本文關(guān)鍵詞：心電信號(hào)R波識(shí)別系統(tǒng)的設(shè)計(jì)

  更多相關(guān)文章： 心電信號(hào) 小波變換 橢圓濾波器 R波檢測(cè)

【摘要】：目前，心血管疾病是常見多發(fā)主要慢性疾病之一，而且死亡率一直處于高位，已成為世界性的公共衛(wèi)生問題。針對(duì)反應(yīng)心腦血管疾病狀態(tài)的ECG信號(hào)的日常監(jiān)控，分析識(shí)別診斷，具有很高的臨床研究與開發(fā)價(jià)值。由于ECG信號(hào)是一種微弱的、非線性的，而且極易受到人體內(nèi)外的多種干擾，因此加大了分析識(shí)別診斷的難度，，為了提高心電信號(hào)自動(dòng)分析檢測(cè)系統(tǒng)的精確性，一般情況是在信號(hào)分析之前，對(duì)分析信號(hào)進(jìn)行預(yù)處理，其處理的好壞將直接影響到信號(hào)的分析與診斷的精準(zhǔn)率。在信號(hào)診斷中，心電信號(hào)中的QRS波群檢測(cè)能夠提供很多重要的診斷和評(píng)估信息，在心電信號(hào)的自動(dòng)診斷技術(shù)中顯得尤為重要。在心電信號(hào)識(shí)別系統(tǒng)中，R波定位精準(zhǔn)度直接影響其他特征波的定位。因此，R波的參數(shù)提取對(duì)ECG信號(hào)的分析尤為重要，是區(qū)分正常和病理心律的基礎(chǔ)。 本文主要工作是圍繞遠(yuǎn)程心電監(jiān)護(hù)診斷系統(tǒng)進(jìn)行的，探討研究心電信號(hào)的去噪和R特征波檢測(cè)兩方面關(guān)鍵技術(shù)，并通過Matlab軟件進(jìn)行仿真測(cè)試。 對(duì)于ECG信號(hào)的預(yù)處理算法研究：本文主要研究了橢圓濾波器與DB4小波提升算法相結(jié)合的去噪方案。通過采用一種閾值折衷函數(shù)，使閾值能夠在硬、軟閾值區(qū)間變換，并給予波形仿真以及性能對(duì)比。結(jié)果表明，去噪后的數(shù)據(jù)信號(hào)更有效地濾除雜波，保留有效信號(hào)的完整，為后續(xù)特征波檢測(cè)打下基礎(chǔ)。同時(shí)本文提出的橢圓濾波器與DB4提升小波相結(jié)合去噪的算法在硬件FPGA上實(shí)現(xiàn)可行性方案，并驗(yàn)證此算法縮減了計(jì)算量，節(jié)約了硬件空間。 對(duì)于特征波R檢測(cè)算法研究：本文通過分析希爾伯特變換、小波變換在R波特征點(diǎn)的提取方案，針對(duì)奇異點(diǎn)的過零點(diǎn)檢測(cè)法對(duì)倒置R波、含有運(yùn)動(dòng)偽跡的心電數(shù)據(jù)R波檢測(cè)算法的不足進(jìn)行改進(jìn)。本文R波的檢測(cè)算法是在基于雙正交二次B樣條小波濾波器，經(jīng)小波尺度分析，最終，選擇在23適尺度上將變換后的小波系數(shù)進(jìn)行Hilbert變換，并選擇在23適尺度上通過尋找模極大值點(diǎn)對(duì)R波進(jìn)行定位。本文通過改善檢測(cè)算法，避免誤檢和漏檢，有效地提高了檢測(cè)效率。 本方案的性能分析：本文主要基于Matlab軟件對(duì)信號(hào)R波提取進(jìn)行仿真以及數(shù)據(jù)對(duì)比。關(guān)于R波檢測(cè)方案，本文選擇了來自MIT-BIH心電數(shù)據(jù)庫中代表性數(shù)據(jù)對(duì)該檢測(cè)算法進(jìn)行波形仿真驗(yàn)證，并給于可行性分析。同時(shí)本文通過Visual Studio2012.NET開發(fā)軟件平臺(tái)以及C#.net編程語言，完成自動(dòng)識(shí)別R波分析系統(tǒng)的設(shè)計(jì)。
【關(guān)鍵詞】：心電信號(hào) 小波變換 橢圓濾波器 R波檢測(cè)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R54;TN911.7
【目錄】：

