本文關(guān)鍵詞：數(shù)據(jù)缺失對(duì)捕捉心電信號(hào)特性的影響研究

  更多相關(guān)文章： 數(shù)據(jù)缺失 心率變異性信號(hào) Logistic映射序列 復(fù)雜性 基本尺度熵 近似熵

【摘要】：隨著信息技術(shù)的迅猛發(fā)展,如何從一大批看起來雜亂無章的數(shù)據(jù)中把有用信息集中、萃取和提煉出來,以找出所研究對(duì)象的內(nèi)在規(guī)律,并根據(jù)其預(yù)測(cè)未來發(fā)展趨勢(shì)成為當(dāng)今理論應(yīng)用研究的熱點(diǎn)。然而,在環(huán)境監(jiān)測(cè)、人口普查、考古及生物醫(yī)學(xué)研究等大型資料分析中,經(jīng)常會(huì)出現(xiàn)數(shù)據(jù)直接丟失或成功采集的數(shù)據(jù)不能利用的情況,給數(shù)據(jù)分析與應(yīng)用帶來很多困難。因此衡量一種數(shù)據(jù)分析方法的優(yōu)劣性時(shí),其在數(shù)據(jù)缺失情況下依然能夠保持分析結(jié)果的穩(wěn)定性就顯得極其重要。本文以心率變異性信號(hào)為主要研究對(duì)象,它在采集過程中受設(shè)備操作復(fù)雜、采集數(shù)據(jù)的導(dǎo)線和電極繁多,監(jiān)測(cè)過程較長(zhǎng),電極接觸不良和脫落以及被監(jiān)測(cè)者體位變動(dòng)等諸多因素的干擾,都可能導(dǎo)致數(shù)據(jù)缺失現(xiàn)象的發(fā)生。數(shù)據(jù)一旦缺失,一般又無法進(jìn)行二次采集。因此要評(píng)判一種數(shù)據(jù)分析算法的合理性與實(shí)用性,首先應(yīng)該考慮這種算法是否對(duì)數(shù)據(jù)缺失比較敏感,并確定其是否可以在數(shù)據(jù)缺失情況下依然保持分析結(jié)果的穩(wěn)定性和有效性。如果過分敏感,必然給探測(cè)和捕捉實(shí)際信號(hào)中的有用信息造成很大阻礙,影響分析結(jié)果的準(zhǔn)確性。基于這一思路,我們進(jìn)行了一系列的探索研究,主要研究工作及創(chuàng)新點(diǎn)如下：(1)為了模擬普遍的數(shù)據(jù)缺失情況,我們?cè)O(shè)計(jì)了一種通過構(gòu)造對(duì)比數(shù)列從而隨機(jī)去除數(shù)據(jù)的算法。與直接人為地刪除一些數(shù)據(jù)的方法相比,這種方法更具隨機(jī)性與普適性,并且通過設(shè)定的三個(gè)參數(shù)：去除數(shù)據(jù)比例p、去除數(shù)據(jù)片段的長(zhǎng)度均值u；去除數(shù)據(jù)片段的長(zhǎng)度L服從的分布函數(shù)P(L),能更準(zhǔn)確地分析與描述數(shù)據(jù)缺失對(duì)序列復(fù)雜性的影響程度。(2)以理論上的混沌系統(tǒng)-Logistic映射作為驗(yàn)證對(duì)象,基于兩種不同分布對(duì)其做不同比例p、不同均值u的數(shù)據(jù)去除,然后用基本尺度熵算法對(duì)完整的Logistic映射序列以及存在數(shù)據(jù)缺失的Logistic映射序列進(jìn)行對(duì)比分析。結(jié)果顯示：在一定比例數(shù)據(jù)丟失后,基本尺度熵算法依然能夠捕捉到并且量化序列動(dòng)力學(xué)復(fù)雜性的改變。另外,去除數(shù)據(jù)的比例p以及去除數(shù)據(jù)片段的均值u這兩個(gè)關(guān)鍵性參數(shù)都會(huì)引起基本尺度熵的改變,而缺失數(shù)據(jù)片段的長(zhǎng)度值L服從一個(gè)怎樣的分布,幾乎不影響其分析結(jié)果。(3)以實(shí)際的HRV信號(hào)作為驗(yàn)證對(duì)象,基于兩種不同分布對(duì)其做不同比例p、不同均值u的數(shù)據(jù)去除,并分別運(yùn)用兩種熵測(cè)度一基本尺度熵和近似熵對(duì)完整的以及存在數(shù)據(jù)缺失的HRV信號(hào)進(jìn)行對(duì)比分析。結(jié)果顯示：近似熵對(duì)數(shù)據(jù)缺失具有較強(qiáng)的敏感性,這種較強(qiáng)的敏感性往往會(huì)誤導(dǎo)對(duì)病人生理病理狀態(tài)的判斷,不適用于分析存在數(shù)據(jù)缺失的HRV信號(hào)。相比之下,基本尺度熵算法在這方面有其獨(dú)特的優(yōu)越性,計(jì)算結(jié)果具有較好的穩(wěn)定性,并且在一定程度的數(shù)據(jù)缺失情況下,依然能夠有效地區(qū)分不同的生理病理信號(hào)。
【關(guān)鍵詞】：數(shù)據(jù)缺失 心率變異性信號(hào) Logistic映射序列 復(fù)雜性 基本尺度熵 近似熵
【學(xué)位授予單位】：陜西師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：R54;TN911.7
【目錄】：

