xi为对分 段ECG信号进行PCA运算后所得到的第一个主成分的贡献率，第三信息参数Psn为分段ECG 信号的频谱在0. 5~40Hz之间的信号总幅值与全频率段信号总幅值的比值。
[0068]具体地，第一信息参数Rniax的计算方法为：
[0069] 首先提取分段ECG信号前2s时间窗内的ECG信号作为模板，模板长度选择2s的 原因是ECG非伪差信号的一个心电周期在Is左右，因此可以保证绝大多数情况下模板中包 含了至少一个心电周期的ECG信号，而ECG伪差信号由于呈现随机性而不具备此特征，需要 说明，本实施例中的时间窗的类型为矩形窗，时间窗的长度与模板长度相同，均为2s;
[0070] 然后将该模板在该分段ECG信号内以一个采样点为步长逐点移位，将移位后的时 间窗内的ECG信号与模板进行相关运算，求解得到分段ECG信号在时间窗内的移位相关系 数，如果待识别ECG信号为ECG非伪差信号，则其相关系数存在一个局部最大值Rmax，即表 现出逐拍的形态相似性。而ECG伪差信号由于其具备随机性，相关系数在相关运算的求解 过程中将一直维持在一个较低的值。因此，ECG非伪差信号的第一信息参数Rmax数值较大， 而ECG伪差信号的第一信息参数1?_数值很小，二者存在较大差别，可以采用第一信息参数 RmaxS分两类信号；
[0071] 最后在排除数值为1的移位相关系数后，对剩余移位相关系数取最大值得到第一 信息参数Rmax。需要说明因为模板和移位前的时间窗内的ECG信号完全相同，所以它们的自 相关值始终为1，因此在求解第一信息参数Rmax时，需要将时间窗内自相关产生的这个局部 极大值排除，因为它不能真实反映ECG非伪差信号的逐拍相似性。
[0072] 第二信息参数Pxi的计算方法为：
[0073] 首先对分段ECG信号按照心动周期再次分段，具体的再次分段方法为：首先对分 段ECG信号的每一个心动周期内的R峰进行定位，每一段二次分段ECG信号从R峰前0. 3 倍RR间期开始，到R峰后〇. 7倍RR间期结束，经过再次分段可以得到二次分段ECG信号， 需要说明，PCA在实际应用中，要求输入矩阵应当为多次测量的数据或多个个体单次测量的 数据，即要求输入数据是多维的，然而对于实时采集的ECG信号，这一点很难实现，本实施 例通过对分段ECG信号再次分段可以得到符合PCA运算的输入数据；
[0074] 然后对该二次分段ECG信号进行PCA运算并提取第一个主成分的贡献率作为第二 信息参数Pu，需要说明，由于ECG非伪差信号中的主要成分对总体的贡献率较高，而对于 ECG伪差信号来说，其各个主成分分布很分散，其主成分的总体贡献率较低，因此可以采用 第二信息参数Pu区分两类信号。
[0075] 第三信息参数Psn的计算方法为：
[0076] 首先对待识别的分段ECG信号进行快速FFT，得到分段ECG信号的频谱；
[0077] 然后求解分段ECG信号的频谱在0. 5~40Hz之间的信号总幅值与全频率段信号 总幅值的比值，该比值即为第三信息参数Psn，另外需要说明，由于在ECG非伪差信号功率谱 中，QRS波群的频率范围集中在3~40Hz，P波和T波的频率范围主要集中在0. 7~IOHz 之间，因此本实施例选择0. 5~40Hz的频率范围计算第三信息参数Psn，该参数能够衡量待 识别的分段ECG信号中有用心电信息被噪声淹没的程度，如果噪声强度越大，则其第三信 息参数Psn就越低，反之如果噪声强度越小，则第三信息参数Psn就越高。因此，ECG伪差信 号与ECG非伪差信号的第三信息参数Psn存在较大差异。
[0078] 步骤S3 :通过PCA进行识别，判断第二信息参数？^是否满足：PJuX). 9。
[0079] 步骤S3主要判断第二信息参数Pxi是否满足：PuX). 9,如果满足该不等式，则所 选择的分段ECG信号为ECG非伪差信号并转入执行步骤S7,如果不满足该不等式，则执行步 骤S4。
