郭 庆，迮良佳，胡鸿志

(1.桂林电子科技大学电子工程与自动化学院，广西桂林 541004;2.桂林电子科技大学广西自动检测技术与仪器重点实验室，广西桂林 541004)

1 引言

心电信号是人体心脏电活动在体表的综合反映，能够为诊断心脏疾病提供可靠的依据[1]。基于心电信号的特征识别方法研究对检测和诊断心脏疾病具有重要的指导意义。由于心电信号自身波形的复杂多变性以及噪声干扰，对心电信号做特征识别存在特征提取比较困难、识别精度不够高等问题。

本文对心电信号的特征提取和特征识别方法进行研究，旨在提取能够最大化反映心电信号原始信息的特征，并获取较高的心电特征识别正确率。

特征提取是进行特征识别的首要环节。首先针对心电信号易受噪声干扰等问题，本文采用强制滤波的方法对基线漂移、工频干扰和肌电干扰等噪声信号做处理，保证了后期特征提取的质量。其次采用小波包变换对心电信号做三尺度分解，并对第三尺度上的8个节点相应的频带信号进行能量特征提取，获取心电信号的8维特征向量。

特征识别模型的优劣直接影响着分类的效果。本文根据PSO算法收敛速度快、寻优精度高等优点，融合BP神经网络构建PSO-BPNN识别模型。利用PSO算法对BP神经网络的权值和阈值参数进行优化，将得到的心电特征数据作为模型的输入。引入LM-BPNN和RBF网络分类模型，与PSO-BPNN模型作对比分析并总结。

仿真结果表明，小波包变换提取心……