本文關(guān)鍵詞：分?jǐn)?shù)階小波變換在心電信號(hào)處理中的應(yīng)用

  更多相關(guān)文章： 分?jǐn)?shù)階小波變換 心電信號(hào) 混合編程 S3C2410開發(fā)平臺(tái)

【摘要】：生物醫(yī)學(xué)信號(hào),屬于低頻弱信號(hào)在強(qiáng)噪聲背景下產(chǎn)生的,它是由復(fù)雜的生物體發(fā)生的不穩(wěn)定的自然信號(hào),從該信號(hào)本身的特征,檢測(cè)方式到處理技術(shù),都不同于一般的信號(hào),針對(duì)各種有待提取和處理的信號(hào),如心電信號(hào)、腦電圖信號(hào)、眼電、胃電等生理信號(hào),對(duì)病人的檢測(cè)和診斷治療方案,都是重要的診斷依據(jù)。心電信號(hào)以及其它生物醫(yī)學(xué)信號(hào)一樣,都屬于低頻微弱信號(hào),在檢測(cè)時(shí)常常容易受到外界的干擾,不同的環(huán)境下對(duì)同一人體的生物信號(hào)檢測(cè)也會(huì)有不同的結(jié)果。因此它具有信號(hào)微弱和極強(qiáng)的噪聲,隨機(jī)性強(qiáng)等特點(diǎn)。心電信號(hào)主要是心臟被激活在身體表面上的反映,在臨床上,被作為診斷疾病的重要的依據(jù)。在實(shí)際生活中,人們用心電圖來(lái)記錄心臟產(chǎn)生生物電流的狀態(tài),臨床醫(yī)生可以利用心電圖來(lái)評(píng)估病人的心臟狀況,并做進(jìn)一步的診斷。然而,心電圖記錄時(shí)往往會(huì)受到儀器、導(dǎo)聯(lián)線、人體等幾種產(chǎn)生的電源頻率干擾、基線漂移和肌電干擾等。要濾除這些干擾,提取有效的信號(hào)成分,對(duì)信號(hào)的檢測(cè)和處理意義重大。目前ECG信號(hào)作為一種非平穩(wěn)隨機(jī)信號(hào),因其易于檢測(cè)以及直觀的特點(diǎn),引起研究人員越來(lái)越多的關(guān)注。本文主要研究了小波變換和分?jǐn)?shù)階傅里葉變換的性質(zhì)以及處理信號(hào)時(shí)的原理方法,針對(duì)非平穩(wěn)信號(hào),把小波變換和時(shí)頻分析結(jié)合一起,即將分?jǐn)?shù)階傅里葉變換的時(shí)頻聚焦性和小波變換中的多分辨分析性相結(jié)合。相比于傳統(tǒng)的小波變換僅采用閾值處理的方法,本文采用的心電信號(hào)在分?jǐn)?shù)階Fourier最優(yōu)p階域變換后,再進(jìn)行小波變換處理,這種方法更適用于對(duì)信號(hào)的提取和消除噪聲；其次,運(yùn)用小波模極大值法對(duì)心電信號(hào)進(jìn)行檢測(cè),以正確的檢測(cè)出正向R波和負(fù)向R波,并運(yùn)用錯(cuò)漏檢補(bǔ)償策略來(lái)提高R波的準(zhǔn)確率。對(duì)于Q波、S波采用了先驗(yàn)知識(shí)和加窗法相結(jié)合的方法進(jìn)行檢測(cè)。算法完成后,以MIT-BIH數(shù)據(jù)庫(kù)中的多條數(shù)據(jù)進(jìn)行仿真驗(yàn)證,結(jié)果表明分?jǐn)?shù)階小波變換對(duì)心電信號(hào)濾波信噪比最高能達(dá)到29.745db；運(yùn)用小波模極大值法對(duì)QRS波的檢測(cè)準(zhǔn)度能達(dá)到99.81%,證實(shí)了本文算法具有較高的精確度。論文基于ARM9處理器的S3C2410開發(fā)平臺(tái),在WinCE系統(tǒng)下,通過(guò)eVC編寫相應(yīng)濾波及檢測(cè)程序,經(jīng)測(cè)試算法運(yùn)行正常。
【關(guān)鍵詞】：分?jǐn)?shù)階小波變換 心電信號(hào) 混合編程 S3C2410開發(fā)平臺(tái)
【學(xué)位授予單位】：西安工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R540.4;TN911.7
【目錄】：

