心電信號波形檢測與心律失常分類研究.pdf

1、近年來，隨著人們生活水平的提高，心血管疾病的患病率顯著增加，因病死亡人數(shù)也呈逐年上升趨勢。而在所有的心血管疾病中，心律失常是較常見的一種疾病，也是誘發(fā)心臟性猝死的一個根源，因此及時準(zhǔn)確的檢測出病人的心律失常，對預(yù)防心臟病和心臟猝死具有重要的意義。
　　早期心律失常的診斷主要依靠醫(yī)生對心電圖波形的分析得出具體的心律失常類型，受醫(yī)生的經(jīng)驗(yàn)影響很大，同時由于心律失常種類繁多導(dǎo)致對應(yīng)的心電波形紛繁復(fù)雜，僅靠人工分析已不能滿足病人的要求。隨

2、著計(jì)算機(jī)的出現(xiàn)，利用智能處理技術(shù)實(shí)現(xiàn)心電信號波形檢測及心律失常的分類成為近年來研究的熱點(diǎn)，但由于噪聲干擾、個體差異等原因，要實(shí)現(xiàn)準(zhǔn)確的波形檢測和分類還存在一些難題。本文針對心電信號的波形檢測及心律失常的分類進(jìn)行研究，主要工作內(nèi)容及創(chuàng)新成果如下：
　　（1）提出一種新的自適應(yīng)閾值估計(jì)方法，該方法在小波分解的不同層采用不同的閾值，能夠自適應(yīng)的去除心電信號中的基線漂移、肌電干擾及工頻干擾等噪聲。采用基于軟閾值的小波變換進(jìn)行去噪的仿真實(shí)驗(yàn)

3、，結(jié)果表明，自適應(yīng)的閾值估計(jì)方法優(yōu)于其他方法，能夠較好的去除各類噪聲，最大限度的保留信號的原始特征。同時將基于軟閾值小波變換的自適應(yīng)去噪算法采用FPGA實(shí)現(xiàn)，在 modelsim上的仿真結(jié)果表明，基于硬件的去噪效果和軟件實(shí)現(xiàn)相當(dāng)。
　　（2）提出一種基于組合閾值的QRS波群檢測算法，首先利用差分運(yùn)算確定信號的局部極值點(diǎn)，再利用幅度閾值確定R峰的候選點(diǎn)，最后利用小波閾值確定最終的R峰。仿真實(shí)驗(yàn)結(jié)果表明，算法的計(jì)算量明顯減小，具有較高

4、的準(zhǔn)確率、實(shí)時性與魯棒性。
　?。?）提出一種先全局后局部、逐級篩選的精英遺傳算法用于心電信號的特征選擇，在算法實(shí)現(xiàn)中，提出三種遺傳算子，分別是“優(yōu)勝劣汰擴(kuò)空間”選擇算子、拼接算子和切斷算子。結(jié)合樸素貝葉斯分類器，仿真實(shí)驗(yàn)結(jié)果表明，算法能夠找到最優(yōu)的分類特征子集，實(shí)現(xiàn)對心律失常的準(zhǔn)確分類。
　　（4）提出一種基于遺傳算法優(yōu)化的極限學(xué)習(xí)機(jī)（GAELM）用于心律失常的分類，其中，遺傳算法用于優(yōu)化單隱含層前饋神經(jīng)網(wǎng)絡(luò)隱含層的學(xué)習(xí)參