[发明专利]基于极点对称模态分解和支持向量机的J波检测方法

摘要

本发明涉及了一种基于极点对称模态分解和支持向量机检测心电信号中J波的算法，广泛适用于辅助医生诊断病人的心电信号中是否存在J波，是J波综合征诊断的重要依据，具体为一种基于极点对称模态分解和支持向量机的J波检测方法。J波为心电信号QRS波结束和ST段起始的结合点J点之后的顿挫。异常J波引发的J波综合症会导致恶性室性心律失常、心原性猝死等高危疾病，在临床医学上越来越受到重视。本发明使用极点对称模态分解的方法，有效的解决了经验模态分解存在的模态混叠等问题，将对ECG信号分解为一系列本征模态函数和一个趋势项，并提取瞬时频率特征和能量变换特征，通过主成分分析降维输入到支持向量机进行J波检测。

主权项

1.基于极点对称模态分解和支持向量机的J波检测方法，其特征在于包括以下步骤：第一步：取得原始心电信号x(t)，t为心电信号对应的时间，原始心电信号x(t)中包括正常心电信号和含J波的心电信号，找出每个原始心电信号x(t)所有极大值点和极小值点，记作Pi，1≤i≤n；第二步：用线段将所有的极值点Pi依次连接，每段线段的中点标记为Ti，1≤i≤n‑1，并在线段连接形成的总线段左右两端添补边界中点T0和Tn；第三步：利用n+1个中点构建s条内插曲线L1,…,Ls,s≥1，计算其平均值L*＝(L1+…LS)/s；第四步：对x(t)‑L*序列重复上述三个步骤，直至|L*|≤ε或者筛选次数达到预设的限位值K，ε是允许误差，得到第一个本征模态函数c1(t)；第五步：对剩余序列x(t)‑c1重复上述四个步骤，直到剩余项r为单一信号或不再大于预先给定的极值点，便可分别得到本征模态函数c2(t),c3(t)…,ci(t),cm(t)，计算序列x(t)‑r的方差σ2；第六步：在限定区间[K_min,K_max]内改变限位值K，重复上述五个步骤，并对σ/σ₀和K进行绘图，σ₀是x(t)的标准差，σ为序列x(t)‑r的标准差，在图中找出σ/σ₀最小值对应的K₀，以K₀作为限制条件再次重复上述五个步骤，最后剩余项r就是原始信号x(t)的自适应全局均线，亦即趋势项，经过分解，原始心电信号x(t)可表示为即利用极点对称模态分解将心电信号x(t)分解成一系列本征模态函数和一个剩余项；第七步：(1)寻找本征模态函数ci(t)的极值点，计算两个相邻极大值点和两个相邻极小值点之间的时间差；(2)将这些时间差视为局部周期值赋给两个相邻极大值点和两个相邻极小值点之间时间轴上的中点，画出时间周期对应点图；(3)将这些局部周期值取倒数得到其局部频率，再做三次样条插值得到瞬时频率曲线；第八步：第i个本征模态函数对应的解析表达式为：c_i(t)＝A_i(t)cosθ_i(t),1≤i≤m，其中A_i(t)为振幅函数，θ_i(t)为振幅相位；第九步：选取前七个本征模态函数的瞬时频率F1、F2、F3、F4、F5、F6、F7和能量转换特征E(t)组成特征空间[F1,F2,F3,F4,F5,F6,F7,E(t)]，选用主成分分析法对特征空间进行降维，选取每个特征的前8个主成分，即降维后的特征总计64个；第十步：将上述特征输入到支持向量机，对支持向量机进行训练，提取待检测的心电信号的降维后的特征输入到支持向量机，即可分辨出待检测的心电信号的类型。