基于三域特征提取和GS-SVM的ECG信号智能分类技术研究

• 作者: 佃松宜 方红帏 赵涛
• 来源期刊: 四川大学学报（自然科学版）
• 学科: 工学
• 关键词: 心律失常检测 ECG信号分类 三域特征提取 信号预处理 基于网格搜索的SVM
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 电子信息科学
• 页码范围: 297-303
• 页数: 7页
• 分类号: TP391
• 字数: 4741字
• 语种: 中文
• DOI: 10.3969/j.issn.0490-6756.2020.02.015

摘要

近年来,基于单域的特征提取方法已经得到广泛的研究,并被用于心律失常的检测分类.事实上,多域特征提取在其分类中往往表现得更好.本文利用MIT/BIH心律失常数据库中的48组ECG信号进行预处理,从时域、频域和小波域提取了信号的三域特征,这些特征从各个方面充分表征了ECG信号的性质.再利用基于网格搜索的SVM结合归一化特征可将ECG信号划分为常见的4类.该方法的总体精度达到98.01％,f 1分值为0.9800,对ECG信号的检测性能良好,相对目前绝大多数ECG信号分类器具有更强的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	佃松宜	四川大学电气工程学院	81	311	8.0	14.0
2	赵涛	四川大学电气工程学院	27	70	4.0	7.0
3	方红帏	四川大学电气工程学院	1	0	0.0	0.0