一种基于改进灰狼算法优化的SVM心电信号识别方法技术

本发明专利技术公开一种基于改进灰狼算法优化的SVM心电信号识别方法，将改进的灰狼算法(DIGWO)用于支持向量机(Support Vector Machine,SVM)参数寻优，以此提高SVM对心电信号识别率。该方法将采集到的ECG信号通过多尺度样本熵和小波能量比特征提取融合成特征空间作为输入向量，在传统灰狼算法的基础上，引入动态双子群策略，从子群划分、收敛因子、比例权重三方面改进，然后将改进的灰狼算法用于寻求SVM的惩罚因子C和核函数参数g最优组合，训练构建DIGWO‑SVM分类模型。本发明专利技术提供的心电信号识别方法提高了心电信号识别的效率及分析结果的准确性。

【技术实现步骤摘要】
一种基于改进灰狼算法优化的SVM心电信号识别方法
本专利技术涉及心电信号识别领域，具体属于一种基于改进灰狼算法优化的SVM心电信号识别方法。
技术介绍
据世界卫生组织(WHO)指出，世界上每年死于非传染性疾病的人数占全球死亡人数的三分之二。其中，心血管疾病的发病率位居首位。全世界每年约有1750万的人因心血管相关疾病而死亡。我国近年来心血管病患病率也持续上升，患心血管人数高达2.9亿人次，也使得该类疾病的死亡率远高于其他疾病，心血管病的死亡人数占疾病总死亡人数的五分之二以上，成为对人们健康造成最大威胁的疾病。因而对于心血管病的分析诊断就有着非常重要的意义和研究价值。心电图(Electrocardiogram,ECG)是心脏在受到兴奋刺激的情况下，心肌细胞产生电位反应，在生理采集设备中通过体表电极来采集，以波形的方式来呈现。心电图反映着心脏当前所处的生理状态，一般来说，正常的心脏在生理活动中通常呈现的心电图是有规律性；当心脏产生不同类型的病变，其搏动会导致其频率或节律异常，不同的症状展现出的心电波形也会有所不同，因此心电图成为检测和诊断心律失常疾病的重要技术手段和主要依据。由于因病变引起的心电图种类较多，且即使是同一类型的病变，心电图也会存在着较大差异。早期的心血管诊断，都是由有着丰富临床经验的专家来对心电图采取人工分析的方式。但专家的从医经验对诊断的准确度影响较大，诊断的过程时间长，难免会出现纰漏，从而导致误诊。此外心血管病诊断需求的不断增多同时，缺乏大量丰富经验的心电图专家，给心血管病诊断给带来巨大挑战。<br>近年来随着计算机信息化技术的发展，对心电信号进行自动识别的技术为心血管诊断提供可靠的支持，提高心电图识别效率，已经成为生物电信号自动分析领域中的热门研究。然而，目前的心电图识别只是起一个辅助诊断的作用，最终诊断结果仍然需要专家来做决断；现有的心电信号自动识别系统依旧存在识别准确率不高等问题，因此对于心电信号的识别仍还很大的研究空间。
技术实现思路
为解决以上技术问题，本专利技术提出一种基于改进灰狼算法优化的SVM心电信号识别方法。利用本方法对心电信号进行识别分类时，可以快速得到识别结果，并且具有较高的识别率，本专利技术的目的是通过以下技术方案实现的：一种基于改进灰狼算法优化的SVM心电信号识别方法，包括以下步骤：步骤S1：采集ECG数据；步骤S2：对ECG信号进行简单的去噪处理后，通过小波变换进行特征提取，由此得到原始ECG信号样本熵特征和小波能量比特征并将此组成融合特征空间作为分类模型的输入向量；步骤S3：进入改进灰狼算法(DIGWO)，在迭代过程中，计算每个灰狼的适应度值，并与前一次迭代中相应灰狼的适应度值比较，若比之较好则替换位置信息，反之不动，达到最大迭代次数停止迭代，输出参数惩罚因子C和核函数参数g的最优组合，其中改进灰狼算法(DIGWO)是在传统灰狼算法的基础上，从子群划分、收敛因子和比例权重三个方面对灰狼算法进行改进；步骤S4：将得到的参数C和g来训练SVM，建立DIGWO-SVM分类模型；步骤S5：基于训练好的DIGWO-SVM分类系统进行分类；步骤S6：根据DIGWO-SVM分类结果作为心电信号识别结果。进一步的方案是，所述步骤S3中，改进的灰狼算法具体流程步骤如下：步骤S31：参数初始化，设定灰狼种群数量N，迭代次数T，随机初始化灰狼种群位置；步骤S32：遍历当前种群灰狼，计算适应度值，找出灰狼群体中的α狼(最优个体)，以及适应度最差的ω狼(最差个体)，分别计算并保留α狼的坐标Xα,Yα，以及最差位置ω狼的坐标Xω,Yω；步骤S33：分别计算灰狼个体i与最优个体之间的距离Disti_abest及与最差个体之间的距离Disti_worst；若Disti_abest≤(Disti_worst)/2，则将灰狼个体i划分到较优子群，转步骤S34)；否则，将灰狼划分到较差子群，转步骤S35)；步骤S34：较优子群内灰狼采用收敛因子a1及欧式权重对灰狼个体位置更新，并且计算每个灰狼的适应度值，并与前一次迭代中相应灰狼的适应度值比较，若比之较好则替换位置信息，反之不动；步骤S35：较差子群内灰狼采用收敛因子a2及欧式权重对灰狼个体位置更新，并且计算每个灰狼的适应度值，并与前一次迭代中相应灰狼的适应度值比较，若比之较好则替换位置信息，反之不动；步骤S36：将较优与较差子群进行合并；步骤S37：判断DIGWO算法是否满足结束条件(是否达到了迭代次数T，若不没有达到迭代次数，则返回步骤2)，若满足，则结束。进一步的方案是，所述灰狼个体i与最优个体之间的距离Disti_abest及与最差个体之间的距离Disti_worst计算公式如下式(1)：式中，Xi为当代种群灰狼位置，Xα为当代种群中适应度值最高的α狼位置，Xω为当代种群中适应度最低的灰狼位置。进一步的方案是，针对较优子群与较差子群适应度值的差异，采用不同的收敛因子如下式(2)为较优子群的收敛因子公式，如下式(3)为较差子群的收敛因子公式：进一步的方案是，在改进的灰狼算法中，提出一种基于欧式距离的位置更新策略，对当前灰狼个体位置进行更新，根据如下公式(4)至公式(7)更新灰狼个体的位置信息：每一只ω狼与α、β、δ狼的距离公式如下式(4)：更新α、β、δ狼的位置信息如公式如下式(5)：式中C1＝2r11，C2＝2r12，C3＝2r13，A1＝2ar21-a，A2＝2ar22-a，A3＝2ar23-a其中a在迭代过程中从2线性减小到0，如果当前灰狼个体属于较优子群，a取a1，如果当前灰狼个体属于较差子群，a则取a2；r11、r12、r13和r21、r22、r23是取值在[0,1]之间的随机向量；式(4)中Xα、Xβ、Xδ分别当前种群中α、β、δ的位置向量，X(t)为第t代灰狼个体的位置，Dα、Dβ、Dδ分别表示当前候选α、β、δ灰狼与第t代灰狼个体之间的距离，C1，C2，C3是摆动因子；式(5)中X1表示迭代后的α狼位置，X2表示β狼位置，X3表示δ狼位置，A1，A2，A3是各自的收敛因子；基于欧氏距离的位置更新策略，以Dα、Dβ、Dδ倒数的占比作为权重系数，对当前灰狼个体位置(除α、β、δ狼外的其他灰狼个体)进行更新，计算公式如下式(7)：与现有技术相比，本专利技术具有以下有益效果：(1)本专利技术采用多尺度样本熵特征提取方法，采用样本熵特征和小波能量比特征共同融合组成特征空间，完全表现心电信号的本质，降低了肌电干扰、工频干扰等噪声的影响同时也减少了心电特征的维度。(2)本专利技术在传统灰狼算法的基础上，通过引入双子群策略，在子群划分、收敛因子和比例权重三个方面改进，不同于传统灰狼算法易陷入局部最优，能获取全局最优解，求解精度有一定的提高，收敛速度也更快。(3)本专利技术提出的方法拥有较高的准确率本文档来自技高网...

