自适应小波阈值算法在心电信号去噪中的应用

针对常用的小波阈值算法存在的缺点和心电图信号的具体特征,提出了一种新的自适应阈值算法.该算法通过估计含噪信号信噪比的大小,自动调节阈值来抑制心电信号中的噪声.实验表明该算法能有效地实现心电信号的噪声消除,同时也为其他信噪比较低的生物医学信号处理提供了一种新的方法.     

改进小波阈值算法在心电信号去噪中的应用

心电信号（ECG）在采集的过程中总是参杂着各种噪声,可利用小波变换基本原理和方法进行去噪处理。对小波多分辨率理论进行研究后,在分析Donoho的软、硬阈值去噪法的基础上,提出一种改进阈值函数量化方法,改进阈值函数能克服软、硬阈值存在的缺陷,运用MIT-BIH心电数据库进行验证,并对ECG 信号用不同方法去噪后的结果进行了分析比较。实验表明,改进阈值方法可以有效地去除不同噪声干扰,在信噪比指标上也明显优于常用的软、硬阈值去噪方法。     

小波变换在心电信号滤波器中的应用研究

讨论了基于小波变换的增强ECG信号的滤波算法,通过处理小波变换的细小尺度和粗大尺度减小了50Hz的工频干扰、基线漂移和随机噪声。实验结果表明了此方法的可行性。     

基于小波变换的心电信号降噪处理

实测的心电信号不可避免地存在一些强干扰和噪声,为了实现准确地提取反映心电信号的特征信息,该文应用一维离散小波变换实现了对心电信号的降噪处理。实验研究结果表明,该方法能够有效地去除心电信号中的噪声,从而为心电信号特征信息的提取奠定了理论基础。     

离散余弦变换在心电信号压缩中的应用研究

目前心电（ECG）信号压缩是生物医学信号压缩的一个热门研究领域.临床诊断过程中,心电信号的存储与传输是一个有待解决的问题,由于采集到的原始信号数据量巨大,为了便于对大量的心电数据进行存储、分析和传输,对于这些数据的压缩处理是十分必要的.通过对心电数据压缩方法的概述与讨论,在研究国内外有关心电信号数据压缩算法及其研究状况的基础上,采用了离散余弦变换（DCT）算法对心电信号进行压缩,取得了较高的压缩比和保真度,具有一定的应用价值.     

独立分量分析在心电信号处理中的应用

在心电信号采集过程中,混杂着各种各样的干扰信号.利用心电信号及各种干扰信号之间相互统计独立的关系,采用独立分量分析对心电信号进行处理.实验结果表明,独立分量分析方法不但将工频干扰等干扰信号成功地分离出来,而且较好地保留了原始心电信号中的细节信息.     

心电信号噪声的数字滤波研究

心血管疾病的正确诊断依赖于心电信号的准确获取,提出了一种消除工频干扰和基线漂移的数字滤波方法,该方法运算量小、设计简单、易于实现.实验表明该方法能有效滤除工频干扰和抑制基线漂移,获得真实的心电信号.     

心电信号自动识别技术现状与展望

心电信号自动识别技术是信号处理及模式识别领域的热点研究课题,是在现代医学健康领域中进一步应用心电诊断技术的基础。文章围绕心电信号自动识别技术的发展历史、研究现状、关键技术及存在问题展开了讨论,并对以后的研究趋势做出展望。     

粒子群优化在心电信号稀疏分解中的应用

心电信号的稀疏分解能得到稀疏表示形式,便于心电信号的压缩、波形检测识别等.但稀疏分解计算非常复杂,是一个NP问题.粒子群优化是群体智能优化算法,算法简单易于实现,且搜索效果好,已在很多实际应用中得到验证.把粒子群优化算法用于心电信号稀疏分解的最优匹配原子的搜索,用这种群体智能优化搜索算法代替全局搜索能降低稀疏分解复杂度,同时减少稀疏分解的超完备字典对存储空间的占用.实验结果表明,该方法切实可行.     

