基于VMD和KNN的心电信号分类算法

心电信号反映了心脏的活动状态,在诊断心脏疾病和指导心脏手术方面有重要参考价值,为提高心电信号的分类准确率,降低识别难度,提出了一种基于变分模态分解(VMD)和K最近邻(KNN)相结合的心电信号分类算法。使用MIT-BIH心律失常库中的数据,选取5类心电波形作为主要分类对象,从多个记录中截取心电信号作为样本数据,确定最优分解层数,利用VMD分解提取各模态的能量特征作为分类特征,最后运用KNN算法对信号进行分类识别并与支持向量机(SVM)和BP神经网络等分类方法进行了对比。实验结果表明,该方法在少量样本的情况下依然可以实现对心电信号的快速准确分类。     

自适应胎儿心电图仪的算法研究与实现

文中针对研制自适应胎儿心电图仪和提取胎儿心电(FECG)信号的特点,根据自适应噪声抵消(ANC)原理,研究与实现了几种自适应噪声抵消软件算法,滤除母亲心电(MECG)和其它干扰,无创无损提取胎儿心电信号.并通过实例,对这几种算法进行比较、分析讨论.     

基于盲源分离和小波滤波的胎儿心电检测

利用胎儿心电信号与母亲心电信号及其他干扰信号之间的统计独立性、非相关性,采用盲源分离算法将胎儿心电信号从复杂的背景干扰中分离出来,但分离出来的胎儿心电图信号仍然受到噪声的干扰。本文提出联合小波滤波与盲源分离的胎儿心电检测方法,首先采用盲源分离处理多传感器采集到的信号,得到受干扰的胎儿心电图信号,然后采用小波滤除噪声,获得较为清晰的胎儿心电图信号。实际采集数据试验表明了该方法的可行性和优越性。     

基于静态阈值的无线体域网压缩感知心电降噪重构

心电监测作为无线体域网的一种重要应用,对心电信号重构精度要求较高,并且无线体域网中存在低功耗问题。现有的心电信号压缩感知重构算法虽然降低了功耗,但并未充分利用心电信号频域特性,造成重构精度不高。提出了一种基于静态阈值的无线体域网压缩感知心电降噪重构方法。该方法利用压缩感知理论,在传感器节点利用固定矩阵对心电信号进行观测,观测值被发送至汇聚节点后,再利用基于静态阈值的重构算法对心电信号进行降噪重构。仿真结果表明,该方法具有信号重构精度高、速度快和降噪性能好的优点。     

心音、心电采集系统设计与信号预处理

介绍了一种基于LabVIEW的心音、心电实时采集与存储系统,以及对存储后的信号用MATLAB进行信号预处理的信号处理解决方案.论文首先介绍了心音、心电采集电路的硬件设计;其次介绍了用LabVIEW和NI公司的USB-6009的数据采集卡完成信号采集、存储以及实时显示心音、心电信号的软件设计;最后介绍了对存储后的心音、心电信号用MATLAB进行预处理,包括ECG信号的小波去噪,心音信号的包络提取等.实现了信号的实时采集、存储以及预处理,为心音、心电数据库的构建和后续的信号处理奠定了基础.     

基于ARM的心电信号检测

为了更好地解决心电信号的采集和处理问题,设计了以ARM微处理器LPC2368为控制核心,采用嵌入式μC/OS_Ⅱ操作系统的心电信号检测系统。将微弱的心电信号经过放大滤波处理后提取出来,利用A/D转换器将其转换为数字信号,通过串口上传到PC上进行分析处理;也可以在ARM上实现对心电信号的实时滤波、基于差分方法的QRS波检测以及心率计算。经测试,该系统实现了对心电信号的实时采集、存储、显示、数据传输、数字滤波及QRS波检测等功能,达到了预期目标。     

基于DSP的心电信号检测系统

心电信号的检测是研究心电病理特征的前提,是心电信号分析仪的重要组成部分.本文介绍了一种基于DSP的心电信号采集和分析系统.根据心电信号的特点,本系统采用AgCl电极作为心电信号传感器,结合AD620为主的前置放大电路进行模拟信号的采集.以TMS320VC5509低功耗DSP和CPLD为主进行数字系统设计.在DSP中编程实现数字滤波器的设计,最终得到P、T和QRS复波特征明显的ECG.本系统功耗小,成本低,精度高,达到了医疗仪器的设计要求.     

