心电信号检测算法研究

【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0.5～50Hz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。