论文部分内容阅读
近年来生活节奏逐渐加快,生存压力日益增大,给现代人的身体健康带来了极大的干扰,心血管类疾病的发病率呈现逐年上升的趋势,冠心病就是其中威胁人类生命健康和安全的一大杀手。因此对冠心病患者的监护和及时预警具有非常重要的意义。目前针对冠心病的监护系统大多针对心电信号单独进行监测,但受限于心电信号的复杂性和多变性,仅依赖于提升心电信号的分析准确度来提升监护系统的准确度并不能取得良好的效果,因此本文提出了联合监测系统。研究表明冠心病与血压水平具有密切的联系。高血压患者在冠心病发作时死亡率高于普通冠心病患者。为提高系统诊断的准确性,本文提出了心电信号与血压水平的联合监测系统,主要工作如下:首先提出了针对冠心病导致的严重心律失常的心电血压联合监测系统。本文基于冠心病患者在发病时血压水平会降低的结论,提出心电和血压信号的联合监测系统,以提高冠心病监测的准确度。实时监测患者的心电信号并处理,当出现严重异常时触发患者血压检测。其次设计了腕式电子血压检测模块。模块结合示波法和高斯拟合的血压判定方法计算血压值。针对血压计算方法讨论了斜率法和积分法并进行对比,使用多种方法对模块采集和计算结果进行校准,最终确定采用积分法作为模块的血压计算方法,其准确度可达95%以上。并进行了准确性和稳定性实验,验证了模块性能达到血压监测的临床需求。本文针对可应用于移动平台的心电信号处理设计实现了心电信号检测电路,实现了Zigbee无线传输心电信号,讨论了心电信号处理方法。为改善QRS提取准确度,本文讨论了差分阈值法和小波变换法并分别进行了仿真实现,实验结果表明二者均可应用于系统的QRS特征提取。另外本文对比了传统的神经网络分类算法和支持向量机分类算法,并介绍了算法复杂度更低的极限学习机算法。实验均采用MIT-BIH数据库中的心电信号,实验结果表明传统的神经网络分类算法、支持向量机和极限学习机算法均可达到分类准确度要求,其中极限学习机的算法复杂度明显较低,训练和分类时间较短,更加适用于实时的心电监测。本文针对极限学习机分类算法进行了改进。首先对极限学习机的激活函数进行岭参数优化,在优化后的极限学习机基础上,讨论了多种激活函数的组合形式,如线性形式、多项式形式、指数式和三角函数式等。对多种激活函数的岭回归极限学习机分类进行实现和对比,验证了线性形式的激活函数的最优性。经过改进之后的极限学习机更加适用于心电异常分类,在算法速率显著提高的同时,获得了较高的分类准确度。