基于EEMD与平稳小波变换的脉搏波形特征分析研究的中期报告.docxVIP

基于EEMD与平稳小波变换的脉搏波形特征分析研究的中期报告 摘要： 随着人类寿命的延长，心血管疾病成为日益增多的死亡原因。脉搏波形是衡量心血管健康状况的重要指标之一。基于此，我们提出了一种基于EEMD（经验模态分解）与平稳小波变换的脉搏波形特征分析方法，旨在研究脉搏波形在心血管疾病检测方面的应用。 介绍： 脉搏波形由于受到周围动脉血管的作用，表现出来的是心脏收缩和舒张过程的信息，因此可以反映心血管的状态。在过去的几十年里，脉搏波形分析已经成为评价心血管健康状况的重要方法之一。它可以用于诊断和监测许多心血管疾病，如高血压、动脉硬化等。 然而，传统的脉搏波形特征提取方法存在一些问题，如存在噪声、信号非平稳、频域尖峰易被干扰等。为了解决这些问题，我们提出了一种新的脉搏波形特征分析方法，将经验模态分解（EEMD）与平稳小波变换相结合。EEMD通过多次迭代分解信号，得到一系列自主波函数（IMFs），每个IMF包含了不同频率范围内的信息，而平稳小波变换则可以有效地去除噪声和干扰项。 方法： 首先，将脉搏波形信号用EEMD分解成一系列IMFs。然后，对每个IMF进行平稳小波变换，得到其频率域响应，并计算其能量、波形指数和脉搏波速度等特征。最后，将不同IMF的特征合并，并提取出脉搏波形的最大幅度、血流量和夹角等特征。 结果： 我们将所提出的方法应用于不同年龄组、不同心血管疾病患者的脉搏波形数据进行特征分析和分类。实验结果表明，所提出的方法能够显著地提高特征提取的准确性和鲁棒性。同时，所提取的特征也能够很好地区分不同年龄组和不同疾病患者的脉搏波形。 结论： 本研究提出了一种基于EEMD与平稳小波变换的脉搏波形特征分析方法，旨在研究脉搏波形在心血管疾病检测方面的应用。实验结果表明，该方法能够显著地提高特征提取的准确性和鲁棒性，为心血管疾病的早期诊断和治疗提供了新的思路。未来我们将进一步完善算法，提高其可靠性和实用性，以便更好地服务于临床实践。