基于非线性动力学提取心电信号分形特征向量算法研究

《基于非线性动力学提取心电信号分形特征向量算法研究》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、硕士学位论文摘要摘要近几十年的研究表明，无论正常还是患有心律失常疾病的心脏都是一个混沌系统。然而对于心脏混沌系统的研究，用传统的时域或频域方法很难对此类非线性信号做出准确的分析。而运用非线性理论，不仅可以定性而且可以定量地分析系统的特性。由于心脏的单个时间序列己蕴含着动态变化的全部生理信息，本文应用单个时间序列的相空间重构嵌入理论来对心脏系统的动态特性进行分析和研究。研究中将混沌和分形理论应用于心电信号的变异性分析，并对具有非线性动力学特征的心电波形的关联维数进行提取。研究中针对以往通常存在的计算关联维数所需延迟时间、最小嵌入维数

2、等参数选取主观因素大、计算不准确、无标度区的选取完全凭借人为经验或目测等缺点，提出了一种可自动获取关联维数的方法。该算法在重构相空间时对时间延迟参数和最小嵌入维数参数的选择均做了改进；同时将遗传算法引入到分形无标度区的自动判定过程，经实验数据证明应用遗传算法所选取的无标度区准确、客观、线性度高。最后，本文从麻省理工心电信号数据库中截取了30组特征明显的实验对照数据组，将它们用于检验所提出的自动获取关联维数算法，将实验结果进行分析后得出结论：该算法作为一种自动获取心电信号分形特征向量方法是可行的。关键词分形，非线性信号，关联维数，心

3、电检测硕士学位论文ABSTRACTNomattertheheartiSnormalorarrhythmia，recentstudiesshowthatitisachaossystem．However，itishardtomakeaccuratejudgmentsfornon-linearsignalsifwechoicetraditionaltimeor仔equencymeasures．Fortunately,wefindthequantityandqualityofthesystemcanbeanalyzedexactlybyt

4、hetheoryofnon-linear．Asallthephysiologicalinformationiscontainedbyasingletimesequence，weapplythetimesequencetothetheoryofspace-reconstructinordertoanalyzeandstudythedynamiccharactersoftheheart．Inthisstudy,weinvestigatedmeasuresoffractalandchaostheoryinregardtopatholog

5、icaldiagnosesofECGaswellaspick-upcorrelationdimensionofECG．Animprovedalgorithmisbroughtforwardforthecorrelationdimensionestimationinanautomaticway,whichcanovercomeaseriesofshortcomings，suchassubjectivelychoosingcorrelativeparameters，inaccuratelycomputing，choosingscale

6、lessrangethroughexperimenters’ownexperiencesandobservation．Animprovedalgorithmisbroughtforwardforthecorrelationdimensionestimationinanautomaticway,whichcanovercomeaseriesofshortcomings，suchassubjectivelychoosingcorrelativeparameters，inaccuratelycomputing，choosingscale

7、lessrangethroughexperimenters’Ownexperiencesandobservation．Ithasbeenshownthattheimprovedmethod，whichintroducedtheGAsalgorithm，candeterminethescalessrangewithmoreprecision，moreobjectivityandhigherlinear．Asanexperimentexample，thisalgorithmhasbeenappliedto30groupsECGdata

8、ofMIT-BIHArrhythmiaDatabase．AnalysisresultdemonstratesthattheapproachisabletOobtainffactalcharacteristicvectorsofECGinanauto