基于自适应线性神经网络的心电信号滤波

针对心电信号检测中存在的噪声，将线性神经网络与自适应噪声对消原理结合起来，设计出了自适应线性神经网络滤波器，以实现对心电信号中工频干扰、呼吸引起的基线漂移的滤除。经仿真验证，该滤波器对这两类噪声的滤除均有较好的效果。     

基于EMD算法的心电信号基线漂移去除方法研究

采用经验模态分解的方法,解决心电信号基线漂移时的最优分解层数问题,通过合理选择EMD分解层数来改进基线漂移的去除方法。借助Matlab的工具箱,对MIT-BIH心律失常数据库中较为洁净的心电数据段,人为叠加心电常见噪声信号以产生实验仿真信号,将所构建的仿真信号经EMD(经验模态分解)分解后,将分解所得的残余项去除,从而实现心电信号的基线漂移去除。对比不同分解层数下基线漂移去除的效果,可看到EMD层数越大,残余项所在层的基线漂移特征越加明显。最后对数据库中受到严重基线漂移干扰的109号心电数据段进行基线漂移去除,验证本方法的可行性。     

分数阶傅市叶变换域的心电信号滤波算法

心电信号是一种非平稳的低频微弱信号,与干扰噪声具有较强的时频耦合．经典的滤波方法难以实现有效的信噪分离．提出了一种基于分数阶傅立叶域的LMS自适应滤波算法,既结合了适合处理非平稳信号和减少时频耦合的特点,又能够有效地提高信噪比．首先将信号进行分数阶傅立叶变换,寻找最优变换域,再利用LMS自适应滤波算法在最优变换域滤波,然后对滤波后的信号进行分数阶傅立叶反变换．通过对MIT—BIH中的心电数据进行Mat—lab仿真,表明信噪比从-6dB提高到14dB,清晰地还原出心电信号的波形及特征点．     

基于微电极阵列的神经细胞电信号采集与处理

神经细胞电信号快速地采集和有效地处理对神经网络运作机理与信息传递的研究有着重大意义。神经细胞电信号采集时选择采集器件与处理方法要符合生物内神经网络的固有属性,根据这一需求,提供了一种采用多通道微电极阵列对离体培养的神经细胞电信号进行采集的方法,对采集到的电信号利用经验模态分解法与希尔伯特变换法进行处理,得到可实时、清晰反应神经细胞电特性的波形图。通过对最后得到的神经细胞电信号分析可知,该方法不但可以得到精确的神经细胞电信号,还可以反映神经细胞电信号的特点,为神经网络的研究提供有效方法。     

基于DSP的心电信号除噪声方法研究

在广泛研究和对比其他常用方法的基础上,使用了基于频率域的滤波法和最小二乘估计法,得到心电病理特征明显的心电信号图形,两种方法相结合可以成功的消除心电信号中的白噪声和50 Hz工频干扰的影响.经过实验,得到一个心电病理特征明显且是低噪声的心电信号周期.改进了传统方法的不足之处,得到了有临床医学价值的心电信号波形.     

基于自适应滤波的滚动轴承故障诊断研究

针对固有频率未知的滚动轴承故障诊断问题，提出了一种基于经验模态分解的自适应滤波方法。讨论了经验模态分解方法及其在获取固有模态函数过程中的自适应滤波特性。通过对滚动轴承故障振动信号进行经验模态分解得到固有模态函数，运用希尔伯特变换解调固有模态函数得到包络幅频图，获取滚动轴承故障特征频率，进而确定滚动轴承的故障位置。应用该方法对仿真和实际数据进行了分析，并与冲击脉冲法作了比较。结果表明，基于经验模态分解自适应滤波的滚动轴承振动信号解调方法能够更有效地突出故障特征频率成分，避免误诊断。     

基于经验模态分解的颈部表面肌电信号特征提取

通过SEMG的线性与非线性指标分析评估被试者在伏案工作过程中的颈部肌肉疲劳程度.采用经验模态分解EMD将原始信号中的强背景噪声分解至各个固有模态函数IMF,达到降噪的作用.在此基础上,分别对SEMG的线性、非线性指标进行了分析.结果表明:随着低头伏案学习时间的增加,被试者的肌肉疲劳程度不断加重,线性和非线性指标随时间都有较明显的线性变化规律.此项研究结果表明长期伏案工作者中的颈椎病患者通常易发生低节段颈间盘退变,同医学影像学中核磁检测结果一致.因此应用SEMG信号的时频分析评估颈部肌肉疲劳状态是可靠且可行的.     

