心电信号的预处理及特征点识别算法的研究

论文摘要

心电信号是心脏电活动在体表的综合反映,心电信号识别对诊断心脏疾病具有重要意义。本文系统地综述和分析了国内外心电信号的预处理和识别方法,在此发展现状的基础上,开展了心电信号预处理、心电信号识别等方面的研究工作,并且取得了一些良好的效果。工频干扰是心电信号识别影响中最大的干扰,很大程度上降低了ECG信号的信噪比。本文在论述自适应噪声抵消系统原理的基础上,介绍和分析了LMS算法及其几种改进算法,提出了基于迭代次数变步长的LMS算法。然后在基于小波变换多分辨率分析方法的心电信号特征波形识别基础之上,针对小波变换误检问题,首次提出小波变换与形态学峰谷检测相结合的QRS波群联合检测算法,这种算法既保持了小波变换在信号频域上的优秀分辨率,又能够通过形态学峰谷检测避免其它信号对小波变换检测结果的干扰。针对P、T波,利用模极大值对的斜率进行识别。本文利用美国麻省理工学院MIT-BIH数据库中大量的数据进行对比实验,取得良好的效果;最后本文给出了研究展望。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 课题研究的背景及意义
• 1.3 国内外发展动态及发展趋势
• 1.3.1 心电信号预处理研究现状
• 1.3.2 心电信号识别分析现状
• 1.4 本文的主要工作内容
• 1.5 本文的创新内容
• 第二章 心电信号产生的机理及特点
• 2.1 心电信号的产生
• 2.2 心电信号的特点
• 第三章 心电信号波形处理
• 3.1 心电信号数据
• 3.1.1 导联
• 3.1.2 MIT数据库简介
• 3.2 心电信号的噪声分析
• 3.2.1 工频干扰
• 3.2.2 基线漂移和呼吸时的干扰
• 3.2.3 电极接触噪声
• 3.2.4 人为运动
• 3.2.5 肌电干扰（EMG）
• 3.2.6 信号处理中用电设备产生的仪器噪声
• 3.3 工频噪声消除
• 3.3.1 平滑滤波
• 3.3.2 基于窗函数法的FIR滤波器
• 3.3.3 自适应滤波
• 3.3.4 LMS算法
• 3.3.5 NLMS算法
• 3.4 基线漂移噪声的消除
• 3.4.1 滑动平均滤波
• 3.4.2 插值拟合法
• 3.5 本文中工频干扰噪声的消除
• 3.5.1 基于迭代次数变步长的LMS算法消除工频干扰
• 3.5.2 迭代次数变步长的LMS算法的滤波效果
• 3.6 本章小结
• 第四章 心电信号 QRS识别
• 4.1 差分阈值法
• 4.2 模板形态特征匹配的识别方法
• 4.3 本文提出的基于小波和数学形态联合的识别方法
• 4.3.1 形态学 ECG识别
• 4.3.1.1 数学形态学原理
• 4.3.1.2 数学形态学 ECG识别
• 4.3.1.3 结构元素的选择
• 4.3.1.4 异常波的识别
• 4.3.2 小波变换识别
• 4.3.2.1 小波简介
• 4.3.2.2 小波函数的选择
• 4.3.2.3 选择特征尺度
• 4.3.2.4 算法
• 4.3.2.5 不同的R波形识别
• 4.3.2.6 Q波和S波识别
• 4.3.2.7 识别结果
• 4.4 本章小结
• 第五章 心电信号 P、T波识别
• 5.1 P、T波小波特性
• 5.2 P、T波小波识别算法
• 5.3 数据实验
• 5.4 结果分析
• 5.5 本章小结
• 第六章 结论
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录