一种基于小波包和近似熵的心电信号分类方法技术
【技术实现步骤摘要】
本专利技术属于医学信号处理
，涉及。
技术介绍
心电图是心脏电活动在体表的综合反映，为诊断心脏和心血管系统的功能变化提供了重要的参考依据。心电图的模式分类主要依赖于心电信号特征向量的正确提取和分类方法的准确性，是心电信号自动分析诊断的重要部分。目前已有很多学者对此进行了研究，主要涉及心电信号的特征提取和分类方法两方面。傅里叶变换提取时频域特征简单准确，但不能准确的反应心电信号的形态特征，并且容易受噪声干扰；KPL、小波变换等特征提取虽各有特点，但准确性、抗干扰性等存在不足。传统的特征提取主要利用线性变换方法提取心电信号的单一特征，不能完整的反映心电信号的非线性结构，主成分分析、独立成分分析虽可以提取信号的非线性特征，但需要提取大量的特征，再进行降维选取，比较耗时。神经网络法难以确立最优的网络结构，环境适应力不高且可能存在着过学习或者容易陷入局部最小点的问题，推广性不强。针对上述问题，结合心电信号的混沌特性，本专利技术提出，将小波包分解这种非线性信号分解工具和近似熵这种非线性度量方法相结合来提取心电信号的非线性特征。小波包分解是一种更精细的分解方法，对信号高、低频部分都进行分解，包含信息更全面。近似熵是一种非线性动力学参数，计算所需数据量少，抗噪、抗干扰能力强，对确定性信号和随机信号都适用。本专利技术能够快速准确地提取信号的非线性特征向量。支持向量机(Support Vector Machine, SVM)以最小化泛化误差的上界为目标，从理论上得到一个全局最优解，并且具有最佳的泛化能力，克服了神经网络分类和传统统计分类方法的许多缺点，能够...
【技术保护点】
一种基于小波包和近似熵的心电信号分类方法，其特征在于包括如下步骤：(1)对预处理后心电信号进行小波包分解；(2)计算不同频段的小波包系数的近似熵值，由不同频段近似熵值组成新的特征向量；(3)使用上述特征向量作为样本训练支持向量机，然后使用训练后的支持向量机对心电信号进行分类，获得分类结果。
【技术特征摘要】
1.一种基于小波包和近似熵的心电信号分类方法，其特征在于包括如下步骤: (1)对预处理后心电信号进行小波包分解； (2)计算不同频段的小波包系数的近似熵值，由不同频段近似熵值组成新的特征向量; (3)使用上述特征向量作为样本训练支持向量机，然后使用训练后的支持向量机对心电信号进行分类，获得分类结果。2.根据权利要求1所述的基于小波包和近似熵的心电信号分类方法，其特征在于步骤(1)中...
【专利技术属性】
技术研发人员：李鸿强，冯秀丽，陈雪龙，梁欢，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：天津;12
-
0来自[美国加利福尼亚州圣克拉拉县山景市谷歌公司] 2015年01月16日 18:25英文翻译为wavepacket,一般的波是由若干种以至无限多种谐波叠加而成的，往往仍然是非局域性的。但是，在特定条件下，叠加后的波有可能是局域性的，犹如被某种曲面包裹住那样。这种局域性的波就叫做“波包”。举一个例子：取一根均匀而又较长的橡皮绳，让它的一端固定在墙上或别的什么上，另一端握在手中，拉直。起初，该系统处于静止状态。后来，握绳的手突然抖动了一下后又回到了原来的位置并重新静止下来。此后就会看到绳上有一个隆起的形状在移动，这个隆起的部分就叫做“波包”。