[发明专利]基于固有时间尺度分解的房颤自发终止预测方法

权利要求书

1.一种基于固有时间尺度分解的房颤自发终止预测方法，其特征在于，该方法包含以 下步骤：步骤1、去除房颤患者心电信号中的基线漂移、工频干扰和高频噪声；步骤2、应用主 分量分析法消除心电信号QRS波，从心电信号中提取房颤信号；步骤3、对提取的房颤信号进 行固有时间尺度分解，得到一个高频的固有旋转分量和一个低频的基线分量；步骤4、由短 时傅里叶变换得到固有旋转分量与基线分量的时频谱图，计算时频谱图的平均功率谱密 度，提取平均功率谱密度的谱峰频率值；步骤5、计算固有旋转分量与基线分量的方差，样本 熵；步骤6、将固有旋转分量与基线分量的谱峰频率值，方差和样本熵组成6维特征向量，输 入SVM分类器，进行阵发性和持续性房颤的分类。

2.根据权利要求1所述的基于固有时间尺度分解的房颤自发终止预测方法，其特征在 于，步骤3中对房颤信号进行固有时间尺度分解，只进行一次分解，其中涉及的参数分解增 益控制因子取值，房颤信号被细分成两部分信号，分别为一个高频的固有旋转分 量和一个低频的基线分量。

3.根据权利要求1所述的基于固有时间尺度分解的房颤自发终止预测方法，其特征在 于，步骤4中由短时傅里叶变换获得分量信号的三维时频谱，然后将时频谱中每一个频率所 对应幅值的平方在时间轴上进行累加，得到二维的平均功率谱密度图。

4.根据权利要求1所述的基于固有时间尺度分解的房颤自发终止预测方法，其特征在 于，步骤6中输入分类器的房颤信号特征向量由固有旋转分量与基线分量的平均功率谱密 度谱峰频率值，方差和样本熵组成，是一个6维向量，最终实现的是对两类房颤信号，即阵发 性房颤与持续性房颤的分类。