基于屏蔽驱动的工频干扰抑制技术研究

采集心电、肌电和脑电等生理电信号时,总是存在工频干扰等环境噪声,且噪声的幅度通常远大于生理电信号本身的幅度,给信号的分析和处理带来了很大的困难。目前常用的方法是利用软件算法对采集到的信号进行滤波处理,这种方法虽然能在一定程度上降低工频干扰的影响,但同时会造成目标信号的衰减和畸变。针对此问题,文章设计了一种独特的硬件屏蔽驱动技术,实现在模拟前端最大限度地抑制原始信号中的工频干扰噪声。实验结果表明,生理电极引入屏蔽层驱动后,心电和肌电采集过程中的工频干扰可以得到明显的抑制;通过对屏蔽层接入不同的驱动信号的比较发现,利用各电极自身的信号对输入端进行屏蔽的效果最好,对工频干扰的抑制幅度高达35 dB。文章提出的屏蔽驱动硬件电路设计技术,可广泛用于各种生理电信号的采集,实现在源头上抑制工频干扰的影响,从而在根本上提高生理电信号的信噪比。     

表面肌电信号的降噪处理

表面肌电信号是一种易受多种噪声影响的生物电信号,其中以工频干扰、基线漂移、白噪声等干扰尤为严重.通过分析噪声干扰的特点,结合表面肌电信号特征,选取频谱插值法在频域内消除了工频干扰;利用形态学滤波的开闭运算得到基线漂移特征,从而滤除了基线漂移;基于经验模态分解(EMD)得到的本质模态函数分析消除了白噪声.实验结果表明:上述滤波方法在不损坏有用信号的前提下,可以实现较为满意的滤波效果.     

基于提升方案的心电信号去噪算法

针对传统小波变换的去噪算法运算复杂,难以用于心电信号的实时处理,而常见心电信号滤波算法在实际应用中去噪效果不理想,为正确识别心电信号,提高实时性和去噪效果,采用提升方案来构造小波,提高了小波分解的速度,减少算法对内存的需求,并结合阈值滤波算法对小波系数进行处理,实现信号与噪声的分离.为了验证算法有效性,对MIT-BIH数据库中数据进行了仿真实验,结果表明方法处理后信号失真较小,信号中叠加的工频干扰和肌电干扰基本被消除,相对于基于传统小波变换算法处理速度有了很大的提升.     

心电信号去噪效果的评估与分析

心电信号是人体的主要生理信号之一,通过对心电信号的分析可了解心脏的健康状态,由于心电信号属于微弱低频信号,所以在采集过程中极易受到来自人体内部和外部的噪声干扰,影响心脏疾病诊断的效果。基线漂移、工频干扰和肌电干扰是心电信号采集过程中不能忽略的噪声干扰。对心电信号的相关去噪算法的效果进行对比分析。首先将模拟理想状态下的心电信号作为原始数据,同时模拟出心电信号中存在的基线漂移、工频干扰和肌电干扰。每种噪声干扰分别选择三种常用的去噪算法,采用信噪比、均方差和心电信号的频域特征的评估指标进行去噪效果的比较。在此基础上,提出了一种多噪声心电信号的去噪方法并给出去噪流程和效果。研究结果表明：（1）对于基线漂移、工频干扰和肌电干扰分别采用小波变换法、陷波滤波法和小波阈值法的去噪效果最好;（2）当心电信号含两种及两种以上噪声时,按照滤除基线漂移、工频干扰和肌电干扰的去噪顺序滤波效果最好。     

基于DSP的心电信号实时滤波算法的实现

介绍数字心电图的心电信号处理中实时滤波算法的实现,探讨针对心电信号的工频干扰、肌电和基线漂移的实时数字滤波方法,在数字心电图的DSP芯片平台上选取有效的滤波算法分别用于消除和抑制基线漂移、工频干扰及肌电干扰。实验表明,在DSP上实现的心电数字滤波方法能达到预定设计要求,具有实时性、有效性等优点,并成功地应用到国家医药管理局攻关项目的十二导联数字心电图机上。     

心电地图仪中工频干扰的一种滤除方法

在心电地图仪中记录到的体表心电信号往往由于电磁的影响而引进工频干扰．基于体表心电信号中工频干扰的特点，作者提出了一种滤除工频干扰的方法，即就单独—胸导联信号通过提高频谱的分辨率来估计工频干扰的频率；基于最小均方误差准则来估计各导联信号中工频干扰的幅度和相位。文中还给出了该算法的流程图和滤波性能分析。模拟结果表明了该算法的有效性。应用该算法对心电地图仪中的工频干扰进行对消，取得了满意的结果。     

