基于张量分解与机器学习的高动态TWA多通道检测方法

本发明属于心电信号检测领域，涉及基于张量分解与机器学习的高动态TWA多通道检测方法，包括：获取多个多通道的ECG信号并进行预处理，得到多个TWA交替信号；根据多个TWA交替信号构建短时动态数据集；对短时动态数据集中的每个张量分别进行张量分解，得到分解因子数据集；对分解因子数据集中的分解因子分别进行特征提取，得到特征因子数据集；利用特征因子数据集训练机器学习模型；获取ECG信号，计算ECG信号的特征因子，将ECG信号的特征因子输入训练好的机器学习模型，得到检测结果；本发明考虑TWA的短时动态特性构建带标签的短时动态数据集，为TWA研究提供了短时高动态的训练样本，避免依赖真实数据集可能存在的数据稀缺或标签不准确等问题。