基于改进EEMD的心电信号基线漂移消除方法

针对传统方法滤波效果不佳的问题,本文提出了基于改进集合经验模态分解（Ensemble empirical mode decomposition,EEMD）的消除心电信号基线漂移方法。该方法克服了经验模态分解（Empirical mode decomposition,EMD）模态混叠的问题,并对EEMD方法存在的问题和不足进行改进,建立集合经验模态分解方法中加入辅助白噪声大小的可依据准则,从而确定加入的辅助白噪声大小以及集合平均次数这两个重要参数。它从含噪心电信号中提取基线漂移信号,然后重构其余本征模函数（Intrinsic mode function,IMF）分量得到"干净"的心电信号,为后续的研究提供前提。经实验验证表明：相较于传统方法,这种方法能够提高信噪比、降低均方差、保持特征波形、去噪更加彻底,很好地解决了心电信号低频成分损失的问题。     

基于多分辨率分析的ECG基线漂移矫正算法

基线漂移对ECG采样信号的ST段特征信息准确提取带来很大困难.利用小波变换的良好分辨率分析特性,提出基于多分辨率分析的ECG基线漂移矫正算法.根据ECG多尺度分解后的高尺度细节信息特点,采用二次样条小波对采样ECG信号进行多尺度分解,然后选择高尺度下的细节信息进行自适应滤波,最后进行多尺度重构,实现消噪目的.多次实验结果表明,该算法能有效矫正ECG的基线漂移,且保持信号低频部分特征信息,这为准确提取EcG信号的ST段特征信息奠定了基础.     

一种改进的心电信号预处理方法研究

心电信号是典型的强噪声下的非平稳微弱信号,减小噪声的干扰对心电信号的分析有着十分重要的意义,因此,有效的滤波方法一直是该领域学者关注的热点问题。本文在基于小波变换心电信号分析研究基础上,针对小波去噪时分解只作用于低频部分,从而忽略了高频区域中一部分有用信号的问题,提出了一种采用改进小波包理论实现心电信号去噪的方法,利用小波包在消除信号噪声方面具有更为精确的局部分析能力的特点,采用了‘db4’小波和＂最优基＂选择的方法,对心电信号进行消噪。以MIT-BIH心电数据库中心律失常数据仿真实验,得到了较理想的去噪效果。对比该方法与小波滤波去噪,发现基于小波包的心电信号去噪具有更优良的去噪性能。     

心电信号采集记录系统的设计

为了更好地解决心电信号的采集和处理问题,设计了以高性能DSP芯片TMS320C32x为核心心电信号的采集记录系统,对心电信号的放大、滤波部分的硬件设计进行了重点研究并针对实际应用设计了检测电路,以C语言为基础设计了系统软件和针对于心电信号处理的自适应滤波器,实践证明该系统能很好地完成对心电信号的采集、滤波和记录。     

动态心电信号自动分析技术的研究

心电信号自动分析技术目前只能分析出常见的心律失常,对一些发病率低的心律失常还不能做出正确诊断,针对以上问题做了详细研究.首先论述了小波变换滤除心电信号中肌电干扰、工频干扰和基线漂移的过程;然后介绍了QRS波群和ST段的检测方法,并用数学方法定义了十三种心律失常的类型.文中的方法实时性强、检测效率高而且心律失常分析的种类多,具有一定的临床应用价值.     

基于ATmega168V的心电信号采集系统的设计

主要介绍ATmega168V为核心的心电信号采集系统的设计与实现,并给出主要硬件电路原理图以及系统软件结构与流程图。系统采用了性能优异的数字滤波器简化硬件电路,以尽可能优化的软、硬件配置完成系统功能,通过设置可直接与PC机或PDA通信,软件可进行远程自动升级,具有结构简单、性能优异和便于扩展等特点。     

一种冗余小波变换的心电信号噪声消除方法

平稳小波变换去除心电信号噪声较好抑制了小波空间适应法消噪产生的伪GiN碍现象，但其重建过程相对复杂。提出对受噪声污染的心电信号移位一次，将移位信号及原信号分别进行正交小波变换阚值去噪，以它们的平均作为去噪结果。实验表明可以获得与平稳小波变换相同的去噪效果，但算法实现更简单快速。     

一种冗余小波变换的心电信号噪声消除方法

平稳小波变换去除心电信号噪声较好抑制了小波空间适应法消噪产生的伪Gibbs现象,但其重建过程相对复杂。提出对受噪声污染的心电信号移位一次,将移位信号及原信号分别进行正交小波变换阈值去噪,以它们的平均作为去噪结果。实验表明可以获得与平稳小波变换相同的去噪效果,但算法实现更简单快速。     