• 摘要4-6
• Abstract6-8
• 目錄8-10
• 第1章 緒論10-18
• 1.1 引言10-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-16
• 1.2.1 心電信號(hào)預(yù)處理技術(shù)的研究現(xiàn)狀13-14
• 1.2.2 心電信號(hào) R 波識(shí)別技術(shù)的研究現(xiàn)狀14-16
• 1.3 本文研究?jī)?nèi)容結(jié)構(gòu)安排16-18
• 第2章 信號(hào)分析基礎(chǔ)理論簡(jiǎn)介18-25
• 2.1 小波理論基礎(chǔ)18-22
• 2.1.1 連續(xù)小波定義18-19
• 2.1.2 離散小波定義19
• 2.1.3 二進(jìn)正交小波定義19-20
• 2.1.4 多分辨率分析與 Mallat 算法20-21
• 2.1.5 小波提升變換的原理21-22
• 2.2 希爾伯特變換22-23
• 2.2.1 希爾伯特變換原理22-23
• 2.2.2 基于 mallat 小波變換的希爾伯特變換算法23
• 2.3 MIT-BIH 心率失常數(shù)據(jù)庫介紹23-24
• 2.4 本章小結(jié)24-25
• 第3章 心電信號(hào)預(yù)處理算法的設(shè)計(jì)25-42
• 3.1 心電信號(hào)噪聲干擾分析25
• 3.2 本文采用預(yù)處理的設(shè)計(jì)方案25-26
• 3.3 濾波器的選擇26-29
• 3.4 心電信號(hào)小波提升預(yù)處理的算法方案29-33
• 3.4.1 小波函數(shù)的選擇29-31
• 3.4.2 加權(quán)閾值的設(shè)定31
• 3.4.3 閾值函數(shù)選定方案31-33
• 3.5 小波預(yù)處理的評(píng)估標(biāo)準(zhǔn)33
• 3.6 實(shí)驗(yàn)波形仿真33-36
• 3.7 本文改進(jìn)閾值性能對(duì)比36-37
• 3.8 基于 FPGA 去噪系統(tǒng)設(shè)計(jì)37-41
• 3.8.1 濾波器系統(tǒng)設(shè)計(jì)37
• 3.8.2 提升小波系統(tǒng)設(shè)計(jì)37-38
• 3.8.3 去噪系統(tǒng)設(shè)計(jì)與仿真38-41
• 3.9 本章小結(jié)41-42
• 第4章 心電信號(hào) R 波檢測(cè)系統(tǒng)的設(shè)計(jì)42-52
• 4.1 希爾伯特變換理論信號(hào)分析42
• 4.2 基于小波函數(shù)的多尺度希爾伯特變換對(duì)信號(hào)的分析42-43
• 4.3 小波基的選擇43
• 4.4 尺度的分析與選擇43-46
• 4.4.1 基于小波變換的多尺度分析43-44
• 4.4.2 基于小波函數(shù)的希爾伯特變換多尺度分析44-46
• 4.5 特征信號(hào) R 波的檢測(cè)46-48
• 4.5.1 特征信號(hào) R 波檢測(cè)原理46
• 4.5.2 R 波檢測(cè)算法46-47
• 4.5.3 R 波檢測(cè)流程圖47-48
• 4.6 R 波檢測(cè)仿真實(shí)驗(yàn)48-51
• 4.7 本章小結(jié)51-52
• 第5章 R 波檢測(cè)系統(tǒng)分析52-56
• 5.1 R 波測(cè)試分析52-53
• 5.2 R 波分析系統(tǒng)設(shè)計(jì)53-54
• 5.3 本章小結(jié)54-56
• 第6章 總結(jié)與展望56-58
• 6.1 總結(jié)56-57
• 6.2 展望57-58
• 參考文獻(xiàn)58-61
• 致謝61

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前5條

1 王超文,呂揚(yáng)生,黃玉璽;用于ECG信號(hào)檢測(cè)與重建的雙正交樣條小波濾波器[J];北京生物醫(yī)學(xué)工程;2001年01期

2 劉丹;孟祥萍;;基于小波變換與Hilbert變換的QRS波檢測(cè)方法研究[J];長(zhǎng)春工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年03期

3 譚善文,秦樹人,湯寶平;Hilbert-Huang變換的濾波特性及其應(yīng)用[J];重慶大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年02期

4 段芳;徐亮;黃新;;人工神經(jīng)網(wǎng)絡(luò)在醫(yī)學(xué)中的應(yīng)用[J];九江醫(yī)學(xué);2008年02期

5 張德平;賈文娜;楊葉青;;基于提升方案的心電信號(hào)去噪算法[J];計(jì)算機(jī)仿真;2010年10期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 姚成;心電信號(hào)智能分析關(guān)鍵技術(shù)研究[D];吉林大學(xué);2012年

本文編號(hào)：1025728