基于小波分析的心電信號分類研究.pdf

1、心律失常在人們的生活中比較尋常，心律失常的發(fā)生可能會對人的生命造成影響，因此，為了預防心律失常的發(fā)生，我們必須更加準確和及時的對心律失常進行檢測。
　　近年來，利用計算機對心律失常進行自動處理已成趨勢，但是由于心電信號的電流微小，受到的干擾較多，同時，由于個人的區(qū)別和心律失常分類的規(guī)則不統(tǒng)一等緣故，計算機對心臟的診斷至今難以滿足醫(yī)院的需求。本文針對這一狀況，在前人的基礎上對常見的六種心律失常進行識別，主要的工作如下:
　　心

2、電信號預處理:使用小波變換的分解重構法去除信號中的基線漂移，使用小波變換的閥值法去除高頻肌電干擾和工頻干擾，本文結合小波變換的分解重構法和小波變換的閥值法既可以消除信號中的主要噪聲干擾，又可以避免有用成分丟失。通過美國麻省理工學院和貝絲以色列醫(yī)院(Massachusettes Institute of Technology and Beth IsraelHospital，MIT-BIH)心律失常數(shù)據(jù)庫中的數(shù)據(jù)仿真可知，達到了較好的效果。

3、
　　心電信號QRS波群的檢測:針對目前的Mexican-hat小波檢測法，由于心律失常的影響，容易造成低幅R波漏檢，同時由于高大P波、T波和高頻噪聲的影響，容易造成R波誤檢，因此，本文采用連續(xù)小波變換和多種策略的方法來檢測QRS波群，通過MIT-BIH數(shù)據(jù)庫仿真，檢測正確率達99.50％。
　　心電特征參數(shù)的提取與選擇:由于傳統(tǒng)的特征提取只考慮時域特征，其具有一定片面性，不足以反映心電信號的本質，為了更加準確的反映心電信號

4、的本質特征，本文綜合采用時域特征和小波域特征作為心電信號的特征向量，時域上提取了RR1、RR2、QRS波寬和心率變異性(Heart rate variability，HRV)四個特征，小波域上提取了第四層尺度信號，第四層小波信號和第三層小波信號，然后對特征向量進行了優(yōu)化，為后續(xù)分類奠定了良好的基礎。
　　心律失常的分類:設計一種支持向量機(Library for SupportVector Machines，LIBSVM)分類器，