[发明专利]基于时空组合特征向量的ECG身份识别方法

权利要求书

1.基于时空组合特征向量的ECG身份识别方法，其特征在于：具体包括如下步骤：

步骤1，采集心电信号，利用小波分解与重构法对采集的心电信号进行预处理去噪，得到去噪后的ECG信号；

步骤2，对步骤1去噪后的ECG信号采用自适应阈值定位方法对R波峰值点进行定位；

步骤3，通过步骤2所得R波峰值点，确定QRS波群位置及S波峰值点，采用峰值法确定P波与T波的峰值点；

步骤4，基于步骤2和步骤3得到的R、S、P波和T波的峰值点进行组合得到十种特征向量：P-R、R-T、S-T、P-S、P-T、P-Q、Q-R、Q-S、Q-T和R-S，然后运用AGA-SVM算法进行ECG信号识别。

2.根据权利要求1所述的基于时空组合特征向量的ECG身份识别方法，其特征在于：所述步骤1的具体过程为：

步骤1.1，通过设备读取或数据库获取的方式获得心电原始数据，然后，利用绘图算法将得到原始数据进行绘图，得到存储有ECG数据的矩阵，该矩阵即为需要处理的ECG信号；

步骤1.2，采用小波重构与分解的方法对步骤1.1所得的ECG信号进行分解重构，得到去噪后的ECG信号。

3.根据权利要求2所述的基于时空组合特征向量的ECG身份识别方法，其特征在于：所述步骤2的具体过程为：

步骤2.1，对步骤1得到去噪后的ECG信号的数据进行学习，并设初始阈值为数据前40％个点中幅度最大值的二分之一，然后根据公式(1)更新阈值；

th_new＝0.7*th+0.3*max(X(n)) (1)；

其中，th为初始阈值，th_new为更新的幅度阈值；max(X(n))为当前窗口范围内信号幅度最大值；

步骤2.2，当检测到X(n)＞th_new时，由此推定第一个R波的位置在该点前5个点及后15个点的一个窗口内，再在该窗口内寻找最大幅度值点，该最大幅度值点即为第一个R波，在获得R之后，初始阈值同步被更新；

步骤2.3，根据实时检测到的R波幅度值和RR间期宽度来动态更新阈值，用来检测其余的R波，在检测其余的R波时，RR间期采用公式(2)更新；

RR_new＝0.9*RR+0.1*rr (2)；

其中，RR_new为R-R之间新的时间差；RR为前面检测到的所有的R-R之间时间差求和；rr为当前检测到的R波和上一个检测到的R波位置的距离；

步骤2.4，针对检测到的每一个R波进一步判断是否多检或漏检R波，最终准确确定全部R波峰值点的位置。

4.根据权利要求3所述的基于时空组合特征向量的ECG身份识别方法，其特征在于：所述步骤2.4具体分为如下三种情况：

当0.4RR≤rr＜1.5RR时，确定当前检测到的R波是准确的；

当rr0.4RR时，如果当前检测到的R波幅值大于上一个R波幅值时，则表明上一个检测到的R波是多余的；否则，当前检测到的R波是多余的；

当rr≥1.5RR时，说明上一个R波峰值点与当前检测到的R波之间距离过大，存在漏检的R波，此时缩小阈值为原来的1/2，在上一个检测的R波与当前检测R波之间重新进行检测。