اسداله کرایی - گروه مهندسی برق واحدشیراز دانشگاه آزاد اسلامی شیراز ایران
مهسا واقفی - گروه مهندسی برق واحدشیراز دانشگاه آزاد اسلامی شیراز ایران

سیگنال الکتروکاردیوگرام((ECG، یکی از مهمترین ابزارها برای طبقهبندی انواع مختلف آریتمیهای قلبی است. از آنجا که سیگنال-های مورد پردازش بصورت واقعی از افراد اخذ میشوند، به احتمال زیاد حاوی نویزهای مختلفی چون نویز ماهیچهای یا تداخل خط تغذیه هستند. بنابراین قبل از پردازش و طبقهبندی سیگنالهای الکتروکاردیوگرام، نیاز است مرحلهی پیشپردازش که همان کاهش نویز است، انجام گردد. به علت غیرایستا بودن این سیگنال، تکنیک تجزیه به روش تجربی مجموع((EEMD پیشنهاد داده میشود. پس از مرحلهی حذف نویز، با استفاده ازتکنیک تجزیهی بستهی موجک، ویژگیهای آماری استخراج و بین صفر و یک نرمالیزه میشوند. در نهایت به کمک شبکه عصبی پس انتشار، سیگنالها براساس ویژگیهای آماری استخراج شده، طبقهبندی میگردند. در شبیهسازی این مقاله، تعداد 17 عدد سیگنال الکتروکاردیوگرام، از پایگاه دادهی MIT-BIH، اخذ شده است که در مرحلهی طبقهبندی در 6 کلاس مختلف قرار میگیرند. الگوریتم شبکهی عصبی پس انتشار با استفاده از EEMD، نتایج طبقهبندی بسیار خوبی با دقت 99/33 درصد را بدست آورده است.

الکتروکاردیوگرام، شبکه عصبی پس انتشار، تجزیه به روش تجربی مجموع، تجزیه ی بسته ی موجک