【基于MATLAB的心电信号分析处理案例1700字】

56基于MATLAB的心电信号分析处理案例目录TOC\o"1-3"\h\u24611.1心电信号预处理 1147621.1.1心电信号噪声及干扰分析 1248701.1.2心电信号数据集 1254621.1.3数字滤波方法简介 2212931.1.5归一化处理 4156871.1.6信号切割 4152751.2心电信号特征提取 51.1心电信号预处理1.1.1心电信号噪声及干扰分析心电信号非常微弱，幅值为MV级，频率为0.05-100Hz之间，容易被外部干扰信号所覆盖产生影响。干扰信号主要包括：（1）工频干扰：由于室内的照明及动力设备会影响到人体的分布电容，会造成频率包括50Hz基波和各成分的谐波，称之为工频干扰。（2）肌电干扰：肌肉收缩时将会产生肌电，这种肌电信号会对我们所需要检测的心电信号产生影响，一般这类干扰非常的微弱，同时肌电频谱较宽，将会和心电信号的频谱混合，而且很难将两者进行分离。（3）基线漂移：硬件放大器温漂是对心电信号的基线漂移产生影响的主要因素。皮肤阻抗变化、呼吸及人体运动等噪声，其频率一般在0.5Hz-200Hz之间。通过上述对心电信号的噪声及干扰处理并分析可以得出，频带宽、幅度大是心电信号噪声和干扰所具有的主要特点，所以需要对心电信号进行预处理，这一步是检测以及分析心电信号的关键步骤。1.1.2心电信号数据集目前现有的心电信号数据集都具有较大差异，不同的心电信号数据集，其采样率、通道数、长短及降噪法都存在差异。本文选择的数据集如下表3-1：表3-1心电信号数据集数据集环境病人数病理特征正常数异常数a家/医院121MVP292117b医院106Murmurs104386c医院31MR,AS247d医院/实验室38None2827e医院/实验室356Murmurs1831958f医院112None3480数据集准备就绪后，设计中需要对本文的心电信号数据集进行读取，读取的本文数据集心电信号如3-1所示：图3-1心电信号原始数据1.1.3数字滤波方法简介对于目前的滤波设计方面，主要有数字滤波技术和硬件滤波技术。数字滤波技术有中值滤波、平均值滤波、FIR滤波器、小波变换及神经网络等技术。硬件电路设计中一般采用滤波电容、屏蔽、接地等措施，以增大其共模抑制比，优化硬件电路的导线连接方式、使用良好的器件等都可以有效的降低噪声的干扰。但是对于心电信号这种极其微弱的信号来说，光依靠硬件电路中的抗干扰措施是无法获得优质的心电信号，还需要采用数据滤波进行去噪、抗干扰。在进行心电信号数据集的制作过程中，由于环境干扰使得制作的心电信号数据集存在一定的噪声影响，所以本文对心电信号数据集进行了数字滤波处理，主要为了滤除心电信号中的高频噪声和直流噪声，要尽可能的多保留心电信号的主要特征。本文使用巴特沃斯中值滤波器对心电信号进行数字滤波处理。如图3-2所示为数字滤波处理后的心电信号。基于MATLAB的心电信号检测与分析系统的设计与实现78图3-2数字滤波后的心电信号

1.1.4下采样处理为了使模型所需要进行的计算量能够降低，本文需要对所有使用的心电信号信号进行下采样处理，上述已经采用中值滤波的方式对25HZ−400HZ心电信号进行了滤波处理，由奈奎斯特采样定律可知需要对本文的心电信号进行1000HZ图3-3下采样的心电信号1.1.5归一化处理对于不同的心电信号数据集，其文件尺度具有较大的差异。因此，本文对使用的原始心电信号数据集进行归一化处理，使心电信号保持在[-1.1]区间内。如图3-4所示为归一化的心电信号。基于MATLAB的心电信号分析处理98图3-4归一化的心电信号1.1.6信号切割由于已有的数据集数量较少，算法需要进行大量数据集的训练。因此，本文采用信号切割的方式对较长的心电信号进行切割处理。本文以2.5s为单位对心电信号进行切割处理。如图3-5为切割后的心电信号图3-5切割后的心电信号1.2心电信号特征提取上述对心电信号数据集进行了一系列的预处理操作，本节内容对心电信号数据集进行特征提取操作。本文使用高阶谱方法中的二阶谱法对心电信号数据集进行特征提取，这个方法可以很好的抑制信号中的相位关系，检测与量化非高斯信号相位耦合，大范围的被应用于非平稳的医学信号。这个特征提取方式可以尽可能的保留心电信号中的有用特征，降低信号中的噪声。如图3-6所示为三种不同类的二阶谱特征图。可以由图中看出，不同类型的心电信号，其二阶谱图差异非基于MATLAB的心电信号检测与分析系统的设计与实现9常的大。9图3-6三个不同类的心电信号二阶谱图1.3神经网络算法本文使用改进的AOCT卷积神经网络对心电信号进行训练。AOCT卷积神经网络可以更好的提取得到二阶谱中的心电特征，从而对心电信号特征进