用于身份识别的ECG特征筛选策略研究

为了解决基于心电信号(ECG,Electrocardiogram)中基准点特征适用度的问题,在理想化的特征计算结果的基础上,本文提出引入由于计算机识别心电波形基准点所带来的误差,从实际应用角度选择出在身份识别中具有应用价值的特征.研究首先采用小波变换处理心电信号,将心电波形的基准点与不同阶小波系数相对应,自动检测基准点并同时获得检测准确率.然后,设计并实现了由基准点检测准确率估算基准点构成特征的准确率策略,进一步利用逐步判别法进行特征选择,最后,获得特征在用于身份识别中的筛选结果排序.研究采用PTB心电数据库(PhysikalischTechnische Bundesanstalt,德国国家计量科学院心电数据库)作为实验数据,在60人的数据集上进行身份识别,获得98.7%的准确率.     

基于心电信号频域特征的身份识别方法

本文提出了一种基于频域特征的心电信号身份识别的方法,利用傅立叶变换对心电信号进行频域分析,得到心电信号的幅频特性图谱,提取包括信号频域斜率、谐波数、幅度差值等特征参数,以及根据傅里叶变换,得到心电信号的能量谱中的低频能量、高频能量占总能量的比率构成代表心电波形的特征向量.分别利用相关分析和神经网络分类器进行识别,其中基于神经网络的身份识别准确率达到96.4%.     

基于时域特征的房颤识别方法

针对便携式心电采集设备采集的手部心电信号质量较差、阵发性房颤识别困难问题,提出一种房颤自动识别方法,利用信息熵和连续小波变换(CWT,continuous wavelet transform)筛选奇异波形,准确识别心电信号中的R波,并利用R波信息提取心电信号的时域特征,利用BP神经网络构建阵发性房颤识别模型.在PCinCC2017和AFDB数据集上的实验表明,本文方法的房颤识别的灵敏度和特异性分别高于96%和98%,对失常10秒左右的短时阵发房颤的识别灵敏度和特异性均高于94%,可以应用于家庭便携式房颤监测.     

基于心电信号的身份识别系统研究

介绍了心电信号身份识别系统的设计方案。分析了双电极心电信号检测电路和心电信号小波距离身份判别算法。在Matlab软件平台下编程实现心电信号数字滤波、周期分割、样本建库以及身份识别。通过对34个人的心电样本进行测试,获得了91.2%的识别结果。     

一种从母体腹部电极心电信号中检测胎心R波的算法

母体腹部电极心电法通过放置在孕妇腹部的电极片无创检测胎儿心电信号.但腹部无创检测采集的是包含胎儿心电、母体心电及噪声的混合信号,且母体心电信号的幅值远大于胎心信号.基于此问题,提出从母体腹部心电信号中检测胎儿R波的高效算法.该算法避免对腹部信号建立复杂的模型,通过最小化误差函数,自适应地滤除母亲心电信号的波形,以获得较清晰的胎儿心电波形.再经过基于聚类的胎儿R波尖峰检测以及精筛选的步骤,获得正确的胎儿R波尖峰.该算法使用PhysioNet Challenge 2013的腹部心电数据集Set-a进行测试.测试结果中,胎儿R波尖峰提取的平均灵敏度为88%,平均阳性检测率为88%.由于不涉及复杂的计算,该算法运行时间短,效率高,处理持续时长为60s的腹部信号平均用时2.64s,很适合用于可穿戴设备中心电信号的实时检测.     

基于织物电极的心电监测系统

为解决传统动态心电监测存在的一些问题,例如粘性心电电极刺激皮肤、信噪比随使用时间延长而下降、动态心电图仪缺乏实时分析能力等,研制了一种可穿戴心电异常检测系统
。制作了有导电织物材料心电电极的穿戴衣,设计了心电信号采集装置,提出了基于分析R-R间期和QRS波群波形的异常心电波形检测算法,在PDA(Personal Digital Assistant)平台上实现了基于该算法的异常心电信号识别软件。通过实际测试,验证了本系统的有效性和可靠性。     

