基于小波变换的心电信号预处理与特征识别算法

发布时间：2017-09-11 13:16

  本文关键词：基于小波变换的心电信号预处理与特征识别算法

  更多相关文章： 心电图 MIT-BIH心律不齐数据库 小波变换 心电噪声 降噪 特征识别

【摘要】： 心血管疾病是人类死亡的主要原因之一,按世界卫生组织的统计,全世界每年死于心脏病的人约有1200万,占整个死亡人数的25%。随着现代人生活水平的不断提高,一些不健康的生活方式也会导致心脏病朝着年轻化发展。而心脏病特点是发病快,死亡率高,治疗难度大,治疗费用高。为了克服心脏病对人类的危害,早期发现,早期诊断,早期治疗可以显著降低死亡率。而家庭监护为这一切提供了可能。在家庭监护中,方便的心电图记录和心电自动诊断是人们关心的重点。本论文针对家庭便携式监护仪拟研究心电特征的检测方法。 心电图是心脏搏动的电位变化图。它的各种波形和间隔代表着心脏的电气特征,医生根据心电图的波形来判断心脏活动的异常,从而诊断心脏疾病,并且可以用来监测病人的身体状况,评估病情和治疗成效。因此,用计算机来分析心电图的特征波形就显得尤为重要,分析得是否准确和迅速直接关系到患者的治疗。 QRS复合波是心电图中最明显的波也是心电信号分析的基础,QRS波的定位是否准确直接关系到后续的监测。每个人的QRS波的形态有所差异,并且同一个人的QRS波也根据个人状态而表现出很大的差异性,因此,准确监测QRS波存在很大的难度。如何既能保持检测的准确性又能保证检测的时效性是很多研究人员面临的课题。 小波变换方法的出现为信号检测提供了全新的方法。小波变换具有多尺度,多分辨分析的特点,可将信号进行多尺度分解,并把不同频带的信号现实在分解的不同尺度上。这样可以根据不同信号信息所在的频带来进行具体的分析。 本文首先介绍了心电图的一些相关内容,各种波形的特点以及噪声的种类。对本实验中所使用的MIT-BIH心电数据库和小波变换的相关基础知识也作了简单的介绍。本文详细说明了使用小波变换方法对心电图进行降噪处理和特征识别。首先,对心电图进行消噪操作,尝试使用多种方法进行降噪。然后,利用三次样条小波在心电图特征点识别方面的突出优势,对心电图进行8层分解,对R波识别和定位;在此基础上,找出R波的起止点的位置;并且定位P和T波的位置;确定RR间期。本文的重点是对R波进行准确的定位,计算RR间期和确定QRS波的起止点。并在此基础上尝试对P、T波进行检测。P、T波的检测是心电图检测的难点所在。最后,在算法评估中,我们将心电图原始数据与所检测到的数据相对比,进行统计分析,评估算法的准确率。
【关键词】：心电图 MIT-BIH心律不齐数据库 小波变换 心电噪声 降噪 特征识别
【学位授予单位】：中国医科大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：R318.04
【目录】：

• 一、摘要6-10
• 中文论著摘要6-8
• 英文论著摘要8-10
• 二、英文缩略语10-11
• 三、论文11-57
• 第一章 绪论11-18
• 1.1 心电图及其原理11-12
• 1.2 噪声的来源及种类12-13
• 1.3 心电图滤波技术的发展13-14
• 1.3.1 硬件滤波技术13-14
• 1.3.2 软件滤波技术14
• 1.4 特征识别方法小结14-16
• 1.4.1 QRS波的硬件检测15
• 1.4.2 QRS波的软件检测15-16
• 1.5 本论文的研究内容16-18
• 第二章 MIT-BIH心律不齐数据库18-21
• 2.1 MIT-BIH数据库概述18
• 2.2 MIT-BIH心律不齐数据库18-21
• 2.2.1 MIT-BIH数据库病例分类20-21
• 第三章 小波变换理论21-29
• 3.1 小波变换的基本原理21-22
• 3.1.1 小波变换的理论基础21-22
• 3.1.2 小波变换原理22
• 3.2 连续小波变换22-23
• 3.3 离散小波变换与多分辨分析23-25
• 3.3.1 离散小波变换23-24
• 3.3.2 一维离散小波变换的分解和重建24
• 3.3.3 多分辨分析24-25
• 3.4 小波函数的选取25-26
• 3.5 常见的小波函数26-28
• 3.6 本章小结28-29
• 第四章 心电信号的预处理29-36
• 4.1 信号消噪29-30
• 4.1.1 噪声在小波分解下的特性29-30
• 4.1.2 信号降噪的准则30
• 4.2 小波分解与降噪30-35
• 4.2.1 小波函数的选取30
• 4.2.2 用小波变换法降噪30-31
• 4.2.3 降噪过程和结果31-35
• 4.3 本章总结35-36
• 第五章 心电图的特征识别36-52
• 5.1 心电图的特征36
• 5.2 小波变换在心电波形识别中的应用36
• 5.2.1 小波基的选择36
• 5.3 样条小波36-38
• 5.3.1 样条小波的定义36-37
• 5.3.2 构造样条小波37-38
• 5.4 利用样条小波进行R波识别38-49
• 5.4.1 心电信号的小波分解39-41
• 5.4.2 检测模极大值对41-46
• 5.4.3 时移修正46-48
• 5.4.4 QRS波起止点检测48-49
• 5.5 P、T波检测49-51
• 5.5.1 P、T波特点49
• 5.5.2 常用的P、T波检测方法49-50
• 5.5.3 本文所使用的检测方法50-51
• 5.6 本章小结51-52
• 第六章 算法评估52-56
• 6.1 MIT-BIH评估数据库52
• 6.2 算法评估方法52-54
• 6.2.1 算法的预期目标52
• 6.2.2 保存算法的返回结果52
• 6.2.3 方法实现52-53
• 6.2.4 检测结果分析53-54
• 6.3 讨论54-56
• 第七章 结论与展望56-57
• 7.1 结论56
• 7.2 展望56-57
• 四、本研究创新性自我评价57-58
• 五、参考文献58-59
• 六、附录59-71
• 综述59-70
• 致谢70-71
• 个人简介71

【引证文献】

中国博士学位论文全文数据库 前1条

1 姚成;心电信号智能分析关键技术研究[D];吉林大学;2012年

中国硕士学位论文全文数据库 前7条

1 李银;基于ARM的心电信号采集系统设计[D];武汉理工大学;2011年

2 孟祥平;利用脉搏波传播时间计算动脉血压的研究[D];山东大学;2011年

3 李丽;基于小波变换的心电微弱信号处理的研究[D];辽宁工程技术大学;2011年

4 任婷;大地测量信号小波相关性研究[D];山东理工大学;2012年

5 阮月平;基于小波分析方法的心电信号特征研究[D];中南大学;2012年

6 邓宝芸;基于心电和脉搏波数据融合的呼吸率估计[D];山东大学;2012年

7 秦京志;多分辨率三维数据可视化方法研究[D];南京理工大学;2013年

，

本文编号：830939