心电信号QRS波检测与分类研究

论文摘要

心电图（ECG, Electrocardiography）是医生分析心脏基本功能及其病理的重要依据,因此,对心电信号进行分析、识别、分类有着重要的意义。本文首先对现阶段心电的研究现状及常用的检测、分析和分类方法作了简单介绍和分析,然后在QRS波识别、特征提取、分类三方面分别提出了新的分析方法。在QRS波检测时,利用R波局部梯度特性,提出了基于梯度的自适应阈值检测算法,并对算法做了修正,在识别率上达到了不错的效果,在检测出R波后再做Q波和S波检测；在函数逼近及特性提取方面,本文详细分析多种常用的曲线拟合函数对于QRS波群这种比较特殊的形态的逼近能力,又寻找了一个比较合适的非线性函数来描述或提取QRS波的特征；在分类方面,本文根据Hilbert相似度理论,提出以相似度为基础的阈值分类算法,并直接对ECG做了分类测试,然后结合此算法,对所提取的特征进行优化,对提取的特征作了必要的权值调整,达到了较好的分类效果,也使基于函数拟合方式提取的特征具有了实际意义；本文还结合相似度理论,对K-Means聚类算法做了改动,把优化后的特征与该分类算法相结合对ECG进行分类,也取得了不错的分类效果。心电信号分析分类系统是辅助论文研究开发的模式识别系统,集成了QRS检测、特征提取、数据分类、结果验证等功能,实现了研究过程中各个阶段的功能。本文在该系统的基础上探索出一套心电数据的分析流程,使得论文的研究成果可以应用到实际的心电数据分析中,具有一定的实际意义。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 心电图研究的背景
• 1.2 意义和难点
• 1.3 研究现状
• 1.4 研究内容
• 1.5 研究目标
• 1.6 文章概述
• 第二章 基础理论与算法
• 2.1 心电图概述
• 2.2 函数逼近理论
• 2.2.1 函数逼近基础理论
• 2.2.2 非线性曲线拟合
• 2.3 Hilbert空间相似度理论
• 2.3.1 引言与预备知识
• 2.3.2 相似度理论推导
• 2.4 聚类与分类算法
• 2.4.1 K-Means算法
• 2.5 国内外ECG信号检测算法及分析
• 2.5.1 滤波阈值法
• 2.5.2 句法学
• 2.5.3 小波变换分析法
• 2.5.4 人工智能法
• 2.5.5 其他数学方法
• 2.6 本章小结
• 第三章 QRS波检测方法的研究与实验
• 3.1 心电信号预处理
• 3.2 基于局部梯度和的R波检测
• 3.2.1 算法描述
• 3.2.2 实验结果及分析
• 3.3 基于局部梯度和的R波检测修正
• 3.3.1 算法修正
• 3.3.2 实验结果及分析
• 3.4 Q、S波检测
• 3.5 本章小结
• 第四章 曲线拟合应用研究
• 4.1 典型QRS波形选取
• 4.2 常用拟合函数逼近能力分析
• 4.2.1 逼近效果评价参数
• 4.2.2 常用拟合函数分析
• 4.2.3 逼近能力分析
• 4.2.4 一种特殊的拟合函数
• 4.3 本章小结
• 第五章 特征提取及分类算法实现
• 5.1 基于相似度理论的自适应闽值法
• 5.1.1 分类算法设计
• 5.1.2 算法实验及分析
• 5.2 基于特征提取相似度理论的自适应阈值法
• 5.2.1 拟合分析与特征提取提取
• 5.3 基于相似度的K-Means算法
• 5.4 本章小结
• 第六章 软件系统模块和界面设计
• 6.1 Visual Studio 2008与Matlab2009B混合编程
• 6.2 程序模块
• 6.2.1 系统总体功能框架
• 6.2.2 具体模块功能说明
• 6.3 数据结构介绍
• 6.3.1 系统类布局关系
• 6.4 本章小结
• 第七章 结束语
• 7.1 本文主要工作总结
• 7.2 进一步的研究与展望
• 参考文献
• 致谢