当前位置:主页 > 科技论文 > 信息工程论文 >

ICA与ESN相结合的房颤信号提取算法研究

发布时间:2023-04-02 16:09
  随着社会老龄化的发展,心血管疾病的发病率和死亡率一直处于递增状态,现在已经超过肿瘤性疾病成为排名第一的疾病。房颤作为临床上最常见的心血管疾病,影响着50岁以上约5%的人口,也是脑卒中以及心律衰竭等重大心脏疾病的重要诱因。近年来,因为房颤信号的数字特征在心律失常药物效果判断、房颤辅助诊断以及颤动部位定位等方面展现了重要的临床价值,所以在房颤发生时,消除心室信号的干扰,提取房颤信号是帮助临床医生进一步分析房颤的重要手段。为了满足临床上对房颤信号的准确性提取要求以及动态心电信号实时性提取要求,本文对房颤信号提取算法做了进一步的深入研究,本文的主要研究内容如下:一、本文提出了基于遗传回声状态网络的房颤信号提取算法。为了降低基于回声状态网络提取房颤信号过程中储备池参数人工随机选择的盲目性,引入遗传算法对储备池参数进行优化,生成最优的网络储备池用于提取房颤信号。同时,为了加快进化速度,设计了一种自适应遗传算子,在保证搜索范围的情况下,满足回声状态网络在房颤信号提取中的实时性要求。实验证明,所提算法在仿真房颤信号提取实验中的相对均方根误差达到了0.22,在真实房颤信号提取实验当中频谱集中度达到了42...

【文章页数】:59 页

【学位级别】:硕士

【文章目录】:
摘要
abstract
第一章 绪论
    1.1 课题研究背景及研究意义
    1.2 房颤信号提取研究现状
    1.3 论文内容安排
第二章 回声状态网络在房颤提取中的应用
    2.1 引言
    2.2 回声状态网络
        2.2.1 网络结构
        2.2.2 储备池参数
        2.2.3 网络应用流程
    2.3 回声状态网络在房颤信号提取中的应用
        2.3.1 房颤的产生机理及特征表现
        2.3.2 回声状态网络的房颤提取模型
        2.3.3 房颤信号提取评价标准
    2.4 本章小结
第三章 基于遗传回声状态网络的房颤信号提取算法
    3.1 引言
    3.2 基于回声状态网络的房颤信号提取
    3.3 遗传回声状态网络
        3.3.1 个体编码与适应度函数的选择
        3.3.2 自适应遗传算子的设计
        3.3.3 基于遗传回声状态网络的房颤提取模型
    3.4 算法验证和结果分析
        3.4.1 实验数据说明
        3.4.2 数据预处理
        3.4.3 仿真房颤信号提取实验
        3.4.4 真实房颤信号提取实验
    3.5 本章小结
第四章 ICA与 ESN相结合的房颤信号提取算法
    4.1 引言
    4.2 房颤信号提取的整体框架
    4.3 基于ICA和 ESN的房颤信号提取
        4.3.1 基于负熵的独立成分信号提取
        4.3.2 利用回声状态网络完成房颤信号提取
    4.4 算法验证和结果分析
        4.4.1 仿真房颤信号提取实验
        4.4.2 真实房颤信号提取实验
    4.5 本章小结
第五章 总结与展望
    5.1 工作总结
    5.2 后期展望
参考文献
致谢
个人简介
攻读学位期间取得的研究成果



本文编号:3779525

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3779525.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户68fc5***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com