心电信号特征提取与心率变异性信号分析方法研究(2)

心Ｉ｝ｌ信号特征提取与心率变异性信号分析方法研究

络训练采用ＢＰ算法。然后对ＴＬＦＮ的输出进行匹配滤波来改善信噪比，最后进行自适应的阈值检测。结果表明这种算法能适应不同的病人和病人的不同时刻的ＥＣＧ特性，而且该算法能够不受Ｐ波和Ｔ波影响。

神经网络的缺点在于学习训练，这个过程一般要花费较多的时间，而且要求训练样本有一定代表性，因而目前还只能作为一种算法存在，要实际应用还比较困难。

１．２．５小波变换法

小波变换是近年得到迅猛发展的一种新兴数学方法，其作为一种信号的时间一尺度分析方法，具有多分辨率分析的特点从而可以在时频两域获得表征信号局部特征的能力。因为其可变的时间窗和频率窗使得它对于信号具有很高的适应性，小波变换的一个重要应用就是用于信号特征点的检测。

小波分析应用于信号特征点检测始于Ｍａｌｌａｔｎ３ｌ，李翠微ｎ钔等首次把小波变换引入到ＱＲＳ波检测中来，接着大量的基于小波变换的ＱＲＳ波检测算法涌现出来。李光林¨鄙等利用二进小波变换取得了和李翠微类似的结果。刘少颖ｎ刚等把数学形态学知识和小波变换结合在一直，提高了抗干扰性，既达到了很高的准确率，又保证了运算时间。王宏强¨７３等紧密结合小波变换和数据融合技术，取得了较高的ＱＲＳ波群Ｊ下确检测率。Ｍａｒｔｉｎｅｚ¨引等在李翠微的基础上，综合考虑了ＱＲＳ波的各种可能形态，并在此基础上准确定位了ＱＲＳ波和Ｐ波Ｔ波的起始点，并使算法成功应用到ＱＴ数据库中。Ｓｃｈｕｃｋ【Ｉ引等选用了复Ｍｏｒｌｅｔ小波来进行连续小波变换，尺度为１～３２，结果发现尺度１８～２７下的小波变换系数绝对值就能充分代表ＱＲＳ波，遂对其进行滤波，平方，移动窗口积分，自适应阈值检测。由于小波变换后的方法和Ｐａｎ类似，因此两算法对ＱＲＳ波峰和噪声的响应也非常类似。而算法的优点只体现在比较简单，适合于定点仪器应用上。Ｌａｃｉａｒ乜叫等也用小波变换对Ｓｈａｇａｓ症病人在准确定位Ｒ波基础上进行了ＱＴ间期变异性的计算。

心电信号特征提取与心率变异性信号分析方法研究

心电信号特征提取与心率变异性信号分析方法研究

心电信号特征提取与心率变异性信号分析方法研究

第１章绪论

ＳＴＦＴ主要适用于长时间数据的分析，而对于短时序列，应用时频分布法则较为有效，Ｖｉｌａ等皿５３提出了时频分布法分析短时数据的优点，使用由Ｂａｒａｎｉｕｋ设计的ＩＣ—ＡＯＫ（ＩｎｓｔａｎｔａｎｅｏｕｓＣｏｎｔｒ０１１ｅｄＡｄａｐｔｉｖｅｏｐｔｉｍａｌＫｅｒｎｅｌ）算法分析ＨＲＶ频谱，应用于心肌缺血疾病的诊断，得到了较理想的实验结果。Ｂｉａｎｃｈｉ等㈨将时变算法应用于ＡＲ模型中，得到一组新的ＡＲ参数，从而在非平稳情况下分析ＨＲＶ的功率谱，获得了描述ＨＲＶ暂时性变化的定量参数，同时提出进一步研究ＨＲＶ信号时变谱分析的意义。

尽管这些方法己经在ＨＲＶ分析中得到一定程度上的应用，但仍存在许多不尽人意的问题：ＳＴＦＴ的时频分辨率是固定不变的，时频分析不是很灵敏；对于ＡＲ模型的时频分析需要正确确定模型及其顺序形式，实现起来存在繁琐的问题等。具有多尺度分析能力的小波变换在Ｒ波检测、心室晚电位检测、心音分析中己显示出其优良的时频信号处理能力。虽然基于小波变换的ＨＲＶ分析才刚起步，但分析结果己充分表明其敏感性和特异性都比传统的时域方法有较大提高。Ｇａｍｏｒｏ口７１采用小波变换来分析ＨＲＶ信号，之后又采用正交小波变换分析研究了心肌缺血与ＨＲＶ的联系。Ｗｉｋｌｕｎｄ等乜踟采用自适应小波变换对短程ＨＲＶ信号进行分析。廖旺才等晗鲫考虑到ＨＲＶ仿真建模的重要性和对ＨＲＶ信号的ｌ／ｆ成分和非１／ｆ成分分解开的必要性，在ＩＰＦＭ模型的基础上，应用小波变换法，充分利用ｌ／ｆ成分的自相似性，准确地从ＨＲＶ信号中提取出不同成分的特征，得到分解后时域波形的同时，也解决了仅从频域分解所得结果不理想的问题。Ｐｉｃｈｏｔ等阳们使用小波变换定量描述了ＨＲＶ信号的时频特性。所有这些小波时频分析的研究应用表明不同时间的频带带宽存在明显差异，而基于小波变换的算法适用于短时非平稳信号，对信号特性的辨别灵敏度高，值得进一步研究。

