一种基于经验模式分解的心电QRS波检测方法

讨论了一种信号分析法——经验模式分解法,用于检测心电信号中QRS波的可行性和有效性,并提出了相应的检测算法。实验结果表明,适当选择心电信号在经验模式该方式分解后的内在模函数,特别是其高频分量,可有效地抑制或缓解各种主要噪声干扰,使用简单算法即可分离QRS波的特征点。该方法经标准心电信号进行有效验证,获得了较高的准确率。     

心电信号QRS波群检测算法研究

心电信号特征参数的提取和识别是心电图分析和诊断的基础．在心电信号的分析中,快速准确地检出QRS波群非常重要,它是计算相关参数和诊断的前提．该文对QRS波群的检测算法进行了研究,对传统差分阈值法在R波检测中存在的一些问题加以改进,将正向和倒置R波分开检测,提出了在自适应差分阈值法检测正向R波的基础上,用幅值基线比较法检测倒置R波的检测方法．在Q、S波检测方面,文章以差分法为基础,给出了Q、S波定位的一种简便易行的方法．利用美国麻省理工学院的MIT—BIH心电数据库和临床实测数据对以上方法进行验证,QRS波群的检出率高达99．4％以上．实验结果表明,该方法简单有效、准确率高,适于实际应用。     

改进的基于小波变换的QRS波检测算法

为提高心电信号QRS波的检测精度,分析了小波变换对信号奇异点检测原理,提出了改进的基于小波变换的QRS波检测方法。该方法通过考察小波分解系数进行R峰位置区间定位,尺波漏检回溯及正向、倒置R波判断的QRS波检测方法;并提出了一种新的跟随阈值。该算法在Matlab仿真环境中,经过对MIT—BIH数据库中典型14条ECG（Electrocardiogram）信号进行QRS波检测实验。数据表明,该算法对正常心电和非正常心电的检出率达到99．98％,具有较高的实用价值。     

基于FPGA的QRS波群检测方案设计与实现

根据小波变换的多分辨率和突出信号奇异点的特性,将小波变换应用到心电信号的自动检测中,设计并实现了基于FPGA的QRS波群检测方案.采用Mallat算法对心电信号进行4级分解,并在3,4级尺度上使用自适应阈值完成极值对的检测,确定了R波的位置.采用医学相关理论对检测结果进行优化,进一步去除错检点,补偿漏检点.提出了在FP...     

基于双正交样条小波的QRS波检测

把双正交样条小波应用于心电信号QRS波的检测.利用双正交样条小波等效滤波器,对心电信号按Mallat算法进行快速变换;从信号奇异点的李氏指数与模极大值关系的角度,分析心电信号奇异点(R峰值点)与其小波变换模极大值对的零交叉点的关系;在QRS波检测中运用调整阈值、不应期和补偿3个措施增强算法的抗干扰能力.实验结果表明,该算法对心电信号中QRS波群的特征提取和几种常见的心电干扰具有较强的鲁棒性.经MIT-BIH标准心律失常数据库验证,QRS波的正确检测率达99.905%.     

小波变换在QRS波检测中的应用

本文是基于小波变换的心电信号的QRS波检测的应用研究。利用二进样条小波对心电信号按Mallat算法进行分解滤波，消除干扰，再利用小波变换与信号奇异点之间的关系，在2^3尺度下对QRS波进行检测。为更有效地提高QRS波的检测率，结合人体生理特性运用综合检测策略进行复检。     

一种基于自适应小波变换的QRS波检测算法

为了解决心电图QRS波检测的问题，研究了一种基于自适应小波变换来检测QRS波的算法。该方法用心电信号的小波变换作为自适应白化滤波器的输入，然后对白化滤波后的输出进行匹配滤波和阈值检测来识别出QRS波。采用该方法，有利于减小检测的误检率以及提高运行速度。     

缝类缺陷对Lamb波的影响研究

为了对金属薄板中缝缺陷进行Lamb波无损检测，采用短时傅里叶变换（STFT）和经验模态分解（EMD）方法，对ST12冷轧板中有无缺陷时采用一发一收方式激励出的Lamb波时域信号进行研究。结果表明，时频分析方法可有效地识别Lamb波模式以及模式转换现象，并且与Lamb波信号相关系数最高的固有模态信号（IMF）的平均瞬时频率的变化量和缺陷程度（缝深和缝长）也有较好的对应关系。     

