[發(fā)明專利]基于多尺度Renyi熵的心率變異性特征分類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201510809709.0
• 申請(qǐng)日: 2015-11-20
• 公開(kāi)（公告）號(hào): CN105320969A
• 公開(kāi)（公告）日: 2016-02-10
• 發(fā)明（設(shè)計(jì)）人: 辛怡;母遠(yuǎn)慧;趙一璋
• 申請(qǐng)（專利權(quán)）人: 北京理工大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.基于多尺度Renyi熵的心率變異性特征分類方法，其特征在于，包含如下步驟：

步驟S1：采集ECG信號(hào)并進(jìn)行預(yù)處理，進(jìn)行R波定位并通過(guò)計(jì)算相鄰R波的間隔獲得HRV序列；

步驟S2：特征提取：

S2-1:首先對(duì)步驟S1獲得的HRV序列進(jìn)行m個(gè)尺度的離散小波變換，獲得各個(gè)尺度的離散小波系數(shù)，令D_jk為第j個(gè)尺度上的第k個(gè)離散小波系數(shù)；其中j＝1,2,…m；k＝1,2,…n；

S2-2:根據(jù)各層離散小波系數(shù)計(jì)算各尺度的Renyi熵值：

方法如下：

記尺度j上的小波系數(shù)矢量為W_j：

W_j＝(D_j1,D_j2,...,D_jk,...,D_jn)；

則尺度j上W_j的Renyi熵值H(W_j)為：

H(Wj)=11-qlnΣk=1n(pjk)q;]]>

其中q值通過(guò)訓(xùn)練和學(xué)習(xí)獲得最優(yōu)值，p_jk根據(jù)下式獲得：

pjk=Djk/Σk=1nDjk;]]>

步驟S3：分類：

S3-1：利用計(jì)算所得的各尺度的Renyi熵值來(lái)構(gòu)造特征向量；

S3-2:利用所構(gòu)造的特征向量，進(jìn)行心電信號(hào)的分類。

2.根據(jù)權(quán)利要求1所述一種基于多尺度Renyi熵的心率變異性特征分類方法，其特征在于，步驟S1包括：

S1-1:首先去除ECG信號(hào)中的工頻干擾、肌電干擾及基線漂移；

S1-2:對(duì)步驟S1-1獲得的ECG信號(hào)進(jìn)行QRS波群定位，計(jì)算相鄰R波的間隔，并將其編號(hào)從而獲得原始HRV信號(hào)序列；

S1-3:去除HRV信號(hào)中存在的偽差和異位起搏點(diǎn)，從而獲得待分析的HRV序列。

3.根據(jù)權(quán)利要求1所述一種基于多尺度Renyi熵的心率變異性特征分類方法，其特征在于，步驟S2-2中，q值在0～5之間。

4.根據(jù)權(quán)利要求2所述一種基于多尺度Renyi熵的心率變異性特征分類方法，其特征在于，步驟S1-2中采用Pan-Tompkins算法檢測(cè)QRS波群，定位R波。

5.根據(jù)權(quán)利要求1所述一種基于多尺度Renyi熵的心率變異性特征分類方法，其特征在于，步驟S3-2中，采用分類器進(jìn)行不同類別心電信號(hào)的分類，采用的分類器包括如下之一：Bayes分類器，BP神經(jīng)網(wǎng)絡(luò)分類器，自組織映射，支持向量機(jī)。