基于小波变换心电信号去噪方法

小波变换基于模极大值的去噪方法具有非线性及自适应特性,而且特别适合于进行非平稳的微弱信号及具有较多奇异点信号的消噪,这种信号特点恰好是心电信号最突出的特征,也是常规信号处理方法遇到的最大难题。本文简述了小波变换模极值去噪方法在心电信号处理中的应用,并证实这种方法可以在信号消噪的同时有效地改善信噪比,并同时提高信号的分辨率。     

一种面向穿戴式应用的超高噪声心电信号处理方法

针对穿戴式设备实测心电信号的超高强度噪声问题,提出一种改进的心电信号消噪方法。利用小波分析进行预处理,再利用简单整系数滤波器进行进一步消噪。通过对比,本文提出的改进的心电信号消噪方法性能优于传统的小波阈值去噪法和数字滤波法,处理时间比小波阈值去噪法低33%。结果表明,基于小波分析和简单整系数滤波器相结合的消噪法,对于具有超高强度噪声的穿戴式设备实测心电信号处理效果优异,且运算成本低于传统的小波阈值法,更利于硬件实现。     

心电信号的小波变换消噪方法

人体心电信号微弱,信噪比较低.为了消除心电信号中的噪声,提高心电监护仪的性能和计算机自动诊断效率,人们已提出了多种方法来消除这些噪声.小波变换是一种信号的时间尺度(即时间频率)分析方法,具有多分辨率分析的特点。它对信号具有的自适应性,使其成为数字信号处理领域中的一个重要工具.这里提出了一种采用阈值预处理的小波变换消噪方法,该方法可以降低模极大值消噪算法计算的复杂程度,又可保证心电信息特征不被丢失.试验表明,该方法能较好地实现心电信号的消噪.显然,该方法也适合于信噪比较低的生物信号的处理中.     

心电信号的小波变换处理算法及仿真

为了有效去除心电信号中的干扰噪声,对信号特征点进行准确标定,采用小波变换的阈值去噪算法和时域峰值定位算法进行心电信号处理.利用bior3.7小波按照Mallat算法对ECG信号进行分解,结合软硬阈值与小波重构的算法对信号进行去噪处理,给出了小波变换与时域峰值定位结合的算法检测各特征点.仿真结果表明小波阈值算法能有效去除心电信号中的干扰噪声,保留心电信号的有效信息,基于小波变换的时域峰值定位算法能准确检测出心电信号中的特征点.     

基于分数阶小波变换的心电信号去噪处理研究

为了能够快速简单的滤除心电噪声,提高信号的信噪比,采用分数阶小波变换对心电信号进行处理,并利用"Arrhythmia Database"和"Noise stress Test Database"数据库中的数据和对其进行验证.仿真结果表明,运用这种方法能够有效地提高心电信号的信噪比,清晰的还原出心电信号的波形及其特点.所以分数阶小波变换在心电信号去噪处理中具有很好的应用.     

基于改进小波阈值法的平移不变心电信号去噪

人体心电信号在采集过程中掺杂着各种噪声信号,而常用的小波阈值法在心电信号去噪中存在缺陷,为此在小波阈值法的基础上进行改进,得到新的阈值去噪方法,该方法能够较好保护心电信号特征,有效保持各种心电波形的幅度,并在一定程度上有效抑制脉冲噪声.此外,由于传统小波阈值法去噪都是基于离散小波变换进行的,所以在幅度较小的Q,S波处会产生Pseudo-Gibbs现象,而文中以改进的小波阈值法为基础对心电信号进行平移不变的去噪处理,有效地克服了这个问题.利用美国麻省理工学院的MIT-BIH心电数据库对以上方法进行验证,取得了良好的去噪效果.实验结果表明,所提出的算法与传统的小波阈值法比起来能够更好的保持心电信号的几何特征,且具有更高的信噪比.     

