摘要
为提高传统线性分析方法的准确性,提出一种非线性动力学与时频分析相结合的心电信号分类方法。利用经验模式分解和阈值法抑制噪声,从而更有效地分解心电信号得到内蕴模式函数,分别计算其近似熵特征值,利用支持向量机分类器验证特征值的分类效果。实验结果表明,该方法能有效实现信号的自动分类识别,简便快速地初步诊断心肌猝死疾病的发生,正常和异常心电信号的分类识别准确率均达到90%以上。
In order to improve the accuracy of traditional linear dynamics method, an automated Emptrmal Mode Deeomposmon（IZMD） signals recognition method is proposed. The method which combines the nonlinear dynamics with the time-frequency analysis is used to study signals. In order to effectively restrain noise and decompose the signals, EMD is employed to preprocess the sample data, and the approximate entropy of some important intrinsic mode functions can be obtained. Support Vector Macb, iae（SVM） is adopted to achieve the optimal classification. Experimental results show the correct classification rate can be more than 90%, which proves the reliability and veracity of the method.
出处
《计算机工程》
CAS
CSCD
2012年第9期202-204,207,共4页
Computer Engineering
基金
重庆市卫生局基金资助项目[渝医(2006)27号文]
关键词
心电图
心肌猝死
非线性动力学
经验模式分解
近似熵
支持向量机
Electrocardiogram（ECG）
Sudden Cardiac Death（SCD）
nonlinear dynamics
Empirical Mode Decomposition（EMD）
approximateentropy
Support Vector Machine（SVM）
