本文關鍵詞： 心電信號 聚類 小波變換 K-means　出處：《哈爾濱理工大學》2015年碩士論文　論文類型：學位論文

【摘要】：心電圖（Electrocardiogram，ECG）能夠直觀的展現(xiàn)心臟興奮的電活動過程，是人類生命體征的一個重要表現(xiàn)。醫(yī)學中，針對心電波形信號的診斷成為醫(yī)生在檢測心臟疾病的重要一環(huán)。目前的心電波形信號自動分析方法還存在著許多的缺點和不成熟的地方，無論是在理論研究還是實際應用方面，仍有許多需要進行改進和創(chuàng)新的地方。為了改善這一現(xiàn)狀，論文圍繞：“心電波形信號的預處理”、“心電波形信號的檢測與定位”、“心電波形信號的聚類”三個方面的關鍵技術展開研究。 首先，進行對心電波形信號的預處理。為了減少心電信號中的工頻干擾和基線漂移等干擾噪聲，根據(jù)心電信號自動分析的實際需要，對不同尺度的小波使用相應的閾值處理小波系數(shù)，解決了小波閾值去噪法最優(yōu)分解層數(shù)難以確定的問題。經過MIT-BIH中心電數(shù)據(jù)實驗驗證，，改進后的小波濾波器既能濾除工頻干擾和高頻噪聲，又能較好的保留有用信號細節(jié)。 其次，本文應用小波變換實現(xiàn)QRS波形檢測，改進心電的傳統(tǒng)小波變換方法，使其克服計算復雜，檢測速度較慢，對偽差信號容易誤判等缺點。針對心電波形信號的P波、T波定位與檢測困難的問題，應用自適應對消法的思想，進行QRS-T波形自適應對消，增大P波在剩余波形中所占比例。該P波檢測方法能夠較好的排除高頻噪聲和基線漂移的影響，并且QRS波形的形態(tài)以及出現(xiàn)心律失常等情況并不會影響此檢測方法，具有較好的P波檢測效果。 最后，為了改進心電波形信號的自動聚類，提出了一種改進聚類算法：基于均方差屬性加權的遺傳模擬退火K-means改進聚類算法，對心電信號進行波形聚類。采用MIT-BIH標準心電數(shù)據(jù)庫中的典型心電數(shù)據(jù)，對算法進行實驗判斷，比較本文改進后的K-means聚類算法與傳統(tǒng)的K-means聚類算法的聚類結果，本文算法聚類準確率勝出，實驗證明本算法能夠對心電信號有效聚類。
[Abstract]:Electrocardiogram electrocardiogramme (ECG) can directly show the electrical activity of the heart, which is an important manifestation of human vital signs. The diagnosis of ECG waveform signals has become an important part of doctors' detection of heart disease. There are still many shortcomings and immaturity in the current automatic analysis methods of ECG waveform signals, both in theoretical research and in practical applications. There is still much room for improvement and innovation. This paper focuses on three key technologies: "pretreatment of ECG waveform signal", "detection and location of ECG waveform signal" and "clustering of ECG waveform signal". First of all, the ECG waveform signal is preprocessed. In order to reduce the interference noise such as power frequency interference and baseline drift in ECG signal, according to the actual need of ECG automatic analysis, The wavelet coefficients are processed by the corresponding threshold for different scales, which solves the problem that the optimal decomposition layer number of wavelet threshold denoising method is difficult to determine. The improved wavelet filter can not only filter power frequency interference and high frequency noise, but also retain useful signal details. Secondly, wavelet transform is used to realize QRS waveform detection, and the traditional wavelet transform method of ECG is improved to overcome the complexity of calculation and slow detection speed. In view of the difficulty of P wave T wave localization and detection of ECG waveform signal, the idea of adaptive pair cancellation method is applied to carry out adaptive cancellation of QRS-T waveform. The P wave detection method can eliminate the influence of high frequency noise and baseline drift, and the shape of QRS waveform and the occurrence of arrhythmia will not affect this detection method. It has better P wave detection effect. Finally, in order to improve the automatic clustering of ECG waveform signals, an improved clustering algorithm is proposed: genetic simulated annealing K-means clustering algorithm based on weighted mean square error attribute. Using the typical ECG data in MIT-BIH standard ECG database, the algorithm is judged experimentally, and the clustering results of the improved K-means clustering algorithm and the traditional K-means clustering algorithm are compared. The experimental results show that the algorithm can effectively cluster ECG signals.
【學位授予單位】：哈爾濱理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN911.7;R318.04

【參考文獻】

相關期刊論文 前10條

1 楊華;耿晶輝;宮鶴;;人體心電信號檢測系統(tǒng)的研究[J];電子世界;2014年02期

2 蔣德育;劉光遠;龍正吉;;基于心電P-QRS-T波的特征提取及情感識別[J];計算機工程與應用;2009年08期

3 牟善玲;鄭剛;;動態(tài)心電波形數(shù)據(jù)的聚類有效性評價方法研究[J];計算機工程與應用;2011年32期

4 熊勰;劉光遠;溫萬惠;;基于智能算法的生理信號情感識別[J];計算機科學;2011年03期

5 馬永杰;云文霞;;遺傳算法研究進展[J];計算機應用研究;2012年04期

6 張揚;楊松濤;張香芝;;一種模擬退火遺傳算法的傳感器網絡數(shù)據(jù)融合技術研究[J];計算機應用研究;2012年05期

7 王慶榮;袁占亭;張秋余;;基于改進遺傳—模擬退火算法的公交排班優(yōu)化研究[J];計算機應用研究;2012年07期

8 劉彤彤;戴敏;李忠義;;基于窗口斜率表示法的心電波形相似性分析[J];計算機應用;2012年10期

9 景波;劉瑩;黃兵;;基于遺傳算法的JobShop調度問題研究[J];計算機應用研究;2013年03期

10 劉鑫;何宏;譚永紅;;基于小波包分析的經絡心電信號熵特征提取[J];計算機應用;2013年04期

相關博士學位論文 前1條

1 董紅生;心電波形檢測與心率變異性分析方法研究[D];蘭州理工大學;2012年

本文編號：1538811