(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成為國內(nèi)外學者所熱衷的課題。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,并在此基礎上通過截取R波波峰兩側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)絡和RBF神經(jīng)網(wǎng)絡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)絡完成心電信號分類識別,然后針對傳統(tǒng)RBF神經(jīng)網(wǎng)絡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)絡學習算法,并提出根據(jù)與聚類中心的距離進行訓練樣本的篩選。(6)通過仿真結果顯示改進后的神經(jīng)網(wǎng)絡學習算法對正常心搏、左束支傳導阻滯、右束支傳導阻滯、室性早搏的識別率相較于傳統(tǒng)隨機選擇訓練樣本有明顯提升,說明此網(wǎng)絡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。
【學位單位】：西華大學
【學位級別】：碩士
【學位年份】：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，當前常見的工頻干擾濾波方法有：小波變換濾波、自適應濾波、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雜度大，實現(xiàn)難度較大。而經(jīng)典濾波器技術成熟，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，接近最優(yōu)化窗結構的窗函數(shù)，因此本文采用 Kaiser 窗函數(shù)設計濾波器[27]。根據(jù)需要屏蔽 50Hz 工頻干擾，設置濾波器參數(shù)：阻帶截止頻率

【參考文獻】

相關期刊論文 前9條

1 盛維濤;張文君;袁宇鵬;蘇航;;基于自適應神經(jīng)網(wǎng)絡模糊推理系統(tǒng)的心電信號檢測[J];重慶師范大學學報(自然科學版);2015年06期

2 鄭秀玉;盧瑞祥;;基于FIR濾波和數(shù)學形態(tài)學的心電信號預處理算法[J];中國醫(yī)療設備;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雜心音定位方法[J];電子測量與儀器學報;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閾值的ECG信號濾波算法研究[J];中國醫(yī)學物理學雜志;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

相關碩士學位論文 前10條

1 袁丹陽;基于小波包和神經(jīng)網(wǎng)絡的心電信號分類方法研究[D];天津工業(yè)大學;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;2016年

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

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

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

8 王如想;心律失常自動識別算法的研究[D];山東大學;2013年

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

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

本文編號：2820002