連續(xù)的心率變異性(HRV)監(jiān)測是診斷和預防致命性心血管疾病的重要措施。傳統(tǒng)的心率檢測設備往往需要專業(yè)的人士進行操作,將電機放置在患者的身體部位,并且需要患者進行配合。由于最近可穿戴裝置的發(fā)展,可以在很長一段時間內收集心沖擊(BCG)信號,而不使患者的正�；顒邮盏较拗�。然而,患者的身體活動可能會嚴重干擾BCG信號的采樣,從而導致信號質量下降。這給識別信號的心跳周期和心率變異性帶來很大的困難。提出了一種使用無監(jiān)督學習框架來估計每一個心跳間隔的方法。在預處理階段,使用支持向量機(SVM)去除異常信號,然后用巴特沃茲帶通濾波器來獲得去除呼吸分量后的BCG信號。接下來將通過聚類的方式學習到信號的心跳周期模式。首先通過高斯混合模型的方法找到包涵局部峰信號段的聚類中心,然后利用極差找出候選心跳尖峰所在的簇,并且根據(jù)候選心跳尖峰得到BCG信號的心跳模式。接下來根據(jù)學習到的心跳模型對BCG信號做相關性分析,使用相關系數(shù)來對信號進行濾波,以期望突出信號中的心跳尖峰。最后根據(jù)滑動局部最大值的持續(xù)時間來預測心跳尖峰,同時可以得到心率變異性(HRV),并且可以在中值濾波的幫助下,去除一些明顯的異常值。通過對10...

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
    1.2 國內外研究概況
    1.3 主要研究內容
2 關鍵技術分析
    2.1 信號采集設備
    2.2 信號處理方法
    2.3 本章小結
3 提取心率變異性算法
    3.1 信號采集和預處理
    3.2 心跳模式識別
    3.3 通過相關系數(shù)濾波突出尖峰信號
    3.4 通過滑動窗口最大值的持續(xù)時間獲得HRV
    3.5 本章小結
4 實驗設計與結果分析
    4.1 數(shù)據(jù)采集
    4.2 評價指標
    4.3 實驗結果及分析
    4.4 本章小結
5 總結與展望
    5.1 全文總結
    5.2 展望
致謝
參考文獻
附錄1 攻讀學位期間取得的研究成果



本文編號：3757369