应用小波变换和ICA方法的肌电信号分解

基于单通道、短时真实肌电（EMG）记录和模拟EMG信号，提出一种改进的肌电信号分解方法。首先应用小波滤波、硬阈值估计等方法去除背景噪声和白噪声，并将独立成分分析（ICA）方法和小波滤波方法相结合去除工频干扰信号，然后再进行幅度滤波，从而提高了系统的速度和强健性。在运动单元动作电位（MUAP）聚类以及从原始信号中去除已识别的MUAP波形等方面也进行了改进。与已有的EMG分解方法相比，本文方法更快速、稳定。     

基于平稳小波变换的膈肌肌电信号降噪

为了去除膈肌肌电中的心电干扰,提出了一种基于平稳小波变换的“逆向”硬阈值的降噪方法。首先,对临床的膈肌肌电信号进行平稳小波变换,根据小波系数检测QRS并且确定心电干扰范围;其次,逐层估计心电周期范围的小波系数均方差,并且通过均方差计算各个心电干扰的阈值;最后,对各层心电干扰范围小波系数进行“逆向”硬阈值处理,并进行小波逆变换得到降噪后的信号。实验结果表明,该方法能够有效地去除膈肌肌电信号中的心电干扰,并且能够较好的保留膈肌肌电信号的信号特征。     

平稳小波变换在膈肌肌电降噪中的应用

为了去除膈肌肌电中的心电干扰,提出了一种基于平稳小波变换的“逆向”硬阈值的降噪方法.首先,对临床的膈肌肌电信号进行平稳小波变换,根据小波系数检测QRS并确定心电干扰范围;其次,逐层估计心电周期范围的小波系数均方差,并且通过均方差计算各个心电干扰的阈值;最后,对各层心电干扰范围小波系数进行“逆向”硬阈值处理,并进行小波逆变换得到降噪后的信号.实验结果表明,该方法能够有效地去除膈肌肌电信号中的心电干扰,并且能够较好地保留膈肌肌电信号的信号特征.     

滤除SEMG工频干扰的数字陷波器设计

50 Hz工频干扰是表面肌电信号（SEMG）的主要干扰源之一,消除工频干扰是表面肌电信号处理中的一项重要技术。鉴于原有模拟信号调理电路在工频消噪这一环节上的不足,设计了一种50 Hz数字陷波器用以消噪,减小干扰。实验证明,采用基于窗函数法的FIR原理设计的50 Hz数字陷波器能有效滤除SEMG中的工频干扰并基本不影响50 Hz周围有效SEMG的获取。     

基于卡尔曼滤波和数据关联的无线网络状态融合方法

为了解决无线网络传输过程中受到干扰信号影响所产生的性能问题,提出一种新的信号状态融合方法(SFWD）。该方法首先基于小波变换降低信号的长相关特性,并且利用卡尔曼滤波和数据关联建立融合算法。通过仿真实验对比研究了信号状态与干扰因素之间的关系,结果表明该方法具有一定的适应性,其融合结果与原始信号之间的标准差为7.13。     

EMGdi signal enhancement based on ICA decomposition and wavelet transform

Diaphragmatic electromyogram (EMGdi) signal plays an important role in the diagnosis and analysis of respiratory diseases. However, EMGdi recordings are often contaminated by electrocardiographic (ECG) interference, which posing serious obstacle to traditional denoising approaches due to overlapped spectra of these signals. In this paper, a novel method based on wavelet transform and independent component analysis (ICA) is proposed to remove the ECG interference from noisy EMGdi signals. With the proposed method, the original independent components of contaminated EMGdi signal were first obtained with ICA. Then the ECG components contained were removed by a specially designed wavelet domain filter. After that, the purified independent components were reconstructed back to the original signal space by ICA to obtain clean EMGdi signals. Experimental results achieved on practical clinical data show that the proposed approach is better than several traditional methods include wavelet transform (WT), ICA, digital filter and adaptive filter in ECG interference removing.     

