[发明专利]一种基于多尺度差分特征的心电识别方法及装置

权利要求书

1.一种基于多尺度差分特征的心电识别方法，其特征在于，该方法包括：

接收采集的待识别心电信号，对心电信号预处理得到心跳周期；

将心跳周期进行自适应分离得到心跳周期的经验模态分量，融合多个心跳周期的经验模态分量，并提取多尺度差分特征得到特征向量；

根据心电特征模板库中个体特征向量识别提取的特征向量，得到心电识别结果；

所述得到心跳周期的具体方法步骤包括：

采用Pan-Tompkins算法检测出R峰的位置；

基于R峰选取左右指定长度的信号作为一个心跳周期；

所述将心跳周期进行自适应分离的具体方法步骤包括：

将心跳周期的频谱进行自适应分割；

在分割区间上采用经验小波变换算法构建合适的小波滤波器组，提取经验模态分量；

所述融合多个心跳周期的经验模态分量，并提取多尺度差分特征得到特征向量的具体方法步骤包括：

采用加权平均融合三个心跳周期对应的经验模态分量；

提取融合后的每个经验模态分量的多尺度差分特征；

连接各个经验模态分量的多尺度差分特征，生成该心电信号的特征向量；

所述提取融合后的每个经验模态分量的多尺度差分特征，具体为针对每个经验模态分量f_n(t)，提取其多尺度差分特征，每一个采样点的多尺度差分特征由距离d和采样点个数p决定,其中d表示在t时刻[t-d,t+d]区间内的采样点不参与特征提取计算，p表示t时刻的每一边提取的采样点个数，公式(4)计算t时刻的多尺度差分特征，公式(5)对特征进行Z-score标准化，其中μ为均值，σ为方差，最终得到f_n(t)的多尺度差分特征Μ_n(t)，

M_n(t)＝[x₁,x₂,…x_2p] (6)。

2.如权利要求1所述的一种基于多尺度差分特征的心电识别方法，其特征在于，在该方法中，所述对心电信号预处理得到心跳周期的具体方法步骤包括：

采用截止频率为1-40Hz的四阶带通巴特沃斯滤波器去除心电信号的噪声；

将去除噪声后的心电信号的R峰进行分割，得到心跳周期。

3.如权利要求1所述的一种基于多尺度差分特征的心电识别方法，其特征在于，该方法还包括，通过PCA算法对心电信号的特征向量进行降维处理，提取主要特征成分。

4.如权利要求1所述的一种基于多尺度差分特征的心电识别方法，其特征在于，在该方法中，根据心电特征模板库中个体特征向量识别提取的特征向量的具体方法步骤包括：

分别计算待识别心电信号的特征向量与特征模板库中每个个体对应的特征向量之间的欧式距离，把待识别心电信号归类为欧式距离最小的对应个体。

5.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行如权利要求1-4任一项所述的一种基于多尺度差分特征的心电识别方法。

6.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令,计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行如权利要求1-4任一项所述的一种基于多尺度差分特征的心电识别方法。

7.一种基于多尺度差分特征的心电识别装置，基于如权利要求1-4任一项所述的一种基于多尺度差分特征的心电识别方法，包括：

数据预处理模块，接收采集的待识别心电信号，对心电信号预处理得到心跳周期，并发送至特征提取模块；

特征提取模块，用于将心跳周期进行自适应分离得到心跳周期的经验模态分量，融合多个心跳周期的经验模态分量，并提取多尺度差分特征得到特征向量，并发送至心电识别模块；

心电识别模块，用于根据心电特征模板库中个体特征向量识别提取的特征向量，得到心电识别结果。