房颤是最常见的心律失常之一，是由心房主导折返环引起许多小折返环导致的房律紊乱。它几乎见于所有的器质性心脏病，在非器质性心脏病也可发生。可引起严重的并发症，如心力衰竭和动脉栓塞。临床上根据房颤的发作特点，将房颤分为阵发性房颤(房颤发生时间小于7h，常小于24h,可自行转复为窦性心律)、持续性房颤(发生时间大于2天，多需电转复或药物转复)，永久性房颤(不可能转为窦性心律)。
基于单导联的房颤心率识别是临床上的一大挑战，我们希望用数据挖掘的方法改进对心电信号特征的分类，提高预测的准确性。

（1）选择数据集。ECG数据由AliveCor提供，ECG采集信号为300Hz，采集设备已经进行过初步滤波。

（2）数据预处理。训练数据长度不一，其中以30秒的居多，因此在训练模型的时候先不管短于30s的信号。超过30秒的信号截成两段。最后生成一个标准长度的训练集。

（3）特征提取。按照文献中采用的特征，提取峰均功率比和对数能熵。

（4）特征分类，用支持向量机分类，把心电信号分为正常信号，房颤信号，其他节律与噪声四类。

基于心电信号的时域频域特征，用支持向量机对信号分类，实现区分正常信号，房颤信号，其他节律与噪声的功能。