[发明专利]基于多特征提取的心电识别方法

权利要求书

1.基于多特征提取的心电识别方法，其特征是，包括以下几个步骤：

步骤1：利用小波变换对心电信号预处理并提取RR特征；

步骤2：将心电信号数据根据R波位置分割成单个心拍；

步骤3：利用循环测量矩阵提取心电信号的特征；

步骤4：利用PCA对去噪后的心电信号从300维降到15维；

步骤5：拼接RR特征、循环矩阵提取的特征和PCA特征，组成特征向量集，并进行标准化；

步骤6：将训练特征数据输入到随机森林分类器中进行模型构建；

步骤7：利用训练好的模型对测试数据进行分类。

2.根据权利要求1所述的基于多特征提取的心电识别方法，其特征在于：步骤1中对心电数据去噪，利用小波算法的分解与重构，去除工频噪声和肌电噪声，获得去噪后的心电数据，并且提取RR间期特征。

3.根据权利要求1所述的基于多特征提取的心电识别方法，其特征在于：步骤2中通过R波定位算法，取主峰位置前100个点和主峰位置后200个点，共300个采样点作为单个心拍，保证每个心拍数据都包含一次心拍的大部分信息。

4.根据权利要求3所述的基于多特征提取的心电识别方法，其特征在:还包括：对提取后的心电信号数据进行标准化处理。

5.根据权利要求1所述的基于多特征提取的心电识别方法，其特征在于：步骤3中利用确定性测量矩阵中循环测量矩阵来提取心电信号的变换域特征。

6.根据权利要求1所述的基于多特征提取的心电识别方法，其特征在于：步骤4中将去噪后的心电信号由300个维度降到15个维度，通过降维可以减轻维数灾难和高维空间中其他不相关的属性。

7.根据权利要求1所述的基于多特征提取的心电识别方法，其特征在于：步骤5中将RR特征（心态学特征）、循环矩阵提取特征（变换域特征）和PCA降维后特征（统计学特征）组成特征向量集并做标准化处理。

8.根据权利要求1所述的基于多特征提取的心电识别方法，其特征在于：步骤6和7中使用了随机森林作为分类器，选择树的数目为50。