基于平稳小波变换的心电信号噪声消除方法

本文针对小波空间适应法在心电信号消噪中的缺陷,提出一种利用平稳小波变换(Stationary Wavelet Transform)的心电信号消噪方法,对受噪声污染的心电信号进行多层平稳小波变换,逐层估计平稳小波变换细节信号中噪声的均方差σ_j,选取各层阈值σ_j 2lnn (n为细节信号长度),对平稳小波变换的各层细节信号进行分别阈值处理,然后进行小波逆变换重建信号,以达到对信号消噪和恢复的目的.这种方法可以很好的抑制小波空间适应法消噪出现的Gibbs现象,较好地保持了心电信号的几何特征.     

基于P89LPC938的心电信号采集及处理系统

人体的心电信号是一种低频率的微弱信号,而心电信号的测量环境很复杂,在采集过程中不可避免地会混入各种干扰信号,因此要求采集系统具有高抗扰特性.文中详细介绍了基于O89LPC938微控制器的心电信号采集及处理系统,给出了一种实用的心电信号采集和调理电路,介绍了小波变换在心电信号处理中的应用,应用结果表明该系统具有硬件简单、成本低廉、精确度高等特点.     

基于AR模型的小波变换在脑电信号消噪中的应用

提出了基于自回归模型(ARM)与小波变换的脑电信号分析方法,并利用他来消除脑电信号中的噪声干扰。小波变换是一种多分辨率的时间尺度分析方法,他能够将信号划分为不同频段的子带信号。根据小波变换的这一特性,对采样获得的脑电信号进行各尺度分解及消噪分析,并给出了各尺度分解结果及消噪结果。利用小波变换能有效去除脑电信号中的噪声干扰。     

脑电信号中眼电伪迹自动去除方法的研究

 针对实际采集的脑电信号受眼电干扰较大,提出一种基于离散小波变换(DWT)与独立分量分析(ICA)的自动去除眼电伪迹的方法(DWICA).对采集的多导脑电和眼电信号进行离散小波变换,获取多尺度小波系数,将串接小波系数作为ICA的输入;利用基于负熵判据的FastICA算法实现独立成分的快速获取,引入夹角余弦准则自动识别眼迹成分,并经过ICA逆变换将剔除眼迹后的独立成分投影返回到原脑电信号各个电极;通过DWT逆变换重构信号,即可得到去除眼迹的各导脑电信号.实验结果表明,DWICA方法极大地提高了脑电信号的信噪比,抗噪能力强且实时性好,为脑电信号的在线预处理提供了新思路.     

基于DSP Builder的脑电信号小波处理

针对脑电信号非平稳性特点,利用小波变换对采集到的脑电信号进行滤波处理。然而小波变换巨大的计算量限制其在高速实时信号处理领域的应用,FPGA器件兼具并／串行工作方式,具有较高的并行计算能力,在现场数字信号处理领域具有较强的实时性。提出基于FPGA的小波变换系统设计方法,首先利用DB2小波对脑电信号按Mallat算法进行分解,然后采用小波重构算法去噪。试验结果表明,运用小波分解重构算法,可以对脑电信号进行实时滤波。     

基于DSP Builder的脑电信号小波处理

针对脑电信号非平稳性特点,利用小波变换对采集到的脑电信号进行滤波处理.然而小波变换巨大的计算量限制其在高速实时信号处理领域的应用,FPGA器件兼具并/串行工作方式,具有较高的并行计算能力,在现场数字信号处理领域具有较强的实时性.提出基于FPGA的小波变换系统设计方法,首先利用DB2小波对脑电信号按Mallat算法进行分解,然后采用小波重构算法去噪.试验结果表明,运用小波分解重构算法,可以对脑电信号进行实时滤波.     

小波变换与自适应滤波在脑电信号消噪中的应用

提出了基于AR(自回归)模型的小波变换与LMS(最小均方)自适应滤波相结合的脑电信号分析方法,并利用它来消除脑电信号中的噪声干扰。实验结果表明,利用小波变换与自适应滤波相结合能有效去除脑电信号中的噪声干扰。     

基于小波变换的脑电信号噪声消除方法

本文探讨了基于正交小波变换的脑电（ＥＥＧ）信号分析方法,并利用小波变换对脑电中瞬态脉冲干扰进行检测和消除。实验结果表明,在对脑电信号进行分析和处理方面,小波变换较之传统傅立叶变换方法具有明显的优点。     

基于小波的模拟自然阅读事件相关电位的单次提取

选择合适的信号处理方法从脑电信号中提取用户的信息和命令,是改进脑计算机接口通讯速率的方法之一.由于自发脑电信号(electroencephalograph,EEG)是非高斯有色噪声,且自发脑电信号的频谱不规则、与有效信号的频谱相重叠,传统的滤波方法难以取得较好的效果.基于白噪声与有效信号的小波变换模极大值在不同尺度下的传播行为不一样的原则,本文提出了一个基于自回归模型和小波变换多尺度分析的模拟自然阅读事件相关电位的单次提取方法.经对实际脑电信号处理的实验表明,该算法能较好的提取脑电信号.     

