20、基于深度学习与PCA的SCA检测及物流运输移动机器人模糊PD控制研究

基于深度学习与PCA的SCA检测及物流运输移动机器人模糊PD控制研究

1. SCA检测研究

1.1 数据来源与预处理

在SCA（Sudden Cardiac Arrest，心脏性猝死）检测研究中，选用了Creighton University Ventricular Tachyarrhythmia Database（CUDB）和MIT - BIH Malignant Ventricular Arrhythmia Database（VFDB）。CUDB包含35个单通道记录，每个记录时长8分钟；VFDB有22个双通道记录，时长为35分钟，为提升性能，采用个体的第一通道。所有记录共57个，将其分割为不重叠的8秒心电图（ECG）片段，其中有1135个可电击信号片段和5185个不可电击信号片段，采样频率为250Hz。

将全部ECG片段按70%和30%的比例分为训练数据和测试数据，即40个记录的4303个片段用于训练，17个记录的2017个片段用于测试。ECG信号的预处理步骤如下：
1. 实施五阶移动平均滤波，使信号平滑。
2. 使用截止频率为1Hz的高通滤波去除基线漂移。
3. 采用30Hz的低通巴特沃斯滤波消除高频噪声。

1.2 方法步骤

构建提出的SAA（Shock Advice Algorithm，电击建议算法）主要有三个步骤，如下所示：

graph LR
    classDef startend fill:#F5EBFF,stroke:#BE8FED,stroke-width:2px;
    classDef proc