基于信息融合的心血管信号处理方法研究

论文摘要

心血管疾病已经成为人类“第一大杀手”。利用脉搏信号判断心血管状态是目前生物医学工程领域研究的热点之一。心血管系统中的三个重要生理信号——心电、心音、脉搏之间有着紧密的联系,同时信号中也蕴含着大量生理和病理信息。论文不局限于分析脉搏信号,而是将心电、心音、脉搏三者作为一个整体考虑。研究了心血管生理信号及信号间时间尺度上特征点变异、归一化频域能量变异与心血管状态的关系;提出心血管信息融合模型,综合和改进了分析算法,利用信息融合的方法,实现了数据的高度综合,最终给出心血管状态的符号表达。本文提出的方法可用于心血管疾病预防、控制,药物治疗效果评价等方面。论文的主要工作如下:(1)分析心血管生理信号特点并设计了融合模型;(2)设计了心血管生理信息采集系统。该系统基于虚拟仪器,通过模拟前端、硬件采集板卡和基于LabVIEW的上位机软件设计,实现了信号的准确采集和数据的高效管理。基于虚拟仪器开发新型医疗设备简单高效;(3)提出新的心血管生理信号预处理和特征提取方案。通过卡尔曼滤波、零相位滤波等方法提高了信号信噪比,多传感器冗余信息融合实现信号准确分段和特征点定位。改进了Lorenz散点图定量分析算法以及脉搏频谱能量特征计算。提取出心血管状态描述特征向量。(4)通过支持向量机方法实现心血管生理信号融合并给出心血管状态符号表达。通过实验验证了融合模型。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 脉搏信号研究现状和方法简介
• 1.2.1 脉搏信号拾取方法
• 1.2.2 脉搏信号分析技术
• 1.3 课题研究意义及各章节内容安排
• 第二章 心血管生理信号及分析方法介绍
• 2.1 心血管生理信号简介
• 2.1.1 心电信号简介
• 2.1.2 心音信号简介
• 2.1.3 脉搏信号简介
• 2.1.4 其他特征简介
• 2.2 信号分析理论介绍
• 2.2.1 离散傅立叶变换
• 2.2.2 卡尔曼滤波
• 2.2.3 零相位滤波
• 2.2.4 小波变换
• 2.2.5 Lorenz 散点图定量分析方法
• 2.2.6 心音信号包络处理方法
• 2.3 本章小结
• 第三章 心血管生理信号信息融合模型设计与采集系统实现
• 3.1 心血管生理信号信息融合模型设计
• 3.2 心血管生理信号采集系统实现
• 3.2.1 硬件采集前端设计
• 3.2.2 采集平台选择
• 3.2.3 基于LabVIEW 的心血管参数采集系统设计
• 3.3 本章小结
• 第四章 信号预处理与特征提取
• 4.1 改进的LORENZ 散点图定量处理算法
• 4.2 心电信号预处理和特征提取
• 4.3 脉搏信号预处理和特征提取
• 4.3.1 脉搏信号预处理与时域特征提取
• 4.3.2 脉搏信号频域特征提取
• 4.4 心音信号预处理与特征提取
• 4.5 心电、心音、脉搏相关特征提取
• 4.6 本章小结
• 第五章 基于SVM 信息融合技术的心血管状态分类与识别
• 5.1 最优化问题表达形式
• 5.2 支持向量机
• 5.2.1 线性可分支持向量机
• 5.2.2 线性不可分支持向量机
• 5.3 基于SVM 心血管状态分类的特征层融合
• 5.4 本章小结
• 第六章 总结
• 致谢
• 参考文献
• 个人简历、在学期间发表的学术论文及取得的研究成果