心電信號質量評估與心率變異性分析方法研究.pdf

1、心率變異性信號蘊含著豐富的心血管系統(tǒng)生理和病理信息，被廣泛用于自主神經系統(tǒng)功能的定量評估。眾所周知，心率是自主神經系統(tǒng)協(xié)調控制的結果，心血管疾病、生理狀態(tài)、生活壓力對自主神經系統(tǒng)的調控有很大的影響。提取心率信號，識別與疾病相關的異常心率信息，對于心血管疾病的早期預警有著重要的意義。然而，心電信號在采集過程中不可避免地受到噪聲污染，造成心率信號提取精度下降。因此，心電信號質量評估是心率信號分析的重要環(huán)節(jié)。本文主要圍繞心電信號質量評估和心率

2、變異性分析方法兩個方面展開深入研究，主要工作如下：
　　1）針對多導聯(lián)心電信號質量評估，提出了多導聯(lián)心電融合算法。算法中，利用局部加權線性預測基本思想對多導聯(lián)心電信號實施融合。為了有效保留多導聯(lián)心電信號的質量特征，模糊推理系統(tǒng)被設計用于加權值估計。實驗結果表明本文所提算法能夠對擬合心電信號和實際心電信號實施有效融合。研究中，使用相空間重構理論和量化遞歸分析對心電信號質量特征進行提取。通過實驗結果分析，最終選取遞歸度、確定性和熵三個

3、指標作為信號質量特征參數(shù)。
　　2）為了對心電信號質量實施有效分類，本文提出了基于局部投影距離的譜聚類算法。在算法中，定義了局部投影鄰域，該區(qū)域是任意兩數(shù)據(jù)點所構成的局部鄰域，鄰域內數(shù)據(jù)點投影到兩數(shù)據(jù)點間的直線。利用投影點之間的歐幾里得距離，數(shù)據(jù)局部空間結構便能被該數(shù)據(jù)之間相似度很好地描述。根據(jù)數(shù)據(jù)點間的結構信息，對投影距離進行壓縮或者拉伸，從而獲得親和矩陣。通過對擬合數(shù)據(jù)、實際數(shù)據(jù)和圖像的聚類實驗結果說明基于局部投影距離的譜聚類

4、算法具有較好的算法性能。
　　3）為了檢測心電信號中的R波，本文提出了一種能夠自適應地將信號分解為一系列調幅-調頻分量的改進總體局部均值算法。面對低分辨率信號，總體局部均值算法在信號分解過程中常出現(xiàn)信號的模式混疊，從而難以在調幅-調頻信號中提取有用信息。本文提出了一種基于三次樣條插值的總體局部均值算法，通過對數(shù)據(jù)點插值處理從而提高了信號的分辨率。實驗結果表明本文所提算法能夠有效克服信號的模式混疊，進而提取到心電信號特征信息。因此，

5、本算法性能優(yōu)于局部均值算法和總體局部均值算法。
　　4）本文提出了基于改進的總體局部均值算法的R波檢測算法。算法中，R波的檢測分為三個過程：信號預處理階段、特征提取階段和決策階段。利用MIT心律不齊數(shù)據(jù)庫對本算法性能進行評估，實驗結果表明所提算法能夠有效實現(xiàn)心電信號R波的檢測。
　　5）對于心率變異性分析，龐加萊散點圖對心率變異信號的非線性動力學特征描述不足。本文提出了三維龐加萊散點圖，在原散點圖基礎上充分利用了散點間內在聯(lián)