[发明专利]一种基于PCANet的心电特征提取方法

权利要求书

1.一种基于PCANet的心电特征提取方法，其特征在于，包括如下步骤：S10、对心电图进行预处理获得训练集和待分类集，S20、使用PCANet分别对训练集和待分类集进行心拍的特征提取，S30、使用训练集提取的心拍特征训练分类器并将其用于待分类集心拍特征的分类；

所述步骤S10包括：

S11、检测心电图信号的R波波峰点并以其为基准点向前后各截取一定数量采样点作为一个单心拍；

S12、将整个心电图分割成若干单心拍；

S13、将所述单心拍幅值进行归一化处理；

S14、将经过归一化处理的单心拍划分为训练集和待分类集两部分；

所述步骤S20包括：

S21、将训练集和待分类集使用PCA算法作二阶卷积处理获得对应心拍的输出矩阵；

S22、对训练集和待分类集心拍的输出矩阵进行二进制哈希编码和分块直方图处理获得训练集和待分类集心拍的特征向量；

所述步骤S30包括：

S31、使用训练集心拍的特征向量训练分类器；

S32、将待分类集心拍的特征向量输入训练好的分类器进行分类并输出分类结果；

所述步骤S21中，使用PCA算法作二阶卷积处理包括：

提取L₁个第一层PCA滤波器；

将L₁个第一层PCA滤波器与每一个心拍矩阵做第一次卷积处理获得L₁个局部特征矩阵；

提取L₂个第二层PCA滤波器；

将L₂个第二层PCA滤波器与所述局部特征矩阵做第二次卷积处理获得L₂个次局部特征矩阵。

2.根据权利要求1所述的基于PCANet的心电特征提取方法，其特征在于：所述步骤S11中，截取采样点的数量根据采样频率而定。

3.根据权利要求1所述的基于PCANet的心电特征提取方法，其特征在于：在提取待分类样本的特征时，直接应用通过训练集提取的第一层PCA滤波器和第二层PCA滤波器。

4.根据权利要求1所述的基于PCANet的心电特征提取方法，其特征在于：所述提取PCA滤波器的方法包括：

将心拍向量重构为心拍矩阵；

中心化处理心拍矩阵；

使用中心化的心拍矩阵组建待处理矩阵；

对待处理矩阵进行主成分分析获取PCA滤波器。

5.根据权利要求1所述的基于PCANet的心电特征提取方法，其特征在于：所述PCA滤波器的表示如下：

其中XX^T为X的协方差矩阵，q_l()提取括号中矩阵的特征向量，mat_k1,k2()将括号中的向量分别重构为矩阵，这些矩阵即为PCA滤波器，l表示在第一层PCA滤波器数量，如L₁表示在第一层PCA滤波器数量为L₁,表示一个尺寸为k1×k2的矩阵，并且矩阵中所有的元素属于实数域。

6.根据权利要求1所述的基于PCANet的心电特征提取方法，其特征在于：所述二进制哈希编码包括：对一次局部特征矩阵组中的所有矩阵进行二值化，通过哈希函数进行哈希编码，十进制化，组合为一个矩阵。

7.根据权利要求1所述的基于PCANet的心电特征提取方法，其特征在于：所述分块直方图处理包括：块尺寸选取，重叠系数选取，转化向量，直方图统计与向量连接，获得心拍的特征向量。

8.根据权利要求1所述的基于PCANet的心电特征提取方法，其特征在于：所述分类器包括但不限于线性SVM、KNN分类器、BP神经网络分类器和随机森林。