基于PSoC4系列处理器的心电信号采集系统设计

通过基于PSoC4系列处理器芯片实现了一种小体积、低功耗、低成本的实时心电信号采集系统。该系统通过使用片内集成的可配置运算放大器实现基本的信号调理和放大,通过软件实现数字滤波器去除常见的心电干扰信号,处理后的数据经由蓝牙模块无线传输至移动设备,实现心电信号的实时采集与传输。给出了硬件电路设计方案和软件程序流程。实验表明该系统能长时间地实时监测人体单导联心电信号。     

基于Kalman滤波的人体心电跟踪监测系统设计

针对家庭心电健康监护,以及提高低功耗心电监测系统监测的准确性,设计并实现了一种采用卡尔曼滤波的心电监测系统。该系统采用AD8232作为模拟前段对通过电极和三导联心电采集线提取的微弱心电信号进行滤波放大,再经STM32处理器进行卡尔曼滤波处理,最终在LCD得到清晰稳定的生物电信号及心率。经实验样机初步测试,在人体保持安静的情况下,LCD显示的心电信号清晰稳定,能够反映人体实际心电特征。结果表明该设计较好地完成了心电信号的滤波处理,能够满足家庭心电监测的需求,对于家庭医疗设备有一定参考价值。     

ECG去噪算法的设计与实现

对心电信号进行数字滤波时,因其幅频特性和过渡带的影响很容易造成心电波形失真,为了使原始含噪心电信号与降噪后的心电信号具有同等光滑性和最小方差估计特性,去噪连续性效果更好,分析研究了几种常用的去噪算法,并分别采用MIT BIH数据库中的数据及实测心电数据进行仿真分析,仿真结果表明采用小波阈值去噪算法可以更好的对心电信号进行去噪处理,得到清晰不失真的原始心电信号,信噪比(SNR)达到30以上,均方误差（MSE）在0.1以下,设计方法简单、计算量小,具有很好的应用前景和广泛地使用价值。     

基于瞬时能量熵和SVM的滚动轴承故障诊断

针对滚动轴承故障振动信号的非平稳特性和难以获得大量实际故障样本的情况,提出了一种基于经验模式（EMD）分解的新型故障特征撮方法,并与支持向量机（SVM）相结合实现滚动轴承的故障诊断.该方法首先将振动信号进行小波包降噪,再对去噪信号进行EMD分解,求解分解后各单元的瞬时能量变化,取瞬时能量变化的熵值组成特征向量,最后将其作为支持向量机的输入实现滚动轴承故障分类.经过实验验证,该方法能够有效的识别轴承正常状态、内圈故障、外圈故障以及滚珠故障.     

基于EOG的眼动信息提取与分类研究

基于眼电（Electro-oculogram,EOG）的人机交互系统（HCI）是生物电信号处理领域的研究热点之一。在研究眼动信息的基础上,提出了一种EOG扫视信号特征提取与分类算法,该算法提取扫视信号的线性预测（Linear Predictive Coding,LPC）系数,对其作差分运算获取一阶差分线性预测系数,与归一化极值作为组合特征参数,通过神经网络对样本信号分类。实验室环境下,采用所提该法对来自6名眼部功能均正常的受试者扫视样本分类,平均分类正确率超过92%。实验表明,该法能准确地描述EOG扫视信号,具有较高实用价值。     

改进的SAR图像干扰抑制算法

合成孔径雷达(SAR)图像中出现干扰条纹是由电视、广播和各类通信系统辐射源的频率在系统带宽内,造成接受的信号中混有干扰信号。由于这些干扰通常具有高于系统背景噪声的功率电平,会对SAR造成不同的影响。在某些系统中SAR信号在距离频域沿着距离向相邻的点会具有一定的相关性。如果某些频谱值被干扰信号污染,则可以利用它周围的点估计出该频段的信息。基于这一想法,提出一种干扰抑制算法,能有效的估计出被干扰影响的频谱信息。当频谱中干扰信号所污染的频段的个数较多时,相比传统方法,这种方法能更为有效地估计出原始信号。     

