基于EMD和ApEn特征提取的心律失常分类研究

作者：王金海; 史梦颖; 张兴华

来源：仪器仪表学报, 2016, S1: 168-173.

DOI：10.19650/j.cnki.cjsi.2016.s1.028

• 近似熵
• 经验模式分解
• 特征提取
• 粒子群优化算法
• 支持向量机

心律失常分类是心电图自动分析领域的重要研究内容,其中精准的特征提取在分类中起着至关重要的作用。提出一种基于经验模式分解(empirical mode decomposition,EMD)和近似熵(approximate entropy,ApEn)相结合的心电信号特征提取的新方法。首先利用EMD将心电信号分解为不同的本征模函数(intrinsic mode function,IMF),计算前6个IMF分量的近似熵作为特征向量。然后利用粒子群优化算法(particle swarm optimization,PSO)优化后的支持向量机(support vector machine,SVM)分类器进行分类。经过美国麻省理工MIT-BIH心律失常数据库进行验证,该方法能够对心律失常进行有效分类,其分类精度可达98.57%。

• 单位
  天津工业大学