基于改进的小波排列熵的心脑电信号分析

摘要

心电和脑电信号能有效地反映出人体机能的状态，有效地区分不同种类的心电和脑电的信号对辅助临床诊断具有重要的意义。基于此，我们提出了改进的小波排列熵的算法，以期有效地区分开这些生理信号。本文所做的工作主要有以下三点：
　　（1）提出改进的小波排列熵算法，将其用来区分室性心动过速（VT）、心脏性猝死（SCD）和正常心电（NSR）。整个过程要分为不同的数据长度、不同的嵌入维数以及不同的延迟时间来分别进行讨论。结果表明，对目标区分频段而言，小波排列熵算法能够在一定程度上区分出这三种生理信号，但区分效果并不显著，而改进的小波排列熵算法能够有效地区分出这三种信号，且区分效果非常明显。
　　（2）用小波排列熵和改进的小波排列熵算法来分别讨论护士和学生两种不同职业人群的紧张程度的脑电信号。结果显示小波排列熵和改进的小波排列熵也都能对这两种信号进行区分，但是绝大部分情况下改进的排列熵的区分效果要更为显著（p值远小于0.001）。
　　（3）开发了一套基于LabVIEW的心脑电分析系统，整个系统包括数据读取模块、波形显示模块、数据分析模块和结果显示模块四大部分，分别实现的功能是读取数据、显示波形、分析数据和结果显示。整个系统能有效地运行，并且分析结果与MATLAB的仿真得到的结果相近，说明本系统达到了预期的效果。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 人体生理信号概述

1.2 几种典型的生理信号的研究方法

1.3 论文研究内容及结构安排

第二章 生理电信号基础及非线性分析方法

2.1 生理电信号基础

2.2 非线性动力学基本理论

2.3 生理信号常用分析方法

2.4 小结

第三章 改进的小波排列熵对心电信号的分析

3.1 小波分析基础

3.2 改进的排列熵算法研究

3.3 基于改进的小波排列熵的心脏猝死和室性心动过速分析

3.4小结

第四章 改进小波排列熵对EEG信号的分析

4.1 不同职业人群紧张程度的EEG研究的概述

4.2 改进的小波排列熵对护士和学生的紧张脑电的分析

4.3 小结

第五章 基于LabVIEW的心脑电分析系统的实现

5.1 LabVIEW概述

5.2 LabVIEW与MATLAB的混合编程[63]介绍

5.3 基于LabVIEW的心脑电分析系统的实现

5.4 小结

总结与展望

参考文献

附录1 攻读硕士学位期间撰写的论文

附录2 攻读硕士期间参加项目

致谢