心肺复苏是目前抢救心脏骤停患者的唯一有效途径。胸外按压是心肺复苏中试图恢复人体自主循环的重要技术,通过对胸外按压的监测分析,实时反馈给救援者为心肺复苏过程提供参考,能够提高心肺复苏的成功率。已有研究表明,在心肺复苏过程中,胸外按压的快慢、深度均能反映在胸阻抗信号波形中,并且可准确地估算出瞬时的按压频率。通过对胸阻抗信号的检测分析,指导胸外按压具有可实施性和积极的参考意义,可增加心肺复苏操作的成功率。本文针对心肺复苏中胸阻抗信号的波形特点,通过多方面的研究,提出了两种胸阻抗信号自动识别算法,旨在实现理想的分类效果并完成心肺复苏的质量评估。主要研究内容如下:①针对常用的信号预处理方法的优缺点并结合胸阻抗信号的特点,设计了基于小波阈值和形态学的胸阻抗信号滤波方法。该方法首先对胸阻抗信号分别进行开和闭组合运算再叠加平均得到基线漂移信号,再从原信号中减去获得的基线漂移信号,最后再通过小波软阈值滤波器,进而得到滤除了高频噪声和基线漂移的胸阻抗信号。②针对已有胸阻抗信号波形定位的不足,提出了基于多分辨率窗口搜索法的波形标记算法。方法采用不同的分辨率处理同一信号,能够寻找到不同分辨率下的局部最优值,然后通过梳理他们得到更加精确的最优值。③提出了基于模式识别的胸阻抗自动检测算法,通过基于小波与形态学的滤波方法对信号进行预处理,再由多分辨率窗口搜索法完成潜在按压和通气波形的定位,在提取高度H和加权宽度Ln作为特征后,采用线性判别分析法对定位的按压和通气波形进行分类识别。结果表明,达到了较好的分类识别效果,且计算简单,处理速度快。④提出了采用基于密度加权和偏好信息的K均值聚类的胸阻抗信号自动检测算法,方法将信号经过基于小波与形态学的滤波方法处理后,通过多分辨率窗口搜索法完成波形的标记;接着,提取了除高度H和宽度L外的,更具有特异性、鲁棒性更强的相邻波形特征差以及小波系数能量与幅值比系数作为特征;最后采用基于密度加权与偏好信息的K均值聚类分析法对标记的波形进行分类识别。结果表明,该算法的正确率和敏感度均较高,鲁棒性好,且满足实时性要求。本文研究为实现心肺复苏中胸阻抗信号的实时监测提供了新颖的理论和方法依据,为心肺复苏领域的胸外按压质量评估和院外心肺复苏监测奠定了基础。