[发明专利]一种基于变分模态分解理论和K最近邻算法的心电信号分类方法

说明书

本发明公开了一种基于变分模态分解理论和K最近邻算法的心电信号分类方法，包括以下步骤：截取已有心电信号作为样本数据；对心电信号进行预处理；对心电信号进行8层的变分模态分解，提取各模态的能量特征作为分类特征；将模态1、2、4、5、6、7的能量特征做为输入，运用K最近邻算法对信号进行分类识别。实验结果表明，该方法可实现对心电信号的快速准确分类，有助于心脏病情诊断。

技术领域

本发明涉及心电信号识别领域，通过对心电信号进行能量特征提取，从而实现心电信号分类，具体涉及一种基于变分模态分解理论(VMD)和K最近邻算法(KNN)的心电信号分类方法。

背景技术

心律失常是心血管疾病方面的重要疾病，往往与其他心血管疾病伴发，被认为是重大疾病发生的征兆。心律失常的诊断主要通过分析心电信号，它客观反映了心脏的活动状态，在帮助医生判断病情上起到至关重要的作用，所以，研究心电信号的分类方法、提高分类准确率有重要意义。

目前关于心电信号分类的主要研究有：韩君泽提出了一种基于小波变化和K均值聚类的QRS波群检测算法；Jeen-Shing Wang等人提取R波附近点作为特征，通过概率神经网络 (PNN)对心电信号进行分类；R Benali等人利用小波神经网络(WNN)的方法对五类心电信号实现了分类；颜昊霖等人提出一种基于深度信念网(DBN)和心电波形采样的心电分类算法等。以上大多数机器分类方法均需在定位波形位置或提取QRS波上投入大量研究，而忽略心电信号能量方面的应用。

所以针对以上问题，设计了一种基于变分模态分解和K最近邻相结合的心电信号分类算法，不需要进行复杂的提取波形的过程，直接截取样本数据，将样本分别进行VMD分解，以各模态的能量作为分类特征，最后运用KNN算法对信号进行分类识别，实现对心电信号的分类。

发明内容

为提高心电信号的分类准确率，降低识别难度，本发明提出了一种基于变分模态分解理论和K最近邻算法的心电信号分类方法，可以实现对心电信号的快速准确分类，具体步骤如下：

(1)截取已有的心电信号作为样本数据。

(2)对所有心电样本进行关于基线漂移和工频干扰的预处理，去除含有基线漂移模态分量，并删除明显的带有50～60Hz工频干扰的模态分量。

(3)因为心电信号的主要频率范围为0.5～100Hz，且90％的频谱能量集中在0.5～45Hz 之间，将VMD分解的层数定为8层，对待分类信号进行VMD分解，得到8个模态分量，其中变分模态分解方法如下：X为心电信号，经过K层变分模态分解得到K个模态分量 {μ_k}＝{μ₁...μ_k}；每个模态分量的频率中心表示为{ω_k}＝{ω₁...{ω_k}：，在迭代求解过程中不断更新模态分量及其频率中心，更新步骤(a)、(b)、(c)、(d)如下：

(a)初始化和n为0；

(b)根据下面两式更新μ_k和ω_k，∝为惩罚因子(取值2000)，λ为拉格朗日乘法算子；

(c)更新λ，其中τ为噪声因子，τ＝0；

(d)如果则停止迭代，否则换回执行步骤(b)，ε表示判断约束条件，ε＝0.01。

(4)分别计算各模态能量，求解模态分量能量比例特征：

N为采样点数

总能量为：

获取能量特征：