基于小波包和神经网络的心电信号分类方法研究.pdf

《基于小波包和神经网络的心电信号分类方法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ＷＦ…．７＂＇１＾ＨｉＷ＾ｆｔｉｉｌｆａｉｉＰＩＢＨｌｋ基于小波包和神经网络的＇。电信号论文题目：Ｉ电子与通信工程工程领瓢…学习方式：６全曰制攻读□在职攻读：企业导师：完成日期：ｊｉｌＭｌ独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加Ｗ标注和致谢之处外，论文中不包含其它人已经发表或撰写过的研究成果，也不巧含为获得天津工业乂学或其它教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研巧所做的任何贡献均己在论文中作了明确的说明并表示了谢意。学位论文

2、作者签名：骑签字日期；Ｍ了年么月曰素４学位论文版权使用授权书本学位论文作者完全了解天津工业大学有关保留、使用学位论文的规定。特授权天津工业大学可从将学位论义的全部或部分内容编入有关数据库进行、。检索，并采用影印、缩印或扫描等复制手段保存汇编Ｗ供査阅和借阅同意学校向国家有关部口或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：巧导师签名：禾寺＾签字日期：年么月班／日签字日期：口年Ｉ月学位论文的主要创新点一一、提出了种基于小波包分解与统计分析相结合的也电信号特征提取算法。通过小波包分解方法对预处

3、理后的也电信号进行了四层小波包分解、平均值、，结合统计分析方法升算第四层小波包系数的奇异值最大值，得到了４８维的小波包系数统计特征，并由其构成了屯电信号特征空间。一二、、提出了种基于遗传算法优化神经网络的屯电信号特征选择和分类算法。通过遗传算法对也电信号特征空间进行降维，优化误差反向传播神经网络分类器的权值和阔值，实现了对正常也跳、左束支传导阻滞、右束支传导阻滞、起搏也跳、室性早搏和房性早搏六类也电信号的分类识别ＭＩＴ－ＢＩＨ也３６０组也电信号样，基于律失常数据库的本和ＭＰＳ４５０多参数模拟仪的３００组也电采集信号样本的识别准确率分别为９

4、７．７８％和９９．３３％。摘要屯、电图是人体屯、生进行也脏病诊断治疗的重要脏电活动最直接的反映，是医一依据之。随着科学和技术的发展，基于也电图的自动分析诊断技术已被广泛地用于也脏病检测和诊断的研究。基于也电图的自动分析诊断技术不仅大大降低了医生的工作量，而且可Ｗ显著地提高也电图分类的效率和准确率，对于也脏病及。、时的诊断和治疗具有重要的实际应用价值因此，本文主要针对屯电自动分析诊断技术中的也电信号分类识别方法进行了深入的研巧，主要研究内容包括私电信号的特征提取和特征分类。、电自动分析诊断技术中的重要环节提取稳定有效的也电信号特征是屯，本文一

5、、电信号特征提取算法提出了种基于小波包分解与统计分析相结合的屯。该算法首先采用小波包分解方法对也电信号进行四尺度分解，然后结合统计分析方法计算小波包分解后第四尺度上的１６个小波包系数的奇异值、标准差和最大值，将求得的４、８维小波包系数统计特征组成也电信号特征空间。为了尽可能地提高屯一电信号分类识别的效率和准确率，本文提出了种基于遗传算法优化神经网络的也电信号特征选择和分类算法、。通过遗传算法对屯电信号特征空间进行降维得到２５维也电信号特征，同时采用遗传算法对误差反向传播神经网络分类器的权值和阔值进行优化，将降维得到的也电信号特征输入到分类器中进行训练和预

6、测，－Ｂ阻也从而实现对Ｍ打律失常数据库中六类瓜电信号：正常瓜跳、左束支传导阻滞、右束支传导阻滞、起搏也跳、室性早搏和房性早搏的分类，测试集的识别准确率为９７．７８％，平均灵敏度、平均特异度和平均阳性预测值分别为９７．８６％、‘９９．５４％和９７．８１％。最后。电信号，本文通过基于ＭＰＳ４５０多参数模拟仪组成的采集实验系统对六类也电信号进行采集，并对其进行特征提取和分类算法验证，识别准确率达到了９９．３３％，平均灵敏度、平均特异度和平均阳性预测值分别为９９．３３％、９９．８７％和９９．３６％。实验结果表明本文提出的特征提取算法和分类算法能够有效地提

7、取稳定的也电信号特征、电信号的，并通过遗传算法优化的神经网络分类器实现了对六类屯。，高精度分类因此，本文提出的也电信号分类方法可Ｗ有效地用于也律失常识别对于也脏病的预防、诊断和治疗具有重要的意义。：也电信号关键词；特征提取；小波包分解；分类；神经网络；遗传算法ＡＢＳＴＲＡＣＴＥｌｅｃｔｒｏｃａｒｄｉｏｇｒａｍ（ＥＣＧ）ｉｓｔｈｅｍｏｓｔｄｉｒｅｃｔｒｅｆｌｅｃｔｉｏ打ｏｆｈｅａｒｔｅｌｅｃｔｒｉｃａｌａｃｔｉｖｉｔｙｉｎ