基于卷积自编码神经网络的心电信号降噪算法研究

发布时间：2023-05-18 22:17

　　心血管疾病具有高发病率、高致死率、高复发率的特点,在全球范围内已成为致死率排第一位的疾病,每年因其致死的人数约占全球总死亡人数的31%,且患有心血管疾病的人数还在日益增多,并呈现出年轻化趋势,对人类身体健康造成了严重的威胁。心电图作为记录人体心脏电活动的一种图形技术,因其无创性特点,已成为心血管疾病检测和诊断的重要方法之一。然而,其在采集过程中会受到各种干扰,导致采集到的心电信号存在波形失真的问题,在一定程度上影响病情的分析和诊断。因此,解决心电信号去噪问题具有重要意义。为了减少心电噪声影响,本文提出基于卷积自编码神经网络的心电信号降噪算法。论文主要内容如下:(1)提出了基于卷积自编码神经网络的心电信号降噪算法。将卷积神经网络和自编码器相结合,利用自编码器的编码、解码特性,通过卷积的方法构建深层神经网络来学习从含噪心电信号到干净心电信号的端对端映射,以端对端的方式学习完整的卷积和反卷积映射,从含噪的心电信号中得到干净的心电信号,以完成心电信号的噪声去除。结果表明,基于卷积自编码神经网络的降噪算法取得了较好的去噪效果,而且对蕴含丰富病理信息的变异性心拍的噪声滤除也有一定的优势。(2)针对...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 课题研究背景及研究意义
    1.2 心电信号降噪技术研究现状
    1.3 论文内容安排
第2章 心电信号相关知识及神经网络理论
    2.1 心电信号相关知识
        2.1.1 正常心电信号波形及意义
        2.1.2 心电信号噪声类型
        2.1.3 心电信号数据库
    2.2 神经网络理论
        2.2.1 自编码器
        2.2.2 卷积神经网络
    2.3 本章小结
第3章 基于卷积自编码神经网络的心电信号降噪算法
    3.1 引言
    3.2 卷积自编码神经网络的心电信号降噪
        3.2.1 编码
        3.2.2 解码
        3.2.3 卷积自编码神经网络的优化
    3.3 算法验证和结果分析
        3.3.1 实验数据
        3.3.2 心电信号去噪评价标准
        3.3.3 降噪结果分析
        3.3.4 本文算法针对变异性心拍的降噪优势
        3.3.5 实验结论
    3.4 本章小结
第4章 基于卷积自编码神经网络的心电信号盲降噪
    4.1 引言
    4.2 心电信号盲降噪算法的整体框架
    4.3 心电信号噪声分类
        4.3.1 心电信号低频分量噪声的检测和分类
        4.3.2 心电信号高频分量噪声的检测和分类
    4.4 基于噪声类型分类后的心电信号盲降噪
    4.5 算法验证和结果分析
        4.5.1 噪声分类结果分析
        4.5.2 心电信号盲降噪结果分析
        4.5.3 实验结论
    4.6 本章小结
第5章 心电降噪算法的应用
    5.1 心电监护平台
        5.1.1 心电信号采集
        5.1.2 心电云系统
    5.2 本文算法在心电监护平台的应用
    5.3 本章小结
第6章 总结和展望
    6.1 工作总结
    6.2 后期展望
参考文献
致谢
攻读硕士学位期间发表论文情况



本文编号：3819103