[0080] 步骤S4 :通过相关分析、PCA和频谱分析共同识别，判断各个信息参数是否均不满 足对应的不等式。
[0081] 步骤S4包括判断第一信息参数1?_是否满足：Rmax>0. 61，判断第二信息参数卩^是 否满足：Psn>〇. 85,判断第三信息参数Psn是否满足：Psn〈0.44,判断分段ECG信号的频谱的最 大幅度值POW是否满足：P0W>70,如果第一信息参数Rmax、第二信息参数Pxi、第三信息参数 Psn和最大幅度值POW均不满足对应的不等式则执行步骤S6,反之如果第一信息参数1?_、第 二信息参数Pu、第三信息参数Psn和最大幅度值POW中有一个参数满足对应的不等式则执 行步骤S5。在步骤S4中，仅依靠输入信号的主成分并不能充分地判断其类型，需要考虑从 相关系数和频域上寻找其节律性和频率特征来共同判断，如果信息参数满足对应的条件， 则表示该分段ECG信号或者具有相对较强的节律性（R_>0. 61)，或者在频率上与含噪较高 的ECG信号（PsnX). 85或者Psn〈0.44或者P0W>70)较为类似。
[0082] 步骤S5 :通过经验公式识别，步骤S5执行完后执行步骤S7。
[0083] 步骤S5主要判断第一信息参数Rmax、第二信息参数PxJP第三信息参数Psn是否满 足经验公式：〇. 54*Rmax+0. 42*Pxl+0. 04*Psn>0. 5,如果满足该不等式，则所选择的分段ECG信 号为ECG非伪差信号，如果不满足该不等式，则所选择的分段ECG信号为ECG伪差信号，步 骤S5执行完后转入执行步骤S7。该经验公式通过分别对第一信息参数Rmax、第二信息参数 Pu和第三信息参数Psn施加不同权重而得到。
[0084] 步骤S6 :通过频谱分析识别。
[0085] 步骤S6主要判断第三信息参数Psn是否满足：0. 77〈Psn〈0. 85,如果满足该不等式， 则所选择的分段ECG信号为ECG伪差信号，如果不满足该不等式，则所选择的分段ECG信号 为ECG非伪差信号。由于ECG伪差信号的频率范围大多覆盖了正常ECG信号的频率范围， 因此其频率分布随机性强且较为分散，并没有集中分布在0. 5~40Hz的频率范围内，所以 通过步骤S6可以进一步提高本实施例的准确率。
[0086] 步骤S7 :判断是否已完成每个分段ECG信号的识别。
[0087] 具体地，步骤S7首先判断是否已完成每个分段ECG信号的识别，如果已完成每个 分段ECG信号的识别，则ECG信号的识别结束，反之返回步骤S2继续选择未识别的分段ECG f目号进行识别。
[0088] 为了更好的对实施例二进行说明，下面采用实施例二提供的方法进行伪差识别实 验，该实验包括对训练数据的伪差识别和对独立数据的伪差识别。
[0089] 实验数据描述如下：
[0090] 训练数据：通过向正常人窦性ECG信号中加入高斯白噪声生成训练数据。具体地， 采用了 40组正常人窦性ECG信号，该ECG信号从公开的MIT-BIH正常窦性心律数据库中下 载。其中每一组记录时间长度为5分钟，采样率均为128Hz，通过MIT-BIH数据库的注释文 件确保其中每一个心动周期都是正常可用。存在噪声干扰的ECG伪差信号的位置随机生 成，噪声时长为30~150s之间不等，添加时记录形成的伪差起始位置和终止点位置，并标 注为ECG伪差彳目号。
[0091] 独立数据：该数据由25组包含真实伪差的实测心电记录数据组成，每一组记录数 据时间长度不等，采样频率均为250Hz，数据总长度为2395s，其中，标记为ECG的信号有11 段，共计2227s，标记为ECG伪差的信号有6段，共计168s。
[0092] 采用实施例二提供的方法进行伪差信号识别实验，在训练数据上识别伪差信号的 实验结果如表1所示。实验结果表明，对于在不同信噪比下形成的伪差信号，实施例二识 别的准确度、敏感度和阳性预测率分别达到了（〇. 986