基于短时心电信号的身份识别方法

为了提高基于短时(1 s)心电信号进行身份识别的准确率,本文提出了一种残差块的一维卷积神经网络(one-dimensional convolutional neural network,1D-CNN)的短时心电信号身份识别方法。该方法采用快捷连接设计以解决深层卷积网络随着卷积层数增加而性能退化的问题,并通过增加卷积层数和卷积核数量来保证网络能够更充分地提取特征,进而提升网络的分类性能。本文方法在两个公开数据库心电数据库(electrocardiogram identification database,ECG-ID)和德国联邦物理技术研究院心电图诊断数据库(physikalish-technische bundesanstalt diagnostic ECG database,PTB)进行了实验,当采用一个心动周期(大约1 s)信号进行身份识别时,准确率分别达到了97.963%和99.359%。实验结果表明本文方法可以有效地提高短时心电信号的身份识别的准确率。     

基于距离判别的心电身份识别技术研究

针对传统生物特征身份识别技术易于破解的弊端,提出了心电信号身份识别技术。分析了心电信号身份识别的距离判别法则。结合马氏距离、小波距离、谱能量距离和相关距离算法,提出加权系数智能匹配算法。下位机利用双电极法采集心电信号,经串口送往上位机。Matlab软件平台下,编程实现心电信号数字处理和身份识别。通过对40个人的心电样本进行测试,获得了95%的识别结果。     

基于负熵最大化FastICA的心电信号提取研究

针对心电信号常被工频干扰污染问题,为了从观测信号中有效分离出心电信号,采用了基于负熵最大化的FastICA方法.仿真中,观测信号由心电信号和工频干扰通过混合矩阵线性叠加而成,无明显心电信号特征.经具体方法基于负熵最大化FastICA方法处理后,分离出的心电信号很好地逼近了理想心电信号,具有明显的心电信号特征,心电信号提...     

基于虚拟仪器的心功能检测系统的设计

设计了一种基于虚拟仪器的具有心电采集和踏车控制功能的心功能检测系统.系统采用自行设计的数据采集卡来实现心电数据的安全测量和输出控制指令.数据采集卡由心电信号放大电路、信号采集电路、踏车控制电路组成,通过USB接口与PC机相连.系统软件采用LabVIEW编程语言,可实现数据库管理、心电波形显示、心电特征点分析、实时心率显示、ST段识别、踏车控制、数据即时存储、波形回放以及打印诊断结果等功能.     

一种利用单通道母体腹部心电信号 提取胎儿心电信号的新技术

针对母体腹部混合心电信号中胎儿心电信号微弱、包含诸多噪声,难以清晰提取的问题,本文提出了一种基于奇异值分解(SVD)、平滑窗(SW)技术和最小二乘支持向量机(LSSVM)的胎儿心电提取新方法.首先,利用SVD从单通道母体腹部心电信号中重构分解矩阵,估计出母体心电参考信号,并利用SW方法对估计出的母体心电参考信号进行平滑处理;然后,利用LSSVM建立非线性估计模型,通过该模型和平滑后的母体心电参考信号估计出腹部信号中的母体心电成分,并采用布谷鸟搜索算法(CS)优化LSSVM的超参数;最后,将腹部混合信号与CS-LSSVM模型估计出的母体心电成分相减,即可获得初步胎儿心电信号,为了进一步消除干扰,对初步获取的胎儿心电信号再进行SW-SVD操作,从而获得较为清晰的胎儿心电信号.采用Daisy数据集进行实验,结果表明,本文所提出的方法在可视化对比分析和四个统计评价指标上均优于其他三种经典方法,可从腹部混合信号中提取出更清晰的胎儿心电信号.     

基于径向基函数神经网络的胎儿心电提取

针对胎儿心电难以提取问题,提出一种从母体腹壁混合信号中提取胎儿心电的方法.利用径向基函数(radial basis function,RBF)神经网络估计母体心电信号传导至腹壁的非线性变换,将非线性变换后的母体心电信号从腹壁混合信号中减去,再通过小波包去噪技术抑制胎儿心电的基线漂移和噪声,得到清晰的胎儿心电.应用临床心电数据完成实验,在胎儿心电和母体心电QRS波完全重叠情况下,提取出清晰的胎儿心电.实验结果验证了方法的有效性.     

