窦房结电图自动分析技术的研究与实现

发布时间：2023-11-04 07:36

　　窦房结电图(SNE)是临床评价窦房结功能的直接依据,然目前对窦房结电图的波形判别均为人工判别,为提高诊断效率、满足临床需求,须研究出自动判别算法,因此对SNE的自动分析技术进行了专门的研究,为SNE在临床的推广应用奠定基础。 本文在研究SNE噪声背景的基础上,提出了基于数学形态法抑制基线漂移、基于小波阈值消噪法消除高频噪声的SNE信号预处理的理论算法。再依据所提出的理论算法,采用基于FPGA的预处理算法电路尝试实现SNE的信号预处理。 在SNE信号识别方面,采用小波奇异点检测法识别S波,使用对消法识别A波和V波,通过对P前波曲线拟合,采用阈值判断的方法识别P前波。然后使用MFC设计了SNE特征波形的自动识别软件,初步实现了SNE特征波形的自动识别。 论文对实际采集的SNE数据,用Matlab软件对提出的理论算法进行了小样本仿真验证,结果表明,所提出的算法具有合理性及可行性,为后续窦房结电图的进一步的研究奠定了基础。

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题研究的背景与意义
    1.2 国内外研究的现状
        1.2.1 SNE信号预处理技术的研究现状
        1.2.2 SNE特征波形自动识别技术的研究现状
        1.2.3 信号处理技术实现方法的发展现状
    1.3 本文研究工作
        1.3.1 本论文研究的主要内容
        1.3.2 本论文的结构
2 SNE自动分析总体方案论证
    2.1 窦房结电图概述
        2.1.1 SNE的特征波形
        2.1.2 SNE信号的频谱分析
    2.2 SNE信号中噪声抑制及特征波形识别算法的确定
    2.3 SNE信号自动分析算法的实现方案
        2.3.1 预处理算法FPGA实现方案
        2.3.2 识别算法VC++实现方案
    2.4 本章小结
3 SNE信号预处理
    3.1 基于小波分析法的SNE信号预处理
        3.1.1 小波变换概述
        3.1.2 多分辨率分析
        3.1.3 Mallat分解与重建算法
        3.1.4 小波阈值降噪法
        3.1.5 小波分析法对SNE降噪
    3.2 基于数学形态法的SNE信号预处理
        3.2.1 数学形态学
        3.2.2 数学形态滤波器设计
        3.2.3 结构元素设计
        3.2.4 数学形态法滤波实验仿真
    3.3 小波分析法与数学形态法对比分析
    3.4 本章小结
4 SNE特征波形识别
    4.1 S波识别
        4.1.1 时域分析法
        4.1.2 小波变换的奇异点检测
        4.1.3 小波奇异点检测SNE信号S波顶点
    4.2 A波与V波识别
        4.2.1 向前递推法识别A波与V波
        4.2.2 对消法识别A波与V波
    4.3 SNE信号中P前波的识别
        4.3.1 P前波波形特征研究
        4.3.2 P前波识别算法设计
    4.4 本章小结
5 SNE信号预处理算法的FPGA实现
    5.1 存储器模块FPGA实现
    5.2 数学形态法FPGA实现
    5.3 小波消噪FPGA实现
        5.3.1 FIR滤波器设计
        5.3.2 小波分解和重构模块设计
        5.3.3 中位数模块设计
    5.4 消噪算法FPGA实现可行性分析
    5.5 本章小结
6 SNE特征波识别算法上位机实现
    6.1 S波识别算法实现
    6.2 A波和V波识别算法实现
    6.3 P前波识别算法实现
        6.3.1 P前波曲线拟合
        6.3.2 P前波识别具体算法实现
    6.4 本章小结
7 总结和展望
    7.1 全文总结
    7.2 展望
致谢
参考文献
附录



本文编号：3859867