基于无监督学习的心冲击信号心率变异性检测方法研究

发布时间：2023-03-06 20:54

　　连续的心率变异性(HRV)监测是诊断和预防致命性心血管疾病的重要措施。传统的心率检测设备往往需要专业的人士进行操作,将电机放置在患者的身体部位,并且需要患者进行配合。由于最近可穿戴装置的发展,可以在很长一段时间内收集心冲击(BCG)信号,而不使患者的正常活动收到限制。然而,患者的身体活动可能会严重干扰BCG信号的采样,从而导致信号质量下降。这给识别信号的心跳周期和心率变异性带来很大的困难。提出了一种使用无监督学习框架来估计每一个心跳间隔的方法。在预处理阶段,使用支持向量机(SVM)去除异常信号,然后用巴特沃兹带通滤波器来获得去除呼吸分量后的BCG信号。接下来将通过聚类的方式学习到信号的心跳周期模式。首先通过高斯混合模型的方法找到包涵局部峰信号段的聚类中心,然后利用极差找出候选心跳尖峰所在的簇,并且根据候选心跳尖峰得到BCG信号的心跳模式。接下来根据学习到的心跳模型对BCG信号做相关性分析,使用相关系数来对信号进行滤波,以期望突出信号中的心跳尖峰。最后根据滑动局部最大值的持续时间来预测心跳尖峰,同时可以得到心率变异性(HRV),并且可以在中值滤波的帮助下,去除一些明显的异常值。通过对10...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究概况
    1.3 主要研究内容
2 关键技术分析
    2.1 信号采集设备
    2.2 信号处理方法
    2.3 本章小结
3 提取心率变异性算法
    3.1 信号采集和预处理
    3.2 心跳模式识别
    3.3 通过相关系数滤波突出尖峰信号
    3.4 通过滑动窗口最大值的持续时间获得HRV
    3.5 本章小结
4 实验设计与结果分析
    4.1 数据采集
    4.2 评价指标
    4.3 实验结果及分析
    4.4 本章小结
5 总结与展望
    5.1 全文总结
    5.2 展望
致谢
参考文献
附录1 攻读学位期间取得的研究成果



本文编号：3757369