心电信号QRS波检测算法的设计与仿真

心电信号的检测是心电图分析和诊断的基础,在心电信号的分析中,快速准确地检出QRS波群是非常重要,它是计算相关参数和诊断的前提。针对传统心电检测算法实时性差、错检漏检率高的问题,研究设计出正反双向自适应差分阈值检测算法,并增加R波错检漏检补偿算法。经过美国麻省理工学院的MIT-BIH心律失常数据库验证,检测的准确率达99%以上。实验结果表明,算法简单有效、准确率高,适合实际的应用。     

大振幅波非线性传播的频率特性

为研究大振幅波在介质中非线性传播的频域能量变化问题,采用频谱分解方法对单频及多频大振幅的传播规律进行了分析.对不同形式的单频大振幅波传播过程中的基频波能量变化及谐波幅度增长情况进行了比较;同时分析了多频大振幅波非线性传播过程中,各频率声波相互作用情况,通过仿真研究了影响基频波能量变化的因素,其中高频波频率是影响基频波能量变化的主要因素,并通过谱分解方法得到了多频大振幅球面波和柱面波的非线性传播规律.     

基于经验模式分解和最小二乘支持向量机的胎儿心电信号提取

针对心电信号的非平稳特性,将非平稳信号处理方法与非线性估计方法相结合,提出一种从母体腹壁混合信号中提取胎儿心电信号的新方法。采用经验模式分解(EMD)方法将非平稳的母体心电信号分解为有限个本征模函数(IMF)和一个残差信号;母体腹壁混合信号中的母体心电成分为母体心电信号的非线性变换,采用最小二乘支持向量机(LSSVM)拟合这一非线性变换;将EMD分解所得的本征模函数和残差信号经由所拟合的非线性变换得到母体腹壁混合信号中母体心电成分的最优估计,从母体腹壁混合信号中减去该最优估计得到胎儿心电信号。引入基于特征值分析和基于互相关系数计算信噪比的方法,评估胎儿心电信号提取方法的性能。实验结果表明,在胎儿心电信号和母体心电信号QRS波分离或者重叠的情况下,通过本文提出的方法均可得到清晰的胎儿心电信号,且信噪比相对于传统方法有明显提高。实验结果验证了该方法的有效性。     

联合采用高通低通滤波与Hilbert-黄变换的非线性信号分析

经验模态分解方法无法分离2倍频内信号分量而可能导致模态混叠,这是应用著名的Hilbert-黄变换(Hilbert-Huang Transform,HHT)分析非线性信号时无法回避的问题,而消除模态混叠对于准确分析非线性信号具有重要意义。在此背景下,提出了一种联合采用高通低通滤波与Hilbert-黄变换的非线性信号分析方法,以解决这一问题。首先,提出了基于HHT瞬时频率的、用于判断是否发生模态混叠的指标;在此基础上为解决常规经验模态分析方法无法分解2倍频内信号的问题,采用傅里叶变换分析存在模态混叠的信号,并通过高通低通滤波将2倍频内的信号分离。之后,对经过滤波后的信号进行经验模态分解,并与之前未发生模态混叠的分量整合,得到原始信号完整的本征模态函数分量,进而计算得到各分量的瞬时频率和瞬时幅值。最后,用算例说明了所提方法的基本特征。     

基于EMD和Hilbert变换的心电信号去噪方法

基于经验模态分解(EMD)和Hilbert变换理论,提出一种心电信号(ECG)去噪方法.经验模态分解法将任意信号分解为一组固有模态函数IMF,对于非白噪声层IMF的阈值选取,针对传统阈值去噪方法存在较大偏差的问题,提出利用各层IMF的平均频率和能量密度乘积来确定非白噪声层IMF的噪声水平.介绍了白噪声层IMF的检验方法,并给出了利用该方法以及小波阈值去噪方法对心电信号进行去噪处理的实验结果.     

