【信号识别】基于小波时间散射和LSTM实现心电图（ECG）信号检测分类附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测 雷达通信  无线传感器

信号处理 图像处理 路径规划 元胞自动机 无人机  电力系统

⛄ 内容介绍

我们将使用小波变换生成信号的时频表示。小波变换极大的增强了信号中作为时间的函数存在的频谱信息。我们可以将这些信息保存为图像，以便与卷积神经网络一起使用。卷积神经网络将被训练来检测超声心电图（ECG）信号是否来自正常窦性心律（NSR）、心律失常（ARR）或充血性心力衰竭（CHF）的心脏。 

⛄ 部分代码

I. 准备信号

加载信号

数据是162个采样信号，以128Hz的频率（Fs）采样。数据下载链接：https://github.com/mathworks/physionet_ECG_data/ 

load(fullfile(pwd, "ECGData.mat"))

Fs = 128;

这些信号分为三类：

unique(ECGData.Labels)

其中ARR是指心律异常（心律失常）的信号，CHF是指充血性心力衰竭，NSR是指心律正常（正常窦性心律）

⛄ 运行结果

⛄ 参考文献

[1]李雪. 基于LSTM的心律失常分类研究[D]. 兰州大学.

[2]孔康, 李德盈, 孙中圣. 基于小波包组合特征和LMS-LSTM的表面肌电信号分类[J]. 电子技术应用, 2022, 48(10):5.

⛄ 完整代码

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料