论文摘要
在本文中,我们分析研究了两种生物信号,一种是步伐时间序列,一种是心电图(ECG)信号。使用的是近似熵和功率谱熵两种分析指标,分别对两种信号进行分析研究。本文的研究分两部分:第一部分,用近似熵对儿童步伐时间序列进行分析研究,观察熵值的变化规律,发现儿童在3到14岁时,随着年龄的增长,近似熵值逐渐减小,表现为步伐趋于稳定。相关研究中多采用线性方法对这类时间序列进行研究,而本文采用的是近似熵这一指标,发现近似熵可以更好的反映时间序列的复杂性差异,所需数据量小,具有敏感性和稳定性。第二部分:本文提出功率谱熵的子频段法和缩合法,用其对一组健康组及一组心肌梗塞患者组的心电图信号进行分析,拟探讨健康组和心肌梗塞患者组的功率谱熵值的差异。研究发现:子频段上的功率谱熵值能较好的区分老年心梗者和老年健康者。利用缩合法分析研究发现,随着年龄的增长,健康者功率谱熵值逐渐变小而心梗者的功率谱熵值基本稳定不变。中年时,健康者的熵值大于心梗者(P<0.05),而老年时,健康者的熵值小于心梗者(P<0.001)。采用通常所用的全频段分析法,由于其不能充分反映局部频域的信息,因而很难得到本文所采用的子频段法所得出的研究结果。子频段法和缩合法区分健康者和心梗者的ECG信号,简易可行,为ECG的分析和研究提供了一个容易计算且灵敏的特异性指标。
论文目录
摘要ABSTRACT第一章 熵研究方法综述1.1 研究背景1.2 信息熵和信息量的概念1.3 本文研究内容及目的第二章 时间序列分析方法的介绍2.1 复杂度2.1.1 复杂度的算法2.1.2 算法举例2.2 熵2.3 样本熵2.3.1 样本熵分析时间序列2.3.2 样本熵分析logistic序列2.4 多尺度熵2.4.1 多尺度熵算法2.4.2 多尺度熵的应用第三章 步伐序列的近似熵研究3.1 研究背景及优点3.2 近似熵算法3.3 步伐时间序列3.4 数据来源及数据处理3.4.1 研究对象3.4.2 数据处理方法3.5 分析和研究结果3.6 结论与讨论第四章 心肌梗塞患者的功率谱熵研究4.1 功率谱信息熵4.2 子频段法计算功率谱熵4.3 缩合法计算功率谱熵4.4 数据来源及数据处理4.4.1 研究对象4.4.2 数据处理方法4.4.3 分析和研究结果4.4.3.1 采用子频段法的研究结果4.4.3.2 采用缩合法的研究结果4.4.4 结论与讨论第五章 总结与展望5.1 工作的总结5.1.1 方法学研究总结5.1.2 健康者和心肌梗塞者功率谱熵研究总结5.2 进一步工作的展望参考文献附录致谢攻读硕士期间主要的研究成果
相关论文文献
标签:近似熵论文; 功率谱熵论文; 心肌梗塞论文; 心电图论文; 多尺度熵论文;