心电图信号处理技术及小波变换方法

给出了心电信号处理的两种方法。第一种方法是运用合成技术,它可以保证波形的完整,而且便于实现。第二种方法是运用小波分析。小波适用于分析非平衡信号,适宜于对心电图数据进行预处理和特征提取。本文应用Mallat算法对心电图信号进行了多尺度分解。     

小波变换在路用雷达信号处理中的应用

脉冲探地雷达回波信号是典型的非平稳、非线性信号 ,采样信号中不可避免地带有各种噪声 ,需进行适当处理 .小波变换时频局域性好 ,是分析非平稳信号的有效工具之一 .系统地阐述了小波变换的基本理论 ,并采用Mallat算法、小波包算法对雷达检测路面厚度的实测信号进行分析处理 ,然后进行路面层厚度计算 ,最后将计算结果与实际厚度相比较 .对比结果说明了小波分析应用于路用探地雷达回波信号处理的有效性 .     

基于傅立叶变换和小波变换的信号处理

介绍了傅立叶变换、小波变换等几种常见的分析处理信号的方法，并对一个实例信号分别利用这两种方法进行了分析处理，阐明了这两种变换在对信号处理上的不同特点。     

基于傅立叶变换和小波变换的信号处理

介绍了傅立叶变换、小波变换等几种常见的分析处理信号的方法,并对一个实例信号分别利用这两种方法进行了分析处理,阐明了这两种变换在对信号处理上的不同特点。     

小波变换在振动台信号处理中的应用

介绍振动台的工作原理，提出一种利用信号边沿与噪声的小波变换的不同性质来去噪的方法，给出该方法的使用效果，并进行了讨论。     

小波变换及其在图像压缩中的应用

小波变换是近几年兴起的崭新的时／频域分析理论，作为数学工具应用到数字图像处理-领域是当前广泛重视的一个热点。本文直观地探讨小波变换在图像压缩中的应用，阐述其压缩比高，变换后能保持信号与图像的特征不变，而且在数据传输过程中抗干扰的特点。     

一种基于小波变换的车牌字符识别算法

提出了一种小波变换的方法对提取出的车牌字符进行识别：对标准字符和分割好的车牌字符进行正交小波变换获取低频系数和高频系数，构造低频系数矢量和高频系数矢量，定义隶属函数，设定阈值，并定义加权矩阵。先将待辨识字符的低频系数矢量与标准字符的低频系数矢量相比较，再比较高频系数矢量。从而最终获得识别结果：实验结果证明该算法比常规识别算法识别率更高：     

一种基于小波变换图像压缩编码方法

提出了一种新的小波变换图像编码方案,即改进的零树法混合量化编码方案.先对图像进行四层小波变换,再舍去第一层小波变换后的高频分量,然后对余下的数据进行零树法量化编码,最后,对零树法量化编码的结果进行游程编码.实验结果表明,该方案优于直接零树法量化编码方案.     

用小波变换对心电图进行分析

利用小波变换对心电图中的QRS波进行定位,传统的信号分析方法傅立叶变换只适于周期的、稳态的信号。心电图往往存在许多随机信号,小波分析具有良好的时频局部化性质,对信号的突变点、奇异点有很好的识别能力,是心电图分析中的有力工具。     

小波变换在心电图识别系统中的应用

利用小波变换技术对心电图的QRS波、P波、T波的具体形态进行识别,由此得到各个波的形态、起点、终点的位置及相应的参数值。并在得到特征参数的基础上构建了心电图诊断专家系统,它是以领域专家的理论知识和经验知识为基础,采用一种新的模糊推理方法建立模糊专家系统。采用VC 6.0对该方法进行检测,结果显示该系统能较准确对心电图进行自动分类诊断。     

一种基于小波的煤巷锚固信号处理方法研究

针对煤矿井下锚固信号的复杂性,本文提出一种基于小波的锚固信号处理方法,从而达到了对锚固缺陷具体位置及缺陷程度综合评价的目的,并进行了仿真分析,验证了该方法的可行性和实用性。     

Biomedical Image Processing Using FCM Algorithm Based on the Wavelet Transform

An effective processing method for biomedical images and the Fuzzy C-mean ( FCM ) algorithm based on the wavelet transform are investigated. By using hierarchical wavelet decomposition, an original image could be decomposed into one lower image and several detail images. The segmentation started at the lowest resolution with the FCM clustering algorithm and the texture feature extracted from various sub-bands. With the improvement of the FCM algorithm, FCM alternation freqneney was decreased and the accuracy of segmentation was advanced .     

