心电信号的预处理及特征点识别算法的研究

发布时间：2017-09-08 06:08

  本文关键词：心电信号的预处理及特征点识别算法的研究

  更多相关文章： 心电信号 识别处理 QRS波 LMS算法

【摘要】： 心电信号是心脏电活动在体表的综合反映,心电信号识别对诊断心脏疾病具有重要意义。本文系统地综述和分析了国内外心电信号的预处理和识别方法,在此发展现状的基础上,开展了心电信号预处理、心电信号识别等方面的研究工作,并且取得了一些良好的效果。 工频干扰是心电信号识别影响中最大的干扰,很大程度上降低了ECG信号的信噪比。本文在论述自适应噪声抵消系统原理的基础上,介绍和分析了LMS算法及其几种改进算法,提出了基于迭代次数变步长的LMS算法。然后在基于小波变换多分辨率分析方法的心电信号特征波形识别基础之上,针对小波变换误检问题,首次提出小波变换与形态学峰谷检测相结合的QRS波群联合检测算法,这种算法既保持了小波变换在信号频域上的优秀分辨率,又能够通过形态学峰谷检测避免其它信号对小波变换检测结果的干扰。针对P、T波,利用模极大值对的斜率进行识别。本文利用美国麻省理工学院MIT-BIH数据库中大量的数据进行对比实验,取得良好的效果;最后本文给出了研究展望。
【关键词】：心电信号 识别处理 QRS波 LMS算法
【学位授予单位】：内蒙古大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：R318.0;TN911.7
【目录】：

• 摘要4-5
• Abstract5-10
• 第一章 绪论10-16
• 1.1 引言10
• 1.2 课题研究的背景及意义10
• 1.3 国内外发展动态及发展趋势10-14
• 1.3.1 心电信号预处理研究现状11-12
• 1.3.2 心电信号识别分析现状12-14
• 1.4 本文的主要工作内容14-15
• 1.5 本文的创新内容15-16
• 第二章 心电信号产生的机理及特点16-19
• 2.1 心电信号的产生16-17
• 2.2 心电信号的特点17-19
• 第三章 心电信号波形处理19-34
• 3.1 心电信号数据19-21
• 3.1.1 导联19-20
• 3.1.2 MIT数据库简介20-21
• 3.2 心电信号的噪声分析21-23
• 3.2.1 工频干扰21-22
• 3.2.2 基线漂移和呼吸时的干扰22
• 3.2.3 电极接触噪声22-23
• 3.2.4 人为运动23
• 3.2.5 肌电干扰(EMG)23
• 3.2.6 信号处理中用电设备产生的仪器噪声23
• 3.3 工频噪声消除23-27
• 3.3.1 平滑滤波24-25
• 3.3.2 基于窗函数法的FIR滤波器25
• 3.3.3 自适应滤波25-26
• 3.3.4 LMS算法26-27
• 3.3.5 NLMS算法27
• 3.4 基线漂移噪声的消除27-28
• 3.4.1 滑动平均滤波27-28
• 3.4.2 插值拟合法28
• 3.5 本文中工频干扰噪声的消除28-33
• 3.5.1 基于迭代次数变步长的LMS算法消除工频干扰28-30
• 3.5.2 迭代次数变步长的LMS算法的滤波效果30-33
• 3.6 本章小结33-34
• 第四章 心电信号 QRS识别34-56
• 4.1 差分阈值法34-37
• 4.2 模板形态特征匹配的识别方法37-38
• 4.3 本文提出的基于小波和数学形态联合的识别方法38-54
• 4.3.1 形态学 ECG识别38-45
• 4.3.1.1 数学形态学原理39
• 4.3.1.2 数学形态学 ECG识别39-41
• 4.3.1.3 结构元素的选择41
• 4.3.1.4 异常波的识别41-45
• 4.3.2 小波变换识别45-54
• 4.3.2.1 小波简介45
• 4.3.2.2 小波函数的选择45-47
• 4.3.2.3 选择特征尺度47-48
• 4.3.2.4 算法48-49
• 4.3.2.5 不同的R波形识别49-51
• 4.3.2.6 Q波和S波识别51-53
• 4.3.2.7 识别结果53-54
• 4.4 本章小结54-56
• 第五章 心电信号 P、T波识别56-64
• 5.1 P、T波小波特性57-58
• 5.2 P、T波小波识别算法58-60
• 5.3 数据实验60-62
• 5.4 结果分析62-63
• 5.5 本章小结63-64
• 第六章 结论64-65
• 参考文献65-70
• 致谢70
• 攻读学位期间发表的学术论文目录70

【引证文献】

中国硕士学位论文全文数据库 前4条

1 杨涛;便携式无创数字脉搏血氧仪的设计研究[D];南京医科大学;2011年

2 刘丽丽;基于自适应滤波器和小波变换的ECG预处理算法的研究[D];吉林大学;2012年

3 李彩玉;基于RBF神经网络的心电信号分类识别技术研究[D];云南大学;2012年

4 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

，

本文编号：812323