[发明专利]一种基于单导联心电信号时频特征的房颤检测方法

权利要求书

1.一种基于单导联心电信号时频特征的房颤检测方法，其特征在于：所述方法包括如下步骤：

步骤一：针对单导联体表心电信号，先进行预处理操作，去除心电信号中的基线漂移和部分噪声干扰；

步骤二：基于滑窗的方法计算信号能量在时域上的变化，寻找第一个能量不高于其后各窗口能量的中位值的窗口，若该窗口存在，则将其之前的各窗口所对应的部分从信号中去除，进行步骤三；若该窗口不存在，则信号被认为噪声过高，从而检测流程结束；

步骤三：采用Pan-Tompkins算法，识别心电信号中的R波位点，以R波位点为基准，截取心电信号中的各心跳波形；

步骤四：对R波位点序列做差分运算，得到心电信号中的RR间期序列；

步骤五：计算同一心电信号内各心跳波形两两之间的皮尔逊相关性系数，然后根据相关性的强弱对心跳波形进行分组，计算最大两个分组各自内部心跳的平均波形，以此作为该心电信号的代表性波形；

步骤六：选取一个样本集，所述样本集为训练集整体或其子集，提取该样本集中各个样本的代表性波形，采用Matching Pursuits算法基于Symmlet 8小波包字典对提取的各个代表性波形进行解构，迭代次数为30次，统计小波包字典中各原子波形在各心电信号分解中的系数的1-范数平均值，并以此进行排序，然后选取排名在前30的原子波形构成参考字典；

步骤七：构建一个样本的特征向量，包括RR间期平均值、RR间期标准差、利用MP算法基于步骤六得到的参考字典对其特征波形解构所得的系数和标准化余项；

步骤八：基于以上步骤所构建的特征向量，利用KNN算法在训练集上进行训练，得到分类模型。

2.根据权利要求1所述的基于单导联心电信号时频特征的房颤检测方法，其特征在于：所述步骤二的具体步骤如下：

(1)将心电信号划分成一系列的窗口，每个窗口长度为1.8秒，相邻窗口间有0.9秒的重叠区域；

(2)计算每个窗口中信号的能量，其公式如下：

其中，x为窗口内的离散信号序列，x[n]表示窗口内第n个采样点的值，T为窗口时长，N表示窗口内采样点的数量；

(3)从第一个窗口开始，将其能量与其后各窗口能量的中位值进行比较，直到找到一个窗口使得其能量不高于其后各窗口的中位能量；

设该窗口在各窗口中的序号为h，则：

其中，N₁表示窗口总数，E_i表示窗口i的能量，median为求中位数运算，min为求最小值运算；

(4)若窗口h存在，则将其之前的各窗口(1,2,…,h-1)所对应的部分从信号中去除；若窗口h不存在，则信号被认为噪声过高，从而检测流程结束。

3.根据权利要求1所述的基于单导联心电信号时频特征的房颤检测方法，其特征在于：所述步骤五的具体步骤如下：

(1)定义组内相似度下限，即组内心跳波形的最小皮尔逊相关性系数，取值为0.8左右；

(2)计算同一信号内各心跳波形之间的皮尔逊相关性系数，公式如下

其中，X和Y分别表示两个心跳波形所对应的采样点序列，E表示数学期望，μ_X表示X中各采样点的平均值，μ_Y表示Y中各采样点的平均值，σ_X表示X中各采样点的标准差，σ_Y表示Y中各采样点的标准差，从而获得一个相关性矩阵，矩阵的长和宽与心跳的数量一致；

(3)依次寻找第一个未被分组的心跳波形，如果没有未被分组的心跳，则执行第(5)步，如果有未被分组的心跳，则执行第(4)步；

(4)寻找该心跳与皮尔逊相关性矩阵中所在行中所有数值大于组内相似度下限的元素，将对应的心跳波形划分入一个新的分组，并将当前心跳于矩阵中所在行和列的数值清零，并返回第(3)步；

(5)选取包含心跳最多的两个分组，分别对其内部的各心跳波形求平均值波形，将获得的平均波形作为该分组的代表性波形，这两个分组的代表性波形将作为该信号的代表性波形；如果分组只有一个，则将其代表性波形复制两份，作为该信号的代表性波形。