心电信号能够用来分析与鉴别各种心律失常,所以心电信号自动分析技术具有很高的临床价值,是当前国内外学者研究的热点之一。由于心电信号具有非常复杂的非线性特性,增加了分析的难度,使得计算机对心电信号的自动诊断效果还不能达到专家的诊断效果。因此,研究者还在不断地改进传统的方法并探索新的解决方案。 本文就如下几方面进行了深入研究: 1.心电信号的预处理 首先介绍了几种常用的滤波器设计方法后,本文采用了小波变换去噪方法来消除工频干扰、基线漂移和肌电干扰,以提高心电信号识别的准确率。 2.心电信号特征提取 在比较了几种常用的参数提取算法后,采用多分辨率分析方法,并利用Mallat算法对心电信号进行4尺度分解、奇异点检测,最后对心电信号进行精确定位并提取其特征值。 3.心律失常事件自动分类 首先介绍了当前主流的模式识别和人工神经网络方法。本文针对正常波形和四种类型的心律失常波形,采用BP神经网络和概率神经网络这两种方法对心电信号进行分类,其中BP神经网络的识别率高达97.62%。 4.对心房纤维性颤动的自动诊断 首先提取特征参数,然后计算被测心电信号特征参数与样本的欧式距离,最后采用K—近邻法进行决策。试验结果是敏感度为90.0%,特异度为87.5%,正确性为78.9%。