论文部分内容阅读
随着我国经济的持续快速发展,人们的生活水平日益提高,全民医疗水平也得到了长足的发展。事实上,随着全球人口的不断增长和人口老龄化的加剧,伴随这种人口变化而来的相关健康问题也不断严峻,例如老龄人口的心脏衰竭、老年痴呆、睡眠窒息、癌症、糖尿病和慢性阻塞性肺病等等。同时,这些疾病的患者数量还会上升,除此之外,大约33%年龄超过65周岁的老年人和大约50%年龄超过85周岁的人会因为身体素质的下降而患病。对于这些患者,医疗费用会增大,生活质量会降低,从而加重家人的经济和精神负担。 心血管疾病是危害人类健康的主要问题之一,也是制约我国医疗建设水平的瓶颈之一,患者需要及时得到心电检查结果,并且需要对患者进行24小时全天候的监护。 作为一种特殊用途的服装,心电监护服装在性能需求上要更加繁琐,除了要保留传统服装的服用性能,遮羞护体性能和时尚审美性能之外,还要注意智能服装的一些其他性能,比如安全性能,要保证心电监护服装不会对用户的身体健康带来过于严重的辐射,从而影响用户的身体健康。 本文旨在研究心电信号的处理和分类。在心电信号的预处理研究上,对比了快速傅里叶变换和小波变换,通过分析两者对心电信号噪声的去除效果,证明了小波变换在对心电信号噪声的去除上具有优越的性能。在利用小波变换对心电信号进行降噪和去除基线偏移时,本文选用了haar小波、coif4小波、sym6小波、db4小波对心电信号进行分解重构,通过对比其去噪性能,证明了当选用db4小波时的去噪效果最好,在对心电信号进行基线漂移去除时,需要根据对特定心电信号的特点选择不用的母小波,其遵循的一个原则是,心电信号的最高尺度分解的近似信号要和心电信号的基线走势基本吻合。 在心电信号的特征参数的提取和分类研究中,本文选择了心电信号时频域特征参数和小波系数共同提取的方法,通过大量数据分析证明了,心电信号的时频域特征参数和心电信号的小波系数都有良好的聚集性,可以区分出不同的心律节拍。为进一步的心电信号自动分析诊断研究奠定了基础。