基于PFastICA的房顫信號(hào)盲源分離.pdf

1、隨著人們生活和工作壓力的不斷增大，人類的健康狀況出現(xiàn)了各種各樣的問題，心臟病也成為威脅人們身體健康的一種常見疾病。心房顫動(dòng)（atrial fibrillation，AF）簡(jiǎn)稱房顫，是目前臨床中最常見的一種心律不齊心臟疾病，在普通的人群中，AF的發(fā)病率為0.4％到1.0％，并且發(fā)病率隨著人群年齡的增大而升高。在心臟病患者中，AF患者的死亡率是其他患者的2倍，對(duì)于AF患者的診斷和治療已經(jīng)成為當(dāng)今國(guó)際心電生理研究的難點(diǎn)和熱點(diǎn)。
　　

2、體表心電信號(hào)(electrocardiogram，ECG)作為一種醫(yī)生用來判斷是否發(fā)生AF的依據(jù)，在AF疾病的診斷和治療中起著重要的作用。從AF疾病患者的ECG中提取出心房顫動(dòng)信號(hào)，可以方便醫(yī)生及時(shí)判斷患者是否發(fā)生了心房顫動(dòng)，并能夠協(xié)助醫(yī)生診斷出患者所忠心房顫動(dòng)的類型。但是心電信號(hào)中的房顫信號(hào)會(huì)受到很多信號(hào)的干擾，比如占據(jù)心電信號(hào)大部分能量的QRST波群和高斯噪聲，這寫都給房顫信號(hào)的提取帶來了不便。本文就是針對(duì)目前在房顫信號(hào)提取算法中存

3、在的一些不足，對(duì)現(xiàn)有的算法進(jìn)行了改進(jìn)，并提出了一種新的算法。
　　 獨(dú)立分量分析(independent component analysis，ICA)方法是一種信源分解技術(shù)，它是解決盲源分離(blind source separation，BSS)問題的一個(gè)有效手段。該分析方法在生物醫(yī)學(xué)信號(hào)處理、語(yǔ)音識(shí)別、導(dǎo)航、通訊、地質(zhì)信號(hào)等領(lǐng)域均有重要的應(yīng)用。ICA是將觀測(cè)到的信號(hào)按照統(tǒng)計(jì)獨(dú)立的原則通過優(yōu)化算法分解為若干獨(dú)立的信號(hào)成分。在

4、ECG中，由于心房波和心室波分別是由心房和心室活動(dòng)產(chǎn)生的，因此，這兩種信號(hào)可以認(rèn)為是統(tǒng)計(jì)獨(dú)立的。本文從這個(gè)觀點(diǎn)出發(fā)，將ICA應(yīng)用到AF信號(hào)的提取中。
　　 本文對(duì)房顫的產(chǎn)生機(jī)理和ICA的基礎(chǔ)進(jìn)行了深入分析，并在快速獨(dú)立分量分析的基礎(chǔ)上結(jié)合Pearson數(shù)學(xué)模型，提出了一種新的算法-PFastICA，該算法比傳統(tǒng)的快速獨(dú)立分量分析方法在提取信號(hào)的精確度上有所提高。將PFastICA算法應(yīng)用于房顫信號(hào)的提取，實(shí)驗(yàn)證明，該算法比常用的