數(shù)據(jù)特性導向的FECG提取算法研究.pdf_第1頁
已閱讀1頁,還剩67頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、胎兒心電圖的監(jiān)測對于保證圍產(chǎn)期孕婦和胎兒的健康十分重要。傳統(tǒng)的胎兒心電圖多采用侵入式的方式進行檢測,費事費力,測量過程復雜,而且對胎兒和孕婦的健康帶來額外風險。目前,胎兒心電多采樣腹部電極的非侵入方式采集,但是由于孕婦處于復雜的外界環(huán)境,且采集過程受孕婦自身心電信號和其他生物電信號的干擾,采集到的信號往往是胎兒心電信號、母親心電信號和其他噪聲的混合信號,必須經(jīng)過一定的信號處理過程,才能得到清晰的胎兒心電信號。
  從腹壁混合信號中

2、提取胎兒心電信號一直是生物信號處理領(lǐng)域的研究熱點,近年來學者提出了各種理論的算法用于胎兒心電信號提取,例如盲源分離算法、自適應(yīng)濾波算法、奇異值分解算法、機器學習算法等。
  支持向量機(Support Vector Machine,SVM)是一種基于的統(tǒng)計學習理論的最新的機器學習算法,它克服了機器學習算法的欠學習問題和過學習問題,解決小樣本擬合問題性能優(yōu)秀,十分適合將該方法引入到FECG的信號提取問題[1]。
  本文結(jié)合以

3、上課題背景和研究問題,在前人的基礎(chǔ)上進行了以下研究:
  1)介紹了胎兒心電信號提取問題的課題背景、研究意義、胎兒心電信號的形態(tài)特征、噪聲源分析等;2)介紹了統(tǒng)計學習理論的基本內(nèi)容,支持向量機的基本原理,包括廣義最優(yōu)分類面、核函數(shù)特征空間、用于回歸估計的支持向量機等,并對這些理論進行了詳細的分析說明;3)結(jié)合胎兒心電信號的提取特點,針對最小二乘支持向量機的核函數(shù)參數(shù)優(yōu)化問題,提出了一種基于改進螢火蟲算法的核參數(shù)優(yōu)化算法,代替原來的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論