小波变换在电力系统间谐波分析中的应用

间谐波是电力系统中一种特殊的谐波，它大量存在于电网中。间谐波对电网危害大，所以对它进行监测和分析具有重要的意义。针对基于傅里叶变换（DFT）的间谐波分析方法易受噪声干扰和对间谐波分辨率低的缺点，提出了一种基于小波变换的间谐波分析方法。仿真结果表明该方法不仅具有高分辨率特性，可以很好地分析间谐波，而且能实时跟踪间谐波。在电力系统间谐波分析方面具有经典DFT方法无可比拟的优越性。     

小波分析在信号去噪中的应用

小波分析理论是一种新兴的信号处理理沦,它在时间上和频率上都有很好的局部性：在分析低频信号时,其时间窗很大;而分析高频信号时,其时间窗较小。这使得小波分析非常适合于时-频分析,借助时-频局部分析特性,小波分析理论已经成为信号去噪处理中的一种重要的工具。文中介绍了小波分析理论及其在信号去噪中的应用;同时介绍了三种噪声处理方法：默认阈值法、强制阈值法和独立阈值法。在假设噪声为高斯白噪声的基础上,根据小波分解与重构法,实现含噪信号的去噪处理。最后用最小二乘法对各种方法进行评估。     

小波分析及其应用

小波分析是传统傅里叶分析发展史上里程碑式的发展，近年来成为众多学科共同关注的热点。文章在小波变换的基础上，介绍了小波变换的一种快速算法-Mallat算法。在此基础上将其应用于信号分析与处理，对故障信号进行分解与重构，通过分析实验结果可知，高频部分能够清晰地反映信号的转折点，而这些点正是故障诊断所需的重要信息，通过对这些信息的分析可以得出故障点的位置。因此，可以推断小波分析在信号的奇异性位置检测方面是有效的。     

小波分析在激光多普勒信号检测中的应用

为了有效的消除人体激光多普勒信号的噪声,提出了一种利用小波变换的方法对信号进行处理.通过研究多尺度小波变换和小波包变换的工作原理和消噪流程,利用Matlab对实际信号分别进行强制消噪、默认阈值消噪、给定软阈值消噪仿真,仿真结果表明,两种小波变换方法均可以有效地消除信号中的噪声.提高信噪比,适用于背景噪声强的人体信号的提取,并可推广到其他强噪声环境下对微弱信号进行提取,具有广泛的应用价值和现实意义.     

小波分析在红外水分仪中的应用

小波分析是近年来迅速兴起的强有力的信号处理工具。利用小波分析理论建立了一种新的去除红外水分仪噪声的滤波算法。通过对红外水分仪实际采样信号的滤波试验，并与一般平均滤波算法相比较，证明其具有更好的滤波效果。     

基于小波分析的DEM数据多分辨率表达研究

在研究三维地形的数字模型中,针对现有DEM数据的多分辨率模型构建中存在的问题,为提高精度,减少失真,结合DEM数据的特点,提出了一种简化的基于小波的DEM数据多分辨率表达算法,通过改变多分辨率分解时高频信号的获取方式,使得DEM数据的多分辨率重构可以以一种相对简单的方式进行,从而使得多分辨率模型的重构效率得到了较大的提高。分析了由于分块小波变换而带来的边界失真问题,并根据滤波器系数的长度不同,提出了相应的解决方法,经试验证明重构效果有较大的提升。     

正交小波变换在图像融合中的应用

阐述了多传感器图像融合技术的原理和融合方法。利用小波分解的多分辨率特性和方向性，建立了一种新的基于小波多尺度分解的分层图像融合方法，提出了新的融合规则和融合算子。实验表明基于小波变换的图像融合方法是有效的，该方法的融合效果优于其他的图像融合方法，融合后的图像质量得到了较大提高。     

小波分解在图像放大缩小中的应用

首先介绍了几种常用的图像放大与缩小的内插算法,然后介绍了小波分析的性质,小波的 Ｍａｌｌａｔ算法在一维的分解和重构公式,并且在此基础上提出了利用小波分解进行图像的放大与缩小的方法,最后简单比较了内插算法与小波方法,指出了利用小波分解的优点。     

基于小波分析的SAR图像船舶目标检测

水上船舶目标检测对于海上安全和渔业资源管理具有重要意义。SAR图像存在相干噪声以及水面背景杂波的复杂性,传统方法对于弱目标检测存在困难。该文基于船舶目标像元的空间相关性和背景杂波在不同尺度小波变换域快速递减的规律,提出了一种利用静态小波变换分量空域和尺度相关运算对原始信号加权的目标检测方法。实验结果表明,该方法可有效地抑制背景杂波,提高对船舶目标的检测能力。