規(guī)范有效的產前胎兒監(jiān)護是對胎兒生長健康狀況的實時動態(tài)觀察,而常用的監(jiān)護手段是胎兒心電監(jiān)護,胎兒心電信號是胎兒心臟活動時源發(fā)性的生物電信號,包含著豐富的信息。由于通過母體腹部采集到的胎兒心電信號,常伴有母親心電信號、工頻干擾、基線漂移、母體肌電等干擾噪聲,因此如何提取到準確的胎兒心電信號一直是醫(yī)護研究人員研究的重難點�；谪撿氐莫毩⒎至糠治龉潭c算法(FastICA)結合了負熵所帶來的統計特性和不動點迭代的優(yōu)良算法特性,是一種快速尋優(yōu)迭代的多維數據處理技術,從孕婦體表采集到的心電信號可被看作是多個相互獨立信號的混合,符合ICA算法的前提條件,故可用FastICA算法分離各個源信號。而非負矩陣分解是一種非監(jiān)督式的有效處理數據的降維方法,可以對分離出的含噪胎兒心電作進一步的提取。因此,本文針對前人優(yōu)秀的理論成果,結合仿真實驗,提出基于獨立分量分析和非負矩陣分解的胎兒心電信號提取方法。本文實驗采用三種多通道的心電數據,包括:模擬心電信號、國際通用的MIT-BIH心電數據庫以及醫(yī)院臨床采集的信號。其中,模擬心電信號是在分析胎兒心電、母親心電和噪聲干擾的幅頻及時頻特性的基礎上,用MATLAB軟件仿...

【文章頁數】：85 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 胎兒心電信號提取的技術現狀
    1.4 本文主要研究的內容和組織結構
第二章 相關背景知識
    2.1 心電信號基礎知識
        2.1.1 心電信號的產生機理與傳播
        2.1.2 心電圖簡介
    2.2 胎兒心電信號的特性
    2.3 胎兒心電圖的臨床應用
    2.4 心電信號的數據來源介紹
        2.4.1 模擬心電數據
        2.4.2 MIT-BIH數據庫
        2.4.3 醫(yī)院臨床采集心電數據
    2.5 胎兒心電處理技術
        2.5.1 自適應噪聲抵消
        2.5.2 模板匹配
        2.5.3 盲源分離
        2.5.4 神經網絡
    2.6 本章小結
第三章 基于獨立分量分析的心電信號分離方法
    3.1 心電信號的預處理
        3.1.1 胎心電信號的干擾分析
        3.1.2 濾波器
        3.1.3 小波去噪
    3.2 信息論和統計學的基礎知識
    3.3 獨立分量分析的概況
    3.4 ICA的分離原則
        3.4.1 互信息最小化
        3.4.2 最大似然估計
        3.4.3 負熵極大化
    3.5 ICA的優(yōu)化算法
        3.5.1 自然梯度與相對梯度算法
        3.5.2 四階盲辨識算法
        3.5.3 雅可比算法
    3.6 基于負熵極大值的FastICA算法
    3.7 本章小結
第四章 基于非負矩陣分解的胎兒心電信號處理方法
    4.1 非負矩陣分解原理
        4.1.1 非負矩陣分解簡介
        4.1.2 NMF的目標函數和迭代準則
    4.2 收斂性證明
    4.3 非負矩陣分解的算法實現
    4.4 波峰檢測及胎心率計算
    4.5 算法性能評估指標
    4.6 本章小結
第五章 算法的仿真實驗
    5.1 Matlab模擬心電數據實驗
        5.1.1 模擬心電數據準備
        5.1.2 模擬心電數據測試
        5.1.3 對比分析
    5.2 MIT數據庫心電數據實驗
        5.2.1 數據準備
        5.2.2 非侵入性胎兒心電數據庫數據測試
        5.2.3 結果分析
    5.3 臨床心電數據實驗
        5.3.1 數據采集
        5.3.2 臨床心電數據處理
        5.3.3 結果分析
    5.4 本章小結
總結與展望
參考文獻
攻讀學位期間的科研成果
致謝



本文編號：3833383