本文關(guān)鍵詞：心電信號(hào)的預(yù)處理及特征點(diǎn)識(shí)別算法的研究

  更多相關(guān)文章： 心電信號(hào) 識(shí)別處理 QRS波 LMS算法

【摘要】： 心電信號(hào)是心臟電活動(dòng)在體表的綜合反映,心電信號(hào)識(shí)別對(duì)診斷心臟疾病具有重要意義。本文系統(tǒng)地綜述和分析了國(guó)內(nèi)外心電信號(hào)的預(yù)處理和識(shí)別方法,在此發(fā)展現(xiàn)狀的基礎(chǔ)上,開(kāi)展了心電信號(hào)預(yù)處理、心電信號(hào)識(shí)別等方面的研究工作,并且取得了一些良好的效果。 工頻干擾是心電信號(hào)識(shí)別影響中最大的干擾,很大程度上降低了ECG信號(hào)的信噪比。本文在論述自適應(yīng)噪聲抵消系統(tǒng)原理的基礎(chǔ)上,介紹和分析了LMS算法及其幾種改進(jìn)算法,提出了基于迭代次數(shù)變步長(zhǎng)的LMS算法。然后在基于小波變換多分辨率分析方法的心電信號(hào)特征波形識(shí)別基礎(chǔ)之上,針對(duì)小波變換誤檢問(wèn)題,首次提出小波變換與形態(tài)學(xué)峰谷檢測(cè)相結(jié)合的QRS波群聯(lián)合檢測(cè)算法,這種算法既保持了小波變換在信號(hào)頻域上的優(yōu)秀分辨率,又能夠通過(guò)形態(tài)學(xué)峰谷檢測(cè)避免其它信號(hào)對(duì)小波變換檢測(cè)結(jié)果的干擾。針對(duì)P、T波,利用模極大值對(duì)的斜率進(jìn)行識(shí)別。本文利用美國(guó)麻省理工學(xué)院MIT-BIH數(shù)據(jù)庫(kù)中大量的數(shù)據(jù)進(jìn)行對(duì)比實(shí)驗(yàn),取得良好的效果;最后本文給出了研究展望。
【關(guān)鍵詞】：心電信號(hào) 識(shí)別處理 QRS波 LMS算法
【學(xué)位授予單位】：內(nèi)蒙古大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2008
【分類號(hào)】：R318.0;TN911.7
【目錄】：

• 摘要4-5
• Abstract5-10
• 第一章 緒論10-16
• 1.1 引言10
• 1.2 課題研究的背景及意義10
• 1.3 國(guó)內(nèi)外發(fā)展動(dòng)態(tài)及發(fā)展趨勢(shì)10-14
• 1.3.1 心電信號(hào)預(yù)處理研究現(xiàn)狀11-12
• 1.3.2 心電信號(hào)識(shí)別分析現(xiàn)狀12-14
• 1.4 本文的主要工作內(nèi)容14-15
• 1.5 本文的創(chuàng)新內(nèi)容15-16
• 第二章 心電信號(hào)產(chǎn)生的機(jī)理及特點(diǎn)16-19
• 2.1 心電信號(hào)的產(chǎn)生16-17
• 2.2 心電信號(hào)的特點(diǎn)17-19
• 第三章 心電信號(hào)波形處理19-34
• 3.1 心電信號(hào)數(shù)據(jù)19-21
• 3.1.1 導(dǎo)聯(lián)19-20
• 3.1.2 MIT數(shù)據(jù)庫(kù)簡(jiǎn)介20-21
• 3.2 心電信號(hào)的噪聲分析21-23
• 3.2.1 工頻干擾21-22
• 3.2.2 基線漂移和呼吸時(shí)的干擾22
• 3.2.3 電極接觸噪聲22-23
• 3.2.4 人為運(yùn)動(dòng)23
• 3.2.5 肌電干擾(EMG)23
• 3.2.6 信號(hào)處理中用電設(shè)備產(chǎn)生的儀器噪聲23
• 3.3 工頻噪聲消除23-27
• 3.3.1 平滑濾波24-25
• 3.3.2 基于窗函數(shù)法的FIR濾波器25
• 3.3.3 自適應(yīng)濾波25-26
• 3.3.4 LMS算法26-27
• 3.3.5 NLMS算法27
• 3.4 基線漂移噪聲的消除27-28
• 3.4.1 滑動(dòng)平均濾波27-28
• 3.4.2 插值擬合法28
• 3.5 本文中工頻干擾噪聲的消除28-33
• 3.5.1 基于迭代次數(shù)變步長(zhǎng)的LMS算法消除工頻干擾28-30
• 3.5.2 迭代次數(shù)變步長(zhǎng)的LMS算法的濾波效果30-33
• 3.6 本章小結(jié)33-34
• 第四章 心電信號(hào) QRS識(shí)別34-56
• 4.1 差分閾值法34-37
• 4.2 模板形態(tài)特征匹配的識(shí)別方法37-38
• 4.3 本文提出的基于小波和數(shù)學(xué)形態(tài)聯(lián)合的識(shí)別方法38-54
• 4.3.1 形態(tài)學(xué) ECG識(shí)別38-45
• 4.3.1.1 數(shù)學(xué)形態(tài)學(xué)原理39
• 4.3.1.2 數(shù)學(xué)形態(tài)學(xué) ECG識(shí)別39-41
• 4.3.1.3 結(jié)構(gòu)元素的選擇41
• 4.3.1.4 異常波的識(shí)別41-45
• 4.3.2 小波變換識(shí)別45-54
• 4.3.2.1 小波簡(jiǎn)介45
• 4.3.2.2 小波函數(shù)的選擇45-47
• 4.3.2.3 選擇特征尺度47-48
• 4.3.2.4 算法48-49
• 4.3.2.5 不同的R波形識(shí)別49-51
• 4.3.2.6 Q波和S波識(shí)別51-53
• 4.3.2.7 識(shí)別結(jié)果53-54
• 4.4 本章小結(jié)54-56
• 第五章 心電信號(hào) P、T波識(shí)別56-64
• 5.1 P、T波小波特性57-58
• 5.2 P、T波小波識(shí)別算法58-60
• 5.3 數(shù)據(jù)實(shí)驗(yàn)60-62
• 5.4 結(jié)果分析62-63
• 5.5 本章小結(jié)63-64
• 第六章 結(jié)論64-65
• 參考文獻(xiàn)65-70
• 致謝70
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄70

【引證文獻(xiàn)】

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 楊濤;便攜式無(wú)創(chuàng)數(shù)字脈搏血氧儀的設(shè)計(jì)研究[D];南京醫(yī)科大學(xué);2011年

2 劉麗麗;基于自適應(yīng)濾波器和小波變換的ECG預(yù)處理算法的研究[D];吉林大學(xué);2012年

3 李彩玉;基于RBF神經(jīng)網(wǎng)絡(luò)的心電信號(hào)分類識(shí)別技術(shù)研究[D];云南大學(xué);2012年

4 聶橋橋;智能處理在ECG檢測(cè)中的應(yīng)用研究[D];南昌航空大學(xué);2012年

，

本文編號(hào)：812323