欢迎来到天天文库
浏览记录
ID:36774036
大小:2.21 MB
页数:74页
时间:2019-05-15
《心电信号检测算法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、中南大学硕七学位论文摘要摘要心血管疾病是威胁人类生命的主要疾病之一,而心电信号(electrocardiogram,ECG)则是评价心脏功能的主要依据,因此,关于心电信号检测处理的研究一直为各方所关注。随有计算机技术的进步,所采用的方法也在不断的改进中。心电信号受人体生理状态的影响而呈现复杂的形态,同时个体的差异也使心电信号千差万别,测量系统的随机干扰也会耦合到心电信号劣化波形。从信号处理角度研究心电信号,具有以下性质:1准周期性信号;2低频窄带信号,心搏的生物学机理决定心电信号的频谱分布在0.
2、5~50Hz范围内;3非平稳信号,心搏受到各种生理状态的综合影响;4非线性时变信号。这些都对心电信号的检测造成了一定的困难!本文首先简要综述了心电波形检测处理算法的现状,并对目前己有的心电检测算法作了比较,对它们各自的有代表性的几种算法进行了描述,分析其特点和不足之处。针对以往心电检测处理算法的不足,本文提出了基于小波神经网络的心电检测算法。小波神经网络算法具有自学习自适应的特点,因此能够对心拍的波形形态信息进行实时更新。然后本文选取了4个参量进行检测,通过MIT/BIH心电数据库数据的实验研究
3、证明,其检测精度和房颤的灵敏度分别高达99.51%和96.84%,这是以往的特征检测算法所不能达到的。并且,由于其特征检测规则,该算法在分析速度上也达到了令人满意的效果。关键词:心电信号(ECC),心电检测,小波分析,小波神经网络中南大学硕士学位论文摘要AbstractCardiovasculardiseaseiSoneofthemostimportantdiseasesendangeringhuman’Slife.Electrocardiograph(ECG)isanimportantdiag
4、nostictoolforassessingheartfunction.SothestudiesonECGprocessingandanalyzingareconstantlyfollowedwithinterest.MtIItheprogressofcomputertechnologies,themethodsofECGprocessingandanalyzinghavebeenimproved.ECGtakesoncomplicateformsaffectedbythephysiologi.
5、calstatesofhuman.Simultaneously,personaldifferencealSOmakesECGdifferentinthousandsways.Otherwise,therandomdisturbancefromthemeasuresystemmaycoupleECGtomakethewaveformdegenerate.StudyingECGfromtheangleofsignalprocessing,ithasthefollowingproperties:1.A
6、pproximateperiodicsignaltheheartbeatingisrhythmical;2.LOWfrequencyandNarrowbandthebiologicalmechanismofheartbeatingdeterminesthatthefrequencychartofECGrangesfromO.5Hzto50Hz;3.Unstablesignaltheheartbeatingissyntheticallyaffectedbyvariousphysiologicals
7、tatus;4.Nonlinearandvariantwithtimesignal.A11theabovetosomeeXtentmakeitdifficulttodetectECGFirst,thepapersummarizesthecurrentsituationoftheECGwaveformdetectionalgorithmsandcomparesthealgorithms.AndthenIdescribesomerepresentativealgorithmsofeachofthem
8、andanalyzetheiradvantagesanddisadvantages.Inthepaper,fortheshortcomingsofthepreviousalgorithmsofECGdetectionandprocessing.IputforwardaECGdetectionmethodbasedOilwaveletnenresnetwork.Themethodischaracteristicoftheself-teachandself-adaptability.Soitcall
此文档下载收益归作者所有