發(fā)布時間：2020-09-16 15:05

　　 (1)心電信號是心臟興奮過程中所產(chǎn)生的生物電信號,能夠直接反映心臟活動情況,利用心電信號進行心血管疾病診斷是臨床上最常用的方法之一。因此,心電信號的分類識別技術(shù)成為國內(nèi)外學(xué)者所熱衷的課題。本文主要從心電信號分類識別系統(tǒng)中的預(yù)處理、特征提取以及分類識別三個方面進行研究,為了提高心電信號分類識別的準(zhǔn)確率,本文主要做了如下工作。(2)由于心電信號是微弱的生物電信號,極容易受到干擾,其常見的噪聲干擾有工頻干擾、肌電干擾、基線漂移等,本文根據(jù)幾種噪聲的特點,分別設(shè)計FIR濾波器、Butterworth濾波器以及中值濾波器完成對心電信號中的噪聲干擾濾除,并通過仿真結(jié)果發(fā)現(xiàn)噪聲干擾被濾除且能夠較好地保持原始心電信號的特征。(3)針對傳統(tǒng)差分閾值法的缺陷,本文提出一種基于移動窗口結(jié)合一階差分以及二階差分平方的閾值法完成對心電信號中的R波波峰定位,并在此基礎(chǔ)上通過截取R波波峰兩側(cè)62個數(shù)據(jù)點獲取單個QRS波群。(4)由于小波變換能夠較好地分析非平穩(wěn)信號,因其壓縮比高、壓縮速度快,壓縮后能夠保持信號與圖像的特征不變的特點,本文分別對單個QRS波群進行Harr、db2、bior2.4小波變換,通過實驗對比,本文采用bior2.4小波對心電信號完成特征提取。(5)分別采用BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)對心電信號進行分類識別,通過實驗對比,選擇RBF神經(jīng)網(wǎng)絡(luò)完成心電信號分類識別,然后針對傳統(tǒng)RBF神經(jīng)網(wǎng)絡(luò)的需要人為確定隱藏節(jié)點的數(shù)量和徑向基函數(shù)中心的缺陷,本文采用減聚類算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法,并提出根據(jù)與聚類中心的距離進行訓(xùn)練樣本的篩選。(6)通過仿真結(jié)果顯示改進后的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法對正常心搏、左束支傳導(dǎo)阻滯、右束支傳導(dǎo)阻滯、室性早搏的識別率相較于傳統(tǒng)隨機選擇訓(xùn)練樣本有明顯提升,說明此網(wǎng)絡(luò)對心電信號分類識別有較好性能。最后,本文在基于Visual Studio 2013平臺,采用C#語言完成對心電信號分類識別系統(tǒng)的編寫。
【學(xué)位單位】：西華大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP183;R54
【部分圖文】：

正常心電圖波形

12.1 心電信號預(yù)處理流Preprocessing flow of E電信號，通常最大電圖機通過人體表會對心電信號產(chǎn)生電信號，也會對心號采集過程中心電采取相應(yīng)措施對后下幾種[24]。

圖 3.2 基線漂移濾除前后的波形Fig.3.2 Waveforms before and after baseline drift filtering3.2.2 工頻干擾的濾除工頻干擾主要是由 50Hz 的交流電產(chǎn)生的電磁輻射所引起的，當(dāng)前常見的工頻干擾濾波方法有：小波變換濾波、自適應(yīng)濾波、模板匹配濾波以及經(jīng)典濾波器等幾種方法。前幾種濾波方式的算法復(fù)雜度大，實現(xiàn)難度較大。而經(jīng)典濾波器技術(shù)成熟，如平滑濾波器具有算法簡單、速度快、濾波效果較好等特點，在數(shù)字濾波中得到廣泛應(yīng)用，但平滑濾波存在通帶較窄，影響有用信號的分析等缺點。FIR 濾波器的濾波效果好，而且，F(xiàn)IR 濾波器具有嚴格的線性相位，沒有相位失真的特點，這正好符合心電信號濾波的需要，因此本文采用 FIR 濾波完成對工頻干擾的濾除。FIR 濾波器的方法有窗函數(shù)法、頻率采樣法和切比雪夫逼近法[26]。本文采用窗函數(shù)法進行設(shè)計。窗函數(shù)法的基本原理是利用窗函數(shù)截取無限長脈沖響應(yīng)序列，得到有限長序列來逼近理想低通濾波器。Kaiser窗是一種參數(shù)可調(diào)，接近最優(yōu)化窗結(jié)構(gòu)的窗函數(shù)，因此本文采用 Kaiser 窗函數(shù)設(shè)計濾波器[27]。根據(jù)需要屏蔽 50Hz 工頻干擾，設(shè)置濾波器參數(shù)：阻帶截止頻率

【參考文獻】

相關(guān)期刊論文 前9條

1 盛維濤;張文君;袁宇鵬;蘇航;;基于自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)的心電信號檢測[J];重慶師范大學(xué)學(xué)報(自然科學(xué)版);2015年06期

2 鄭秀玉;盧瑞祥;;基于FIR濾波和數(shù)學(xué)形態(tài)學(xué)的心電信號預(yù)處理算法[J];中國醫(yī)療設(shè)備;2015年09期

3 孫萬麟;朱超;;一種融合小波包分析和神經(jīng)網(wǎng)絡(luò)的信號消噪[J];現(xiàn)代制造工程;2015年08期

4 苗晟;王威廉;姚紹文;;一種基于模板匹配的復(fù)雜心音定位方法[J];電子測量與儀器學(xué)報;2015年01期

5 李四海;滿自斌;張紅;;基于小波變換和SVM的心電早搏信號識別[J];計算機應(yīng)用與軟件;2014年08期

6 劉佳昱;黃亦翔;李炳初;李彥明;;基于雙正交小波變換QRS波檢測方法研究與改進[J];機電一體化;2014年05期

7 袁峰;;心電信號噪聲處理的研究[J];電子技術(shù)與軟件工程;2014年05期

8 車琳琳;宋莉;;基于小波包變換與自適應(yīng)閾值的ECG信號濾波算法研究[J];中國醫(yī)學(xué)物理學(xué)雜志;2011年01期

9 宋春麗;;怎樣識讀MIT-BIH中的心電信號[J];科技資訊;2010年09期

相關(guān)碩士學(xué)位論文 前10條

1 袁丹陽;基于小波包和神經(jīng)網(wǎng)絡(luò)的心電信號分類方法研究[D];天津工業(yè)大學(xué);2017年

2 侯宗波;心電信號自動分析與識別研究[D];山東中醫(yī)藥大學(xué);2016年

3 賀京生;基于小波變換的十二導(dǎo)聯(lián)心電信號分析研究[D];南昌大學(xué);2016年

4 尹咪咪;心電信號分析處理及心肌梗塞疾病模型的建立[D];鄭州大學(xué);2016年

5 孔飛;基于小波變換和神經(jīng)網(wǎng)絡(luò)的心電圖分類識別研究[D];電子科技大學(xué);2015年

6 李艷雙;心電監(jiān)護系統(tǒng)中QRS波檢測算法的改進研究[D];河北工業(yè)大學(xué);2015年

7 錢夢瑤;房顫預(yù)測及房顫伴室早與差傳鑒別的方法研究[D];電子科技大學(xué);2014年

8 王如想;心律失常自動識別算法的研究[D];山東大學(xué);2013年

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

10 白雪靜;基于模糊神經(jīng)網(wǎng)絡(luò)心電信號的自動診斷[D];哈爾濱工業(yè)大學(xué);2010年

本文編號：2820002