【技术保护点】
1.一种基于改进灰狼算法优化的SVM心电信号识别方法，其特征在于，包括以下步骤：/n步骤S1：采集ECG数据；/n步骤S2：对ECG信号进行简单的去噪处理后，通过小波变换进行特征提取，由此得到原始ECG信号样本熵特征

【技术特征摘要】
1.一种基于改进灰狼算法优化的SVM心电信号识别方法，其特征在于，包括以下步骤：
步骤S1：采集ECG数据；
步骤S2：对ECG信号进行简单的去噪处理后，通过小波变换进行特征提取，由此得到原始ECG信号样本熵特征和小波能量比特征并将此组成融合特征空间作为分类模型的输入向量；
步骤S3：进入改进灰狼算法(DIGWO)，在迭代过程中，计算每个灰狼的适应度值，并与前一次迭代中相应灰狼的适应度值比较，若比之较好则替换位置信息，反之不动，达到最大迭代次数停止迭代，输出参数惩罚因子C和核函数参数g的最优组合，其中改进灰狼算法(DIGWO)是在传统灰狼算法的基础上，从子群划分、收敛因子和比例权重三个方面对灰狼算法进行改进；
步骤S4：将得到的参数C和g来训练SVM，建立DIGWO-SVM分类模型；
步骤S5：基于训练好的DIGWO-SVM分类系统进行分类；
步骤S6：根据DIGWO-SVM分类结果作为心电信号识别结果。


2.根据权利要求1所述的一种基于改进灰狼算法优化的SVM心电信号识别方法，其特征在于，所述步骤S3中，改进的灰狼算法具体流程步骤如下：
步骤S31：参数初始化，设定灰狼种群数量N，迭代次数T，随机初始化灰狼种群位置；
步骤S32：遍历当前种群灰狼，计算适应度值，找出灰狼群体中的α狼(最优个体)，以及适应度最差的ω狼(最差个体)，分别计算并保留α狼的坐标Xα,Yα，以及最差位置ω狼的坐标Xω,Yω；
步骤S33：分别计算灰狼个体i与最优个体之间的距离Disti_abest及与最差个体之间的距离Disti_worst；若Disti_abest≤(Disti_worst)/2，则将灰狼个体i划分到较优子群，转步骤S34)；否则，将灰狼划分到较差子群，转步骤S35)；
步骤S34：较优子群内灰狼采用收敛因子a1及欧式权重对灰狼个体位置更新，并且计算每个灰狼的适应度值，并与前一次迭代中相应灰狼的适应度值比较，若比之较好则替换位置信息，反之不动；
步骤S35：较差子群内灰狼采用收敛因子a2及欧式权重对灰狼个体位置更新，并且计算每个灰狼的适应度值，并与前一次迭代中相应灰狼的适应度值比较，若比之较好则替换位置信息，反之不动；
步骤S36：将较优与较差子群进行合并；
步骤S...

【专利技术属性】
技术研发人员：刘继忠，李继发，徐文斌，
申请(专利权)人：南昌大学，
类型：发明
国别省市：江西;36