电子元件、组件

TM4012011010807基于支持向量机的时序周波波形分类方法/胡志坤,王美铃,桂卫华,阳春华,丁家峰(中南大学物理科学与技术学院)//浙江大学学报(工学版).―2010,44(7).―1327～1332.针对电力系统输出的周波波形多的特点,提出一种基于小波分析和支持向量机(SVM)的时序周波波形分类方法,实现三相电压源型逆变器的故障分类。利用离散正交小波变换(DOWT)将周波序列变换成小波系     

二次小波变换自动阈值算法提取局部放电信号

采用二次小波变换自动阈值算法对局部放电信号进行提取。在数值仿真中,采用指数衰减或指数衰减振荡等4种放电信号,研究了局部放电信号的提取效果。仿真结果表明,由于小波变换具有多分辨率的特性,能有效地从随机噪声中提取出放电信号,较常规一次小波变换阈值消噪方法相比,二次小波变换更多地保留了原始局部放电信号的特征信息,该算法处理速度较快,也适合在线处理。     

基于独立分量分析和小波变换的膈肌肌电信号降噪

提出了一种基于独立分量分析(ICA)和小波变换的处理方法,用于去除膈肌肌电信号中的心电干扰.首先利用独立成份分析法从膈肌肌电信号分解出心电独立成份,并对该心电成份选择合适的高通滤波器加以滤除,其它为膈肌肌电信号的独立分量进行五尺度小波分解以去除含心电的近似分量,再对各层细节分量进行小波重构,然后将处理后的全部独立分量反射投影回原始信号空间,最后,对临床采集的5路膈肌肌电信号进行实验分析,并与传统ICA方法进行对比.结果表明本文方法有更好的降低心电干扰性能.     

基于小波变换的空域相关法在肌电信号中的应用

为了消除混杂在肌电信号中的噪声,并保留信号的细节,提出了基于小波变换空域相关法的肌电信号消噪方法.文章首先对小波变换和空域相关滤波的基本理论进行了简要的概述,其次就空域相关滤波用于肌电信号的消噪过程进行了详细的分析.通过肌电信号的小波分解,用空域相关法分离信号与噪声,并给出了一种针对肌电信号各层噪声能量阈值的估计算法.实验结果表明,空域相关滤波较好的保留了肌电信号的边缘特征,为肌电信号的特征提取创造了良好的条件.     

医用电子技术与设备

0625197基于聚类算法的选择性神经网络集成在大脑胶质瘤诊断中的应用=Prediction of malignancy degree in brain glioma using selective neural netwokrs ensemble[刊,英]/刘天羽//上海大学学报(英文版)．—2006,10(3)．—244-246(E) 0625198小波变换在心电信号处理及特征提取中的应用[刊,中]/师黎//郑州大学学报(工学版)．—2006,27(2)．—65-69(L)首先利用小波变换方法,滤除心电信号中各种干扰,包括工频干扰、肌电干扰和基线漂移等。再用基于haar的连续小波变换方法对R波峰值进行特征提取。然后根据医生的临床经验需要,提出了一种交互式提取ST段的方案。最后对心电信号发生器产生的心电信号进行实验,实验结果表明：用连续小波变换方法对R波峰值进行定位准确度可达到99．84%,用交互式方法对ST段特征点的定位比较准确,采用小波变换方法滤波对低频基漂也有较好的滤波效果,能克服信号-噪声频带重叠。参7     

一种基于小波变换的脑电信号处理的新方法

文章提出一种利用小波变换对脑电信号瞬态提取的新方法。实验表明基于小波变换的脑电信号瞬态检测法能方便而有效地完成瞬态波形的检测与参数提取。     

小波变换在EEG噪声滤除中的应用

通过小波变换与标准傅里叶变换和短时傅里叶变换比较,指出了小波变换以其良好的时频局部性,成为时频分析方法中发展最为迅速的一种,并着重介绍了小波变换在滤除脑电信号噪声领域的应用.     

基于小波包分析的ECG信号降噪

在临床医学检测上,心电信号(ECG)是一种典型的人体生理信号,在采集时常伴有工频干扰、基线漂移和肌电干扰等影响。为后续能进行有效诊断,必须对采集的ECG信号进行预处理。文中介绍了一种基于小波包分析的ECG信号降噪方法,首先根据熵标准选择最佳小波包基,然后对ECG信号进行多层小波包分解,最后对分解系数进行阈值量化后得到重构信号。通过对胎儿ECG信号的仿真实验,结果表明,小波包分析方法比傅里叶变换和小波变换等具有更好的降噪效果。     

基于EWT和结构特征提取的心电信号R波识别算法

R波作为心电信号中最明显的特征,常作为确定心电信号其他波段的重要依据.针对现有算法识别率低的问题,提出一种基于经验小波变换和信号结构特征的R波识别算法.首先利用经验小波变换对心电信号频谱进行自适应分割,在分割区间上构造合适的小波滤波器组提取出具有紧支撑的模态分量,然后对提取出的各模态分量进行频谱分析,找出R波对应的高频分量并对其进行结构分析,从而实现R波的准确定位.仿真结果表明,所提算法对心电信号R波识别的灵敏度达到99.93％,准确率达到了99.92％,阳性准确率达到99.99％,并且算法耗时仅0.68s,对R波具有很好的识别效果.     

EEG信号中癫痫棘波的小波变换检测

基于小波变换良好的时频局部化特性,研究了一种利用连续小波变换提取脑电信号中的癫痫棘波的方法,实验结果表明这种方法能够方便而有效地对脑电信号中的癫痫棘波进行检测。     

在线脑机接口中脑电信号的特征提取与分类方法

在脑机接口研究中,针对运动想象脑电信号的特征抽取,提出了一种基于离散小波变换和AR模型的方法.利用Daubechies类小波函数对脑电信号进行3层分解,抽取小波变换系数的统计特征;利用Burg算法提取脑电信号6阶AR模型系数.将这两类特征进行组合后使用神经网络、支持向量机、马氏距离线性判别进行分类并比较分析.采用BCI...