基于VC++的心电信号数据采集系统

该文针对常规心电监护设备体积笨重、价格昂贵和不利于家庭化的局限性,设计了一种基于STM32芯片能够实时采集心电信号的电路。采集的心电数据通过串口提交到PC机,以VC++为开发平台,设计了心电信号采集系统。经实验室使用验证,该系统可实现对心电信号的实时采集、显示和存储,而且性能可靠,工作稳定,成本又大大地降低。     

HHT算法在电力系统谐波分析中的应用研究

针对电力系统谐波检测的问题,采用希尔伯特-黄算法对电力系统谐波信号进行分析.在阐述了希尔伯特-黄算法原理的基础上,分别使用平稳和突变的谐波信号对希尔伯特-黄算法进行了验证.并利用Matlab/Simulink平台构建电力系统谐波源模型,研究希尔伯特-黄算法在实际电力系统中的应用.研究、仿真结果表明,希尔伯特-黄算法在分析电力谐波时,能准确分析出各次谐波的瞬时频率和瞬时幅值以及波动时刻.     

基于LabVIEW的心电信号采集系统设计

设计一种基于虚拟仪器LabVIEW软件的心电信号采集系统,通过图形化语言（G语言）编程,对借助USB接口的心电传感器采集到的心电信号进行实时显示处理,对于构造一套比较实用的心电分析仪有一定的参考价值,在生物医学信号处理和医疗仪器开发方面也具有广阔的应用前景.     

基于双正交小波的ECG信号自适应压缩编码算法

提出1种基于Bior4.4双正交小波的ECG信号压缩算法,在频率域上对小波系数进行连续分割,采用自适应的十进制至二进制数据格式转换机制来编码小波系数.从MIT-BIH数据库中选择8种不同的ECG信号作为测试数据,算法的平均均方根误差比(PRD)在0.05%～4.70%之间,平均压缩率(CR)在1.5∶1～33∶1之间.实验结果表明本算法具有压缩率高、计算复杂度低、编码速度快的特点.     

基于USB总线的心电检测系统设计

针对人们对心脏疾病问题的日益关注,介绍了一种新型心电检测系统,它具有体积小,实用性强,价格低廉等特点,特别适合家庭使用.同时为了解决与PC间的接口问题,依据USB1.1规范,采用PHILIPS公司的PD IUSBD12接口芯片,大大提高了数据传输的速度.经实验检测,系统运行稳定可靠.     

心电信号的小波变换处理算法及仿真

为了有效去除心电信号中的干扰噪声,对信号特征点进行准确标定,采用小波变换的阈值去噪算法和时域峰值定位算法进行心电信号处理.利用bior3.7小波按照Mallat算法对ECG信号进行分解,结合软硬阈值与小波重构的算法对信号进行去噪处理,给出了小波变换与时域峰值定位结合的算法检测各特征点.仿真结果表明小波阈值算法能有效去除心电信号中的干扰噪声,保留心电信号的有效信息,基于小波变换的时域峰值定位算法能准确检测出心电信号中的特征点.     

基于HHT算法的机械故障分析系统

针对常见的机械故障进行分析研究,以转子动平衡为例,给出可通用的机械故障分析系统方法．在LabVIEW平台上应用希尔伯特-黄变换方法,对机械故障中的转子动平衡振动试验数据进行时频联合域分析,得出具体分析图．利用LabVIEW平台的虚拟示波器产生谐波对系统进行验证．通过本系统对“BENTILEY”实验台的转子动平衡振动数据进行分析处理,为研究转子动平衡故障提供参考图形数据．结果表明：该系统是可行的．     

改进HHT算法及在心音信号分析中的应用

HHT(Hilbert-Huang Transform)是一种具有自适应性的、新型的、基于模态分解的时间序列数据处理方法。心音信号是一种典型的非平稳信号,传统信号处理方法来处理心音信号有一定的局限性。为了研究心脏的动力学特征,将HHT算法引入到心音的信号分析中。提出了一种改进的HHT算法,针对仿真信号进行了分析,验证改进的算法可以正确地提取出信号中的各个分量IMF(Intrinsic Mode Function);使用该算法对一例正常心音信号进行分解处理,表明该算法能按不同的时间尺度对心音信号信号进行分解     

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。     

基于MATLAB的心电信号二值化算法

利用MATLAB语言比较了最大方差阈值法选择阈值、基于灰度期望值法选择阈值以及整体阈值与局部阈值相结合的几种图像二值化算法.将以索引图格式保存的心电图信号转换为RGB格式,利用上述方法单独对R数组、G数组和B数组进行二值化处理,然后分别对结果数组作“或”操作,作为二值化结果,试验结果表明,基于全局阈值的二值化算法比较实用,能够很好地滤除背景噪声、背景网格以及QRS综合波处所做的标记,并保留有用的心电信号.     

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.     

基于EMD和小波分解的颤振信号特征提取方法比较研究

以数控动梁龙门导轨磨床KD4020X16为试验对象,对不同磨削参数情况下磨床的不同振动状态进行试验测试.分别应用经验模态分解和小波变换对磨床的颤振信号进行颤振特征提取,以相关系数和方差为依据分析和比较这两种方法在非线性时序信号处理中的优劣.分析结果表明,在磨床的磨削颤振信号特征量提取方面,基于经验模态分解的提取方法具有更好的准确性和自适应性.