文献类型：期刊文献

中文题名：基于小波变换和SVM的心电早搏信号识别

英文题名：ECG PREMATURE BEATS SIGNAL IDENTIFICATION BASED ON WAVELET TRANSFORM AND SVM

作者：李四海[1];满自斌[2];张红[1]

第一作者：李四海

机构：[1]甘肃中医学院信息工程学院,甘肃兰州730000;[2]兰州理工大学计算机与通信学院,甘肃兰州730050

第一机构：甘肃中医药大学信息工程学院（教育技术中心）

年份：2014

卷号：31

期号：8

起止页码：182

中文期刊名：计算机应用与软件

外文期刊名：Computer Applications and Software

收录：CSTPCD;;北大核心:【北大核心2011】；CSCD:【CSCD2013_2014】；

语种：中文

中文关键词：ECG;房性早搏;室性早搏;小波变换;支持向量机

外文关键词：ECG Premature ventricular contraction Atrial premature beat Wavelet transform SVM

摘要：对心电信号的实时、准确识别在临床上具有重要意义。研究基于小波变换自动识别室性早搏(PVC)和房性早搏(APB)的方法,首先对信号进行Marr小波变换并提取信号在小波域上的特征参数,构建时频域特征向量,然后使用径向基核SVM进行训练,研究模型参数的选取对训练结果的影响。使用MIT-BIH心电数据库中的数据进行测试,结果表明:在小样本的情况下,建立的模型对正常心电、房性早搏和室性早搏的识别具有较高的准确率。
The real-time and accurate examination of ECG has important clinical significance. In this paper,we study the method of wavelet transform-based automatic identification of premature ventricular contractions（PVC） and atrial premature beats（APB）. First,Marr wavelet transform is applied to the signal,its characteristic parameters on wavelet domain are extracted,and the time-frequency domains eigenvectors are constructed; then the support vector machine（ SVM） with RBF kernel function is employed for training,the influence of model parameters selection on training performance is explored. The data of MIT-BIH arrhythmia database is used for the test,results show that the model proposed in this paper has high accuracy rate in identifying PVC,APB and normal ECG in the case of small sample size.