基于HHT的心电信号滤波算法的研究

针对心电信号具有非线性、非平稳弱信号的特点,借鉴小波滤波算法的思想,基于HHT变换,提出一种去除噪声对应尺度细节分量和阈值相结合的HHT心电滤波算法.并借助MATLAB仿真平台,采用同一阈值函数,对含噪心电信号分别运用小波滤波算法和基于HHT设计心电滤波算法进行滤波仿真比较.最后以MIT-BIH心律失常数据库中的提供的含噪心电信号作为数据源,进行仿真滤波实验,验证了HHT滤波算法对心电信号的基线漂移、工频噪声、肌电干扰去除的有效性.     

基于2D小波变换的图像消噪算法

利用2D小波变换对含噪图像进行消噪处理。基于小波变换具有的多分辨率特点,分析图像信号的局部特征,滤除掉含噪图像中的高频成份,达到降低噪声的目的。文中给出了含噪二维图像信号模型,以及利用2D小波分析对图像信号消噪的步骤。同时介绍了MATLAB6．5中小波分析支持的图像格式。经噪声图像仿真测试,小波变换中独立阈值法具有较好的消噪效果。     

膈肌肌电信号中心电干扰去除技术的一种方法

本文基于小波信号分解与重建理论和自适应滤波技术相结合的方法,以去除膈肌肌电信号中的心电干扰. 首先,采用小波分解把肌电信号中包含心电干扰的低频段分离出来,这部分信号经过自适应滤波处理后压低膈肌肌电信号,突出心电信号,然后从肌电信号中减去通过自适应滤波得到的心电噪声,再与处理后的细节进行小波的信号重建,得到心电干扰较少的EMGdi信号. 通过对真实的临床医学数据处理,并与常用的高通滤波方法作比较,结果表明,本文所提方法的输出信号的信噪比明显提高,对比处理前后信号的功率谱发现处理后的信号的频谱明显向高频移动,表明该方法取得了较好的去噪效果.     

平稳小波变换和新阈值函数用于心电信号去噪

心电信号采集过程中容易受到基线漂移、工频和肌电等噪声的干扰.为了提高心电信号的信噪比,结合平稳小波变换,在使用小波阈值去噪法去燥过程中,提出一种有别于常用软硬阈值函数的新的阈值函数.通过分析实测数据验证新阈值函数,结果表明,该方法更加有效地抑制了心电信号中混入的基线漂移、工频和肌电噪声,且较好地保留了原始心电信号的特征.     

基于小波变换的心电信号噪声处理

以小波变换的多分辨率分析为基础，通过对体表心电信号(ECG)及其噪声的分析，对ECG信号中存在的基线漂移、工频干扰及肌电干扰等几种噪声，设计了不同的小波消噪算法；并利用MIT／BIH国际标准数据库中的ECG信号和程序模拟所产生的ECG信号，分别对算法进行了仿真与实验验证。结果表明，算法能有效地滤除ECG信号检测中串入的几类主要噪声，失真度很小，可满足临床分析与诊断对ECG波形的要求。     

基于小波变换的QRS波形检测方法

介绍了一种使用小波变换对单导联心电信号QRS复合波进行检测的方法.用二次样条函数的母小波函数,对信号按àtrous算法进行变换.通过一系列改进措施来提高QRS波的检测精确度.在Matlab平台下,用MIT-BIH心律失常数据库对该算法进行检测验证,发现对各种干扰和病态波形有很好的抑制能力,使QRS复合波的检测率敏感度Se为99.89%,正确率P 为99.97%.     

基于小波包变换的电力系统谐波电流检测

针对常规快速傅立叶变换无法检测非整数次谐波,以及改进的加窗插值快速傅立叶变换运用困难,采用小波、小波包变换对电网信号中的谐波进行检测分析。小波包变换建立在二进小波变换基础上,可以实现对信号的均匀划分,能够更好地提取信号的时频特性。仿真结果证明,较之傅立叶变换和小波变换,小波包变换对电网信号中谐波的幅度、频率的估计具有更高的精度。     

A new real-time algorithm of wavelet transform for detection of sudden-changing signals of power systems

With a complex wavelet function, a new real-time recursive algorithm of wavelet transform (WT) is analyzed in detail. Compared with the existing recursive algorithm in two directions, the computing time is greatly redueed in response to faults signals in power systems, and the same recursive algorithm can be generalized to other wavelet functions. With the phases and magnitudes of complex WT coefficients under the fast recursive algorithm, a method to detect faults signals of power systems is presented. Lastly, the analyzing results of some signals show that it is effective and practical for the complex wavelet and its real-time recursive algorithm to detect faults of power systems.     