• 摘要3-5
• Abstract5-9
• 1 緒論9-15
• 1.1 研究目的及意義9-10
• 1.2 心電信號(hào)產(chǎn)生10-11
• 1.3 國(guó)內(nèi)外研究現(xiàn)狀11-14
• 1.3.1 心電信號(hào)預(yù)處理的研究現(xiàn)狀11-12
• 1.3.2 心電信號(hào)QRS波檢測(cè)的研究現(xiàn)狀12
• 1.3.3 分?jǐn)?shù)階小波變換研究現(xiàn)狀12-14
• 1.4本文主要研究?jī)?nèi)容14-15
• 2 分?jǐn)?shù)階小波變換15-26
• 2.1 小波變換15-19
• 2.1.1 連續(xù)小波變換15-16
• 2.1.2 離散小波變換和Mallat算法16-19
• 2.2 分?jǐn)?shù)階Fourier變換19-23
• 2.3 分?jǐn)?shù)階小波變換23-25
• 2.3.1 分?jǐn)?shù)階小波變換的定義23-25
• 2.3.2 分?jǐn)?shù)階小波變換算法與實(shí)現(xiàn)25
• 2.4 本章小結(jié)25-26
• 3 分?jǐn)?shù)階小波變換對(duì)心電信號(hào)的處理26-46
• 3.1 心電信號(hào)預(yù)處理26-27
• 3.2 小波變換的方法研究27-34
• 3.2.1 小波變換去噪原理27-28
• 3.2.2 小波閾值去噪28-30
• 3.2.3. 仿真結(jié)果分析30-34
• 3.3 分?jǐn)?shù)階小波變換對(duì)心電信號(hào)的去噪34-38
• 3.3.1 最佳階次的選擇34-35
• 3.3.2 離散分?jǐn)?shù)階Fourier變換快速算法35
• 3.3.3 仿真結(jié)果分析35-38
• 3.4 QRS波檢測(cè)38-44
• 3.4.1 心電信號(hào)的檢測(cè)38-41
• 3.4.2 R波錯(cuò)檢漏檢補(bǔ)償算法41-42
• 3.4.3 Q波、S波的檢測(cè)42-43
• 3.4.4 參數(shù)計(jì)算及異常分析43-44
• 3.5 本章小結(jié)44-46
• 4 心電信號(hào)處理算法的實(shí)現(xiàn)46-56
• 4.1 硬件環(huán)境46-48
• 4.1.1 S3C2410A處理器47-48
• 4.1.2 S3C2410A的片內(nèi)外圍資源48
• 4.2 應(yīng)用程序的開發(fā)平臺(tái)搭建48-50
• 4.2.1 軟件平臺(tái)的搭建48-49
• 4.2.2 開發(fā)流程49-50
• 4.3 混合編程50-53
• 4.3.1 混合編程接口實(shí)現(xiàn)50-52
• 4.3.2 基于WinCE環(huán)境下的MATLAB混合編程52-53
• 4.4 人機(jī)界面53-55
• 4.4.1 人機(jī)界面的編寫53-54
• 4.4.2 實(shí)驗(yàn)結(jié)果及分析54-55
• 4.5 本章小結(jié)55-56
• 5 結(jié)論56-59
• 5.1 結(jié)論56-57
• 5.2 展望57-59
• 參考文獻(xiàn)59-62
• 攻讀碩士學(xué)位期間發(fā)表的論文62-63
• 致謝63-65

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 鄭學(xué)敏;占紅武;彭達(dá);;基于ARM-WINCE系統(tǒng)的EVC圖像處理界面開發(fā)[J];計(jì)算機(jī)應(yīng)用與軟件;2011年09期

2 姜萬(wàn)錄,王益群 ,張建成;小波分析及其在伺服閥性能測(cè)試中的應(yīng)用[J];液壓氣動(dòng)與密封;2001年05期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 董紅生;心電波形檢測(cè)與心率變異性分析方法研究[D];蘭州理工大學(xué);2012年

2 劉金平;泡沫圖像統(tǒng)計(jì)建模及其在礦物浮選過(guò)程監(jiān)控中的應(yīng)用[D];中南大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前4條

1 王金亮;心電信號(hào)的預(yù)處理及R波檢測(cè)的研究[D];山東大學(xué);2011年

2 王長(zhǎng)忠;三缸往復(fù)泵泵閥故障診斷[D];大慶石油學(xué)院;2007年

3 張韻;基于紋理的文本獨(dú)立離線筆跡鑒別[D];河北工業(yè)大學(xué);2007年

4 牛傳莉;心電信號(hào)預(yù)處理和波形檢測(cè)算法的研究[D];北京交通大學(xué);2009年

，

本文編號(hào)：756647