基于小波和扩展卡尔曼的心电检测

文中将小波变换和扩展卡尔曼滤波器相结合,利用小波变换多尺度多分辨的特点,将心电信号进行分解。然后对心电信号在各尺度上进行扩展卡尔曼滤波。最后在扩展卡尔曼滤波的输出结果上进行QRS波形检测。文中方法经MIT-BIH心电数据库检验,QRS波Se（探测灵敏度）在99.40%以上,同时,QRS＋P（正探测率）在99.39%以上,提高了心电信号检测的正确率。     

基于小波变换的自适应QRS-T对消P波检测算法

该文提出一种基于小波变换的自适应QRS-T对消P波检测算法。首先采用二进Marr小波的Mallat算法对心电信号作多尺度分解,在每个尺度下只保留超过一定阈值的小波模极大值点,其它点置零处理。在小波分解的3,4尺度下检测QRS波群,并根据心拍节律信息和QT间期,将QRS-T波群所对应的小波模极大值点进行自适应对消,最后对包含P波的剩余信号进行非线性放大,利用小波模极大值的自适应阈值检测方法定位P波。该方法经MIT-BIH心电数据库数据验证,取得了满意的结果。     

基于多尺度Wiener滤波器的分形噪声滤波

针对淹没在1/f噪声中的有用信号恢复问题,本文提出了一套基于双正交小波变换与Wiener滤波的多尺度滤波算法,并设计出多尺度Wiener滤波器.首先,利用双正交小波变换将带有1/f噪声的信号分解成多尺度的子带信号,通过小波变换对1/f噪声的白化作用,消除了1/f噪声的非平稳性、自相似性和长程相关性.其次,在小波域内,利用Wiener滤波,实现了噪声和有用信号的分离,估计出了各子带中的有用信号.最后,利用双正交小波的精确重构性,较好地恢复出淹没在1/f噪声中的有用信号.仿真实验表明,该滤波器能有效的抑制分形噪声,显著地提高信噪比.     

基于小波变换的QRS波检测算法

针对基于小渡变换的心电信号QRS波的检测算法的计算量较大,硬件不易实现的问题,提出一种FPGA的实现方案.首先分析了利用小波变换检测QRS波群的算法,给出硬件实现方案,该算法由小波变换模块和检测模块两个模块实现.然后选取高端FPGA作为硬件处理平台,给出小波变换模块及波形检测模块具体实现结构.最后在Quartus Ⅱ下进行编译和仿真,完成心电信号检测算法的硬件实现.从综合后的资源占有率上可以看出系统充分利用了FPGA内部丰富的资源,从仿真的结果看出在FPGA系统上准确的检测出了QRS波.     

基于非线性多通道小波变换的边缘增强

作为一种新的工具,小波变换在信号处理中得到了广泛应用.本文首先介绍了一种双Haar小波基,它是Haar小波在三通道滤波器中的推广.然后基于双Haar小波和NFIR滤波器,提出了一种非线性多通道小波变换.该方法可以用于信号边缘的增强,其效果是其它方法所难以达到的.     

基于小波变换的QRS波群检测

提出了一种基于小波多分辨分析的算法,对心电信号进行特征提取和识别。通过小波变换对常规心电图信号进行分解去噪和特征提取,并利用动态自适应阈值和删除多检点,补偿漏检点对QRS波检测进行优化。实验结果表明该方法在QRS波形不失真的情况下,提高了一部分MIT-BIH数据库信号中QRS波识别的准确率,并且对于较低准确率的心电信号的原因进行了分析。     

一种适用于图象去噪的三通道正交完全重建滤波器组

小波变换作为一种多尺度信号分析方法,在图像处理中得到了重要的应用.图像处理的一个重要研究方向就是去噪.由于图像含有大量的边缘,因此用于图像处理的小波基必须具有良好的边缘检测性能和较强的平滑噪声能力.但是,目前还难以找到具有这样特性的正交小波基.本文利用信号的多相位表示理论,提出了一种基于Haar小波的三通道正交完全重建滤波器组,并推导出它在图像去噪中的软门限方法.试验表明,该滤波器组用于图像去噪可以得到很好的结果.     

