[发明专利]一种基于高斯混合模型的心电信号识别算法

权利要求书

1.一种基于高斯混合模型心电信号识别算法，其特征在于，所述方法包括以下步骤：

步骤A：读取原始心电图像，应用心电提取算法获取连续周期心电信号。

步骤B：根据心电数据点导数(包括一阶和二阶导数)，对周期心电信号进行分割，提取单个周期的心电数据。

步骤C：针对相邻数据点出现遗漏情况，结合对相同周期上相邻位置上的心电数据，采用插值方式补充遗漏心电数据，确保心电周期完整。

步骤D：将多个完整心电周期数据进行随机分组，分别获得训练组、交叉验证组和测试组数据。

步骤E：初始化高斯混合模型，然后使用训练组心电信号进行训练，然后再使用交叉验证组数据对训练结果进行修正，如此反复，直到误差在指定范围之内。

步骤F：用训练之后的高斯混合模型，对测试组数据进行测试，以验证本算法的有效性。

2.根据权利要求1所述的一种基于高斯混合模型心电信号识别算法，其特征在于训练和交叉验证过程按照以下公式运行：

其中，公式(1)表示一个服从高斯分布的概率密度函数，公式(2)表示一个由K个高斯混合分布组成的高斯混合模型。公式(3，4)表示给定一组N个数据X＝{x₁，x₂，...，x_N]且满足i.i.d.条件下出现的概率。其中公式(4)中使用隐变量(Z)代替公式(3)中高斯系数。公式(5)表示在不同的参数θ下，该函数对应的似然函数。公式(6，7)表示在给定一组训练数据下的使用优化算法后所得到的高斯分布参数的最优解。公式(8，9)表示隐变量z的后验分布Q，以及目标函数的解--P分布对应正态分布的参数表示。

3.根据权利要求1所述的一种基于高斯混合模型心电信号识别算法，其特征在于，在整个训练算法过程中，Q分布无法通过传统的极大似然估计求解，最终导致目标函数的解也无法求取。在本算法过程中，使用了传统EM算法，即先假设一个目标函数的解的初始表示P，然后依据公式(6，7，8)依次求取参数及Q表达。

4.根据权利要求1所述的一种基于高斯混合模型心电信号识别算法，其特征在于当获取到Q表达之后，依据公式(9)就可以得到P的新的表达。和起始值相比，更新后的P更加接近于最优解。

5.根据权利要求1所述的一种基于高斯混合模型心电信号识别算法，其特征在于：在所述步骤E中，经过不断迭代，当在训练集上的误差在许可范围之中时，停止训练过程。

6.根据权利要求1所述的一种基于高斯混合模型心电信号识别算法，其特征在于：在所述步骤E中，经过不断迭代后，获得高斯分布参数及P表示之后，需要通过交叉验证集对相应的最优解进行适当地调整，并获得最终合理表达。