基于小波时间散射网络的ECG 信号分类

基于小波时间散射网络的ECG 信号分类
程序运行环境为MATLAB r2021b
该程序使用小波时间散射网络和支持向量机分类器对人体心电图 （ECG）信号进行分类。
在小波散射中，数据通过一系列的小波变换、非线性化和平均化过程，以产生时间序列的低方差表示。
小波时间散射产生了对输入信号微小变化不敏感的信号表示，而几乎不会影响到分类准确率，效果比卷积神经网络等深度学习模型要好。
程序中使用的数据为 PhysioNet公开数据集。
本程序使用从3种 ECG 数据：心律失常数据、充血性心力衰竭数据和正常窦性心律数据，共使用来自3个 PhysioNet 数据库的162条ECG 记录：MIT-BIH心律失常数据库、MIT-BIH正常窦性心律数据库和BIDMC充血性心力衰竭数据库。
 共有96个心律失常患者的信号，30个充血性心力衰竭患者的信号，以及36个正常窦性心律患者的信号，目标就是训练分类器来区分心律失常 （ARR）、充血性心力衰竭 （CHF）和正常窦性心律 （NSR）3类信号。
 
几个样本的波形，小波时间散射网络滤波器组中的小波滤波器的波形，小波时间散射网络分类结果的混淆矩阵如图所示，准确率达到了99.92%。

相关代码,程序地址：http://imgcs.cn/lanzoun/678267601971.html