DWA：一种新的心电实时检测算法

提出了一种简单可靠的心电信号实时检测方法——差分窗口法（DWA）。该算法首先用基线一相对幅值一差分法检测出QRS波群,再采用均值-方差-窗口法对TP波进行检测。试验采用MIT—BIHArrhythmiaDatabase中提供的48组心电数据及一些临床采集的心电数据,先在MATLAB下仿真了DWA算法,然后在ARM7TDMI—S上运行该算法,准确率达99．98％,实现了对心电的实时分析,验证了算法的可行性和可靠性。试验得到的结论为DWA算法能对心电信号的主要特征参数进行提取和识别,从而能够快速准确地对心电图进行诊断,易于在便携式系统中实现。     

基于共变谱和旋转不变技术的多径时延估计

针对脉冲噪声环境下多径时延估计的分辨率问题,提出了一种基于共变谱(CS)和信号估计参数旋转不变技术(ESPRIT)的多径时延估计方法。采用α稳定分布建模脉冲噪声,依据分数低阶统计量理论,将两接收信号的共变序列进行傅里叶变换得到共变谱。CS看作等效的时间序列,把时域的多径时延估计问题转化为频域的多个正弦信号频率估计问题。利用ESPRIT对等效时间序列进行频率估计,得到高分辨率的多径时延估计。仿真实验表明:多径时延估计方法(CS_ESPRIT)在高斯和脉冲噪声环境中均具有较好的估计性能。     

HHT与SVM在离心泵故障振动信号处理中的应用

提出了希尔伯特-黄变换HHT和支持向量机SVM相结合的离心泵振动信号故障诊断方法。首先将离心泵振动信号时间序列数据经验模态分解EMD,然后经过HHT获得各模态的能量,并以“能量比”为元素,构造离心泵振动信号的特征向量,用SVM方法训练测试样本获得了很好的分类效果。实验结果表明该方法对离心泵振动信号具有很高的诊断率。     

宽带OQPSK信号实时多域测试定时同步技术研究

提出了一种全新的宽带OQPSK信号实时多域分析架构,该架构能够同时实现宽带OQPSK通信信号实时多域联合分析和高精度指标测试。在此基础上,提出并详细讨论了一种面向测试的高精度宽带OQPSK通信信号联合定时同步算法。该算法采用基于多相滤波的任意倍数重采样器和基于最大似然估计（ML）的前馈载波相位和定时误差估计算法,通过对任意码率的被测OQPSK信号连续处理,快速实现高精度符号定时同步。该算法避免了OQPSK解调中载波同步和符号定时同步之间的相互影响和制约。经仿真验证,和传统的基于Lagrange插值的重采样算法相比较,具有更好的频谱抑制性能和更高的变换精度。结合载波相位误差和定时误差联合估计,快速实现了OQPSK信号高精度符号定时同步。     

基于EMTDC/PSCAD和Hilbert全通滤波的电能扰动检测方法

Hilbert-huang变换是基于瞬时频率概念提出的1种新的信号处理方法,它基于经验模态分解法能够分析含有多种信号分量的非平稳信号。文中利用Hilbert滤波器（Hilbert filter,HF）对电能扰动信号进行全通滤波提取扰动信号幅值和频率参数。基于EMTDC/PSCAD软件建立能够产生电能扰动信号的仿真模型,再用HF对仿真信号进行分析得出检测结果。仿真结果表明,本文所提方法能够有效检测动态和稳态电能扰动问题。     

基于小波特征提取与深度学习的微电网故障诊断与分类方法

针对现有微电网（MG）故障诊断准确率不高,分类精度不理想等问题,提出了一种基于小波特征提取与深度学习的微电网故障诊断与分类方法。首先,采用最大重叠离散小波变换（MODWT）和母小波提取MG电力信号特征,并进行三级分解,以获得高精度的信号特征提取。然后,利用长短期记忆网络优化深度Q网络,构建深度循环Q网络（DRQN）,更好地分析复杂数据且克服噪声的干扰。最后,将MODWT每个分解层次上的信号分量能量输入DRQN,实现故障的诊断和分类。基于MATLAB环境搭建MG系统仿真模型对所提方法进行实验论证,结果表明使用高采样频率和电流、电压信号时,诊断性能最佳,分类准确率超过91%。同时,所提方法在11种故障类型和4种场景下的分类准确率均超过90%,优于其他对比方法。