可穿戴式系统心电信号压缩感知与心律失常分类研究

发布时间：2021-04-21 18:14

　　随着社会的发展和人们生活水平的提高,心血管疾病已成为威胁人们生命健康的主要慢性疾病之一,心律失常是其中较为常见的一种心血管疾病,而心电信号是检测和诊断心律失常等心脏疾病的关键指标。可穿戴式健康监测系统作为一种最有效和最实际可行的新型医疗监护方式,可以实现对心电信号的连续实时监测和心律失常的自动分类。然而,大量的心电数据将给资源受限的可穿戴式系统存储和传输过程造成巨大的负担,压缩感知作为一种信号压缩技术很好地解决了该问题。但是,目前现有可穿戴式健康监测系统中的心电信号压缩感知及自动分类方法还存在很多的问题,仍有改进的余地和创新的空间。因此,对可穿戴式健康监测系统中心电信号的压缩感知与心律失常分类方法进行研究,具有非常重要的意义。本文根据可穿戴式系统各种资源受限的特点,主要针对可穿戴式健康监测系统中心电信号的预处理、特征波形检测、压缩与重构、特征提取和心律失常分类等几个方面进行了深入的研究。第一,基于扩展递归最小二乘法的心电信号的预处理方法研究。心电信号的预处理操作旨在尽量保留原始信号重要特征的前提下,消除心电信号中的各种噪声干扰。本文提出一种基于扩展递归最小二乘法的自适应去噪方法。这种方... 

【文章来源】：南昌大学江西省 211工程院校

【文章页数】：127 页

【学位级别】：博士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 心电信号
        1.2.1 心电信号产生的基本原理
        1.2.2 心电信号组成
        1.2.3 心律失常的分类
    1.3 国内外研究现状
        1.3.1 可穿戴式健康监测系统的研究现状
        1.3.2 心电信号自动分类的研究现状
    1.4 本文的主要内容和结构
第2章 自适应预处理与基于Pan-Tompkins的QRS特征波检测
    2.1 引言
    2.2 基于扩展递归最小二乘法的心电信号预处理
        2.2.1 心电信号中的噪声类型
        2.2.2 递归最小二乘法
        2.2.3 基于扩展递归最小二乘法的自适应心电信号预处理方法
    2.3 基于Pan-Tompkins的QRS特征波检测算法
        2.3.1 带通滤波
        2.3.2 微分
        2.3.3 平方
        2.3.4 移动窗口积分
        2.3.5 自适应阈值
    2.4 实验结果与分析
        2.4.1 心电信号预处理实验
        2.4.2 QRS复波检测实验
    2.5 本章小结
第3章 基于压缩感知的心电信号压缩与重构
    3.1 引言
    3.2 压缩感知
        3.2.1 信号稀疏表示
        3.2.2 观测矩阵的设计
        3.2.3 信号重构
    3.3 基于“分—合”式字典学习的心电信号压缩感知
        3.3.1 常用的字典学习方法
        3.3.2“分—合”式字典学习方法
        3.3.3 基于“分—合”式字典学习的心电信号压缩感知方法
    3.4 基于时空稀疏模型的多通道心电信号压缩感知
        3.4.1 时空稀疏模型
        3.4.2 多通道心电信号压缩感知方法
    3.5 实验结果与分析
        3.5.1 基于“分—合”式字典学习的心电信号压缩感知实验
        3.5.2 基于时空稀疏模型的多通道心电信号压缩感知实验
    3.6 本章小结
第4章 心电信号特征提取与半监督学习自动分类
    4.1 引言
    4.2 基于改进的主成分分析法的心电信号特征提取
        4.2.1 小波变换特征提取法
        4.2.2 主成分分析特征提取法
        4.2.3 改进的主成分分析特征提取法
    4.3 基于最小二乘支持向量机半监督学习的心电信号分类
        4.3.1 支持向量机
        4.3.2 最小二乘支持向量机
        4.3.3 基于最小二乘支持向量机半监督学习的心电信号分类方法
    4.4 心电信号的直接特征提取与分类方法
    4.5 实验结果与分析
        4.5.1 实验设置
        4.5.2 心电信号特征提取实验
        4.5.3 心电信号分类实验
        4.5.4 心电信号直接特征提取与分类实验
    4.6 本章小结
第5章 实验研究
    5.1 引言
    5.2 实验数据
    5.3 实验结果与分析
        5.3.1 预处理
        5.3.2 QRS特征波检测
        5.3.3 压缩与重构
        5.3.4 特征提取与分类
    5.4 本章小结
第6章 结论与展望
    6.1 结论
    6.2 进一步工作的方向
致谢
参考文献
攻读学位期间的研究成果


【参考文献】：
期刊论文
[1]基于时空稀疏模型的穿戴式心电信号压缩感知方法[J]. 华晶,张华,刘继忠,徐亦璐.  传感技术学报. 2017(07)
[2]基于块稀疏贝叶斯学习的体域网心电压缩采样[J]. 彭向东,张华,刘继忠.  传感技术学报. 2015(03)
[3]一种实时鲁棒的QRS波群检测算法[J]. 王利琴,顾军华,梁志刚.  计算机应用与软件. 2013(12)
[4]自适应超完备字典学习的SAR图像降噪[J]. 杨萌,张弓.  中国图象图形学报. 2012(04)
[5]压缩感知研究[J]. 戴琼海,付长军,季向阳.  计算机学报. 2011(03)
[6]压缩传感理论与重构算法[J]. 杨海蓉,张成,丁大为,韦穗.  电子学报. 2011(01)
[7]压缩感知理论及其研究进展[J]. 石光明,刘丹华,高大化,刘哲,林杰,王良君.  电子学报. 2009(05)
[8]基于多分辨率分析的ECG基线漂移矫正算法[J]. 万相奎.  计算机工程与设计. 2008(13)
[9]移动医疗:穿戴式医疗仪器的发展趋势[J]. 滕晓菲,张元亭.  中国医疗器械杂志. 2006(05)
[10]一种滤除心电信号中噪声的形态滤波方法[J]. 张乾,赵春晖.  应用科技. 2002(09)

博士论文
[1]心电信号波形检测与心律失常分类研究[D]. 王利琴.河北工业大学 2015
[2]分布式压缩感知及轮廓识别研究[D]. 查长军.安徽大学 2013
[3]基于稀疏分解的心电信号特征波检测及心电数据压缩[D]. 王春光.国防科学技术大学 2010
[4]心电信号自动分析关键技术研究[D]. 季虎.国防科学技术大学 2006

硕士论文
[1]基于小波变换的心电信号分析研究及其FPGA实现[D]. 张倩.吉林大学 2014
[2]基于Landweber重构的分布式压缩视频感知研究[D]. 解晨.苏州大学 2013
[3]数据压缩与通信信号处理识别技术研究[D]. 王海清.北京邮电大学 2011
[4]用于冠心病诊断的运动心电检测系统的设计[D]. 雷靳灿.重庆大学 2010
[5]便携式心电信号分析检测仪[D]. 刘媛.河北工业大学 2010
[6]心电自动分析软件检测算法的研究[D]. 陈颖.中国海洋大学 2007



本文编号：3152241