心电信号特征提取与心率变异性信号分析方法研究
引言
己ｌ吉Ｉ口Ｊ
生物医学信号检测与信号处理技术可以协助生物和生理系统的研究，协助对患者进行诊断和治疗。心电信号是人类最早研究并应用于医学临床的生物电信号之一，它比其他生物电信号便易于检测，并具有较直观的规律性，对某些疾病尤其是心血管疾病的诊断具有重要意义。
近年来，随着信号处理技术的不断发展，作为检测自主神经张力及二者平衡变化的一项无创技术，心率变异性（ＨｅａｒｔＲａｔｅＶａｒｉａｂｉｌｉｔｙ，ＨＲＶ）已成为继心室晚电位、高频电位等心电微电势分析之后的又一研究热点。ＨＲＶ是指连续窦性心跳间瞬时心率的微小涨落，蕴涵着有关心血管神经及体液调节的大量信息。它是反映交感神经、副交感神经张力及其平衡的重要指标，与很多疾病特别是心血管疾病有关，ＨＲＶ降低是预测心脏病患者死亡的独立危险因子，有十分重要的临床意义和价值。另外，由于其具有采集方便、蕴涵生理病理信息丰富的优点，只需采集心率信号，用一种成熟、可靠的方法对心率变异性信号ＨＲＶ进行信号处理，就可以及时从中获取有价值的病理信息。这有利于电生理监护系统硬件的简单化，大大降低成本。
小波变换（ｗａｖｅｌｅｔＴｒａｎｓｆｏｒｍ）是近年来发展起来的一种分析信号时频特征的有效方法。它的作用是将一个信号与一个在时域和频域上均具有局域化性质的平移伸缩小波基函数进行卷积，从而将信号分解成不同时宽和频带上的不同成分，其基本思想就是用某小波函数族来表示或逼近观测信号。小波变换在低频部分具有较高的频率分辨率和较低时间分辨率，符合低频信号变化缓慢的特点；而在高频部分具有较高的时间分辨率和较低的频率分辨率，又适应了高频信号变化迅速的特点。它既能够在整体上提供信号的所有信息，又能够提供任一时间局域内信号产生突变的程度，尤其适用于非平稳信号的时频域分析，广泛应用于生物医学工程领域并取得了良好的效果。
经验模式分解（ＥＭＤ）方法，是另一种良好的多尺度时频分析方法，尤其适合非线性、非平稳的信号序列处理。其从本质上讲是把一个信号进行平稳化处理，其结果是将信号中不同尺度的波动或趋势逐级分解开来，产生一系列具有不同特征尺度的数据序列，每一个序列即为一个本征模式函数分量。ＥＭＤ的最大优点是