心电信号（ECG）对医生诊断心脏疾病极为重要。现存许多ECG分类技术.docVIP

心电信号（ECG）对医生诊断心脏疾病极为重要。现存许多ECG分类技术存在实现困难、处理时间长和只能对2～3类ECG进行分类的不足。本文介绍了计算简单的ARMA模型的ECG分类法，利用ARMA模型系数作为特征对ECG信号进行分类和压缩。在对信号特征分类时，采用了非线性二次判别函数的形式。利用文中方法对MIT－BIH标准数据库中NSR、APC、PVC、SVT、VT和VF各200个样本信号进行测试，获得了94．28％～99．28％的分类精度。 　　 　　心电信号（ECG）是医生进行诊断的重要依据，关于ECG的分类已有许多现有技术，但现存许多ECG分类技术存在实现困难、处理时间长和只能对2～3类ECG进行分类的不足，如相关波形法（CWA）［1］、直接ECG特征检测法［2］、傅立叶变换法［3］、功率谱分析法［4］、复杂度测量法［5］、TLS（TotalLeast Squares）Prony建模法［6］、自适应卡尔曼滤波器法［7］、使用LPC系数和模糊ARTMAP神经网络分类法等［8］。 　　本文介绍了基于ARMA模型的ECG分类方法，ARMA系数被作为特征来进行ECG的分类，在分类时，采用了二次判别函数分类法［9］。ARMA建模技术有着容易实现、处理快速和同时能对多类ECG进行分类的优点。本文利用ARMA建模技术对MIT－BIH标准数据库中的以下几类ECG进行了分类测试：正常窦性心律（N