ECG信号R波检测算法与实现开题报告
2020-04-23 19:39:27
1. 研究目的与意义（文献综述）
近十年来，人们的生活水平得到了显著的提高，然而心血管疾病仍然是人们所面临的主要慢性病之一。通过数据可以发现，在疾病所导致的死亡之中，心血管疾病所造成的死亡率一直居高不下。
心电信号(electrocardiogram,ecg)是唯一反应心脏活动的电信号，是心脏兴奋发生到传播及恢复的客观指标。它对心脏基本功能及其病理方面的研究方面都具有重要的参考价值。用于对各种心律失常，心室心房肥大，心肌梗死，心率异常，心肌缺水，电解质紊乱（对血钾不正常 变化有快速直视的临床参考意义），心衰等疾病检查，可用于24小时监视病人心脏功能。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
2. 研究的基本内容与方案
心电信号比较微弱，很容易受到外部干扰。主要有：基线漂移，，肌电干扰，工频干扰等。一般，采集的ECG信号都带有很大的噪声，是一种非线性的，非平稳的微弱电信号。检测R波信号的前提就是有效地去除这些信号中的噪声。对于心电信号的波形检测方法有很多，基本思想就是利用ECG信号波形本身在时域和频域中不同的特征波形特点进行识别，可以首先在所给的ECG信号中提取出QRS波群，随后在QRS 波群中实现对于R波的检测。
此次设计主要的目标是输入一个采集到的心电信号，实现预处理方法，在此基础上完成心电信号的R波检测的系统。在这个系统中，需要开展的工作总结如下：
1 调用MIT-BIH心率失常数据库
2 掌握对比各种预处理方法，深入学习小波算法理论，比较诸如自适应滤波，数学形态滤波，FIR数字滤波算法等去躁算法的优缺点。
3 对所给的心电信号进行形态学的分析，提取出QRS波群。
4 在得到的QRS波群中进行R波检测系统的算法设计，对比各种对R波检测的方法，拟采用小波变换的方法，计算与实验分析出更加优化的阈值，实现对信号中R波更加精确的检测。
此次设计主要的目标是输入一个采集到的心电信号，实现预处理方法，在此基础上完成心电信号的R波检测的系统。在这个系统中，需要开展的工作总结如下：
1 调用MIT-BIH心率失常数据库
2 掌握对比各种预处理方法，深入学习小波算法理论，比较诸如自适应滤波，数学形态滤波，FIR数字滤波算法等去躁算法的优缺点。
3 对所给的心电信号进行形态学的分析，提取出QRS波群。
4 在得到的QRS波群中进行R波检测系统的算法设计，对比各种对R波检测的方法，拟采用小波变换的方法，计算与实验分析出更加优化的阈值，实现对信号中R波更加精确的检测。
3. 研究计划与安排
1-3周 查阅中、英文资料，完成开题报告，完成不少于2万字符的英文翻译任务；
4-6周 学习和评测常用r波检测方法；
7-8周 深入学习相关软件的使用方法开始制作关于ecg信号r波检测的基本功能框架；
9-11周 实现ecg信号的去噪以及qrs波群的提取；
12-14周 在qrs波群中实现r波的检测算法设计，综合整个系统的设计；
15-16周 对系统进行检测，并开始完成毕业论文。
17周 修改完成毕业论文，答辩。
剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！
4. 参考文献（12篇以上）
[1]李静,王步青,刘洪运,王卫东.两种开源ecg算法性能测评研究[j].中国医疗设备,2017,32(11):32-34 43.
[2]朱剑平. 心电信号处理模块设计[d].中国地质大学(北京),2017.
[3]朱晓君. 心电信号评估与qrs波检测技术研究[d].湖南大学,2015.
[4]艾娉婷. 心电信号r波识别系统的设计[d].吉林大学,2015.
