心率变异及心电在注意特征提取中的应用

论文摘要

注意特征的研究具有广泛的用途,包括诊断儿童是否患有多动症,汽车司机驾车时的状态等。通常情况下,判定人注意力集中或不集中的主要手段是通过感官来观察其行为表现,但是通过这种方式得出的结论具有很大的主观性偏差。因此,为了准确的识别注意特征,需要从科学理论出发,对其进行研究。本文从心电信号的角度出发,研究人在注意力集中和注意力不集中状态下的心电信号的差别,探索心率变异及心电信号与注意力之间的关系。首先进行心电信号采集系统的硬件设计,并结合与之相应的软件测试系统来采集人在注意力集中和不集中状态下的心电信号数据,然后运用了近似熵、希尔伯特黄变换及散点图等方法处理采集到的心电信号数据,分析心率变异及心电信号与注意特征之间的关系。本文对每种方法均采用其最优的改进算法,例如在利用近似熵算法处理数据时本文选择了近似熵的快速算法;在经验模式分解时,采用了包络极值延拓的方法来尽量降低边界效应的存在所带来的影响。通过对若干组仿真实验结果的分析,本文得到如下的结论:注意力集中时心电信号的复杂度比注意力不集中时低,而且注意力集中时平均心率变异较大,但变化速度较慢。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 心电图及其在注意力方面的应用
• 1.2 心率变异及其在注意力方面的应用
• 1.3 本文内容安排
• 第二章 心电采集系统
• 2.1 心电采集系统的硬件设计
• 2.1.1 心电采集模块
• 2.1.2 心电信号预处理模块
• 2.1.3 A/D 转换模块
• 2.2 心电数据采集
• 第三章 近似熵及散点图在注意特征提取中的应用
• 3.1 近似熵在注意特征提取中的应用
• 3.1.1 近似熵的定义
• 3.1.2 近似熵的算法步骤
• 3.1.3 近似熵的含义
• 3.1.4 近似熵的特性
• 3.1.5 近似熵参数的选择
• 3.1.6 近似熵的快速算法
• 3.1.7 心电信号的近似熵分析
• 3.1.8 心率变异的近似熵分析
• 3.2 Lorenz 散点图在注意特征提取中的应用
• 3.2.1 Lorenz 散点图的基本概念
• 3.2.2 Lorenz 散点图的构成原理
• 3.2.3 Lorenz 散点图的分析方法
• 3.2.4 心率变异的Lorenz 散点图分析
• 第四章 希尔伯特黄变换在注意特征提取中的应用
• 4.1 经验模式分解
• 4.1.1 经验模式分解方法概述
• 4.1.2 经验模式分解方法的基本概念
• 4.1.3 经验模式分解算法的具体实现
• 4.1.4 经验模式分解算法存在的问题
• 4.1.5 经验模式分解算法的 MATLAB 仿真
• 4.2 黄变换的时频谱
• 4.2.1 黄变换的原理
• 4.2.2 黄变换的MATLAB 仿真
• 4.3 希尔伯特黄变换在注意特征提取中的应用
• 第五章 总结与展望
• 致谢
• 参考文献
• 硕士在学期间撰写的论文