基于改进BP神经网络的心电信号分类方法

心电信号的准确判别是实现心电监测系统智能诊断的关键。为提高心电信号的分类精度,研究了一种改进BP神经网络的心电信号分类算法。首先对MIT-BIH Arrhythmia Database样本专家标注心拍进行统计分析,选择正常心拍、室性早搏、左束支传导阻滞心拍和右束支传导阻滞心拍作为神经网络识别目标,采用主成分分析法提取25个心拍特征作为样本向量。仿真结果表明,改进BP神经网络具有较好的分类识别能力,整个样本分类准确率为98. 4%。算法收敛速度快,分类精度高,有助于检测和诊断心脏疾病。     

去除心磁信号基线漂移的形态学滤波器

本文针对去除心磁信号的基线漂移的问题,采用形态学滤波方法,构造了两种结构元素,通过开闭和闭开的平均组合实现了两种有效的数学形态滤波器。数值仿真和信号分析的结果表明：该方法能够很好地保留心磁信号中的T波成分,并能去除心磁信号的基线漂移。     

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。     

改进滑动平均滤波在PSO辨识中的应用

在实际系统信号中不可避免的会存在噪声和瞬时扰动,噪声过大会严重影响粒子群优化算法(pso)的辨识结果.针对强噪声环境下利用PSO算法进行参数辨识精度差甚至不能收敛的问题,提出了一种改进的滑动平均滤波算法,通过动态修正滑动平均后的数据相位,来实现无滞后的滑动平均滤波效果.仿真实验表明,对这种改进滑动平均滤波算法应用于PS...     

一种基于改进粒子滤波的运动目标跟踪

基于传统粒子滤波的运动目标跟踪方法中存在重要密度函数选择困难、缺乏通用性、重采样设计难度大、粒子退化现象难以有效解决等问题。因此提出了一种改进的粒子滤波运动目标跟踪方法,该方法采用人工鱼群算法改进重要密度函数,通过粒子间的不断交互及协调行为,使其状态接近后验分布,从而提高重要密度函数的通用性。在此基础上,结合人工免疫算法的免疫算子改进重采样,平衡粒子群的收敛性和多样性,抑制早熟现象。实验结果表明,与传统粒子滤波算法相比,该方法通过参数调节,提高了运动目标跟踪的准确性和抗干扰能力,并能有效地抑制粒子退化现象。     

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。     

基于分块和改进粒子滤波的运动目标检测方法

为了快速准确地检测到视频场景中的运动目标,提出了一种基于分块和改进的粒子滤波的运动目标检测方 法。首先,对视频图像序列分块并提取每个图像块的颜色特征;然后,用改进的粒子滤波对每个图像块进行操作,计算 出每个块对应的粒子的权重;最后,根据粒子的平均权重建立背景模型,提取运动目标。将分块和粒子滤波相结合,能 够在不降低检测精度的基础上,大幅减少算法的计算量,提高算法的执行速度。实验结果表明,该方法具有较好的鲁 棒性、杭噪性和抗光照变化能力,提取的运动目标更加完整。     

基于无监督学习的移动心电信号异常诊断研究

针对心电信号异常诊断,提出了一种基于无监督学习的移动心电信号异常诊断方法。该方法利用层次聚类将心电数据进行分类,同时结合特征量的优先级诊断分析法,有效避免了因移动心电信号的数据量过大而产生爆炸的时间复杂度和空间复杂度的问题。最后,通过心电信号实例验证了所提方法具有良好的可靠性和运行效率。     

一种基于自适应的新滤波技术

介绍一种基于自适应的新的滤波技术，用它处理心电信号及背景噪声，可抑制噪声１２ｄＢ以上。     

自相似网络通信量的滑动平均预测

研究表明具有重尾特性的自相似性网络通信量表现出长程相关的突发性。对这种不同于传统电话网通信量的长程相关的网络通信量进行描述及预测十分重要。本文在基于对称alpha-平稳分布过程的自相似通信量模型基础上,提出了两种新的对具有重尾特性自相似网络通信量的滑动平均预测方法。一种是协变正交意义下的线性无偏预测;另一种是双曲线渐近意义下具有对称平稳新息的滑动平均预测,能使预测偏差最小化。对Bellcore实验室与Lawrence实验室的原始数据进行预测实验,预测结果表明两种预测方法准确有效。     

基于混沌理论的心电信号特性研究

按照混沌理论分析心电信号。采用C-C算法估计心电信号的延迟时间τ和嵌入维数m,并与自相关函数法的计算结果进行对比,在二维相空间重构图上进行验证。结果表明C-C算法优于自相关函数法。分别计算健康人及室性失常病人、束支传导阻滞病人和室上病变病人心电信号的Lyapunov指数,对比发现健康人与各类心脏病人的Lyapunov指数之间存在显著差别。