本文選題：心電信號 + 平穩(wěn)小波變換　； 參考：《北京郵電大學》2017年碩士論文

【摘要】：心臟疾病是威脅人類生命的主要疾病,人們從未間斷對此疾病的研究,隨著患病人數(shù)的增多,心電信號的自動分析技術將成為未來的發(fā)展趨勢。心臟疾病的自動化診斷是以心電信號的波形特征和一些信息為基礎的,而這些特征和信息的獲取是以純凈的心電信號為前提的。因此,為了促進心電信號自動分析技術的發(fā)展,加快心臟疾病預防、診斷和治療的步伐,本文主要對心電信號自動分析技術中的預處理技術和波形檢測技術進行研究,主要研究內(nèi)容如下:1.利用實驗室自主研發(fā)的心電信號采集裝置采集到的心電數(shù)據(jù)和MIT/BIH心律失常數(shù)據(jù)庫中的部分數(shù)據(jù)對本文提出的心電信號的預處理算法和波形檢測算法進行驗證。2.對心電信號的預處理,即噪聲的去除進行了研究。以平穩(wěn)小波變換和閾值去噪法為基礎對心電信號中主要存在的基線漂移、工頻干擾和肌電干擾這三種噪聲進行濾除。首先,對常用的小波函數(shù)進行比較分析,最終選定小波函數(shù)bior5.5對心電信號進行8尺度的平穩(wěn)小波分解;其次,為了克服軟硬閾值函數(shù)在信號重構時出現(xiàn)的信號幅度失真、邊緣模糊和偽吉布斯現(xiàn)象的缺陷,提出了一種新的閾值函數(shù),并結合heursure閾值進行閾值去噪。實驗結果表明,該種方法有效的去除了心電信號中的三種主要噪聲,得到了較高的信噪比,保留了原始心電信號的基本波形特征。3.對心電信號的波形檢測進行了研究。通過分析選擇平滑函數(shù)的一階導數(shù)即二次B樣條小波作為小波函數(shù),用其對心電信號進行4層小波分解。通過在第四尺度的細節(jié)系數(shù)cd4上對由R波所生成的模極值對進行檢測,從而實現(xiàn)對R波的檢測。在第二尺度的細節(jié)系數(shù)cd2上,以檢測到的由R波所生成的模極值對為基礎,在其左右兩側通過檢測模極值對和過零點,進而實現(xiàn)對Q波、S波以及QRS波群起點與終點進行檢測。針對Q波、R波、S波以及QRS波群起點與終點的檢測提出了相應的防止漏檢、防止誤檢和位置修正機制,進一步提高了波形檢測的準確性。
[Abstract]:Heart disease is the main disease threatening human life. People have never stopped to study this disease. With the increase of the number of patients, the automatic analysis technology of ECG signal will become the development trend in the future. The automatic diagnosis of heart diseases is based on the waveform characteristics and some information of ECG signals, which are based on pure ECG signals. Therefore, in order to promote the development of ECG automatic analysis technology and accelerate the pace of heart disease prevention, diagnosis and treatment, this paper mainly studies the pretreatment technology and waveform detection technology of ECG automatic analysis technology. The main research contents are as follows: 1. The ECG data collected by the ECG acquisition device developed by the laboratory and part of the data in the MIT / BIH arrhythmia database are used to verify the ECG pretreatment algorithm and waveform detection algorithm proposed in this paper. The pretreatment of ECG signal, that is, noise removal, is studied. Based on stationary wavelet transform and threshold denoising method, three kinds of noise, namely baseline drift, power frequency interference and myoelectric interference, are filtered from ECG signals. Firstly, the wavelet function bior5.5 is chosen to decompose the ECG signal at 8 scales by comparing and analyzing the common wavelet function. Secondly, in order to overcome the amplitude distortion of the signal when the soft and hard threshold function occurs in the signal reconstruction, the wavelet function bior5.5 is selected to decompose the ECG signal at 8 scales. In this paper, a new threshold function is proposed for edge blur and pseudo-Gibbs phenomenon, and the threshold denoising is combined with heursure threshold. The experimental results show that the proposed method can effectively remove three kinds of main noises in ECG signal and obtain higher signal-to-noise ratio (SNR) and retain the basic waveform characteristics of the original ECG signal. 3. The waveform detection of ECG signal is studied. The first derivative of smoothing function, the quadratic B-spline wavelet, is selected as the wavelet function, and the wavelet decomposition of ECG signal is carried out. The detection of R wave is realized by detecting the mode extremum pair generated by R wave on the detail coefficient cd4 of the fourth scale. On the detail coefficient cd2 of the second scale, on the basis of the detected mode-extremum pair generated by R wave, we can detect the Q wave S wave and the starting and ending point of QRS wave group by detecting the mode extremum pair and the zero crossing point on the left and right sides. Aiming at the detection of Q wave / R wave / S wave and QRS wave group, this paper puts forward the corresponding mechanism to prevent missed detection, prevent false detection and position correction, and further improve the accuracy of waveform detection.
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：R540.41;TN911.7