[5]黎承涛. 心电信号特征提取及st段形态识别的方法研究[d].安徽大学,2015
[6]时小珂,王晓初,梅求军,刘为文,基于fpga的ecg信号采集与处理系统设计 自动化与信息工程; 2013;
[7]赵毅. 基于小波分析和神经网络的异常心电信号分类研究[d].太原理工大学,2015
[8]彭自然,王国军.用小波变换对ecg信号进行去噪研究[j].信号处理,2017,33(08):1122-1131.
[9]王益艳.基于小波包分析的ecg信号降噪[j].信息技术,2017(04):65-67
[10] 欧阳波 基于小波分析的ecg信号处理技术研究 湖南大学 2014-4-20
[11] 杨杰 心电信号的检测与模式分类方法的研究 浙江师范大学 2014-3-20
[12]姚欢,王剑钢,ecg信号qrs波群检测算法的进展 现代生物医学进展;2013
[13]aleksandar milchevski,marjan gusev. improved pipelined wavelet implementation for filtering ecg signals[j]. pattern recognition letters,2017,95.
[14]marian kotas,tomasz moroń. ecg signals reconstruction in subbands for noise suppression[j]. biocybernetics and biomedical engineering,2017,37(3)
[15]michael klum,tobias minn,timo tigges,alexandru-gabriel pielmus,reinhold orglmeister. minimally spaced electrode positions for multi-functional chest sensors: ecg and respiratory signal estimation[j]. current directions in biomedical engineering,2016,2(1).
[16]tanushree sharma,kamalesh k. sharma. a new method for qrs detection in ecg signals using qrs-preserving filtering techniques[j]. biomedical engineering / biomedizinische technik,2018,63(2).
[17]ai hua zhang,ming chun kou,chen diao,dong mei lin. quality assessment of ecg signal based on wavelet energy ratio and wavelet energy entropy[j]. applied mechanics and materials,2014,3047(530).
[2]朱剑平. 心电信号处理模块设计[d].中国地质大学(北京),2017.
[3]朱晓君. 心电信号评估与qrs波检测技术研究[d].湖南大学,2015.
[4]艾娉婷. 心电信号r波识别系统的设计[d].吉林大学,2015.
[5]黎承涛. 心电信号特征提取及st段形态识别的方法研究[d].安徽大学,2015
[6]时小珂,王晓初,梅求军,刘为文,基于fpga的ecg信号采集与处理系统设计 自动化与信息工程; 2013;
[7]赵毅. 基于小波分析和神经网络的异常心电信号分类研究[d].太原理工大学,2015
[8]彭自然,王国军.用小波变换对ecg信号进行去噪研究[j].信号处理,2017,33(08):1122-1131.
[9]王益艳.基于小波包分析的ecg信号降噪[j].信息技术,2017(04):65-67
[10] 欧阳波 基于小波分析的ecg信号处理技术研究 湖南大学 2014-4-20
[11] 杨杰 心电信号的检测与模式分类方法的研究 浙江师范大学 2014-3-20
[12]姚欢,王剑钢,ecg信号qrs波群检测算法的进展 现代生物医学进展;2013
[13]aleksandar milchevski,marjan gusev. improved pipelined wavelet implementation for filtering ecg signals[j]. pattern recognition letters,2017,95.
[14]marian kotas,tomasz moroń. ecg signals reconstruction in subbands for noise suppression[j]. biocybernetics and biomedical engineering,2017,37(3)
[15]michael klum,tobias minn,timo tigges,alexandru-gabriel pielmus,reinhold orglmeister. minimally spaced electrode positions for multi-functional chest sensors: ecg and respiratory signal estimation[j]. current directions in biomedical engineering,2016,2(1).
[16]tanushree sharma,kamalesh k. sharma. a new method for qrs detection in ecg signals using qrs-preserving filtering techniques[j]. biomedical engineering / biomedizinische technik,2018,63(2).
[17]ai hua zhang,ming chun kou,chen diao,dong mei lin. quality assessment of ecg signal based on wavelet energy ratio and wavelet energy entropy[j]. applied mechanics and materials,2014,3047(530).
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
