[发明专利]基于广义尺度小波熵的心率变异性特征分类方法

摘要

本发明公开了一种基于广义尺度小波熵的心率变异性特征分类方法，属于心电信号处理领域。对待处理的原心电信号进行干扰和基线漂移去除等预处理之后进行R波定位并通过计算相邻R波的间隔获得HRV序列；对其进行离散小波变换获得离散小波系数，然后根据需求选取适当α值计算各层小波系数的α阶广义小波熵；再根据所得熵值筛选出具有统计差异性的尺度作为特征层，并用它们的α阶广义小波熵值构建特征向量，从而对心电信号进行分类识别。

主权项

1.一种基于广义尺度小波熵的心率变异性特征分类方法，其特征在于，对阵发性房颤ECG信号和非阵发性房颤ECG信号进行分类时，包含如下步骤：步骤S1：采集ECG信号并进行预处理，进行R波定位并通过计算相邻R波的间隔获得HRV序列；步骤S2：特征提取：S2‑1:首先对步骤S1获得的HRV序列进行m个尺度的离散小波变换，m＝8,采用db8作为小波基函数，获得各个尺度的离散小波系数，令Djk为第j个尺度上的第k个离散小波系数；其中j＝1,2,…m；k＝1,2,…n；其中m和n是大于等于2的正整数；S2‑2:根据各层离散小波系数计算各尺度的α阶广义小波熵值：方法如下：记尺度j上的小波系数矢量为Wj：Wj＝(Dj1,Dj2,...,Djk,...,Djn)；则尺度j上Wj的α阶广义小波熵值H(Wj)为：其中α值在0～5之间；并且α值通过训练和学习获得最优值，pjk根据下式获得：步骤S3：分类：S3‑1：对不同类别的心电信号，筛选出具有统计差异性的尺度上α阶广义小波熵来构造特征向量；S3‑2:利用所构造的特征向量，对关于步骤S3‑1中所述不同类别进行心电信号的分类。