心电信号特征提取与心率变异性信号分析方法研究
第ｌ章绪论
１．２．３模板匹配法
模板匹配也称为相关法。由于心电信号的周期性较强，各心动周期间相应波形的差异较小，可以将ＱＲＳ波群、Ｔ波等近似认为单独的固定模板。把ＥＣＧ信号采样点与预先存储的ＥＣＧ波形模板逐点比较，当待处理信号与模板耦合时其相关值最大。这样对ＱＲＳ波群的识别就转化成了对ＱＲＳ模板与其他模板的鉴别。该方法实际是幅值判别与频率判别的统一。常用的比较方法有平均平方法、最小二乘法和面积差分法，所存储的信号可以是正常或非正常的ＱＲＳ波信号。这种方法对高频噪声和基线漂移很敏感。另外，不同病人的心电波形可能是大不相同的，如果被检者的心电波形与模板中存储的相差很大，则这些ＱＲＳ波将会被漏检。
信号经过匹配滤波器后，与固定阈值比较，进行最终判断。匹配滤波的思想很有启发性，但在该方法中，取被检者的波形作为模板，一是需要人工干预，给算法的实现带来很大的不便；二是被检者的心电波形可能会发生很大的改变，若仅采用第一个波形作为模板，就会产生漏检。
１．２．４神经网络法
神经网络在医学信号处理中的应用是一个新兴的领域，它是用于模式识别的方法，近年来，在ＥＣＧ信号的处理分析中也得到了广泛的应用。
作为自适应非线性预测器，其原理是根据以前的采样点ｘ（刀一ｆ）来预测当前的采样点ｘ（斤）。心电信号中主要是非ＱＲＳ复合波成分，非ＱＲＳ复合波部分的相邻点没有突然的改变，可以被较好的预测。当ＱＲＳ复合波出现时，相邻点的差别很大，会产生一个预测错误，利用这个预测错误可以训练网络对ＱＲＳ复合波进行预测。预测时的人工神经网络是一个具有三层结构的ＭＬＰ（Ｍｕｌｉ—ＬａｙｅｒＰｅｒｃｅｐｔｒｏｎｓ）网络，输入层包括８～１０个线性神经元，隐含层包括３～５个非线性神经元。
ＮｅｖｅｓＲｏｄｒｉｇｕｅｓｎ２１等在心脏起搏器ＱＲＳ检测中成功地应用了神经网络。他们首先对ＥＣＧ通过一个时延前向反馈人工神经网络（ＴＬＦＮ），该网络输入层有四个节点，隐含层有三个节点，输出层只有一个节点，刺激函数选择双曲Ｊ下切，网