心电监护装置信号处理平台的设计与实现

本文提出了一种新的心电监护装置信号处理平台的设计思路.应用TMS320VC5509系列DSP系统实现了快速LADT(Linear Approximation Distance Thresholding)压缩算法结合小波变换和闽值法对ECG信号中QRS波的检测.采用硬件DSP的方法大大提高了QRS波检测的速度,其结果可以用于心电监护装置异常心电检测的实际应用.     

挥发份燃烧生成NO的试验研究

对铜川贫煤进行了挥发份析出和燃烧试验。通过测取和分析挥发份燃烧后烟气中NO，对铜川贫煤挥发份中氮的赋存及迁移规律进行了探索和研究，研究表明，铜川煤的挥发份中氮的赋存形态至少为2种，随着挥发份燃烧温度的升高，NO浓度峰值的出现时间的向前移动，挥发份燃烧温度上升到1673K以后，虽然有利于热力型NO的生成，但对燃料型NO的形成有一定的抑制作用，研究结果为进一步完善煤燃烧理论，有效控制煤燃烧过程中氮氧化物的生成提供了必要的理论基础。     

基于支持向量机的心律失常诊断研究

运用计算机技术辅助激光治疗心律失常疾病,通过非线性动力学分析心电信号,采用模式识别工具实现心律失常疾病的初步诊断。首先提出一种基于经验模式分解（EMD）的时间尺度滤波法,从而有效的抑制心电信号噪声。然后提取预处理后数据的排列熵（Permutatior Entropy,PE）特征值。最后利用支持向量机（SVM）分类器验证特征值的分类。实验结果表明该算法能有效的实现正常和异常心电信号的自动分类,从而简便快速的初步诊断心律失常疾病。     

处理小窑入侵造成自燃的胶体泥浆技术

小窑入侵造成的煤体自燃其治理存在漏风控制、煤体有效降温等几个难点。胶体泥浆防灭火技术以其独特的水溶、胶凝、成胶可控等性能攻克了以上难点。现场的实际应用表明，该技术实现了彻底堵塞松散煤体内部空隙、有效隔氧、降温和阻化等目的，为小窑入侵导致的煤体自燃防治开辟了一条新途径。     

现代仪器分析方法在煤中汞测定中的应用

随着社会经济的快速发展,现代仪器分析方法越来越趋于快速、简便、灵敏。煤燃烧释放的汞是大气污染的重要来源,且易挥发,因此选择合适的测定技术对研究煤燃烧过程中汞的转化机理至关重要。针对煤样测汞常用预处理方法进行简单描述,并对测汞方法:原子吸收光谱法、原子荧光光谱法、ICP-MS、ICP-AES和AMA254汞分析仪的仪器分析方法的原理及特点进行综述,比较了各自的优缺点,为研究人员测汞选择合适的测定方法提供了依据。     

心脏储备无创监测系统的研究

研究了基于心力一心音关系的心脏储备无创监测系统.该系统由心音传感器、心音信号采集处理电路及计算机组成.文中对该系统的测试原理及特点、系统总体结构等部分作了详细介绍,提出了心脏储备指标.通过临床实验和人群调研表明,该系统能无创、快速、低成本和客观量化地对心血管病人和健康人的心脏储备指标进行检测和评估.这些指标可广泛用于医生临床诊断、运动员心脏功能监测、孕产妇心脏安全性评估以及一般人体质评估等,具有十分重要的意义.     

平移不变小波在心音信号去噪中的应用

小波阈值去噪方法可以消除心音信号中的噪声,但其缺乏平移不变性,可能在信号的奇异点附近产生人为的振荡现象,即Pesudo-Gibbs现象,影响去噪效果。采用平移不变(Translation Invariance,TI)小波阈值去噪的方法对心音信号进行去噪,通过对信号序列平移来改变奇异点在整段信号的位置,以降低或消除振荡。对信号采用平移不变小波去噪之前,先通过消除趋势项来降低信号采集过程中引入的干扰。实验结果表明,该方法消除了人为振荡现象,在保留心音信号主要特征的前提下,信号的信噪比(Signal-to-Noise Ratio,SNR)和根均方误差(Root Mean Square Error,RMSE)均得到明显改善。     

局部投影和离散小波变换在心音信号去噪中的应用

针对心音信号非线性的特点,提出噪声水平自适应估计的局部投影与离散小波阈值相结合的去噪方法,该算法既能得到精确的重构信号又能保留微弱信号的有效特征。Lorenz序列数值仿真结果表明,该方法可以有效地抑制噪声,其信噪比和均方误差均优于局部投影去噪和离散小波阈值去噪;对比不同算法去噪前后信号的最大Lyapunov指数,得出该方法能很好地保留原始信号的非线性特征。对实测心音信号的降噪研究,进一步表明了该方法的有效性。     

改进的高斯混合模型在心音信号分类识别中应用

为提高心音信号特征提取的准确性及分类识别的高效性,将小波包变换的Mel频率倒谱系数与改进的高斯混合模型结合用于心音信号分类识别。在Mel频率倒谱系数提取方法基础上,用小波包变换代替傅里叶变换与Mel滤波器组,获得新特征参数DWPTMFCC;针对传统GMM参数初始化K-means算法缺点,用加权可选择模糊C均值算法进行改进;将提取的特征参数分别输入到改进后GMM进行分类识别。对临床采集的心音数据测试结果表明,该方法能有效提取心音特征,优于传统GMM识别性能。