本文關(guān)鍵詞：面向智能終端的心電信號(hào)處理方法研究及實(shí)現(xiàn)

  更多相關(guān)文章： 心電信號(hào) 提升小波 去噪 R波檢測(cè) 智能終端

【摘要】：隨著我國經(jīng)濟(jì)的高速發(fā)展,人民生活的不斷提高,健康問題愈加受到人們的關(guān)注。同時(shí)科技的進(jìn)步、社會(huì)的發(fā)展,必將推動(dòng)醫(yī)療領(lǐng)域的變革。相比傳統(tǒng)的醫(yī)療設(shè)備,便攜式移動(dòng)醫(yī)療設(shè)備越來越受到人們的青睞和關(guān)注。便攜式移動(dòng)醫(yī)療設(shè)備具有智能化、小型化、操作簡單等特點(diǎn),能為人們提供適時(shí)、適地、無邊界的服務(wù),還能有效地緩解當(dāng)前醫(yī)療資源有限的問題。隨著智能終端在遠(yuǎn)程動(dòng)態(tài)心電醫(yī)療監(jiān)護(hù)上的使用,高精確度、高實(shí)時(shí)性及易實(shí)現(xiàn)等特點(diǎn)的心電信號(hào)(Electrocardiograph,ECG)處理算法顯得尤為重要。而對(duì)于心電信號(hào)的處理,其關(guān)鍵在于去噪處理及R波的檢測(cè)識(shí)別。因此本文針對(duì)心電信號(hào)的去噪算法及心電信號(hào)的R波檢測(cè)識(shí)別進(jìn)行了重點(diǎn)研究,并在此基礎(chǔ)上進(jìn)行了改進(jìn),提出了改進(jìn)的去噪及R波檢測(cè)算法。本文完成的主要工作如下:1.對(duì)標(biāo)準(zhǔn)心電數(shù)據(jù)庫進(jìn)行分析說明,確定本文研究的心電數(shù)據(jù)庫(MIT-BIH數(shù)據(jù)庫)。2.在傳統(tǒng)的心電信號(hào)去噪算法分析的基礎(chǔ)上,本文重點(diǎn)研究了硬閾值、軟閾值及折中閾值的去噪方法,針對(duì)其不足進(jìn)行改進(jìn),與提升小波算法相結(jié)合,構(gòu)造了一種非線性冪閾值去噪算法。從MIT-BIH數(shù)據(jù)庫中分別選取了100號(hào)、103號(hào)等不同心電信號(hào),使用Matlab軟件,對(duì)本文改進(jìn)的去噪算法與傳統(tǒng)的去噪算法性能進(jìn)行對(duì)比分析。本文構(gòu)造的去噪算法的去噪性能明顯要優(yōu)于傳統(tǒng)的去噪算法,且該算法復(fù)雜度低,易于實(shí)現(xiàn),適合于智能終端心電信號(hào)的分析。3.在傳統(tǒng)的心電信號(hào)差分閾值R波檢測(cè)算法的基礎(chǔ)上,提出了改進(jìn)算法,對(duì)該算法的起始點(diǎn)位置及時(shí)間窗函數(shù)上進(jìn)行改進(jìn)。運(yùn)用該算法通過Matlab仿真表明,從MIT-BIH數(shù)據(jù)庫中選取15種不同的心電信號(hào)進(jìn)行30min長時(shí)間的R波檢測(cè),平均識(shí)別率可達(dá)到約99.69%;使用實(shí)際采集5min的心電數(shù)據(jù)進(jìn)行R波檢測(cè),識(shí)別率可達(dá)到100%。4.在智能終端(Android系統(tǒng))軟件的設(shè)計(jì)中,對(duì)心電信號(hào)的去噪和R波識(shí)別上采用本文改進(jìn)算法進(jìn)行實(shí)現(xiàn),該軟件能夠?qū)崟r(shí)反映被采集者的心電信號(hào)及相關(guān)特征信息并將用戶信息保存在設(shè)計(jì)的數(shù)據(jù)庫中。通過大量測(cè)試驗(yàn)證,在Matlab仿真環(huán)境下的R波檢測(cè)結(jié)果與智能終端環(huán)境下的R波檢測(cè)結(jié)果幾乎完全一致,證明了本文改進(jìn)后相關(guān)算法的有效性及可行性。通過大量實(shí)時(shí)的心電信號(hào)的采集驗(yàn)證,本文設(shè)計(jì)的智能終端心電信號(hào)分析軟件運(yùn)行良好。
【關(guān)鍵詞】：心電信號(hào) 提升小波 去噪 R波檢測(cè) 智能終端
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN911.7
【目錄】：

