短时经验模态分解实时识别生猪心电QRS波群

S818.2; 心率是猪的重要生命体征,而在健康监测中由于猪的依从性较差而造成心电信号呈现非平稳特性,给实时心率计算带来困难.该文针对此问题结合经验模态分解方法(empirical mode decomposition,EMD)提出一种对心电信号具有实时处理能力的短时经验模态分解算法(short-time empirical mode decomposition,ST-EMD).该算法通过对数据分段并根据信号特征决定分段起点及长度等参数,然后对每段数据进行EMD分解,再基于能量窗变换法从分解结果中提取QRS波的特征参数并识别R波.通过动物试验表明,ST-EMD算法能够对猪的心电信号实时处理和识...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 34; no. 10; pp. 172 - 177
Main Authors 贾桂锋, 王自唱, 向兴发, 武墩, 高云, 黎煊, 冯耀泽
Format Journal Article
LanguageChinese
Published 华中农业大学工学院,武汉 430070 2018
农业部长江中下游农业装备重点实验室,武汉 430070%华中农业大学工学院,武汉,430070
Subjects
identification
empirical mode decomposition
识别
image segmentation
data processing
图像分割
经验模态分解
猪
数据处理
QRS波群
QRS wave
pig
Online AccessGet full text

Cover

More Information
Summary:S818.2; 心率是猪的重要生命体征,而在健康监测中由于猪的依从性较差而造成心电信号呈现非平稳特性,给实时心率计算带来困难.该文针对此问题结合经验模态分解方法(empirical mode decomposition,EMD)提出一种对心电信号具有实时处理能力的短时经验模态分解算法(short-time empirical mode decomposition,ST-EMD).该算法通过对数据分段并根据信号特征决定分段起点及长度等参数,然后对每段数据进行EMD分解,再基于能量窗变换法从分解结果中提取QRS波的特征参数并识别R波.通过动物试验表明,ST-EMD算法能够对猪的心电信号实时处理和识别QRS波群,识别正确率为99.6%,且表现出一定的自适应性.说明本文提出的ST-EMD算法思路是正确的,适用于生猪的心电实时健康监护.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2018.10.021