心血管疾病是威胁人类生命的主要疾病之一,而心电信号(electrocardiogram,ECG)是心脏电活动在体表的综合反映,因此,临床心电图检查对于检测和诊断心脏疾病具有重要意义。然而,心电信号受人体生理状态的影响而呈现复杂的形态,同时个体的差异也使心电信号千差万别,测量系统的随机干扰也会耦合到心电信号而劣化波形。这些都给心电信号的检测造成了一定的困难!因此,对心电信号检测处理进行研究具有重要的理论意义和应用价值。本文在研究和分析心电信号检测与处理领域各种方法的基础上,对心电信号的检测算法做了进一步的深入研究。
本文对人体心电信号的产生机理进行了详细分析并介绍了心电信号中各波形和间期所代表的生理意义。在对心电信号检测算法进行分析和研究的同时重点指出了目前检测方法中存在的问题,从而为构造新的心电信号检测算法奠定基础。
针对在心电信号检测中传统的小波方法受锢于二进小波变换的尺度只能是按2的整次幂取值的缺陷,本文利用连续小波变换在尺度取值上可选取非二进尺度的特性,系统研究了连续小波变换在心电信号检测中的应用,并提出了一个基于连续小波变换的心电信号检测算法。利用MIT-BIH心律失常数据库对该算法进行了检验,结果表明该算法对QRS复合波的正确识别率为99.6%,灵敏度为99.74%,阳性预测率为99.86%。证明了该算法的有效性。
由于小波变换在运用中存在一个小波基选择以及分解的尺度数目确定的问题,这导致了小波变换对心电信号的分解不是完全自适应的,因此本文利用经验模式分解理论能克服小波分解中存在的母小波选择和尺度确定的问题,研究和分析了经验模式分解理论在心电信号检测领域的应用,并提出了一个基于经验模式分解的心电信号检测算法。利用MIT-BIH心律失常数据库对该算法进行了验证,结果表明该算法对QRS复合波的正确识别率为99.34%,灵敏度为99.77%,阳性预测率为99.56%。实验结果表明经验模式分解理论在心电信号检测与分析领域的应用是可行的,从而为后续的研究奠定了一个坚实可靠的基础。