【相似文獻】

相關期刊論文 前10條

1 邱力軍,文治洪,李江,楊濱;小波變換在醫(yī)學影像技術中應用[J];醫(yī)療衛(wèi)生裝備;2003年S1期

2 王紀鳳;李鵬;尚玉蓮;李海霞;張裕飛;趙學軍;;基于小波變換的圖像壓縮[J];泰山醫(yī)學院學報;2007年08期

3 孫迎,葉英;運用小波變換實現(xiàn)聽覺誘發(fā)電位的單次提取[J];上海理工大學學報;1999年04期

4 陸英北,張增芳,蔡坤寶;基于小波變換的心電信號基線矯正方法[J];北京生物醫(yī)學工程;2000年04期

5 郭苗苗;徐桂芝;王磊;王江;;基于小波變換的聽覺腦機接口技術研究[J];中國生物醫(yī)學工程學報;2011年05期

6 余輪,翁友岑,鄭慧如;小波變換在心電圖R波檢測中的應用[J];福州大學學報(自然科學版);1996年05期

7 吳小培,馮煥清,周荷琴,王濤;基于混合小波變換的瞬態(tài)信號檢測方法[J];生物醫(yī)學工程學雜志;2001年01期

8 侯波,遲耀斌,朱重光;一種基于小波變換消除圖像噪聲方法[J];中國體視學與圖像分析;2002年02期

9 柳淵;李丹妮;嚴漢民;;小波變換在事件誘發(fā)腦磁圖分析中的應用[J];中國醫(yī)學裝備;2011年06期

10 寧新寶，，謝志行;多采樣率線性小波變換及其對心電信號的應用[J];山東生物醫(yī)學工程;1996年Z1期

相關會議論文 前10條

1 曹思遠;牟永光;;小波變換與信號分解[A];1992年中國地球物理學會第八屆學術年會論文集[C];1992年

2 張霖;錢敏;葛軍;;幾種典型環(huán)節(jié)的小波變換研究[A];1996年中國控制會議論文集[C];1996年

3 鮑文;祝豪;劉金福;;基于多尺度小波變換的電廠數(shù)據(jù)壓縮方法研究[A];2004電站自動化信息化學術技術交流會議論文集[C];2004年

4 龔妙昆;萬福永;;用統(tǒng)計方法和小波變換確定心電圖數(shù)據(jù)中的R波[A];2006中國控制與決策學術年會論文集[C];2006年

5 趙聰慧;張淑娟;;小波變換在農(nóng)產(chǎn)品無損檢測中的應用研究[A];紀念中國農(nóng)業(yè)工程學會成立30周年暨中國農(nóng)業(yè)工程學會2009年學術年會（CSAE 2009）論文集[C];2009年

6 朱光明;高靜懷;王玉貴;;小波變換及其在一維濾波中的應用[A];1992年中國地球物理學會第八屆學術年會論文集[C];1992年

7 金剛石;趙毅;季云松;;基于小波變換的紅外圖像濾波[A];2006年全國光電技術學術交流會會議文集（D 光電信息處理技術專題）[C];2006年

8 劉衛(wèi)東;李樂;張靜遠;;一種基于小波變換的水聲成像實驗研究[A];2008’促進中西部發(fā)展聲學學術交流會論文集[C];2008年

9 趙麗紅;蔡玉;徐心和;;基于小波變換和多分類器融合的人臉識別[A];2007中國控制與決策學術年會論文集[C];2007年

10 魯昌華;汪濟洲;;小波變換在通用DSP上的快速實現(xiàn)[A];第十七屆全國測控計量儀器儀表學術年會（MCMI'2007）論文集（上冊）[C];2007年

相關重要報紙文章 前1條

1 吳玉田殷學平;中藥質量控制又添新武器——小波變換近紅外光譜分析系統(tǒng)[N];中國醫(yī)藥報;2004年

相關博士學位論文 前10條

1 王利琴;心電信號波形檢測與心律失常分類研究[D];河北工業(yè)大學;2014年

2 宋長賀;基于GPU的高性能遙感圖像解碼方法研究[D];西安電子科技大學;2015年

3 趙奉奎;能量色散型X射線熒光光譜儀關鍵技術研究[D];東南大學;2015年

4 王麗榮;基于小波變換的目標檢測方法研究[D];吉林大學;2006年

5 熊智新;基于小波變換的化學譜圖數(shù)據(jù)處理[D];浙江大學;2004年

6 魏云冰;小波變換在電機故障診斷與測試中的應用研究[D];浙江大學;2002年

7 丁文鵬;自適應方向提升小波變換及應用[D];中國科學技術大學;2009年

8 董衛(wèi)軍;基于小波變換的圖像處理技術研究[D];西北大學;2006年

9 聶磊;小波變換用于重疊化學信號的分辨研究[D];中國科學技術大學;2002年

10 張秀琦;基于小波變換的化學計量學方法及幾種抗癌藥物的電化學研究[D];西北大學;2001年

相關碩士學位論文 前10條

1 鄭鑫;基于小波變換的心電信號去噪識別的研究與實現(xiàn)[D];北京郵電大學;2017年

2 韓科;基于小波變換與PCA的人臉識別方法的研究與實現(xiàn)[D];內(nèi)蒙古大學;2015年

3 邵永鑫;小波變換和人工神經(jīng)網(wǎng)絡在熒光測溫信號處理中的應用研究[D];天津理工大學;2015年

4 聶小利;基于小波變換的弱信號提取與應用研究[D];北京建筑大學;2015年

5 方宇超;基于小波變換的碼速率估計方法研究[D];內(nèi)蒙古大學;2015年

6 段曉杰;基于小波變換的數(shù)字水印算法及評價方法研究[D];遼寧大學;2015年

7 黃新安;胎兒心率檢測算法的研究[D];江南大學;2015年

8 周玉;小波變換在高速鐵路牽引供電地震防災系統(tǒng)中的應用研究[D];西南交通大學;2015年

9 郭亞妮;基于DSP的小波變換在雷達回波信號去噪中的研究[D];天津理工大學;2015年

10 曾燕來;基于小波變換語音去噪的研究及應用[D];長安大學;2015年

本文編號：2116964