基于三域特征提取和GS-SVM的ECG信号智能分类技术研究

摘要

近年来,基于单域的特征提取方法已经得到广泛的研究,并被用于心律失常的检测分类.事实上,多域特征提取在其分类中往往表现得更好.本文利用MIT/BIH心律失常数据库中的48组ECG信号进行预处理,从时域、频域和小波域提取了信号的三域特征,这些特征从各个方面充分表征了ECG信号的性质.再利用基于网格搜索的SVM结合归一化特征可将ECG信号划分为常见的4类.该方法的总体精度达到98.01%,f 1分值为0.9800,对ECG信号的检测性能良好,相对目前绝大多数ECG信号分类器具有更强的泛化能力.