分数阶傅市叶变换域的心电信号滤波算法

心电信号是一种非平稳的低频微弱信号,与干扰噪声具有较强的时频耦合．经典的滤波方法难以实现有效的信噪分离．提出了一种基于分数阶傅立叶域的LMS自适应滤波算法,既结合了适合处理非平稳信号和减少时频耦合的特点,又能够有效地提高信噪比．首先将信号进行分数阶傅立叶变换,寻找最优变换域,再利用LMS自适应滤波算法在最优变换域滤波,然后对滤波后的信号进行分数阶傅立叶反变换．通过对MIT—BIH中的心电数据进行Mat—lab仿真,表明信噪比从-6dB提高到14dB,清晰地还原出心电信号的波形及特征点．     

基于小波提升的ECG去噪和QRS波识别快速算法

提出了一种基于小波提升的ECG去噪和QRS波识别的快速算法。该算法在小波提升基础上引入加权阈值收缩法,保证ECG有用信息不丢失,提高了去噪效果;利用去噪重构的中间结果并结合简单的差分法,实现了使用平滑函数一阶导数对信号进行小波提升变换,避免了需要二次小波提升变换的运算,在保证识别精度的同时,大大降低了运算复杂度。实验结果表明,该算法能得到较高的SNR和较低的MSE,QRS波识别准确率达到了99.5%以上。并且,该算法利于在硬件平台(FPGA)上实现,便于在心电监护设备上集成。     

Extraction of failure characteristic of rolling element bearing based on wavelet transform under strong noise

There has been a lot of research has been performed regarding diagnosing rolling element bearing faults using wavelet analysis, but almost all methods are not ideal for picking up fault signal characteristics under strong noise. Therefore, this paper proposes auto-correlation, cross-correlation and weighted average fault diagnosis methods based on wavelet transform (WT) de-noising which combine correlation analysis with WT for the first time. These three methods compute the auto-correlation, the cross-correlation and the weighted average of the measured vibration signals, then de-noise by thresholding and computing the auto-correlation of de-noised coefficients of WT and FFT of ctlergy sequence. The simulation results indicate that all methods enhance the capabilities of fault diagnosis of rolling bearings and pick up the fault characteristics effectively.     

MPSK信号小波变换过零特征分析

小波变换提供品质因数Q恒定的滤波器分析，能够精细刻化M电平相移键控（MPSK）信号在码元转换时刻的相位跳变。给出了MPSK信号小波变换后在时间—尺度图谱上小波系数的过零特征。通过构造特殊的数字序列，分析了小波系数过零点分层数与MPSK信号的电平数M的对应关系，详细讨论了MPSK信号不同的相位跳变模式与过零点层次性的内在联系。提出了基于小波变换过零特征的MPSK信号调制类型识别方法。仿真结果表明，MPSK信号小波变换存在显著的过零特征，基于该特征的MPSK信号的类型识别方案是可行的，为软件无线电的实际应用提供了理论参考。     

QRS waves detection algorithm based on positive-negative adaptive threshold method

In order to accurately detect the occasional negative R waves in electrocardiography （ECG） signals, the positive-negative adaptive threshold method is adopted to determine the positive R waves and the negative R waves, according to difference characteristics of ECG signals. The Q and S waves can then be accurately positioned based on the basic characteristics of QRS waves. Finally, the algorithm simulation is made based on the signals from MIT-BIH database with MATLAB. The ex- perimental results show that the algorithm can improve the detection accuracy rate to 99. 91% and o- vercome the problem of larger computation load for wavelet transform and other methods, so the al- gorithm is suitable for real-time detection.