论文部分内容阅读
心血管疾病是当今危害人类健康的主要疾病之一，心电图(ECG)检查是临床上诊断心血管疾病的重要方法，其中利用计算机分析ECG信号来进行计算机辅助诊断也成为了国内外学者所热衷的重要课题。
随着计算机技术和信号处理方法的发展和日益成熟，各种与信息处理和信息分析相关的工作也开始依赖于计算机的高速计算能力，从而使计算机的应用开始进入了各个学科的应用中，也包括与人类密切相关的医疗领域，计算机辅助诊断也开始成为了医疗诊断的重要手段之一。如何从心电信号中有效寻找到心血管疾病发病时的特征波形，然后借此对心血管疾病进行准确的诊断，成为了临床心电诊断的一项重要课题。
心电图反映了心脏电兴奋在心脏传导系统中产生和传导过程，当心脏波动的频率、节律、起源部位、传导速度与激动次序发生异常时，就导致了心律失常。心电信号中包含了心脏的各种信息，如果能够把心电信号中异于正常信号的部分分离出来，就能够很直观地看出心脏异常及发生心律失常的原因。本论文利用改进的ICA算法对心电信号进行分离提取，深入研究了基于盲源信号分离的信号处理方法在心电信号处理中的应用。此技术采用了一种新的特征提取方法-独立分量分析，找出相互独立的隐含信息成分，借此找出隐含在心电信号中用肉眼不容易发现的病变信号，对比正常心电信号，从而得出发生心律失常的原因。应用这种分离技术可以在观测信号很少的情况下，甚至只有两个观测信号的情况下分离出较为理想的独立信号，在实验比较中发现该分离算法分离出的独立信号比其他方法有着更好的分离效果。
利用本论文的算法对美国心律失常数据库MIT-BIH中的四类心博进行盲分离，对每类心博采用两组以上信号进行分离，实验证明论文所采用的改进算法不仅可以得到较好的分离效果，分离以后四类心电图的差别明显，而且对于含有较大噪音的心电信号也可以得到很好的分离结果，实现异常心电信号的特征提取，得出心律异常心电信号特征图。