论文部分内容阅读
ECG(Electrocardiogram,简称ECG)信号作为重要的生物电信号,为临床相关疾病的诊断和治疗提供了极具价值的依据。但是其参考意义是建立在对ECG信号进行有效采集和正确识别与特征提取的基础之上。实际上,只有毫伏级的微弱心电信号从采集端到接收与显示,不可避免地受到电源磁场、病人呼吸运动或肌肉收缩等各种干扰的影响。干扰信号的叠加将影响到波形质量,导致后续波群检测识别的误检漏检,进而误导医学专家的诊断和治疗。因此,对于ECG信号的干扰消除和后续的波群识别技术一直是国内外研究的一个热点,具有重要的研究意义。基于上述内容,本文主要从以下两个方面做了相关研究和验证:第一部分,对ECG信号的自适应干扰消除研究。在经典LMS算法基础上通过引入符号函数和块处理概念推导了两种改进型的自适应算法,即基于符号函数的归一化LMS算法和基于符号函数的归一化块处理LMS算法,并应用到ECG信号的工频干扰和基线漂移两种干扰的消除上。通过MIT-BIH公共心电数据库和实验室一款微型心电采集仪采集的实际心电数据两种数据源对算法进行了有效的仿真验证和详细的结果分析。实验结果证明改进的自适应算法无论是在运算复杂度、算法收敛性上以及信号滤波后的信噪比改善上都比传统LMS自适应算法更优。第二部分,对ECG信号QRS波群的检测研究。依据理想双通道滤波器组结构,推导了一组基于双正交样条小波的滤波器。对第四章中自适应干扰消除后的心电数据,应用基于双正交样条小波变换的QRS波群识别算法进行R波波峰和QRS波群起止点的检测。为全面衡量算法的准确率,选取了5组MIT-BIH心律失常数据库中波形质量不等的心电数据进行R波波峰检测正确率的进一步验证,统计结果证明,算法对于R波波峰的检测准确率高达97.8%。