小波系数生物信号分析用于发现心脏疾病及其严重程度

萨拉瓦南P¹萨提什库马尔S^2＊

¹印度泰米尔纳德邦特里希- 2，圣约瑟夫学院(自治)生物技术系。

²印度泰米尔纳德邦特里希- 2，圣约瑟夫学院植物学系(自治)。

*通讯作者:: 萨提什·库马尔
植物系
圣若瑟书院(自治)
Trichy- 2，泰米尔纳德邦，印度
电子邮件: (电子邮件保护)

收到:29/12/2012接受:15/02/2013

更多相关文章请访问rayapp3

摘要

本文研究了利用连续波提取生物医学信号的特征小波变换CWT和相应系数。利用cwt的多个尺度分析了不同时间点和不同定位水平的信号特征。利用mat lab收集了20个不同疾病病例的数据集，利用心电图收集了数字数据，以发现心脏病。对心电数据进行了嗡嗡声噪声和肌肉噪声滤波，采用了一系列滤波器和零交叉滤波算法用于找出零交叉的no和每个病例的心率。

关键字

心电图，小波，特征提取，嗡嗡声噪声。

简介

近年来，心电信号在初步诊断中发挥着重要作用。预后心脏病的生存分析。心电描记法对医学实践有着深远的影响。心电信号可以分析整个心肌的解剖和生理方面。利用MATLAB软件对不同心电信号进行了验证。

其实，心跳检测是确定心率所必需的，与几项有关心律失常比如心动过速，心动过缓。心电图特征提取系统提供了用于后续自动分析的基本特征(振幅和间隔)。产生一种检测心电中的P波、QRS复波和T波的算法是一个难题，因为信号的形态随生理条件和噪声的存在而随时间变化[1，2］.

关于心电信号

心电图是由心房和心室的去极化和去极化所产生的电活动的方向和幅度的图形记录。一个心脏心电信号中的周期由P-QRS-T波组成。

正常的心电信号由P-QRS-T组成。在大多数情况下，ECG信号的QRS部分在估计人的心率时是有用的。心脏功能的两种基本疾病或缺陷是APC和PVC。APC是心房过早收缩，PVC是心室过早收缩。利用QRS复数和R - R区间求无节奏的采用一种算法方法对QRS复合体进行了检测。心电图是P波+ QRS复合体+ T波的组合，通常QRS复合体比P波大得多。

连续小波变换(CWT):

小波变换是一种新兴的信号处理技术，可以高效地表示现实生活中的非平稳信号。由于小波变换的多分辨率表示能力，它已被有效地应用于瞬态信号分析、数值分析、计算机视觉和图像压缩等重要领域视听应用程序。

小波三维图及观察:

在matlab中，我们使用了cwt函数，并使用morlet母小波来应用小波。

小波尺度越大，对信号的定位能力越强，计算复杂度越高。
基信号中的峰值对应负小波系数，反之亦然。
为初始尺度生成的小波与所取信号或心电信号成正比

实现阶段

生物医学数据的收集。

收集参考数据。

转换为数字值。

应用CWT并收集系数。

查找疾病的手动和算法方法。

零交叉算法

心率检测使用缺口滤波和带通滤波与使用60hz嗡嗡声消除器和心率检测使用ECG。

在这篇报告中，我们解释了在以250Hz采样率采集的心电数据集上的实现。由劣质电源、变压器或主电源的电磁干扰产生的嗡嗡声，其频率为60hz谐波．

如果此噪音干扰了所需的音频或生物医学信号(例如，在心电图[ECG]中)，期望的信号可能被损坏。如果这种干扰严重，记录的心电数据就变得无用，我们对心电记录进行信号增强，如图5所示。在大多数实际应用中，它足以消除60赫兹的嗡嗡声频率及其二次和三次谐波。我们可以通过级联分别具有60 Hz、120 Hz和180 Hz的陷波滤波器来完成这一点。