多通道胎儿心电提取的经验模态分解和准周期成分提取方法

针对多导联腹壁混合信号的胎儿心电信号（FECG）提取方法有很多,建立在统计独立性和非高斯性假设基础上的盲源分离算法是一类普遍被关注的方法。但是,由于混杂在腹部心电信号中的母体心电信号和多种复杂的生物电噪声的影响,以及腹部电极布置的不合理等因素,使得传统的盲源分离算法对FECG的提取结果往往不尽如人意。本文提出了一个基于经验模态分解和准周期成分提取的多通道FECG提取方法EMD-QPCE。首先,对各通道腹壁混合心电信号分别用经验模态分解方法分解为一系列固有模态函数（IMF）,消除IMF中母体心电信号的成分,以增强FECG的信息。然后,将各个通道信号相对应的IMF进行组合,用准周期成分提取方法提取FECG的信息。最后,由提取的含有FECG信息的IMF重构出FECG,实现多通道腹壁混合信号中提取FECG的目的。应用本文方法对DaISy数据库、ADFECGDB数据库和Challenge2013数据库中的真实心电信号进行实验,实验结果表明：与传统的独立成分分析、主成分分析和准周期成分提取方法相比,提取成功率和提取质量都得到了有效提高。在实验范围内,本文方法的FECG提取灵敏度Se在92.3%以上,阳性预测值 PPV大于98.8%,准确度指标F1大于95.4%,平均胎儿心率误差小于0.595%,具有非常好的准确度和精度,充分验证了本文方法的有效性和优越性。     

旋转机械振动信号的固有模式函数降噪方法

针对旋转机械非平稳振动信号中局部低能量噪声的消除问题,提出一种基于固有模式函数(IMF)的振动信号降噪方法.该方法在信号经验模式分解(EMD)的基础上,通过对一阶IMF进行L次随机排序操作,构造观测信号的L个样本序列.根据白噪声各阶IMF的能量密度,计算L个样本序列各自分解所得IMF的阈值.通过样本幅值与阈值的比较,将IMF中过零点区间内极值小于阈值的所有样本点去除,并利用这些阈值去噪后的IMF重构信号.仿真和实验结果表明,本方法对各阶IMF中局部低能量噪声的消除是有效的,且降噪后信号的时频特征显著.     

一种新的基于EMD模态相关的信号去噪方法

基于模态相关的准则,提出了一种新的信号去噪方法。首先对原信号进行经验模态分解（EMD）,其次根据各阶固有模态与原信号的相关系数曲线中第一个极小值点的位置作为标准定出噪声主导性模态与信号主导性模态的分界点,最后将固有模态函数（IMF）中信号起主导作用的模态成分进行重构来实现去噪。将该方法应用于仿真信号与实际光辐射强度信号的去噪,结果表明该方法在有效去噪的同时能较好地保持原信号的细节信息,具有较好的推广性。     

提取混沌中谐波信号的时频方法

首先采用谐波小波变换将观测信号分解成窄带信号,然后使用经验模态分解方法将每一个窄带信号分解为有限个内禀模态函数(IMFs),根据功率谱密度选取内禀模态函数,提取谐波信号。该方法的性能可由噪声缩减因子和相关系数两个指标度量。理论分析和仿真实验表明,在信噪比不太低的情况下,该方法对提取淹没在混沌和噪声背景下的谐波信号非常有效。     

基于经验模态分解和支持向量机的传感器故障诊断方法

提出了一种基于经验模式分解（EMD）和支持向量机（SVM）的传感器故障诊断方法,该方法对传感器输出信号进行经验模态分解,将其分解为若干个固有模态函数（IMF）,对每个IMF通过一定的削减算法增强故障特征,然后计算每个IMF和残余项的能量以及整个信号的削减比作为特征向量,以此作为输入来建立支持向量多分类机,判断传感器的故障类型。通过压力传感器的故障诊断结果表明,该方法能有效的应用于传感器的故障诊断中。     

基于EMD和SVM的传感器故障诊断方法

为了解决自确认压力传感器的故障诊断问题,提出了一种基于经验模式分解(EMD)和支持向量机(SVM)的传感器故障诊断方法,该方法对传感器输出信号进行经验模态分解,将其分解为若干个固有模态函数(IMF),对每个IMF通过一定的削减算法增强故障特征,然后计算每个IMF和残余项的能量以及整个信号的削减比作为特征向量,以此作为输入来建立支持向量多分类机,判断传感器的故障类型.通过压力传感器的故障诊断结果表明,该方法能有效的应用于传感器的故障诊断中.