共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
3.
4.
基于小波变换的心音信号滤波方法研究 总被引:3,自引:0,他引:3
为了准确提取心音信号,心音信号消噪是实现心血管疾病无创诊断的前提,传统的心音信号消噪方法在消除噪声的同时,也滤除了心音的有用信息.利用小波变换多尺度多分辨率的特点对心音信号进行分解,将不同频带的信号展现在小波分解的不同尺度上,根据心音信号的频率分布特点,通过选择重构系数可消除心音信号中的干扰分量,并对不同小波的消噪效果以及同一小波不同分解层数的消噪效果进行仿真对比研究.结果表明,在haar、db6、sym8、coif5四种常用小波中,db6小波对心音信号的消噪效果最明显,证明其中采用db6小波进行5层分解可以获得最佳消噪效果,并对临床采集的228例心音信号进行消噪实验,db6小波均获得了很好的效果. 相似文献
5.
LabVIEW语言是一种功能强大的虚拟仪器开发平台,利用它实现小波变换的Mallat算法,并运用滤波算法对小波系数进行处理,实现信号的滤波,再重构得到所需要的真实信号,从而实现LabVIEW的二次软件开发;并成功应用于焊接电流信号的滤波分析处理,得到了真实的焊接电流信号。 相似文献
6.
7.
心音信号的自适应小波去噪 总被引:1,自引:0,他引:1
在采集心音信号过程中,难免要引入噪声,这些噪声影响到心音的分析结果。由于心音信号的非平稳性,普通的滤波方法在滤去噪声的同时,会丢失部分心音成分。文中提出了一种新的基于小波变换的自适应滤波方法,该方法能够有效抑制噪声,经实例验证,取得了满意的结果。 相似文献
8.
心音信号的自适应小波去噪 总被引:2,自引:0,他引:2
在采集心音信号过程中,难免要引入噪声,这些噪声影响到心音的分析结果。由于心音信号的非平稳性,普通的滤波方法在滤去噪声的同时,会丢失部分心音成分。文中提出了一种新的基于小波变换的自适应滤波方法,该方法能够有效抑制噪声,经实例验证,取得了满意的结果。 相似文献
9.
介绍了一种心音分析虚拟仪器的设计方案,为开发出适合个人在PC机上使用的心音分析仪器打下平台.该仪器以LabVIEW为开发平台,硬件以压控心音传感器和计算机自带声卡为基础,软件包含了心音采集、小波去噪、时域分析和频域分析等多个模块.为计算心跳频率和第一心音与第二心音之间的时间间隔,采用了提取心音包络、归一化和分段平均相结合的方法,提高了系统的容差能力和计算精度.该仪器实现了传统的心脏听诊从单一的"听"转变为可视、可听和多角度分析,可作为临床心脏诊断的辅助仪器. 相似文献
10.
分析了心音信号的产生机理、信号成分及心音的临床诊断价值。根据人体心音信号噪声强、信号弱、随机性强、容易受到外界干扰等特点,设计了基于DSP的心音信号数字检测系统,该系统由心音传感器、放大电路、滤波电路、A/D转换和DSP等部分组成;使用该系统先后在多家医院进行了临床心音信号采集,300多例心音样本采集实验表明,本系统可实现对微弱心音数据的实时采集、放大与有效滤波,采集系统可以满足对心音信号的检测要求。 相似文献
11.
12.
基于Hilbert-Huang Transform的心音信号谱分析 总被引:8,自引:1,他引:7
心音信号是一种典型的非平稳信号,传统信号处理方法的应用受到很大限制.针对此本文提出了基于Hilbert-Huang Transform(HHT) 的心音信号的分析方法,对冠心病患者的心音信号进行了分析.通过把心音信号分解为内蕴模式函数,利用Hilbert变换建立了心音信号的时间-频率-能量三维Hilbert谱分布以及边界谱分布;Hilbert谱及其边界谱在时域以及频域以较高的分辨率表征了心音信号的时频变化特性,揭示了冠心病患者心音信号的病理特征;为冠心病的早期无损诊断奠定了坚实基础,临床实践中有较大的指导价值. 相似文献
13.
基于LabVIEW和声卡的数据采集系统 总被引:6,自引:18,他引:6
本文提出了一种基于LabVIEW和声卡的数据采集系统.该方法实现简单、性价比高。生成的采集软件交互性好.操作方便.并且可以根据用户的需求进行功能扩充.为低成本下构建数据采集系统提供了一种思路。 相似文献
14.
为了在大型粮仓中局部出现害虫鸟类时可以快速找出其位置,解决目前声源定位设备成本高、计算量大实时性差的问题,对波达声差(TDOA)定位技术和互相关时延算法进行研究,提出一种改进了广义互相关时延估计算法,设计实现一种基于虚拟仪器的简易声源追踪系统根据害虫害鼠发出声音进行位置追踪进行粮仓管理;详细介绍了系统软硬件设计实现,系统可以实现参数设置、声源坐标的实时获取、文件存储、三维动态和数值显示等功能;实验结果显示,该系统具有实时性好、精度高、计算量小、工作稳定等特点. 相似文献
15.
16.
心音信号识别对心血管疾病的诊断具有重要意义,为了提高心音信号的识别性能,提出一种基于支持向量机的心音信号自动识别方法。首先采用小波分析对心音信号进行降噪预处理,然后提取心音信号的Mel频率倒谱系数作为心音信号特征,最后采用支持向量机建立心音信号分类器,对采集心音信号数据的识别性能进行验证。实验结果表明,本文方法的心音信号平均识别率高达93%以上,可以准确识别正常和各种异常的心音信号。
相似文献
17.
18.
心音信号是一种典型的非平稳信号,传统信号处理方法的应用受到很大限制。针对此本文提出了基于
Hilbert - Huang Transform(HHT) 的心音信号的分析方法,对冠心病患者的心音信号进行了分析。通过把心音信号分
解为内蕴模式函数,利用Hilbert 变换建立了心音信号的时间- 频率- 能量三维Hilbert 谱分布以及边界谱分布;
Hilbert 谱及其边界谱在时域以及频域以较高的分辨率表征了心音信号的时频变化特性,揭示了冠心病患者心音信
号的病理特征;为冠心病的早期无损诊断奠定了坚实基础,临床实践中有较大的指导价值。 相似文献