• 摘要3-5
• Abstract5-9
• 第1章 緒論9-13
• 1.1 研究背景9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-11
• 1.3 本文的研究?jī)?nèi)容11-13
• 第2章 HRV’信號(hào)分析的理論基礎(chǔ)13-31
• 2.1 心電信號(hào)的產(chǎn)生13-15
• 2.2 HRV的概述及生理基礎(chǔ)15-17
• 2.3 HRV信號(hào)的分析方法17-30
• 2.3.1 時(shí)域分析方法18-21
• 2.3.2 頻域分析方法21-22
• 2.3.3 非線性動(dòng)力學(xué)分析法22-30
• 2.4 本章小結(jié)30-31
• 第3章 基本尺度熵描述存在數(shù)據(jù)缺失的Logistic映射序列31-43
• 3.1 通過構(gòu)造對(duì)比序列從而隨機(jī)去除數(shù)據(jù)的算法31-34
• 3.2 基本尺度熵算法34-36
• 3.3 Logistic映射序列36-40
• 3.3.1 Logistic映射的定義36-37
• 3.3.2 Logistic映射的混沌特性分析37-40
• 3.4 存在數(shù)據(jù)缺失的Logistic映射序列的基本尺度熵分析40-42
• 3.5 本章小結(jié)42-43
• 第4章 存在數(shù)據(jù)缺失的HRV信號(hào)的熵分析43-51
• 4.1 Physionet-生物醫(yī)學(xué)信號(hào)數(shù)據(jù)庫43-44
• 4.2 基本尺度熵方法分析HRV信號(hào)44-48
• 4.2.1 基本尺度熵方法分析完整的HRV信號(hào)44-45
• 4.2.2 基本尺度熵方法分析存在數(shù)據(jù)缺失的HRV信號(hào)45-48
• 4.3 近似熵方法分析存在數(shù)據(jù)缺失的HRV信號(hào)48-50
• 4.4 本章小結(jié)50-51
• 第5章 總結(jié)與展望51-53
• 5.1 本文總結(jié)51-52
• 5.2 工作展望52-53
• 參考文獻(xiàn)53-59
• 致謝59-61
• 攻讀碩士學(xué)位期間的研究成果61

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 王俊;馬千里;寧新寶;;心電圖的基本尺度熵分析[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

2 黃曉林;崔勝忠;寧新寶;卞春華;;心率變異性基本尺度熵的多尺度化研究[J];物理學(xué)報(bào);2009年12期

3 劉大釗;李瑜;李錦;;以基于基本尺度熵的心率變異性指標(biāo)表征生理和病理原因引起的自主神經(jīng)活動(dòng)變化[J];中國生物醫(yī)學(xué)工程學(xué)報(bào);2014年04期

4 羅志增;沈寒霄;;表面肌電信號(hào)的基本尺度熵分析方法[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年S1期

5 李錦,寧新寶;短時(shí)心率變異性信號(hào)的基本尺度熵分析[J];科學(xué)通報(bào);2005年14期

6 ;[J];;年期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 李瑜;數(shù)據(jù)缺失對(duì)捕捉心電信號(hào)特性的影響研究[D];陜西師范大學(xué);2015年

2 徐文敏;應(yīng)用基本尺度熵分析心率變異性[D];陜西師范大學(xué);2014年

，

本文編號(hào)：1059141