本文關(guān)鍵詞：基于小波變換的心電信號預(yù)處理與特征識別算法

  更多相關(guān)文章： 心電圖 MIT-BIH心律不齊數(shù)據(jù)庫 小波變換 心電噪聲 降噪 特征識別

【摘要】： 心血管疾病是人類死亡的主要原因之一,按世界衛(wèi)生組織的統(tǒng)計,全世界每年死于心臟病的人約有1200萬,占整個死亡人數(shù)的25%。隨著現(xiàn)代人生活水平的不斷提高,一些不健康的生活方式也會導(dǎo)致心臟病朝著年輕化發(fā)展。而心臟病特點是發(fā)病快,死亡率高,治療難度大,治療費用高。為了克服心臟病對人類的危害,早期發(fā)現(xiàn),早期診斷,早期治療可以顯著降低死亡率。而家庭監(jiān)護為這一切提供了可能。在家庭監(jiān)護中,方便的心電圖記錄和心電自動診斷是人們關(guān)心的重點。本論文針對家庭便攜式監(jiān)護儀擬研究心電特征的檢測方法。 心電圖是心臟搏動的電位變化圖。它的各種波形和間隔代表著心臟的電氣特征,醫(yī)生根據(jù)心電圖的波形來判斷心臟活動的異常,從而診斷心臟疾病,并且可以用來監(jiān)測病人的身體狀況,評估病情和治療成效。因此,用計算機來分析心電圖的特征波形就顯得尤為重要,分析得是否準確和迅速直接關(guān)系到患者的治療。 QRS復(fù)合波是心電圖中最明顯的波也是心電信號分析的基礎(chǔ),QRS波的定位是否準確直接關(guān)系到后續(xù)的監(jiān)測。每個人的QRS波的形態(tài)有所差異,并且同一個人的QRS波也根據(jù)個人狀態(tài)而表現(xiàn)出很大的差異性,因此,準確監(jiān)測QRS波存在很大的難度。如何既能保持檢測的準確性又能保證檢測的時效性是很多研究人員面臨的課題。 小波變換方法的出現(xiàn)為信號檢測提供了全新的方法。小波變換具有多尺度,多分辨分析的特點,可將信號進行多尺度分解,并把不同頻帶的信號現(xiàn)實在分解的不同尺度上。這樣可以根據(jù)不同信號信息所在的頻帶來進行具體的分析。 本文首先介紹了心電圖的一些相關(guān)內(nèi)容,各種波形的特點以及噪聲的種類。對本實驗中所使用的MIT-BIH心電數(shù)據(jù)庫和小波變換的相關(guān)基礎(chǔ)知識也作了簡單的介紹。本文詳細說明了使用小波變換方法對心電圖進行降噪處理和特征識別。首先,對心電圖進行消噪操作,嘗試使用多種方法進行降噪。然后,利用三次樣條小波在心電圖特征點識別方面的突出優(yōu)勢,對心電圖進行8層分解,對R波識別和定位;在此基礎(chǔ)上,找出R波的起止點的位置;并且定位P和T波的位置;確定RR間期。本文的重點是對R波進行準確的定位,計算RR間期和確定QRS波的起止點。并在此基礎(chǔ)上嘗試對P、T波進行檢測。P、T波的檢測是心電圖檢測的難點所在。最后,在算法評估中,我們將心電圖原始數(shù)據(jù)與所檢測到的數(shù)據(jù)相對比,進行統(tǒng)計分析,評估算法的準確率。
【關(guān)鍵詞】：心電圖 MIT-BIH心律不齊數(shù)據(jù)庫 小波變換 心電噪聲 降噪 特征識別
【學(xué)位授予單位】：中國醫(yī)科大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2009
【分類號】：R318.04
【目錄】：

