[发明专利]一种基于多尺度小波变换的心电时频特征图提取方法

权利要求书

1.一种基于多尺度小波变换的心电时频特征图提取方法，其特征在于，包含如下步骤：

步骤1、去除心电信号数据的噪声；

步骤2、结合不同的核函数将心电信号数据通过非线性变化映射到高维数据空间，提取心电优势特征；

步骤3、对心电优势特征进行多尺度小波变换，得到多维度小波变换系数，根据信号的时间、小波变换系数、不同的小波变换尺度，绘制小波变换尺度图，进一步形成可用于后续心电信号分类识别的心电时频特征图。

2.根据权利要求1所述的基于多尺度小波变换的心电时频特征图提取方法，其特征在于，所述去除心电信号数据的噪声包括如下步骤：

1-1.通过均值滤波器消除心电信号数据中的肌电干扰；

1-2.通过中值滤波器消除心电信号数据中的基线漂移；

1-3.通过小波基为Daubechies8的离散小波分解，通过筛选阈值d小于指定值的小波分解系数替换为：

其中，x为每一导联的心电信号数据，x_i为每一导联的心电信号数据样本点，d为0.04；然后对小波分解系数进行小波重构，得到消除工频干扰后的数据。

3.根据权利要求1或2所述的基于多尺度小波变换的心电时频特征图提取方法，其特征在于步骤2所述提取心电优势特征包括如下步骤：

2-1.根据步骤1去噪后得到的心电信号数据，构建数据矩阵X：

其中，x_i＝(x_i1,x_i2,…,x_in),i＝1,2,…n，表示数据矩阵X的列向量，n表示心电信号数据的长度。

4.根据权利要求3所述的基于多尺度小波变换的心电时频特征图提取方法，其特征在于所述提取心电优势特征还包括如下步骤：

2-2.引入核函数φ将数据矩阵X投影到高维空间从原始的12维特征空间到M维特征空间：

φ:R¹²→R^M,M＞＞12

根据核函数φ，计算核矩阵K：

其中，x代表心电数据矩阵X的某一列向量，核函数包括多项式核函数、Cosine核函数；

多项式核函数：

k(x,y)＝(px^Ty+c)^h

其中，p,c,h均为可调参数，p0,c≥0；

Cosine核函数：

5.根据权利要求4所述的基于多尺度小波变换的心电时频特征图提取方法，其特征在于所述提取心电优势特征还包括如下步骤：

2-3.对核矩阵K进行中心化处理：

其中，A为中心化处理后的12×12的矩阵，为中心化处理后的核矩阵；

利用下述公式计算特征值λ：

其中，E为与中心化处理后的核矩阵同阶的单位矩阵；利用求得的特征值λ并根据下列公式计算特征向量V；

将求得的每一特征值λ_i代入下列公式，求解每一特征值λ_i对应的特征向量V_i：

其中，i代表心电信号数据的特征数量，i＝1,2,…,12。

6.根据权利要求5所述的基于多尺度小波变换的心电时频特征图提取方法，其特征在于所述提取心电优势特征还包括如下步骤：

2-4.根据特征值计算累计贡献率

其中，代表前k个主成分的特征值作为对原始心电信号数据占比的贡献率；在不同的核函数下选取累计贡献率达到90％以上的前三个主要成分作为占优特征，即心电优势特征。