基于经验模态分解的间接心电去噪

提出了一种基于心电图（ECG）动态模型和经验模式分解（EMD）的新颖心电间接去噪方法．通过设计一个心电信号模型对噪声ECG进行预滤波处理,为了保持重要的形态特征,尤其是QRS群波,从噪声ECG信号中减去这个模型,用EMD分解残存下来的信号,并且抛弃分解结果中的噪声成分达到去噪．最后,通过把模型和无噪的残余信号叠加起来获得无噪ECG波形．     

基于小波变换的心电信号处理研究

在简述小波变换理论发展的基础上,介绍了心电信号的主要特点和研究内容,从两大方面概括小波变换应用于心电信号处理的国内外研究现状:一是去噪,着重介绍了小波阈值消噪的研究成果,概括了在母婴心电信号分离、去除肌电噪声、保留特征波形方面的研究现状;二是波形检测和特征提取,着重介绍了QRS波群检测、ST段检测和R波峰值提取的研究现状,以及小波与其他理论结合用于心电信号处理的研究成果。最后,展望了利用小波变换进行心电信号处理的前景。     

非侵入式胎儿心电信号的R波检测方法

采用非侵入式方法从母体腹部采集的胎儿心电信号(FECG),由于信号微弱并受到母体心电信号和噪声的干扰,要准确识别出FECG的R波非常困难.本文通过对从母体腹部表面采集的信号进行二进小波变换,并用模极大值法确定信号奇异值点的位置,根据母体与胎儿心电在模极大值上的差异,识别出胎儿心电信号的R波.此方法在MIT Physio Net/Cin C 2013挑战竞赛公布的标准数据进行了实验,并参加了SET-B数据集的挑战,根据MIT竞赛平台公布的结果,此方法从母体腹部采集的单通道信号中识别胎儿心电信号R波的准确率达到93.8%.     

基于差分阈值与模板匹配的心电R波提取算法

心电信号(electrocardiogram,ECG)是人体最重要的体征信号之一,R波是心电信号中最明显的特征参数.R波的正确提取是计算心率、分析心率变异性等其他参数的基础.以一阶差分为基础,结合模板匹配算法,在匹配的过程中采用阈值比较和匹配系数的心电R波检测方法,提高了R波检测的准确率.实验表明,该算法能够快速准确地检测心电信号数据中R波特征值.     

DXJ－2型心电检查／监护两用仪的研制

介绍一种便携式电视显示心电检查／监护两用仪。仪器将心电信号变换为视频和射频信号，可在普通电视屏幕上显示双线实时滚动或冻结的心电波形以及坐标网格，并具有ＱＲＳ波检测、心律判别、自动冻结、报警和１６次记忆等功能。     

基于短时心电信号的疲劳驾驶检测算法

心率变异性分析是最常用的一种基于心电信号的疲劳驾驶检测方法.然而,该方法需要被检测信号时间足够长,且准确率较低.因此提出一种基于短时心电信号的疲劳驾驶检测算法.首先,按照30s的时长截取短时心电信号序列,利用差分阈值法确定R波位置,根据R-R间期差值大小剔除不合格的噪声样本;然后,计算R-R间期序列的时域/频域特征并与利用ImageNet数据集预训练的深度卷积神经网络模型提取的特征相结合;最后,设计了一种随机森林分类器并基于这些特征进行分类.结果表明,该算法在疲劳驾驶检测上具有良好的分类效果,平均准确率达到91%.因此,相较于心率变异性分析方法,本算法检测所需心电信号更短,且在准确率上具备显著优势.     

基于小波变换自适应滤波方法的ECG信号消噪

为了减少在用小波变换方法进行心电信号消噪时所产生的心电信息损失,本文在对心电信号进行离散正交小波变换的基础上,进行自适应滤波处理,即以具有最大QRS波能量的尺度上的高频细节信号作为自适应滤波器的参考输入,以噪声干扰对应的分解尺度上的“细节”分量及最大分解尺度上的近似分量所重构的信号作为原始输入.实验证明这种改进的滤波方法可以在有效抑制心电信号中噪声干扰的同时,较好保持心电信号的波形特征及有用的心电信息,达到较好的滤波效果.     

基于小波相干分析的阵发性房颤自动检测方法

阵发性房颤是一种最为常见的心律失常,发作时心电图主要表现为RR间期绝对不规则以及P波缺失。已有阵发性房颤的自动检测方法仅依赖于心电信号的时域信息,从而使得检测准确率不高。鉴于小波相干分析可以同时展现信号的时域和频域信息,文中提出了一种基于小波相干分析的阵发性房颤自动检测方法。首先,对所有的心电信号预处理;其次,对模板与待测心电信号分别进行小波相干分析得到其小波相干图;进而,计算小波相干值均值、比率和交叉小波相位角方差构成房颤心电特征;最后,将上述特征结合超限学习机完成阵发性房颤的自动检测。文中通过MIT-BIH房颤数据集验证所提算法的有效性与可行性,数值实验结果达到准确率97. 81%,敏感性98. 54%,特异性98. 61%。