本文關(guān)鍵詞：數(shù)據(jù)特性導(dǎo)向的FECG提取算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：胎兒心電圖的監(jiān)測(cè)對(duì)于保證圍產(chǎn)期孕婦和胎兒的健康十分重要。傳統(tǒng)的胎兒心電圖多采用侵入式的方式進(jìn)行檢測(cè),費(fèi)事費(fèi)力,測(cè)量過(guò)程復(fù)雜,而且對(duì)胎兒和孕婦的健康帶來(lái)額外風(fēng)險(xiǎn)。目前,胎兒心電多采樣腹部電極的非侵入方式采集,但是由于孕婦處于復(fù)雜的外界環(huán)境,且采集過(guò)程受孕婦自身心電信號(hào)和其他生物電信號(hào)的干擾,采集到的信號(hào)往往是胎兒心電信號(hào)、母親心電信號(hào)和其他噪聲的混合信號(hào),必須經(jīng)過(guò)一定的信號(hào)處理過(guò)程,才能得到清晰的胎兒心電信號(hào)。從腹壁混合信號(hào)中提取胎兒心電信號(hào)一直是生物信號(hào)處理領(lǐng)域的研究熱點(diǎn),近年來(lái)學(xué)者提出了各種理論的算法用于胎兒心電信號(hào)提取,例如盲源分離算法、自適應(yīng)濾波算法、奇異值分解算法、機(jī)器學(xué)習(xí)算法等。支持向量機(jī)(Support Vector Machine, SVM)是一種基于的統(tǒng)計(jì)學(xué)習(xí)理論的最新的機(jī)器學(xué)習(xí)算法,它克服了機(jī)器學(xué)習(xí)算法的欠學(xué)習(xí)問(wèn)題和過(guò)學(xué)習(xí)問(wèn)題,解決小樣本擬合問(wèn)題性能優(yōu)秀,十分適合將該方法引入到FECG的信號(hào)提取問(wèn)題。本文結(jié)合以上課題背景和研究問(wèn)題,在前人的基礎(chǔ)上進(jìn)行了以下研究：1)介紹了胎兒心電信號(hào)提取問(wèn)題的課題背景、研究意義、胎兒心電信號(hào)的形態(tài)特征、噪聲源分析等；2)介紹了統(tǒng)計(jì)學(xué)習(xí)理論的基本內(nèi)容,支持向量機(jī)的基本原理,包括廣義最優(yōu)分類(lèi)面、核函數(shù)特征空間、用于回歸估計(jì)的支持向量機(jī)等,并對(duì)這些理論進(jìn)行了詳細(xì)的分析說(shuō)明；3)結(jié)合胎兒心電信號(hào)的提取特點(diǎn),針對(duì)最小二乘支持向量機(jī)的核函數(shù)參數(shù)優(yōu)化問(wèn)題,提出了一種基于改進(jìn)螢火蟲(chóng)算法的核參數(shù)優(yōu)化算法,代替原來(lái)的網(wǎng)格搜索算法。并提出了一種結(jié)合局部核和全局核的混合核函數(shù),代替原先單一的核函數(shù)；4)將改進(jìn)的最小二乘支持向量機(jī)引入胎兒心電信號(hào)處理的問(wèn)題中,詳述了胎兒心電信號(hào)提取的數(shù)學(xué)模型和提取步驟。采用臨床采集的腹壁電極數(shù)據(jù)進(jìn)行實(shí)驗(yàn),并于基于自適應(yīng)濾波方法和未改進(jìn)的最小二乘支持向量機(jī)方法進(jìn)行對(duì)比實(shí)驗(yàn),驗(yàn)證了本文提出的改進(jìn)方法的有效性；5)最后指出了本文研究不足之處和未來(lái)研究方向。
【關(guān)鍵詞】：胎兒心電 支持向量機(jī) 螢火蟲(chóng)算法 核函數(shù)
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：R540.41;TN911.7;TP18
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-12
• 1 緒論12-17
• 1.1 課題背景及意義12-13
• 1.2 課題研究現(xiàn)狀13-15
• 1.3 論文創(chuàng)新點(diǎn)15
• 1.4 論文組織結(jié)構(gòu)和研究?jī)?nèi)容15-17
• 2 支持向量機(jī)及其改進(jìn)17-39
• 2.1 統(tǒng)計(jì)學(xué)習(xí)理論的基本內(nèi)容17-23
• 2.1.1 機(jī)器學(xué)習(xí)的基本問(wèn)題17-20
• 2.1.2 統(tǒng)計(jì)學(xué)習(xí)理論的核心內(nèi)容20-23
• 2.2 支持向量機(jī)23-28
• 2.2.1 廣義最優(yōu)分類(lèi)面23-25
• 2.2.2 核函數(shù)特征空間25-27
• 2.2.3 回歸支持向量機(jī)27-28
• 2.3 改進(jìn)的支持向量機(jī)28-39
• 2.3.1 最小二乘支持向量機(jī)28-30
• 2.3.2 螢火蟲(chóng)算法用于LSSVM參數(shù)優(yōu)化30-33
• 2.3.3 改進(jìn)的螢火蟲(chóng)算法用于LSSVM參數(shù)優(yōu)化33-35
• 2.3.4 混合核函數(shù)35-39
• 3 SVM在胎兒心電提取中的應(yīng)用39-48
• 3.1 胎兒心電檢測(cè)的特點(diǎn)39-41
• 3.1.1 胎兒心電的形態(tài)分析39-40
• 3.1.2 采集胎兒心電的噪聲源分析40-41
• 3.2 基于MGSO-LSSVM的胎兒心電信號(hào)提取41-48
• 3.2.1 胎兒心電信號(hào)提取的數(shù)學(xué)模型41-44
• 3.2.2 胎兒心電信號(hào)提取步驟44-45
• 3.2.3 Savitzky-Golay去噪技術(shù)45-48
• 4 實(shí)驗(yàn)和分析48-61
• 4.1 實(shí)驗(yàn)平臺(tái)和仿真環(huán)境48
• 4.2 算法的性能評(píng)價(jià)48-50
• 4.3 實(shí)驗(yàn)數(shù)據(jù)和參數(shù)的選擇50-54
• 4.3.1 實(shí)驗(yàn)數(shù)據(jù)50-51
• 4.3.2 實(shí)驗(yàn)參數(shù)的選擇51-54
• 4.4 胎兒心電信號(hào)提取的實(shí)驗(yàn)結(jié)果54-57
• 4.5 胎兒心電信號(hào)提取的對(duì)比實(shí)驗(yàn)57-61
• 5 總結(jié)和展望61-63
• 參考文獻(xiàn)63-68
• 作者簡(jiǎn)介68-69
• 作者攻讀碩士學(xué)位期間發(fā)表的論文69

【相似文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 曾兆山;數(shù)據(jù)特性導(dǎo)向的FECG提取算法研究[D];浙江大學(xué);2016年

  本文關(guān)鍵詞：數(shù)據(jù)特性導(dǎo)向的FECG提取算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：368677