基于卷积神经网络的ECG信号识别方法

提出一种基于卷积神经网络的心电信号ECG分类识别方法。首先,利用短时傅里叶变换计算心电波形对应的心电谱图,从而获取信号的时频特性;然后,设计了两种不同的卷积神经网络结构,基于心电谱图对ECG信号分类问题进行建模。实验结果表明,相比于经典的PCA和SVM方法,所提方法在20类ECG分类任务上平均分类准确率可以达到98%以上,处理单个样本时间1.4ms左右,显示出了较高的精度和效率优势。