[发明专利]一种基于粒子群优化BP神经网络的心电信号分类方法

权利要求书

1.一种基于粒子群优化BP神经网络的心电信号分类方法，其特征在于包括以下步骤：

步骤一：获取人体的心电信号，对心电信号去除基线漂移干扰，在样本采样点中提取特征向量；

步骤二：确定BP神经网络的拓扑结构，设置BP神经网络每层神经元个数，BP神经网络为单隐含层的三层BP神经网络，将心电信号提取的s组特征值作为输入，即网络输入层有s个神经元；隐含层神经元根据公式设置为k个神经元，其中m为输出层节点数，n为输入层节点数，a为[1,10]之间的常数；输出层为t种心电类型的分类结果，所以输出层设置为t个神经元，PSO-BP神经网络的拓扑结构为s-k-t；

步骤三：初始化粒子种群，随机设置各个粒子的速度v_i和位置x_i，群体规模N；

步骤四：设定运行参数，学习因子c₁，c₂,惯性权重w,最大迭代次数M,群体规模m；

步骤五：计算每个粒子的适应度值Fit[i]；

步骤六：比较每个粒子的适应度值Fit[i]和第i个最优位置的个体极值p_best(i)，如果Fit[i]>p_best(i)，则用Fit[i]替换掉p_best(i)；

步骤七：比较每个粒子的适应度值Fit[i]和整个粒子群搜索到的最优位置的全局极值g_best(i)，如果Fit[i]>g_best(i)，则用Fit[i]替g_best(i)；

步骤八：在找到最优位置个体极值p_best(i)和最优位置全局极值g_best(i)时，粒子将根据公式来更新粒子的速度v_i和位置x_i；

公式为：v_id＝v_id*ω+c₁r₁(p_id-x_id)+c₂r₂(p_gd-x_id)

x_id＝x_id+v_id；

步骤九：如果满足误差足够好或者达到最大循环次数的条件，则退出，否则将返回步骤五；

步骤十：将得到的最优位置全局极值g_best(i)作为BP神经网络的权值和阈值，用训练样本训练神经网络；

步骤十一：用测试样本进行仿真，得到心电信号类型分类结果。

2.根据权利要求1所述的心电信号去除基线漂移干扰，是利用小波多分辨率分析原理对心电信号去除基线漂移干扰。

3.根据权利要求1所述提取特征向量，利用极大极小值过零点原理检测R波峰值，采用平面几何法定位QRS波峰值，在零基线附近定位QRS波起始点，在样本采样点中提取RR间期、QRS波间期和R波、Q波、S波振幅5个参数作为特征向量。