基于IWT与AGA-BP模型的ECG身份识别方法技术

本发明专利技术公开了基于IWT与AGA‑BP模型的ECG身份识别方法，具体为：步骤1，采集心电信号并去噪；步骤2，采用小波定位方法对去噪后的ECG信号的R波峰值点进行定位；步骤3，通过步骤2所得R波峰值点，确定QRS波群位置，确定P波与T波的峰值点、起点与终点；步骤4，基于步骤2和步骤3得到的QRS波群、P波和T波的峰值点、起点和终点进行组合得到特征向量，然后运用AGA‑BP模型进行ECG信号识别。本发明专利技术的基于IWT与AGA‑BP模型的ECG身份识别方法，解决了现有技术中存在的心电信号识别准确率差的问题。

【技术实现步骤摘要】
基于IWT与AGA-BP模型的ECG身份识别方法
本专利技术属于生物特征识别方法
，涉及一种基于IWT与AGA-BP模型的ECG身份识别方法。
技术介绍
随着科技的不断发展，生物特征越来越显示出其独特的优势，利用生物特征进行识别开始更多的引起人们的关注。相较于传统的生物特征，心电信号有许多巨大的优势，首先由于心电信号来自于身体内部，难于仿造；其次，任何存活的个体都会具有心电信号，故其不会被遗忘或者丢失；此外，心电信号作为一种一维信号，其处理简单，计算量小，识别速度更快。综上所述，心电图(Electrocardiogram，ECG)信号具有的众多优势都使其成为21世纪生物识别领域不可忽视的重要组成部分。基于ECG的身份识别面临三个重要问题，一是心电图信号的预处理，从人体初始采集的心电图信号带有大量的谐波，波形质量不高，因此需要对心电图信号进行预处理，心电图信号预处理的结果好坏直接决定了后期特征提取与识别质量的高低，目前，已有研究采用经验模态分解(EmpiricalModeDecomposition，EMD)和小波变换(Wavelet本文档来自技高网...

【技术保护点】
1.基于IWT与AGA-BP模型的ECG身份识别方法，其特征在于，具体按照如下步骤实施：/n步骤1，采集心电信号，利用IWT算法对采集的心电信号预处理，得到去噪后的ECG信号；/n步骤2，采用小波定位方法对去噪后的ECG信号的R波峰值点进行定位，并进行R波漏检和错检排查，同时确定相邻R波峰值点之间的采样间隔；/n步骤3，通过步骤2所得R波峰值点，确定QRS波群位置，确定P波与T波的峰值点、起点与终点；/n步骤4，基于步骤2和步骤3得到的QRS波群、P波和T波的峰值点、起点和终点进行组合得到特征向量，然后运用AGA-BP算法进行ECG信号识别。/n

【技术特征摘要】
1.基于IWT与AGA-BP模型的ECG身份识别方法，其特征在于，具体按照如下步骤实施：
步骤1，采集心电信号，利用IWT算法对采集的心电信号预处理，得到去噪后的ECG信号；
步骤2，采用小波定位方法对去噪后的ECG信号的R波峰值点进行定位，并进行R波漏检和错检排查，同时确定相邻R波峰值点之间的采样间隔；
步骤3，通过步骤2所得R波峰值点，确定QRS波群位置，确定P波与T波的峰值点、起点与终点；
步骤4，基于步骤2和步骤3得到的QRS波群、P波和T波的峰值点、起点和终点进行组合得到特征向量，然后运用AGA-BP算法进行ECG信号识别。


2.根据权利要求1所述的基于IWT与AGA-BP模型的ECG身份识别方法，其特征在于，所述步骤1具体为：
步骤1.1，通过设备读取或数据库获取的方式获得心电原始数据，然后，利用ECG算法将得到心电原始数据进行绘图，得到存储有ECG数据的矩阵，该矩阵即为需要处理的ECG信号；
步骤1.2，将步骤1.1得到的ECG信号按一个标准的心电周期T进行分割，得到n组周期信号序列X(n)，然后使用最小二乘方法的递推算法对周期信号序列X(n)进行建模，得到其数学模型；
步骤1.3，采用Mallat算法对原始心电数据和步骤1.2得到的数学模型同时进行小波分解重构，分别得到多个尺度下原始ECG小波分解信号和多个尺度下数学模型的小波分解信号；
步骤1.4，利用MATLAB软件，以多个尺度下原始ECG小波分解信号作为量测方程，以多个尺度下数学模型的小波分解信号作为状态方程，通过编写无迹卡尔曼滤波算法对小波分解后的多个尺度下数学模型的小波分解信号进行滤波处理；
步骤1.5，以Mallat算法对经过无迹卡尔曼滤波后的心电信号进行重构，得到去噪后的ECG信号。


3.根据权利要求1所述的基于IWT与AGA-BP模型的ECG身份识别方法，其特征在于，所述步骤2具体为：
步骤2.1，通过二进样条小波滤波器对经步骤1去噪后的ECG信号进行四层离散小波分解，得到三次尺度分解后的ECG信号；
步骤2.2，基于步骤2.1得到的三次尺度分解后的ECG信号，在三次尺度下寻找R波极大值和R波极小值，确定疑似R波峰值点；
步骤2.3，针对步骤2.2确定的疑似R波峰值点进行R波的漏检与错检排查，最终确定准确的R波峰值点位置。


4.根据权利要求3所述的基于IWT与AGA-BP模型的ECG身份识别方法，其特征在于，所述步骤2.2具体为：
步骤2.2.1，寻找R波极大值：基于步骤2.1得到的三次尺度分解后的ECG信号，在三次分解尺度下寻找R波极大值，即找出斜率大于0的点，赋值为1，将其余点赋值为0，极大值点就位于这样的1、0序列之中；
寻找R波极小值：基于步骤2.1得到的三次尺度分解后的ECG信号，在三次分解尺度下寻找R波极小值，即找出斜率小于0的点，赋值为1，其余点赋值为0，极小值点就位于这样的1、0序列之中；
步骤2.2.2，再通过设定阈值为三次分解尺度下三分之一相邻信号周期的平均值，去除绝对值小于阈值的极大值和极小值点，得到疑似的R波峰值点的存在区间，相邻极大极小值对的过零点即就是疑似的R波峰值点。


5.根据权利要求4所述的基于IWT与AGA-BP模型的ECG身份识别方法，其特征在于，所述步骤2.3具体为：
设定判定条件如下，当相邻疑似R波峰值点的距离<0.4mean(RR)时，说明存在错检的现象，则去除三次分解尺度下绝对值最小的疑似R波峰值点，若当相邻R波峰值点距离>1.6mean(RR)时，说明存在漏检，此时需要在三次分解尺度下两个疑似R波间期内寻找绝对值和为最大的极大值极小值对，此时寻找到的极大值极小值对的过零点即可定位为漏检R波峰值的位置，最终确定准确的R波峰值点位置，将确定的R波峰值点位置与原始心电数据中的实际R波峰值点对比，若确定的R波峰值点位...

【专利技术属性】
技术研发人员：李宁，朱龙辉，秦曙光，何复兴，郑强荪，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61