资源类型：
申请人：
河北雄安九康科技有限公司
;
河北大学附属医院
;
当前专利权人：
河北雄安九康科技有限公司
;
河北大学附属医院
;
申请号：
申请日期：
授权年份：
公开号：
公开日：
法律状态：
主分类号：
分类号：
摘要：
本发明涉及数据处理技术领域，具体涉及一种心电图信号特征智能提取方法，包括：获取每个分量信号的若干个区间，根据每个分量信号的每个区间中的数据得到每个分量信号的每个区间的数据波动程度，得到每个分量信号的波动序列中每个数据为分割点的可能性，得到每个分量信号的波动序列的分割点；根据每个分量信号的波动序列得到每个分量信号的波动序列中每部分的分布特征值，得到每个分量信号的波动序列的参考数据，得到每个分量信号的噪声影响程度；得到每个分量信号的自适应阈值，得到去噪后的心电信号数据，完成心电信号特征的提取。本发明通过对心电信号数据进行分析处理，提高心电信号特征提取的准确性。
主权项：
1.一种心电图信号特征智能提取方法，其特征在于，该方法包括以下步骤： 采集心电信号数据； 对心电信号数据进行分解得到若干个分量信号，对每个分量信号进行区间划分，得到每个分量信号的若干个区间，根据每个分量信号的每个区间中相邻两个数据的斜率和每个区间中所有数据的均值，得到每个分量信号的每个区间的数据波动程度，根据每个分量信号的所有区间的数据波动程度得到每个分量信号的波动序列，根据每个分量信号的波动序列中数据之间的差异将每个分量信号的波动序列划分为两部分； 根据每个分量信号的波动序列中每部分的数据分布得到每个分量信号的波动序列中每部分的分布特征值，根据每个分量信号的波动序列中每部分的分布特征值得到每个分量信号的波动序列中的无噪声部分，根据每个分量信号的波动序列中的无噪声部分的数据得到每个分量信号的波动序列的参考数据，根据每个分量信号的波动序列中的数据对应的区间和每个分量信号的波动序列的参考数据，得到每个分量信号的噪声影响程度； 根据每个分量信号的噪声影响程度得到每个分量信号的自适应阈值，根据每个分量信号的自适应阈值对每个分量信号进行去噪，得到去噪后的每个分量信号，根据去噪后的所有分量信号得到去噪后的心电信号数据，完成心电信号特征的提取； 所述根据每个分量信号的每个区间中相邻两个数据的斜率和每个区间中所有数据的均值，得到每个分量信号的每个区间的数据波动程度，包括的计算公式如下： 式中，表示第i个分量信号的第j个区间中的第c-1个数据与第c个数据的斜率，表示第i个分量信号的第j个区间中的第c个数据与第c+1个数据的斜率，表示第i个分量信号的第j个区间中的第c个数据，表示第i个分量信号的第j个区间中的所有数据的均值，n表示第i个分量信号的第j个区间中的数据总个数，表示第i个分量信号的第j个区间的数据波动程度，表示绝对值符号； 所述根据每个分量信号的所有区间的数据波动程度得到每个分量信号的波动序列，包括的具体步骤如下： 按照从小到大的顺序对每个分量信号的所有区间的数据波动程度进行排序得到排序后的结果，将排序后的结果记为每个分量信号的波动序列； 所述根据每个分量信号的波动序列中数据之间的差异将每个分量信号的波动序列划分为两部分，包括的具体步骤如下： 根据每个分量信号的波动序列中数据之间的差异获得每个分量信号的波动序列中每个数据为分割点的可能性； 每个分量信号的波动序列中每个数据为分割点的可能性的计算公式为： 式中，表示第i个分量信号的波动序列中的第v个数据，表示第i个分量信号的波动序列中的第s个数据，表示第i个分量信号的波动序列中的第s+1个数据，m表示第i个分量信号的波动序列中的总数据个数，表示第i个分量信号的波动序列中的第s个数据为分割点的可能性； 从每个分量信号的波动序列的所有数据中选取数据为分割点的可能性最大的一个数据作为每个分量信号的波动序列的分割点； 通过每个分量信号的波动序列的分割点将每个分量信号的波动序列划分为两部分； 所述根据每个分量信号的波动序列中每部分的数据分布得到每个分量信号的波动序列中每部分的分布特征值，根据每个分量信号的波动序列中每部分的分布特征值得到每个分量信号的波动序列中的无噪声部分，包括的具体步骤如下： 每个分量信号的波动序列中每部分的分布特征值的计算公式为： 式中，表示第i个分量信号的波动序列的第k部分中的最大数据值，表示第i个分量信号的波动序列的第k部分中的最小数据值，表示第i个分量信号的波动序列的第k部分中的第r个数据，表示第i个分量信号的波动序列的第k部分中的所有数据的中值，u表示第i个分量信号的波动序列的第k部分中的所有数据的总个数，表示第i个分量信号的波动序列的第k部分的分布特征值； 将分布特征值最小的一部分作为每个分量信号的波动序列中的无噪声部分； 所述根据每个分量信号的波动序列中的无噪声部分的数据得到每个分量信号的波动序列的参考数据，包括的具体步骤如下： 计算每个分量信号的波动序列中无噪声部分中的每个数据，与无噪声部分中的其余所有数据之间的差异的均值，将其结果记为每个分量信号的波动序列中无噪声部分中的每个数据的差异程度，将差异程度最小的数据作为每个分量信号的波动序列的参考数据； 所述根据每个分量信号的波动序列中的数据对应的区间和每个分量信号的波动序列的参考数据，得到每个分量信号的噪声影响程度，包括的计算公式如下： 式中，表示第i个分量信号的波动序列中除了参考数据之外的第e个数据，表示第i个分量信号的波动序列的参考数据，表示第i个分量信号的波动序列中除了参考数据之外的第e个数据对应的区间，表示第i个分量信号的波动序列的参考数据对应的区间，表示以自然常数为底的指数函数，表示第i个分量信号的噪声影响程度，表示距离； 所述根据每个分量信号的噪声影响程度得到每个分量信号的自适应阈值，包括的计算公式如下： 式中，为预设参数，表示第i个分量信号的自适应阈值； 所述根据每个分量信号的自适应阈值对每个分量信号进行去噪，得到去噪后的每个分量信号，根据去噪后的所有分量信号得到去噪后的心电信号数据，包括的具体步骤如下： 根据每个分量信号的自适应阈值通过小波包阈值滤波得到去噪后的每个分量信号，然后将去噪后的所有分量信号通过小波包逆变换合并成去噪后的心电信号数据。