基于EWT和结构特征提取的心电信号R波识别算法

R波作为心电信号中最明显的特征,常作为确定心电信号其他波段的重要依据.针对现有算法识别率低的问题,提出一种基于经验小波变换和信号结构特征的R波识别算法.首先利用经验小波变换对心电信号频谱进行自适应分割,在分割区间上构造合适的小波滤波器组提取出具有紧支撑的模态分量,然后对提取出的各模态分量进行频谱分析,找出R波对应的高频...     

边缘学科分支最新动向

TN一051 2003061803小波变换在视觉诱发电位信号提取中的应用/何庆华,(2」彭承琳,昊宝明,(3」朱凌云(第三军医大学)11重庆大学学报一2003,26(6)一78一80在基于视觉诱发电位脑机接口研究中、需要在强噪声背景下迅速准确地提取出微弱的视觉诱发电位信号.对信号进行小波分解,分析诱发电位信号及噪声在不同尺度上的分布特点,选择诱发电位信号能量相对集中且能较好反映信号主要特征的频带设计了小波时频滤波器.小波时频滤波器结合少量次累加平均,可提高信噪比,提取出视觉诱发电位信号.实验表明,平均刺激9、20次就能提取出信号.该方法能准确快速…     

基于AR模型的小波变换在脑电信号消噪中的应用

提出了基于自回归模型(ARM)与小波变换的脑电信号分析方法,并利用他来消除脑电信号中的噪声干扰。小波变换是一种多分辨率的时间尺度分析方法,他能够将信号划分为不同频段的子带信号。根据小波变换的这一特性,对采样获得的脑电信号进行各尺度分解及消噪分析,并给出了各尺度分解结果及消噪结果。利用小波变换能有效去除脑电信号中的噪声干扰。     

一类最佳数据压缩FIR滤波器与Daubechies 小波

提出了一种设计数据压缩FIR滤波器的新方法．该方法在不引入信息失真的前提下以最有效分解原信号为目的设计滤波器．由此设计的滤波器可以实现数据基于压缩目的的最优分解,能够最大可能地提取信号中的有用信息同时去除冗余信息．该分解过程与具有一定正则性的Daubechies小波的离散小波变换十分相似,该滤波器也和Daubechies小波分解滤波器完全相同,其原因是Daubechies在构造小波时引入的余项应为零．     

大光斑LiDAR全波形数据小波变换的高斯递进分解

高斯分解是波形激光雷达数据预处理的常用方法,但在应用于大光斑全波形激光雷达数据中的叠加波时却难以发挥作用,为此提出一种基于小波变换的高斯递进波形分解方法.首先,利用小波变换多尺度分析特性检测出目标地物并准确估算组分特征参数,进而建立高斯模型优化特征参数;然后通过拟合精度指标,判断是否需要添加新组分进行逐级递进分解,确定最终模型及其组分构成,最终实现全波形激光雷达数据的波形分解.为了验证算法的有效性,分别对实验数据使用本文算法和常用的基于拐点匹配的高斯分解法进行分析,结果表明,本文算法提取的目标数几乎是拐点匹配算法的2倍,可以有效地从叠加波中检测出目标组分,且拟合精度高于98%.     

基于非下采样轮廓小波变换的图像去噪

针对采用下采样滤波器结构的轮廓波、轮廓小波在图像去噪过程中会引入伪吉布斯现象,利用小波变换(WT)和非下采样方向滤波器组(NDFB)构造了一种新的多尺度、多分辨率图像的非下采样轮廓小波变换(NWCT)。WT去除了拉普拉斯金字塔滤波器(LPF)的计算冗余,NDFB保证了该变换具有平移不变性。为了验证该变换的有效性,对其进行了图像去噪实验。实验结果表明,所提出方法能获得比WT、轮廓波变换(CT)、轮廓小波变换(WCT)更高的峰值信噪比(PSNR),并且能够很好地抑制伪吉布斯现象。     

具有平移和尺度不变性的自适应小波变换

本文提出了一种具有平移和尺度不变性的自适应小波分解新方法,该方法利用信号的一阶、二阶矩及正交小波尺度函数,先对信号进行自适应小波"重整".然后再对重整后的信号进行普通小波变换.本文证明这种自适应小波变换是平移和尺度不变的,并给出了计算自适应小波变换系数(称为小波不变矩)的一种有效算法.对二维数字信号(图像)的实验证实了我们的结论.     

