基于改进DTW和机器学习的动态心电图波形信号分析方法

本发明公开了一种基于改进DTW和机器学习的动态心电图波形信号分析方法，涉及医疗监测与人因工程技术领域。首先通过快速自适应滤波和小波阈值降噪对原始信号进行去噪与基线校正；再采用自适应Sakoe‑Chiba带约束的改进DTW算法，通过基于动态心电图信号生理特征的限制对齐路径带宽，动态规划生成最小累积代价路径，计算归一化DTW距离；最后结合XGBoost分类器与SHAP可解释框架，利用DTW对齐距离及时频域特征进行分类训练，并通过Shapley值量化特征贡献，生成分类结果。本发明解决了传统DTW效率低、传统模型黑箱化的问题，具备实时处理与长时间数据分析能力，为心脏健康监测提供了高效可靠的技术支持。