论文部分内容阅读
近年来由于人口老龄化、环境污染等诸多因素影响，各种慢性病发病率逐渐上升，社会医疗资源短时间无法快速增加，因此国家大力发展社区医疗和远程医疗，迫切需要一种在不影响使用者正常生活前提下可随时随地记录心电信号的便携式远程心电监护系统，使病人能够及时得到诊疗或救治。 实现远程动态心电监护的关键技术包括两方面：一方面是动态心电信号的自动检测、分析和分类识别算法研究，另一方面是便携式动态心电信号监护仪器的设计。本文在这两方面展开深入研究与探索。主要的研究成果和创新点包括以下几个方面： 1、针对心电信号噪声去除的难题，本文使用近几年逐渐发展起来的经验模态分解(EMD)理论进行研究。对心电信号进行经验模态分解得到若干本征模态函数(IMF)分量和一个残余函数。相比于小波变换，经验模态分解得到的心电信号各个本征模态分量的时频域尺度更精细，信号特征更清楚。(1)对于噪声中的基线漂移信号，提出使用心电信号经EMD分解后得到的残余函数与若干高阶IMF分量的累加构造基线漂移近似信号，通过基线漂移近似信号与估计的基线漂移信号间的均方差(MSE)最小的算法去除。(2)对于心电信号中工频噪声的去除，提出对在经验模态分解后对其中含工频噪声的低阶IMF分量进行陷波处理，相比于对原始心电信号直接用陷波器滤波，新方法对于心电信号中的其他分量影响更小，去除工频噪声的质量更高。设计了基于EMD和陷波器的工频去噪算法和基于EMD和形态学滤波的工频去噪算法。(3)对于心电信号中的高斯噪声，提出基于经验模态分解的小波阈值去噪法去除高斯噪声，该方法只针对经验模态分解后的前几个本征模态分量分别作阈值去噪，减小对原始信号有用成分的影响，提高了信噪比。(4)基于以上三种去噪算法，提出了一种基于经验模态分解的心电信号综合去噪算法，新算法能够有效去除基线漂移、工频噪声和高频噪声。最后通过模拟复合噪声模型和实际复合噪声模型进行检验，实验结果表明本文所提算法具有很好的去噪效果。 2、QRS波群的检测与定位是心电信号检测的关键。本文提出基于经验模态分解的小波变换检测R波的算法和基于经验模态分解的Hilbert变换检测R波的算法。对去噪心电信号进行经验模态分解，并使用低阶本征模态分量重构信号，在重构信号上做小波变换或Hilbert变换对R波进行定位。该方法突出R波波峰特点，对其他大的波形有抑制作用。通过MIT-BIH心电数据库行了检验，验证了算法的有效性。 3、在心电特征提取与选择的研究方面，本文根据心电信号的特点选取了时域、时频域和高阶累积量作为特征参数。时频域特征主要针对基于Hilbert-Huang(HHT)变换的特征参数进行研究，从能量与频率的角度挖掘心电信号在时域中没有体现的特征。 4、使用支撑向量机(SVM)对心电信号自动分类与识别方法进行了研究。通过支撑向量机使用不同类型的心电特征参数进行分类，并对分类结果与MTT-BIH数据库中的标注进行比较，证明了分类算法的有效性。文中还着重对支撑向量机的参数对结果的影响进行了研究，使用遗传算法优化支撑向量机的参数，该方法有效提高了SVM分类器的正确率。并对分类效果进行了比较。针对提取心电特征参数较多的情况，文中对其进行了降维处理，提高了分类的效率。 5、设计了一种新型便携式远程心电监护仪，可以实现心电和体温等重要生理参数的实时、连续、长时间监测，并支持彩色触摸显示，语音报警，无线传输，SD卡存储、USB扩展等功能。仪器采用单片汇聚型ADSP-BF548 DSP处理器作为系统核心，提供了强大的信号处理能力，实时性比普通监护仪高出许多，其低成本和低功耗的优点适用于社区医疗和远程医疗。