基于matlab的滤波器设计第五辩析.docVIP

第五章 结果与讨论 本章将主要介绍AR建模及各种分类方法的仿真结果。文中的数据包括正常窦性心律（NSR）、心室性心动过速（VT）和心室纤维性颤动（VF）均取自MIT-BIH数据库。本文利用AR模型对各类ECG信号进行建模，其相应的AR建模系数作为分类的特征。在建模时，采用相关系数和信噪比来确定AR模型阶次。本文采用了两种分类方法，即基于BP神经网络和普通线性分类器的方法。结果显示，利用AR建模和BP神经网络对ECG信号进行分类是一种非常迅速、有效的分类方法。 5.1 结果的概况 本文采用第四章中介绍过的Tompkins’s算法进行ECG峰值R的检测。每个ECG样本信号包含了300个样本点，这样每个样本信号足以包含一个完整的心率周期内的所有信息。其中的100个采样点在ECG峰值R以前，200个采样点在ECG峰值R以后。 AR建模的结果显示，选择模型阶次P=4是合适的。对于每个信号样本而言，4个模型系数足以保证AR建模取得了良好的信噪比及相关系数，也足以作为检测三类不同ECG的信号特征。 在信号的分类方面，本文采用两种方法：基于线性分类器和BP神经网络的分类，并对这两种方法进行分析对比。这是一个改进型BP算法的神经网络，其结构是：4个输入单元、2个由5个神经元组成的隐蔽层和一个由3个神经元组成的输出层。在利用线性分类器时，采用决策树分类方案：NSR信号与VT/VF信号被先行分类，再