基于隐马尔可夫模型和符号条件熵的异常生理信号研究.pdf

《基于隐马尔可夫模型和符号条件熵的异常生理信号研究.pdf》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、！：ｉ？？：ｔ＇Ｋｆ令＂．；．叫ｉ＇‘．，：：ｔ：？‘巧＇、：／／．ｌ－、－一＇ｉ严一、与ｓ身ｆ一苗巧麵＾Ｗ絲壤■、姆１－．Ｉｈ鋒１—巧１讀一．＾一二＇心為译ｒ－了Ｖ．－、忘巧，ｆ．转；／、■．？．＇ｒ／一雀著．４為Ｖ集＼／－‘４－．．＾＾Ｌ５女会考＾緣您硕＞义．■Ｍ．．，■．—、．＇，ｓ．．’、ｖ；！－．．繁Ｘ－终梦Ｖ‘ｔ－？＼兩：－‘．；．．ｖ；．＂巧＂；苗；节－＇韓Ｉ；．、令！Ｖ．／，／

2、１一；批Ｓ１目：麵＾細矛Ｉ件的Ｊ韻批讓＾：异篇号４Ｕ‘．：＇？舞：句ｙｖ，ｒ命瑞＇冷．‘Ｖ．－－＞、．．Ｖ．、马毯：，号義：＾扣．：＞．ｓ．若．，ｃ．’＇名．巧义．与，．．扭？；．；师ｖ；封赛．费．：业学位細ｉ樹Ｓ％，？．’－、，■型－．Ｎ全曰制’．：，、．＇＞、‘－■Ｙ．ｉ＇，■－＜．１＼＇ｌ业（领Ａｖ、：时电端信資苗ｒ：、‘苗．．，．，＞＇，刮■文提期１交年ｆ，：觀１．．戶．Ｖ与皆ｂ／好？．；＞ｆ．ｗ

3、、．■■＇：－：＾至？ｒ．ｓ－、．，。ｒ．：＞Ｋ漏气．＂ｚＶ達＆ｕｖ勢霉－．ｚ．爾琴齡於：杀容爹辦‘奇．ReserchofabnormalbiologicalelectricalsignalsbasedonHiddenMarkovModelandSymbolicConditionalEntropyThesisSubmittedtoNanjingUniversityofPostsandTelecommunicationsfortheDegreeofMast

4、erofEnginneringByFeiLiSupervisor:Prof.JunWangMarch2016摘要异常生理电信号的收集和分析对于评估病患人体机能的状态具有重要的意义，并且能够帮助医生更好地进行疾病的诊断和治疗。本文在前人工作的基础上，从实际应用和理论分析两个角度分别对异常脑电信号和异常心电信号进行研究，具体的工作有如下几个部分：（1）基于隐马尔可夫模型的癫痫脑电信号识别算法癫痫脑电的采集需要医生长期观测患者的脑电图，并且根据经验做出判断。自动化的癫痫脑电识别方法可以减轻医生工作量，减少主观因素的影响。本文使

5、用AR模型对脑电信号进行特征提取，隐马尔可夫模型（HiddenMarkovModel，HMM）作为正常脑电和癫痫脑电的分类工具，可以准确区分正常脑电和癫痫脑电。仿真结果表明，癫痫脑电的识别率可达90%。使用隐马尔可夫模型建模的方法对正常脑电信号和癫痫脑电的识别率较高，算法可以达到癫痫脑电自动识别的要求。（2）基于符号条件熵的心电信号冗余信息分析论文从混沌理论普适性的角度出发，提出了一种使用符号条件熵的冗余信息计算方法，分析正常ECG和心肌梗塞异常ECG中含有的冗余信息，数值计算证明心肌梗塞异常ECG中含有的冗余信息相比于

6、正常ECG来说更大，这表明冗余信息可以作为区分心电信号是否异常的一个指标。（3）基于Java平台的生理电信号分析系统的设计与实现论文将上述两种脑电、心电生理电信号的分析算法通过java语言进行了编程实现。首先，分析系统可以对癫痫异常脑电信号和正常脑电信号进行区分，并且显示出识别率；其次，分析系统可以计算输入的心电信号的冗余信息。该系统在脑机接口设备的开发和临床心功能评估中有一定的参考价值和辅助作用。关键词:癫痫脑电，心电信号，隐马尔可夫模型，AR模型，冗余信息，JavaIAbstractInordertoaccuratl

7、ypredictanddiagnosehealthofbodyorgansandhelpdoctorsdobetterinthediagnosisandtreatmentofdisease,effectivewaytocollectandanalyzethebiologicalelectricalsignalsofpatientisneeded.Inthispaper,wecarryontheresearchonabnormalEEGandECGfromtheperspectiveofpracticeandtheoret

8、icalrespectivelywhichbasedonpreviouswork.Thispaper’smainworkaredividedintothefollowingseveralparts:Firstly,epilepsyEEGrecognitionalgorithmbasedonHMM.Thecollect