心电信号检测与分类算法的研究

作     者：王玲利 

作者单位：陕西科技大学 

学位级别：硕士

导师姓名：汤伟

授予年度：2019年

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 07[理学] 08[工学] 1010[医学-医学技术（可授医学、理学学位）] 070104[理学-应用数学] 081101[工学-控制理论与控制工程] 0701[理学-数学] 0811[工学-控制科学与工程] 10[医学] 

主      题：心电信号 MIT-BIH心率失常数据库 双变量阈值 平稳小波变换 波形检测 支持向量机 

摘      要：随着社会的发展,人民生活水平的提高,以及人们生活习惯的改变,患有心血管疾病的人数逐年增多,心血管疾病中的心脏病是导致死亡率的第三位。而心脏病患者患病初期往往表现出心率失常现象。为了有效推动现代信息处理技术在生物医学工程中的应用和发展,越来越多的学者针对心电信号进行了自动检测研究。但因心电信号具有低频、多噪声及个体差异等特性,增加了心电信号检测的难度。本文针对目前心电信号检测算法精度不高的问题,开展了心电信号预处理,波形识别及分类方面算法的研究。主要研究内容可总结为如下三个方面。（1）心电信号预处理心电信号是一种低频且含有众多噪声干扰的信号。针对心电信号存在的噪声干扰问题,本文采用了平稳小波变换结合双变量阈值的方法对其进行去噪处理。通过对心电信号进行八层平稳小波变换,得到不同的小波系数,采用双变量阈值函数表达式对其进行处理得到新的小波系数,最后进行逆平稳小波变换实现小波重构,完成心电信号去噪。Matlab仿真结果显示,本文算法的准确率较高,信噪比达到84.5934dB。（2）心电信号波形识别反映心电信号的特征部分往往是信号的突变点,因此需要对心电信号的突变点进行识别检测。本文通过采用二次B样条小波对去噪后的心电信号进行四层平稳小波变换,在第四尺度上对心电信号的R波进行波形检测。在第二尺度上以正确检测R波为基础,实现Q波和S波的波峰、起始点及终止点检测。为了保证检测精度,本文设置了误检漏检机制。最后在第五尺度实现了P波和T波波峰、起始点及终止点检测。仿真结果表明本文的算法检测精度较高,准确率达到99.81%。（3）心电信号分类通过对现在常用的分类方法进行比较以及针对本硕士论文的数据量,本文选择了支持向量机分类模型来进行分类实现。本文选择时间域和小波域的特征作为输入,采用改进的蚁群算法对支持向量机进行参数优化,以达到提高检测的目的。实验结果表明采用改进的蚁群算法优化支持向量机的分类准确率更高。四分类的检测准确率高达98.89%。综上所述,本文通过采用平稳小波变换结合双变量阈值对心电信号进行去噪处理,不仅克服了伪吉布斯现象,同时保证了信号的幅值尽可能的还原原始信号幅值的大小,在预处理的基础上对心电信号进行波形识别操作,实现了心电信号各波形特征参数的检测,最终,通过支持向量机对心电信号实现四分类,并采用MIT-BIH心率失常数据库的数据进行验证。本文提出的分类算法具有良好的分类性能,研究内容具有一定的实际意义,对心电信号自动检测的发展具有一定的促进作用。