基于小波分析的心電信號(hào)分類研究.pdf

1、心律失常在人們的生活中比較尋常，心律失常的發(fā)生可能會(huì)對(duì)人的生命造成影響，因此，為了預(yù)防心律失常的發(fā)生，我們必須更加準(zhǔn)確和及時(shí)的對(duì)心律失常進(jìn)行檢測(cè)。
　　近年來，利用計(jì)算機(jī)對(duì)心律失常進(jìn)行自動(dòng)處理已成趨勢(shì)，但是由于心電信號(hào)的電流微小，受到的干擾較多，同時(shí)，由于個(gè)人的區(qū)別和心律失常分類的規(guī)則不統(tǒng)一等緣故，計(jì)算機(jī)對(duì)心臟的診斷至今難以滿足醫(yī)院的需求。本文針對(duì)這一狀況，在前人的基礎(chǔ)上對(duì)常見的六種心律失常進(jìn)行識(shí)別，主要的工作如下:
　　心

2、電信號(hào)預(yù)處理:使用小波變換的分解重構(gòu)法去除信號(hào)中的基線漂移，使用小波變換的閥值法去除高頻肌電干擾和工頻干擾，本文結(jié)合小波變換的分解重構(gòu)法和小波變換的閥值法既可以消除信號(hào)中的主要噪聲干擾，又可以避免有用成分丟失。通過美國麻省理工學(xué)院和貝絲以色列醫(yī)院(Massachusettes Institute of Technology and Beth IsraelHospital，MIT-BIH)心律失常數(shù)據(jù)庫中的數(shù)據(jù)仿真可知，達(dá)到了較好的效果。

3、
　　心電信號(hào)QRS波群的檢測(cè):針對(duì)目前的Mexican-hat小波檢測(cè)法，由于心律失常的影響，容易造成低幅R波漏檢，同時(shí)由于高大P波、T波和高頻噪聲的影響，容易造成R波誤檢，因此，本文采用連續(xù)小波變換和多種策略的方法來檢測(cè)QRS波群，通過MIT-BIH數(shù)據(jù)庫仿真，檢測(cè)正確率達(dá)99.50％。
　　心電特征參數(shù)的提取與選擇:由于傳統(tǒng)的特征提取只考慮時(shí)域特征，其具有一定片面性，不足以反映心電信號(hào)的本質(zhì)，為了更加準(zhǔn)確的反映心電信號(hào)

4、的本質(zhì)特征，本文綜合采用時(shí)域特征和小波域特征作為心電信號(hào)的特征向量，時(shí)域上提取了RR1、RR2、QRS波寬和心率變異性(Heart rate variability，HRV)四個(gè)特征，小波域上提取了第四層尺度信號(hào)，第四層小波信號(hào)和第三層小波信號(hào)，然后對(duì)特征向量進(jìn)行了優(yōu)化，為后續(xù)分類奠定了良好的基礎(chǔ)。
　　心律失常的分類:設(shè)計(jì)一種支持向量機(jī)(Library for SupportVector Machines，LIBSVM)分類器，