基于心电信号对睡眠呼吸暂停综合征判别算法的研究

《基于心电信号对睡眠呼吸暂停综合征判别算法的研究》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、分类号：TP391.4单位代码：10183研究生学号：5201552403密级：公开吉林大学硕士学位论文（专业学位）基于心电信号对睡眠呼吸暂停综合征判别算法的研究ResearchonDiscriminantAlgorithmofSleepApneaSyndromeBasedonElectrocardiographicSignal作者姓名：武悦类别：工程硕士领域(方向)：电子与通信工程指导教师：司玉娟教授培养单位：通信工程学院2018年6月基于心电信号对睡眠呼吸暂停综合征判别方法的研究ResearchonDiscriminantAlgorithmofSleepApneaS

2、yndromeBasedonElectrocardiographicSignal作者姓名：武悦领域(方向)：电子与通信工程指导教师：司玉娟教授学位类别：工程硕士答辩日期：2018年6月5日II未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学硕士学位论文原创性声明本人郑重声明：所呈交学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本

3、论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日《中国优秀博硕士学位论文全文数据库》投稿声明研究生院：本人同意《中国优秀博硕士学位论文全文数据库》出版章程的内容，愿意将本人的学位论文委托研究生院向中国学术期刊(光盘版)电子杂志社的《中国优秀博硕士学位论文全文数据库》投稿，希望《中国优秀博硕士学位论文全文数据库》给予出版，并同意在《中国博硕士学位论文评价数据库》和CNKI系列数据库中使用，同意按章程规定享受相关权益。论文级别：硕

4、士□博士学科专业：电子与通信工程论文题目：基于心电信号对睡眠呼吸暂停综合征判别方法的研究作者签名：指导教师签名：年月日作者联系地址(邮编)：吉林大学南湖校区，130012作者联系电话：18504215688摘要基于心电信号对睡眠呼吸暂停综合征判别方法的研究睡眠呼吸暂停综合征（SleepApneaSyndrome,SAS）是一种常见的睡眠疾病，严重影响着人们的睡眠质量和身体健康。多导睡眠检测仪（PSG）是目前临床上常用的检测睡眠呼吸暂停综合征的方法，却有着检测不舒适且价格昂贵的缺点。心电图机、便携性医疗设备的在当今时代的广泛推广，使得心电信号的采集日趋普及和便捷。已有文献

5、表明心电信号和呼吸信号与睡眠呼吸暂停综合征具有相当高的相关性，呼吸信号的时域和频域特征更能直观反映睡眠呼吸暂停综合征，因而研究单通道心电特征，从单导心电信号中获取呼吸信号用于判别睡眠呼吸暂停综合征具有重要意义。所以本论文从基于心电信号来获取呼吸信号的算法研究和睡眠呼吸暂停综合征的判断两个方面展开研究，以提高判别结果的准确性。在提取呼吸信号特征的研究上，本文采用了基于独立成分分析（IndepentComponentAnalysis,ICA）的算法来进行盲源分离得到呼吸信号。首先对原始心电信号进行预处理，利用差分阈值法检测出R波位置并进行纠错，然后加窗构造QRS矩阵，利用主

6、成分分析法（PrincipalComponentAnalysis,ICA）对QRS矩阵进行中心化和白化，去除数据间的相关性并对数据进行降维。选取贡献率大的六组数据作为ICA处理的对象，插值后最终得到六组相关信号，通过加窗计算窗内窗外功率比，选取比值最大的作为最终提取的呼吸信号特征，相干性计算得出ICA提取出的呼吸信号与原始呼吸信号相干性很高。以此用于下一步对SAS的判别。在进行睡眠呼吸暂停综合征的分类判断的研究上，本文选取了ICA方法获取的呼吸信号频谱特征用于分类，同时选用了HRV时域特征、PCA方法获取的呼吸信号频谱特征两组特征作为对比组。在支持向量机分类时选取了四种

7、核函数：线性核（LinearKernel）、多项式核（PolynomialKernel）、Sigmoid核（SigmoidKernel）、径向基核函数（RBF）进行分类。最终得到当以ICA方法提取呼吸信号功率功率谱特征，以径向基核函数进行支持向量机分类时效果最好，达到了91.29%的准确度，89.84%的灵敏度，91.75%的F值。I本文选用了PhysioNet的Apnea数据库中的心电和呼吸数据，并对比数据库中对“正常呼吸”（N，Normal）或“无序呼吸”（A，Apnea）的标记作为实验最终结果的判定标准。实验结果表明本文采用的算法在