• 摘要3-5
• Abstract5-13
• 第1章 緒論13-21
• 1.1 課題研究背景13-14
• 1.2 課題研究現(xiàn)狀14-17
• 1.2.1 ECG信號(hào)監(jiān)護(hù)系統(tǒng)研究現(xiàn)狀14-15
• 1.2.2 基于智能終端ECG信號(hào)處理方法15-17
• 1.3 課題研究意義17-18
• 1.4 課題結(jié)構(gòu)及安排18-20
• 1.5 本章小結(jié)20-21
• 第2章 心電信號(hào)相關(guān)研究21-26
• 2.1 心電信號(hào)特點(diǎn)21-23
• 2.1.1 心電信號(hào)時(shí)域特點(diǎn)21-22
• 2.1.2 心電信號(hào)頻譜特點(diǎn)22-23
• 2.2 心電信號(hào)特征波分析23-24
• 2.3 常用標(biāo)準(zhǔn)心電數(shù)據(jù)庫24-25
• 2.4 本章小結(jié)25-26
• 第3章 基于提升小波非線性冪閾值去噪算法研究26-44
• 3.1 傳統(tǒng)的心電信號(hào)去噪算法26-33
• 3.1.1 心電信號(hào)小波濾波27-30
• 3.1.2 心電信號(hào)提升小波濾波30-31
• 3.1.3 數(shù)學(xué)形態(tài)學(xué)濾波31-33
• 3.2 基于提升小波非線性冪閾值函數(shù)構(gòu)造33-38
• 3.2.1 提升小波閾值去噪算法架構(gòu)33-35
• 3.2.2 非線性冪閾值函數(shù)構(gòu)造35-38
• 3.3 基于提升小波非線性冪閾值算法仿真分析38-43
• 3.4 本章小結(jié)43-44
• 第4章 改進(jìn)的差分閾值R波檢測(cè)算法研究44-59
• 4.1 傳統(tǒng)的QRS波檢測(cè)算法44-47
• 4.1.1 模板匹配法44
• 4.1.2 數(shù)學(xué)形態(tài)法44-45
• 4.1.3 差分閾值法45-47
• 4.2 改進(jìn)的差分閾值R波檢測(cè)算法47-51
• 4.2.1 改進(jìn)的差分閾值R波檢測(cè)算法架構(gòu)48-50
• 4.2.2 改進(jìn)的差分閾值R波檢測(cè)算法構(gòu)造50-51
• 4.3 改進(jìn)算法仿真分析51-55
• 4.4 改進(jìn)算法智能終端驗(yàn)證分析55-58
• 4.5 本章小結(jié)58-59
• 第5章 智能終端心電信號(hào)處理分析的實(shí)現(xiàn)59-70
• 5.1 智能終端ECG信號(hào)分析系統(tǒng)方案設(shè)計(jì)59-60
• 5.2 數(shù)據(jù)庫管理模塊60-63
• 5.3 心電信號(hào)處理模塊63-67
• 5.3.1 心電信號(hào)去噪63
• 5.3.2 實(shí)時(shí)波形顯示63-65
• 5.3.3 時(shí)間計(jì)時(shí)65
• 5.3.4 實(shí)時(shí)心率檢測(cè)65-66
• 5.3.5 心電信號(hào)相關(guān)參數(shù)及圖表生成66-67
• 5.4 系統(tǒng)幫助模塊67
• 5.5 實(shí)驗(yàn)結(jié)果測(cè)試及分析67-69
• 5.6 本章小結(jié)69-70
• 第6章 結(jié)論與展望70-72
• 6.1 論文結(jié)論70-71
• 6.2 論文后續(xù)研究及展望71-72
• 參考文獻(xiàn)72-77
• 致謝77-78
• 攻讀碩士期間從事的科研工作及取得的成果78

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王薔薇;孫朋;龐宇;林金朝;周前能;李章勇;王偉;冉鵬;;基于提升小波的心電信號(hào)R波檢測(cè)算法研究[J];生命科學(xué)儀器;2015年Z1期

2 歐陽波;程棟;王玲;;改進(jìn)小波閾值算法在心電信號(hào)去噪中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2015年04期

3 王小飛;李鴻強(qiáng);陳磊;李恩邦;;基于提升小波和改進(jìn)包絡(luò)的心電特征檢測(cè)算法[J];系統(tǒng)仿真學(xué)報(bào);2013年12期

4 毛中亮;史鴻飛;應(yīng)俊;何史林;周丹;;基于Android平臺(tái)的移動(dòng)醫(yī)療應(yīng)用系統(tǒng)[J];中國醫(yī)療設(shè)備;2013年03期

5 王慧靜;蒲寶明;孫宏國;張全發(fā);;基于小波閾值的心電信號(hào)去噪算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2012年12期

6 周西峰;朱文文;郭前崗;;基于漸近半軟閾值函數(shù)的超聲信號(hào)去噪方法[J];探測(cè)與控制學(xué)報(bào);2011年02期

7 劉忠國;王金亮;劉伯強(qiáng);;基于形態(tài)學(xué)濾波器的ECG信號(hào)預(yù)處理[J];生物醫(yī)學(xué)工程學(xué)雜志;2011年02期

8 徐效文;曾超;崔松野;王偉;;MIT-BIH數(shù)據(jù)庫心電數(shù)據(jù)重采樣研究[J];計(jì)算機(jī)工程與應(yīng)用;2011年08期

9 王宏宇;柳子靜;劉光宇;張新利;王敏;范爽斐;于曉嵐;;遠(yuǎn)程無線實(shí)時(shí)手機(jī)心電監(jiān)護(hù)的臨床應(yīng)用[J];中國民康醫(yī)學(xué);2011年03期

10 ;New Wavelet Threshold Denoising Method in Noisy Blind Source Separation[J];Journal of Electronic Science and Technology;2010年04期

，

本文編號(hào)：917854