论文部分内容阅读
当今社会,心脏病已经成为了近些年最严重的死亡疾病,全球约有三分之一的死亡人数因为患有这种疾病。与此同时,在治疗心脏病方面,早期预防和风险降低已经成为最有效的诊断方式。心电信号来源于心电图能够反映心脏的工作状态,心电信号分析和分类在预防心脏病方面变得很重要,因此心脏异常节律的自动识别技术在诊断心脏的异常方面起着重要的作用。
在过去的几年当中,许多算法用于心电信号分类。一般情况下,心电信号分类算法包括两个部分心电信号的特征提取和分类器设计。在特征提取方面使用了代表心电信号的各种特征,如形态学特征、高阶统计量和Hermite多项式算子特征;在分类器设计方面使用了支持向量机、人工神经网络、模糊神经网络、线性判决和自组织映射。本文设计了一种新基于小波变换、PCA-ICA相结合和决策树的方法来进行心电信号识别。在特征提取方面,我们使用小波变换来提取小波系数作为初始特征向量;然后使用PCA与ICA相结合的方法,完成了特征的优化;加入了RR间期形成了完整的特征向量;我们利用决策树作为系统的分类器,通过使用ID3算法建立了一颗反映整个系统分类的树。这种新方法具有以下特点:
(1)小波系数能够反映心电信号的时频特性,增强了特征的抗干扰性,提高了整个算法的稳定性;
(2)PCA能够消除特征之间的相关性,ICA能够增前特征之间的独立性,使用PCA-ICA的方法不仅能够降低特征的维数,而且能够让特征更好的体现所属类别的特性;
(3)决策树是一种无量纲的分类方法,它能够更好将各种类型的特征结合在一起进行分类。
我们选用MIT-BIH异常数据库中的N、L、R、V、A和P等六类来训练和测试这个分类系统。最后,它的准确率达到96.31%,跟其他算法相比,达到了不错的效果。