基于小波與神經網絡的心電信號自動分析技術研究.pdf

1、本論文主要對心電信號的預處理、波形檢測、特征參數提取、心電信號的自動分類及疾病診斷等問題進行了較為全面的研究,完成了心電信號自動分析算法的設計與實現。
　　 首先,本文對心電信號的干擾進行分析,并針對工頻干擾、肌電噪聲及基線漂移等噪聲采取相關的消噪方法；此外,采用了一種基于小波變換的心電信號去噪算法,對小波分解重構法以及小波閾值法進行了研究,分析了兩者應用于心電信號去噪的特點并將其進行有機結合,通過仿真可以看出該算法可以去除心電

2、信號中的工頻干擾、基線漂移、肌電噪聲等多種主要干擾,并能較好保持原始心電信號的特征,具有較高的實用價值。
　　 而后,采用經典差分閾值法對心電信號中關鍵的QRS波進行檢測,并針對傳統(tǒng)差分閾值法的局限性,提出了利用雙正交二次B樣條小波來精確定位QRS波群的實時檢測算法。該算法利用小波變換與信號奇異點的關系,在2’尺度下識別R波,在21尺度下對QRS波的起點和終點進行檢測。仿真結果表明,算法對QRS波的平均識別率高達99.64％,能

3、夠對QRS波群進行精確檢測和定位。
　　 最后,在目前心電監(jiān)護儀常用檢測標準的基礎上,設計了一種基于包括RR間期,R波峰值,QRS間期,RS下降斜率等特征量的神經網絡自動診斷模型,討論了該神經網絡的設計和訓練過程。經MIT-BIH標準心律失常數據庫驗證,基于L-M算法的BP網絡不僅能有效檢測出心電中存在的房性早搏與室性早搏波形,而且可以根據病人心電波形的自身特點來進行差異性參數閾值選擇,對于多種心律失常類心電也能達到滿意的診斷效