| 【中文题名】 | 关于ECG信号处理与分析的研究 |
| 【英文题名】 | A Study on the Procession and Analysis of ECG |
| 【学科专业】 | 计算机理论与软件 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2002-4-2 |
| 【中关键词】 | 小波,滤波,小波神经网络,压缩,分类, |
| 【英关键词】 | wavelet,filter,wavelet neural network,compressicn,classification, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>自动信息理论>> |
| 【论文摘要】 |
心血管疾病是威胁人类生命的主要疾病之一。而心电信号(electrocardiogram，ECG)则是评价心脏功能的重要依据。因此，关于心电信号的处理和分忻的研究一直为各方所关注。随着计算机技术的进步，所采用的方法也在不断的改进中。
在本文中，笔者从计算机技术的角度出发，对心电信号研究中的三个重要方向进行了探讨，
首先，介绍一种以小波变换实现心电信号滤波处理的方法。该方法采用小波变换将原始心电信号分解为不同频段下的细节信号。根据心电信号特征，用阈值滤波方法对细节进行处理，再用小波逆变换恢复信号，就能实现心电信号中主要于扰的消除。
其次，在本文中介绍了一种基于小波神经网络的心电数据压缩方法。经过研究表明，采用小波网络心电压缩模板的方法可以大幅加快网络的收敛速度。与基于BP网络的压缩法相比，具有较大的优点。
最后，本文研究了一种基于小波神经网络的心电分类方法。该方法用一些心电数据(其中包括P波、QRS复合波和T波等信息)训练小波神经网络，使网络既能对训练过的心电数据正确分类，又能对未训练过的心电数据有较好的分类能力。通过与BP网络的训练结果对比，小波神... |
| 【论文题纲】 |
|
前言 |
5-6 |
|
第一章 课题相关背景 |
6-12 |
|
1．1 心电信号产生的生理机理 |
6 |
|
1．2 心电信号的特点 |
6-7 |
|
1．3 心电信号处理和分忻观状 |
7-12 |
|
1．3．1 心电信号的滤波处理 |
8-9 |
|
1．3．2 心电信号的识别与检测 |
9-11 |
|
1．3．3 心电信号的数据压缩处理 |
11-12 |
|
第二章 基于小波变换的ECG滤波 |
12-21 |
|
2．1 小波分析简介 |
12-15 |
|
2．1．1 一维连续小波变换 |
12-13 |
|
2．1．2 一维二进小波变换 |
13 |
|
2．1．3 多尺度分析 |
13-14 |
|
2．1．4 信号分解与合成 |
14-15 |
|
2．2 基于小波变换的心电信号滤波处理 |
15-20 |
|
2．2．1 小波分解算法 |
15-16 |
|
2．2．2 小波分解的阈值滤波效果 |
16-20 |
|
2．3 结论 |
20-21 |
|
第三章 基于小波神经网络的心电压缩研究 |
21-28 |
|
3．1 用于信号表示的小波神经网络模型 |
21-23 |
|
3．2 利用小波神经网络进行心电压缩 |
23-25 |
|
3．3 小波网络压缩模板 |
25-28 |
|
3．3．1 优化初始值 |
25 |
|
3．3．2 构造压缩模板 |
25-27 |
|
3．3．3 结论 |
27-28 |
|
第四章 基于小波神经网络的心电信号分类研究 |
28-37 |
|
4．1 用于数据分类的小波神经网络 |
28-29 |
|
4．2 小波神经网络作为信号分类的特点与算法 |
29-31 |
|
4．3 小波网络对心电的分类效果 |
31-33 |
|
4．4 结论 |
33-37 |
|
| 【DOI】 | LunWen.ID:2.2008.386416 |
