基于PFastICA的房顫信號盲源分離.pdf

1、隨著人們生活和工作壓力的不斷增大，人類的健康狀況出現(xiàn)了各種各樣的問題，心臟病也成為威脅人們身體健康的一種常見疾病。心房顫動（atrial fibrillation，AF）簡稱房顫，是目前臨床中最常見的一種心律不齊心臟疾病，在普通的人群中，AF的發(fā)病率為0.4％到1.0％，并且發(fā)病率隨著人群年齡的增大而升高。在心臟病患者中，AF患者的死亡率是其他患者的2倍，對于AF患者的診斷和治療已經(jīng)成為當(dāng)今國際心電生理研究的難點和熱點。
　　

2、體表心電信號(electrocardiogram，ECG)作為一種醫(yī)生用來判斷是否發(fā)生AF的依據(jù)，在AF疾病的診斷和治療中起著重要的作用。從AF疾病患者的ECG中提取出心房顫動信號，可以方便醫(yī)生及時判斷患者是否發(fā)生了心房顫動，并能夠協(xié)助醫(yī)生診斷出患者所忠心房顫動的類型。但是心電信號中的房顫信號會受到很多信號的干擾，比如占據(jù)心電信號大部分能量的QRST波群和高斯噪聲，這寫都給房顫信號的提取帶來了不便。本文就是針對目前在房顫信號提取算法中存

3、在的一些不足，對現(xiàn)有的算法進行了改進，并提出了一種新的算法。
　　 獨立分量分析(independent component analysis，ICA)方法是一種信源分解技術(shù)，它是解決盲源分離(blind source separation，BSS)問題的一個有效手段。該分析方法在生物醫(yī)學(xué)信號處理、語音識別、導(dǎo)航、通訊、地質(zhì)信號等領(lǐng)域均有重要的應(yīng)用。ICA是將觀測到的信號按照統(tǒng)計獨立的原則通過優(yōu)化算法分解為若干獨立的信號成分。在

4、ECG中，由于心房波和心室波分別是由心房和心室活動產(chǎn)生的，因此，這兩種信號可以認(rèn)為是統(tǒng)計獨立的。本文從這個觀點出發(fā)，將ICA應(yīng)用到AF信號的提取中。
　　 本文對房顫的產(chǎn)生機理和ICA的基礎(chǔ)進行了深入分析，并在快速獨立分量分析的基礎(chǔ)上結(jié)合Pearson數(shù)學(xué)模型，提出了一種新的算法-PFastICA，該算法比傳統(tǒng)的快速獨立分量分析方法在提取信號的精確度上有所提高。將PFastICA算法應(yīng)用于房顫信號的提取，實驗證明，該算法比常用的