменение состояния человека, а также процессы взаимодействия, происходящие в биотехнической системе «тренажер - пациент». Большинство медицинских показаний требует высокой точности настройки исходных параметров и синхронизации работы аппаратуры и пациента. Несоответствие этим требованиям значительно ограничивает область применения ДТ.

Одним из блоков, обеспечивающих настройку входных параметров системы и влияющих на точность синхронизации, является обнаружитель начала инспираторной и экспираторной активности [2], работающий при реализации режимов релейного, дроссельного и сочетанного воздействий.

Распознавание начала и окончания дыхательной активности обычно осуществляется по заданной величине давления Pз (пороговый принцип обнаружения). При фиксированном давлении (Pз) из-за шумов (см. рисунок) наблюдается запаздывание ( D1 = t2 - t1, D2 = t4 - t3 ) в определении начала вдоха ( t1 ) и выдоха ( t4 ), а при слабом дыхании принятие решения приходится уже почти на середину дыхательного цикла, что приводит к значительной десинхронизации работы тренажера и дыхания пациента.

Поэтому, для выработки критерия принятия решения (установление порогового значения давления) получен алгоритм работы [2], основанный на современной теории статистических решений и учитывающий закон распределения и измеренные в процессе автоматической настройки системы параметры полезного сигнала и шума [2].

При обеспечении адаптации тренажера дыхательной мускулатуры [1] к дыханию пациента производится статистическое оценивание контролируемых параметров в реальном времени (в одном темпе с поступлением данных). В соответствии с полученными данными принимается решение о начале инспираторной активности и формируется управляющее воздействие.

Существенное влияние на точность текущих оценок состояния дыхательной системы оказывает объем данных, используемых для вычисления,  увеличение которых при поступлении очередного наблюдения обеспечивает сходимость состоятельных оценок с ростом числа наблюдений при условии неизменности модельных предположений на неограниченном интервале времени. Невыполнение этого условия для систем мониторинга и контроля проведения воздействия на тренажерах дыхательной мускулатуры может привести к существенному искажению (расходимости) оценок. Типичными нарушениями модельных предположений являются скачкообразные изменения (скачки) давления в контуре измерения. Отслеживание скачков обеспечивают методы оценивания [2], в которых старые наблюдения постепенно исключаются из рассмотрения (забываются), как, например, при оценивании по скользящей выборке.

С увеличением объема данных (увеличением объема скользящей выборки или уменьшением постоянных экспоненциального сглаживания), с одной стороны, уменьшаются статистические погрешности оценок, имеющие место при отсутствии изменений параметров, но, с другой стороны, замедляется отслеживание скачков параметров и, соответственно, возрастают ошибки смещения в процессе этого отслеживания

Точность оценивания при отслеживании скачков давления в дыхательном контуре можно существенно повысить за счет регулирования объема данных. Общий принцип такого регулирования заключается в увеличении объема данных при неизменных значениях оцениваемых параметров и уменьшении объема данных при изменении этих параметров. Обычно для обнаружения скачков параметров, оцениваемых методом наименьших квадратов по скользящей выборке, используется  χ2 – критерий. В методах экспоненциального сглаживания с адаптивным выбором постоянных применяется следящий сигнал, характеризующий ошибки смещения.

Наиболее эффективное обнаружение скачков параметров может быть реализовано на основе методов обнаружения изменения свойств (разладки) случайных процессов. Пусть по наблюдениям случайной последовательности x(t) (давление в дыхательном контуре), где t – текущий момент времени (t = 1,2,…), оценивается вектор θ параметров q j ; (j = 1,…,n). Текущие оценки q* ( t ) параметров определяются по данным объема N(t). В случае оценивания по скользящей выборке величина N(t) представляет собой объем этой выборки. При экспоненциальном сглаживании величина N(t) может быть определена как некоторый эквивалентный объем данных, обратно пропорциональный постоянным экспоненциального сглаживания.

Регулирование объема данных согласно предлагаемому алгоритму осуществляется на основе:

1)   обнаружения скачков оцениваемых параметров в одном темпе с поступлением данных;

2)   оценивания момента времени, когда обнаруженный скачок произошел.

Рассмотренный алгоритм определения объема данных может применяться в биотехнических системах, работающих в режиме реального времени. При этом возрастает точность оценок параметров входного сигнала, что обеспечивает более эффективную работу системы принятия решений. Данный алгоритм нашел применение в биотехническом комплексе тренажерного воздействия на дыхательную систему человека при выделении начала вдоха с учетом параметров распределения шума каждого пациента.

Список литературы

1.     Ивахно Н.В. Обобщенная структура комплексов интеллектуального тренажерного воздействия на дыхательную систему //Известия Тульского государственного университета. Серия. Технические науки. 2014. №11 (81). С. 110–114.

2.     Ивахно Н.В., Федоров С.С. Принцип построения математической модели процесса обработки сигналов при распознавании дыхательной активности в системах   интеллектуального тренажерного воздействия. //Биотехносфера. 2014. №5 (35). С.19-22.