[发明专利]一种融合稀疏特征的ECG信号干扰波识别方法

权利要求书

1.一种融合稀疏特征的ECG信号干扰波识别方法，其特征在于：在一般统计特征的基础上增加了稀疏特征，然后使用LightGBM算法训练模型，该方法包括以下步骤：

(1)接收心电数据，对心电数据进行卷积平滑和归一化处理，然后进行心搏定位检测并根据心搏定位计算RR间期，然后设定RR间期阈值范围，根据心电数据中RR间期的分布状况对所述心搏数据进行干扰波识别，根据干扰波识别结果以及心搏数据对所述数据进行标注；

(2)根据所述的标注后的心电信号数据，计算心电信号数值统计特征；

(3)根据所述的标注后的心电信号数据，选取稀疏字典；

(4)根据上述的稀疏字典求解稀疏系数，得到稀疏特征；

(5)根据上述心电信号的数值统计特征以及稀疏特征，使用LightGBM算法训练干扰波识别模型；

(6)根据上述的干扰波识别模型，将其应用于验证集的数据上，使用特异性和F1值评估模型的性能，选择性能优异的作为最终的分类模型。

2.根据权利要求1所述的融合稀疏特征的ECG信号干扰波识别方法，其特征在于：所述步骤(1)中对心电数据进行平滑和归一化处理，并对心电数据进行标注，具体包括：

(1)对所述的3分钟心电数据做平滑和归一化处理；

卷积平滑计算公式为：

其中f(x),g(x)是欧式空间R上的两个可积函数，t∈R是积分变量；

归一化计算公式为：

其中μ是数据x的均值，σ是数据x的标准差；

(2)将切片的3秒钟心电数据按照RR间期截取单心拍，若单心拍长度不够750，用0填充。

3.根据权利要求1所述的融合稀疏特征的ECG信号干扰波识别方法，其特征在于：根据所述步骤(2)中计算数值统计特征具体包括：

(1)根据所述心电信号数据，计算3秒钟数据的平均值，标准差，峰值速率，最大幅值加和与最小幅值加和之差，非零值和中位值等数值统计特征，其计算公式分别为：

计算心电信号均值avg，其计算公式为：

其中，x_i为3min内心电信号数据第i个值，N为x_i的个数；

计算心电信号数据的标准差std；

其中，μ为3min内心电信号数据的均值；

计算峰值速率get_PR，计算公式为：

其中，x_i为3min内心电信号数据第i个值，std为心电数据的标准差；

计算最大幅值加和与最小幅值加和之差get_AD，计算公式为：

其中，x_i为3min内心电信号数据第i个值，std为心电数据的标准差；

计算非零值get_zero，计算公式为：

其中，x_i为3min内心电信号数据第i个值；

计算中位值median，计算公式为：将所给的心电信号数据750个数值从小到大排列，取中间两个数的平均数；

(2)用随机森林模型对6个统计值特征进行重要性排序，根据所得到的排序结果确定各特征的权值。

4.根据权利要求1所述的融合稀疏特征的ECG信号干扰波识别方法，其特征在于：所述步骤(3)中对心电信号数据选取稀疏字典，具体包括：

(1)在每一级别里选取级别字典，用欧几里得距离公式计算相似度最大的k个训练样本，得到某一类的类子字典，记为X_i；

欧几里得距离公式为：

其中n是数据的长度；

(2)对所有类的类子字典进行合并得到大字典X：X＝[X₁，X₂，X₃，X₄]。