基于改进小波阈值法的平移不变心电信号去噪

人体心电信号在采集过程中掺杂着各种噪声信号,而常用的小波阈值法在心电信号去噪中存在缺陷,为此在小波阈值法的基础上进行改进,得到新的阈值去噪方法,该方法能够较好保护心电信号特征,有效保持各种心电波形的幅度,并在一定程度上有效抑制脉冲噪声.此外,由于传统小波阈值法去噪都是基于离散小波变换进行的,所以在幅度较小的Q,S波处会产生Pseudo-Gibbs现象,而文中以改进的小波阈值法为基础对心电信号进行平移不变的去噪处理,有效地克服了这个问题.利用美国麻省理工学院的MIT-BIH心电数据库对以上方法进行验证,取得了良好的去噪效果.实验结果表明,所提出的算法与传统的小波阈值法比起来能够更好的保持心电信号的几何特征,且具有更高的信噪比.     

基于小波变换的心电信号的分析与处理

本文分析了小波变换与窗口傅里叶变换的时频特性,以及小波变换下信号的奇异特征,研究了基于小波变换的心电信号的特征提取与心电信号的消噪处理,研究结果表明,心电信号中ＱＲＳ波的平均检出率可达９９％以上;经消噪处理后的重建心电信号的信噪比可由原来的５．１ｄＢ提高到１２．８ｄＢ,因此,小波变换技术是生物医学信号分析与处理的又一可行有效的技术方法。     

基于小波的奇异信号检测

介绍了小波变换的基本理论、奇异信号的特性及小波变换用于奇异信号检测的基本原理．并在Matlab下进行奇异信号的仿真试验，取得了理想的效果．实验结果表明，小波变换在奇异信号的检测中是有效的。     

基于小波奇异性的电主轴振动信号处理

将小波奇异性理论运用到高速电主轴振动信号处理中,分析了如何进行小波奇异性信号重构的方法,提出了电主轴振动信号奇异性检测算法。构建了电主轴信号测试与处理系统。根据小波变换后信号与噪声在各尺度空间呈现的不同特性,对小波逆变换信号重构,提取了高速电主轴振动信号特征。仿真实验表明,利用小波奇异性对电主轴振动信号进行处理,能够去除噪声对加工过程监控系统的影响,同时还可以对机械故障信号进行预测,达到了提高电主轴使用寿命的目的。     

基于谐波小波包变换的信号检测

利用二进离散小波变换检测周期性信号时,由于频带间的干扰,微弱成分易被强信号所淹没,为解决此问题,提出一种基于谐波小波包变换的周期性信号检测算法。利用谐波小波函数的盒形频谱结构,根据目标声信号的特点,选择合适的分解层数和分析带宽,由此避免分析频带之间的相互干扰。对实测数据的分析结果表明,谐波小波包变换对于低信噪比下的微弱线谱信号成分有一定的增强效果。     

Wavelet analysis and its application to signal processing

The construction of basic wavelet was discussed and many basic analyzing wavelets was compared. Acomplex analyzing wavelet which is continuous, smoothing, orthogonal and exponential decreasing was presented, andit was used to decompose two blasting seismic signals with the continuous wavelet transforms (CWT). The resultshows that wavelet analysis is the better method to help us determine the essential factors which create damage effectsthan Fourier analysis.     

一种改善的利用小波变换消除信号噪声的方法

传统的建立在傅立叶变换基础上的滤波方法在提高信噪比和时空分辨率两项指标上存在矛盾,与之相比,基于小波变换的滤波去噪技术有明显优点,首先介绍连续小波变换的理论基础并对去噪阈值的设定进行了讨论,然后提出一种利用信号与噪声的小波变换不同性质进行去噪的方法,最后给出了并讨论了该方法的仿真结果。