随着人口老龄化,近年来心脏病的发病率持续增高,严重威胁着全球范围内人们的健康。心房颤动(Atrial Fibrillation,AF)作为心脏病中最普遍的一种病症,通常被简称为房颤,是临床上常见的持续性心律失常。而房颤引起的脑卒中、心功能恶化却是病人致残、致死的重要原因。传统的房颤检测方法中,最常用的就是通过Holter进行心电图(Electrocardiography,ECG)采集、再由医生进行判断。但由于Holter在检测时间方面的局限性,很容易造成“检测时未发病、发病时未检测”的漏检情况。光电容积脉搏波描记法(Photoplethysmography,PPG)具有无创检测、性能稳定、安全可靠、适应性强等诸多优点,同时结合近年来兴起的便携式可穿戴设备,使得利用PPG技术采集房颤信号、再通过数据驱动方法实现房颤检测具有十分重要的意义。有鉴于此,本文采用小波分解与数据驱动方法相结合,深入开展了基于数据驱动的房颤检测方法研究工作。第一,分析基于数据驱动房颤检测方法的研究现状,总结基于PPG技术的数据驱动房颤检测方法相对于传统基于ECG技术的数据驱动房颤检测方法的优势,以及该研究领域内尚未解决的关键问题:1)房颤信号噪声干扰大、特征提取后数据维数高;2)房颤信号随机性强、特征提取后数据间可能存在强相关性而导致房颤无法检测;3)房颤信号数据量大、特征提取后数据间非线性关系强。此外,如何通过检测方法的优化来提升PPG信号采集所使用的可穿戴设备硬件性能,也是亟待解决的难点问题。针对这些问题,本文将逐一进行解决。第二,针对房颤检测中存在的房颤信号噪声干扰大、特征提取后数据维数高的问题,提出了一种基于多级小波分解的支持向量机房颤检测方法。该方法首先对房颤信号进行多级小波分解得到小波系数,再利用得到的小波系数通过9种统计学参数进行特征提取获得频域特征,最后引入基于支持向量机的降维检测方法、实现房颤检测。以达到降低数据维数简化计算、提高检测准确率,同时筛选出房颤检测所需的最优特征类型和最优特征合集的目的。第三,针对房颤检测中存在的房颤信号随机性强、特征提取后数据间可能存在强相关性而导致房颤无法检测的问题,首先在标准主成分分析算法的基础上,针对残差子空间可能出现病态情况的问题,提出了一种可替代统计量。再将该可替代统计量与主成分子空间统计量合并,提出了一种使用合并统计量进行检测的改进型主成分分析房颤检测方法。该方法弥补了传统线性多元统计分析检测方法中的不足,有效地避免了残差子空间病态情况的出现。第四,针对房颤信号数据量大、特征提取后数据间非线性关系强的问题,提出了一种基于局部加权投影回归的改进型主成分分析房颤检测方法。首先利用局部加权投影回归算法逼近房颤信号得出若干个线性局部模型,再通过改进型主成分分析房颤检测方法对每个线性局部模型进行检测,最后对所得到的房颤检测结果进行加权平均,从而实现非线性全局模型的房颤检测。该方法中,局部加权投影回归算法的计算复杂程度,只与房颤数据的样本数成正比,能够有效地解决房颤信号数据量大的问题。第五,利用在西班牙Vigo市的Hospital (?)lvaro Cunqueiro心脏病科采集到的11名真实房颤患者的PPG信号,将提出的三种异常状况检测方法分别应用在真实房颤检测实验中,并与已有的相关算法进行对比。实验结果表明,在综合考量下,基于多级小波分解特征提取的SVM-RFE检测方法具有更强的泛化能力。其不仅获得了各特征的重要性排序列表,还揭示了基于Energy、Variance和Contrast三种统计参数提取的特征对房颤检测的贡献最大。此外,依据特征重要性排序列表重新选取了合适数量的重要特征后,还在极大限度的保证检测准确率的同时、减小了硬件设备所需的存储空间(只需要最少12组特征值即可完成准确率>90%的初筛检测,硬件存储方面由从前的30小时的存储时长延长到102天),大大优化了可穿戴设备的使用性能。