摘要：心律失常分类是心电图自动分析领域的重要研究内容,其中精准的特征提取在分类中起着至关重要的作用。提出一种基于经验模式分解(empirical mode decomposition,EMD)和近似熵(approximate entropy,ApEn)相结合的心电信号特征提取的新方法。首先利用EMD将心电信号分解为不同的本征模函数(intrinsic mode function,IMF),计算前6个IMF分量的近似熵作为特征向量。然后利用粒子群优化算法(particle swarm optimization,PSO)优化后的支持向量机(support vector machine,SVM)分类器进行分类。经过美国麻省理工MIT-BIH心律失常数据库进行验证,该方法能够对心律失常进行有效分类,其分类精度可达98.57%。

关键词：近似熵 经验模式分解 特征提取 粒子群优化算法 支持向量机 

单位：天津工业大学电子与信息工程学院; 天津市医学电子诊疗技术工程中心