基于心电图的身份识别鲁棒性研究

发布时间：2017-09-15 09:21

  本文关键词：基于心电图的身份识别鲁棒性研究

  更多相关文章： ECG信号 多态平均模板 多层识别 多维多层识别

【摘要】：在物联网迅速普及的今天,心电图(Electrocardiogram,ECG)信号身份识别在可穿戴设备上的应用有巨大的前景。由于可移动设备的特点,要求ECG信号采集设备的集成度较高,采集的数据没有医学设备那么精确。而且在可移动设备上采集ECG信号,需要采集者手触或腕触采集段子,出现松动的概率较大。对于采集者本身而言,不可能都是在平静状态下进行采集,当采集者运动过后,采集的ECG信号会和平静时采集的心电信号出现差异,当采用的ECG身份识别算法鲁棒性较差时,会出现识别错误。因此自采集的心电数据会出现噪声较大,抖动巨变数据和心电信号心率变化较大等情况,对于ECG身份识别算法的鲁棒性有较高的要求。为了解决这些问题文章分别从解决运动问题和增加ECG信号维度两个方面增强ECG身份识别算法的鲁棒性,并提出多阶ECG身份识别算法。本文提出了基于多态平均模板的多层识别算法。为了解决运动问题下采集个体心率变异性较大的问题,加入了存储多态平均模板的处理。将ECG信号进行多种多方位的特征提取作为多层识别算法的输入。在训练阶段对提取的特征用不同阈值选取策略训练得出最佳阈值。将测试集输入到多层识别算法中,根据训练出的最佳阈值进行识别。每一层的输入为上一层的识别错误样本,这样能将每层的识别样本数减少,使上一层难以识别的样本通过下一层的另一角度的特征加以识别。实验表明,多层识别算法有较高的识别准确率,准确率最高达到97.92%。而多种特征相较于单一特征,多层识别算法的效果更加显著。为了进一步增加ECG身份识别的鲁棒性,文章提出了针对多维度ECG信号的多层识别算法。将双导联ECG信号映射到二维空间,然后降维处理,将得到的稀疏矩阵看成二值图像进行整体外观特征、小波系数特征、形状特征和密度分布特征的提取。将提取出的特征使用不同的策略进行训练得到最佳阈值,最后将测试集和最佳阈值输入到多层识别算法中进行身份识别。在实验过程中分别进行单维多层、单维单层以及多维单层的算法比较。结果表明所提出的多维度ECG信号多层识别算法准确率最高能达到99.72%。最后提出多模多维度多层ECG信号身份识别算法,解决多维度ECG信号下的运动问题。在经过处理的自采集数据库中识别准确度最高达到93.75%,最后通过时间复杂度对提出的算法进行评估。
【关键词】：ECG信号 多态平均模板 多层识别 多维多层识别
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R540.41;TP391.41
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第1章 绪论9-15
• 1.1 课题背景及研究的目的和意义9-10
• 1.2 国内外研究进展与成果10-13
• 1.3 国内外文献综述的简析13
• 1.4 本文主要研究内容13-14
• 1.5 文章结构安排14-15
• 第2章 ECG身份识别基础和信号预处理15-26
• 2.1 ECG身份识别基础15-19
• 2.1.1 ECG信号简介15-16
• 2.1.2 ECG信号身份识别模式和阈值选择策略描述16-17
• 2.1.3 性能衡量指标17-18
• 2.1.4 本文的实验数据18-19
• 2.2 ECG信号预处理19-24
• 2.3 本章小结24-26
• 第3章 基于运动状态的多层识别算法26-45
• 3.1 运动状态下的ECG信号心率变异性处理26-29
• 3.1.1 存储多态平均模板26-28
• 3.1.2 QRS复合波的检测和定位28-29
• 3.1.3 分数倍采样率转换29
• 3.2 基于运动状态的多层识别算法描述29-31
• 3.3 相关特征提取算法31-34
• 3.4 实验结果以及对比34-44
• 3.4.1 多态平均模板优化对比34-36
• 3.4.2 多层识别算法应用于自采集数据库和标准数据库对比36-38
• 3.4.3 单层识别算法和多层识别算法对比38
• 3.4.4 单一特征提取算法和多种特征提取算法对比38-39
• 3.4.5 阈值选择策略对比39-41
• 3.4.6 与AdaBoost算法对比41-43
• 3.4.7 时间复杂度对比分析43-44
• 3.5 本章小结44-45
• 第4章 基于多维度ECG信号的多层识别算法45-61
• 4.1 基于多维度ECG信号的多层识别算法描述45-47
• 4.2 相关特征提取方法47-50
• 4.3 实验结果及对比50-56
• 4.3.1 多维单层识别算法和多维多层识别算法对比50-51
• 4.3.2 单维多层识别算法与多维多层识别算法对比51-52
• 4.3.3 单维单层识别算法与多维单层识别算法对比52
• 4.3.4 扩散优化对比52-54
• 4.3.5 阈值选择策略对比54-55
• 4.3.6 与其他数据融合算法对比55-56
• 4.4 多模多维多层身份识别算法描述56-59
• 4.5 时间复杂度对比分析59-60
• 4.6 本章小结60-61
• 结论61-63
• 参考文献63-68
• 致谢68

【相似文献】

中国期刊全文数据库 前3条

1 杨钧,马大庆,高培毅;ROC方法及其在放射学中的应用[J];中国医学影像技术;2000年05期

2 吴爱平,王立业,李川勇;长序列心电信号最佳复杂度的确定[J];生物医学工程学杂志;2005年01期

3 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 宋玉丹;秦志钰;容幸福;;彩色无序图像分割中最佳阈值的选择[A];图像图形技术与应用进展——第三届图像图形技术与应用学术会议论文集[C];2008年

中国硕士学位论文全文数据库 前3条

1 刘琳琳;基于心电图的身份识别鲁棒性研究[D];哈尔滨工业大学;2016年

2 罗勇;经颅超声在帕金森病诊断中最佳阈值和诊断价值的研究[D];浙江大学;2014年

3 徐尚蕾;Bootstrap算法在基因预测中的阈值选取研究[D];电子科技大学;2011年

，

本文编号：855643