心电监护系统信号处理方法的研究

论文摘要

心电信号的预处理对心血管疾病预防和诊断起着重要作用,其主要包括心电信号的滤波和波形识别两部分。由于传统心电信号处理方法在计算量、计算速度、处理精度、抗干扰性等方面限制,并不适用于对硬件及测量环境有限制的便携式心电监测。其次传统方法在信号处理时滤波与波形识别缺乏归一化的方法,往往滤波一种方法,波形识别采用另一种方法,这一信号处理机制降低信号处理速度,实时性较低。针对传统滤波和波形识别方法的不足,结合生物滤波特性,本文提出了基于神经元滤波模型的滤波和波形识别思想,并做了以下工作。首先,分析了人体生物信息的基本特征、心电信号的特点及心电信号干扰的耦合来源,接着分析了已有滤波和波形识别算法的不足;然后根据生物体神经元本身所具有的滤波特性及心电信号产生的内部机理,提出了适用于心电信号的神经元滤波模型;并利用四组典型信号在人为加入噪声的情况下,用不同的滤波方法对其进行了比较实验,初步验证了神经元滤波模型优越性。其次,在分析神经元滤波模型李雅普诺夫意义下稳定性的判定条件的基础上,分析了神经元滤波模型动力系统的各种平衡态,在初步实验的基础上分析了模型中各参数在不同情况下的稳定域及分岔情况,从而得到神经元滤波模型在滤波和波形识别时各参数所应给满足的取值空间范围,得到了参数选取原则。最后,在波形识别方面,分析了神经元滤波模型在波形识别应用机理,并通过与一种具有一定自适应能力的改进差分阈值法的对比识别实验,验证了神经元滤波模型在波形识别中应用的可行性及优势。并对若干组心电信号进行了滤波和波形识别的归一化实验,验证了模型的正确性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的目的与意义
• 1.2 心电信号预处理算法国内外研究现状
• 1.2.1 心电信号滤波算法研究现状
• 1.2.2 心电波形自动识别的研究现状
• 1.3 国内外滤波及波形识别理论及发展方向
• 1.4 本课题的研究内容
• 第2章 基于心电信号特征的神经元滤波模型的建立
• 2.1 引言
• 2.2 心电信号特点及实时监测对心电信号预处理要求
• 2.2.1 人体生物信号的特点
• 2.2.2 心电信号特点
• 2.2.3 心电干扰耦合途径
• 2.2.4 便携式实时监测对心电信号预处理的要求
• 2.2.5 传统滤波方法在心电实时监测方面的缺陷
• 2.3 心电信号神经元滤波模型的建立
• 2.3.1 生物滤波特性
• 2.3.2 神经元滤波机理
• 2.3.3 基于心电信号内部产生机理的神经元滤波模型的建立
• 2.4 本章小结
• 第3章 神经元滤波模型参数分析
• 3.1 引言
• 3.2 神经元滤波模型的李雅普诺夫稳定性分析
• 3.3 神经元滤波模型的动力系统形态分析及其参数选择
• 3.3.1 神经元滤波模型解的稳定性
• 3.3.2 神经元滤波模型的平衡态
• 3.3.3 心电信号滤波模型参数的选择分析
• 3.4 神经元滤波模型滤波效果初步验证
• 3.4.1 信号去噪的性能评价指标
• 3.4.2 神经元滤波模型检测初步实验
• 3.5 本章小结
• 第4章 滤波与波形识别归一化算法研究
• 4.1 引言
• 4.2 心电波形识别基础
• 4.3 一种改进的QRS波群实时识别算法研究
• 4.3.1 R波峰值点检测及QRS波群宽度检测
• 4.4 神经元滤波模型的波形识别机理
• 4.5 滤波与波形识别归一化仿真实验分析
• 4.6 本章小结
• 结论
• 参考文献
• 致谢