面向智能终端的心电信号处理方法研究及实现

发布时间：2017-09-25 14:24

  本文关键词：面向智能终端的心电信号处理方法研究及实现

  更多相关文章： 心电信号 提升小波 去噪 R波检测 智能终端

【摘要】：随着我国经济的高速发展,人民生活的不断提高,健康问题愈加受到人们的关注。同时科技的进步、社会的发展,必将推动医疗领域的变革。相比传统的医疗设备,便携式移动医疗设备越来越受到人们的青睐和关注。便携式移动医疗设备具有智能化、小型化、操作简单等特点,能为人们提供适时、适地、无边界的服务,还能有效地缓解当前医疗资源有限的问题。随着智能终端在远程动态心电医疗监护上的使用,高精确度、高实时性及易实现等特点的心电信号(Electrocardiograph,ECG)处理算法显得尤为重要。而对于心电信号的处理,其关键在于去噪处理及R波的检测识别。因此本文针对心电信号的去噪算法及心电信号的R波检测识别进行了重点研究,并在此基础上进行了改进,提出了改进的去噪及R波检测算法。本文完成的主要工作如下:1.对标准心电数据库进行分析说明,确定本文研究的心电数据库(MIT-BIH数据库)。2.在传统的心电信号去噪算法分析的基础上,本文重点研究了硬阈值、软阈值及折中阈值的去噪方法,针对其不足进行改进,与提升小波算法相结合,构造了一种非线性幂阈值去噪算法。从MIT-BIH数据库中分别选取了100号、103号等不同心电信号,使用Matlab软件,对本文改进的去噪算法与传统的去噪算法性能进行对比分析。本文构造的去噪算法的去噪性能明显要优于传统的去噪算法,且该算法复杂度低,易于实现,适合于智能终端心电信号的分析。3.在传统的心电信号差分阈值R波检测算法的基础上,提出了改进算法,对该算法的起始点位置及时间窗函数上进行改进。运用该算法通过Matlab仿真表明,从MIT-BIH数据库中选取15种不同的心电信号进行30min长时间的R波检测,平均识别率可达到约99.69%;使用实际采集5min的心电数据进行R波检测,识别率可达到100%。4.在智能终端(Android系统)软件的设计中,对心电信号的去噪和R波识别上采用本文改进算法进行实现,该软件能够实时反映被采集者的心电信号及相关特征信息并将用户信息保存在设计的数据库中。通过大量测试验证,在Matlab仿真环境下的R波检测结果与智能终端环境下的R波检测结果几乎完全一致,证明了本文改进后相关算法的有效性及可行性。通过大量实时的心电信号的采集验证,本文设计的智能终端心电信号分析软件运行良好。
【关键词】：心电信号 提升小波 去噪 R波检测 智能终端
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN911.7
【目录】：

• 摘要3-5
• Abstract5-13
• 第1章 绪论13-21
• 1.1 课题研究背景13-14
• 1.2 课题研究现状14-17
• 1.2.1 ECG信号监护系统研究现状14-15
• 1.2.2 基于智能终端ECG信号处理方法15-17
• 1.3 课题研究意义17-18
• 1.4 课题结构及安排18-20
• 1.5 本章小结20-21
• 第2章 心电信号相关研究21-26
• 2.1 心电信号特点21-23
• 2.1.1 心电信号时域特点21-22
• 2.1.2 心电信号频谱特点22-23
• 2.2 心电信号特征波分析23-24
• 2.3 常用标准心电数据库24-25
• 2.4 本章小结25-26
• 第3章 基于提升小波非线性幂阈值去噪算法研究26-44
• 3.1 传统的心电信号去噪算法26-33
• 3.1.1 心电信号小波滤波27-30
• 3.1.2 心电信号提升小波滤波30-31
• 3.1.3 数学形态学滤波31-33
• 3.2 基于提升小波非线性幂阈值函数构造33-38
• 3.2.1 提升小波阈值去噪算法架构33-35
• 3.2.2 非线性幂阈值函数构造35-38
• 3.3 基于提升小波非线性幂阈值算法仿真分析38-43
• 3.4 本章小结43-44
• 第4章 改进的差分阈值R波检测算法研究44-59
• 4.1 传统的QRS波检测算法44-47
• 4.1.1 模板匹配法44
• 4.1.2 数学形态法44-45
• 4.1.3 差分阈值法45-47
• 4.2 改进的差分阈值R波检测算法47-51
• 4.2.1 改进的差分阈值R波检测算法架构48-50
• 4.2.2 改进的差分阈值R波检测算法构造50-51
• 4.3 改进算法仿真分析51-55
• 4.4 改进算法智能终端验证分析55-58
• 4.5 本章小结58-59
• 第5章 智能终端心电信号处理分析的实现59-70
• 5.1 智能终端ECG信号分析系统方案设计59-60
• 5.2 数据库管理模块60-63
• 5.3 心电信号处理模块63-67
• 5.3.1 心电信号去噪63
• 5.3.2 实时波形显示63-65
• 5.3.3 时间计时65
• 5.3.4 实时心率检测65-66
• 5.3.5 心电信号相关参数及图表生成66-67
• 5.4 系统帮助模块67
• 5.5 实验结果测试及分析67-69
• 5.6 本章小结69-70
• 第6章 结论与展望70-72
• 6.1 论文结论70-71
• 6.2 论文后续研究及展望71-72
• 参考文献72-77
• 致谢77-78
• 攻读硕士期间从事的科研工作及取得的成果78

【参考文献】

中国期刊全文数据库 前10条

1 王蔷薇;孙朋;庞宇;林金朝;周前能;李章勇;王伟;冉鹏;;基于提升小波的心电信号R波检测算法研究[J];生命科学仪器;2015年Z1期

2 欧阳波;程栋;王玲;;改进小波阈值算法在心电信号去噪中的应用[J];计算机工程与应用;2015年04期

3 王小飞;李鸿强;陈磊;李恩邦;;基于提升小波和改进包络的心电特征检测算法[J];系统仿真学报;2013年12期

4 毛中亮;史鸿飞;应俊;何史林;周丹;;基于Android平台的移动医疗应用系统[J];中国医疗设备;2013年03期

5 王慧静;蒲宝明;孙宏国;张全发;;基于小波阈值的心电信号去噪算法[J];计算机系统应用;2012年12期

6 周西峰;朱文文;郭前岗;;基于渐近半软阈值函数的超声信号去噪方法[J];探测与控制学报;2011年02期

7 刘忠国;王金亮;刘伯强;;基于形态学滤波器的ECG信号预处理[J];生物医学工程学杂志;2011年02期

8 徐效文;曾超;崔松野;王伟;;MIT-BIH数据库心电数据重采样研究[J];计算机工程与应用;2011年08期

9 王宏宇;柳子静;刘光宇;张新利;王敏;范爽斐;于晓岚;;远程无线实时手机心电监护的临床应用[J];中国民康医学;2011年03期

10 ;New Wavelet Threshold Denoising Method in Noisy Blind Source Separation[J];Journal of Electronic Science and Technology;2010年04期

，

本文编号：917854