基于异常值识别卡尔曼滤波器的短期交通流预测

针对智慧交通的需求提出了一种新颖有效的短时交通流预测方法,通过异常值识别扩展了卡尔曼滤波,使其能对噪声进行识别和过滤——异常值识别卡尔曼滤波器。利用卡尔曼滤波能有效地过滤导致系统不确定性的交通流波动,但这可能会使指示交通流突变的细微线索丢失,为了提升预测精度,应用离散小波变换对原始信号进行识别处理,在去掉异常值的同时保留原有对预测有效的信号源信息,此外还使用了历史参考值对预测值进行修正。在四个基准数据集上的大量实验表明,与常用及最新的预测模型相比,其结果MAPE平均降低了2.919%,RMSE平均降低了79.582。     

基于高阶滤波的肌电信号采集电路设计

针对表面肌电信号(sEMG)信号微弱、频率低、极易受到干扰的特点,设计了具有高共模抑制比、放大增益灵活可调、具有良好抗噪声性能的sEMG信号采集电路.信号的放大部分采用两级放大方案,以避免噪声被过分放大造成肌电信号被淹没的问题.带通滤波器部分由两组5阶Sallen-Key低通和高通滤波电路级联而成,阻带下降速度很快,近似达到-100 dB/(°),对噪声及其他生理电信号干扰的衰减能力极强.针对工频干扰问题,在陷波器部分设置Q值调节电位器,根据实测情况灵活调节电位器旋钮以便获取最佳采集效果.测试结果表明,所设计的电路放大增益可以达到60 dB,对50 Hz工频干扰有很好的抑制作用,可以有效提取20 Hz～500 Hz之间的有用信号,具有良好的抗噪声性能.     

基于形态学和小波变换的心电信号去噪算法

在处理心电信号采集过程中混入的基线漂移、工频干扰及肌电干扰等噪声的过程中,小波变换取得了广泛的应用。针对小波算法的缺陷及不足,提出了一种基于数学形态学和小波阈值的混合算法。该算法利用非线性形态学滤波器滤除基线漂移,将获得的含高频噪声心电信号通过小波阈值算法进行处理,最后获得无噪声的ECG（心电）信号。采用MIT/BIH Arrhythmia Database中的数据对算法进行了验证,实现了三种主要干扰的滤除,本算法效果良好,为后续特征点的识别奠定了基础。     

基于有限长脉冲响应滤波器和aTrous算法的小波心电信号去噪

微弱低频的心电信号采集中容易受到外界环境的干扰,必须先对其进行预处理才能用于心脏疾病的诊断。Mallat算法的小波分解重构法不能有效滤除心电信号中的工频和肌电干扰;小波阈值法不能有效滤除心电信号中的工频和基线漂移,重构的心电信号会产生伪吉布斯现象。针对以上情况,提出了一种基于有限长脉冲响应滤波器(FIR)和aTrous算法的小波去噪方法。该方法综合运用了50Hz陷波器、aTrous算法小波分解重构法和小波阈值法。仿真郑州大学第二附属医院和MIT-BIH心率失常数据库的心电信号表明,该方法能够有效去除心电信号中的工频和基线漂移,大幅度衰减肌电干扰,同时有效消除伪吉布斯现象。     

基于全通滤波器的IIR陷波器抑制信号中的周期性干扰

从滤波器的系数敏感度角度 ,提出一种基于全通滤波器的 IIR陷波器来抑制信号中的周期性干扰。该滤波器是由全通滤波器的级联构成的 ,因为全通滤波器传递函数的分子和分母多项式之间的镜像对称关系 ,该滤波器可以用高效的格型运算结构来实现 ,并且具有很低的系数敏感度 ,使得系数量化后的陷波频点偏移量最小。本文详细论述了该陷波器的设计方法 ,并深入分析了其在低频段的系数敏感度问题。通过实际数据验证了这种滤波器能够有效的抑制电力线通信信号中的谐波干扰。     

基于正交小波变换的心冲击图自适应去噪方法

研究了心冲击图的正交小波变换最小均方自适应去噪;阐述了基于正交小波变换的最小均方自适应去噪原理;利用径向高斯核函数对心冲击图进行自适应时频联合分析,得到了中心频率并确定了小波分解尺度;提出了通过选择小波基函数和输入信号长度确定自适应滤波器阶数的方法;从矩阵角度给出了算法的实现步骤,并分析了正交小波变换提高最小均方算法收敛速度的原因.实验结果表明,正交小波变换最小均方算法使自适应去噪后的心冲击图更快达到稳态,随心动周期的变化趋势更加明显.比较去噪前后心冲击图的功率谱密度可知,正交小波变换最小均方算法在保留心冲击图特征的同时自适应地去除了其中的时变噪声,获得了良好的去噪效果.