[发明专利]QRS识别方法及电子设备

权利要求书

1.一种QRS识别方法，其特征在于，所述方法包括以下步骤：

S1输入心电图，并进行差分处理，得到DECG；

S2对DECG的每个数值取绝对值得到ADECG序列；

S3对ADECG的数据集合建立混合模型，得到ADECG的每个时刻数值对应的分类序列CECG；

S4根据DECG对应时刻的符号，得到带符号的SCECG；

S5对SCECG进行分组，并计算最邻近的分组进行联合；

S6通过线性拟合函数对分组数据进行拟合，并确认R点位置，进而得到有效的HRV分析结果。

2.根据权利要求1所述的QRS识别方法，其特征在于，所述S3中，对ADECG的所有数值组成的数据集合建立分类的混合模型，得到ADECG的每个时刻数值对应的分类序列CECG。

3.根据权利要求1所述的QRS识别方法，其特征在于，所述S5中，分组时，设最高分类为C，则最低分类为-C；

若SCECG序列中，对时刻t进行循环，若连续N个点对应的分类都是最高分类C或最低分类-C，则把此N个时刻归为A组或B组，然后对找到分组A或-A后的时刻，其中N为自然数；

若间隔不超过2个点，出现最高分类C或最低分类-C，把该时刻及中间不是最高分类但与最高时刻同符号的时刻都归为A组或B组。

4.根据权利要求3所述的QRS识别方法，其特征在于，所述S5中，联合时，计算最邻近的A组与B组之间的距离d(A,B)为两组之间时间最近的点的间隔，设为N个间隔点，时间间隔则为d(A,B)＝sampling_rate*N，单位为s，sampling_rate为采样率，若d0.05s，则把此临近的A组与-A组归为U。

5.根据权利要求4所述的QRS识别方法，其特征在于，对每个U中，A组的点和-A组的点分别建立线性回归拟合函数，得到拟合函数f(A)、f(-A)，斜率k(A)、k(-A)。

6.根据权利要求1所述的QRS识别方法，其特征在于，所述方法中，确认R点位置具体为，若k(A)+k(-A)threshold，threshold为设定阈值，则联合U有效，则R点为f(A)与f(-A)的交点。

7.根据权利要求1所述的QRS识别方法，其特征在于，所述方法中，输入的心电图为不定长的单导联心电数据和采样率。

8.一种电子设备，包括至少一个处理器以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的QRS识别方法。