• 一、摘要6-10
• 中文論著摘要6-8
• 英文論著摘要8-10
• 二、英文縮略語10-11
• 三、論文11-57
• 第一章 緒論11-18
• 1.1 心電圖及其原理11-12
• 1.2 噪聲的來源及種類12-13
• 1.3 心電圖濾波技術(shù)的發(fā)展13-14
• 1.3.1 硬件濾波技術(shù)13-14
• 1.3.2 軟件濾波技術(shù)14
• 1.4 特征識別方法小結(jié)14-16
• 1.4.1 QRS波的硬件檢測15
• 1.4.2 QRS波的軟件檢測15-16
• 1.5 本論文的研究內(nèi)容16-18
• 第二章 MIT-BIH心律不齊數(shù)據(jù)庫18-21
• 2.1 MIT-BIH數(shù)據(jù)庫概述18
• 2.2 MIT-BIH心律不齊數(shù)據(jù)庫18-21
• 2.2.1 MIT-BIH數(shù)據(jù)庫病例分類20-21
• 第三章 小波變換理論21-29
• 3.1 小波變換的基本原理21-22
• 3.1.1 小波變換的理論基礎(chǔ)21-22
• 3.1.2 小波變換原理22
• 3.2 連續(xù)小波變換22-23
• 3.3 離散小波變換與多分辨分析23-25
• 3.3.1 離散小波變換23-24
• 3.3.2 一維離散小波變換的分解和重建24
• 3.3.3 多分辨分析24-25
• 3.4 小波函數(shù)的選取25-26
• 3.5 常見的小波函數(shù)26-28
• 3.6 本章小結(jié)28-29
• 第四章 心電信號的預(yù)處理29-36
• 4.1 信號消噪29-30
• 4.1.1 噪聲在小波分解下的特性29-30
• 4.1.2 信號降噪的準則30
• 4.2 小波分解與降噪30-35
• 4.2.1 小波函數(shù)的選取30
• 4.2.2 用小波變換法降噪30-31
• 4.2.3 降噪過程和結(jié)果31-35
• 4.3 本章總結(jié)35-36
• 第五章 心電圖的特征識別36-52
• 5.1 心電圖的特征36
• 5.2 小波變換在心電波形識別中的應(yīng)用36
• 5.2.1 小波基的選擇36
• 5.3 樣條小波36-38
• 5.3.1 樣條小波的定義36-37
• 5.3.2 構(gòu)造樣條小波37-38
• 5.4 利用樣條小波進行R波識別38-49
• 5.4.1 心電信號的小波分解39-41
• 5.4.2 檢測模極大值對41-46
• 5.4.3 時移修正46-48
• 5.4.4 QRS波起止點檢測48-49
• 5.5 P、T波檢測49-51
• 5.5.1 P、T波特點49
• 5.5.2 常用的P、T波檢測方法49-50
• 5.5.3 本文所使用的檢測方法50-51
• 5.6 本章小結(jié)51-52
• 第六章 算法評估52-56
• 6.1 MIT-BIH評估數(shù)據(jù)庫52
• 6.2 算法評估方法52-54
• 6.2.1 算法的預(yù)期目標52
• 6.2.2 保存算法的返回結(jié)果52
• 6.2.3 方法實現(xiàn)52-53
• 6.2.4 檢測結(jié)果分析53-54
• 6.3 討論54-56
• 第七章 結(jié)論與展望56-57
• 7.1 結(jié)論56
• 7.2 展望56-57
• 四、本研究創(chuàng)新性自我評價57-58
• 五、參考文獻58-59
• 六、附錄59-71
• 綜述59-70
• 致謝70-71
• 個人簡介71

【引證文獻】

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 姚成;心電信號智能分析關(guān)鍵技術(shù)研究[D];吉林大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前7條

1 李銀;基于ARM的心電信號采集系統(tǒng)設(shè)計[D];武漢理工大學(xué);2011年

2 孟祥平;利用脈搏波傳播時間計算動脈血壓的研究[D];山東大學(xué);2011年

3 李麗;基于小波變換的心電微弱信號處理的研究[D];遼寧工程技術(shù)大學(xué);2011年

4 任婷;大地測量信號小波相關(guān)性研究[D];山東理工大學(xué);2012年

5 阮月平;基于小波分析方法的心電信號特征研究[D];中南大學(xué);2012年

6 鄧寶蕓;基于心電和脈搏波數(shù)據(jù)融合的呼吸率估計[D];山東大學(xué);2012年

7 秦京志;多分辨率三維數(shù)據(jù)可視化方法研究[D];南京理工大學(xué);2013年

，

本文編號：830939