心电信号特征提取与心率变异性信号分析方法研究
心Ｉ｝ｌ信号特征提取与心率变异性信号分析方法研究
络训练采用ＢＰ算法。然后对ＴＬＦＮ的输出进行匹配滤波来改善信噪比，最后进行自适应的阈值检测。结果表明这种算法能适应不同的病人和病人的不同时刻的ＥＣＧ特性，而且该算法能够不受Ｐ波和Ｔ波影响。
神经网络的缺点在于学习训练，这个过程一般要花费较多的时间，而且要求训练样本有一定代表性，因而目前还只能作为一种算法存在，要实际应用还比较困难。
１．２．５小波变换法
小波变换是近年得到迅猛发展的一种新兴数学方法，其作为一种信号的时间一尺度分析方法，具有多分辨率分析的特点从而可以在时频两域获得表征信号局部特征的能力。因为其可变的时间窗和频率窗使得它对于信号具有很高的适应性，小波变换的一个重要应用就是用于信号特征点的检测。
小波分析应用于信号特征点检测始于Ｍａｌｌａｔｎ３ｌ，李翠微ｎ钔等首次把小波变换引入到ＱＲＳ波检测中来，接着大量的基于小波变换的ＱＲＳ波检测算法涌现出来。李光林¨鄙等利用二进小波变换取得了和李翠微类似的结果。刘少颖ｎ刚等把数学形态学知识和小波变换结合在一直，提高了抗干扰性，既达到了很高的准确率，又保证了运算时间。王宏强¨７３等紧密结合小波变换和数据融合技术，取得了较高的ＱＲＳ波群Ｊ下确检测率。Ｍａｒｔｉｎｅｚ¨引等在李翠微的基础上，综合考虑了ＱＲＳ波的各种可能形态，并在此基础上准确定位了ＱＲＳ波和Ｐ波Ｔ波的起始点，并使算法成功应用到ＱＴ数据库中。Ｓｃｈｕｃｋ【Ｉ引等选用了复Ｍｏｒｌｅｔ小波来进行连续小波变换，尺度为１～３２，结果发现尺度１８～２７下的小波变换系数绝对值就能充分代表ＱＲＳ波，遂对其进行滤波，平方，移动窗口积分，自适应阈值检测。由于小波变换后的方法和Ｐａｎ类似，因此两算法对ＱＲＳ波峰和噪声的响应也非常类似。而算法的优点只体现在比较简单，适合于定点仪器应用上。Ｌａｃｉａｒ乜叫等也用小波变换对Ｓｈａｇａｓ症病人在准确定位Ｒ波基础上进行了ＱＴ间期变异性的计算。