中国科学院沈阳自动化研究所机构知识库
Advanced  
SIA OpenIR  > 工业控制网络与系统研究室  > 期刊论文
题名: 基于隐马尔可夫模型的躯感网心电图信号特征提取方法
其他题名: Feature Extraction Method for ECG Signal Based on HMM in Body Sensor Network
作者: 凤超 ; 梁炜 ; 张晓玲 ; 杨雨沱 ; 谈金东
作者部门: 工业控制网络与系统研究室
关键词: 躯感网 ; 心电图信号 ; 隐马尔可夫模型 ; 特征提取
刊名: 信息与控制
ISSN号: 1002-0411
出版日期: 2012
卷号: 41, 期号:5, 页码:628-636
收录类别: CSCD
产权排序: 1
摘要: 为了解决躯感网的心电信号特征提取问题,结合心电图信号波形的特征区间,建立了面向心电图信号特征提取的离散隐马尔可夫模型;并面向该模型定制了专家标注选取、导联选取、观察数据归一化、三元组初始值选取以及训练数据量选取等方法.最后,采用Baum-Welch算法训练HMM模型的参数,并利用Viterbi算法提取心电图的信号特征.仿真结果表明,基于HMM的心电图信号特征提取算法的复杂度较低、精确度较高、实时性较好,适合在线处理非线性、动态变化的心电图信号,能够满足基于躯感网的心电图信号特征提取的性能要求.
英文摘要: A discrete hidden Markov model(HMM) for ECG(electrocardiogram) signal feature extraction is built,which solves problems of ECG signal feature extraction in body sensor network and considers the feature partition of ECG waveform.Based on the proposed HMM,methods of expert annotation selection,lead selection,normalization of observation data,triple initial value selection,and training data quantity selection are customized.Finally,the HMM model parameters are trained by using the Baum-Welch algorithm,and the ...
语种: 中文
Citation statistics:
内容类型: 期刊论文
URI标识: http://ir.sia.cn/handle/173321/10312
Appears in Collections:工业控制网络与系统研究室_期刊论文

Files in This Item: Download All
File Name/ File Size Content Type Version Access License
基于隐马尔可夫模型的躯感网心电图信号特征提取方法.pdf(755KB)----开放获取View Download
Service
Recommend this item
Sava as my favorate item
Show this item's statistics
Export Endnote File
Google Scholar
Similar articles in Google Scholar
[凤超]'s Articles
[梁炜]'s Articles
[张晓玲]'s Articles
CSDL cross search
Similar articles in CSDL Cross Search
[凤超]‘s Articles
[梁炜]‘s Articles
[张晓玲]‘s Articles
Related Copyright Policies
Null
Social Bookmarking
Add to CiteULike Add to Connotea Add to Del.icio.us Add to Digg Add to Reddit
文件名: 基于隐马尔可夫模型的躯感网心电图信号特征提取方法.pdf
格式: Adobe PDF
所有评论 (0)
暂无评论
 
评注功能仅针对注册用户开放,请您登录
您对该条目有什么异议,请填写以下表单,管理员会尽快联系您。
内 容:
Email:  *
单位:
验证码:   刷新
您在IR的使用过程中有什么好的想法或者建议可以反馈给我们。
标 题:
 *
内 容:
Email:  *
验证码:   刷新

Items in IR are protected by copyright, with all rights reserved, unless otherwise indicated.

 

 

Valid XHTML 1.0!
Copyright © 2007-2016  中国科学院沈阳自动化研究所 - Feedback
Powered by CSpace