１．３．４非线性分析

非线性动力学方法是近几年ＨＲＶ研究的热点之一㈨１。１９８４年Ｒｉｔｚｅｎｂｅｒｇ等口２１从狗的心电图中首次发现心脏搏动具有混沌现象。此后许多学者应用非线性系统理论对心脏活动中的非线性现象进行定量和定性研究。１９８５年Ｇ０１ｄｂｅｒｇｅｒ等。ｎ１发现正常人心率时间序列的功率谱是含有１／ｆ成分是一种具有分形特征的成

心电信号特征提取与心率变异性信号分析方法研究

心电信号特征提取与心率变异性信号分析方法研究

分，往往成为未确知系统的混沌特性判据。Ｂａｂｌｏｙａｎｔｚ和Ｄｅｓｔｅｘｈｅ口们提出了心率变异性混沌的概念。许多研究人员都在研究采用非线性动力学方法来分析ＨＲＶ的方法，到目前为止，主要的方法有：散点图分析、某些非线性混沌特征参数的估算、非线性预测与建模等。

１９９０年，Ｂａｂｌｏｙａｎｔｚ和ＤｅｓｔｅＸｈｅ将一些非线性算法和参数引入到了ＨＲＶ分析中，如分形维数、李氏（Ｌｙａｐｕｎｏｖ）指数、哥氏（Ｋ０１ｍｏｇｏｒｏｖ）熵或测度熵等。也可以通过在多维空间中构造系统的运动轨迹来描述，如相图、Ｐｏｉｎｃａｒｅ截面等。在实际应用中，计算这些参数所需的数据量很大，为了简化计算，研究人员又提出了如盒子计数、路径法、栅格法等来估计分形维数。但是即使对低维的混沌系统也需大量的数据才能确保算法的收敛，从而判定混沌的存在，因此要判断一个实际的系统是否混沌并不简单ｎ５ｌ。Ｐｉｎｃｕｓ等∞６１用近似熵来分析ＨＲＶ序列，发现可以用此标准来区分不同的对象，而且与采用的分维法结果相当一致，这种方法适用于较短的数据来估计。廖旺才等∞７１归纳总结提出了短数据｝ｌＲＶ信号的分形维数分析法、复杂度分析法、近似熵分析法，同时提出了针对长数据改进的动态分析法，成功地检测出了ＨＲＶ信号的生理和病理变化信息。Ａｌｂｅｒｔｏ等啪’应用ｓｈａｎｎｏｎ熵、熵率指数对短程ＨＲＶ信号的复杂度进行定量分析，并应用于临床诊断中。

构造一个较好并能反映ＨＲＶ生理意义的动力学模型将成为一个研究方向，以便进一步解释ＨＲＶ机理，为ＨＲＶ分析提供方法学依据的同时，促使真正适合ＨＲＶ分析的新方法出现。

１．３．５ＨＲＶ分析发展方向

在今后的研究中，ＨＲＶ分析方法有以下几个发展方向：

（１）发掘新的ＨＲＶ评估指标ｂ９。。深入发掘能够有效表征自律性神经系统活动的指标，使ＨＲＶ能够更灵敏地反映自律性神经系统病变。

（２）将更新更优的信号处理方法如小波分析方法、非线性预测方法，还有本文将会介绍的经验模式分解方法等，切实优化并应用到ＨＲＶ分析中来，从而获取更有效的ＨＲＶ特征。

心电信号特征提取与心率变异性信号分析方法研究

第１章绪论

（３）结合多种方法分析ＨＲＶ信号ｎ０。。单一方法的ＨＲＶ分析可能发展的空问会越来越小，取而代之的将是几种信号处理方法相结合的复合信号分析。通过将多种方法相结合取长补短，能够使ＨＲＶ分析走上一个新的台阶。

（４ …… 此处隐藏：2072字，全部文档内容请下载后查看。喜欢就下载吧 ……