بیماری های قلبی یکی از شایع ترین عوامل مرگ و میر در محدوده های سنی مختلف می باشد و تعیین دقیق نوع آریتمی براساس پردازش سیگنال های قلبی می تواند در کنار دانش پزشکی به تصمیم گیری درست در مورد وضعیت بیمار منتهی گردد. در این زمینه تشخیص نوع آریتمی و انتخاب شیوه درمانی مناسب بر اساس آن می تواند به یک مسئله چالش برانگیز تبدیل گردد زیرا امکان بروز خطا در این تصمیم گیری توسط پزشک وجود دارد. به منظور بررسی دقیق جزئیات سیگنال قلبی ثبت شده از بیمار، بکارگیری تکنیک های پردازش و تحلیل سیگنال می تواند اهمیت بسیاری داشته باشد. در این مقاله، تشخیص نوع آریتمی به کمک ترکیب ویژگی های مورفولوژیکی و ضرایب تبدیل بسته موجک صورت می گیرد. به منظور کاهش بُعد این دسته ویژگی ها از الگوریتم تحلیل مولفه های اساسی تُنُک ساختار یافته استفاده می شود. سپس از این بردار ویژگی به منظور یادگیری مدل های بازنمایی کننده ساختار داده مربوط به هر نوع آریتمی قلبی به کمک الگوریتم فاکتورگیری ماتریس غیرمنفی تُنُک استفاده می گردد. دسته بندی داده ها در این روش براساس مقدار انرژی ضرایب تُنُک حاصل از بازنمایی داده صورت می گیرد. نتایج روش پیشنهادی با نتایج حاصل از سایر رو شهای مطرح در این حوزه و نیز سایر طبقه بندهای مبتن یبر شبکه عصبی و ماشین بردار پشتیبان مقایسه شده است. نتایج حاصل از این شبیه ساز یها نشان می دهد که روش پیشنهادی مبتنی بر ویژگی های ترکیبی معرفی شده و مدل های آموزش دیده قادر به دسته بندی انواع آریتمی قلبی با دقت بالا خواهد بود.
