心电信号检测算法研究

发布时间：2017-08-14 07:07

  本文关键词：心电信号检测算法研究

  更多相关文章： 心电信号(ECG) 心电检测 小波分析 小波神经网络

【摘要】：心血管疾病是威胁人类生命的主要疾病之一,而心电信号(electrocardiogram,ECG)则是评价心脏功能的主要依据,因此,关于心电信号检测处理的研究一直为各方所关注。随有计算机技术的进步,所采用的方法也在不断的改进中。 心电信号受人体生理状态的影响而呈现复杂的形态,同时个体的差异也使心电信号千差万别,测量系统的随机干扰也会耦合到心电信号劣化波形。从信号处理角度研究心电信号,具有以下性质:1 准周期性信号;2 低频窄带信号,心搏的生物学机理决定心电信号的频谱分布在0.5～50Hz范围内;3 非平稳信号,心搏受到各种生理状态的综合影响;4 非线性时变信号。这些都对心电信号的检测造成了一定的困难! 本文首先简要综述了心电波形检测处理算法的现状,并对目前己有的心电检测算法作了比较,对它们各自的有代表性的几种算法进行了描述,分析其特点和不足之处。 针对以往心电检测处理算法的不足,本文提出了基于小波神经网络的心电检测算法。小波神经网络算法具有自学习自适应的特点,因此能够对心拍的波形形态信息进行实时更新。然后本文选取了4个参量进行检测,通过MIT/BIH心电数据库数据的实验研究证明,其检测精度和房颤的灵敏度分别高达99.51%和96.84%,这是以往的特征检测算法所不能达到的。并且,由于其特征检测规则,该算法在分析速度上也达到了令人满意的效果。
【关键词】：心电信号(ECG) 心电检测 小波分析 小波神经网络
【学位授予单位】：中南大学
【学位级别】：硕士
【学位授予年份】：2005
【分类号】：R318
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 第一章 绪论9-16
• 1.1 本课题的研究意义9-10
• 1.2 国内外研究现状10-14
• 1.2.1 心电信号检测处理现状10-13
• 1.2.2 心电信号的检测与识别13-14
• 1.3 论文的主要研究内容14-16
• 第二章 心电信号基础16-28
• 2.1 心电信号产生原理与电生理特性16-19
• 2.1.1 心肌细胞的膜电位17
• 2.1.2 心肌的除极和复极17-18
• 2.1.3 心肌细胞的不应期18-19
• 2.2 心电测量和导联19-24
• 2.2.1 临床常见的心电图检查19
• 2.2.2 常规心电图和体表电位分部图19
• 2.2.3 心电图基础19-20
• 2.2.4 常规心电图导联系统20-24
• 2.3 MIT/ BIH心电图数据库24-25
• 2.4 ECG噪声产生原因及其特性25-26
• 2.5 小结26-28
• 第三章 ECG波形检测算法研究28-45
• 3.1 心电信号的预处理28-30
• 3.2 QRS波检测算法研究30-41
• 3.2.1 基于滤波和阈值检测的方法31-36
• 3.2.2 基于数学模型的检测方法36-37
• 3.2.3 基于模板匹配的检测方法37-38
• 3.2.4 基于图形识别的检测方法38
• 3.2.5 基于小波变换的检测方法38-40
• 3.2.6 基于神经网络的检测方法40-41
• 3.3 其他波段检测算法研究41-43
• 3.3.1 P波和 T波检测方法41-42
• 3.3.2 ST段检测方法42-43
• 3.3.2.1 ST段特征点检测42-43
• 3.3.2.2 ST段斜率检测43
• 3.3.2.3 ST段面积检测43
• 3.4 小结43-45
• 第四章 基于小波神经网络的心电信号检测算法45-62
• 4.1 引言45-46
• 4.2 小波分析46-49
• 4.2.1 小波变换46-48
• 4.2.2 小波变换的类型48-49
• 4.2.2.1 连续小波变换48
• 4.2.2.2 小波框架48-49
• 4.2.2.3 正交小波变换49
• 4.2.2.4 小波变换的物理解释49
• 4.3 神经网络49-50
• 4.3.1 神经网络概述49-50
• 4.3.2 神经网络的传递函数50
• 4.4 小波神经网络50-53
• 4.4.1 小波神经网络作为房颤信号诊断的特点与算法50-51
• 4.4.2 小波神经网络的定义51
• 4.4.3 小波神经网络的理论51-53
• 4.4.4 小波神经网络学习算法53
• 4.5 用于心电信号检测和房颤诊断的小波神经网络的结构设计53-54
• 4.6 基于 MATLAB的小波神经网络算法的模拟和仿真54-60
• 4.6.1 MATLAB简介54-55
• 4.6.2 基于小波神经网络的心电检测房颤诊断算法实现55
• 4.6.3 算法简介55-56
• 4.6.4 小波网络对心电的检测和房颤诊断效果56-60
• 4.7 小结60-62
• 第五章 总结与展望62-64
• 5.1 总结62
• 5.2 展望62-64
• 参考文献64-70
• 程序附录I70-79
• 致谢79-80
• 在校期间发表 (含待发)论文情况80

【引证文献】

中国硕士学位论文全文数据库 前9条

1 余正锋;早搏信号的小波模极大值多重分形分析[D];南京邮电大学;2011年

2 曹文静;心内心电图分析的关键技术研究及应用[D];东北大学;2009年

3 黄茁;基于小波变换的心电图处理与分析研究[D];中南大学;2008年

4 郑鹏;基于小波与神经网络的心电信号自动分析技术研究[D];苏州大学;2010年

5 顾远;心电信号去噪及效果评价研究[D];天津理工大学;2012年

6 聂桥桥;智能处理在ECG检测中的应用研究[D];南昌航空大学;2012年

7 刘文轩;GAMP压缩算法的改进及其在心电监护系统中的应用[D];东华大学;2013年

8 刘风华;基于心电脉搏信号的睡意检测与识别方法研究[D];兰州理工大学;2013年

9 许加庆;基于GPU的心肌梗塞早期辅助诊断系统设计[D];华南理工大学;2013年

，

本文编号：671360