心電信號特征提取及心律失常分類算法研究.pdf

1、近年來，隨著人們物質生活水平的提高，心血管疾病的發(fā)病率和死亡率逐年增加，并呈現(xiàn)出明顯的年輕化趨勢。而心血管疾病患者早期癥狀往往都伴隨著心律失?，F(xiàn)象，因此準確而及時的檢測出患者心律失常類型，對預防心血管疾病具有及其重要的意義。
　　心律失常分類技術是心電信號自動分析領域的重點研究內(nèi)容，但由于其心電信號個體差異和易受噪聲干擾的特點，要實現(xiàn)準確的特征提取及分類仍然存在一些難題?；诖?，本課題針對心電信號特征提取及心律失常的分類進行了研究

2、，本文的主要工作內(nèi)容如下:
　　1.心電信號預處理。本文分別針對心電信號中常見的低頻基線漂移噪聲及高頻干擾噪聲設計了中值濾波器及小波軟閾值濾波器，并通過實驗仿真驗證，選取合適的窗口長度及小波基，較好的保留了原始信號的波形特點。
　　2.心電信號特征提取。為了更加準確全面的表征心電信號的本質特征，本文提出了時域特征和變換域非線性特征相結合的方法。時域上通過經(jīng)驗模式分解和差分閾值相結合的方法提取了QRS波群特征點，選取了RR間期

3、，心率變異性及QRS波群時限長度作為時域特征向量。利用經(jīng)驗模式分解及近似熵相結合的方法，通過對其前六個本證模態(tài)函數(shù)近似熵的計算，得到了心電信號變換域非線性特征。將兩組特征融合作為分類特征向量集，為后續(xù)心電信號準確分類奠定基礎。
　　3.心律失常分類。綜合比較幾種常見分類器性能，選取對小樣本非線性分類問題具有絕對優(yōu)勢的支持向量機分類模型對正常心電及四種常見心律失常信號進行分類處理。并針對標準粒子群參數(shù)優(yōu)化算法在實際應用中易陷入局部最