基于小波神经网络的心电数据压缩方法

摘要

临床诊断过程中，心电信号的存储与传输是一个有待解决的问题，由于采集到的原始信号的数据量巨大，为了便于对大量的心电数据进行存储、分析和传输，对于这些数据的压缩处理是十分必要的。特别是在需要进行远程实时心电监护的场合还必须做到心电数据的实时压缩与传输，以提高病情的诊断效率并为患者提供及时可靠的医疗救护。 本文在研究国内外有关心电信号数据压缩算法及其研究状况的基础上，利用小波变换、小波神经网络等方法对心电信号进行压缩，并取得了较好的效果。本文的主要工作和结论如下： ①介绍了心电信号的特征，对各种ECG数据压缩技术进行了研究，特别对几种ECG数据压缩方法的性能进行了仿真分析。在此基础上，提出了利用神经网络和小波变换这两种先进的信号处理方法对心电信号进行建模和压缩处理。文中首先利用BP和RBF神经网络分别对心电信号进行了建模，并比较了这两类神经网络在信号建模方面的优缺点。 ②提出了基于小波变换的心电压缩算法，此方法充分利用了小波系数能量集中的特点，将心电信号进行小波变换，通过对变换后得到的系数进行处理，以达到数据压缩的目的。 ③在理论研究了小波变换方法和神经网络的基础上，提出了基于小波神经网络的ECG数据压缩算法，并分析研究了基于小波神经网络压缩ECG数据的原理和模型的构建方法。此算法以小波基函数构造的神经网络应用于心电信号的压缩上，通过调节小波基参数、网络权值，网络在大量压缩数据的同时能够很好的恢复原有的心电信号，并较准确地反映了各种波形的位置和强度，从而达到了压缩信号与原始信号的最佳匹配。本论文提出利用频域匹配和OLS算法相结合的方法来确定小波神经网络神经元及其个数，并利用自适应梯度下降算法对小波神经网络进行训练，取得了较好的效果。 经过大量的仿真表明，本文提出的心电数据压缩方法能够达到较高的压缩比和保真度。