小波分析论文：基于小波变换的心电信号自动分析技术【中文摘要】心电信号是心脏活动过程中产生的生物电信号在体表的反应。
它是临床上诊断心脏疾病的重要手段。
通常,对于心电图进行的人工分析,主观性比较强,工作量巨大。
随着计算机技术的发展,心电信号的自动分析技术的需求开始变成现实。
心电信号的自动分析依赖于准确的心电信号参数。
由于心电信号幅度小,频率低,在采集过程中容易受到外界环境和人体自身的影响。
采集到的心电信号常会夹杂着许多干扰,有时甚至干扰会将正常的心电信号淹没,这给病情的诊断带来很多不便。
同时,由于病人情况各异,会使采集到的心电信号千差万别。
怎样从杂乱的信号中提取出有用的心电信号,得到准确的心电信号参数是心电信号自动分析中的重点。
本文利用提升小波的方法对心电信号进行处理和特征提取。
由于提升小波相对于第一代小波来说,占用系统资源少,适合于在实际应用中进行推广。
首先,利用小波阈值法对心电信号进行去噪处理。
利用小波的方法对心电信号进行多层分解,剔除噪声比重大的层,保留有用信号比重大的层。
通过小波重构,得到去除噪声的心电波形。
然后,对去除噪声的心电信号进行特征波形分析。
利用模极大值法,分别检测出QRS波群,P波,T波的确切位置,得到心电信号的特征参数。
最后,制定检测标准,利用检测到的心电信号参数进行自动分析。
通过利用MIT-BIH数据库数据进行检验,证明算法是可行的。
【英文摘要】Electrocardiograph (abbr. ECG) is thebiological reactions in the body surface in the process of heart activity electrical signals generated. It is an important means of clinically diagnosis of heart disease. As a result, the manual analysis of ECG is much subjective, and the workloads are huge, too. With the development of computer technology, technology demand of automatic analysis of ECG starts to become a reality. Automatic ECG analysis depends on the accuracy of ECG parameters. As small ECG signal amplitude, low frequency, the collection process is vulnerable to the external environment and the body’s own influence. Collected ECG signals often mixed with a lot of interference, and sometimes the normal ECG signals were disturbed, which made the diagnosis of disease much inconvenience. Meanwhile, different patients also made the collected ECG signal different. How to extract the useful ECG signal out of the clutter and getting the accurate ECG signal parameters are the key points of automated analysis of ECG signal.In my dissertation, the method of lifting wavelet in the ECG signal processing and feature extraction is used. The lifting wavelet relative to the first generation wavelet occupies less system resources, so it is suitable for promotion in practical applications. First, ECG signals are denoised by using wavelet thresholding. Wavelet is used for decomposing ECGsignal into layers, in order to removing the significant noise level and retaining the useful signal level. The wavelet reconstructions remove the noise of ECG Second, analyzing the waveform characteristics of denoised ECG signals. Modulus maxima method is used for detecting the exact location of QRS wave group, P wave and T wave, so that the ECG parameters are obtained. Finally, formulating the testing standards, and using the detected ECG signal parameters for automatic analysis. The tests in MIT-BIH database prove that the algorithm is feasible.【关键词】小波分析心电信号自动检测心律失常【英文关键词】wavelet analysis ECG automatic detection arrhythmia【目录】基于小波变换的心电信号自动分析技术摘要4-5Abstract5目录6-9 1. 绪论9-19 1.1 研究背景9-10 1.2 心电图基础知识10-12 1.2.1 心电图产生机理10-11 1.2.2 心电图的典型波形11 1.2.3 心电图的典型间期和典型段11-12 1.2.4 心电信号特点12 1.3 国内外研究现状12-17 1.3.1 心电信号预处理技术的研究现况12-13 1.3.2 波形检测13-16 1.3.3 心律失常自动诊断研究现状16-17 1.4 本文的主要内容及章节安排17-19 2. 小波分析基础知识19-31 2.1 小波分析的历史19 2.2 连续小波变换19-21 2.3 离散小波变换21 2.4 多分辨率分析与Mallat算法21-24 2.4.1 多分辨率分析21-23 2.4.2 Mallat算法23-24 2.5 提升小波24-31 2.5.1 提升小波特性24-25 2.5.2 提升小波步骤25-28 2.5.3 提升方法的实现28-31 3. 心电去噪31-38 3.1 心电信号噪声及其特性31-32 3.2 一般含噪声的信号模型32 3.3 信号和噪声在小波变换下的特性32 3.4 提升小波变换心电信号去噪32-35 3.4.1 心电信号去噪的具体步骤32-33 3.4.2 阈值函数的选取33-35 3.4.3 阈值的选取35 3.5 Matlab仿真分析35-36 3.6 结论36-38 4. 特征提取38-49 4.1 小波变换表征信号突变点的原理38-39 4.2 小波变换检测ECG 波形成分的原理39-40 4.2.1 双正交样条小波滤波器的频段分解40 4.3 心电信号特征波检测40-48 4.3.1 R波检测40-43 4.3.2 R波检测结果43-45 4.3.3 Q波和S波的检测45-46 4.3.4 Q波与S波检测结果46 4.3.5 P波和T波的检测46-48 4.3.6 P波和T波检测结果48 4.4 总结48-49 5. 心律失常自动分析49-54 5.1 心律失常的形成49-50 5.2 冲动起源性心率失常分类50-52 5.2.1 冲动起源性心律失常分类50 5.2.2 冲动起源性心律失常心电图特征50-52 5.3 心律失常分类算法52-54 6. 总结与展望54-55参考文献55-57致谢57-58个人简历、研究生期间发表论文58。
