多种心律失常信号分类方法

本发明公开了多种心律失常信号分类方法，属于心律失常信号分类方法技术领域，心律失常的精准分类对于疾病诊断和临床治疗具有重要意义。然而，传统检测方法在处理多种心律失常时往往会受到如因心律失常所导致的信号非平稳性、特征非特异性以及伪影与噪声等多种因素的干扰，分类精度和效率难以满足需求。为此，本文提出了一种基于奇异频谱分析(SSA)改进的功率归一化倒频谱系数(SPNCC)方法，用于从光电容积图(PPG)信号中提取关键特征并降低噪声的影响，并结合卷积神经网络与双向长短期记忆网络(CNN‑BiLSTM)构建深度学习分类模型，以实现对多种心律失常的精准识别。