小波变换和AR模型在脑电信号处理中的应用

谈论了基于小波变换和AR模型的(EEG)信号的分析方法,在两种方法相结合的情况下,能有效消去(EEG)信号的噪声。用小波变换对含有瞬态干扰的脑电信号进行多尺度分解,在某些尺度下,瞬态信号特征得以明显增强,用简单的阈值比较就可以有效地检测并消除瞬态干扰。最后在Matlab环境下进行仿真实验,验证了此方法在提取脑电信号中的有效性。     

抗混叠轮廓波变换及其在图像融合中的应用

研究了原始轮廓波变换的频谱混叠问题,设计出能抑制混叠的多尺度分解方案,结合方向滤波器组,实现了一种抗混叠的轮廓波变换.在此基础上,提出了新颖的基于抗混叠轮廓波变换的图像融合算法.该算法通过邻域一致性测度的计算,实现了变换系数的局部自适应融合.实验结果表明,所提出的方法在视觉质量及定量指标上都优于基于小波变换和轮廓波变换的传统方法.     

基于Matlab的小波提升与心电信号R波检测

本文以MIT-BIH心电数据库作为研究对象,简要介绍了使用小波变换进行心电信号检测的原理和小波提升算法的机制,阐述了采用提升小波变换的方法分解ECG信号并对R波进行定位的流程。给出了matlab示例代码。     

1/f分形噪声的一种多尺度Kalman滤波方法

针对淹没在1／f分形噪声中的有用信号恢复问题,提出了一种基于小波变换与Kalman滤波的多尺度滤波算法。首先将带有1／f分形噪声的信号分解成多尺度的子带信号,通过小波变换对1／f分形噪声的白化作用,消除了1／f分形噪声的自相似性和长程相关性。然后在小波域内,利用Kalman滤波实现了噪声和有用信号的分离,估计出了各子带中的有用信号。最后进行小波重构,较好地恢复出淹没在1／f分形噪声中的有用信号。仿真实验表明,使用多尺度Kalman滤波器能有效地抑制分形噪声,显著地提高了信噪比。     

一种基于小波-Contourlet变换的图像编码算法

根据小波-Contourlet变换对图像分解具有多尺度和多方向性的特点,提出了一种结合小波-Contourlet 变换和集合分裂嵌入块(SPECK)编码的图像压缩算法(CSPECK).小波-Contourlet通过方向滤波器组把小波分解的高频子带进一步分解为多个方向子带,从而可更稀疏地表示图像的边缘和纹理.SPECK算法编码具有复杂度低和编码效率高的优点.实验结果表明,CSPECK算法对纹理丰富的图像有很好的压缩效果,与基于小波-Contourlet 变换的CSPIHT算法相比,峰值信噪比提高了0.2～0.6 dB.     

具有多方向选择性的小波构造

在二维离散希尔伯特空间中构造了一种具有简单细胞感受野特性的多方向低冗余度小波.该小波的频谱具有扇形支撑区,因此本文称之为扇形方向小波(fanlet).Fanlet变换通过圆周对称多分辨率分解和方向滤波器组实现,它将图像分解为多分辨率多方向子带.利用遗传算法设计fanlet变换中满足重构条件的圆周对称滤波器组.与轮廓波(contourlet)相比,Fanlet的光滑度高,并且没有频谱混淆现象.实验结果表明,利用fanlet进行图像去噪,其峰值信噪比和视觉效果均优于contourlet.