基于變權重奇異譜分析的心律不齊識別方法

李鴻儒, 任子洋, 黃友鶴, 于 霞

(東北大學 信息科學與工程學院, 遼寧 沈陽 110819)

年齡的增長以及飲食作息的不正常導致心臟逐漸衰弱,并伴隨著慢性疾病的發作,這會對人體造成巨大損傷.臨床醫護人員對于心電圖(electrocardiogram, ECG)的分析往往需要結合自身的經驗,這使得診治具有主觀性且需要一定的時間成本.心臟病早期的體現通常為心律不齊,因此對于心律失常的智能分析識別在心臟病預測的研究中具有重要意義.

早期對于ECG的分析一般包括預處理、特征提取和分類三個環節[1].最早的研究[2-3]從形態學出發,有效提取了ECG的主要組分,也有學者采用頻域算法,包括小波變換[4-7]和經驗模態分解[8-9]等算法,以較小的失真獲得具有不同頻率特性的子序列.但小波變換在提高時間精度的同時會損失頻率精度,經驗模態分解存在模態混疊的現象,二者的分解序列均存在部分畸變.Yucelbas等[10]對比了奇異值分解、變分模態分解和小波變換在ECG分類中的性能,奇異值分解的識別性能明顯高于其余二者,因此在考慮保留形態完整性的前提下如何提高頻率信息的分離效率是后續識別的關鍵.Barrios等[11]最早提出一種基于奇異譜分析(singular spectrum analysis, SSA)的心電信號與肌電信號分離算法,在時域和頻域上,與傳統的信號分離算法進行對比,均具有更好的性能;還有圍繞著SSA與心電去噪的研究[12-13],也驗證了該算法相較于傳統算法的高效性.現有的研究對ECG進行拆分后沒有考慮到子序列所包含信……