[发明专利]一种心电图特征向量提取方法

摘要

一种心电图特征向量提取方法，它包括：1）导入数据；2）去除心电信号的噪声；对数组变量S内每一个数组执行小波分解重构算法，结果存储为数组变量S1；3）提取R波；4）构建特征；5）对样本进行自动识别；6）输出分类结果a；与现有技术相比，本发明的优势是：本发明截取R波顶点前后1.2秒信号进行识别，有效减小了身份识别需要的信号采集时间。本方法中对训练集采用k‑means聚类，原理比较简单，实现很容易，收敛速度快。

主权项

1. 一种心电图特征向量提取方法，它包括：1）导入数据从外部采集N个人的单导联心电信号，每人采集两条，N大于50，存储为数组变量S,共计2N条；对2N条心电信号的2N个标签存储为变量label_L；2）去除心电信号的噪声对数组变量S内每一个数组执行小波分解重构算法，结果存储为数组变量S1；3）提取R波在数组变量S1内每一个数组中找到m个R波峰值点位置，共计2N*m个位置，在每个位置前取99点，在每个位置后取100点，包含当前位置点共计取200点作为一条R波；2N*m个位置提取到2N*m条R波，依次放入2N*m行、200列的矩阵中，记该变量为Y，作为构建特征方法的输入信号；对应变量Y内2N*m条R波的2N*m个标签存储为变量label；4）构建特征a．将Y中的R波划分训练集和测试集,把从N个人的第一条信号中提取的N*m条R波作为训练集，第二条信号中提取的N*m条R波，作为测试集，分别存放在N*m行、200列的矩阵中，记为train和test；从变量label中划分出训练集和测试集对应的标签，分别存放在长度为N*m的数组中，训练集标签记为train_label，测试集标签记为test_label；将训练集train和测试集test分别分割为N*m*20段，每一段长度为10,分别存放在N*m*20行、10列的矩阵中，记为train_f和test_f；（2）对train_f执行k‑means聚类，设置聚类簇数为50，聚类后得到大小为50*10的矩阵，记为C1，将C1转置得到10*50的矩阵，记为C，对train_f和C计算欧式距离，计算结果存放在N*m*20行、50列的矩阵中，记为train_sample_f；对test_f和C计算欧式距离，计算结果存放在N*m*20行、50列的矩阵中，记为test_sample_f；（3）将训练集样本train_sample_f和测试集样本test_sample_f分别按照列优先的原则变维为N*m行、1000列的矩阵并归一化到[0,1]之间，记为train_sample和test_sample；train_sample即为构建好的测试集特征，test_sample即为构建好的测试集特征；5）对样本进行自动识别将训练集特征train_sample进行稀疏，把稀疏后的训练集特征以及对应的标签train_label全部输入到LR分类器中进行训练，LR分类器训练结束后，保留参数，再将测试集特征test_sample进行稀疏，把稀疏后的测试集特征以及对应的标签test_label输入到训练好的LR分类器进行测试；识别结果为判断R波所属个体的判断准确率a；6）输出分类结果a。